Vinci、チップの物理シミュレーションを高速化するため2.5億ドルを調達

Vinciは評価額15億ドルでシリーズB（Series B）の2.5億ドルを調達した。AI物理シミュレーション（simulation）は、従来のチップ設計ツールより最大1000倍速いと同社は述べている。

2026年10月7日4 分で読めます

他の言語で読む:原文（英語）Deutsch日本語Français Español Português

Vinciのロゴ。グラデーションの円と「VINCI」の文字が、白い家、木々、青空を映すガラス窓に写っている。 — 写真: Vinci

数字で見る

Series B, at a $1.5B valuation: $250M
faster than conventional tools, at most, per Vinci: 1,000x
pilot customer deployments, now and targeted: 2 to 20
employees: 70

パロアルトのVinciは、AIでチップやハードウェアの物理をシミュレートする企業だ。2026年10月6日、評価額15億ドルで2億5000万ドルを調達した。シリーズBを主導したのはAdvent、Temasek、Xora Innovationだと、The Next Webが報じている。狙いは、今は数時間から数日かかる物理チェックを、エンジニアが設計を描いている最中に走らせることだ。発熱の大きいAIチップを作るチームにとっては、設計サイクルごとに数週間を削れる可能性がある。

Vinciが作るもの

チップを製造する前に、エンジニアはその挙動をシミュレートする。過熱しないか。温まると反ったり割れたりしないか。従来のツールはこうした問いへの答えが遅い。そのためチームは、常時ではなく決まったチェックポイントでだけ実行している。

Vinciはまず熱から始めた。AIチップが大きく複雑になるにつれ、熱は深刻な問題になっているからだ。The Next Webによると、同社は今後システム全体のシミュレートを目指す。次に振動試験と電磁気学を加える計画だ。

Converge Digestは、このプラットフォームの4つの構成要素を挙げている。

設計ファイルの自動準備
「エージェント型オーケストレーション」。AIエージェントがジョブを設定して実行することを指す
物理ファウンデーションモデル。物理的な挙動で学習させた大規模AIモデルのことだ
GPUネイティブのカーネル。グラフィックスプロセッサ上で直接動くよう書かれたコードのことだ

Pulse 2.0によると、このプラットフォームは熱、熱機械、対流の流体挙動を「ゼロショット」で扱える。ゼロショットとは、その事例で事前に学習していなくても、新しい事例を処理できるという意味だ。

速度に関する主張

Vinciの最大の売りは速度だ。The Next WebとRuntimeWireはどちらも、従来のツールより最大1000倍速いシミュレーションを報じている。The Next Webは、精度を落とさずにそれを実現するとVinciが述べている、と付け加えている。

Converge DigestとPulse 2.0によると、このプラットフォームは150億を超える自由度を持つ設計を数分で評価できる。自由度とは、シミュレーションが解くべき未知の値のことで、たとえばチップの微小な各点の温度がそれにあたる。150億個もあれば、非常に精密なモデルだ。

これらは同社自身の数字である。4つの報道のどれも、独立したテストには触れていない。

出資者と資金の使い道

項目	内容
ラウンド	シリーズB
金額	2億5000万ドル
評価額	15億ドル
リード投資家	Advent、Temasek、Xora Innovation
そのほかの出資者	Eclipse、Khosla Ventures、Madrona。Converge Digestによると、AMD Venturesも
過去の資金調達	4600万ドル。2025年12月に発表、The Next Webによる
従業員数	70人

RuntimeWireは、調達総額を2億9600万ドルとしている。また、以前の資金には3600万ドルのシリーズAが含まれていたという。

CEOのHardik Kabariaは、資金は計算資源、人員の増強、シミュレーション製品の拡充に使うとThe Next Webに語った。次の目標は、顧客でのパイロット導入を2件から20件に増やすことだ。「これは現場で機能することが実証された基盤モデルだ」とKabariaは述べた。

AMDの参加は注目に値する。AMDはまさにこうした作業を必要とする種類のチップを設計しているからだ。Brian AmickはAMDのテクノロジー・エンジニアリング担当シニアバイスプレジデントである。「先進的なシステムを設計するには、熱、物理、電気の挙動がチップ、パッケージ、ボードの間でどう相互作用するかを、エンジニアが理解する必要がある」と、同氏はConverge Digestに語った。

Converge Digestによると、今回の資金は流体力学への進出と、新しいハードウェア分野への展開にも充てられる。メモリ、車両、航空機、衛星だ。

チップ設計向けAIには、複数の方面から資金が集まっている。2日前には、OpenAIとSynopsysがチップ設計向けモデルのGPT-Synopsysを発表した。

開発者にとっての意味

ほとんどのチームがVinciを直接使うことはないだろう。影響があるのは、ハードウェア、パッケージング、熱設計のエンジニアと、そのツールを作るソフトウェアチームだ。

速度の主張は仮説として扱うこと。 「最大1000倍」は最良のケースだ。Vinciを評価するなら、実際の結果をすでに知っている過去の設計で動かしてみる。そのうえで、その答えを現在のソルバーや、実測したチップと比べる。
完成品ではなくパイロットを想定すること。 顧客への導入が2件というのは初期段階だ。それを前提にテープアウトを計画する前に、パイロットにどんなサポート、精度の保証、エクスポートの選択肢が含まれるかを確認したい。
GPUの予算を見込むこと。 このプラットフォームはGPUネイティブのコードで動くため、コストはソフトウェアライセンスから計算時間へ移る。Vinciのクラウドと自社のハードウェアのどちらで動くのかも尋ねておくこと。
拡大に注目すること。 熱が最初の領域だ。同じモデルが振動や電磁気学でも通用するかどうかで、これが1つの高速ソルバーなのか、汎用の物理プラットフォームなのかがわかる。

最も明確な手がかりは、次の顧客数になる。Vinciは目標として20件の導入を挙げており、その数字は確かめやすい。