ドライブネッツ、4億1000万ドルのシリーズD資金調達を実施 - 大規模AI導入でのイーサネット・ファブリック需要の急増に対応

イスラエル・ラーナナ：2026 年 6 月 1 日： 大規模ネットワーキングソリューションのリーダーであるドライブネッツは本日、4 億 1,000 万ドルのシリーズ D 資金調達ラウンドを完了し、累計調達額が 10 億ドルに達したと発表しました。2025 年以降キャッシュフロープラスを維持し、10 億ドル超の確定済みビジネスを抱える同社は、今回の追加資金を活用して、拡大する AI ファブリック需要に対応するための在庫拡充と、異種混合型 AI インフラソリューションの拡大を進めます。今回の資金調達ラウンドは Bessemer Venture Partners と Atreides Management が主導しました。新規投資家として AMD および Red Dot Capital が参加し、既存投資家の Pitango と D1 Capital Partners も引き続き出資しました。

創業から 10 年の間に、ドライブネッツのネットワーク・クラウドは世界有数の大規模な通信事業者における基幹ネットワークとして採用されてきました。同じエンジニアリング基盤の上に構築されたドライブネッツのイーサネット・ベース AI ファブリックは、基盤モデル研究機関、ハイパースケーラー、ネオクラウド企業、大企業などによる最大規模の AI インフラを支えています。現在、同社は AMD、Broadcom など主要 AI ベンダーと協力し、マルチベンダー AI 環境におけるネットワーキングとコンピュートの統合をさらに強化しています。これにより、クラスター性能と GPU 利用率を最大化し、トークン経済性を大幅に向上させることを目指しています。また、Dell、Supermicro などのシステムパートナーとも Go-to-Market 活動で提携しています。

## SPからハイパースケーラーまであらゆるユースケース・規模に対応可能なドライブネッツネットワーク OS (DNOS)

ドライブネッツの最高経営責任者兼共同創業者である Ido Susan は次のように述べています。「今回の資金調達は、急増する大規模 AI インフラ需要に対応するため、当社をさらに拡大する上で重要な節目となります。現在、世界で最も高価な遊休資産は、ネットワーク待ち状態の GPU です。当社は 10 年にわたる高性能ネットワーキングの専門知識を活用し、お客様がより高い利用率を実現し、ワークロード当たりのコストを削減し、選択する AI アクセラレーターを問わず効率的に AI 運用を拡張できるよう支援しています」

また、AMD の AI 担当シニアバイスプレジデントである Vamsi Boppana は次のように述べています。「AI インフラは、コンピュート、ネットワーキング、ソフトウェアが一体となって拡張する、オープンで統合されたシステムの新時代へと移行しています。ドライブネッツのシリーズ D への支援は、AMD Instinct アクセラレーターとドライブネッツの高性能ファブリックを活用し、オープンかつ標準ベースの AI データセンターにおいて AI ワークロードを効率的に拡張するという共通の取り組みを反映しています」

## 最も高価な遊休資産問題への対応 ― ネットワーク待ち状態の GPU

ドライブネッツ社の AI ファブリックソリューションは、標準イーサネットをベースとしており、スケールアップ、スケールアウト、スケールアクロスの各アーキテクチャに加え、大規模 AI クラスター向けのフロントエンドおよびストレージ接続をサポートしています。これらのソリューションは、現在の AI インフラにおける二つの根本的な制約に対応します。第一に、ネットワークのボトルネックや信頼性の課題により、大規模 GPU クラスターがピーク効率で稼働できていないこと。第二に、特にマルチベンダー環境において、クラスターの立ち上げに時間がかかり（「Idle CapEx（遊休設備投資）」）、GPU 資産が十分に活用されていないことです。

ドライブネッツ社の高性能 AI ファブリックは、集団通信ライブラリ、トランスポートプロトコル、NIC、ネットワークファブリック、システムレベルのオーケストレーションを含む AI スタック全体にわたるエンドツーエンドのネットワーク最適化を実施することで、ネットワークのボトルネックを解消します。これらの最適化の一部は、主要な AI アクセラレータベンダーとの協業により開発されており、最近公開された AMD とドライブネッツ社をベースにしたクラスター向け検証済みリファレンスアーキテクチャでは、GPU 利用率の最大化、トークン当たりコストの削減、迅速な導入、そして効率的なエンドツーエンドの最適化が実現されています。