何が起きたか
ScentifAIは2026年11月11日、Silicon Catalyst Japanのポートフォリオ企業に選定されたと発表した。両社は2026年10月7日にMOUを締結しており、Silicon Catalyst Japanと米国のSilicon Catalystが、ScentifAIの北米での事業展開を支援する。支援の当初対象分野はフィジカルAI・ロボティクス、食品・飲料、ヘルスケア、産業安全である。
詳細
同社によると、CMOSニオイイメージングセンサーは独自の感応膜と標準的なCMOSプロセスを組み合わせる。1.2mm²の感応エリアに約57,000画素を集積し、ドライバーを含む周辺回路を約3mm²の単一シリコンダイに統合する。標準CMOS製造プロセスを用いた小型化と低コスト量産を前提に設計したとしている。 ScentifAIは、化学指紋データとデジタル嗅覚AIを組み合わせるマルチモーダル・データプラットフォームを構築中だ。今後数カ月の計画として、北米の顧客との共同開発、化学指紋データの収集拡大、グローバル投資家からの追加資金調達を挙げた。
Key Facts
| ScentifAIはSilicon Catalyst Japanのポートフォリオ企業に選定され、両社は2026年10月7日にMOUを締結した。 | [2] |
| 支援はSilicon Catalyst JapanとSilicon Catalystが担い、当初の対象分野はフィジカルAI・ロボティクス、食品・飲料、ヘルスケア、産業安全である。 | [2] |
| センサーは1.2mm²の感応エリアに約57,000画素を集積し、周辺回路を約3mm²の単一シリコンダイに統合する。 | [2] |
| 同社は化学指紋データとデジタル嗅覚AIを組み合わせるマルチモーダル・データプラットフォームを構築中である。 | [2] |
| ScentifAIは2025年9月設立で、CMOSニオイイメージングセンサーとデジタル嗅覚AIプラットフォームを開発している。 | [2] |
本紙の見方
今回の仕組みの特徴は、センサーの技術仕様だけでなく、北米での市場開拓支援をポートフォリオ選定とMOUに結びつけた点にある。ScentifAIのセンサーは標準CMOSプロセスを使い、約57,000画素の感応エリアと周辺回路を小さなシリコンダイに集積する設計だ。同社が掲げる「においを画像として記録する」方式は、少数の測定値を出す電子鼻とは異なり、化学環境を化学指紋データとして扱う構想である。ただし、発表資料は具体的な識別精度や、量産時の歩留まり・生産能力を示していない。寸法や画素数だけでは、用途ごとの実用性は判断できない。 事業のつながりとしては、感応膜とCMOSによるセンシングから化学指紋データを得て、デジタル嗅覚AIと組み合わせるプラットフォームを構築し、北米の複数分野で共同開発を進める計画となる。データ収集の拡大をAI学習データの価値向上に結びつける方針も示した。一方、どの化学物質や混合臭をどの条件で識別するのか、データの形式や評価方法は公表資料からは分からない。センサーの製造設計とデータ・AIの利用を並べた点は事業モデル上の要素だが、両者が実際の製品でどう接続されるかは、今後の開発内容で確かめる必要がある。 本紙の関連記事であるSparxity、シリーズAを完了 累計調達額は8000万ユーロは、半導体関連企業の資金調達と投資家構成を扱った。今回のScentifAIの発表は資金調達ではなく、アクセラレーターの支援を通じた市場展開が中心であり、半導体・深層技術企業を事業化へつなぐ手段の違いが見える。Silicon Catalyst側のPaul Pickering氏は、MEMSファウンドリMicralyneでCROを務め、Teledyne Technologiesによる買収まで収益部門を率いた経歴が資料に記載されている。ただし、個別の顧客開拓や製品化の成果はまだ示されていない。 業界構造への含意は、標準CMOS製造を前提にした小型センサーと、センサー固有の感応膜・化学指紋データを組み合わせようとしている点にある。標準プロセスの利用は量産を見据えた設計方針として説明されているが、製造委託先やコスト、膜材料の供給体制は公表されていない。次に確認すべきなのは、実環境での再現性と識別性能、対象化学物質の範囲、データ収集の規模、共同開発の具体的な成果である。これらが示されて初めて、フィジカルAI・ロボティクスなどの各用途で、画像化された化学指紋が既存の検知方式に何を加えるかを評価できる。
なぜ重要か
ScentifAIは、約57,000画素の感応エリアと周辺回路を標準CMOSプロセス前提の単一ダイにまとめ、化学指紋データをデジタル嗅覚AIと組み合わせる計画を示した。センサーの小型化・量産設計と、用途別データの蓄積を一体で進められるかが、北米で挙げたロボティクスや産業安全などの分野での適用を左右する論点となる。