社員14人、ユーザー890万人 — ローカルLLMの定番Ollamaが約95億円を調達
社員14人。月間アクティブ開発者890万人。週100万件の新規インストール。Fortune 500企業の85%が導入済み。
7月9日、ローカルLLM実行プラットフォームのOllamaがシリーズBで6,500万ドル(約95億円)を調達した。リードはTheory VenturesのTomasz Tunguz。Benchmark、8VC、Y Combinator、Pace Capitalらも参加し、累計調達額は8,800万ドルに達した。
この数字を「14人のスタートアップの資金調達」として見ると、異常だ。
「AIモデルのDocker」という位置づけ
OllamaはローカルマシンでLLMを動かすためのオープンソースツールだ。創業者のJeffrey MorganとMichael Chiangは、かつてDocker Desktopの開発に関わった人物。その経験がそのまま設計思想に反映されている。
使い方は極めてシンプル。ターミナルで ollama run llama3 と打てば、Llama 3がダウンロードされてローカルで動き始める。GPUの検出もメモリの割り当ても自動。OpenAI互換のREST APIがlocalhost:11434で立ち上がるので、既存のアプリケーションからそのまま叩ける。
対応モデルはLlama、Mistral、Qwen、Gemma、DeepSeek、Phi——主要なオープンウェイトモデルはほぼ網羅している。GitHub上のスターは17万6,000超。コミュニティが作った統合(VS Code拡張、Raycast、Obsidianプラグインなど)は67,000を超える。
投資家が「ローカル推論」に賭ける理由
Theory VenturesのTunguzはこう語っている。「コンピューティングの各時代には、すべてが接続するプラットフォームレイヤーが存在する。オープンモデルが実用的な仕事の大半をカバーするようになれば、AIが動く場所そのものが最も価値のあるポジションになる」。
BenchmarkのPeter Fentonはさらに踏み込んだ。「オープンウェイトモデルは18〜24ヶ月以内にトークン生成量の大半を占めるようになる」。推論コストの高い企業はすべて、コモディティ化した処理をオープンモデルに移す「存亡をかけたプロジェクト」を走らせている、とも。
つまり、投資家の見立てはこうだ。GPT-5.6やClaude Opus 4.8のようなフロンティアモデルは「本当に難しい仕事」に使い、日常的なタスク——要約、分類、コード補完、RAG——はローカルのオープンモデルで十分になる。その「ローカルで動かす」部分のインフラを押さえているのがOllamaだ、と。
正直な評価
Ollamaの強さは「何も考えずに動く」ことだ。Dockerがコンテナの複雑さを隠したように、Ollamaはモデル実行の面倒——ダウンロード、量子化形式の選択、VRAM管理——を1コマンドに圧縮した。開発者がローカルLLMを試すとき、最初に触るツールがOllamaになった理由はそこにある。
一方で、GUIがないのは弱点でもある。LM Studioのようなグラフィカルインターフェースで手軽にモデルを試したい非エンジニアには向かない。また、Ollamaはマルチノード推論やエンタープライズレベルのオーケストレーションには対応しておらず、あくまで「1台のマシンで動かす」ためのツールだ。大規模デプロイにはvLLMやTGIといった別のスタックが必要になる。
14人という少人数も、両刃の剣だ。効率は驚異的だが、890万人の開発者が依存するインフラのメンテナンスを14人で回し続けられるかは未知数。今回の資金で人員を増やすだろうが、オープンソースプロジェクトの規模感を考えると、コミュニティとの協力体制が生命線になる。
ローカルAIの「当たり前」化
Ollamaの890万MADという数字は、ローカル推論がニッチな趣味ではなくなったことを示している。DeepSeek V4の登場でオープンモデルの性能がフロンティアに肉薄し、Qwen 3やGemma 4のような軽量高性能モデルが次々とリリースされる中、「自分のマシンでAIを動かす」選択肢は今後さらに太くなる。
企業にとっては、データをクラウドに送らずにAI処理できることの意味が大きい。医療、金融、法務——データの外部送信にハードルがある領域で、ローカル推論は規制対応の現実解になりうる。
個人開発者にとっては、API課金なしで好きなだけモデルを叩けること自体が価値だ。月に数十万トークン使うプロトタイピングフェーズで、毎回APIに課金していたら実験のハードルが上がる。Ollamaがあれば、電気代だけで無限に試行錯誤できる。
オープンソースAI市場は2025年の190億ドルから2026年には230億ドルへ、21%のペースで拡大している。Ollamaの資金調達は、その流れの中で「モデルを動かす場所」というレイヤーに明確な投資価値が認められた最初の大きなシグナルだ。
関連記事
パラメータ5分の1でDeepSeek V4 Proに勝った — テンセントHy3、Apache 2.0で公開
テンセントのHy3は295B MoEモデル(21Bアクティブ)。DeepSeek V4 Proの5分の1のサイズで12ベンチマーク制覇。Apache 2.0で公開、エージェント解決率90%。
活性パラメータ760Mで数学オリンピック91.9% — 「小さいのに賢い」AIモデルの設計思想
ZAYA1-8Bは総パラメータ8.4Bながら活性760MのMoE推論モデル。AIME 91.9%の実力、AMD学習の背景、ローカル実行の可能性を解説。
会話・推論・画像理解・コーディングを1つのモデルに — Mistral Small 4 が実現した「統合MoE」の中身
Mistral Small 4は119B MoEで推論・画像・コードを統合。Apache 2.0で無料。使い所を解説。