概要

  • Together Computer, Inc.（Together AI として事業展開）は、オープンモデルの開発者プラットフォームから資本集約型の AI クラウドへと移行しました。公式資料には、サーバーレス推論、専用エンドポイント、GPU クラスター、マネージドストレージ、ファインチューニング、評価、カスタム大規模インフラが記載されており、利用規約では Together Computer, Inc.が大規模 AI モデルのホスティング、使用、ファインチューニング、トレーニングのための API および Web インターフェースを提供するデラウェア州の企業であると特定されています：https://www.together.ai/terms-of-serviceおよびhttps://www.together.ai/。
  • 同社は現在、生の GPU レンタルとフルハイパースケーラーAI サービスの間の経済的ギャップに位置しています。公開されている Together のページには、トークン単位のサーバーレス推論、分単位の専用エンドポイント、オンデマンドおよび予約済み GPU クラスター、大規模なキャパシティ目標が示されています。公開資金調達リリースによると、シリーズ C で8億ドルを調達し、評価額83億ドル（ポストマネー）、前四半期の年間予約額は11.5億ドルを超え、インフラ拡張は約50倍を見込んでいます：https://www.businesswire.com/news/home/20260701243402/en/Together-AI-Raises-%24800-Million-at-%248.3-Billion-Valuation-to-Make-Frontier-AI-Accessible-to-All。
  • 強気のシナリオは、オープンウェイトモデル、専門的な推論ソフトウェア、開発者ツール、GPU クラスター運用により、Together が自前のチップを持たずに低いユニットコストを求める企業にとってデフォルトのプロダクション層になるというものです。弱気のシナリオは、GPU 供給が不足しなくなり、ハイパースケーラーが価格を引き下げ、生のネオクラウドが提示レートを下回り、顧客が Together を日々の運用基盤ではなく代替可能なブローカーとして扱うというものです。
  • したがって、弱い証拠の要は利用と習慣です。開発者の需要、安定したエンドポイント使用、予約済み GPU コミットメント、ワークフロー依存が、GPU の減価償却、資金調達コスト、サポートコスト、ハイパースケーラーの価格圧力を上回らなければなりません。

購入者にはトークン、Together にはキャパシティ義務

シードステージの AI ソフトウェア企業で、1つの成功したワークフローがあると想像してください。1か月目は、トラフィックが不均一で GPU 運用チームを雇いたくないため、ホストされたオープンウェイトモデルをサーバーレス API で呼び出します。6か月目までに、顧客は低遅延を期待し、製品チームはカスタムファインチューニングを希望し、財務担当者はすべてのユーザーアクションが推論トークンコストになっていることに気づきます。同社には4つの不完全な選択肢があります。Together の共有モデル提供レイヤーに留まるか、Together のハードウェアで専用エンドポイントを予約するか、GPU クラスターをレンタルして独自の提供スタックを実行するか、大規模ハイパースケーラーまたはセルフホストのオープンソース推論スタックに移行してエンジニアリング負担を受け入れるかです。

その議論で目に見える単位は単純です。100万入力トークン、100万出力トークン、GPU 時間、または分単位のエンドポイント料金です。Together の価格ページはこれらの単位を中心に構築されています。モデルとトークンタイプ別のサーバーレス推論、専用エンドポイントと GPU クラスターカテゴリ、処理トークン別のファインチューニング料金、月間 GiB 単位のストレージ、オンデマンドと予約済みの GPU クラスターがリストされています：https://www.together.ai/pricing。ドキュメントによると、サーバーレス推論は最低料金やプロビジョニングコストなしで使用量に基づいて請求され、専用エンドポイントは予約ハードウェアに対して分単位で請求されます：https://docs.together.ai/docs/inference/pricing。GPU クラスターのドキュメントでは、2つのキャパシティモード（予測可能な複数日作業向けの予約キャパシティと、従量課金制のオンデマンドキャパシティ）と、顧客がベースラインを予約しバースト用にオンデマンド GPU を追加する混合パターンが説明されています：https://docs.together.ai/docs/gpu-clusters-overview。

隠れたコストはあまり目に見えず、より重要です。誰かが現行世代の GPU を調達し、高速ネットワークで接続し、ドライバを構成し、クラスターをオーケストレーションし、モデル提供ソフトウェアを実行し、カーネルを最適化し、開発者ツールを維持し、エンタープライズサポートの問い合わせに応答し、信頼性テレメトリを公開し、ハードウェアが老朽化する間に資本を調達しなければなりません。Together の製品提案は、これらのコストをプールして、クラウドレイヤー全体を構築せずにオープンモデル経済を求める顧客に償却できるというものです。購入者はより低いトークン料金を望み、Together は占有、パフォーマンス、更新に依存する利益率のフリートを管理しなければなりません。

これが、同社が BTW のクラウドサービス分類にとって重要である理由です。これは単なる別のモデル API カタログではありません。法的条件によると、Together Computer, Inc.は大規模 AI モデルをホスト、使用、ファインチューニング、トレーニングするための API および Web インターフェースを提供し、トレーニング、移行、専門サポートを提供する場合があります：https://www.together.ai/terms-of-service。ホームページでは、同社を推論、モデル整形、事前学習のためのフルスタック AI プラットフォームとして位置づけ、サーバーレス推論、バッチ推論、専用モデル推論、専用コンテナ推論、GPU クラスター、カスタムインフラ、マネージドストレージ、開発者環境を提供しています：https://www.together.ai/。Together の市場的重要性はそのフルスタックの制御にあります。なぜなら、AI アプリケーション開発者は、モデルが実行される場所を選択するたびに、ますますクラウド依存の決定を下しているからです。

Together のプロダクトラダーは実験を予約支出に変える

Together のプロダクトラダーは、複数の成熟段階で顧客を捉えるように設計されています。ドキュメントでは、サーバーレス推論を、プロトタイピングや変動するトラフィックに適したトークン単位の API を通じて100以上のオープンソースモデルにアクセスできるものと位置づけ、専用エンドポイントを、顧客用に予約された GPU で実行される単一モデルで、安定したトラフィック、一貫したレイテンシ、ファインチューニングモデルに適したものと説明しています：https://docs.together.ai/docs/inference/overview。サーバーレスページは、インフラ管理不要、長期コミットメント不要、モダリティを超えた単一 API、カーネル、スケジューリング、ランタイムシステム全体の最適化によって駆動される推論パフォーマンスを強調しています：https://www.together.ai/serverless-inference。専用推論ページは、この製品が一貫したパフォーマンスと運用制御を必要とする本番環境ワークロード向けに構築されており、常時オン推論のために数千の GPU に拡張できると述べています：https://www.together.ai/dedicated-model-inference。

そのラダーには明確な商業論理があります。サーバーレストークン価格は導入障壁を下げ、使用量ストリームを生み出します。専用エンドポイントは成功した実験を分単位のハードウェアコミットメントに変換します。GPU クラスターはより重いトレーニング、ファインチューニング、または専門的な提供ワークロードを GPU 時間コミットメントに変換します。アクセラレーテッドコンピュートページは、顧客がセルフサービスの GPU クラスターでトレーニング、ファインチューニング、デプロイを行えると述べ、事前構成されたドライバ、可観測性、マネージドオーケストレーション、Kubernetes または Slurm、自己修復インフラ、オンデマンドまたは予約モードを提供します：https://www.together.ai/accelerated-compute。別の GPU クラスターページは、ベアメタルパフォーマンス、InfiniBand ネットワーキング、マネージドオーケストレーション、柔軟なオンデマンドまたは予約価格を提供するものとして位置づけています：https://www.together.ai/gpu-clusters。

Together にとっての魅力的な部分は、ステップが上がるごとに需要の可視性が高まる可能性があることです。サーバーレスユーザーはテスト後に消えるかもしれません。専用エンドポイントユーザーは、毎分完全に使用されなくてもハードウェアに対して支払うのに十分予測可能なトラフィックを持っています。予約済み GPU クラスターユーザーは、数日または数か月にわたる計画的な利用を明らかにしています。「AI ファクトリー」顧客は、Together をカジュアルなモデル呼び出しではなくキャパシティ計画の一部にしています。あまり魅力的でない部分は、ステップが上がるごとに Together がより多くの運用説明責任にさらされることです。開発者はテストワークロードでの時折の変動を許容するかもしれません。本番音声製品やコーディングツールは、長い一時停止、コールドスタートの驚き、不明確なインシデント処理を受け入れることはできません。

Together 自身の顧客資料は、その本番約束の形状を示しています。Decagon のストーリーでは、Decagon が音声ワークロードに Together のサーバーレス推論、ファインチューニング、GPU クラスターを使用し、ターンあたり6倍のコスト削減、数万トークンまでの入力で p95 モデルレイテンシが400ミリ秒未満を報告しています：https://www.together.ai/customers/decagon。企業公開のケーススタディは平均的な顧客経済性の独立した証明ではありませんが、Together が何を売りたいかの有用なシグナルです。安い GPU 時間だけでなく、低レイテンシ、コスト削減、ファインチューニングモデル、本番アプリケーションを巡る運用サポートです。

資金調達のストーリーは今や製品ストーリーの一部

Together の資本調達は、その API サーフェスと同じくらい重要になっています。なぜなら、AI クラウド顧客は、需要が到来したときにキャパシティが存在するという信頼を購入しているからです。同社は2023年11月に Kleiner Perkins が主導し、NVIDIA と Emergence Capital が参加した1.025億ドルのシリーズ A を発表し、インフラは米国と EU の複数のデータセンターで20エクサフロップスに成長していると述べました：https://www.together.ai/blog/series-a。2024年3月には、Salesforce Ventures が主導する1.06億ドルのラウンドを発表し、登録開発者が45,000人以上、トラフィックが月間3倍成長、10以上の GPU クラウドプラットフォームを使用するマルチクラウド基盤を持っていると述べました：https://www.together.ai/blog/series-a2。同じ投稿で、Together は Crusoe Cloud、Applied Digital、Lambda Labs、Vultr、Oracle Cloud、ClusterPower と協業していると述べており、これは同社のキャパシティブローカーのルーツの有用な証拠です。

2025年2月までに、ストーリーは初期の開発者採用から大規模インフラ拡張に変わりました。Together のシリーズ B 発表では、General Catalyst が主導し、Prosperity7 が共同主導した3.05億ドルのラウンド、評価額33億ドル、45万人以上の AI 開発者、200 MW の確保済み電力容量、北米の複数のデータセンターに NVIDIA Blackwell GPU クラスターを展開する計画を報告しました：https://www.prnewswire.com/news-releases/together-ai-raises-305m-series-b-to-scale-ai-acceleration-cloud-for-open-source-and-enterprise-ai-302380967.html。同じラウンドの企業ブログは、Blackwell GPU の大規模展開を計画し、Hypertec と協力して36,000 GPU の GB200 NVL72 クラスターを共同構築することを指摘しました：https://www.together.ai/blog/together-ai-announcing-305m-series-bおよびhttps://www.together.ai/blog/nvidia-gb200-together-gpu-cluster-36k。

2026年7月のシリーズ C は、資金調達のリンクを明確にしました。Business Wire は、Aramco Ventures が主導し、Vista Equity Partners、General Catalyst、Emergence Capital、NVIDIA、March Capital、Pegatron、S Ventures などが参加した8億ドルの資金調達、評価額83億ドル（ポストマネー）を報告しました。また、前四半期に年間予約額が11.5億ドルを超え、同社は数千の有料顧客にサービスを提供しており、キャパシティとインフラフットプリントは今後5年間で約50倍に成長すると予想されています：https://www.businesswire.com/news/home/20260701243402/en/Together-AI-Raises-%24800-Million-at-%248.3-Billion-Valuation-to-Make-Frontier-AI-Accessible-to-All。Together 自身のシリーズ C ブログは、新規投資家によって独立して資本化される500 MW 以上のコンピュート容量のコミットメントを確保したと付け加えました：https://www.together.ai/blog/announcing-our-series-c。

これらは企業報告の数字であり、監査済みの公開財務諸表ではありません。それでも、分析を変えます。低 CAPEX のソフトウェアプラットフォームは、主に成長、粗利益率、保持率で判断できます。AI クラウドは、資本へのアクセス、電力へのアクセス、ハードウェア調達、利用、減価償却で判断されなければなりません。Together は事実上、顧客に対して、その資金調達パートナーがキャパシティの約束の一部であると伝えています。GPU が不足しているときは、それは強みになります。市場が資産が満たされるよりも速くシフトすれば、負担になる可能性もあります。

価格ページは利益率が生きる回廊を明らかにする

Together の価格回廊は、マーケティング言語が聞こえるほど狭いです。一方では、クローズドフロンティアモデルの価格設定が、オープンウェイト代替の余地を生み出します。Together のシリーズ C リリースによると、顧客はクローズドモデル価格と比較して6倍から60倍の節約を報告しており、Decagon のページでは、カスタマーサービスの音声ワークロードで約6倍の削減の具体的な企業公開例を示しています：https://www.businesswire.com/news/home/20260701243402/en/Together-AI-Raises-%24800-Million-at-%248.3-Billion-Valuation-to-Make-Frontier-AI-Accessible-to-Allおよびhttps://www.together.ai/customers/decagon。これが高レベルの需要推進力です。本番 AI アプリケーションは、すべてのユーザーインタラクションがプレミアムクローズドモデルを呼び出すと高価になるため、企業は効率的に提供されるオープンウェイトの代替を探します。

もう一方では、生の GPU 市場が常に下限を設定しています。Together の価格ページでは、オンデマンド GPU クラスターレートが、HGX H100 で GPU 時間あたり3.99ドル、HGX H200 で5.99ドル、HGX B200 で8.19ドルとリストされ、表示テーブルではより長い予約で H100 レートが低くなっていました：https://www.together.ai/pricing。専用エンドポイントのドキュメントでは、シングル GPU H100 が時間あたり6.49ドル、H200 が7.89ドル、B200 が11.95ドルで、エンドポイントが実行されている間、リクエスト量に関係なく分単位で請求されるとリストされていました：https://docs.together.ai/docs/dedicated-endpoints/overview。これらの数字は、なぜ利用が重要なのかを示しています。専用エンドポイントは、顧客が分離、レイテンシ、制御を重視する場合に魅力的です。需要が断続的でアイドル分が支配的な場合は無駄です。

競合他社は複数の方向から価格圧力を生み出しています。Lambda の公開価格ページでは、H100 クラスタープランが16 GPU の2週間から1年プランで GPU 時間あたり6.16ドル、256 GPU では5.54ドルに低下し、該当する消費税が加算されるとリストされていました：https://lambda.ai/pricing。CoreWeave の公開価格では、NVIDIA HGX H100 システムが8 GPU 時間あたり49.24ドル、つまり GPU 時間あたり約6.16ドル（他のサービス差を除く）、スポットでシステム時間あたり19.71ドルと表示されていました：https://www.coreweave.com/pricing。Nebius のドキュメントでは、2026年6月1日から NVIDIA H100 NVLink が GPU 時間あたり3.85ドル、プリエンプティブル H100 が2.15ドルとリストされていました：https://docs.nebius.com/compute/resources/pricing。Runpod の価格ページでは、ライブ GPU マーケットプレイスが表示され、B200 が時間あたり8.64ドル、H200 が時間あたり5.93ドルと表示されていました：https://www.runpod.io/pricing。AWS Capacity Blocks では、シングル H100 p5.4xlarge の例が複数の米国リージョンで時間あたり4.326ドル、一部の非米国リージョンで3.933ドルとリストされ、AWS P5 ページでは H100 および H200 EC2 インスタンスを深層学習およびハイパフォーマンスコンピューティング向けに位置づけています：https://aws.amazon.com/ec2/capacityblocks/pricing/およびhttps://aws.amazon.com/ec2/instance-types/p5/。

比較は完全に同じではありません。一部のオファーはマネージドオーケストレーションを含み、一部はノード全体を必要とし、一部は中断可能であり、一部は特定のリージョンに結びついており、一部はサポートやソフトウェアのバンドルが異なります。しかし、含意は明確です。Together は GPU の希少性だけに頼ることはできません。パフォーマンス、開発者体験、モデルの可用性、データ管理、信頼性、サポート、ワークフロー統合を通じてスプレッドを獲得しなければなりません。顧客がより安い生の GPU レンタルとオープンソースの提供スタックで同じスループットとレイテンシを達成できる場合、Together の利益率は圧縮されます。

ソフトウェアレバレッジはコモディティ GPU レンタルからの脱出の約束

Together のコモディティ圧力への答えはソフトウェアレバレッジです。同社は繰り返しその経済性をシステム研究に結び付けています。FlashAttention、カーネル最適化、投機的復号、量子化、提供ランタイム、クラスターオーケストレーションです。アクセラレーテッドコンピュートページによると、Together Kernel Collection は、70B パラメータの Llama アーキテクチャベンチマークで Blackwell GPU 上のトレーニングを90%高速化し、HGX H100 の GPU あたり8,080トークン/秒から、最適化スタックで HGX B200 の GPU あたり15,264トークン/秒に向上しました：https://www.together.ai/accelerated-compute。サーバーレスページでは、推論パフォーマンスはカーネル、スケジューリング、ランタイムシステム全体の継続的な最適化によって駆動されると述べています：https://www.together.ai/serverless-inference。専用推論ページでは、適応型投機的復号、より高速な出力、プロダクション学習、数分でのデプロイを強調しています：https://www.together.ai/dedicated-model-inference。

これが重要なのは、GPU 時間が出力単位ではないからです。顧客が気にするのは、レイテンシと品質のしきい値における1ドルあたりの有用なトークンです。Together が汎用提供スタックよりも GPU 時間あたりにより多くの有用な出力を生成できれば、プレミアムクローズドモデル API よりも低い料金を請求しながらも、ハードウェアコストを上回るスプレッドを得ることができます。ソフトウェアの優位性が一時的または証明が難しい場合、顧客は GPU 時間だけを見て、それに応じて交渉します。

同社の研究主導の信頼性は、クラウドプロバイダーとしては異例です。Salesforce Ventures は、Together を最適化されたトレーニングおよび推論ワークロードのための主要な GPU クラウドプラットフォームとして説明し、GPU クラスター上に独自のソフトウェアスタックを搭載してパフォーマンスとコスト効率を実現しています。また、創業者の Vipul Ved Prakash、Ce Zhang、Chris Re、Percy Liang を挙げています：https://salesforceventures.com/companies/together-ai/。Together 自身のページでは、FlashAttention で知られるチーフサイエンティストの Tri Dao を、カーネルおよびトレーニングパフォーマンスのストーリーの一部として強調しています。この血統は、同社が単にハードウェアへのアクセスを再販しているわけではないことを技術的な購入者に納得させるのに役立ちます。

課題は測定です。最良の証拠は、本番ワークロードにおけるレイテンシ、スループット、コスト、信頼性の大規模な顧客側比較です。公開証拠はまだ企業の主張、顧客事例、ベンチマーク指向の製品ページに偏っています。それは主張を偽りにするわけではありません。投資観点は、単一の速度の主張よりも、更新行動、ワークロード移行、エンドポイント拡張、長期クラスター予約により重きを置くべきであることを意味します。

開発者の習慣はプラットフォームレントとブローカースプレッドの違い

Together の最も価値のある資産は、単一のデータセンターリースやモデルカタログではないかもしれません。開発者の習慣かもしれません。2024年の資金調達投稿では、Together の登録開発者は45,000人以上で、LangChain、Vercel、LlamaIndex、MongoDB、EmbedChain などのアプリケーション開発フレームワークに統合されていると述べていました：https://www.together.ai/blog/series-a2。2025年2月のリリースでは、ユーザーベースが45万人以上の AI 開発者に成長したと述べています：https://www.prnewswire.com/news-releases/together-ai-raises-305m-series-b-to-scale-ai-acceleration-cloud-for-open-source-and-enterprise-ai-302380967.html。2026年7月のリリースでは、Together が100万人以上の開発者と世界のいくつかの要求の厳しい AI ワークロードを支えていると述べています：https://www.businesswire.com/news/home/20260701243402/en/Together-AI-Raises-%24800-Million-at-%248.3-Billion-Valuation-to-Make-Frontier-AI-Accessible-to-All。

開発者数は収益の質と同じではありません。登録開発者は一度テストして二度と戻らないかもしれません。しかし、習慣が重要なのは、AI インフラの決定はコードから始まり、後で調達決定になるからです。Together でプロトタイプを作り、Together でファインチューニングし、Together のツールでレイテンシを観察し、Together コンピュートの近くにウェイトを保存し、後に Together GPU を予約するチームは、徐々に運用上のスイッチングコストを生み出しています。モデルのデプロイ、評価、ファインチューニング、エンドポイント管理が1つのワークフローにある場合も同じです。クラウドプロバイダーは、毎日の作業の一部であり、安い見積もりで交換できる項目ではない場合、より耐久性が高まります。

Together の現在の採用動向は、同社がその習慣を中心に運用体制を構築しているという見解を支持しています。Greenhouse ボードには48の求人が表示され、コンピュートビジネスオペレーション、データセンター戦略とコンピュートサプライ、ネットワークアーキテクチャ、推論プラットフォームエンジニアリング、可観測性、サイトリライアビリティ、分散ストレージ、キャピタルマーケッツとコーポレートデベロップメント、カスタマーサポートとソリューションアーキテクチャの役割が含まれていました：https://job-boards.greenhouse.io/togetherai。採用ページは収益の証明ではありませんが、ボトルネックがどこにあるかを明らかにします。Together は推論をチューニングできるエンジニアとクラスターの信頼性を維持できる運用スタッフを必要としています。また、キャパシティを調達し、コミットメントを販売し、エンタープライズ顧客をサポートできる人材も必要としています。

公開市場の噂は、懐疑的な側面から同じ要を指しています。2024年後半の Reddit スレッドは、Together の急速な収益成長が耐久性のあるソフトウェア価値を反映しているのか、単に希少なコンピュートの再販なのかという懸念を提起しました：https://www.reddit.com/r/MachineLearning/comments/1gps8fl/d_together_ai_hits_100m_in_arr_but_it_just/。そのスレッドは投資グレードの証拠ではなく、代表的なセンチメントとして扱われるべきではありません。それが有用なのは、エンジニアや投資家が AI クラウドについて尋ねる中核的な質問を捉えているからです。プロバイダーは差別化された運用プラットフォームなのか、それともタイトな市場におけるキャパシティブローカーなのか。

信頼性はコンポーネントレベルで証明されなければならない

推論の信頼性は、広範なアップタイムのスローガンではありません。それは、モデルの可用性、エンドポイントの起動時間、レート制限動作、同時実行下のレイテンシ、フェイルオーバー、リージョナルキャパシティ、サポート応答、インシデントの透明性です。したがって、Together の公開ステータスページは、単なる管理上の衛生状態以上のものです。サービスエリア別のコンポーネント（ウェブサイト、プレイグラウンド、推論カテゴリ、特定のモデルサービスを含む）をリストし、この記事のチェック時点では「すべてのサービスがオンライン」と報告し、2026年7月5日 UTC の更新がありました：https://status.together.ai/。同じページはコンポーネント履歴とメンテナンス記録を公開しており、これは本番トラフィックを AI クラウドで実行するかどうかを決定する顧客にとって重要です。

ステータスページはまた、運用サーフェスの複雑さを明らかにしています。従来のソフトウェア API にはいくつかのサービスコンポーネントがあるかもしれません。モデルクラウドには多くの可動部品があります。なぜなら、各モデルファミリ、モダリティ、デプロイパスが異なる動作をする可能性があるからです。顧客は1つのモデルと1つのエンドポイントだけに気にするかもしれません。Together は、高価値の顧客が共有コンポーネントのストレスに悩まされないようにしながら、カタログ全体を管理しなければなりません。

ここで、専用エンドポイントと GPU クラスターラダーが運用上有用になります。サーバーレスは最も導入が簡単ですが、顧客を共有フリートの制約にさらします。専用エンドポイントはキャパシティを分離し、予測可能性を向上させますが、実行中は請求され、顧客はハードウェアを正当化するのに十分なトラフィックを予測する必要があります。GPU クラスターは顧客により多くの制御を与えますが、Together のマネージドオーケストレーションとサポートが強力でない限り、より多くの責任を顧客のチームに移します。価値提案は、1つのモードが最良であるということではありません。Together が使用が明確になるにつれて顧客をモード間で移動させることができるということです。

エンタープライズバイヤーにとって、AI がテストから顧客運用に移行するにつれて、信頼性の質問はより厳しくなります。6倍のコスト削減は、レイテンシとアップタイムが製品のしきい値内にある場合にのみ意味があります。サポートラインが沈黙したり、ピーク需要時にワークフローが停止したりすると、安いモデル呼び出しは安くありません。Together の証拠は、公開ページがコンポーネント監視、本番顧客事例、インフラ採用を示しているところで最も強力です。公開資料が更新率、顧客クラス別のインシデント深刻度履歴、契約上のサービスレベル、顧客側のポストモーテムを開示していないところでは、弱いままです。

オープンモデル代替は市場を拡大するが、ロックインを制限する

Together は、オープンウェイトモデルの台頭から恩恵を受けています。なぜなら、それは顧客に高価なクローズドモデル API への信頼できる代替を提供するからです。シリーズ C リリースによると、業界全体でのオープンソースモデルの使用は12か月で3倍になり、顧客はクローズド価格と比較して大きなコスト削減を報告しています：https://www.businesswire.com/news/home/20260701243402/en/Together-AI-Raises-%24800-Million-at-%248.3-Billion-Valuation-to-Make-Frontier-AI-Accessible-to-All。Together 自身のシリーズ C ブログは、オープンウェイトモデルがプロプライエタリなフロンティアモデルとの品質ギャップを縮め、それらを使用する企業が同等またはそれ以上のパフォーマンスを維持しながら、はるかに低いコストを定期的に達成していると述べています：https://www.together.ai/blog/announcing-our-series-c。すべての数字を受け入れるかどうかに関わらず、商業的な方向性は一貫しています。ワークロードがオープンウェイトモデルでうまく実行できるようになると、顧客は最も安い信頼できる提供層を探すことができ、1つのベンダーのクローズド価格表を受け入れる必要がありません。

同じ開放性が Together のロックインを制限します。オープンウェイトモデルの提供は、原則として顧客に移植性を与えます。彼らは同じまたは類似のモデルをハイパースケーラー、専門クラウド、内部クラスター、またはチームがあればコロケーションサーバーファームで実行できます。したがって、Together は品質によってスイッチングを不便にしなければならず、捕虜によってではありません。より高速なカーネル、チューニングされた推論、マネージドファインチューニング、開発者ツール、プライバシー管理、可観測性、サポート、キャパシティ可用性がレバーです。顧客は、移行に時間、パフォーマンス、信頼性がかかると感じなければならず、単に Today がモデルを持っているからではありません。

これは、顧客がプロプライエタリなストレージ形式、データベース、プラットフォームサービスに縛られるようになった古いクラウドサービス依存パターンとは異なります。Together の依存リスクはより運用上のものです。スタートアップは、Slurm、Kubernetes、GPU ドライバ、提供フレームワーク、モデル監視、キャパシティ予約、インシデント対応を実行する人を雇いたくないかもしれません。規制対象のエンタープライズは、オープンウェイトデプロイがチューニングおよび制御可能であれば、機密ワークロードをクローズドシステムに送りたくないかもしれません。メディアや音声アプリケーションは、ベンダーの正統性よりもミリ秒とターンあたりのコストを気にするかもしれません。Together は、それらの選択が毎日行われる実用的な場所になれば、粘着性を高めることができます。

リスクは、ハイパースケーラーと十分な資金を持つネオクラウドが同じ教訓を学ぶことです。大規模クラウドは GPU 価格を引き下げ、より広範なクラウド関係で AI サービスを補助し、プライベート接続とコンプライアンスをバンドルし、独自のチューニングされた提供層を提供できます。専門プロバイダーは、生の GPU 価格、リージョナルキャパシティ、ベアメタルアクセス、サポートでより激しく競争できます。Together のシリーズ B とシリーズ C の発表は、キャパシティを迅速に拡大する野心を示していますが、規模だけではロックインの問題を解決しません。プラットフォームはオープンモデルの需要を繰り返しのワークフローレベルの使用に変換しなければなりません。

データセンターの希少性はテーゼを支持するが、間違った場合のコストを上げる

マクロ環境は Together の緊急性を支持しています。CBRE の北米データセンタートレンド2025年下半期レポートでは、プライマリーマーケットの空室率が年末に過去最低の1.4%に低下し、プライマリーマーケットの供給はハイパースケール需要の加速により前年比36%増の9,432 MW になったと述べています：https://www.cbre.com/insights/books/north-america-data-center-trends-h2-2025。JLL の2026年グローバルデータセンター見通しでは、セクターは電力制約のあるスーパーサイクルに入っており、2025年から2030年の間に97 GW の増加を見込み、2030年までに100 GW の新規供給に約3兆ドルの投資が必要になる可能性があると推定しています：https://www.jll.com/en-us/insights/market-outlook/data-center-outlook。McKinsey は別途、データセンターが2030年までに世界中で6.7兆ドルを必要とする可能性があり、そのうち5.2兆ドルは AI 処理負荷に対応するための設備と推定しています：https://www.mckinsey.com/industries/technology-media-and-telecommunications/our-insights/the-cost-of-compute-a-7-trillion-dollar-race-to-scale-data-centers。

これらの数字は、なぜ Together のような企業が古いクラウド企業の成熟プロファイルを持つ前に大規模ラウンドを調達するかを説明しています。電力、土地、ネットワーキング機器、現行世代 GPU は、顧客契約が現れたときに即座に調達できません。プロバイダーは利用に先立ってコミットしなければなりません。Together のアクセラレーテッドコンピュートページによると、同社は25以上の都市にオプションを持ち、2 GW 以上の米国ポートフォリオと600 MW の短期キャパシティ、欧州で150 MW 以上、アジアおよび中東のオプションをプロジェクト規模に基づいて持っています：https://www.together.ai/accelerated-compute。シリーズ C ブログの500 MW 以上のコンピュート容量コミットメントへの言及は、キャパシティが現在、クラウド製品であると同時に資本市場製品であることを強調しています。

希少性は純粋な上振れではありません。キャパシティが不足しているとき、顧客はプレミアムを支払い、投資家は拡張に資金を提供します。キャパシティが到着すると、価格は急速に下落する可能性があります。NVIDIA の2026年度決算は、ハードウェアブームの規模を示しています：記録的な年間収益2,159億ドル、第4四半期収益681億ドル、第4四半期データセンター収益623億ドル、データセンター需要による年間成長：https://nvidianews.nvidia.com/news/nvidia-announces-financial-results-for-fourth-quarter-and-fiscal-2026。NVIDIA の H100 ページと GB200 NVL72 ページは、減価償却リスクが現実である理由も示しています。各ハードウェア世代は、メモリ、相互接続、スループット、有用トークンあたりのコストを変えます：https://www.nvidia.com/en-us/data-center/h100/およびhttps://www.nvidia.com/en-us/data-center/gb200-nvl72/。

Together にとって、結果はタイミングの問題です。GPU を確保するのが遅すぎると、開発者や企業は他に行きます。多すぎるか間違った種類のキャパシティを確保すると、より低い価格市場に高価なハードウェアを抱えることになります。次のハードウェア世代が推論コストを大幅に改善すると、古いクラスターはより低いレートで満たされるか、まだ適合するワークロードに使用されなければなりません。同社のソフトウェア最適化はこの曲線を和らげることができますが、取り除くことはできません。

ハイパースケーラーの圧力は一時的な割引ではなく構造的な脅威

ハイパースケーラーは、専門家が AI ワークロードを奪うのを受動的に見守っているわけではありません。彼らは調達、顧客関係、ネットワーキング、コンプライアンス、エンタープライズ契約、クロスサブシディ価格設定において優位性を持っています。AWS の P5 および P5e ページは、H100 および H200 GPU インスタンスを深層学習およびハイパフォーマンスコンピューティング向けに位置づけ、Capacity Blocks は定義された時間枠で GPU キャパシティを予約するメカニズムを示しています：https://aws.amazon.com/ec2/instance-types/p5/およびhttps://aws.amazon.com/ec2/capacityblocks/pricing/。Google Cloud のドキュメントでは、トレーニングおよび提供ワークロード向けの A3 GPU マシンタイプ（H100 バリアントを含む）を説明しています：https://docs.cloud.google.com/compute/docs/gpus。Microsoft のドキュメントでは、ハイエンドの深層学習トレーニングおよび密結合のスケールアップおよびスケールアウトワークロード向けの ND H100 v5 仮想マシンを説明しています：https://learn.microsoft.com/en-us/azure/virtual-machines/sizes/gpu-accelerated/ndh100v5-series。

Together はすべての次元でハイパースケーラーに打ち勝つ必要はありません。オープンモデルのスピード、専門サポート、低いユニットコスト、モデル間の簡単な移行、より焦点を絞った AI 開発者体験を重視する顧客に対して打ち勝つ必要があります。市場は、専門クラウドがその役割を果たせば十分に大きいです。しかし、ハイパースケーラーの圧力が重要なのは、大規模クラウドが参照価格を引き下げることができるからです。また、AI ワークロードをより広範なエンタープライズコミットメントの一部にすることもできます。そこでは、AI 請求書がストレージ、データベース、分析、ネットワーキング、セキュリティ、オフィス生産性契約と共に交渉されます。スタートアップはスピードとシンプルさで Together を購入するかもしれません。大企業は、既存のクラウドパートナーがその価値の十分な部分をより良いブレンドレートで一致させられるかどうか尋ねるかもしれません。

脅威は、Together のフルスタックを必要としないワークロードに対して特に鋭いです。顧客が予測可能なトレーニング実行のために生の H100 または B200 時間だけを必要とし、経験豊富なインフラチームを持っている場合、生のネオクラウド、ハイパースケーラーの予約、内部クラスターと比較します。顧客がチューニングされた推論、迅速なモデル更新、ファインチューニング、入力再利用、サポート、モデル可用性を必要とする場合、Together にはより多くの余地があります。したがって、同社は最も安い GPU 時間だけで判断されることを避けなければなりません。その利益率は、ソフトウェアと運用価値をハードウェアに付加することに依存しています。

Dell'Oro の2026年のデータセンターインフラ予測は、別の圧力点を追加します。ハイエンド GPU は引き続き最大のコンポーネント成長ドライバーですが、ハイパースケーラーはコスト、電力効率、ワークロード固有のパフォーマンスを大規模に最適化するために、より多くのカスタムアクセラレータを展開しています：https://www.delloro.com/2026-predictions-data-center-infrastructure/。カスタムアクセラレータが推論向けに成熟すれば、長期の価格フロアは NVIDIA GPU クラウドだけでなく、最大手バイヤー内部のプロプライエタリシリコンによって設定される可能性があります。Together の対応は柔軟性でなければなりません。顧客が望むハードウェアをサポートし、提供ソフトウェアを先取りし、推論アーキテクチャがシフトしたときに座礁するキャパシティの賭けを避けることです。

同社はフル運用ループを所有するところで最も強い

Together の最も強いポジションは、一度きりのジョブのために数 GPU をレンタルする顧客ではありません。ループを通過する顧客です。サーバーレスでプロトタイプを作り、オープンウェイトモデルをテストし、プライベートデータでファインチューニングし、品質を評価し、専用エンドポイントをデプロイし、クラスターキャパシティを予約し、レイテンシを監視し、モデルを反復し、製品が成長するにつれて使用量を拡大します。そのループでは、Together は利益率を得るいくつかの方法を持っています。トークン使用量、エンドポイント分、GPU 時間、ストレージ、ファインチューニングジョブ、サポートを捕捉できます。また、顧客需要シグナルを使用して、生のレンタルマーケットプレイスよりもインテリジェントにキャパシティを計画できます。

Decagon の例は、このループをミニチュアで示しています。サーバーレス推論、ファインチューニング、GPU クラスターがすべて使用された製品としてリストされ、ビジネス成果はターンあたりのコスト、p95 レイテンシ、毎週のモデルデプロイ速度を中心に構成されています：https://www.together.ai/customers/decagon。製品ページは抽象的に同じシーケンスを示しています。サーバーレスは開始コストを削減します。専用エンドポイントは分離と一貫したパフォーマンスを提供します。GPU クラスターはより大規模なトレーニング、ファインチューニング、提供をサポートします。マネージドストレージはモデルウェイトとデータをコンピュートの近くに保ちます。評価とモデル整形ツールは品質決定をサポートします。商業的なポイントは、Together をチームが反復するデフォルトの場所にすることであり、単に GPU の支払い場所ではありません。

その運用ループはまた、同社の顧客および投資家向けメッセージングを説明しています。2026年7月のリリースでは、Together が Cursor、Cognition、Decagon を含む数千の有料顧客にサービスを提供し、オープンソースモデルの使用が12か月で3倍になったと述べています：https://www.businesswire.com/news/home/20260701243402/en/Together-AI-Raises-%24800-Million-at-%248.3-Billion-Valuation-to-Make-Frontier-AI-Accessible-to-All。シリーズ B リリースでは、Salesforce、Zoom、SK Telecom、Hedra、Cognition、Zomato、Krea、Cartesia、The Washington Post をプラットフォームを使用する組織として挙げました：https://www.prnewswire.com/news-releases/together-ai-raises-305m-series-b-to-scale-ai-acceleration-cloud-for-open-source-and-enterprise-ai-302380967.html。これらの名前は企業提供ですが、ターゲットを示しています。まず開発者と AI ネイティブ企業、次にコスト効率の高い本番 AI とより多くの制御を必要とするグローバル企業です。

ループはまた、リスクが集中する場所です。顧客が Together を1つのステージにのみ使用する場合、スイッチングはより簡単です。ファインチューニングが他で行われ、評価が他で行われ、ストレージが他で行われ、提供が他で行われる場合、Together はトークンエンドポイントになります。顧客が品質を失わずにオープンウェイトモデルをより安い GPU プロバイダーに移動できる場合、価格交渉は残酷になります。Together のビジネス品質は、顧客ワークフローがそのスタックの複数の部分に同時に依存するときに向上します。

証拠は野心については強力だが、耐久性のあるユニット経済性については弱い

Together の野心に関する公開証拠は異常に豊富です。企業とサービスを特定する公式法的条件、サーバーレス推論、専用エンドポイント、GPU クラスターの製品ページ、請求モードを説明するドキュメント、2023年、2024年、2025年、2026年の資金調達リリース、公開価格、レイテンシとコストメトリクスを含む顧客ストーリー、ステータスページ、採用ボード、サードパーティの投資家説明があります。これらのソースは明確な結論を支持しています。Together Computer, Inc.は、オープンモデルのトレーニングと推論を本番規模でより安く、より速く、より簡単に運用することを戦略とする重要な AI クラウド企業です。

証拠が最も弱いのは、ビジネスモデルが最も困難なところです。公開資料は、製品別の粗利益率、フリートの稼働率、平均エンドポイント占有、予約キャパシティの更新、顧客集中度、正確な資本コスト、減価償却の前提、電力契約期間、GPU 調達条件、エンタープライズ顧客あたりのサポートコスト、または年間予約額のうちどれだけが認識収益に変換されるかを示していません。Together の2026年7月の年間予約額の数字は有用な成長シグナルですが、予約は収益、粗利益、またはフリーキャッシュフローと同じではありません。50倍のインフラ拡張目標は強力ですが、将来の資本集約度の声明でもあります。

市場の噂も有用な方法で混合されています。開発者は低摩擦のモデルアクセス、高速推論、オープンモデルの選択肢を好みます。投資家は収益の上昇と資本調達を好みます。懐疑論者は、同社が単に希少 GPU の仲介業者であるかどうかを尋ねます。顧客はより低いトークンコストを望みますが、本番の信頼性低下を許容しません。ハイパースケーラーは信頼できる競合他社です。生の GPU プロバイダーはアンダーカットできます。ハードウェア世代は急速に移動します。これらの点のいずれも強気のケースを打ち消すわけではありません。それらはテストを定義します。

したがって、最も重要なウォッチポイントは具体的です。第一に、Together が音声だけでなく、異なるワークロードタイプにわたって Decagon のような顧客側の証拠をより多く示せるかどうか。第二に、本番トラフィックが成長するにつれて、公開ステータスとサポートストーリーが成熟するかどうか。第三に、顧客がサーバーレステストから専用エンドポイントと予約 GPU クラスターに移動し、習慣と利用を証明するかどうか。第四に、500 MW 以上のキャパシティ野心が利益率の破壊なしに資金調達され、満たされるかどうか。第五に、Together のカーネルと提供の優位性が、ハイパースケーラーとオープンソーススタックが改善するにつれて可視のままであるかどうか。

購入者の実務的な質問は、誰が固定費を所有すべきか

最初の例の AI スタートアップにとって、決定はロゴから始めるべきではありません。需要の形状から始めるべきです。トラフィックがバースト的であれば、サーバーレストークン価格はアイドルハードウェアを避けるため合理的かもしれません。トラフィックが安定しておりレイテンシに敏感であれば、専用エンドポイントは利用が高いままである場合に安く、より予測可能です。企業が大規模なトレーニングまたはファインチューニング実行を持っている場合、チームがそれらをビジーに保ち、Together のマネージドレイヤーが十分なエンジニアリング時間を節約できれば、GPU クラスターは理にかなっています。企業にインフラ専門家と高度に予測可能なワークロードがある場合、セルフホスティングまたは生のネオクラウドキャパシティが勝つかもしれません。企業がすでに大規模なハイパースケーラーコミットメントを持っている場合、既存のクラウドは調達で打ち負かすのが難しいかもしれません。

Together の役割は、その決定をより二択でなくすることです。そのプロダクトラダーにより、顧客はトークン価格の推論から始め、需要が明確になるにつれて予約ハードウェアに向かって登ることができます。その研究ストーリーは、GPU 時間あたりより有用な出力を約束します。その資金調達ストーリーは将来のキャパシティを約束します。そのステータスページとサポート採用は、本番ワークロードが運用規律を必要とするという認識を示しています。その顧客ストーリーは、コストとレイテンシの利得が利益率に影響を与える可能性があるユースケースを示しています。

弱い要は同じままです。Together は、GPU の減価償却と価格競争がスプレッドを侵食する前に、オープンモデルの需要を耐久性のある利用に変換しなければなりません。開発者が GPU が一時的に不足していたからではなく、プラットフォームがエンジニアリング時間を節約し、本番経済性を改善するために留まることを証明しなければなりません。顧客が Together をワークフローの習慣にするために、スタックの十分な部分を採用することを示さなければなりません。そして、将来のすべての価格引き下げをバランスシートの問題に変えずに、キャパシティに資金を提供しなければなりません。

これにより、Together は確信度は高いがリスクの低いクラウドサービス依存ではありません。成功すれば、同社はローカルクラウド代替の実用的な管理ポイントの1つになります。スタートアップやエンタープライズがクローズドシステムに経済性を明け渡したり、独自のクラスターを運用したりせずに、オープンウェイト AI ワークロードを実行できる場所です。失敗すれば、ハードウェアが安くなり、ハイパースケーラーがよりシャープになり、開発者が次の低コスト提供スタックに移動する市場における、もう1つの高価なレイヤーになります。答えは、スローガンよりも、トークンスループット、エンドポイント占有、予約 GPU 更新、および次の GPU 世代が価格表をリセットするときの顧客の忍耐に現れるでしょう。