輝達買下了什麼？Kumo AI 的平台能做什麼

Kumo的平台讓企業能直接從既有的關聯式資料庫——例如 Snowflake、Databricks、SAP——中生成商業預測，無需繁瑣的人工特徵工程，也不必受限於固定的資料結構綱要 。其主力產品為 KumoRFM，而更新的 KumoRFM-2 已於2026年4月推出。這些預先訓練的「關聯式基礎模型」幾乎能瞬間回答各類預測性問題：客戶終身價值、流失機率、下一步最佳行動、詐欺偵測、信用風險評分等 。

Kumo的模型指向企業資料，使用者定義好預測目標後，系統便能在無需額外訓練的情況下產出結果 。目前 Kumo 的服務涵蓋超過15個行業，包括金融服務、零售、媒體與醫療保健等 。

技術核心：圖神經網路如何做到精準預測

Kumo平台的核心是專有的「混合圖神經網路」（Hybrid GNN）架構 。它將客戶、商品、交易等實體視為一個巨大圖譜中的「節點」，而它們之間的主鍵／外鍵關聯則是圖譜中的「邊」 。

關鍵運作機制：

• 訊息傳遞：每個節點會從相鄰節點聚合資訊。透過多層傳遞，節點不僅學習自身的屬性，更能掌握整個連結結構中的模式 。
• 無需拉平表格：傳統機器學習必須將關聯式數據「壓平」成單純的橫列，從而破壞了關係脈絡；圖神經網路則直接在原生的圖譜結構上運算，完整保留關係與時間序列模式 。
• GPU加速：這些模型專為在輝達GPU上執行而設計，藉此實現企業級規模預測所需的效能 。

此外，Kumo也結合了圖神經網路與大型語言模型（LLM），以實現更豐富的預測建模 。

交易金額：至少4億美元的合理推估

儘管輝達未對外證實，但科技媒體《The Information》率先披露該筆交易金額「至少 4 億美元」。其他包括 GuruFocus、Fortune 及區域財經媒體均重複引用了此一數字 。由於輝達未公開揭露細節，宜將其視為具多個可靠來源佐證的市場推估，而非官方確認數字 。

知名客戶與實戰成效

Kumo 已公開的客戶與生態系夥伴包括 DoorDash、Reddit、Databricks、Snowflake 與 SAP 。其打造的各類模型已在全球服務超過10億名終端使用者 。Kumo 公布的實戰成績包括：與Databricks合作達成 5.4倍 的轉換率提升，以及在Reddit實現 5.5倍 的廣告精準度躍升 。

三位博士共同創辦人

• Vanja Josifovski——共同創辦人暨執行長。曾任 Pinterest 上市期間的技術長，以及 Airbnb Homes 技術長 。
• Jure Leskovec——共同創辦人暨首席科學家。史丹佛大學教授，主導開發關聯式深度學習與圖神經網路技術，其後亦擔任 Pinterest 首席科學家 。
• Dr. Hema Raghavan——共同創辦人暨工程主管。曾任 LinkedIn 工程與 AI 資深總監，2026 年入選《Inc.》雜誌「女性創業者 500 強」名單 。

三位創辦人均擁有博士學位，並已於本次併購後加入輝達 。

創投募資歷程

Kumo 在兩輪募資中共籌得約 3,700萬美元（部分資料庫記載為 3,650萬美元）：

• A輪（2022年4月）：1,850萬美元，由 紅杉資本 領投，A Capital、SV Angel、Ron Conway 等參與 。
• B輪（2022年9月）：1,800萬美元，同樣由紅杉領投，A Capital、SV Angel 及多位天使投資人加入，包括 Frank Slootman 與 Kevin Hartz 。

根據 PitchBook 數據，Kumo 在 B 輪後的估值約為 2.5 億美元。此次 4 億餘美元的收購價，意味著估值較該輪融資成長約 60% 。

策略拼圖：從賣晶片，走向賣預測

收購 Kumo 符合輝達執行長黃仁勳多年來的布局：將輝達從一家晶片供應商，徹底轉型為 「全棧式 AI 平台企業」 。

多條戰略線索在這樁交易中匯聚：

• 賣軟體，而非僅僅賣晶片：Kumo 為輝達提供了一款現成的、針對輝達 GPU 優化的企業 SaaS 產品，能在硬體銷售週期之外創造經常性營收 。
• 鎖定硬體生態系：Kumo 的圖神經網路模型在輝達 GPU 上運行效果最佳；當企業採用 Kumo 進行預測分析，自然會更深度地綁定在輝達生態系內 。
• 拓展預測型AI市場：輝達已在訓練大型語言模型的領域居主導地位；而針對商業用戶的預測型分析——客戶流失、詐欺、推薦系統——則代表一個同樣龐大的鄰近市場 。
• 延攬頂尖人才與關鍵智財：Jure Leskovec 是圖神經網路的先驅人物之一，將其團隊與 Kumo 的混合 GNN 架構納入輝達內部，將大幅強化公司的前瞻研究能量，以及為日後晶片針對「關聯式 AI 工作負載」進行優化的能力 。
• 持續併購的擴張路徑：輝達近年來持續收購 AI 軟體新創——Run:ai、Deci、Illumex，以及 2025 年底斥資 200 億美元吸收 Groq 團隊的「人才併購」案——一步步組裝出一個橫跨基礎設施、模型與應用程式的完整平台 。

這樁交易寫下了大型科技公司典型的擴張劇本：買下一家具備深厚技術底蘊與既有企業客戶關係的小公司，然後將其產品放到自家的強大基礎設施上，迅速放大規模。對輝達而言，Kumo 不只是關於預測型 AI，更是為了確保下一世代的企業 AI 工作負載，能從頭到尾都運行在輝達的架構之上。

輝達買下了什麼？Kumo AI 的平台能做什麼

Kumo的平台讓企業能直接從既有的關聯式資料庫——例如 Snowflake、Databricks、SAP——中生成商業預測，無需繁瑣的人工特徵工程，也不必受限於固定的資料結構綱要 。其主力產品為 KumoRFM，而更新的 KumoRFM-2 已於2026年4月推出。這些預先訓練的「關聯式基礎模型」幾乎能瞬間回答各類預測性問題：客戶終身價值、流失機率、下一步最佳行動、詐欺偵測、信用風險評分等 。

Kumo的模型指向企業資料，使用者定義好預測目標後，系統便能在無需額外訓練的情況下產出結果 。目前 Kumo 的服務涵蓋超過15個行業，包括金融服務、零售、媒體與醫療保健等 。

技術核心：圖神經網路如何做到精準預測

Kumo平台的核心是專有的「混合圖神經網路」（Hybrid GNN）架構 。它將客戶、商品、交易等實體視為一個巨大圖譜中的「節點」，而它們之間的主鍵／外鍵關聯則是圖譜中的「邊」 。

關鍵運作機制：

• 訊息傳遞：每個節點會從相鄰節點聚合資訊。透過多層傳遞，節點不僅學習自身的屬性，更能掌握整個連結結構中的模式 。
• 無需拉平表格：傳統機器學習必須將關聯式數據「壓平」成單純的橫列，從而破壞了關係脈絡；圖神經網路則直接在原生的圖譜結構上運算，完整保留關係與時間序列模式 。
• GPU加速：這些模型專為在輝達GPU上執行而設計，藉此實現企業級規模預測所需的效能 。

此外，Kumo也結合了圖神經網路與大型語言模型（LLM），以實現更豐富的預測建模 。

交易金額：至少4億美元的合理推估

儘管輝達未對外證實，但科技媒體《The Information》率先披露該筆交易金額「至少 4 億美元」。其他包括 GuruFocus、Fortune 及區域財經媒體均重複引用了此一數字 。由於輝達未公開揭露細節，宜將其視為具多個可靠來源佐證的市場推估，而非官方確認數字 。

知名客戶與實戰成效

Kumo 已公開的客戶與生態系夥伴包括 DoorDash、Reddit、Databricks、Snowflake 與 SAP 。其打造的各類模型已在全球服務超過10億名終端使用者 。Kumo 公布的實戰成績包括：與Databricks合作達成 5.4倍 的轉換率提升，以及在Reddit實現 5.5倍 的廣告精準度躍升 。

三位博士共同創辦人

• Vanja Josifovski——共同創辦人暨執行長。曾任 Pinterest 上市期間的技術長，以及 Airbnb Homes 技術長 。
• Jure Leskovec——共同創辦人暨首席科學家。史丹佛大學教授，主導開發關聯式深度學習與圖神經網路技術，其後亦擔任 Pinterest 首席科學家 。
• Dr. Hema Raghavan——共同創辦人暨工程主管。曾任 LinkedIn 工程與 AI 資深總監，2026 年入選《Inc.》雜誌「女性創業者 500 強」名單 。

三位創辦人均擁有博士學位，並已於本次併購後加入輝達 。

創投募資歷程

Kumo 在兩輪募資中共籌得約 3,700萬美元（部分資料庫記載為 3,650萬美元）：

• A輪（2022年4月）：1,850萬美元，由 紅杉資本 領投，A Capital、SV Angel、Ron Conway 等參與 。
• B輪（2022年9月）：1,800萬美元，同樣由紅杉領投，A Capital、SV Angel 及多位天使投資人加入，包括 Frank Slootman 與 Kevin Hartz 。

根據 PitchBook 數據，Kumo 在 B 輪後的估值約為 2.5 億美元。此次 4 億餘美元的收購價，意味著估值較該輪融資成長約 60% 。

策略拼圖：從賣晶片，走向賣預測

收購 Kumo 符合輝達執行長黃仁勳多年來的布局：將輝達從一家晶片供應商，徹底轉型為 「全棧式 AI 平台企業」 。

多條戰略線索在這樁交易中匯聚：

• 賣軟體，而非僅僅賣晶片：Kumo 為輝達提供了一款現成的、針對輝達 GPU 優化的企業 SaaS 產品，能在硬體銷售週期之外創造經常性營收 。
• 鎖定硬體生態系：Kumo 的圖神經網路模型在輝達 GPU 上運行效果最佳；當企業採用 Kumo 進行預測分析，自然會更深度地綁定在輝達生態系內 。
• 拓展預測型AI市場：輝達已在訓練大型語言模型的領域居主導地位；而針對商業用戶的預測型分析——客戶流失、詐欺、推薦系統——則代表一個同樣龐大的鄰近市場 。
• 延攬頂尖人才與關鍵智財：Jure Leskovec 是圖神經網路的先驅人物之一，將其團隊與 Kumo 的混合 GNN 架構納入輝達內部，將大幅強化公司的前瞻研究能量，以及為日後晶片針對「關聯式 AI 工作負載」進行優化的能力 。
• 持續併購的擴張路徑：輝達近年來持續收購 AI 軟體新創——Run:ai、Deci、Illumex，以及 2025 年底斥資 200 億美元吸收 Groq 團隊的「人才併購」案——一步步組裝出一個橫跨基礎設施、模型與應用程式的完整平台 。

這樁交易寫下了大型科技公司典型的擴張劇本：買下一家具備深厚技術底蘊與既有企業客戶關係的小公司，然後將其產品放到自家的強大基礎設施上，迅速放大規模。對輝達而言，Kumo 不只是關於預測型 AI，更是為了確保下一世代的企業 AI 工作負載，能從頭到尾都運行在輝達的架構之上。