フラッピング・エアプレインズが10億ドルを調達：創業者はCursorを孵化させ、GPUの低層からAIトレーニングを書き換えたいと考えている

動察 Beating AI速報、設立から約1年のAI研究ラボFlapping Airplanesが10億ドルのシリーズA資金調達を完了した。Index VenturesとLux Capitalが共同でリードした。投資後評価額は60億ドルに達し、今年1月の4倍となった。会社は20数名しかおらず、これまで商業製品を投入していないが、投資家にはSequoia Capital、Google GV、NVIDIAが名を連ねる。

Flapping AirplanesはBen Spector、兄のAsher Spector、Aidan Smithによって共同設立された。CEOのBenはMIT在学中にスタートアップインキュベーターProdを共同設立し、Cursor、Mercor、Etched、Decartの初期インキュベーションに関わった。その後、スタンフォード大学のChris Réの研究チームに入り、オープンソースGPUプログラミングフレームワークThunderKittensの論文筆頭著者となった。Asherはスタンフォード大学統計学博士、AidanはThiel Fellowで、マスク傘下のNeuralinkで3年間勤務した。

2025年、BenとスタンフォードのチームはさらにMegakernelを開発し、モデル全体の計算を1つのGPUカーネルに統合することを試みた。従来の推論フレームワークは計算を数百のカーネルに分割し、1つずつ起動・実行・待機するため、GPUはその隙間にメモリ帯域を十分に活用できない。Megakernelは計算ステップを統合し、次のステップのデータ読み取りを前倒しで行う。単一のH100上でLlama-3.2-1Bを実行し、毎回1つのシーケンスを生成する場合、vLLMとSGLangは最大50%のメモリ帯域しか利用できないが、新手法は78%まで向上し、推論速度はSGLangより1.5倍以上速い。

数か月後、チームはMegakernelをLlama-70Bに拡張し、特定のテストではTokasaurus推論エンジンを接続した後のエンドツーエンドスループットがSGLangより22%以上高くなった。両研究はすでにオープンソース化されており、BenがFlapping Airplanesを設立する前に参加したスタンフォードの研究成果である。

Flapping Airplanesは現在、この路線に沿ってGPUの改造を続けている。同社によると、最新のフレームワークは同一カーネル内でモデル訓練、推論、ビデオゲームを同時に実行できる。チームはこれを活用して新しい学習アルゴリズムの探索も目指している。既存のPyTorchなどのフレームワークはステップごとに組織された計算の実行が得意だが、一部の細粒度で大量のインターリーブ実行を必要とするタスクを効率的に処理するのは難しい。GPU自体にできないわけではなく、既存のソフトウェアがこれらの能力を引き出しにくいだけだ。根本的なプログラミング方式を変えれば、過去にコストが高すぎて実行困難だったアルゴリズムが実現可能になるかもしれない。

彼らはAIのデータ効率問題をさらに解決したいと考えている。人間はインターネット全体を読み切らなくても言語を習得できるが、大規模モデルは膨大な訓練データに依存している。検索やプログラミングには大量の既存コーパスがあるが、ロボット操作や科学研究などの分野では同等規模のサンプルを入手するのが難しい。Asherは以前、データ効率を1000倍に高めた例を挙げ、このようなブレークスルーがもたらし得る経済的価値を説明した。モデルの訓練に必要なデータが従来の1000分の1で済むなら、訓練サンプルが不足している多くの業界でもAIを活用できる可能性がある。