Nominalはなぜハードウェアテストから「ハードウェア時代のGitHub」を目指すのか

皆さん、こんにちは。FoundXの馬田です。

同じくFoundXの富田です。

早速雑談なんですけれども、最近本当に年度の開始と言いますか、そろそろ始まる時期なので授業の準備をしております。

もう年度末ですね。年度末とか年始はやっぱり忙しいなと思いますね。

そうですね。どんな授業にするんですか?

ちょっとそこはAIを使ったものにしていこうかなと思ってて、絶賛企画中です。はい。ということで皆さんにも、こうした授業の方でも私たちのチャレンジをどこかで共有できればいいなと思ってます。はい。

ということで、ここからアイデアキャストのコーナーに移りたいと思います。FoundX Review Startup IdeaCastでは、海外のスタートアップのアイデアをAIを使って分析して紹介していく番組になっております。これからアイデアを考える人たちの参考になれば幸いです。最初にディスクレイマーですが、AIを活用して情報を整理しているので、一部情報が古かったり間違ってる場合もあります。ファクトを重視される場合は必ずご自身で調べていただくようお願いいたします。本ポッドキャストはあくまでアイデアの参考情報や考え方を引き出すことを主な目的としています。

ということで今日はNominalというスタートアップを紹介していきたいと思います。これを選んだ理由を教えてください。

そうですね、投資家としてラックスキャピタルとかあの辺が関わっているというところが1つと、彼らのビジョンがですね、ソフトウェア・デファインドなハードウェア時代のGitHubになるという結構大きなビジョンを掲げていて、設立からわずか数年で評価額10億ドルに到達したという非常に注目されている企業として、今回取り上げたいなと思いました。このハードウェアテストからちょっとですね、入っていくというところも面白いなと思っていて、戦略的にも参考になるのかなと思ってるので、是非お話ししていければなと思っています。はい。そんなところですね。

じゃあ早速なぜこのスタートアップがすごく面白いのかというところをお話ししていこうと思います。全体像は先ほどお話ししましたが、このスタートアップはですね、ソフトウェア・デファインドなハードウェアの時代のGitHubになっていくための統合テストや運用基盤を提供していくというところです。優れたAIであってもですね、現実世界の物理データによる検証なしにはなかなか機能しないというところがあり、特に防衛とか航空とか、あるいはエネルギーとか、ミッションクリティカルな領域においてAIを使っていこう、あるいはソフトウェアを使っていこうとすると、実はその検証のプロセスがですね、非常にボトルネックになってくるのではないかということで、そうした物理が関わるAI、ソフトウェア、インフラみたいなところにうまく入っていこうとしているサービスの企業になっています。

具体的にじゃあどういうところなのか少しお話をしていきたいと思いますが、まず課題ですね。今現状ですね、このスタートアップが取り組もうとしているところは、毎秒例えば数百万という膨大なテレメトリであったりとか、動画とか、あるいはログを生成しているハードウェアを対象にしているスタートアップになっています。特に先ほど言った通り防衛とか航空宇宙とかエネルギーとか、いわゆるミッションクリティカルなハードウェアを対象としている、そのハードウェアテストエンジニアの皆さん向けのツールとして、まずは入っていこうとしています。今現状ですね、こういう方々が何をしてるかと言うと、本当にいろんなツールを使ってこの膨大なデータを手作業で処理していくと。ExcelとかMATLABとかスクリプトとか、そうしたところを使って処理をして、テストをしているというところがあったりするそうです。

最も強烈なペインとしては、試験後のレビューに5〜6時間を要する長時間の待機があったりとかですね。意思決定が遅延していたりとか、あるいは手作業とかスクリプトとかによる試験のサイロ化とか、限定的なデータ共有、組織の分断が起こっている、そうしたことがあり、こうしたところをですね、うまく組み合わせていって、何かしらその遅延した意思決定をうまく解決していきたいんじゃないかというところが、このスタートアップの取り組む課題になっています。本当に物理システムにおいては、シミュレーションとかプロトタイプとかマニュファクチャリング、あるいはオペレーションも分断されがちですし、ソフトウェアみたいにですね、一元的にDevOpsをやっていくというところができていないというのが課題感としてあって、Sequoiaからもですね、このスタートアップは投資を受けてるんですが、Sequoiaはこれをですね、ハードウェア版のモダンスタックがないという風に課題を定義しているというところです。

で、ここでですね、最初テレメトリですごいデータがあるっていう話をしましたが、問題はですね、このデータ量の多さそのものというよりは、ツールの断片化のところにあるという風に捉えた方がいいのかなと思います。投資家の1人であるGeneral Catalystに関しては、ExcelとかメールとかBashスクリプトですね、とPythonの継ぎ接ぎが起こっていて、そこが問題であるのか、あるいはFPのニュースとかを見るとですね、汎用ツールか内製の2択になっていて、なかなかうまくいかないみたいなところがあったりするというのが、この課題感というところなのかなと。そして課題があるから意思決定が遅延してしまうみたいな、そうしたことが最終的な課題につながってきているというのが、今回特にこのNominalがアプローチしようとしてる問題なのかなという風に思います。

試験後のレビューで5〜6時間かかるってなかなかすごい待つなと思うんですけど、これってどうしてそんなにかかるんですかね。

一説によると、数千のセンサーから出てくる時系列のデータであるとか、あるいは動画とか、それが別々のソースから出てくるんですよね。それを手作業で突き合わせていると。しかもそれをローカル環境で処理しているというのがあって、結局その後処理にかなり時間がかかってるというところだそうです。

既存のテストツールだと解決できないっていうことですよね。

そうですね。既存のツールが、ある意味サイロ化されていると言いますか、特定の解析とか制御とかには強いが、クラウドネイティブなコラボレーションであったりとか全社横断のデータ共有というところには対応してなくて、例えばExcelとかMATLABも、ある意味特定の解析とか制御に強いツールだと思うんですが、それが繋がっていないというのが今現状の問題。しかもそのソフトウェア・デファインドなハードウェアが増えてきているというところもあって、それらを突き合わせてやっていくのにすごい時間がかかるようになっているというのが、今現状の問題点だということかなと思います。

で、ある意味そうですね、課題を理解するためには、試験とか計測ソフト、いわゆるデータ取得とか解析とかレポートっていう層が1個あるのと、そこからですね、このNominalが解決していこうとしている課題としては、その先にヒューマン・イン・ザ・ループの試験自動化であるとか、物理システム向けのオブザーバビリティの提供であるとか、そこから製造から運用までをつなぐ、そうした複数の層、複数のバリエーションを総合的につなぐデータ基盤。ここを作りに行こうというのが課題として出てきているところで、それを解決していこうとしてるのかなという風に思いますね。

その解決策の話になったので、少し解決策の話をしたいと思います。じゃあ彼らは何をしてるのか、Nominalとして何を提供してるのかというとですね、最初提供していたものはちょっとScoutというまた別のものがあって、それは別でまたこの後お話ししますが、今彼らが提供してるのはNominal Connectというエッジ側のものとNominal Coreというクラウド側のもの、2つのサービスです。

Nominal Coreといういわゆるクラウド側の方は、テレメトリとかログとか動画とかシミュレーション結果とか、あるいは文書とかっていうのを1つのコラボレーティブなワークスペースにまとめて、そこで解析とかレポートとか運用監視を行う、そうしたツールになっています。いわゆるシングルソース・オブ・トゥルースを提供するのがこのNominal Coreというものです。で、そこにですね、検索とか可視化とか強度分析をノーコードで実現していくという機能が入っているそうです。

そしてエッジ側のNominal Connectに関しては、現場側で機器をリアルタイムにリード・アンド・ライトして読み書きして、Pythonベースの試験アプリをローカルで実行する、エッジ基盤として提供してるのがNominal Connectというものです。リアルタイムなハードウェア接続ができるというところが、このNominal Connectというところ。この結果ですね、このCoreとConnectがですね、R&Dから運用まで同一の検証ロジックを再利用できるという点が大きな強みだと言われています。

実際にこれを使ったShield AIという他のスタートアップの事例なんですけども、このShield AIというところの顧客ではですね、データレビュー時間が5〜6時間かかっていたものを30分に、いわゆる80%ぐらい削減する、圧倒的なエビデンスというものを提供したということがあったりしましたし、他にもですね、ハーマスの事例というところがあって、それはデータ確認から意思決定までの時間を削減したというような、そうしたところが出てきていると言われています。

なので、技術的な肝というのは、データを集めるだけではなく、異種のデータを同じ時間軸で揃えて、それを検索可能にして、かつ構成や試験条件と結びつけていくという、データを集めて先の処理までやっているというところが非常に大事なのかなと思います。なのでバリューチェーンで言うとセンサーから動画とかログとかを撮って、そこから試験実行からヒューマン・イン・ザ・ループとか制御とかまでやって、データの取り込みとか整理やあるいは検索までやり、そしてその後の解析とかレポートとか意思決定を行って、さらにそれが製造品質や運用監視につながっていく。この一連の流れを1つのNominal CoreとConnectというアプリ・サービス上でやっているというのが、彼らのやろうとしていることであり、一部できてるところなのかなという風に思います。

なかなかすごいですね。その導入効果で時間が80%ぐらい減ったっていうのはすごいいいんですけど、会社にとっても結構インパクトがあるようなものなんでしょうか?

そうですね。大規模なテストの一連のテストっていうところを考えるとですね、1日数百万かかることもあるそうです。で、もしその期間を半減できればですね、企業によっては数億円規模のコスト削減というところができると言われています。

気になったのがデータをクラウドに上げるっていうところなんですが、そこのセキュリティ的な面っていうのはクリアできるんでしょうか?

そうですね。まさにそこが1つのモートになってるのかなと思いますが、彼らはその防衛の基準に対応してますと。オンプレミスとかエアギャップ環境とか閉域を前提として設計されているので、彼ら自身基準として満たしていますし、その基準を満たせるツールというのがそこまで多くないので、それがモートになっているっていうのが1つ彼らのポイントなのかなと思いますね。あとはNominal Connectをエッジ側でちゃんと用意しているメリットとしては、現場の閉鎖環境とか兵器の環境でハードウェアと低遅延で接続できるとか、テストの自動化とか製造ラインの検証っていうのをリアルタイムに行えるので、そうしたエッジ側を用意しているというところですね。試験装置の近くでソフトを動かすと通信が不安定でも低遅延にしやすいですし、そうしたメリットもあるので、エッジ環境を用意していると。で、あとは時刻付きデータとかテレメトリとかを後で送れるようにしているというところなのかなという風に思います。

じゃあこういう市場がどこまであるのかというところですね。彼らが狙っている最初の獲得市場、SOMはですね、防衛、最近よくある防衛ですね、というところと航空宇宙のミッションクリティカルな試験市場というところをまずは狙っているようです。そこからですね、少し伸ばしていって、ヒューマン・イン・ザ・ループの試験とかテスト自動化ソフトウェア市場ですね、この辺りを狙っていくのではないかという風に言われています。そして最終的には、産業用システム全体の運用とか検証の市場というところを狙っていて、ここがすごく伸びる。2030年にはですね、今現状64.5ビリオンダラーのところが121.4ビリオンダラーに達するみたいなことが推計されているので、この辺りを最終的には狙っていくというのが彼らの方法論というところになります。

で、直近の成長ドライバーとしてはまさにですね、この航空宇宙とか防衛とか、その辺りが1個あるというところもあるんですが、もう1個がやっぱりソフトウェア・デファインドなハードウェアが増えてきているというところだと思ってます。いろんな物理システムがコードによって、ソフトウェアによって制御とか更新される時代に、メガトレンドとしてなっていくであろうというところが1つ。次はフィジカルAIの増加が見込まれているというところで、自律型のロボティクスであるとか、あるいは自動運転とか、現実世界と相互作用するようなAIモデルが出てきていて、それに関する検証テストの需要というのが伸びてくるんじゃないかというのがもう1つのポイント。そして3つ目がですね、冒頭に申し上げた国防ですね、防衛のところであったりとか、リインダストリアライゼーションみたいなことをアメリカは言ってますが、そうしたところに関する投資の拡大というところに加えて、SBIRとかSTTRとかいわゆる政府の補助金というものがかなり民間技術に資金投入しているので、その辺りを狙いにいくのではないかっていうのが現在の市場の分析になっています。なるほどです。

最初の市場を航空防衛に絞った理由って何かあるんでしょうか?

そうですね。まずは検証のペインというものが非常に高いと、短期的なペインが高かったというのが1つだと言われています。で、もう1個が失敗のコストが高いというところがもう1個ありました。あとはチームのところでご説明しますが、このチームは結構、海軍出身、Anduril出身とか、あるいはPalantir出身とか、ある意味ですね、その軍事技術とかあの辺りをよく知っている人たちが立ち上げているメンバーなので、その課題の深さというのを知っていたというところが1つだと言われています。

最終的には産業用システム全体の運用検証を目指すってところなんですが、結構数値的な幅がすごく大きくなってるんですが、その分カバーする領域が変わってくるとか広いっていうことなんですかね。

そうですね。すいません。さっき言った64.5ビリオンって将来の数値、2030年の数値ですね。2030年に64.5ビリオンから121.4ビリオンという、間が空いているTAMの推計になっていますが、これは彼らがやろうとしている領域がちょっと広くなったり狭くなったりしていると、まだそこが決まってないからかなという風に思ってます。もし製造ラインの検証や運用監視まで、いわゆるライフサイクル全体をカバーするのであれば、既存の市場分類に綺麗に収まらないので、市場が大きくなる可能性があるんじゃないかというところでTAMの幅が広くなってるのかなと思います。

ではビジネスモデルですね。彼らはですね、SaaSと拡張をしていくというのを考えているようです。典型的なランド&エキスパンド、いわゆる楔と言いますか、ウェッジを打ってですね、拡張していくような戦略になっています。初期はですね、テストの効率化というところでウェッジを、楔を打ってですね、そこから一部分のテスト環境に入り込みますと。で、そこで強固なシステム・オブ・レコード、SORを取って、そこからロックインを構築していくと。そして次に他のプログラムに横展開、エキスパンドしていって、最終的に製造とか現場運用へのオペレーションまで入っていく。そんな感じでですね、ロックインを強くしていこうと、システム・オブ・レコードを強くしていこうというような、そうしたことを考えているみたいです。で、実際ですね、初期に入っていく投資はかかりますが、エンタープライズのSaaSにも近いというところにCoreとConnectはそういう形になっていきますので、初期セットアップを通してちょっと赤字が出るかもしれませんが、もしですね、利用社員の比率が30から50%に拡大していくと、極めて高いライフタイムバリューとARRの向上につながっていくのではないかというのが、まさに考えているところという風に言われています。

公式の技術ブログによるとですね、最初期のNominalは、CSVのテレメトリを読み込んで時系列で描画して、任意の時間帯にズームしてそのビューをリンク共有するみたいな、もう本当最小限のクラウドビューアみたいな感じだったみたいです。で、その後にライブ配信だったりとかマルチモーダル統合とかが追加されていて、まずはそういうですね、ちょっと後でも説明しますけども、今見えるペインから入っていくみたいなところをやっているみたいですね。はい。

最初にテスト部門から入るっていうところを戦略として考えてたってことですが、それはどういう理由なんでしょうか?

そうですね、ある意味初めて物理世界と触れる場所でもあるというところが1個大きいのかなと。あとはデータレビューの時間の短縮というところでROIが明確で示しやすいから、そこから入ったのではないかという風に言われてますね。

リテンションを非常に高くするってところなんですが、それができる理由っていうのはどういったところに説得力があるんですかね?

そうですね。彼ら自身Palantirにいた、高いリテンションみたいなこと言ってますけれども、共通点があるとしたら、機密性の高いデータ基盤を持つことができると。そうすると組織の核に入り込むことができる。そして、複数の部門とかプログラムで共有されることで、もう他には替えようがないみたいな、そうしたインフラになっていくので高いリテンションになっていくんじゃないかという風に言われてますね。

あとは初期に赤字が出るかなっていうところとしては、初期のセットアップ投資というところがありますと。初期は導入支援として、もしかしたら今話題のFD、フロントに出ていくエンジニアみたいな感じで、深く入り込んで導入支援をしていくみたいなことをやるのかもしれません。Palantirみたいに。それが強力なロックインにつながって、後のSaaS課金で回収していくみたいな、そうしたモデルを取っているのかなというのが今現状の状況かなと思います。

ということで、彼らの戦略は、今お話ししていたところでもありますが、そうしてランド・アンド・エキスパンドという戦略を取って、まずは直近のペインを解決して、そこから広げていくことによって、彼らは特定のハードウェアに特化するのではなく、共通のデータ基盤ですね、システム・オブ・レコードで水平統合をしていくということを狙っているみたいです。あらゆる物理インフラを統合するインフラを構築していくというのが彼らの狙っている最後のところだと。なので自社開発を基盤としつつですね、データ取得とか構造化技術のM&Aを活用して、欧州等にも展開していこうという風に考えているみたいですね。彼らとしては、システム・オブ・レコードを狙っていくのが最初になっていて、そこからですね、より上位にはAIとかアプリケーション層があり、下位にはハードウェア制御とかセンサー層があり、その真ん中をSORとして取りに行くみたいなところを考えているみたいです。あとは、10年後から20年後の理想像としては、現代のハードウェア企業がですね、向こう50年間稼働するためのオペレーティングシステム、これを作りに行こうというのが彼らの考えてること。そして最終的にはAIエージェントを活用して1人のエンジニアが50のハードウェアを同時に検証・管理できる世界の実現を目指しているという風にも言われています。そんな感じで、彼らはここから最初入って、そして共通基盤を狙いに行く、そしてそこをさらに伸ばして作性を高めていくという戦略を考えてるみたいです。

M&Aも活用して展開っていうところだったんですが、ちょっと意外で、どういった理由があって活用するんでしょうか?

そうですね。ここに関してはまだまだ詳しい戦略が出ていないところかなと思いますが、彼らは多様なハードウェアに対応していこうとしていますと。で、そのデータを取得とか、あるいは構造化する際のラスト10%の細かいところの統合負荷というものが結構かかってくるので、そこは要素技術やチームを買収してプラットフォームを強化していくという手段に出ていくみたいなことが言われていますね。

その将来的にハードウェアを50台管理ってなかなかびっくりな大きな数字なんですが、そういうのもNominalによって可能になるような見通しでしょうか?

1人で今1つのハードウェアなのか分かりませんが、今すでに80%削減できているということ。もしかしたらそれぐらいの削減というか、効率性が上がっていく、5倍ぐらいになっていくということを考えるとできるのかもしれないなと。今実際にハードウェアエンジニアはデータの整理に忙殺されていますが、データ基盤が整ってAIエージェントが異常検知とかレポート作成を自動化することができるようになれば、人間は意思決定に集中できて、その結果生産性が上がって、50のハードウェアを1人が管理するというのが可能になるのではないかというのが彼らの見立てかなと思います。

面白い点としてもう1個加えるとしたらですね、これまで私たちのこのアイデアキャストでは結構垂直統合型のソリューションを紹介してきたと思いますが、今回紹介してるこのNominalはどちらかというと水平ですね。既存のプレイヤーとか自社開発ツールというものは特定のハードウェアとか制御に特化した垂直統合になりがちですが、Nominalはどちらかというと、それを横断する水平基盤を構築するというのが結構面白い点なのかなという風に思っています。

ではロードマップです。彼らは最初ですね、フェーズ1としては試験後のレビューの高速化、ここを作っていくというのでPMFの構築をしていこうとしているみたいですね。テストが最もペインが大きくてROIが明確なので、ここで強固な基盤を作るためにはすごく最適だったという風に言われていますと。で、次にですね、フェーズ2は拡販とか自動化というところで、Nominal CoreとNominal Connectを連携させて複数のプログラムに横展開していく。そして試験の自動テスト処理を進めていくというのがフェーズ2として考えられているところ。そしてフェーズ3にはより拡張していく、そしてフリート管理していくというところで、テストから製造ラインにより広くエキスパンドしていく、あるいは現場運用オプスの方に行く、ライフサイクル全般の監視基盤へと進化していくということで、ミクロな課題解決から全社のシステム・オブ・レコードへ段階的に拡張していくというのが、彼らのやろうとしているところですと。

で、実際にですね、彼らの入り口はですね、Scoutという最初の製品を作っていたみたいです。これはもうテストランの同期であるとかプロットとか条件チェックを数クリックで行うツールでしたと。これから入っていったというのが彼らの最初の参入戦略だったと言われていますが、そこから入って、本当の本丸はですね、シェアドデータレイヤー、SOR、システム・オブ・レコードを取りに行くというところをやろうとしているのが彼らのところですと。あとはCoreとConnectの2段構えで提供していくと。Coreの方で履歴とか分析とか共有基盤を作り、Connectで現場の実行とか制御とか製造試験を押さえる。つまり試験後のレビューのSaaSだけでは終わらずにですね、試験そのものの実行層に降りていく、そうした戦略を取っているというのがいいのかなと。

あとはデュアルユース性のある防衛とか航空とかいうところをやってるというのも戦略として大きなところ、日本で真似できるか分かりませんけれども、かなという風に思いますと。デュアルユースの特にハードプログラム系ですね。そうした基準が高いところを先に取って、そこからですね、その学びを生かして他のエネルギー業界とか製造業界に広げていくというようなところをやろうとしているみたいです。防衛にお金がついているというところも大きな流れとしてアメリカではあるのかもしれないなと思いますし、仮にこの防衛の流れとかがなくなったとしても、彼らとしてはミッションクリティカルなエネルギーであるとか、あるいは製造系に行けますよというのを見せられるっていうところは、投資家観点でも非常に強いところかなと思いますので、本当にこれが成功するとですね、ハードウェアに関するデータサプライチェーンをモダナイズ、現代化する企業という形になっていくと。で、AIはその後、まずは構造化データとかトレーサビリティを押さえて、そこにAIの価値を載せていくという順番でAIを活用していくというようなところなのかなと思いますね。

今はフェーズ1とフェーズ2の間ぐらいなんですかね。どの辺りに今はいるような段階なんでしょうか?

そうですね。フェーズ2の自動化・拡販というところに入ってきているようです。CoreとConnectに関しては、実際にWebページとかもできていて、稼働しているようですし、多くの顧客でですね、R&Dから量産とか運用への横展開が進んでいるという風に言われています。

フェーズ3ではその製造ラインの監視基盤を目指していくってところなんですが、テスト環境のツールからそのまま応用できるようなものなんでしょうか?

そうですね。R&Dテストで構築した検証ロジック、ルールとか閾値とか、それをそのまま製造時の品質検査とか運用時の監視ルールとして再利用できる、そんな設計になっているから、できるんじゃないかという風に書いてますね。

では、モートと競合のポジショニングの話をしたいと思います。Nominalはですね、全体最適をやっていこうというところですと。局所最適というよりは、全体最適をやっていこうというところが1つ大きな軸としてあるのかなと思ってます。あとは、ハードウェア制御特化とデータコラボレーション基盤という軸を取った時に、彼らはデータコラボレーション基盤を取りに行こうとしていると。つまりクラウドでモダンな全体最適をやっていく、かつデータコラボレーション基盤を提供していくと、そうしたポジショニングを取りに行こうとしているのかなと思いますと。で、特に従来のレガシーに関してはハードウェア制御に特化した局所最適なところにかなり留まっていて、競合としてShiftっていう、日本のシフトじゃないんですが、Shiftっていうようなツールがあったりするんですが、そうしたところに近いですね、クラウドモダンなところをやっていこうというところですと。実際にですね、ただそれをやっていこうとするとですね、間接的な最大の敵は、SaaSでよくあるんですが、内製ツールとか現場のExcel、これがやはり彼らの最大の競合になってくるのかなと思います。従来のやり方を変えられるかどうか、特にSpaceXとかのようなトップ企業では内製ツールを作ってやっていますし、一方で中小に関してはExcelみたいなものを使って既存のワークフローがあるので、これをどう置き換えていけるのかっていうところが実際の競合なのかなと思います。

で、彼らの差別化要素、モートとしてはですね、まずは1個、セキュアな、防衛に対応する環境対応をしているというところが1つ。もう1つがテレメトリとか動画とかとの完全な時系列同期。そしてそれがマルチモーダルで対応できているというところが1つ。エッジの実行能力がある。Pythonファーストのテスト自動化、あるいはエッジ実行能力というものがありますと。そして信頼性ですね。ディフェンスグレードなトラストがある。ミッションクリティカルな実績がありますよと。そしてR&Dから運用まで一貫するロジックを再利用できる。その一貫する検証インフラを提供できるというのが、大きなモートになっていくのではないかという風に言われています。

間接的な最大の敵が内製ツールっていうのは確かになと思ったんですけど、そこに勝てるような理由ってあるんでしょうか?

そうですね。SpaceXみたいな資金力のある企業は内製できますし、それが競争優位になっていくと思いますが、多くの企業はそうしたリソースがないですし、そういう研究開発もそこまでやってないのかなと思います。Nominalはそういう意味で、内製以上のモダンな基盤というものをSaaSとして提供できるというのが大きなポイントになってくるのかなと思います。SpaceXとかテスラとかに関しては内部ツールがあるのかなとは思いますが、今後もしかしたらフィジカルAIでいろんな多くの新規参入企業が入ってくるかもしれません。そうした企業はおそらく作れないかと思いますので、この辺りを取りに行くというのが1つ彼らのやろうとしているところかなと思いますね。

モートのところでセキュアな配備っていうのも挙げられていたんですが、これって具体的にどういうような環境に対応したようなものなんでしょうか?

よくある話だと思いますが、いわゆるエアギャップ環境と言いますか、外部ネットワークから物理的に隔離された環境が非常に大事で、そこで試験が行われることが多くて、特に防衛とか重要インフラのテストでは、これが必須のセキュリティ要件になっていくと。で、クラウドのSaaSでありながらこれに対応できるっていうところが、なかなか今現状はないので、そこがモートになっているというのが1つあるのかなと思いますね。

あとは、競争に関して言うと、どのレイヤーを上にするかで分かれるのかなと思ってますと。シーメンスとかは解析とか試験実行のレイヤーで頑張っていますし、dSPACEというところはヒューマン・イン・ザ・ループ、Shiftはオブザーバビリティ、Levelはコントロールとかテストというところをやっていて、Nominalは一方でデータレイヤーとエッジオートメーションを取ろうとしていて、この入り方とかやり方もすごく違うのかなと思いますし、で、このデプロイの要件というところに関しては、やはり普通の製造とかエネルギーから入るのか、防衛から入るのかによってその要件が変わってくるので、この入り方によって、どういうモートを作ろうとしてるのか、何を作ろうとしてるのか結構変わってくるのかなと思います。一方で、Shiftもですね、オンプレミスでプライベートクラウドで、ガバメントクラウドみたいなところの対応を打ち出していたりするので、ここをですね、どういうところがどういう風に入っていこうとしてるのか、というところを皆さんどう見てるのかなとか、どういう風に入ろうとしてるのかなとかいうのを見ていくと面白いのかなと思います。

本当にいわゆる、このNominalで言うとNominal CoreとNominal Connectがあったと思いますが、Nominal Coreの側から入ろうとしてるのか、Nominal Connectから入ろうとしてるのか。Coreから入ろうとしてるのはShiftっていうところが他のスタートアップとしてあって、Connectの方から入ろうとしているのは、Levelという他のスタートアップがあってみたいな。で、その2つを一緒にやっていくのが、この今回のNominalみたいなところで、本当に入り方が色々と違うなという風に思いますし、他にもApplied Intuitionみたいなところに関してはどっちかというとビークルオートノミーみたいな感じの、そこに特化しているみたいなところがあったりして、結構違うと。Applied Intuitionはそのビークルとかオートノミーというところの特化が強いので、ディフェンスにはなかなか入ってこれないんじゃないかみたいな、シリアスハードウェアはちょっとまだ遠いんじゃないかみたいなところとかもあって、結構皆さん入り方が違うとか、どこに入っていてどこにエキスパンドしていこうとしてるのかが違うなっていうのは見てて面白いところでしたね。

ということで参入戦略に関するお話です。Nominalはですね、先ほど少し触れましたがScoutというツールから入っていったと。本当に小さなペインですね。局所のペインに特化してそこに入っていったという風に言われています。複雑なハードウェア制御とかを最終的にはやっていきたいんですが、そこは後に回して、まずはCSVのテレメトリをブラウザで即座に時系列表示とかリンク共有する機能から始めていったと。で、そこをまず取って、そこのペインを解消していく。そしてそのために初期ターゲットは急成長中の防衛とか航空宇宙企業のテスト評価エンジニアに絞っていったと。で、解決したミクロな課題は、フライト後の数時間、5〜6時間に及ぶ、CSVデータと動画の手作業での突き合わせ作業というところで、これをですね、数時間から本当に30分とかに激減したことで圧倒的なROIを証明して、PMFを立証したというところが1つあったのかなという風に思います。ある意味創業者のドメイン知識を生かしてですね、どこがペインポイントで、そのペインポイントから入ればどういう風に拡大していけるのか、これをちゃんと考えながらやっていったっていうのが、このMVPの作り方だったのかなと思います。

最初はハードウェアの制御まではやらなかったんですね。

そうですね、やっぱり制御は導入ハードルが高くて、リスクも大きいというところがあって、まずは安全かつ最もペインが顕在化しているこのテスト後のデータレビューというところに絞って作ったという風に考えられていますね。

その後作ったものもすごくシンプルなものだったかと思うんですけど、すごく喜ばれるとか、受け入れられた理由はどの辺りなんでしょうか?

そうですね。やっぱりハードウェアのテレメトリーって、すごいペタバイト級になっていくということがあって、毎秒数メガ、ギガみたいな感じでデータが作られてしまうので、それをですね、同じ時間軸に揃えて、かつブラウザ上でチーム全員が同時に見られる仕組み、これが結構画期的だったという風に言われてますね。で、もしこれをローカルでやろうとすると本当に結構な処理時間になってしまうというところもあると思いますので、実は大変なところみたいなところを見つけてそれを解決したというのが大きかったのかなと思います。

そのドメイン知識があったってことなんですが、創業チーム自身もそういったバックグラウンドを持っていらっしゃったんですか？

ですね。創業チームがですね、防衛とか航空宇宙業界の出身で、顧客のペインとしてそれを熟知していたので、ドメイン知識を生かして割とトップダウンで導入を進めたという風にも言われてますね。

じゃ、実際にこの皆さんのドメイン知識という話をさせていただこうと思います。創業チームは本当にファウンダーマーケットフィットをしてるチームですと。CEOのキャメロンさんという方はですね、元々海軍出身かつAnduril出身で、ドメイン知識をすごく持っている人ですと。一方ジェイソンさんという方はPalantir出身、そしてブライスさんという方はロッキード・マーティン出身みたいな感じで、本当にこの領域で戦ってきた人ですし、キャメロンさんとブライスさんに関してはですね、ハーバードビジネススクールで出会っているというところで、本当にビジネス側も知っているし、ハードウェアの現場側も知っている方だという風に言われています。

キャメロンさんの方はMIT卒業後に海軍に行って8年間勤務して、その後Andurilに行って、さらにですね、その後Applied Intuitionみたいな、さっき言った競合に近いところにもいたりとか、Lux Capitalにもいたりとかするような、本当に工学系出身、海軍の現場も知ってる、そしてスタートアップにも通じてるし、投資家も知ってるみたいな方がCEOで中核的な人材になってるというので、非常に強いなというところだったりします。

あとジェイソンさんに関しては、バーセルとかにもいらっしゃって、クラウド基盤とかの経験もしている、データ基盤とかソフトウェアアーキテクチャーとかも作っているということで、そのソフト側もよく知っているという人もいるというのが非常に面白いチームだなと思いますね。

この着想なんですが、これはこのCEOの方が元々経験したものをそのまま使うというか、事業化したような感じなんでしょうか？

みたいですね。ご自身が現場で苦しんだ課題、そのExcelとか自作スクリプトでデータ整理をしているみたいなところを1回抽象化して、業界全体のインフラとして解決していこうとしたのが今回の出発点になっているという風にも言われています。

Palantirの出身の方がいるのも強いなと思うんですけど、どういう風に生かされるんですかね？

そうですね。まずは1個目がそのデータの扱い、機密性が高い大規模なデータを扱う方法とか、データ基盤のアーキテクチャ設計のあたりが、1つ技術的にも強い、知見が生かせるというところと、もう1個はやっぱエンタープライズへの導入支援、Go-to-Marketですね、そのノウハウを持っているというところで、フォワードデプロイドエンジニアみたいなところもPalantirはやってますし、多分このNominalもやろうとしてるのかなと思いますが、そうしたところのGo-to-Marketのノウハウがあるというのが大きな強みになってくるかなと思います。

いや、なかなかこういうのは本当に日本で真似はできないところだなと思いますね。これは本当にソフトウェア開発力とかハードウェアを知っているだけではなく、ミッションクリティカルの現場の言語をちゃんと理解して、ちゃんとそこで話せる、顧客と対等に話せるというのが非常に強い1つのポイントになってるのかなと思います。

で、彼らはですね、最初どういうことをやっていこうとしたのかというところが1つありますと。彼らの最大の学びは「Physics gets a vote」みたいなことを言っていて、物理現象には逆らえないということだそうですと。AI時代においても仮想環境でのシミュレーションだけでは不十分で、やっぱりAI時代においてもですね、物理世界からのリアルなフィードバックデータとモデル、これを継続的に突き合わせていく基盤が不可欠であるということが彼らの本質的な気づきだという風に言われています。

で、初期はクラウド上の分析、Coreと言われている方ですね、SaaS側のところに特化していたんですが、ちょっとピボットしたと言いますか、現場からはテストそのものの制御という強い要望を受けて、エッジ側の実行環境、Connect側の開発にかなり投資を加速したということが言われています。そしてその結果、顧客企業内で圧倒的なROIとか口コミで広がって、誰もが使ってるインフラに、その顧客内で広がっていったという風なことが言われていて、わずか10ヶ月でシリーズBからその次のラウンドに到達する急成長みたいなことを成し遂げたと言われています。

そのピボットの背景で、Connect側の開発が必要になった理由はどういったところなんでしょうか？

1つが、クラウドでの事後分析だけではなくですね、テスト現場でリアルタイムに機器を制御して、異常があれば即座に停止するみたいな、そうした仕組みがないと検証の高速化ができないというのがあったからだそうですね。

口コミで広がるのもなかなかすごいなと思うんですけど、その分ものすごくお客様に受け入れられたということなんでしょうか？

みたいですね。やっぱりそのレビュー時間が数時間から数十分に短縮されるみたいな結果はすごく明白で、やっぱこれはすごく大きなペインだったので、それがですね、解決されたということで、協力会社とか他のプログラムのチームにもNominalが紹介されて、自然に口コミでユーザーが拡大したということで、いわゆる10Xと言いますか、10倍をちゃんとやれば本当に口コミになるんだなっていうような話かなと思います。

じゃ、そうした資金調達の話が出たので、お話をしたいと思います。彼らはシードの7.5ミリオンの調達から始まって、シリーズAで20、シリーズBで75ミリオン。これがSequoia主導。シリーズB-2ということで、Founders Fundが主導して80ミリオンを調達したという風に言われています。本当にSequoiaとかFounders FundみたいなトップのVCが主導していて、市場からの期待の高さが伺えるのかなと思ってます。前年比売上も7倍ぐらいになっているということで、導入組織数も60以上、従業員は135名になってると。今後220名の体制に拡大していく予定だという風に言われています。マーケットシェアとしては、世界のトップ5の防衛元請けのうち4社が既に導入済みということで、本当に標準インフラに近づいてきていると。そして今後ですね、SBIRとかSTTRを通じた政府補助の獲得を経て、デュアルユースの戦略を効率的に推進していこうということが考えられてるみたいです。

そのシリーズBからシリーズB-2までの期間が結構短いということなんですが、それはどういう理由なんでしょうか？

Founders Fundの方からですね、実はその追加投資、プリエンプティブと言われてるような、こっちも求めてないけど投資側からオファーがあるみたいなことが起こって、それがですね、調達を前倒ししたという風なきっかけになったみたいです。その分本当に成長のモメンタムがすごい強かったみたいですね。

こうしたすごく成長しているスタートアップでもあるというところですが、一方で、もしかしたらいろんな課題もあるのかなと思っていて、防衛とか航空とかから入ろうとしていますが、実際にこの防衛とか航空から、今後エネルギーとか製造であるとかいうところに同じ基盤で提供していけるのかというところが、やや難しいところがあるのかもしれないなと思ってますと。本当に同じ基盤で扱えるなら広がっていくTAMがどんどん大きくなっていきますが、実際には要求が分かれやすいと言いますか、変わりやすいところでもあるので、そこは少しもしかしたら割り引いて見るところがあるかもしれないなと思ってますと。あとは、防衛というものはすごくペインが強くて予算もつきやすいアメリカでは良い一方で、非防衛の顧客に関しては、プロキュアメントとかデータ共有であるとか、ブランドの受け止め方が少し異なるかなという風に思っていて、これに関してどういう風に受け止められるのか、本当に広がっていくのかというところが、ちょっと今後のNominalの課題になっていくのかもしれないなと。とはいえ、直近すごくトラクションが大きいというのは間違いないというところが言えるかと思います。

では日本市場での応用というところですが、どういう風に応用できるのかAIに考えてもらいました。3つ案が出てきていますと。1つが自動車とかモビリティ特化、いわゆる日本における大きな市場ですね、自動車とかに特化していくのがいいんじゃないかというのが1つですと。ただ一方で導入の障壁、レガシーの壁が非常に厚いとか、あるいは内製してるところもあったりすると思いますので、そうした既存の垂直統合モデルをどう崩すかが課題になってくるかもしれないなと思いますと。

で、案Bとしては、今後増えてくるかもしれないロボティクスとかというところで、市場性は未知数ですが大きいかもしれないというところが1つありますと。Nominalが手薄なアジアの製造業の量産ラインであるとか、現場の保全とかいうところに特化していく戦略というのは1つあるのかもしれないなと思います。

そして案Cとしてはですね、宇宙とかエネルギーですね。日本における防衛はなかなか難しいところもあるので、そうではなく宇宙とか実態エネルギーというところが狙えるんじゃないかと。これは成長中だが局所的な市場性があるというところで、ちょっとですね、単価が高く失敗コストが甚大なところもあって、ちょっとどこまで入れるのか、あるいは機密性が高くて導入障壁も高いというところで、難しいところがあるのかなという風には思いますというところです。

逆に日本発で勝つっていうようなこと、Nominalに勝つようなことっていうのはどういう可能性があるんですか？

そうですね。やっぱり米国は防衛とか宇宙とか、そこに予算がついてそこから入っていくみたいな戦い方ができますが、日本はやっぱりそこではなく、日本の強みである製造業の現場とかにまずは特化してそこから入っていって、そこから広めていく、あるいは独自のシステム・オブ・レコードを築いていく、そしてOpsに拡張していくみたいなところとかをやっていくっていうのが勝ち筋と言いますか、やっぱ日本のそのマザーマーケットの強みを生かしていくというのが1つあるのかなと思いました。

で、最後まとめになります。Nominalの事例から得られる3つの実践インサイトというところのポイントをまとめていますと。1つがミクロのペインから始めること。壮大なビジョンを持ってもですね、まずはその足元のミクロのペイン、すごく強烈なペインから始めていく。今回Nominalはレビュー作業の時間短縮というところから始めていますと。で、そこから始めることによって最終的に大きなマーケットを取っていく、これができるかどうかっていう絵姿を描けているかどうかが重要なのかなと思いますと。2つ目がドメイン知識を武器にしていくこと。顧客と同じ言語で語れる、そうした組織を作ることが初期の信頼の獲得に繋がっていくのかなと思います。そして3つ目がデータの一貫性がAIを生かすという点ですね。まだデータが十分に構造化されていないところに関しては、AIを入れようとしてもなかなか、AIを入れることはできますが、多分ですね、うまく生かせませんと。だからこそ今フィジカルAIの時代において、実は真のモートとなるのはその物理データの蓄積、そして構造化、そして再利用の仕組みではないかということで、そうした基盤を整えていくところにこそあるのかなという風に思いました。是非皆さんもですね、こうしたNominalの方法論あるいは戦略というものをうまく活用して、アクションプランとしては例えば、そうした分断されたデータフローとかフィジカル系の課題であるとかっていうのを探して、そこから入っていってどう大きくしていけるのかというのをきちんと考えていく。そして最終的にインフラを作っていくみたいなところまで、圧倒的な速度でやっていくっていうところを考えていただけると、もしかしたら新しいアイデアというものが生まれてくるかもしれないなと思った次第です。ということで今日はNominalを紹介しました。スタッフの皆さん、どうでしたかね。

そうですね。一見ハードウェアのテストってなかなか思いつかないんですけど、そこがかなりネックになっているっていうところが面白いのと、あとそれがその前職の経験に基づいて出てくるっていうのが面白いとか、そこが素晴らしいなという風に思いました。

そうですね。やっぱり前職の経験とかをうまく生かせるといいなと思いますし、基盤的な産業をうまく生かして、大きく海外に行くスタートアップというのを増やしていければなという風にも思った1つの事例かなと思います。あとは個人的にやっぱ壮大なビジョンとそのミクロのペインっていうところ、これを両方、CSVみたいなすごい細かいところも含めてですね、持ちながら、そこから入ってくことで最後大きなビジョンに繋がっていくみたいな、そうした考え方は非常に学びが多い事例だったかなという風に思います。ということで、今日はこちらで終了したいと思います。FoundX Review Startup IdeaCastでは、今後も皆さんの相手のために最新のスタートアップの紹介をしていきたいと思います。ご興味のある方は是非チャンネル登録の方お願いします。ではまた次回よろしくお願いします。今日もありがとうございました。

ありがとうございました。