Preferred Networks
種類 | 株式会社 |
---|---|
市場情報 | 未上場 |
略称 | プリファード・ネットワークス |
本社所在地 |
日本 〒100-0004 東京都千代田区 大手町1丁目6−1 大手町ビル2F |
本店所在地 |
〒100-0004 東京都千代田区 大手町1丁目6−1 大手町ビル2F |
法人番号 | 1010001159494 |
事業内容 | IoTにフォーカスしたコンピュータソフトウェア・ハードウェア・ネットワークの研究・開発・販売 |
代表者 | 西川徹 |
外部リンク | https://www.preferred-networks.jp |
株式会社Preferred Networksは、日本のIoT分野での活用を中心にディープラーニングの研究と開発を行うスタートアップ企業である。同社の代表取締役社長である西川徹、岡野原大輔らが設立したPreferred Infrastructure(PFI)から2014年にスピンアウトした。
概要
デバイスが生み出す膨大なデータを、ネットワークのエッジで分散協調的に処理する「エッジヘビーコンピューティング」を提唱し、交通システム、製造業、バイオ・ヘルスケアの3つの重点事業領域を中心に、様々な分野でイノベーションを実現することを目標に掲げている。オープンソースの深層学習フレームワークChainerの開発(2019年12月開発終了を発表)を通じて、トヨタ自動車、ファナック、国立がん研究センターなどの組織と協業し、先進的な取り組みを推進している。
沿革
- 2006年3月 東京大学在学中の西川徹、岡野原大輔ら6人の学生たちが自然言語処理と検索エンジンの開発を目的としてPreferred Infrastructure(PFI)を設立[1]
- 2014年 3月 Preferred Networksを設立[2]
- 2014年10月 トヨタ自動車と共同研究を開始
- 2014年10月 NTTと資本・業務提携契約を締結
- 2015年6月 オープンソース深層学習フレームワークのChainerをリリース[3]
- 2014年6月 パナソニックとの事業提携
- 2014年6月 ファナックとの提携
- 2014年8月 ファナックとの資本提携
- 2014年11月 NVIDIAとの技術提携
- 2015年12月 トヨタ自動車からの出資引受
- 2016年7月 DeNAと合併会社設立
- 2016年7月 2016 US-Japan Innovation Awardsにて日本発の革新的なスタートアップ企業に選出
- 2016年10月 PFNがん研究所(PFN Cancer Research Institute(PCRI)を設立
- 2016年11月 SCSKとAsian Frontierグループの業務提携に関するお知らせ
- 2016年11月 人工知能(AI)を活用した統合的がん医療システム開発プロジェクト開始
- 2017年2月 第3回日本ベンチャー大賞において経済産業大臣賞(ベンチャー企業・大企業等連携賞)を受賞[4]
- 2017年4月 インテルとディープラーニング向けオープンソースフレームワークChainerの開発で協業
- 2017年5月 マイクロソフトとディープラーニングソリューション分野で戦略的協業
- 2017年5月 お絵描きコミュニケーションアプリ「pixiv Sketch」と線画自動着色サービス「PaintsChainer」が連携
- 2017年7月 2017 Japan-U.S. Innovation Awardsにて「Emerging Leader Award」を受賞
- 2017年8月 トヨタ自動車から約105億円の資金調達 モビリティ分野でAI技術の共同研究・開発を加速
- 2017年12月 ファナック、博報堂DYHD、日立製作所、みずほ銀行、三井物産から合計で20億円超の資金調達を実施
- 2018年1月 インテリジェント・エッジ・システムの開発に向けた合弁会社の設立に合意
- 2018年12月 SEMICON Japan 2018にて専用アクセラレータMN-Coreの開発と、それを利用したスーパーコンピュータMN-3の開発を発表[5]
- 2019年6月 JXTGホールディングス(現ENEOSホールディングス)から約10億円の資金調達を実施[6]
- 2019年12月 オープンソース深層学習フレームワークのChainerの開発終了とPyTorchへの移行を発表[7]
- 2020年6月 ディープラーニング専用アクセラレータMN-Coreを搭載したスーパーコンピュータMN-3がGreen500にて第一位を獲得[8]
関連項目
- Ponanza
- PyTorch Facebookの開発したTorchをベースに、Chainerの設計であるDefine-by-Runを踏襲している。データに応じた計算グラフの分岐を設計できるのが特徴。
脚注
- ^ http://www.atmarkit.co.jp/news/200803/24/pfi.html
- ^ https://preferred.jp/news/3082/
- ^ https://www.preferred-networks.jp/ja/news/8531
- ^ http://www.meti.go.jp/press/2016/02/20170220006/20170220006.html
- ^ https://preferred.jp/ja/news/pr20181212/
- ^ https://preferred.jp/ja/news/pr20190625/
- ^ https://preferred.jp/ja/news/pr20191205/
- ^ https://preferred.jp/ja/news/pr20200623/