何が起きたか
テキサス州オースティンに拠点を置くHiddenLayerが、シリーズBで1億ドルを調達しました。リード投資家はDelta-v Capitalで、Ten Eleven Ventures、Morgan Stanley、MicrosoftのCVCであるM12、Booz Allen Hamiltonなどが参加しています。3年前のシリーズAは5000万ドルでした。
同社が扱うのは、AIモデル・エージェント・ワークフローを敵対的攻撃や脆弱性、悪意あるコード注入から守るツール群です。共同創業者兼CEOのChris Sestito氏はTechCrunchに対し、年間経常収益（ARR）が過去1年で10倍以上に伸び、現在は「数千万ドル規模」だと述べています。金額は明かしていませんが、成長の90%超が過去1年に契約した新規顧客によるものだという点は注目に値します。
なぜ重要か
3年前のシリーズA時点では、「AIへの実際の攻撃事例」を大規模に特定すること自体が困難でした。それが今、金融サービス業と自社でAI製品を作る大手テック企業が最大の顧客業種となり、米国防総省や情報機関との契約も抱えるまでになっています。顧客の中には「週間ユーザー7億人超のフロンティアモデル提供者」が含まれるとされ、TechCrunchはOpenAIかAnthropicではないかと推測しています。
つまりこの1年で、AIセキュリティは「将来のリスクへの備え」から「予算が付く実需」へと転換したということです。Gartnerの推計する83%増という伸び率は、その転換の速度を示しています。
ピボットではなく「射程の拡張」
興味深いのは、同社が2023年当時とほぼ同じ製品を売っている点です。ディスカバリー、ランタイム保護、攻撃シミュレーション、サプライチェーンセキュリティという4本柱は変わらず、その適用範囲をプロンプトインジェクション、エージェントの乗っ取り、悪意あるツール利用へと広げました。
Sestito氏の言葉を借りれば、「推論は推論でしかない」。従来型の機械学習モデルであれ、生成AIであれ、エージェント型のワークフローであれ、技術の多くはそのまま適用できたといいます。ピボットは不要で、必要だったのは伝統的なモデリングから生成AI、そしてエージェントへとスコープを広げることだった、という整理です。
「AI版EDR」という位置づけ
同社が優先課題に挙げるのがランタイムセキュリティです。Sestito氏はこれを、従来のEDR（エンドポイント検知・対応）のAI版になぞらえています。学習時や導入前の検証だけでなく、稼働中のAIが今この瞬間に何をしているかを監視する、という発想です。
もう一つの軸がサプライチェーン。同社は約50種類のAIファイル形式・フレームワークを解析・スキャンし、特にオープンソース／オープンウェイトのモデルが「名乗っている通りのものか」を検証します。モデルの中に別のモデルが隠されているケースまで検知対象だといいます。外部から重みファイルを持ち込む運用が当たり前になった今、これは現実的な攻撃面です。
誰と競い、誰に飲み込まれうるか
隣接領域ではNomaとZenityがそれぞれ1億ドル超を調達しており、資金の集中が起きています。一方でCisco、Palo Alto Networks、Check Pointといった大手は、この種の技術を自社開発より買収で取り込む傾向があります。つまり本領域の勝者は、独立成長よりも「買われる」形で決着する可能性が小さくありません。
Sestito氏自身、製品の一部がいずれMicrosoft、OpenAI、AWSのプラットフォームにバンドルされうることは認めています。ただし彼の見立てでは、AIインフラ側が伸ばすのはディスカバリー、アイデンティティ、ポリシー制御といったガバナンス機能であり、HiddenLayerが作る領域とは異なる、というものです。当面はAIと並走して垂直方向にスケールし、いずれAI依存が強まるサイバーセキュリティ領域へ水平展開する——それが同社の描く道筋です。
新規資金は営業・流通の強化に重点を置き、エンジニアリングと研究も拡大しつつ、欧州・EMEAへの展開を進めるとしています。
💼 事業会社視点：これは自社にどう効くか
日本の事業会社にとっての含意は3点あります。
第一に、AI導入の予算配分が変わります。 Gartnerの28億3000万ドル・前年比83%増という数字は、AI予算のうち「守り」に回る比率が急上昇していることを意味します。生成AI活用のPoC予算だけを組み、セキュリティ費目をゼロで計画している企業は、来期の稟議で必ず追加要求が出ます。今の段階で「AI関連支出の何%を保護に充てるか」を経営として決めておくべきです。
第二に、オープンウェイトモデルを使う企業は検証工程が必須になります。 HiddenLayerが約50のAIファイル形式をスキャンし「モデルの中に隠されたモデル」を探しているという事実は、Hugging Face等から重みを落としてそのまま本番投入する運用が危険だと示しています。国産LLMやオープンモデルのファインチューニングを進める製造業・金融、そして顧客システムにモデルを組み込む受託���発会社は、モデルの受け入れ検査を調達プロセスに組み込む必要があります。「どこから来た重みか」を説明できないまま納品するのは、来年には契約リスクです。
第三に、SaaS事業者はエージェントのランタイム監視が差別化要因になります。 エージェントが悪用された事例の見出しはまだ少ないものの、本番稼働中に暴走するリスクは現実的です。自社SaaSにエージェント機能を載せるなら、「何を実行したかのログと停止機構」をエンタープライズ向け機能として先に用意した企業が、大企業の調達で勝ちます。ECのカスタマーサポート自動化のように、エージェントが決済や個人情報に触れる領域では特に、監視機構の有無がそのまま導入可否の判断材料になります。