【評価額17億ドル】Exeinが2.7億ドル調達！eBPFで守るPhysical AIセキュリティ

IoTやエッジデバイスの普及に伴い、「物理世界で動作するAI（Physical AI）」のセキュリティ保護が急務となっています。組込みセキュリティのパイオニアであるExein（エクセイン）社は、2026年9月15日に2億7000万米ドルの資金調達を実施し、評価額17億米ドル（ユニコーン企業）に達したことを発表しました。

単なる資金調達のニュースにとどまらず、同社が推進するカーネルレベルのリアルタイム防御機構およびデバイス動作テレメトリに基づく専用Foundation Modelの技術的アプローチについて、背景・競合比較・導入実績・開発インパクトまで多角的に深掘りして解説します。

1. Exein 会社概要

Exeinは、イタリア・ローマに本社を置くディープテック・セキュリティ企業です。デバイスのファームウェアおよびカーネル層に直接セキュリティを組み込む「デジタル免疫システム」のパイオニアとして知られています。

項目	詳細
会社名	Exein SpA
設立	2018年
創業者 & CEO	Gianni Cuozzo（ジャンニ・クオッツォ）
本社所在地	イタリア・ローマ（Rome, Italy）
主要拠点	米国（ベイエリア）、ドイツ、台湾（APAC本社）、日本（2026年Q4開設予定）、韓国（2027年予定）
評価額 / 調達額	評価額 17億米ドル（$1.7B） / 累計調達額約4億9500万米ドル（~$495M）
保護対象規模	世界中で20億台以上の接続デバイス（産業用機器、車載、航空宇宙、医療機器など）
主なエコシステムパートナー	MediaTek, ARM, NVIDIA, AWS, Lattice Semiconductor, SECO

2. Physical AI時代のセキュリティ：何が従来のクラウドセキュリティと異なるのか？

クラウドやサーバーにおけるセキュリティ脅威（データ流出やサービス停止）に対し、自動運転車、産業用ロボット、ドローン、医療機器といった「Physical AI」に対する攻撃は現実世界での物理的な損害を引き起こします。2026年9月15日のExeinの公式発表においても、同社ネットワーク内で検知される新規・非反復攻撃は週5,000件（前年比5倍）に急増しており、攻撃自体のAI化・自動化が急速に進行しています。

パッチ適用ウィンドウの無効化（零遅延攻撃）: AIフロンティアモデルの進化により、攻撃の自動化・高速化が進んでいます。従来の「脆弱性発見 → パッチ作成 → 配信」というサイクルでは対応が不可能です。
マシンタイムでの防御（Machine-Speed Defense）: 人間の手による介入や、クラウドベースの解析結果を待つ検知（数ミリ秒〜数秒のレイテンシ）では、事故を回避できません。
リソース制約とリアルタイム性: 組込みシステム（MCUやSoC）上では、従来の重厚なEDR（Endpoint Detection and Response）エージェントを動かすオーバーヘッド（CPU/RAM消費）が許容されません。

3. Exeinのコア技術アーキテクチャ

Exeinのプラットフォームは、組込みカーネルの低レイヤー技術と、エッジ特化のAIアーキテクチャで構成されています。

① カーネルレベルの先行防御アーキテクチャ「Photon」

今年発表された同社の核心技術Photonは、Linuxカーネル領域（Kernel Space）で直接動作するリアルタイム防御エンジンです。

メモリ安全と低オーバーヘッド: Rust等の安全な言語基盤やeBPF（eBPF LSM）を活用し、カーネルの安定性を損なわずにシステムコールレベルでの不正実行（シェルコード実行、権限昇格、不正ファイル書き込み等）をブロックします。
決定論的セーフティ: シグネチャのマッチングではなく、システムのプロセスの正常な挙動の逸脱（Anomalous Syscalls）を検知し、悪意ある命令が実行される直前（Preemptive）にカーネル空間で処理をインターセプト（SIGKILL等）します。

② 20億台のデバイスデータで学習する「Physical AI向け独自Foundation Model」

Exeinの真の強みは、グローバルに導入された20億台以上の機器から収集された2年分に及ぶ動作テレメトリデータ（Machine Telemetry）にあります。

自然言語ではなく「機械の挙動」を学習: テキストデータを学習したLLMとは異なり、CPU・メモリ・I/O・システムコールの時系列データや挙動パターンを学習したセキュリティ専用の基盤モデルを構築。
自律型セキュリティエージェント（Autonomous Security Agents）:
- 2026年末: Agentic Security Architectureの出荷を開始
- 2027年Q1: 初のセキュリティ専用LLM/Foundation Modelをリリース予定

このエージェントは、クラウドとの通信が途絶したオフライン環境であっても、機器単体で未未知のゼロデイ攻撃をローカルで推論・防御可能とします。

4. 競合比較（IoT/OT & ネットワーク型セキュリティ vs Exein）

既存のIoT/OTセキュリティベンダーの多くは「ネットワークミラーリング（パッシブ監視）」または「脆弱性管理（静的解析）」に焦点を当てていますが、Exeinはファームウェア/カーネル内部で直接動作するアクティブな即時防御（Runtime Execution Protection）に特化しています。

比較項目	Palo Alto / Microsoft Defender for IoT / Armis	従来の組み込み型アンチウイルス/EDR	Exein (Photon / Runtime)
保護レイヤー	ネットワークトラフィック / ポート監視	ユーザー空間（User Space）プロセス	カーネル空間（Kernel Space / eBPF）
攻撃防御手法	アラート発報・ネットワーク隔離	シグネチャマッチング・ファイルスキャン	システムコールレベルでの即時殺傷（Preemptive Kill）
フットプリント	機器側はエージェントレス（監視アプライアンス）	高い（CPU/RAMを数％〜数10%消費）	極小（Sub-1% CPU / 数MB RAM）
オフライン動作	クラウド / 境界ネットワーク依存	定期的なシグネチャ更新が必要	オンデバイス自律防御（Foundation Model）
組込み開発親和性	開発ライフサイクル外（ネットワーク配備）	組み込み難易度が高い	Yocto / Buildroot ネイティブ統合

5. 導入事例・主要パートナーシップ

Exeinのアーキテクチャは、SoCベンダーや産業機器メーカーのサプライチェーンに直接組み込まれています。

MediaTek (Genio Platform):

MediaTekのエッジAI向けチップセット「Genio」シリーズ（MediaTek Genio 24.1 リリース以降）にExein Runtimeが組み込み向けセキュリティソリューションとして公式統合されています。

LILIN (Global Video Surveillance):

監視カメラ大手のLILIN社との提携により、IPカメラのファームウェアカーネルへ直接配置。ネットワークカメラをターゲットにしたBotnet（Mirai変種等）やゼロデイ攻撃の実行を現場レベルで即座に遮断し、欧州CRA規格対応を加速させています。

産業用PC・半導体・車載プラットフォーム:

産業用ロボット、スマートグリッド（電力網）、鉄道・医療用機器などのミッションクリティカルなハードウェアにおいて、20億台を超える運用実績を獲得しています。

6. 日本市場（APAC）への展開とエンジニアへのインパクト

今回の調達資金の用途には、米国およびAPAC（アジア太平洋地域）での拡大が含まれています。特に日本法人の開設（2026年Q4予定）および韓国オフィス開設がロードマップに明記されています。

対象業界: 半導体、自動車（Connected / Autonomous Car）、産業用ロボティクス、医療機器、スマートインフラ。
欧州Cyber Resilience Act（CRA）への対応: 2027年に向けて欧州で施行される「サイバーレジリエンス法（CRA）」により、組込み機器への「By Design」でのセキュリティ組み込みが義務化されます。Photonのような軽量カーネルセキュリティのデファクト化が進むと考えられます。

7. エンジニア視点でのまとめと考察：組込み・カーネル・AIエンジニアが直面する3つの技術的転換

Physical AIの台頭とExeinの$2.7B規模の巨額調達は、単なる組込みセキュリティ市場の拡大にとどまりません。これは、「システムプログラミング」「AI/MLOps」「規制・標準化」の3領域がカーネルレイヤーで不可分に統合され始めたことを意味しています。

エンジニア視点から導き出される重要な構造的変化と考察は以下の3点に集約されます。

① 「事後検知（Detection）」から「カーネル内先行遮断（Preemption）」への移行

AIを活用した攻撃の自動化（Machine-Speed Attacks）により、攻撃ブレイクアウト時間（侵入から横展開までの時間）は従来の「時間単位」から「秒・ミリ秒単位」へ縮小しました。これにより、ログ解析やアプライアンス連携といった従来の検知型（Reactive）手法は決定的に形骸化しています。

eBPF LSMによる決定論的制御: Photonのような技術は、eBPF LSM (Linux Security Module) フックを活用することで、悪意あるコードの実行（システムコール発行）が発生したその瞬間に、ミリ秒未満（Sub-millisecond）でカーネル内で直接プロセスをインターセプト・拒否します。
物理セーフティを担保する選択的遮断: クラウドサーバーと異なり、ロボットや車載システムは脅威検知時に「システム全体を再起動・停止」することが許されません。カーネルレベルで特定の悪意ある実行パスのみを殺傷（SIGKILL）し、他の正常な制御プロセスを稼働し続けるアーキテクチャが標準となります。

② クラウド分離に耐えうる「オンデバイス軽量基盤モデル」の重要性

これまでのセキュリティMLモデルはクラウド側で大規模に運用するのが常識でした。しかし、自律走行車やスマートグリッドなどのPhysical AI環境は、ネットワークの瞬断やエアギャップ（閉域網）運用が前提となります。

テレメトリベースの時系列推論: Exeinが構築するFoundation Modelは、テキストではなく「時系列のシステムコール・メモリ割り当て・I/Oアクセス・プロセストラフィック」を学習データとします。
エッジ推論のブレイクスルー: 2026年〜2027年にかけて実用化されるAgentic Security（自律型セキュリティエージェント）は、数MB〜数10MB程度に最適化されたモデルがエッジSoC上で稼働し、オフライン環境下であっても未知のゼロデイ攻撃のパターンを自己診断・遮断する時代へシフトします。

③ 法規制（EU CRA等）が強制する「By Design」への開発プロセス変革

2027年に全面施行される欧州サイバーレジリエンス法（CRA）を筆頭に、グローバルでの組込み機器セキュリティ基準は厳格化の一途を辿っています。これにより、ファームウェア開発のタイムラインそのものが再定義されつつあります。

サプライチェーンのシフトリフト: 「製品完成後にサードパーティのEDRを載せる」「ファームウェア完成後にペンテストを行う」というアプローチは、リソースの限られた組込みシステムでは不可能です。
ビルドシステム（Yocto/Buildroot）への統合: 初期設計段階（Design Phase）からカーネル組み込み型のセキュリティモジュールをYoctoのレシピやBuildrootの構成として落とし込み、継続的CI/CDパイプラインの中でセキュリティをテスト・保証する開発プロセスが全組込みエンジニアに求められます。

総括:

Physical AI時代における組込みシステムの開発は、「機能（Control Loop）を動かすコードを書く」だけでなく、「カーネル空間でのゼロトラスト環境をいかに軽量に維持するか」が製品性能そのものを左右する時代に入りました。Rust/eBPFによるシステムプログラミング、組込みLinuxカーネルのカスタマイズ、そしてオンデバイスMLモデルの活用技術は、今後のハイクラス組込みエンジニアにとって不可欠なコアスキルセットとなります。

Exeinが17億ドル評価で2.7億ドル調達｜Physical AIセキュリティのアーキテクチャと技術的背景を解説

1. Exein 会社概要

2. Physical AI時代のセキュリティ：何が従来のクラウドセキュリティと異なるのか？