Exeinの資金調達ラウンド、AIハッカーをAIで迎え撃つために2億7000万ドルを投じる
Exeinは、ネットワーク全体で毎週約5,000件の新たな攻撃を検知した後、2億7000万ドルを調達した。この件数は1年前に報告された規模の5倍に当たる。Exeinの資金調達ラウンドにより、イタリアのサイバーセキュリティ企業の評価額は17億ドルとなった。同時にこれは、接続機器を狙ってAIを活用する攻撃者には、その機器内で動作する防御AIが必要になるという大胆な賭けでもある。
これは、単に別のサイバーセキュリティ企業がAIアシスタントを追加するという話より大きな主張だ。Exeinは、ロボット、車両、産業システム、医療機器を、ファームウェアおよびオペレーティングシステムのレベルで保護しようとしている。こうしたシステムは侵害された場合、情報漏えいにとどまらず、物理的な影響を引き起こし得る。
同社はいま、難しい試練に直面している。新たなエラー、遅延、あるいは許容できない制御リスクを持ち込むことなく、独自のデバイステレメトリーを自律型防御へ変換しなければならない。一方でArmis、Claroty、Dragosといった既存のセキュリティベンダーは、資産発見、ネットワーク監視、脅威インテリジェンスを通じて、すでに接続環境を防御している。
Exeinの資金調達ラウンド、デバイスセキュリティをスケール競争へ
今回の新たな資金により、より大手のベンダーが差を埋める前に、Exeinは接続機器内部のセキュリティ領域を巡って競争するための資源を得た。
Exeinは2026年9月15日に資金調達を発表した。Headlineがラウンドを主導し、Sofina、Goldman Sachs、European Investment Bank Group、KfW Capital、T.Capitalが参加した。
既存投資家も再び出資した。その顔ぶれにはBalderton Capital、HV Capital、Intrepid Growth Partners、33N Ventures、Lakestar、Supernova Invest、Blue Cloud Ventures、Geodesic Capitalが含まれる。
同社によれば、このラウンドは大幅な超過応募となった。別途、ExeinはJPMorgan主導のリボルビング・クレジット・ファシリティも拡大し、KfWも追加の貸し手として参加した。この枠により、Exeinは欧州および米国での買収に向けた追加余力を得る。
この資金調達は、2025年に完了した2つの大型ラウンドに続くものだ。Exeinは7月に7000万ユーロ、12月にさらに1億ユーロを調達した。同社によれば、後者の投資により2025年の総調達額は1億7000万ユーロとなった。
今回の取引における評価額は17億ドルだ。これによりExeinは、欧州で最も価値の高い未上場サイバーセキュリティ企業の一社となる。Axiosは資金調達に関する報道で、同社をNord Securityに次ぐ欧州第2位の評価額を持つサイバーセキュリティ・スタートアップと伝えた。
この評価額は、売上への期待だけを反映したものではない。セキュリティ支出が、物理プロセスを制御するデバイスのより近くへ移行するという見通しに賭けたものでもある。
Exeinによると、同社の技術はすでに20億台超のデバイスに到達している。この数字は、20億件の個別課金インストール数を必ずしも意味するものではなく、同社技術の展開範囲を示すものだ。商業規模を判断する際には、この区別が重要になる。
同社はまた、そのネットワーク全体で毎週およそ5,000件の新規かつ反復されない攻撃を観測しているとしている。この件数は1年間で5倍に増えたと報告している。
これらの数値は、公表資料では独立監査を受けていない。しかし、投資家がなぜExeinの中核的優位性を流通網とみなすのかを説明する材料にはなる。多数のデバイスタイプに導入されたセキュリティプロバイダーは、より小規模なラボ導入では再現できない行動シグナルを収集できる。
Exeinは、この資金を米国およびアジア太平洋地域での事業拡大に充てる計画だ。台湾に地域本社を設置し、日本では法人を設立している。同社は2026年第4四半期の日本事業拡大を見込み、2027年までに韓国オフィスを開設する計画だ。
ベイエリアのオフィスも計画されている。この動きにより、Exeinは米国の半導体メーカー、クラウドプロバイダー、ロボティクス開発企業、製造業者に近づく。同時に、より潤沢な資金を持つ既存のセキュリティ企業と直接競合することになる。
したがって、この取引は競争の時間軸を変える。Exeinはもはや、組み込み型保護が機能することだけを証明すればよいわけではない。競合プラットフォームがファームウェアのより深い層へ拡張する前に、自社のアプローチが再現可能なグローバル製品になり得ることを示さなければならない。
AIハッカーがネットワークの下層へ移行する理由
AIはデバイスの弱点を発見・悪用する速度を高め、接続機器は攻撃成功時に盗難データを超える影響をもたらす。
従来のエンタープライズセキュリティは、多くの場合、ノートPC、サーバー、クラウドアカウント、ネットワーク、従業員IDに集中している。接続機器がもたらす問題は異なる。専用ハードウェア、長期利用されるファームウェア、制約のあるコンピューティング資源、そして通常のダウンタイムを許容できない運用環境を用いるためだ。
業務アプリケーションの脆弱性は記録を露出させる可能性がある。機械コントローラーの脆弱性は、生産ラインを停止させ、車両の挙動を変え、医療機器を中断させる可能性がある。
この違いが、Exeinがphysical AIという用語を用いる理由を説明している。これは、物理環境にある機械を通じて感知、判断、行動するAIシステムを指す。ロボット、ドローン、車両、産業用コントローラーがこのカテゴリーに該当する。
攻撃者が被害を生むために、悪意ある汎用ロボットモデルを必要とするわけではない。AIシステムを取り巻くオペレーティングシステム、ファームウェア、ソフトウェア依存関係、更新プロセス、認証情報を標的にできる。
生成AIは、こうした攻撃へのいくつかの障壁を下げる。敵対者によるコードの解析、技術文書の翻訳、エクスプロイトの派生版作成、偵察の自動化を支援できる。人間の専門知識は依然として重要だが、攻撃者1人がより短時間で多くの経路を試せるようになる。
学術研究もすでにこの変化を検討している。コンシューマーロボットのセキュリティに関する2026年の論文では、自動化されたサイバーセキュリティエージェントが、テスト対象のロボットプラットフォーム全体で38件の脆弱性を発見したと報告された。この結果は、すべてのロボットが同じリスクにさらされていることを示すものではない。しかし、AIが専門的なセキュリティ作業をどのように圧縮できるかは示している。
接続機器の防御は、アーキテクチャ上の不利も抱える。多くの組織は、従来型のエンドポイントツールをすべてのコントローラーや組み込みシステムに導入できない。メモリーや処理能力が限られているデバイスもある。また、大規模なソフトウェア変更なしに何年も稼働し続けなければならないものもある。
ネットワーク監視は、セキュリティチームが疑わしい通信を特定するのに役立つ。資産発見プラットフォームは、どのデバイスが存在し、どの脆弱性の影響を受けるかを判断する助けとなる。だが、どちらの手法もデバイス内部で実行される悪意あるコードを自動的に停止するわけではない。
Exeinは、防御機能はその実行ポイントにより近い場所に置くべきだと主張する。同社のソフトウェアはデバイスのファームウェアへの統合を目的に設計されており、セキュリティ制御が機械内部から挙動を観測できるようにする。
この位置づけが重要なのは、ネットワーク境界が絶えず変化しているからだ。接続カメラ、産業用ゲートウェイ、ロボットは、クラウドサービス、ローカルコントローラー、保守ツール、サードパーティーアプリケーションと通信できる。境界防御製品はトラフィックを確認できても、デバイス内部で起きるすべての動作を理解できるとは限らない。
欧州の規制スケジュールも緊急性を高めている。欧州連合のCyber Resilience Actは、デジタル要素を含む製品にサイバーセキュリティ要件を適用する。設計、開発、生産、脆弱性対応にわたり、メーカーに責任を課すものだ。
この法律のインシデント報告要件は、Exeinが資金調達を発表する4日前の2026年9月11日に発効した。製品セキュリティに関する主な義務は、2027年12月11日に適用開始となる。
メーカーは、該当する積極的に悪用されている脆弱性および重大インシデントを、単一の欧州プラットフォームを通じて報告しなければならない。報告フレームワークには、24時間以内の早期警告期限と、72時間以内のより詳細な通知が含まれる。
この規制は、メーカーにExein製品の購入を義務付けるものではない。しかし、どのソフトウェアが実行されているかを把握し、異常な実行を検出し、悪用が始まった際に迅速に対応することの価値を高める。
ハードウェアメーカーにとって、サイバーセキュリティは任意のエンタープライズ層から製品ライフサイクルの一部へと移行している。これにより組み込み型ベンダーには機会が生まれる。同時に、より大手のセキュリティ企業、半導体サプライヤー、オペレーティングシステム提供企業が競合する制御機能を提供する余地も生まれる。
ExeinのAI防御は機械内部から始まる
Exeinの戦略は、カーネルレベルのランタイム強制機能と、人間の言語ではなく機械の挙動を学習する計画中の基盤モデルを組み合わせる。
第1の構成要素はランタイムセキュリティだ。ランタイムシステムは、ソフトウェアの実行中にそのソフトウェアを観測または制御する。これは、リリース前にファームウェアをスキャンすることや、デバイスが通信を始めた後にネットワークトラフィックを確認することとは異なる。
Exeinは2026年初頭、Photonと呼ばれるアーキテクチャを導入した。同社によると、Photonはプロセス、メモリー、デバイス、システム権限を管理する特権レイヤーであるカーネルレベルで動作する。
Photonは、悪意ある実行が完了する前に停止するよう設計されている。Exeinは、サポートするすべての環境でこの結果をどの程度一貫して達成できるかを確立するための、十分な独立した性能データを公開していない。
このアーキテクチャは、検証済みプログラムをカーネル内で実行するLinux技術であるeBPFに関するExeinの従来の取り組みを基盤としている。ExeinのオープンソースPulsarプロジェクトは、従来型のカーネルモジュールを必要とせずに、eBPFを用いてシステムアクティビティを収集・分析する。
このアプローチには重要な利点がある。セキュリティロジックは、プロセスとシステムコールをその発生源の近くで観測できる。そのため、リモート監視システムでは見逃される可能性のある挙動を識別できる。
ただし、近接性は信頼性に対する基準も高める。カーネル付近で動作するセキュリティソフトウェアは、クラッシュ、過剰なリソース消費、誤検知を避けなければならない。ノートPCでの誤ブロックは業務を妨げる。車両や病院の機器内で同じエラーが起きれば、より深刻になり得る。
第2の構成要素は、Exeinが計画するAIモデルだ。同社は、デバイス展開範囲から得た2年分のテレメトリーを用い、独自の基盤モデルを訓練しているとしている。
基盤モデルは大規模データセットから幅広いパターンを学習し、より専門化されたタスクを支援できる。Exeinが提案するモデルは、同社の資金調達発表によると、通常のテキストではなく機械の挙動に焦点を当てる。
このデータセットこそが、投資テーゼの核心である。実際の運用挙動で訓練されたモデルは、どのプロセスの組み合わせ、リソースの変化、実行シーケンスが通常は危険を示すのかを学習できる可能性がある。
防御エージェントはその後、人間のアナリストがアラートを確認するのを待たずに、ローカルで対応できる。この速度は、攻撃用AIによって生成または適応される攻撃に直接対処することになる。
Exeinは、エージェント型セキュリティアーキテクチャを2026年末までに出荷する見通しだ。最初の基盤モデルは2027年第1四半期に提供される見込みだとしている。
これらは将来に関する同社の目標であり、完了済みの製品マイルストーンではない。また、いくつかの技術的な疑問も未解決のままだ。
同社は、モデルのアーキテクチャ、評価ベンチマーク、判断の境界を公表していない。未知のデバイス、まれだが正当な挙動、観測結果を操作しようとする試みをモデルがどのように扱うのかについても、詳細を示していない。
データ品質も別の課題をもたらす。20億台のデバイス規模は一見もっともらしく聞こえるが、規模だけで代表性のある学習データが保証されるわけではない。マシンごとにプロセッサ、オペレーティングシステム、ワークロード、安全上の制約は異なる。
カメラや産業用ゲートウェイを中心に学習したモデルが、自動運転車へ安全に転用できるとは限らない。似たデバイスであっても、顧客、地域、ソフトウェアのバージョンによって挙動は異なり得る。
テレメトリはプライバシーとガバナンスの問題も生む。Exeinは、自社モデルが人間生成のテキストではなく、稼働中のマシンの挙動を利用すると説明している。それでも購入者は、収集、保持、匿名化、地域ごとの保存、アクセス制御について明確な回答を求めるだろう。
Exeinのアプローチで最も有力な形は、中央モデルがあらゆるマシンを自由に制御するものではない。幅広い学習と、各デバイスに適した限定的かつ監査可能なポリシーを組み合わせる。
この設計なら、マシン速度での検知を維持しながら、自律的なアクションを制限できる。また、メーカーが防御上の判断がどのように行われたかを文書化する助けにもなる。
購入者にとって実務的な問いは、ExeinがAIを使っているかどうかではない。そのシステムが運用リスクを高めずに、検知と対応を改善できるかどうかだ。
真の競争は、組み込み型防御と外部可視性の間にある
Exeinは、組織が物理システムを保護するには主に資産を発見し、ネットワークを監視すればよいという考え方に挑んでいる。
Armis、Claroty、Dragosなどのセキュリティベンダーは、接続資産とオペレーショナルテクノロジーを軸に大規模な事業を築いてきた。そのプラットフォームは通常、可視性、エクスポージャー管理、ネットワーク挙動、産業用プロトコル、脅威インテリジェンスを重視する。
これらの機能は重大な問題を解決する。多くの組織は、自社施設内で稼働するすべての接続デバイスを把握できていない。セキュリティチームは、特定できない資産を保護できない。
パッシブなネットワーク監視は、特に運用環境で有用だ。脆弱な可能性があるシステムにソフトウェアをインストールしたり、能動的にスキャンしたりせずに、デバイスを検出できる。
Exeinは異なる立場から出発する。製品が顧客に届く前に、ファームウェアへ保護機能を統合できるメーカーやテクノロジー供給企業を対象としている。その製品は、所有者のネットワーク制御に全面的に依存するのではなく、デバイスとともに提供される。
どちらのアプローチも、もう一方を不要にするものではない。組み込み型ランタイムは、工場、病院、輸送システム全体を完全に把握することはできない。ネットワークプラットフォームも、マシン内部で実行されている正確なコードパスを常に観測できるわけではない。
競争の中心は、どのレイヤーが主要な実施ポイントになるかという点にある。攻撃がより高速化し、ネットワークより下位の実行環境を標的にするなら、Exeinの立場は価値を増す。メーカーが組み込みエージェントを敬遠するなら、外部監視は運用上の優位性を維持する。
統合が最初の障壁となる。デバイスメーカーは、互換性、メモリ使用量、プロセッサのオーバーヘッド、更新時の挙動、長期保守を評価しなければならない。製品ファミリーごとに、別個のエンジニアリング作業と認証作業が必要になる可能性がある。
販売サイクルが二つ目の障壁となる。企業向けに販売されるセキュリティプラットフォームは、導入後すぐに価値を生み始められる。ファームウェア統合は、数年にわたる製品開発サイクルに左右される場合がある。
Exeinは、チップメーカーやOEMとの提携を通じて、この遅れに対処できる。共通のハードウェアまたはソフトウェアレイヤーで統合すれば、その技術を多くの下流製品に組み込める。
同社はこれまでに、MediaTekおよび産業用コンピューティング供給企業Kontronに関わる提携を発表している。また、Nvidia、Arm、AWS、Intel、Hitachi Energy、MediaTek、Daikinなどを、自社技術を利用または共同で取り組む企業として挙げている。
これらの関係は範囲が異なる。技術統合、マーケットプレイス掲載、顧客導入、戦略的提携は、同一の商業的意味を持たない。公開された説明を同等の契約として扱うべきではない。
競争は下位レイヤーからも生じ得る。半導体ベンダーは、自社製品にセキュアブート、信頼実行環境、暗号学的アイデンティティ、ハードウェア分離を組み込む動きを強めている。オペレーティングシステム提供企業も独自のランタイムポリシーを追加できる。
上位レイヤーから生じる可能性もある。大手クラウドおよびセキュリティプラットフォームは、デバイスインベントリ、脆弱性インテリジェンス、AI支援対応を組み合わせられる。買収によって、既存ベンダーが組み込み型保護へ急速に踏み込む可能性がある。
Exeinの拡大されたクレジットファシリティは、経営陣がその圧力を認識していることを示唆する。補完的な技術や流通網を買収すれば、有機的な統合では時間がかかりすぎる市場への進出を加速できる。
規制は双方を強化する。Cyber Resilience Actは、メーカーに対し、サポート対象となる製品ライフサイクル全体でリスクを評価し、脆弱性を管理するよう求めている。公式のCRA summaryでは、文書化、適合性、報告に関する責任も説明されている。
組み込み型の制御機能は、デバイスレベルの証拠を生成することで、これらの義務を支援できる。外部プラットフォームは、資産インベントリ、脆弱性管理、インシデント対応ワークフローを通じて支援できる。
したがって勝者は、単一のAIベンチマークで決まるわけではない。購入者は、カバレッジ、導入労力、監査可能性、リソース使用量、対応の信頼性を評価する。
Exeinの資金調達により、同社はファームウェアレベルの実施機能がこのスタックに属することを証明する時間を得た。ただし、メーカーが多様な製品ライン全体で単一のプロバイダーを受け入れる保証にはならない。
17億ドルの評価額がなお証明すべきこと
Exeinが次に実証すべきことは三つある。安全な自律対応、再現可能なメーカー導入、そして測定可能な商業規模を生む拡大だ。
最初のシグナルは、計画されているエージェント型アーキテクチャとともに現れる。Exeinは、そのシステムを2026年末までに提供する意向だとしている。
ローンチだけでは疑問は解消されない。購入者には、検知品質、誤検知率、リソース消費、復旧時の挙動を示す評価結果が必要だ。また、どのアクションが人間の管理下に残るのかも知る必要がある。
導入が成功すれば、Exeinの中心的な主張は強化される。遅延や機能の大幅な制限があれば、マシン速度での自律性は資金調達の物語が示すほど容易ではないことを示唆する。
二つ目のシグナルは、2027年第1四半期に予定されている最初の基盤モデルのリリースだ。Exeinは、デバイスクラスをまたいでモデルをどのように評価するのか、また危険な一般化をどのように防ぐのかを説明すべきだ。
独立したテストは、社内の主張よりも重みを持つ。比較には、従来のルール、異常検知、ネットワークベースのシステムを含めるべきだ。購入者には、そのモデルが既存のセキュリティ技術を超える価値をもたらす証拠が必要となる。
モデルは調査も支援しなければならない。マシンが重要なプロセスを制御している場合、セキュリティチームは説明のないブロック判断に依存できない。有用な出力は、アクションを観測可能な挙動と実施可能なポリシーに結び付ける必要がある。
透明性のある評価は、独自テレメトリが持続的な優位性を生むという同社の主張を強化する。弱い結果、または対象範囲が狭い結果は、そのデータセットに付与される価値を低下させる。
三つ目のシグナルは、欧州外での商業的導入だ。Exeinは、既存拠点である台湾を拡大しつつ、ベイエリア、日本、韓国で新たな事業を展開する計画だ。
オフィス開設は野心を示すが、製品受容を示すものではない。より有用な指標には、本番統合、導入済み製品ファミリー、契約更新、既存メーカー内での成長が含まれる。
同社はまた、20億台規模のデバイス基盤がどのように継続収益へ結び付くのかを明確にする必要がある。ライセンス条件が小規模または間接的な場合、広範な技術的展開が控えめな経済価値しか生まないこともある。
メーカーは別のトレードオフも検討する。製品内部に自律型防御を組み込むことは、そのセキュリティ供給企業への依存を生む。購入者は、更新に関するコミットメント、サポート期間、障害モード、移行オプションを理解しなければならない。
Cyber Resilience Actにより、こうした問いを先送りすることはさらに難しくなる。そのライフサイクル上の義務は、メーカーに短命な実験ではなく、長年にわたり維持できる制御機能を選ぶよう促す。
Exeinの買収戦略も同じ理由で注目に値する。慎重に選ばれた買収は、ファームウェア解析、デバイスアイデンティティ、脆弱性管理、または米国での流通網を加えられる。焦点の定まらない取引は、すでに多くの環境にまたがるプラットフォームを複雑化させる可能性がある。
投資家は実質的に、加速する二つのシステム間の競争に資金を提供している。攻撃者はAIを利用して、発見と悪用を大規模化できる。防御側は、同等の速度でその活動を認識し、遮断するためにAIを求めている。
この対称性は魅力的だが、不完全でもある。攻撃者は多くの失敗を許容できる。一方、防御ソフトウェアは、簡単に再起動できないシステムを保護しながら正確であり続けなければならない。
この不均衡こそが、ExeinのAI防御計画に対する最も強い懐疑的論拠だ。高速な自律攻撃には高速な自律防御が適しているように聞こえる。しかし、防御上の誤りが物理的な結果を伴う場合、速度は検証に取って代わることはできない。
Exeinは、限定された自律性、文書化されたポリシー、独立テスト、明確に定義された対応を通じて、この懸念に答えられる。技術は明白に悪意ある挙動を阻止しつつ、曖昧なケースはエスカレーションすべきだ。
Exeinの資金調達ラウンドにより、同社は地理的な展開力、製品開発の時間、買収能力を得た。同時に、従来の組み込みセキュリティベンダーに寄せられる期待をはるかに超える水準まで期待値を引き上げた。
開発者は、モデル評価とサポート対象環境を注視すべきだ。メーカーは、統合労力、証拠の品質、ライフサイクル上のコミットメントを検討すべきだ。エンタープライズ購入者は、組み込み型の実施機能が既存の資産・ネットワークプラットフォームとどのように連携するのかを問うべきだ。
決定的な問いは、いまや具体的になっている。AI支援型の攻撃者が同じマシンをさらに高速に悪用する前に、Exeinはマシンテレメトリを信頼できるセキュリティ判断へ変換できるのか。
まずは2026年末のアーキテクチャリリースを注視し、次に2027年初頭に予定されるモデルを見るべきだ。その後、米国およびアジア太平洋地域における、実名で示される本番導入を探すことになる。その結果が、Exeinの資金調達ラウンドが持続的なセキュリティレイヤーに資金を供給したのか、それともそれを証明するための高額な競争に過ぎなかったのかを示す。
