Delos Dataの資金調達、新たなAIネットワーキングへの賭けに1億ドルを投じる

Delos Dataは、AIデータセンターにおける高コストな課題、すなわちデータ待ちによってプロセッサーの時間が失われる問題に取り組むため、1億ドル超を調達した。今回のDelos Dataの資金調達は、ますます混在化するAIハードウェア群を接続するためのチップ、ソフトウェア、システム設計を後押しするものだ。

同社が提案しているのは、単に高速なケーブルをもう1本追加することではない。アクセラレーター、メモリー、ストレージ、スイッチ、光リンクをまたぐデータ移動を統合的に調整しようとしている。その構想は、密接に統合されたコンピューティングプラットフォームを中心に構築されてきたインフラへの挑戦でもある。

最も明確な比較対象はNvidiaだ。同社のGPU、NVLink接続、ネットワーキング製品、ソフトウェアは、実運用で実績を積んだ統合スタックを構成している。Delos Dataは、推論インフラが一社中心のアーキテクチャではすべての導入形態に対応できないほど異種混在化すると見込んでいる。

2025年創業の企業にとって、これは野心的な賭けだ。Delosが広範かつ独立して検証された性能結果を示す前から、投資家がこの構想に多額の資本を投じている理由でもある。

Delos Dataの資金調達ラウンドはフルシステムのアプローチを支援

今回の投資によりDelos Dataは、単体のネットワーキングチップだけでなく、相互依存する複数の製品を開発するための資金を得る。

Delosは2026年9月15日に資金調達を発表した。同社の資金調達発表では、投資家としてMatrix、Playground、Socratic Partners、Capricorn’s Technology Impact Fund、Matter Venture Partners、IAGが挙げられている。

Reutersは、DYNAMIQも参加したと報じた。同通信社は同社を、AIデータセンター内でデータを移動させるチップとソフトウェアを開発する、Intel出身者によるスタートアップと説明している。

Socratic Partnersによると、同社はSeries Aを主導した。投資会社によれば、ゼネラルパートナー兼共同創業者のChristian GallagherがDelos Dataの取締役に加わる。

同社は、この資金をハードウェアおよびソフトウェアのエンジニアリングチーム拡大に充てるとしている。製品開発と営業も加速させる計画だ。Delosはインフラスタックの複数レイヤーにまたがるコンポーネントの提供を目指しており、これらの目標は重要となる。

この製品群はNonstop AIと呼ばれる。データインターフェース、サーバーアーキテクチャ、クラスター設計、管理ソフトウェア、そしてそれらを接続するリファレンスアーキテクチャで構成される。

リファレンスアーキテクチャとは、コンポーネントをどのように連携させるべきかを顧客に示す、文書化されたシステム設計図だ。統合作業を減らせる可能性はあるが、広く導入された商用システムと同義ではない。

新しいNonstop AI Data Interfaceは、ハードウェアの中核となる。DelosはこれをI/Oチップレット、ニアパッケージドオプティクスのコンポーネント、アドインカードとして提供する予定だ。

I/Oチップレットは、より大きなプロセッサーパッケージに接続性を追加する小型シリコンコンポーネントである。ニアパッケージドオプティクスでは、光通信用コンポーネントをコンピューティング用シリコンの近くに配置し、データが移動する電気的距離を短縮する。

カード版は、より一般的な導入経路を提供する。システム構築者は、アクセラレーターパッケージを再設計することなく、この技術を追加できるようになる。

Delosによれば、これらの形態はGPU、その他のアクセラレーター、CPU、フラッシュストレージ、メモリーを接続できる。より大きな目的は、異なるエンドポイント種別をまたぐ単一の管理されたデータ移動ドメインを構築することだ。

この対象範囲は、Delos DataによるAIネットワーキングの提案を、限定的なインターフェース製品と区別する。同社はシリコンパッケージング、サーバー、クラスター、ソフトウェア、運用管理を同時に変革しようとしている。

広い対象範囲は、実行リスクも生む。対応するエンドポイント、物理媒体、ネットワークトポロジーが増えるほど、エンジニアがテストすべき統合経路も増える。

したがって、この資金調達は同社の預金残高を増やすだけではない。チップパッケージから大規模クラスターまで広がるインフラを、独立系サプライヤーが統合的に調整できることを実証する試みへの資金でもある。

このラウンドによりDelosは、自社アーキテクチャが広く利用可能になる前に、潜在顧客と協議する時間も得る。インフラ市場では、設計上の判断が複数世代のハードウェアにわたって顧客を特定プラットフォームに縛り付ける可能性がある。

そのため、早期のエンジニアリングアクセスはとりわけ重要となる。ハイパースケーラーやアクセラレーター設計企業は、完成した本番システムがデータセンターに到達するはるか前に、インターコネクトを評価しなければならない。

1億ドルのラウンドは、Delosにこうした評価へ参入する本格的な機会を与える。ただし、その技術が評価を乗り越えられることを保証するものではない。

混在するAIハードウェアがネットワーキングの機会を生む理由

Delosは、多様化するAIプロセッサーと、それらを稼働し続けさせることが期待されるネットワークとの間にある隔たりを狙っている。

初期の生成AI導入では、同質的なNvidia GPU群を用いて大規模モデルのトレーニングに集中することが多かった。十分に理解された単一のビルディングブロックを繰り返すことで、ハードウェア選定、ネットワーキング、ソフトウェアサポートは簡素化された。

推論はワークロードを変える。推論とは、訓練済みモデルを実行し、ユーザー向けに回答、予測、行動を生成するプロセスである。

エージェント型アプリケーションは、これをさらに複雑にする。AIエージェントは、多段階タスクを完了する過程で、モデルを繰り返し呼び出し、情報を取得し、ツールを利用し、状態を維持できる。

こうしたアプリケーションは、予測可能な1つの通信パターンで、同一のGPU群だけを必ずしも稼働させ続けるわけではない。アクセラレーター、CPU、メモリープール、ストレージシステム、複数のモデルの間で処理を移動させることがある。

Reutersは、データセンターが推論へより大きく注目する中で、AMDやCerebrasの代替製品が支持を得ていると報じた。Nvidia自身も、異なるワークロード向けに複数のプロセッサータイプを提供している。

プロセッサーの選択肢が増えれば、コスト、供給可能性、ワークロード適合性を改善できる可能性がある。一方で、インフラ運用者は、単一の統合システムとして設計されていないコンポーネントを接続しなければならなくなる。

Delosはこの混在状態をMoXIと呼ぶ。これは、インターコネクト、アクセラレーター、メモリー、ストレージ、物理レイヤー、トポロジー、ネットワーク、モデルの混在を指す略語だ。この呼称は独自のものだが、根底にある統合課題は現実のものだ。

プロセッサーがパラメーター、キャッシュ済みデータ、あるいは別デバイスからの結果を待つ間、高価な演算ユニットは十分に活用されない。有用な計算が遅くなっている間も、電力消費は続く。

現在はPlaygroundのパートナーである元Intel CEOのPat Gelsingerは、資金調達の詳細でこの問題を端的に表現した。効果的に通信できないコンピューターは、待機中に電力を消費する高温のハードウェアになると、同氏はReutersに語った。

DelosのCEOであるEd DoeとCTOのDan Dalyは、この主張に関連する経験を持つ。両氏は、パロアルトに拠点を置く同社を創業する前に、ネットワーキングとシリコン分野で働いていた。

両氏の経歴には、Intelと、Intelが2019年に買収したプログラマブルネットワーキング企業Barefoot Networksが含まれる。業界報道では、チームとBroadcom、Fulcrum Microsystems、複数のオープンインターコネクトの取り組みとの関係も指摘されている。

この経歴が重要なのは、AIクラスターの性能が生の帯域幅だけで決まるものではないためだ。エンジニアは、輻輳、レイテンシー、ルーティング、集団通信、障害、ソフトウェアによる可視性を制御しなければならない。

帯域幅は接続が運べるデータ量を示す。レイテンシーは転送の開始または完了までにかかる時間を示す。システムは高い帯域幅をうたっていても、輻輳時や小規模で頻繁な転送では性能が低い場合がある。

クラスターが大規模化するほど、信頼性の確保は難しくなる。プロセッサー、スイッチ、ケーブル、光コンポーネントが増えれば、リンクやエンドポイントが故障する機会も増える。

トレーニングジョブは進行状況をチェックポイントに保存し、障害後に再開できる。一方、ユーザー向けエージェントには異なる基準が求められる。応答の遅延や消失は、アプリケーションに直接影響するからだ。

Delosは、既存インフラは従来のクラウド、高性能コンピューティング、あるいはトレーニングのワークロードを前提に構築されてきたと主張する。同社のシステムは、永続的で異種混在の推論に向けたデータ移動から出発している。

この仮説は、同社にとって時宜を得た参入機会となる。ただし、顧客が既存ネットワークの改善版ではなく、まったく新しいアーキテクチャを必要としていることを証明するものではない。

Delos Nonstop AIはどのようにデータを移動させるのか

Delos Nonstop AIは、ネットワークを独立したリンクの集合ではなく、エンドポイントを調整する能動的なシステムレイヤーとして扱う。

同社のアーキテクチャは、データパスを観測・管理するソフトウェアとハードウェアインターフェースを組み合わせる。その目的は、基盤となる複雑性の一部を隠しながら、コンピュート、メモリー、ストレージ間で情報を移動させることだ。

DalyはReutersのインタビューで、この戦略を慎重に要約した。同氏は、エージェント型AIでどのインフラアーキテクチャが主流になるかは分からないものの、同社はデータを高速に移動させる手段を提供する意向だと述べた。

この不確実性は、設計の中心にある。単一のアクセラレーター、リンク技術、トポロジーが勝つと想定するのではなく、Delosは混在する導入環境を前提に構築している。

データインターフェースは、エンドポイントがこの管理ドメインへ参加する手段を提供する。同社の製品説明によると、3つの物理形態で提供される予定だ。

チップレットはアクセラレーターパッケージ内に配置でき、最も密接な統合を実現する。Delosによれば、このバージョンは毎秒30テラビットの帯域幅を提供できる。

この数値は同社の仕様であり、独立して再現されたベンチマークではない。チップレットの統合には、製造前にプロセッサー設計企業の協力も必要になる。

ニアパッケージドオプティクスは別の経路を提供する。光コンポーネントをプロセッサーの近くへ移すことで、サーバーを越えた通信を支援しつつ、電気リンク長を短縮できる。

カード版では、シリコンレベルでの調整をあまり必要としないはずだ。ただし、カードベースの接続には、ホストインターフェース、基板設計、電力、冷却、物理スペースに由来する固有の制約がある。

DelosはこのインターフェースをNonstop AI Serverと組み合わせる。同社はこれを、分離型のスケールアップサーバー設計と説明している。

スケールアップネットワーキングは、ソフトウェアがアクセラレーターを1つのより大きなコンピューティングドメインとして扱えるほど密接に接続する。スケールアウトネットワーキングは、より広いクラスター内で別々のサーバーやラックを接続する。

分離構成により、運用者はコンピュート、メモリー、ストレージの個別プールからシステムを構成できる。柔軟性を高められる可能性がある一方、分離するたびに追加のデータ移動が発生する。

DelosはNonstop AI ClustersとMosaicソフトウェアも提供する。Mosaicは通信の挙動を監視し、スケールアップドメイン全体のボトルネックを特定することを目的としている。

2026年5月のComputexで、DelosはAIワークロードを監視するMosaicを実演した。同社は、早期アクセス版ソフトウェアを選定顧客向けに提供しており、第4四半期にはより広範な提供を予定していると述べた。

今回の最新発表では、これらの要素を結び付けるリファレンスアーキテクチャが追加された。Delosによれば、この設計は単一ラックや小規模グループではなく、数十万台のデバイスを含むクラスターを対象としている。

同社は、データインターフェースが10分の1のレイテンシーと10倍の効率を実現できると主張する。また別の同社声明では、性能、レジリエンス、スケールが10倍改善すると説明している。

これらの数値は慎重に扱う必要がある。Delosは、すべての比較の背景にあるベースライン、ワークロード、構成、障害条件を示すのに十分な独立テストデータを公開していない。

「10倍」は、ある設計がハードウェア、ソフトウェア、トポロジー、ワークロード配置を同時に変える場合、意味合いが異なり得る。購入者には、コンポーネント単位とシステム単位の両方での結果が必要となる。

同社はまた、トークン当たりのコストを削減し、ワット当たりのトークン数を改善できるとしている。これらは、インフラの挙動を出力とエネルギー消費に結び付けるため、有用な運用指標だ。

ただし、どちらの指標もモデル、バッチサイズ、精度、レイテンシ目標、プロセッサ利用率、電力に関する前提に依存する。あるワークロードで良好な結果が出ても、別のワークロードに自動的に当てはまるわけではない。

システムレベルで説明するDelos Nonstop AIは、したがって協調の提案である。多様なプロセッサのデータを運ぶ経路全体を制御し、それぞれの生産性を維持することを目指している。

この仕組みにはもっともらしさがある。未解決の問題は、Delosが新たなインフラ層を導入するだけの測定可能な効果を十分に提供できるかどうかだ。

主な競争は統合対柔軟性

Delosは1本のケーブルやスイッチと競合しているのではない。ハードウェア中立の協調レイヤーによって、高度に統合されたプラットフォームに挑んでいる。

Nvidiaは統合の利点を示している。同社はアクセラレータ、NVLink、NVSwitch、ネットワークアダプター、スイッチ、管理ソフトウェア、ライブラリ、最適化済みモデルを開発している。

同社はNVLinkを、直接接続の双方向GPUインターコネクトと説明している。現行システムではこれを用い、複数のアクセラレータにまたがる高帯域幅の通信ドメインを構築している。

このアプローチは、システム性能に責任を負うベンダーの数を減らす。Nvidiaはプロセッサの挙動、スイッチ機能、ソフトウェアライブラリ、リファレンスシステムを協調させられる。

統合は顧客に明確なサポート経路も提供する。主要コンポーネントのすべてを1社のプラットフォーム供給元が提供する場合、性能問題について組織同士が責任を押し付け合う余地は小さくなる。

その代償は選択肢だ。Nvidia GPUとAMDアクセラレータ、カスタムプロセッサ、特殊な推論チップを混在させたいデータセンター運営者には、1つの独自ドメインの外部にある接続が必要になる。

Nvidiaはプラットフォームを拡張することで対応してきた。NVLink Fusionでは、パートナーが特定のカスタムプロセッサをNvidiaのインターコネクト技術とスイッチシリコンに組み合わせられる。

この対応により、顧客はNvidia専用システムか完全にオープンな代替手段かを選ばなければならない、という単純な議論は弱まる。Nvidiaは、統合アーキテクチャの大部分を維持しながら、管理されたカスタマイズを提供できる。

オープンな業界標準は、もう1つの競争経路を生み出す。UALink Consortiumは、AIアクセラレータ向けのオープンなスケールアップ接続を推進している。

同コンソーシアムは2024年に法人化され、2025年に初の公開仕様を発表した。掲げる目標は、業界エコシステムが互換性のあるアクセラレータ間接続を構築できるようにすることだ。

より大規模なクラスタ間の通信については、Ultra Ethernet Consortiumが2025年6月にSpecification 1.0を公開した。これは、広く導入されているEthernetエコシステムをAIと大規模な高性能コンピューティングに適応させるものだ。

これらのプロジェクトは、既存のネットワークベンダーがAIワークロードを無視しているという見方を弱める。また、Delosが置き換えるのではなくサポートできる標準も生み出す。

Delosの幹部は、Ultra EthernetおよびUALinkに関わる活動に参加してきた。同社は、自社アーキテクチャを、これらのリンクや他の技術をシステム全体で協調させる手段として提示している。

ここでDelos DataのAIネットワーキングに関する論旨は、より興味深くなる。Delosがすべての標準や物理接続を打ち負かす必要はない。

むしろ同社は、複数の技術を効率的に連携させるレイヤーにならなければならない。その価値は、構成、可視性、耐障害性、ワークロードを意識したデータ移動から生まれる。

この立場には戦略上のリスクがある。標準や既存プラットフォームが類似の機能を取り込み、独立した協調レイヤーの余地を縮小する可能性がある。

Ethernetスイッチベンダーはすでに、輻輳制御、テレメトリー、負荷分散、ワークロード固有の機能を追加している。アクセラレータベンダーは通信エンジンをプロセッサに直接統合できる。

クラウド事業者もカスタムのインフラソフトウェアを構築できる。その規模は、小規模な顧客にはできないエンジニアリング投資を正当化する。

したがってDelosは、相互運用性以上のものを証明する必要がある。同社のチップとソフトウェアが、競合他社には段階的な改善では実現できない結果をもたらすことを示さなければならない。

最大の機会は、真に異種混在のインフラを必要とする顧客にある。こうした購入者は、供給状況、モデル要件、社内のシリコン開発プログラムを理由に、複数のアクセラレータファミリーを組み合わせる可能性がある。

均質なNvidia導入では、計算が異なる。ワークロードがすでに良好に機能しているなら、独立したインターフェースと管理レイヤーを加えることで、十分な効果を得られないまま複雑性だけが増す可能性がある。

この違いは導入を左右するはずだ。DelosはすべてのAIクラスタを異種混在化する必要はないが、単一プラットフォームの単純さより柔軟性を重視する大規模な購入者を十分に確保する必要がある。

パフォーマンスの主張がまだ示していないこと

資金調達は投資家の関心を裏付けるが、Delos Dataのレイテンシ、効率、耐障害性、経済性に関する主張を独立して検証するものではない。

Delosはいくつかの目を引く目標を公表している。レイテンシを10分の1にし、効率を10倍に高め、大幅に大きなエンドポイントドメインを実現するというものだ。

同社はまた、AI推論におけるトークン需要が2030年までにおよそ300倍に増加すると予測している。その増加の大部分はエージェント型推論が占めるとしている。

この予測は、同社の説明における緊急性を説明する。しかし、方法論の開示と独立した確認がない限り、確実な需要曲線として扱うべきではない。

同じ慎重さは、性能比較にも当てはまる。信頼できる評価では、競合システム、コンポーネント世代、トポロジー、ワークロード、ソフトウェアバージョン、測定方法を明らかにする必要がある。

レイテンシの結果には、平均値だけでなく分布が必要だ。インタラクティブなエージェントを提供するシステムでは、1つの遅延した依存関係が応答全体を止め得るため、遅い外れ値を制御しなければならない。

効率の結果にも明確な境界が必要だ。測定対象はネットワーキングシリコンのみ、完全なサーバー、あるいはクラスタ全体であり得る。

光モジュール、スイッチ、冷却装置、アイドル状態のアクセラレータが使用する電力は、結果を大きく変え得る。1つのカテゴリーを除外するだけで、2つのシステムは実際以上に異なって見える可能性がある。

耐障害性には障害試験が必要だ。購入者は、ワークロードを稼働させたまま、リンク、スイッチ、インターフェース、光学コンポーネント、エンドポイントの障害をプラットフォームがどう処理するかを確認すべきだ。

復旧時間は、復旧そのものと同じくらい重要である。最終的にトラフィックを迂回できるネットワークでも、インタラクティブAIサービスの応答時間要件に違反する可能性がある。

スケールは別の検証上の問題をもたらす。実験室でのデモでは、数千基のアクセラレータを含むクラスタで見られるすべての輻輳パターンやコンポーネント障害を再現できない。

Delosは、自社アーキテクチャがラックを大幅に超える規模に到達できるとしている。顧客には、ネットワークの拡大に伴っても管理オーバーヘッドとテールレイテンシが制御されたままであるという証拠が必要だ。

また、どの部分が出荷段階にあるのかも知る必要がある。リファレンスアーキテクチャ、ソフトウェアプレビュー、プロトタイプカード、ライセンス可能なチップレット、量産認定済みデバイスは、準備状況として大きく異なる。

予定されている第4四半期の提供開始時期は、初期の試金石となる。Delosは、どの製品が広く提供されるのか、どの程度の数量なのか、どのプロセッサをサポートするのかを明確にすべきだ。

顧客の開示も、もう1つの有用なシグナルになる。限定的なものであっても、実名での導入事例は、外部のエンジニアリングチームが技術の統合を始めたことを示す。

ただし、顧客ロゴだけでは本番利用を証明しない。より強い証拠には、導入規模、ワークロードの種類、測定された効果、運用期間が含まれる。

製造も別の不確実性だ。ネットワーキングシリコンは、設計から製造、パッケージング、検証、システム認定へと進まなければならない。

3つのフォームファクター戦略は、これらの経路を増やす。チップレットにはプロセッサパートナー、光学機器にはパッケージングおよび光学パートナー、カードにはサーバー認定が必要となる。

ソフトウェアも、この作業と切り離せない。Mosaicは複数ベンダーのエンドポイントを監視し、別の運用ボトルネックになることなく有用な制御を提供しなければならない。

セキュリティにも注意を払うべきだ。コンピュート、メモリー、ストレージのトラフィック全体を可視化するレイヤーは、データセンター内部で機微な位置を占める。

Delosには、明確な分離、認証、ファームウェア更新、テレメトリーの制御が必要となる。購入者は、プラットフォームに広範な運用アクセスを与える前に、こうした詳細を求めるべきだ。

これらの疑問はいずれもアーキテクチャを否定するものではない。Delos Nonstop AIを、信頼できるエンジニアリング上の論旨から実証済みの製品へ進めるために必要な証拠を示している。

資金調達はその移行のためのリソースを提供する。同時に、同社はより厳しい検証に取り組めるだけの資本を得たため、期待も高まる。

この賭けが成功するかを決める3つのシグナル

次の試金石は資金調達の発表ではない。Delosが自社アーキテクチャを、測定され、サポートされ、再現可能な導入へ転換できるかどうかだ。

第1のシグナルは、2026年第4四半期における幅広い製品提供だ。Delosは以前、初期のソフトウェア導入に続いて、より広範なアクセスを提供するとしていた。

購入者は、実際にどのコンポーネントが出荷されるのかを注視すべきだ。Mosaicだけの提供は、量産カード、認定済み光学機器、または確約されたチップレットパートナーほどの重みを持たない。

サポート対象のハードウェア組み合わせを伴うローンチは、同社が異種混在のインフラを協調できるという主張を強める。遅延や限定的なプレビューは、その主張を弱める。

第2のシグナルは、再現可能なベンチマークの開示だ。Delosは、主な主張を支える構成、ワークロード、ベースライン、レイテンシ分布、電力の測定境界、障害時の挙動を公開すべきだ。

独立試験は、企業が管理するもう1つのデモより重要になる。複数のアクセラレータタイプにわたる結果は、このアーキテクチャの柔軟性に関する主張を直接検証する。

慎重に選ばれたトポロジーでのみ効果を示すベンチマークは、機会を限定する。推論モデル、バッチサイズ、障害条件にわたる結果は、より広範な根拠を支えるだろう。

第3のシグナルは、実名の本番顧客またはシリコンパートナーだ。ハイパースケーラー、アクセラレータ設計企業、サーバーメーカー、大規模AI運営者は、意味のある外部検証を提供する。

最も良い証拠は、導入の目的と規模を明らかにするものだ。Delosチップレットを統合するプロセッサベンダーは、シリコン製造の前にその決定を下すため、とりわけ重要になる。

限定的な評価を本番導入と混同すべきではない。それでも、高価な認定作業に値するほど設計が成熟していると外部のエンジニアが考えているかを示すことになる。

競合他社の反応も補足的な文脈として重要だ。Nvidia、UALinkの参加企業、Ethernetサプライヤー、その他のネットワーキングスタートアップは、自社製品の改善を続けるだろう。

しかし、異種混在のインフラが成長するだけでDelosが勝つわけではない。顧客が標準ベースのコンポーネント、社内エンジニアリング、統合プラットフォームではなく、その協調レイヤーを選んだ場合にのみ勝つ。

Delos Dataの資金調達ラウンドは、この主張を証明する機会を買った。それは、新しいネットワークアーキテクチャが日常運用において成熟した協調スタックを上回れるかどうかを決着させたわけではない。

インフラチームにとって、実務上の問いは今や具体的だ。今後の結果は、混在ハードウェア全体で、より低いレイテンシ、より高い利用率、より良い障害復旧を示すのだろうか。

第4四半期のリリース、ベンチマーク手法、そして最初に公開される導入事例を追うべきだ。これらのシグナルが、Delos Data AIのネットワーキングがインフラへと定着するのか、それとも野心的な青写真にとどまるのかを明らかにする。