境界内に保持
顧客の生データ
文書・契約・取引・映像・個別設定・顧客固有の業務文脈
学習へ自動転用しないわたしたちの使命｜国防・経済安全保障を支えるAI基盤
AIの実装と
国防と経済安全保障を支えるには、AIを自らつくり、使い、改善し続ける力が必要になる。Kairosは、高効率AI半導体と計算基盤を土台に、大規模モデルの学習、企業への実用システムの実装、現場データによるモデル改善までをつなぐために設立した。
目指す姿 / 実装と学習の循環
- 実用システム企業の業務に実装する
- 大規模モデル現場データで学習・改善する
- 大規模計算基盤モデルの学習・推論を支える
- 高効率AI半導体計算基盤の効率を高める
実装と学習を繰り返し、AIの実用性を高める
設立の目的 国防・経済安全保障を支えるAIの自立性
現在の起点 企業へのAIシステム実装
目指す基盤 高効率AI半導体から、大規模モデルの学習・推論まで
01 / WHY KAIROS EXISTS
AIをつくり、使い、改善し続ける力を、国の備えにする
国防と経済安全保障のために、先端AI半導体を設計・製造し、その上で大規模モデルを学習・推論できる計算基盤が必要になる。私たちはそう考えている。さらに、そのモデルを実用システムとして社会に実装し、現場で得られるデータを次の学習へ戻す。この循環を担うことが、Kairosの設立目的だ。
目指すのは、技術を自ら更新し、必要なAIを使い続けられる状態だ。
- 設計・製造
- 5nm／2nmプロセスで高効率AI半導体を設計・製造できる会社を目指す。
- 学習・推論
- その半導体を使い、大規模モデルのトレーニングと推論を継続できる計算基盤を構築する。
- 実装・改善
- 企業に実用性の高いシステムを実装し、許諾された現場データでモデルを再学習する。改善をシステムに戻し、次の学習につなぐ。
02 / LOOP TECHNOLOGY
実装と学習の循環を、5つの技術層で支える
実用システムから得られるデータはモデルの学習へ、学習と推論の実負荷は計算基盤・ソフトウェア・半導体の設計へ戻す。各層の改善を再び現場の実用性へつなげる。
業務要件↓
精度・待ち時間・費用・安全性を下位層の仕様へ変換
- 05APPLICATIONAgent
実用AIシステム
大規模モデルを業務に接続し、実行結果・人の評価・修正を学習につなぐ
- 04INTELLIGENCEModel
汎用基盤モデル
大規模モデルを学習・評価し、許諾された現場データで実用性を高める
- 03INFRASTRUCTURECompute
大規模計算基盤
学習・推論クラスタ・ネットワーク・ストレージ・スケジューリングを構築する
- 02SYSTEM SOFTWARESoftware
AIソフトウェアスタック
コンパイラ・ランタイム・分散実行・カーネルを同じSLOで最適化する
- 01SILICONSilicon
AI半導体
学習・推論の効率を追求し、5nm／2nmでの設計・製造を目指す
性能改善↑
半導体とソフトウェアの改善をモデル性能と業務成果へ還元
Top-down顧客業務で必要な結果からモデル・計算・ソフトウェア・回路の要件を決める
Bottom-up下位層の性能・効率改善をモデルの能力とエージェントの業務価値まで戻す
03 / AGENT CONTROL
大規模モデルを、現場で使えるシステムにする
大規模モデルを業務システムやデータに接続し、実際の仕事を完了できるAIを構築する。権限・承認・監査・復旧を組み込み、実行結果を次の改善につなぐ。
- 01PROPOSE提案
根拠と出所を記録
- 02CHECK権限確認
規則と実行範囲を照合
- 03HUMAN GATE人が承認
最終承認を分離
- 04EXECUTE実行
許可された処理だけを接続
- 05AUDIT監査
誰が何を変えたか保存
- 06ROLLBACK復旧
前の安定版へ戻す
01本番と学習・評価を分離 改善候補は隔離環境で評価する
02変更を一方向に昇格 固定評価と人の承認を通過した版だけを本番へ出す
04 / DATA BOUNDARY
現場のデータを、許諾の範囲で学習に生かす
会話・修正・失敗分類・承認理由は企業固有の評価資産である
顧客管理環境に置き、三つのデータ区分を混ぜない
Customer-controlled boundary顧客管理境界
明示許諾した範囲だけ
企業固有の評価・修正データ
人の選好・修正差分・評価理由・失敗分類・評価セット
生の記録は企業境界内で管理
内容を含まない
コンテンツ非依存
処理量・待ち時間・メモリ・通信量・電力・費用
明示許諾した集計値だけをCompute・Software・Silicon設計へ派生成果を管理する目的・対象・保持期限・取消を記録し、最小限の学習・評価成果として扱う
05 / LEARNING LOOP
実装で得たデータを学習し、より実用的なシステムへ戻す
企業への実装は、継続的なモデル改善の起点になる。業務結果・人の評価・修正を用いてモデルを追加学習し、実用性を検証してシステムへ戻す。この反復を高効率計算基盤で支える。
- 01OPERATE本番実行
版と権限を固定し、業務結果を記録
- 02HUMAN FEEDBACK人が評価
採用・却下・修正・理由を保存
- 03ON-PREMISES評価・修正データ化
企業管理境界内で来歴と権利を固定
- 04ISOLATED LEARNING隔離学習
本番から分離して改善候補を作成
- 05EVALUATE固定評価
旧版との回帰・安全性・業務成果を比較
- 06HUMAN GATE承認・昇格
限定展開し、問題時はロールバック
企業固有性を守る人の評価・修正データは一般知識ではなく、その企業の評価基準を含む
本番を守る本番AIは自己書き換えず・隔離評価・人の承認・段階デプロイを通す
計算基盤も改善する品質信号はModelへ、内容を含まない負荷信号はCompute・Software・Siliconへ分けて返す
06 / LEARNING COMPUTE
学習と推論を繰り返せる、高効率計算基盤をつくる
大規模モデルのトレーニング、現場データによる追加学習、システム運用時の推論を支える。電力・メモリ・通信・運用費を含めて効率を高め、実装と改善を継続できる基盤を目指す。
現状 / GPUを使う
まず、市販GPUで業務価値を証明する
モデル・トラフィック・入出力長・品質・障害復旧まで、GPUの柔軟性を活かして実測する
目指す姿 / 専用AI半導体
学習・推論を支えるAI半導体へ
学習・推論の実負荷を設計に反映し、5nm／2nmプロセスでの高効率AI半導体の設計・製造を目指す。計算基盤と一体で、循環全体の効率を高める。
- BUSINESS TCO
- 完了業務あたり費用
- ENERGY
- 1業務・1 tokenあたり電力
- SLO
- p95 / p99・Goodput
- OPERATIONS
- 可用性・保守・fallback
07 / CAPABILITY × STATE
現在の実装から、循環全体を担う会社へ
現在は企業へのAIシステム実装を起点に、モデル・計算基盤・ソフトウェアの構築を進める。5nm／2nmプロセスでのAI半導体の設計・製造は、循環全体を支えるために目指す将来構想だ。
技術層実装領域実行内容
エージェント強化学習
業務接続・強化学習・承認・監査・復旧
現在の商用入口汎用基盤モデル
設計・構築・学習・評価・更新・デプロイ
設計・構築・運用大規模計算基盤
クラスタ設計・構築・分散実行・運用
設計・構築・運用AIソフトウェアスタック
コンパイラ・ランタイム・カーネル・分散システム
設計・実装能力AI半導体
5nm／2nmプロセスでの高効率AI半導体の設計・製造
目指す将来構想08 / ENTERPRISE BUILD
企業の業務成果を、次のモデル改善につなぐ
業務に必要なシステムを設計・実装し、運用まで担う。現場の成果と失敗を評価し、許諾されたデータをモデルの学習に生かす。改善したモデルを再びシステムへ組み込み、実用性を高め続ける。
- 01AIフルスタック設計ARCHITECT
Agent・Model・Compute・Software・Siliconを一つのSLOで構成
- 02保守体制を整えるVERIFY
版固定・評価・互換性・保守対応・復旧手順
- 03企業実装IMPLEMENT
接続・権限・承認・監査・顧客環境での受入
- 04運用・移行OPERATE
MLOps／LLMOps・ロールバック・横展開
09 / EXECUTION DOMAINS
循環を支える各領域の取り組み
わたしたちの目的
実装と学習の循環を、国防と経済安全保障の力に
高効率AI半導体から計算基盤、大規模モデル、企業の実用システムまで。現場から学び、改善を返し続ける循環を担うために、Kairosは挑戦する。