Ailyticsが740万ドル調達｜セーフィー出資の現場特化型AIを解説

シンガポール発の現場特化型ビジョンAIスタートアップ「Ailytics」は、シリーズAラウンドで740万米ドル（約11億円）の資金調達を実施したことを発表しました（2026年10月26日付発表）。本ラウンドにはリード投資家のTin Men Capitalに加え、日本のクラウド録画サービス大手セーフィー（Safie）や国内大手ゼネコンが参画しています。

汎用AIや大規模基底モデルへの注目が集まる中、なぜ日本の産業界はAilyticsの現場特化型AIを高く評価し、出資・提携に踏み切ったのでしょうか。本稿では、エンジニアリングおよび業界構造の視点からその背景を紐解きます。

1. プレスリリース要約

発表日: 2026年10月26日
調達ラウンド: シリーズA（総額740万米ドル、募集枠超過のオーバーサブスクライブ）
リード投資家: Tin Men Capital（シンガポール、B2B/フロンティアテック特化VC）
主な共同投資家: SG Growth Capital / SEEDS Capital（シンガポール政府系）、セーフィー（Safie）、日本の大手建設会社（1社）、ファミリーオフィス等
事業実績: 15カ国・400件以上の現場展開、重大労災指標（TRIR）を最大73%削減、安全不適合件数を84%削減、顧客解約率（Churn Rate）1%未満
調達資金の使途: 独自ドメイン特化モデル（SLM/VLM）の開発、エッジ〜クラウド推論コストの低減、日本・米国・オーストラリア・湾岸諸国（GCC）における現地チームの体制強化

2. 競合・既存技術とのアーキテクチャ比較

現場の安全監視・動線解析市場には複数のアプローチが存在しますが、Ailyticsは「推論コスト」「導入ハードル」「誤検知耐性」のトレードオフを実用解に落とし込んでいます。

比較項目	汎用AI / 大規模VLM	センサー特化型（LiDAR/UWB）	一般的なエッジAI監視カメラ	Ailytics（Ailyssa / AilyssaX）
ハードウェア要件	高性能GPUサーバー必須	専用タグ・受光器・配線工事	指定のAIチップ内蔵カメラ	既存のレガシーCCTV（2D単眼）をそのまま利用
空間・距離認識	2Dバウンディングボックス中心（空間深度の推定は脆弱）	高精度な3D点群（ミリ単位）	2Dの閾値侵入判定（平面交差のみ）	単一2Dフィードからの3D空間メトリクス推論（死角・吊り荷下判定）
環境耐性（雨・粉塵・逆光）	ベンチマーク準拠（実環境ノイズでFP急増）	天候・泥汚れによるセンサー遮蔽に弱い	照度変化や雨滴で誤アラートが多発	過去5年・400現場のノイズデータで蒸留・チューニング済み
推論コスト（Token/計算量）	映像フレーム全量送信で莫大なクラウドコスト	端末通信費・バッテリー管理負担	エッジデバイス単価が高額	エッジ側でイベント検知（前後数秒のみ抽出送信）＋軽量モデル
コンテキスト理解	静止画判定に偏りやすい	属性なしの座標データのみ	ルールベースの動線交差判定	AilyssaXによる「作業手順（多段プロセス）」のシーケンス推論

3. 主要な導入実績と現場での定着性

PoC（概念実証）止まりになりやすい産業向けAI領域において、同社は顧客解約率1%未満という高い定着率を維持しています。

グローバル巨大インフラ現場での運用
- シンガポール：チャンギ国際空港ターミナル5建設現場（1,000台以上のカメラ監視）
- イタリア：ローマ・レオナルド・ダ・ヴィンチ国際空港
- インドネシア：PaxOcean造船所、NatSteel（製鉄）
- 物流：DHLの各拠点
日本市場での先行検証・商用展開
- 大林組・JR九州: 工事現場でのパイロット実証を実施。吊り荷直下への侵入や重機近接、保護具未着用などの検知精度を検証し、実効性を確認済み。
- セーフィー連携: 2026年4月のMOU締結を経て、セーフィーのクラウドカメラサービスにプラグイン統合された「Ailytics（SF）」として商用提供が開始。

4. 調達・出資が成功した技術的要因

① レガシー単眼カメラから「3D深度・危険コーン」を復元するMLパイプライン

建設現場で多発する重大事故は「重機の旋回半径への巻き込み」や「クレーン吊り荷の下への侵入」です。これらを検知するには本来3次元の空間座標が必要ですが、Ailyticsは一般的な2D監視カメラの映像から消失点やカメラアングル、既知オブジェクトのスケール比を推定し、擬似的な3D境界ボリューム（バウンディングシリンダーや危険コーン）を動的に生成します。高価なLiDARなどの専用機器を追加することなく、作業員と重機の「実質的な距離」を正確に判定できる点が現場に受け入れられました。

② イベントドリブン型パイプラインによるインフラコストの圧縮

24時間365日の高解像度映像をすべてクラウドAIにストリーミングして推論を実行すると、ネットワーク帯域とGPUコンピュート費用が跳ね上がります。 Ailyticsは軽量な検出レイヤーをエッジ側に配置し、不安全行動が発生した瞬間のみ「インシデント前後5秒間のクリップ」を自動抽出してメタデータとともに通知・蓄積するパイプラインを構築しました。この疎結合な設計により、月額の運用コストを抑えつつ、通信環境が不安定になりがちな屋外現場でも安定した稼働を実現しています。

③ 2024年問題（時間外労働上限規制）に対する「即効性の高いソリューション」

日本の建設業界では時間外労働の上限規制が適用され、現場監督による安全巡回の時間が物理的に不足しています。セーフィーのクラウドカメラは国内大手ゼネコンの現場にすでに広く普及しており、「すでに現場にあるカメラにソフトウェアを載せるだけで、翌週から巡回工数を削減できる」というタイム・トゥ・バリューの短さが、国内ゼネコンやセーフィーの投資判断を後押ししました。

5. エンジニア向け技術FAQ

Q1. なぜ高性能な汎用VLMではなく現場特化型AIが採用されるのか？

建設現場の実環境は、粉塵・雨天・逆光・夜間・フレーム落ちなどノイズが極めて多く、一般的な基底モデルでは誤検知（フォールス・ポジティブ）が頻発します。Ailyticsは過去5年間・400現場以上の過酷な実稼働データを用いてドメイン特化モデルを蒸留・学習させており、劣悪な実環境でも高いロバスト性を発揮できるためです。

Q2. 映像AIを現場導入する際のボトルネックと解決策は？

常時クラウドへ映像をアップロードする場合の「通信帯域の逼迫」と「推論インフラコストの高騰」が最大の壁となります。本システムでは、エッジ側で危険挙動のトリガーを検知した瞬間のみ「前後5秒間の映像クリップ」を切り出してクラウドに転送するイベントドリブン構成を採用し、通信量とGPUリソースを最小化しています。

Q3. セーフィーとAilyticsの連携モデルの強みは？

ハードウェアやネットワークの再構築を避け、国内30大ゼネコンの29社に普及しているセーフィーの既存カメラインフラにAPI経由で推論エンジンを追加できる点です。これにより、数ヶ月を要していた導入リードタイムを最短2週間程度に短縮しています。

6. エンジニア向けまとめ

「モデルの巨大さ」より「実環境ノイズへの耐性」: 学術ベンチマークで高スコアを出す最新VLMよりも、粉塵・逆光・低解像度・フレーム落ちが当たり前の実環境でフォールス・ポジティブを出さないモデルの蒸留・データセット設計が勝敗を分ける。
物理世界×AIのビジネスモデルは「エッジと帯域のトレードオフ」: 現場映像AIをスケールさせる鍵は、クラウドのGPUを回し続けることではなく、「エッジ側でいかにイベントドリブンに間引き、推論パイプラインのユニットエコノミクスを成立させるか」にある。
プラットフォーム＋バーティカルSaaSの勝ち筋: インフラを押さえているプラットフォーマー（セーフィー）と、ドメイン特化型推論エンジン（Ailytics）がAPIレベルで深く結合することで、PoCの壁を超えて一気に実用フェーズへ到達する好例となった。

AilyticsのシリーズAにセーフィーら日本企業が出資した理由とは？現場特化型ビジョンAIの技術アーキテクチャと勝因を解説

1. プレスリリース要約

2. 競合・既存技術とのアーキテクチャ比較

3. 主要な導入実績と現場での定着性