　LeapMindは2012年12月の創業。IoT（モノのインターネット）やAIがブームになる以前から、主にエッジデバイスへの機械学習モデルの実装を中心とした事業を展開してきた。2016年6月にはシリーズAラウンドで3億4000万円、2017年10月にシリーズBラウンドで11億5000万円、2019年10月にはシリーズCラウンドで約35億円の資金調達を実施するなどしている。

　LeapMindの製品としては、2018年7月に組み込みディープラーニングモデル評価キット「DeLTA-Kit」の提供を始めており、2020年4月には超低消費電力AIアクセラレータIP「Efficiera」を発表している。Efficieraは、NECプラットフォームズやマクセルフロンティア、オカムラなどが採用していた。これらの他、2023年10月には、演算性能目標は2PFLOPS、同等性能のGPUと比べて10倍のコストパフォーマンスを目指すAI用半導体チップの開発開始を発表している。

　解散理由について松田氏は「諸般の事情」としつつ、「現預金があるうちに、従業員や取引先を含めたステークホルダーに対して債務不履行などが発生するリスクを防ぐため、自主的な解散を進めるべきと判断した」と説明している。また、顧客向けにソフトウェア／製品パッケージなどのリリースで使用していた共有フォルダは、今後順次アクセスができなくなるため、必要なデータがある企業は適切にバックアップすることを推奨している。

　松田氏は電子メールにおいて「AIを実用的に扱うためには、ソフトウェア／ハードウェア両方考慮しながら、工夫する必要があると考え、また世界的にみても、こういった考えを持っている企業は少ないことから、価値があると考え挑戦し続けてきたが、その価値を証明するに至らなかったことは、非常に残念に思う」と述べている。

⇒その他の「製造マネジメントニュース」の記事はこちら

エッジであれエンドポイントであれ今こそ現場にAIを実装すべし
2023年に大きな注目を集めた生成AIは、膨大なパラメータ数とあいまってAIモデルをクラウド上で運用することが一般的だ。2024年は、AIモデルを現場側に実装するエッジAIやエンドポイントAIを活用するための技術が広く利用できるようになるタイミングになりそうだ。
低コストFPGAで深層学習、コア技術をオープンソース化したベンチャーの狙い
LeapMindは2018年10月19日、組み込み向けFPGA上でディープラーニングを動作させるソフトウェアスタックをオープンソースで公開した。同社が今まで強みとしてきた技術が、誰でも利用もできるようになった。同社CTO（最高技術責任者）を務める徳永拓之氏に、blueoilとはどのようなもので、何が実現できるのか。そして、オープンソース化した狙いなどを聞いた。
性能2PFLOPSでコスパはGPUの10倍、LeapMindが大規模モデル対応のAIチップ開発へ
LeapMindはが生成AIをはじめとする大規模AIモデルの学習と推論を高速化する新しいAIチップの開発を開始したと発表。演算性能目標は2PFLOPSで、同等性能のGPUと比べて10倍のコストパフォーマンスを目指す。
超低消費電力AIアクセラレーターIPが電力効率107.8TOPS/Wを達成
極小量子化技術を用いたLeapMindの超低消費電力AIアクセラレーターIP「Efficiera」が、電力効率107.8TOPS/Wを達成した。同じ消費電力での性能は、GPUやエッジ向けAIアクセラレーターの約5～100倍になる。
物流施設向け自律移動ロボット、床面マーキングなしで自動搬送可能に
LeapMindのディープラーニングモデルが、オカムラの自律移動ロボット「ORV（Okamura Robot Vehicle）」に採用された。ORVはかご車を自動認識してつかみ上げ、目的地まで搬送する。かご車の改造や床面のマーキングがなくとも搬送できる。
リアルタイムで低ノイズ画像に変換できる、エッジAI画像処理モデルを発表
LeapMindは、エッジデバイス上で動作可能な「AI画像処理モデル」を発表した。エッジデバイスの課題だった、リアルタイム動作と高品質の画質処理を可能にし、ノイズの多い画像もスマートフォン並みの画質に改善する。