表形式データ特化AIのFundamental NEXUS、$2.55億調達の衝撃
DeepMind出身のAI研究者たちが創業したFundamental AIが、表形式データ専用の基盤モデル「NEXUS」を正式ローンチしました。累計調達額は$2.55億（約382億円）。Seed $3,000万に続き、Series Aで$2.25億を調達し、Oak HC/FTがリード投資家を務めました。Salesforce Ventures、Battery Venturesなど有力VCも参加しています。
注目すべきは、ローンチ前の段階でFortune 100企業と7桁ドル（数百万ドル）規模の契約を複数締結しているという事実です。需要予測、価格最適化、顧客離脱予測といった、企業の収益に直結する予測タスクでの導入が進んでいます。
Large Tabular Model（LTM）とは何か
NEXUSが開拓する「LTM（Large Tabular Model）」は、LLM（Large Language Model）とは根本的に異なるアプローチのAI基盤モデルです。
LLMがテキストや画像といった非構造化データの処理に特化しているのに対し、LTMは構造化データ、つまりExcelのスプレッドシート、SQLデータベース、CSVファイルなどの表形式データに特化しています。企業が保有するデータの約80%は構造化データと言われており、LLMだけではこの領域をカバーできないという課題がありました。
NEXUSの仕組みを具体的に説明します。まず、数百万件のテーブルデータで事前学習を行い、「表形式データの構造パターン」を学習します。列間の相関関係、欠損値のパターン、カテゴリ変数の分布といった、表形式データに固有の特徴を基盤モデルとして内包しています。
これにより、新しいデータセットに対してもゼロショット（追加学習なし）またはFew-shot（少量の追加データ）で高精度な予測が可能になります。従来のAutoMLでは、新しいデータセットごとに数時間から数日かけてモデルを学習させる必要がありましたが、NEXUSではこのプロセスが劇的に短縮されます。
以下の図は、NEXUSのLTM推論フロー全体を示しています。
この図が示すように、従来は専門のデータサイエンティストが手作業で行っていた前処理や特徴量エンジニアリングを、NEXUS が基盤モデルの力で自動化します。これは「表形式データ版のGPT」とも言える革新です。
ベンチマークと実績データ
Fundamentalの公開情報によると、NEXUSは複数の業界標準ベンチマークで既存のAutoMLソリューションを上回る予測精度を達成しています。特に以下の点が注目されます。
- 需要予測: 小売業の売上予測において、従来のAutoMLと比較してMAE（平均絶対誤差）を15-25%改善
- 顧客離脱予測: テレコム業界のチャーン予測で、AUC-ROCスコアが従来手法対比で5-10ポイント向上
- 価格最適化: Eコマースの動的価格設定で、収益最大化モデルの精度が20%以上改善
これらの改善が実際のビジネスインパクトに繋がっていることは、Fortune 100企業との大型契約が証明しています。
競合比較：NEXUS vs DataRobot vs BigQuery ML vs LLM
表形式データの予測分析市場における主要プレーヤーを比較します。
| 項目 | NEXUS (LTM) | DataRobot (AutoML) | BigQuery ML | LLM (GPT-4o等) |
|---|---|---|---|---|
| アプローチ | 基盤モデル（事前学習済み） | 自動機械学習 | クラウドML | 大規模言語モデル |
| 表形式データ予測 | 非常に高精度 | 高精度 | 中〜高精度 | 低精度 |
| セットアップ時間 | 数分（ゼロショット） | 数時間〜数日 | 数時間 | 数分（プロンプト） |
| 専門知識の必要性 | 低い | 中程度 | 中〜高 | 低い |
| テキスト分析 | 非対応 | 限定的 | 限定的 | 非常に高精度 |
| 料金モデル | SaaS + AWS連携 | 年間ライセンス（$10万〜） | 従量課金 | API従量課金 |
| 説明可能性 | あり | あり | 限定的 | 低い |
| スケーラビリティ | クラウドネイティブ | クラウド/オンプレ | GCP限定 | API依存 |
| 主な強み | 即座に高精度予測 | カスタマイズ性 | GCPエコシステム | 汎用性 |
この比較から明らかなように、NEXUSは「表形式データの予測」という特定領域において、既存のどのアプローチよりも参入障壁が低く、かつ高い精度を実現しています。DataRobotのようなAutoMLプラットフォームが「データサイエンスの民主化」を掲げてきましたが、NEXUSはそのさらに先を行く「予測分析の自動化」を目指しています。
以下の図は、NEXUS、AutoML、LLMそれぞれの得意分野を視覚的に比較したものです。
この比較チャートが示すように、NEXUSはLLMを代替するものではなく、LLMが構造的に苦手とする表形式データの予測分析領域を補完する存在です。
AWSとの戦略的パートナーシップと料金
NEXUSの大きな差別化要因の一つが、AWSとの戦略的パートナーシップです。AWSのダッシュボードから直接NEXUSを購入・利用できる統合が実現しており、既存のAWSインフラを使っている企業にとっては導入障壁が極めて低くなっています。
料金体系の詳細は個別見積もりベースですが、公開されている情報から推定すると以下のようなコスト感になります。
- エントリープラン: 月額数千ドル（約50万〜100万円）程度から、限定的なデータ量・予測回数で利用可能
- エンタープライズプラン: 年間契約で数万ドル〜数十万ドル（数百万〜数千万円）、データ量・予測回数の上限拡大
- AWS Marketplace経由: 既存のAWS請求に統合されるため、新規の調達プロセスが不要
比較として、DataRobotの年間ライセンスは$10万〜$50万（約1,500万〜7,500万円）程度、Google CloudのBigQuery MLは従量課金（処理データ1TBあたり$6.25）です。NEXUSは「基盤モデルのゼロショット予測」による即時性を考慮すると、導入初期のROIが非常に高いと考えられます。
日本ではどうなるか
NEXUSと「LTM」というカテゴリの登場は、日本企業のDX推進に大きなインパクトを与える可能性があります。
データサイエンティスト不足の解消
経済産業省の調査によると、日本では2030年までにAI人材が約12.4万人不足すると予測されています。NEXUSのようなゼロショット予測が可能な基盤モデルは、専門のデータサイエンティストがいなくても高精度な予測分析を実現する手段になり得ます。特に中堅・中小企業にとって、「データはあるが分析できる人材がいない」という課題を解決するブレークスルーです。
製造業の需要予測への適用
日本の製造業は、サプライチェーン管理や在庫最適化に膨大な表形式データを保有しています。トヨタの「ジャストインタイム」に代表される精密な需要予測は、これまで熟練のプランナーの経験に依存していましたが、NEXUSはこの領域を AI で補完できる可能性があります。過去の受注データ、季節変動、原材料価格の変動といった表形式データをNEXUSに入力するだけで、高精度な需要予測モデルが即座に構築できるのは画期的です。
金融業界のリスク分析
メガバンクや保険会社は、与信審査、不正検知、保険引受リスクの評価に大量の表形式データを使用しています。現在はこれらの予測モデルを内製のデータサイエンスチームが構築・保守していますが、NEXUSの導入によりモデル開発サイクルが大幅に短縮される可能性があります。特に、新しいリスク指標への対応速度が飛躍的に向上します。
日本市場への参入時期
現時点でFundamentalの公式サイトに日本語ページはなく、日本法人の設立も発表されていません。ただし、AWSとのパートナーシップにより、東京リージョンからのアクセスは技術的に可能と考えられます。日本市場への本格参入は2026年後半から2027年にかけてと予想されますが、AWSマーケットプレイス経由での早期検証は今すぐ開始できるでしょう。
国内競合との関係
日本国内では、ブレインパッドやALBERT（現ZOZO系列）といった企業がデータ分析サービスを提供しています。また、Notion AIのような生産性ツールにもAI分析機能が搭載され始めています。NEXUSは「表形式データ専用」という特化型アプローチで差別化しており、これらの国内プレーヤーとは補完関係にもなり得ます。NEXUSが予測モデルを提供し、国内企業がコンサルティングや運用支援を担うというエコシステムが形成される可能性があります。
まとめ
Fundamental NEXUSは、LLMブームの陰に隠れていた「構造化データの予測分析」という巨大な市場に、基盤モデルというアプローチで切り込む野心的なプロダクトです。DeepMind出身チームの技術力、$2.55億という潤沢な資金、Fortune 100企業との実績、そしてAWSとのパートナーシップと、成功の条件が揃っています。
日本のエンジニアやビジネスリーダーが今すぐ取るべきアクションは以下の通りです。
- NEXUSのウェイトリスト登録: Fundamentalの公式サイト（fundamental.ai）でアーリーアクセスに登録し、自社の表形式データでPoCを計画する。AWSマーケットプレイスからの購入も検討する
- 自社の表形式データ資産を棚卸し: 売上データ、顧客データ、在庫データなど、社内に眠る構造化データを整理する。NEXUSはデータの前処理を自動化するが、データの所在把握は人間の仕事
- AutoML/LLMとの使い分け戦略を策定: 表形式データの予測分析にはNEXUS、テキスト分析にはLLM、高度なカスタムモデルにはAutoMLと、用途に応じたAIポートフォリオを設計する。Google CloudのBigQuery MLや既存ツールとの併用も含め、最適な組み合わせを検討する
LLMが「言葉のAI」なら、NEXUSは「数字のAI」です。この2つを組み合わせることで、企業のデータ活用は新たなステージに入ります。日本企業のDX推進において、NEXUSの動向は2026年最も注目すべきトピックの一つと言えるでしょう。