ZETIC.ai
ZETIC.ai (Zetic Inc.) · その他
ZETIC.aiはAIモデルをユーザーの端末上で動かす。Melange SDKがスマホやエッジボードのNPU向けにコンパイルし、実行時に最速のチップを選ぶため、通信なしで推論が回る。
ZETIC.ai について
About
ZETIC.aiとは
ZETIC.aiは韓国のエッジコンピューティング企業で、売り物は一つしかない。学習済みモデルを、顧客がすでに持っているハードウェアで速く動かすことだ。主力製品のMelangeはオンデバイスAIプラットフォームで、モデルをアップロードすると量子化とコンパイルが走り、SDKがそのバイナリを端末へ落とす。
狙いはC++やOpenCL、Metalシェーダーに触れたくないチームにある。SDKが公開するのは薄いラッパーだけで、計算グラフをQualcomm、MediaTek、Samsung、Appleのシリコンに載せる面倒な部分はZETIC側が引き受ける。NPUアクセラレーションの価値はそこだ。AIモデルのデプロイに4種類のツールチェーンを覚える必要はなく、エッジAI SDKがその部分を引き受ける。
契約前に押さえるべき制約が二つある。ホスト型の推論エンドポイントはなく、モデルはURLの向こうではなくアプリの中に入る。無料で使える範囲はQualcomm、Google Tensor、Apple Neural Engineまでで、MediaTek APUとExynos DSPはエンタープライズ契約が必要になる。
使い始める
- melange.zetic.aiでGoogleかGitHubのアカウントで登録する。クレジットカードは不要で、実行環境だけ試したいならデモ用のモデルキーがそのまま使える。
- 学習済みモデルを.pt2か.onnxでアップロードし、NumPyの.npy形式でサンプル入力も添える。
- バックグラウンド処理の完了を待つ。Melangeが計算グラフを解析し、重みを量子化し、ターゲットのNPUファミリーごとにコンパイルする。
- ダッシュボードからModel KeyとPersonal Keyをコピーし、用意されたスニペットをAndroid、iOS、Flutterのプロジェクトに貼る。
- 実機で動かす。エミュレータやシミュレータにはNPUがないため、そこで測ったレイテンシに意味はない。
AIツール情報
ZETIC.aiの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- 公開済みアプリにAI機能を足すモバイル開発者。SDKはKotlin、Swift、Flutterに入り、モデルキー1本でユーザーの端末をひととおりカバーする。
- ロボティクスやハードウェアのチーム。JetsonやQualcommのボード向けにC/C++ライブラリかROS 2パッケージを、改善前後のレイテンシ値付きで受け取れる。
- 実機の数値が要る研究者。200台超の端末ファームがあれば、ハードを買う前にミドルレンジAndroidでの速度が分かる。
タスク
- カメラアプリ内での画像認識。ZETICの公表値ではYOLOv11がCPUの102msからiPhone 16のNeural Engineで1.9msまで下がる。
- サーバーなしで言語モデルを動かす。コンパイル済みバイナリは一度落ちてキャッシュされ、以後はネットワーク呼び出しなしで応答する。
- モデルがスマホに収まるかの確認。アップロードして計測し、メモリとレイテンシを見てから設計を固める。
- 同じハードで候補モデルを比べる。ダッシュボードに結果が残るので、スペック表ではなく実測値で比較できる。
シーン
- ユーザーの写真や動画をクラウドに上げるとコンプライアンス上の問題になるアプリ。フレームは端末に残り、推論も端末で完結する。
- 推論量が多く利益率の薄い製品。処理を端末へ移せば呼び出しごとのサーバー費用が消えるが、アプリのダウンロード容量は増える。
- ハードウェアの調達。対応ボードを自社のワークロードで比べてから、台数をまとめて買う判断ができる。
主な機能
一度アップロードすればバイナリが返る
MelangeはPyTorch Exported Program（.pt2）とONNXを受け付ける。バックグラウンドで計算グラフを解析し、量子化し、ターゲットのアクセラレータ向けにコンパイルして、そのバイナリを指すModel Keyを返す。カーネルを自分でビルドする必要はない。
ドライバを触らずにNPUへ届く
ハードウェア抽象化はQualcomm HTPとDSP、Google Tensor、A11以降のApple Neural Engine、そしてエンタープライズ契約下のMediaTek APUとExynos DSPを覆う。書くのはKotlin、Swift、Dartで、ベンダー固有の配線はプラットフォーム側が処理する。たいてい四半期ひとつを食う作業だ。
実行時にバックエンドを選ぶ
各モデルは端末ごとにCPU、GPU、NPUで計測され、実行環境がスマホAI推論を最速のバックエンドへ振り分ける。NPUドライバが遅れている端末では効く仕組みだ。MediaTekチップのGalaxy A34では、ZETICの数値でNPUが249ms、GPUが96msとなり、MelangeはGPUへ切り替える。
Android、iOS、Flutterを1本のコードで
AndroidはMaven経由のKotlinかJava、iOSはSwift Package Manager経由のSwift、Flutterには専用パッケージがある。ラッパーAPIの形は3つとも同じなので、モデル読み込みのコードは書き直しではなく数行の差分で済む。
実機での計測値
ZETICはエミュレータではなく200台超の実機ファームで測る。ドライバのばらつき、熱によるクロック低下、メモリ上限がそのまま表に出る。公開値にはYOLOv11でGalaxy S25のNPUが3.72ms、iPhone 15 Pro MaxのNPUが2.05msという数字がある。
ロボティクス向けの納品
フィジカルAI向けには、同じ実行最適化をC/C++ライブラリかROS 2パッケージとしてまとめ、Jetson Thor、Orin、NanoとQualcomm QCS、iQボードに対応する。Jetson AGX Thorでのπ0.5デモでは、ポリシー推論が253.7msから31.5msへ下がった。PyTorch eagerを基準に約8.1倍である。
メリットとデメリット
メリット
- シェーダーもカーネルもドライバも書かずに済む。オンデバイスAIの案件が止まる原因はたいていそこにある。
- クレジットカード不要の無料アカウントがあり、公開デモのモデルキーで最初の動作確認ができる。
- モデルキー1本で幅広い端末をまかない、実行時に端末ごとにCPU、GPU、NPUを選ぶ。
- 数値が実機由来なので、レイテンシの見積もりが量産後も崩れにくい。
- 対応モデルとボードなら、ロボットやエッジ向けの納品は2日。C/C++ライブラリかROS 2パッケージで受け取れる。
デメリット
- MediaTek APUとExynos DSPはエンタープライズ契約が要る。これらのチップを使うコンシューマー向けアプリのチームはGPU経路しか選べない。
- ホスト型APIはない。SDKではなくRESTエンドポイントを想定していたなら、製品の形が合わない。
- 下限はAndroid 7.0とiOS 16.6で、まともな計測には実機が必須になる。
- 価格は非公開で、新しいアーキテクチャやボードは納品まで1週間ほどかかる。
よくある質問
AI推論を端末側へ移すための製品だ。学習済みモデルと対象のスマホやボードを渡すと、ZETICがそのモデルを端末のNPU、GPU、CPUで動くようにコンパイルする。
関連コンテンツ
ZETIC.aiに関連するツール、スキル、記事を探す。
ZETIC.aiの代替ツール
Odyssey 3
Odyssey · その他Odyssey-3はOdysseyの基盤ワールドモデルだ。物理をリアルタイムにシミュレーションし、プロンプトからインタラクティブな環境を生成して、ロボットや車、ゲームに適応する。
JarvisCore
Prescott Data · コーディング · 生産性向上 · その他JarvisCore は、AI エージェントが対等なピアとしてメッシュを組み、共有台帳からタスクを引き受け、ゼロトラストのブローカー経由で外部サービスを呼ぶオープンソースの Python ランタイムである。
Clef
Cloudflare · ビジネス · その他Clef は Workers AI で動く Cloudflare のオープンソース意思決定モデルだ。生成テキストではなく、型付きの設問に確率を返す。エージェントは素早く分類し、振り分け、行動できる。