「設計」「データ移動」「パッケージング」に資金が集まる理由

——連載②：技術別深掘りとケーススタディ

はじめに

連載第2回は技術領域の深掘りだ。前回（連載①）で確認した通り、Tier1 VCが半導体に賭けるのは「計算そのもの」ではなく「AIの制約領域」だ。

なぜか。GPUの演算能力が指数関数的に伸びれば、必ずその「周辺」がボトルネックに移る。1万枚のGPUを繋ぐにはスイッチとインターコネクトが要る。チップ単体の性能限界を超えるにはパッケージング（CPO/Chiplet）が要る。設計の複雑性が増せばEDAと検証の自動化が要る。

それぞれの領域に、なぜ今、大型の資金が流れているのか。代表案件をケーススタディとして読み解く。

エグゼクティブサマリ

• 投資のROI設計は「単一チップ勝負」から「スタック勝負（設計→実装→運用）」へ。 CPOやコヒレントDSP、スイッチングなど、運用上の制約を解く領域で$500M超の大型ラウンドが立ち上がっている。
• 生成AIの普及で設計の複雑性が増し、EDA自動化（Agentic AI）が新たな投資テーマに。 設計・検証のリードタイム短縮は、製造リスクが相対的に低いソフト寄りの案件として投資回転が早い。
• 「新計算（アナログ/量子）」は長期テーマとして存続するが、資金は「研究→プロダクト→市場」への接続ができる会社に集まる。 技術の実現可能性だけでなく、顧客・クラウド・政府との連携が評価基準になっている。

技術スタック × 投資マッピング

領域①：設計・IP/EDA — 「開発リードタイム短縮」への賭け

なぜ今、設計自動化にVCが入るのか

先端チップの設計工数は年々増大している。7nm→3nm→2nmと微細化するほど、設計規則の複雑性は指数関数的に増え、テープアウト1回のコストも億円単位になる。検証・シミュレーション・デバッグが開発期間の大半を占める現状に対し、AIエージェントを当てる仮説が立ち上がっている。

ケーススタディ：Ricursive Intelligence（$35M、2025年Seed）

Sequoiaがリードした$35Mシードは、「AIがチップ設計そのものを加速する」テーマをTier1が最上流から取りにいった案件だ。

注目点はソフトウェア比率が高いことだ。製造工程（ファブ）を持たず、設計フローにAIを組み込むアプローチは、相対的に製造リスクが低い。一方で、Synopsys・Cadenceというグローバルなツールチェーン巨人のプロダクト戦略・M&A戦略に強く影響される。勝ち筋は「差別化されたワークフロー統合」か「特定の設計フロー（例：検証/STA）での圧倒的優位」になりやすい。

ケーススタディ：ChipAgents（$21M、2025年Series A）

Bessemerがリードしたこの案件は、既存EDAチェーンの「検証/デバッグ」をAIエージェントで置き換える仮説だ。

「設計工数の相当部分は検証とバグ修正に費やされる」という現場の現実を起点に、Agentic AIのループ（タスク定義→実行→検証→修正）を設計フローに組み込む。ChipAgentsが述べる通り、目標は「エンジニアが書く必要があるコードを減らす」ことではなく「検証→修正のサイクルを自動化する」ことだ。

EDA自動化の投資ロジックまとめ：

領域②：インターコネクト/データ移動 — 「GPUを繋ぐ」が主戦場

銅配線の限界とシリコンフォトニクスの台頭

AI大規模クラスタ（数千〜数万GPU）では、チップ間・ラック間・データセンター間のデータ移動が帯域・遅延・電力の全てでボトルネックになっている。

従来の銅配線：帯域 ↑ → 電力消費 ↑↑↑、距離 → 減衰
シリコンフォトニクス：光で通信 → 高帯域・低電力・長距離
CPO（Co-Packaged Optics）：光I/OをチップパッケージにCo-Packageng
        → 銅配線の物理限界を迂回する

ケーススタディ：Ayar Labs（$500M、2026年Series E）

評価額$3.75Bに達したこのラウンドは、CPO（Co-Packaged Optics）分野で最大規模の資金調達の一つだ。

戦略投資家にNVIDIA・AMDが名を連ねる構造は重要だ。彼らがAyar Labsに投資するのは「財務的リターン」だけでなく「次世代パッケージング技術を自分たちの製品ロードマップに組み込む」ためだ。Sequoia系ビークルが参加していることは、ピュアファイナンシャルのリターンも十分あるという判断を示す。

投資ロジック： 銅配線の物理限界（帯域密度・電力）は設計上の解決が難しい。光I/OをCo-Packageするというアーキテクチャ転換が起きれば、その製造技術・IP・テスト能力を持つ会社の価値は急増する。

ケーススタディ：Retym（$75M、2025年Series D）

クラウド/AI向けコヒレントDSPを専門とするRetymのSeries Dには、Kleiner Perkinsが参加している。

特徴は「距離×帯域×消費電力」の現実制約に設計思想を合わせた点だ。データセンター内（数十〜数百m）、メトロ（数十km）、長距離（数百km〜）でそれぞれ最適なDSPアーキテクチャが異なる。汎用ではなく特定の「距離レンジ」に最適化したシリコンを作ることで、差別化を図る。

ケーススタディ：Kandou（$92.3M、2020年Series C）

Bessemerがリードしたこの案件は、SerDes（シリアライザ/デシリアライザ）とリタイマーの商用化を前提にした投資だ。

KandouのMatterhorn IPはUSB4やThunderbolt実装で実績を持つ。サーバー・デバイスの世代交代（USB4 Gen3など）に合わせて実装が変わる局面を「実装の勝ち筋」として取りにいくスタイルだ。スタンダードの世代交代とともに需要が立ち上がる、周期性のあるビジネスモデルと言える。

ケーススタディ：Nexthop AI（$500M、2026年Series B）

a16zが主要投資家として$500Mを投じたNexthop AIは、「AI時代のイーサネットスイッチ」を標榜する。

投資ロジックは明快だ。「AIクラスタが大規模化するほど、スイッチのボトルネックが顕在化する。既存のスイッチはAIの通信パターン（全-全接続的な集合通信）に最適化されていない」という認識から出発し、AI専用スイッチングのアーキテクチャを取りにいく。

インターコネクト投資の共通ロジック：

領域③：AIアクセラレータ/新計算 — 計算原理への賭け

パラダイム賭け vs. 垂直統合

「計算原理を変える」というテーマには2つのアプローチが存在する。

1. スタートアップへの巨大シード（a16z × Unconventional AI）：リスクが高いが、実現すれば市場を再定義できる。
2. 買収による垂直統合（SoftBank × Graphcore/Ampere）：技術の実現可能性リスクは低いが、統合コストと市場タイミングリスクがある。

どちらも「単なるチップ投資」ではなく、エコシステムとしてのポジション取りだという点で共通している。

ケーススタディ：Unconventional AI（$475M、2025年Seed）

a16zが共同リードした$475Mシードは、半導体投資史上最大規模のシードラウンドの一つだ。

アナログ/ミックスドシグナルで確率的計算を扱うというアプローチは、デジタルCMOSによる現行アーキテクチャとは根本的に異なる。主な課題は：

• 量産・再現性：アナログ回路は製造ばらつきの影響を受けやすい
• ツールチェーン：設計・検証ツールが整っていない
• エコシステム：ソフトウェア/フレームワーク側の対応が必要

一方、実現すれば「電力効率の桁違い改善」というインパクトは現行GPUに対して圧倒的な競争優位になりうる。

a16zがこの賭けをする理由：Strategic Partnershipsで企業・政府導入の経路を制度化しているa16zにとって、「カテゴリを再定義するアーキテクチャ」を囲い込む初期コストは、後で払う「選択肢なしコスト」より安い。

SoftBankの垂直統合：Arm×Graphcore×Ampere

SoftBankのアプローチは、個別案件の勝負ではなくセグメント全体の設計だ。

このセグメントは「Armのエコシステムを基盤に、AIワークロードに特化したシリコンを垂直統合する」という事業戦略だ。VCリターンではなく事業IRR（グループシナジー含む）で評価される性質のものだ。

領域④：量子 — 長期だが資本が戻り始めている

量子投資の「商用化フェーズ」への移行

2020年前後の量子ブームは、多くのハードウェアスタートアップが誕生し、その後の市場との乖離で一部が撤退・合併した。しかし2024〜2025年には「プラットフォーム競争」「クラウド提供」を前提にした大型ラウンドが戻り始めている。

変化の核心は：「量子コンピュータが量子優位を達成できるか」ではなく、「エラー訂正・クラウド提供・ソフトウェアスタックをセットで商用化できるか」 という評価軸への移行だ。

ケーススタディ：Quantum Circuits（Series B > $60M、2024年）

Sequoiaがリード投資家として参加したQuantum Circuitsのシリーズ B は、フォールトトレラント量子コンピュータの商用化を狙う。

同社の特徴は超伝導量子回路の設計とエラー訂正への集中だ。「ノイズのある中規模量子（NISQ）」ではなく、長期的にスケールするフォールトトレラントアーキテクチャへの賭けとして位置づけられる。

ケーススタディ：Rigetti Computing（$79M、2020年Series C）

Bessemerがリードしたこの案件は、量子ハードウェア+クラウド提供（Quantum Cloud Services）という垂直統合モデルだ。

後にSPACでNASDAQ上場（2022年）し、量子スタートアップとして初期の公開市場実績を残した。クラウド提供という「ソフト的な入り口」を持つことで、企業顧客へのアクセスを維持する戦略は、量子の商用化において重要な設計判断だった。

量子投資の評価基準（現在）：

代表投資案件 完全版テーブル

ZYL0の視点

「大型ラウンド＝確実性が高い」は誤解だ

Unconventional AIの$475Mシードも、Nexthop/Ayar Labsの$500Mも、「確度が高いから大金を出している」わけではない。「外れたとき以上に、当たったときのカテゴリ創造価値が大きいから大金を出している」のだ。

技術観点で個人的に最も興味深いのはCPOだ。光I/OとチップをCo-Packageするという思想は、半導体・光学・パッケージングという全く異なる産業の交差点にある。日本には半導体装置・光部品・精密実装という3つの強みがあり、このCPO領域は日本企業にとっても参入余地のある数少ない「最先端の交差点」だと思う。

次回（連載③）は戦略的示唆と投資提案——どうポートフォリオを組むか、短中長期でどこに賭けるかを整理する。

Why Design, Data Movement & Packaging Attract VC Capital

— Series②: Technical Deep Dive and Case Studies

Introduction

Part 2 goes deeper. As established in Part 1, top-tier VCs are not betting on compute itself — they're betting on the constraints that emerge around compute.

The logic is straightforward: as GPU performance scales exponentially, the surrounding layers become the limiting factor. Connecting 10,000 GPUs requires switches and interconnects. Exceeding the limits of individual chips requires packaging (CPO/Chiplet). Growing design complexity requires EDA and verification automation.

Why is large capital flowing into each of these areas right now? We read the representative deals as case studies.

Executive Summary

• Investment ROI is shifting from single-chip to full-stack (design→packaging→operations). CPO, coherent DSP, and AI switching — areas that solve operational constraints — are now commanding $500M+ rounds.
• Generative AI has increased design complexity, making EDA automation (Agentic AI) a new investment theme. With lower manufacturing risk and faster iteration, design automation is an attractive early-stage semiconductor play.
• New compute (analog/quantum) remains a long-term theme, but capital flows to companies that can connect research to product to market. Technical feasibility alone is insufficient — customer, cloud, and government partnerships are now evaluation criteria.

Technology Stack × Investment Mapping

Domain①: Design/IP/EDA — Betting on Development Lead Time Reduction

Why VCs Are Entering Design Automation Now

Advanced chip design complexity grows with each process node. At 7nm→3nm→2nm, design rule complexity increases exponentially, and a single tapeout can cost tens of millions of dollars. Verification, simulation, and debugging now consume the majority of the design cycle. The thesis: apply AI agents to automate the most time-intensive parts of this workflow.

Case Study: Ricursive Intelligence ($35M, 2025 Seed)

Sequoia's lead on this $35M seed is the clearest signal that a top-tier VC is entering chip design automation at the earliest stage.

The key advantage: high software content. Without owning fabrication, the approach of embedding AI into design flows carries relatively lower manufacturing risk. The main competitive risk is from Synopsys and Cadence — EDA giants with deep customer relationships and M&A firepower. The winning position is likely "differentiated workflow integration" or "dominant capability in a specific design step (e.g., verification, static timing analysis)."

Case Study: ChipAgents ($21M, 2025 Series A)

Bessemer-led, ChipAgents automates the verification and debug loop using agentic AI.

The framing: "a significant fraction of design engineering time is spent in verification and bug-fixing cycles." An agentic AI system that can define tasks, execute, verify, and iterate autonomously in the EDA toolchain reduces that cycle. The goal is not reducing code written, but automating the verification-to-fix loop itself.

EDA Automation Investment Logic:

Domain②: Interconnect/Data Movement — "Connecting GPUs" is the Main Arena

The Copper Bottleneck and the Rise of Silicon Photonics

In large-scale AI clusters (thousands to tens of thousands of GPUs), data movement between chips, racks, and data centers is the limiting factor across bandwidth, latency, and power simultaneously.

Copper interconnect: bandwidth ↑ → power ↑↑↑, distance → signal loss
Silicon photonics: optical transmission → high bandwidth, low power, long distance
Co-Packaged Optics (CPO): integrate optical I/O into the chip package
        → bypass the physical limits of copper

Case Study: Ayar Labs ($500M, 2026 Series E)

This round, valuing Ayar Labs at $3.75B, is one of the largest fundraises in the CPO space.

The presence of NVIDIA and AMD as strategic investors is critical. Their participation is not purely financial — it signals that CPO technology will be integrated into next-generation product roadmaps. The participation of a Sequoia-related vehicle validates that pure financial returns are also available at this valuation.

Investment logic: The physical limits of copper (bandwidth density, power) are fundamentally hard to engineer around. If CPO becomes the standard packaging architecture for AI compute, companies with the manufacturing technology, IP, and test capability will command significant value.

Case Study: Retym ($75M, 2025 Series D)

Kleiner Perkins-backed Retym specializes in coherent DSP optimized for cloud and AI workloads.

The differentiator: tailoring the DSP architecture to specific "distance ranges" — intra-datacenter (tens to hundreds of meters), metro (tens of km), and long-haul (hundreds of km+). Each range has different optimal DSP design. Rather than a universal chip, Retym targets specific operational regimes with purpose-built silicon.

Case Study: Kandou ($92.3M, 2020 Series C)

Bessemer-led, Kandou's Matterhorn IP has demonstrated deployment in USB4 and Thunderbolt implementations.

The strategy rides the standard upgrade cycle: as device and server standards evolve (USB4 Gen3, etc.), implementation requirements change, and Kandou's IP captures value at each transition. A recurring, standards-cycle-driven business model with a proven IP track record.

Case Study: Nexthop AI ($500M, 2026 Series B)

a16z's $500M investment in Nexthop AI frames AI-era Ethernet switching as the next infrastructure layer.

The thesis: "AI clusters are growing in scale faster than traditional switching architectures can adapt. Existing switches are not optimized for AI communication patterns (all-to-all collective communication)." Nexthop builds AI-native switching to address this.

Interconnect Investment Common Logic:

Domain③: AI Accelerators / New Compute — Betting on Computing Paradigms

Two Approaches: Mega-Seed vs. Vertical Integration

Two distinct approaches exist for the "change the computing paradigm" thesis:

1. Mega-seed in a startup (a16z × Unconventional AI): High risk, but success redefines the market.
2. Acquisition-based vertical integration (SoftBank × Graphcore/Ampere): Lower technology realization risk, but integration cost and market timing risk remain.

Both are ecosystem positioning plays — not simply chip investments.

Case Study: Unconventional AI ($475M, 2025 Seed)

One of the largest seed rounds in semiconductor investment history, co-led by a16z.

The analog/mixed-signal approach for probabilistic computing differs fundamentally from current digital CMOS architectures. Key challenges:

• Manufacturing reproducibility: Analog circuits are sensitive to process variation
• Toolchain: Design and verification tools are immature
• Ecosystem: Software/framework adaptation required

But if successful, the potential for orders-of-magnitude power efficiency gains represents an overwhelming competitive advantage over current GPU architectures.

Why a16z makes this bet: With its Strategic Partnerships program institutionalizing enterprise and government deployment paths, a16z can afford the early-stage cost of locking in a category-defining architecture. The cost of not owning the option is higher than the cost of the bet.

SoftBank's Vertical Integration: Arm × Graphcore × Ampere

This is a business strategy, not a fund strategy. Evaluated on group synergy IRR, not VC fund returns.

Domain④: Quantum — Long-Term, But Capital Is Returning

The Shift to "Commercialization Phase" Quantum Investment

The quantum boom of the early 2020s saw many hardware startups emerge, then face market mismatch. However, 2024–2025 has seen large rounds return — now structured around platform competition + cloud delivery.

The evaluation shift: from "can quantum achieve quantum advantage?" to "can the company commercialize error correction, cloud delivery, and software stacks as an integrated system?"

Case Study: Quantum Circuits (Series B >$60M, 2024)

Sequoia's participation in this round signals conviction in fault-tolerant quantum architecture over near-term NISQ approaches. The bet is on the architecture that will scale — not the first to market.

Case Study: Rigetti Computing ($79M, 2020 Series C)

Bessemer-led, with Quantum Cloud Services as the vertical integration model. Subsequently NASDAQ-listed via SPAC (2022). Having a cloud API entry point maintains enterprise access even before hardware reaches quantum advantage — a critical commercialization design choice.

Quantum Investment Evaluation Criteria (Current):

Complete Investment Reference Table

ZYL0's Perspective

A large round does not mean high probability — it means high expected value

The $475M seed into Unconventional AI, and the $500M rounds into Nexthop and Ayar Labs, are not bets on certainty. They are bets where "if wrong, we lose the check; if right, we create a new category worth hundreds of billions." The asymmetry justifies the size.

The area I find most technically compelling is CPO. Co-packaging optical I/O with silicon sits at the intersection of semiconductors, photonics, and precision packaging — three industries where Japan has globally competitive players. This may be one of the few "cutting-edge intersections" where Japanese industry can participate at the frontier.

Part 3 (the final installment) synthesizes the strategic implications: how to construct a portfolio across these themes, and how to think about the risk-reward across short, medium, and long time horizons.