top of page

Graphon Labsの資金調達、持続的なAIメモリを後押し

14 時間前
読了時間: 18分

Graphon Labsは11月10日、持続的なAIメモリを構築するための新たな資金として3,500万ドルを調達したと発表した。開発者向けおよびデバイス向けへの展開という、より広い構想はまだこれからだ。Graphon Labsの資金調達ラウンドが支えるのは、エージェントにはタスクをまたいで関係性や変化する知識を保持するインフラが必要だという明確な考え方である。回答の質を高めるだけでは、エージェントが正しく記憶していることの証明にはならない。

中心的な争点は、質問が来るたびに孤立した文章を取得する方式と、相互に接続されたメモリのどちらが有効かという点にある。Graphonは、関係性を最初から保持することで、エージェントが後から取り出せる情報の質が向上すると主張する。別のエージェントメモリ提供企業であるZepは、変化する事実や過去の関係性も研究対象としており、有用な比較対象となる。

これは、エンジニアリングの労力をどこに投じるかを判断するエンタープライズチームに重圧をかける。既存システムの検索・取得機能を改善し続けることもできるし、専用のメモリレイヤーを採用することもできる。Graphonの発表は後者のアプローチに新たな後押しを与える一方で、本番環境での成果や技術的差別化に関する重要な疑問を残している。

Graphon Labsの資金調達が実際に変えること

RRE VenturesがシリーズAを主導し、HP、Energy Impact Partners、Hitachi Ventures、Gaia VCが参加した。シリーズA発表によると、これまでの調達総額は4,330万ドルに達し、これには先行する830万ドルのシードラウンドも含まれる。同社は、この資金が研究と初期のエンタープライズ事業を超えた拡大を支えるものだとしている。

この資金調達はGraphonのリソースを拡大するが、そのメモリアーキテクチャを独立して検証するものではない。 両者は異なる節目であり、資金調達の発表が人工汎用知能にも言及する場合には、この違いが重要となる。AGIは一般に、タスク横断で汎用的な能力を持つAIを指すが、その正確な定義にはなお議論がある。

資金調達ラウンドは、投資家が企業の方向性を支持していることを示す。製品が矛盾する記録をどれほど確実に扱えるか、導入がどれほど難しくなるか、あるいは顧客が継続利用するかを示すものではない。こうした問いには、運用上の証拠が必要である。

商業的な重要性は、Graphonが購入者に何を買ってほしいと考えているかにある。専用メモリレイヤーは、組織内の情報との継続的な関係において、エージェントの一部となる。これは、既存アプリケーションに検索機能をもう1つ追加するのとは異なる購買判断を生む。

その判断を検討するエンタープライズは、信頼できる知識がどこに存在するかを問わなければならない。メモリサービスが文書を解釈して関係性を保持するなら、その出力は従業員やエージェントが依存する別の表現となる。その表現を維持することは、アプリケーション運用の一部になる。

この責任は、質問への回答にとどまらない。システムは、承認済みの決定と暫定的な提案、現行ポリシーと廃止済みバージョンを区別しなければならない。購入者は、元となる証拠が変化した際に修正がどのように伝播するのかを知る必要がある。

たとえば、サプライヤーとの関係を確認する仮想的な調達支援アシスタントを考えてみよう。その有用性は、契約書、改訂条項、社内承認、その後の例外措置を結び付けられるかにかかっている。関連する段落を取り出すだけでは役に立つが、アシスタントは依然として、現在の依頼にどの条件が適用されるかを判断する必要がある。

したがって、この資金調達は重要なインフラへの賭けを支える。Graphonは、証拠の整理を、独自のエンジニアリング要件を持つ製品カテゴリーとして企業に扱うよう求めている。投資家は、顧客環境全体における優位性を示す公的な証拠が固まる前に、この考え方を支持した。

この発表を追う読者にとっては、日付も重要である。11月10日は発行元による資金調達発表の日付であり、その後の報道はこの先行イベントを反映している。新しい公開日が、別の資金調達や新たに完了した製品展開を意味するべきではない。

次の問いは、組織がこのレイヤーにどこまで責任を委ねたいかだ。メモリインフラは、特に情報が複雑化したときに繰り返し有用性を示すことで、その立場を獲得する。そこで資金調達の物語は、エンタープライズソフトウェアの物語へと変わる。

エンタープライズ購入者はメモリの問題を引き受ける

持続的メモリは、アプリケーションのライフサイクル全体にわたる知識の保守へと注目を移す。 デモで正確に回答するエージェントであっても、ポリシー、人員、権限が変わった後も有用であり続けなければならない。エンタープライズ購入者は、この継続的な挙動を評価する必要がある。

直接的な負担は、信頼できる回答に責任を負うアプリケーションチームにかかる。こうしたチームは、コンテキスト管理を個々のアプリケーションの内部で行うべきか、共有インフラに置くべきかを決める必要がある。独立したメモリサービスは再利用性を約束する一方、理解し運用しなければならない別のシステムを導入することになる。

この選択は、複数のエージェントが重複する情報にアクセスする場合、特に重大になる。修正は、それに依存するアプリケーションに届くべきだ。そうでなければ、各アシスタントが組織の履歴を異なる形で解釈するため、互いに矛盾した回答を出しかねない。

仮想的な営業ワークフローが、この問題を示している。アカウントマネージャーが顧客の希望する契約条件を記録した後、後続の交渉によってその条件が変わる。更新契約を準備するアシスタントは、その変更を認識しつつ、以前の取り決めを説明できるだけの履歴も保持すべきだ。

記憶することと従うことの区別も重要である。過去の指示は、現在も有効な指示でなくても、有用な証拠として残り得る。特にエージェントが行動を実行できる場合、購入者はメモリ製品がこの区別を維持することを期待すべきである。

検索拡張生成、すなわちRAGは、回答を生成する前に外部ソースから取得した情報をモデルに与える方式である。購買上の問いは、専用メモリアーキテクチャが、適切に保守された検索・取得システムを上回るだけの改善をもたらし、採用を正当化できるかどうかだ。基準となるシステムが弱ければ、この比較は誤解を招く。

組織はすでに、個人向け情報と共有情報の関連する区別に直面している。個人のナレッジベースは、チーム全体が利用する管理された情報源とは異なるニーズに応える。エージェントメモリは、どの情報を保持すべきか、誰が再利用できるかという問いを加える。

購入者にかかる圧力は、哲学的なものではなく実務的なものだ。アーキテクチャを選ぶ前に、解決したい障害を特定しなければならない。不足した証拠、古い証拠、誤った解釈、無許可のアクセスには、それぞれ異なる対処が必要となる。

専用レイヤーは、障害が繰り返し複数ソース間の関係性や時間の経過に伴う変化に関係する場合に注目に値する。一方、根本的な問題が不十分な文書化である場合には、その価値は明確ではなくなる。誰も記録しなかった承認を、どのアーキテクチャも取り戻すことはできない。

したがって、Graphon Labsのエンタープライズへの影響は、資金調達額だけでは明らかにできない実装の詳細に左右される。関連する証拠には、顧客が記録をどのように更新するか、誤りをどう調査するか、回答が十分に裏付けられているかをどう判断するかが含まれる。こうした挙動が、メモリが信頼できるインフラとなるかを決める。

導入の境界は、取得メカニズムと同じくらい重要である。購入者には、どのシステムが原本を保持し、どのシステムが派生表現を保持し、どのシステムがアクセスを管理するかについて明確さが必要だ。その明確さがあれば、メモリレイヤーを説明不能な権威として扱うことなく、エラーを調査できる。

これは、運用作業を減らすベンダーにとって機会を生む。同時に、彼らが満たすべき基準も引き上げる。持続的メモリを採用するエンタープライズには、このサービスが現実のワークフロー全体で知識保守を簡素化するという証拠が必要である。

接続された証拠こそが技術的な賭け

Graphonの持続的知能アーキテクチャは、詳細な関係性を保持し、圧縮表現を使って情報取得を導く方法を説明している。同社はこの表現を、大規模グラフの研究に用いられる数学に由来して「graphon」と呼ぶ。これは依然として、同社によるアプローチの説明である。

グラフは、項目とそれらの間の関係性を表す。Graphonは、こうした関係性が文書、録音、画像、その他の情報をまたいで意味を保持するのに役立つとしている。マルチモーダル情報とは、同一の推論タスク内でテキストや動画など異なる形式を組み合わせることを指す。

提案される利点は、孤立した文章では取り残されかねない、接続された証拠を回収できることにある。 これがGraphon Labsのメモリを説明する本質である。つまり、エージェントが実際の質問に答えるのに十分な証拠を回収できるよう、関係性を整理するということだ。そのアーキテクチャには依然として、有用な情報を効率的に選別することが求められる。

同社の説明は、よく知られた検索・取得上の問題を強調する。ある文章にルールが含まれていても、別の場所にある例外が省かれていることがある。関連する資料を結び付けることは、この失敗に対処するもっともらしい方法である。特定の実装がそれを確実に実現できるかどうかは、検証を要する。

仮想的な保守に関する質問は、この違いを具体化する。技術者が、ある機械構成について古い手順が依然として承認されているかを尋ねる。回答は、その手順を該当する構成および、その状態を変更した後続の通知と結び付けるべきである。

単に手順を見つけるだけでは不十分だ。システムは、適用可否を決める関係性を回収しなければならない。また、別の構成に関する近接した文書を、裏付け証拠として誤って扱わないようにする必要がある。

ここで、情報の出所と履歴を意味するプロベナンスが有用になる。裏付けとなる各主張がその情報源に戻れる場合、回答はより容易に検証できる。トレーサビリティにより、レビュー担当者は、その関係性が実際に存在するかを確認できる。

時間はさらに別の意味の層を生む。文書がシステムに登録された日付は、その内容が有効になった日付とは異なることがある。特に、遅れてアップロードされた文書に以前のポリシーが含まれる場合、信頼できる回答には両方が必要になる可能性がある。

Graphonだけがこの問題を扱っているわけではない。2025年1月に公開されたZepの時間的メモリ研究は、履歴上の関係性を維持しながら会話とビジネスデータを組み合わせるグラフエンジン、Graphitiを説明している。これは勝者を確定することなく、関連するアーキテクチャ上の比較を提示する。

この比較は、差別化に関する問いを絞り込む。別のプロバイダーも関係性と時間を扱っている以上、両者が重要だと述べるだけでは不十分である。Graphonには、自社固有の表現が精度、保守作業、あるいは応答挙動をどのように変えるのかを示す証拠が必要だ。

より広い歴史的な参照点としては、モデルで研究された情報の配置が性能に影響したことを示す長コンテキスト研究がある。これらの知見は、現在のすべてのモデルの限界を確定するものではない。しかし、利用可能なコンテキストの量と、それを活用する能力を分けて考える根拠にはなる。

この区別は、接続されたメモリにもっともらしい理論的根拠を与える。同時に、特定のワークロードで良好に機能する、より単純な検索・取得システムの余地も残す。エンタープライズでの比較では、同じ質問、証拠、運用上の制約に対して両アプローチを検証すべきである。

その技術的な賭けは、普遍的な優位性という主張を受け入れなくとも理解できる。構造は、回答を有効にする根拠をエージェントが見つける助けになり得る。残る問いは、Graphonがその構造を実務上意味のあるほど優れた形で保持・取得できるかどうかだ。

ベンチマークの主張は時点を踏まえて読む必要がある

ベンチマーク結果には、日付、構成、明確に定義された比較対象が必要である。 これらの詳細がなければ、見かけ上の改善はモデル、データセット、評価手法の変化を反映しているだけかもしれない。企業が公開後にローンチブログを更新する場合、これは特に重要になる。

Graphonの日時が示された発表では、会話やより広範なメモリの側面を評価するLoCoMo、ConvoMem、ATM-Benchの結果が報告された。現在のブログには、拡充されたベンチマーク資料が掲載されている。現在の結果を、資金調達発表時に利用可能だった証拠として暗黙に提示すべきではない。

企業が報告する性能についても、慎重な帰属が求められる。外部ベンチマークは共通のテストを提供できるが、各ベンダーの実装結果が独立して再現されたことを意味するわけではない。読者は、テストの作成元と、特定の結果を実行・報告した主体を区別すべきである。

ATM-Bench evaluation は、メモリテストが何を対象とすべきかを示す有用な例だ。そのタスクには、矛盾する証拠、複数の情報源をまたぐ関連付け、システムが回答を控えるべき状況が含まれる。こうした観点は、漠然と関連性のある項目を見つけるだけに評価をとどめない助けとなる。

ある例では、システムにレストラン訪問と食事の写真を結び付けるよう求める。別の例では、以前の予約と、実際に何が起きたかを示す後の証拠を区別する。これらのタスクは、取得された資料が求められた結論を裏付けているかを明らかにする。

より広い教訓は、関連性と十分性は異なるということだ。エージェントは正しい出来事に関する情報を見つけても、要求された具体的な詳細を裏付ける証拠を欠いている場合がある。信頼できるシステムは、その境界を保持すべきである。

エンタープライズの購入者にとって、見出しとなる精度指標は調査の出発点である。次の段階は、エラーを調べることだ。システムは誤った情報源を取得したのか、訂正を見落としたのか、それとも正確な証拠から裏付けのない結論を導いたのか。

こうした違いは、チームが何を修正すべきかに影響する。より良い取得は、欠落した文章への対応になり得る。より明確な権限ルールは、矛盾する文書への対応になり得る。回答生成の変更は、証拠を超える結論への対応になり得る。

可能な限り、比較では回答モデルも統一すべきである。異なるシステムが異なるモデルを使用する場合、結果はメモリ層を切り分けるのではなく、組み合わせたシステム全体を説明する。それでも比較が正確にラベル付けされていれば、有用であり得る。

リソース使用量も同様に慎重に扱う必要がある。言語モデルが処理するテキスト単位であるトークンは、アプリケーションの作業の一部しか測定しない。回答時のトークン使用量が少ないからといって、それだけで総運用負荷が低いとは言えない。

メモリ表現の構築と更新にもリソースが必要だ。抽出エラーの修正、新しい情報源の処理、権限の維持にも同様に必要となる。有用な評価は、最終回答だけを見るのではなく、こうした活動も考慮する。

Graphon Labsの資金調達により、同社はこれらの問いについてより強い証拠を生み出すためのリソースを得た。最も説得力のある結果は、外部の人々が何が変わったのかを理解できるだけの方法論を公開するものだろう。再現可能なテストは、信頼をさらに強める。

この基準は、ベンダーのベンチマークを退けることを求めるものではない。こうしたテストは、有望な能力を特定し、有用な研究の方向性を示すことができる。企業が見出しの結果とともに構成、制約、代表的な失敗例を公開すれば、より多くの情報を提供できるようになる。

顧客の関心は導入に関する問いを残す

発表では、Graphonと取り組む組織としてSan Francisco 49ersとHitachiが挙げられている。パートナーの声明はより限定的な表現を使っている。49ersは検討を説明し、Hitachi Railは評価を説明している。これらの声明は、成熟した導入が一律に進んでいるという主張ではなく、関心とテストを裏付けるものだ。

実名の組織は商業的な文脈を提供するが、その声明は本来の範囲を保たなければならない。 検討、評価、確立された本番利用は異なる段階を表す。これらを同一視すれば、引用された顧客が裏付ける以上に証拠が強く見えてしまう。

評価にも依然として意味はある。見込み顧客は製品を難しいデータに触れさせ、提案された能力が意味のある問題を解決するかを明確にできる。しかし、有望性に関する公開声明は、継続的な利用、実装に要する労力、測定可能な成果を示すものではない。

同じ注意は製品の広がりにも当てはまる。Graphonは、資金調達に支えられた拡大として、エンタープライズ、開発者、オンデバイスの方向性を説明している。オンデバイスメモリとは、ノートPCやスマートフォンなどのハードウェア上でローカルに情報を保持・利用することを意味する。この意欲を、普遍的な提供がすでに実現しているという前提にしてはならない。

各環境には異なる要件がある。中央管理されるエンタープライズサービスは、組織のアクセスルールと運用プロセスに適合しなければならない。ローカルデバイスは、ハードウェアの制約内で動作し、保持される情報に対する分かりやすい制御を所有者に提供する必要がある。

こうした要件は、ロードマップに対する具体的な問いを生む。どの情報がローカルに残るのか。どの情報がデバイス外へ出るのか。ユーザーは導出されたメモリをどのように確認または削除できるのか。

システムが元の資料から関連付けを作成する場合、削除は特に重要になる。情報源を削除すると、それに依存する表現を見直すための定義済みプロセスが開始されるべきである。購入者が永続性に依存する前に、その挙動について明示的な説明を必要とする。

権限変更は関連するテストを生む。情報源へのアクセスを失った人物が、以前に生成された要約を通じてその内容を復元できてはならない。評価者は、情報源の権限が自動的に問題を解決すると仮定するのではなく、導出された回答が現在のアクセス権を尊重するかを検証すべきである。

これらは評価上の問いであり、Graphonの実装に対する非難ではない。本記事のために確認した公開資料は、それらを決着させていない。この不確実性は、Graphon Labsのエンタープライズへの影響を評価する際に含めるべきだ。

AGIという枠組みにも明確な境界が必要である。より良いメモリは有用なエージェント行動を支援できるが、汎用知能を確立するものではない。証拠を記憶すること、再利用可能なスキルを学ぶこと、未知のタスクにわたって判断力を高めることは、依然として別個の主張である。

エージェントは過去の訂正を取得しても、それを誤って適用する可能性がある。成功した行動を保持しても、その行動の繰り返しが不適切になる場面を理解していない可能性がある。メモリは推論の材料を供給するが、結果として生じる判断の質には依然として評価が必要である。

これは、AGIの解決に依存しない大きな商機を残す。従業員が最新で関連付けられた証拠を見つけるのを支援するだけでも、それ自体に価値がある。Graphonの最も強い短期的な論拠は、特定可能なワークフローにおける改善を示すことにある。

2027年初頭までに注目すべき点

次に有用となる証拠は、技術的な性能を観測可能な製品利用と結び付けるべきである。 今後数か月にわたり、開発者アクセス、再現可能な評価、詳細な顧客成果という3つのシグナルに、固定された順序で注目する価値がある。それぞれが発表の異なる部分を明確にする。

第一に、具体的な開発者アクセスとドキュメントに注目したい。明確なインターフェース、対応するデータ形式、更新時の挙動、導入要件があれば、アーキテクチャを評価しやすくなる。これらの資料は、開発者が利用可能なサービスと広範な製品方針を区別する助けとなる。

このシグナルの強さは、開発者が実際に何をできるかに左右される。用意された質問に回答するデモは、独立したワークロードを支援するアクセスよりも情報量が少ない。明確な制約も、チームが自らの要件に適合するかを判断する助けになる。

開発者向け資料は、証拠がどのようにシステムへ入り、変化し、離れるのかを説明すべきである。そのライフサイクルは、対応するファイル形式の一覧以上のことを明らかにする。基盤となる情報の変化に合わせて、アプリケーションが一貫したメモリを維持できるかを示す。

第二に、信頼できる代替手段に対する、日付が明示された再現可能な比較に注目したい。テストでは、回答モデル、データ準備、リソースに関する前提、評価手法を特定すべきである。失敗例の公開は、提案された優位性がどこで成り立ち、どこで弱まるのかを読者が理解する助けになる。

強い比較には、適切に維持された検索ベースラインを含めるべきである。接続されたメモリが単純な設定に対してのみ優れる場合、商業的な意味合いは限定的なままだ。難しい関係性や更新に関する問いで一貫した改善が得られれば、より強い裏付けとなる。

独立した再現は、論拠をさらに強める。報告された結果が非公開の構成や評価選択に依存しているかどうかに関する不確実性を減らせる。初期結果が有望に見える場合でも、再現がなければ主張は暫定的なままである。

第三に、特定のワークフローと測定可能な変化を説明する顧客の説明に注目したい。有用な証拠は、システムが何を置き換えたのか、人々がどのように利用するのか、どの問題が残るのかを説明するものだ。確立されたプロセスについて語る実名顧客は、一般的な熱意よりも重みを持つ。

これらのシグナルは、読者が資金調達をどう解釈するかに影響する。より広いアクセスは提供状況を明確にする。再現可能な結果は技術的差別化を明確にする。詳細な顧客成果は、アーキテクチャがエンタープライズアプリケーションにおいて永続的な位置を得るかを明確にする。

Graphon Labsの資金調達に関する物語は、最終的には提案から証拠への進展にかかっている。投資家は、接続された情報を中心に構築されたメモリアーキテクチャに資金を提供した。開発者と購入者は今、その構造が実際に行う業務をどれほど改善するのかを見極める必要がある。

永続的なAIメモリを評価するなら、訂正、例外、情報源をまたぐ関連付けに依存する問いを用意してほしい。各回答の根拠を示し、その根拠が変化した際に何が起こるのかを説明するようベンダーに求めるべきだ。同じ条件下で、既存の検索システムと結果を比較する。利用可能な記録が不十分であることが正答となる問いも含める。そのうえで、こうした結果を長期にわたって維持するために必要な作業を検討する。これらの基準を念頭にGraphonのリリースを追い、そのメモリ層が定義されたワークフローを改善する証拠を探してから、その判断を知能に関するより広範な主張へ拡張してほしい。

 
 

無料で始めましょう

ローカルファーストのパーソナル知識管理付きAIアシスタント

より良いAI体験のために、

remio は現在、 Windows 10+ (x64)とM-Chip Mac のみをサポートしています。

仕事のAIパートナー
remioでもっと仕事が進む

計画・作成・仕上げまで
すべてをひとつに

bottom of page