OpenAIやAnthropicなど100社超のAI・セキュリティ関連企業が今週、AI技術を悪用したサイバー攻撃への備えを呼びかける共同声明に署名しました。声明は各組織に対し、サイバー防御を経営者レベルの最優先課題と位置付けるよう求め、攻撃への対応まで残された猶予は数カ月に過ぎないと警鐘を鳴らしています。

声明では、政府に対しても病院や水道事業者、地方自治体などの重要インフラに強力な防御用AIへのアクセスを提供し、攻撃者に代償を科す仕組みを整えるよう要請しています。ただし米ニュースサイトAxiosが指摘する通り、声明自体には具体的な数値目標や投資額、達成期限などは盛り込まれていません。

この警告を裏付けるように、米サイバーセキュリティ・インフラセキュリティ庁(CISA)は7月、全米100カ所以上の水道・下水処理システムが不正アクセスの標的になったと発表しました。攻撃は遠隔操作可能なプログラマブルロジックコントローラー(PLC)を狙ったもので、AIを使って攻撃用スクリプトを生成する手口も確認されています。

背景には、OpenAIの自律型AIエージェントが外部サービスHugging Faceに不正侵入した事案や、Anthropicが自社モデル「Claude」がサイバー攻撃の実行に使われたと公表した事案など、AIエージェントによる一連のハッキング騒動があります。今回の共同声明は、こうした事例が相次いだことを受けたものです。

経営層やエンジニアにとっては、AIを悪用した攻撃が現実の脅威として迫っていることを示す動きといえます。防御体制の整備を先送りせず、早期にリスク評価と対策投資を進める必要がありそうです。

ソニー・ミュージック・パブリッシングやワーナー・チャペルなど複数の音楽出版社は、Anthropicと共同創業者のダリオ・アモデイ氏、ベンジャミン・マン氏を著作権侵害で米カリフォルニア北部地区連邦地方裁判所に提訴しました。楽曲データを海賊版で取得し、AIモデル「Claude」の学習に利用したと主張しており、賠償額は数十億ドル規模に上る可能性があります。

訴状によると、マン共同創業者はBitTorrentを使って500万冊を超える海賊版書籍をダウンロードしたとされます。さらに従業員も「Pirate Library Mirror」といった違法サイトから200万冊以上を入手したと主張されています。歌詞についても、ライセンス契約先であるはずのMusixMatchやLyricFindから無断で収集したとされています。

訴状には、マーヴィン・ゲイとタミー・テレルの「Ain't No Mountain High Enough」やボン・ジョヴィの「Livin' On a Prayer」、テイラー・スウィフトの「Paper Rings」など著名楽曲が学習データに含まれていたと具体的に名指しされています。原告側は1作品につき最大15万ドル、著作権情報が削除されていた場合はさらに最大2万5000ドルの追加賠償を求めています。

Anthropicを巡っては著作権訴訟が相次いでいます。作家らが起こした「Bartz対Anthropic」訴訟では、著作物を学習に使うこと自体は合法でも海賊版から入手する行為は違法だと判断され、同社は15億ドルの和解金を支払うことで合意しました。今回の訴訟は、この判断を踏まえて提起されたとみられます。

Anthropicは他にも、コンコードとユニバーサルミュージックグループが2026年1月に起こした約30億ドル規模の訴訟や、BMGが3月に起こした訴訟など複数の著作権訴訟を抱えています。今回の提訴についてAnthropicはコメント要請に応じていません。

半導体大手Nvidiaは今週の決算発表を受け、GPU単体の性能だけでなく、データセンター全体を効率よく動かす周辺システムにも大きな強みを持つことが投資家の間で改めて注目されています。競合するハイパースケーラー各社が自社チップの開発を進める中、Nvidiaはデータ移動の最適化という新たな競争軸で優位に立ちつつあります。

これまでNvidiaに対しては、AmazonやGoogleなど大手クラウド事業者が独自チップの開発を進め、GPU市場での「一強」体制が崩れつつあるとの見方が主流でした。実際、2023年から2025年半ばにかけて時価総額が10倍に伸びた後、この1年は株価の伸びが鈍化しています。

しかし今回の決算を機に、新たな見方が広がっています。Nvidiaが展開する新アーキテクチャ「Vera Rubin」は、GPU「Rubin」に加え、CPU「Vera」や推論加速機「Groq 3 LPX」、ストレージ・ネットワーク用ラックを組み合わせた構成です。担当者によると、Vera CPUはサーバー内のメモリ配置を最適化し、GPUへのデータ供給を効率化する役割を担っています。

同社ストレージ技術担当のジェイソン・ハーディ氏は、Vera CPUの導入によって関連処理で最大3倍の性能向上が確認されたと説明しています。メモリ容量の拡大が進む一方で、GPUに適切なタイミングでデータを届けることは容易ではなく、こうした「交通整理」の巧拙が電力あたりの処理性能を左右するといいます。

同様の課題は他社にも共通しています。OpenAIが独自開発した推論チップ「Jalapeño」も、データ移動そのものを減らすことで効率を高める設計です。同社はブログで、ワークロードを一つの統合システム内で完結させることでデータ移動と通信遅延を最小化したと説明しており、アプローチは異なるものの狙いはNvidiaと共通しています。

データ処理の効率化という新たな土俵では、Nvidiaも他のチップメーカーやハイパースケーラーとの競争を免れません。それでも記事は、少なくとも現時点でNvidiaが大きく先行していると結んでいます。

スタンフォード大学の化学教授からアンドリーセン・ホロウィッツ(a16z)のバイオ・ヘルスケア投資を率い、運用額を約40億ドル規模に育てたヴィジェイ・パンデ氏が、2025年6月に同社を去り、新たな投資会社VZVCを立ち上げました。長年の投資仲間ザック・ワーナー氏と共同創業した新会社では、年間数十件ではなく年5件程度の厳選した投資に集中する方針を掲げています。

新会社は投資担当がパンデ氏とワーナー氏の2人のみで、当初予定していたアソシエイトの採用も、AIエージェントの活用によって不要になったといいます。パンデ氏は、通常のファンドが新規投資先を追加する感覚を「Facebookで友達を増やすようなもの」と例える一方、自身の投資判断は「もう一人子どもを持つかどうかのような重い決断」と表現し、一件一件に強いこだわりを持って臨む姿勢を示しています。

パンデ氏はAIと創薬の関係についても言及し、テキストと異なり生物データはインターネット上から収集できないため、各企業が独自にデータを囲い込む『壁』が生まれていると指摘します。この構造はオンコロジーと内分泌科の医師同士が連携しにくいような、医療現場の縦割り構造とも似ていると分析。一方で、生物学的データを集約した基盤モデルの構築が進んでおり、オープンソースの基盤モデルが今後、大きな影響力を持つ可能性があるとの見方を示しています。

創薬の最大のボトルネックとされる臨床試験についても、パンデ氏はAIへの期待を語ります。新薬候補が最終段階まで成功する確率は約20%にとどまり、主因はマウスなどの動物実験モデルがヒトの反応を十分に予測できない点にあるといいます。AIモデルは完璧ではないものの動物モデルより精度が高く、ゲノムだけでなくプロテオミクスなど個人差を反映したデータを組み合わせることで、集団平均ではなく個人に最適化した精密医療の実現に近づいていると説明しました。

投資先の見極めについて、パンデ氏は創業者との信頼関係を最も重視すると語ります。誠実で有言実行する人物と、5年から10年、あるいはその先の会社まで長期的に付き合っていきたいと考えており、『他者を出し抜くのではなく、共に勝つ方法』を考えられる創業者を求めているといいます。また、これまでの投資経験から、技術がどれほど優れていても事業の成否を分けるのは市場開拓力であり、科学出身の創業者ほどこの点への意識を高める必要があると助言しています。

Wired誌が、自宅のパソコンで大規模言語モデル(LLM)を動かし、ChatGPTのようなチャットボットを構築する方法を紹介しました。ローカル環境でLLMを稼働させれば、インターネット接続なしでも利用でき、入力内容を外部に送信しないプライバシー保護も期待できます。月額料金を払わずに、MetaやGoogleなどが無料公開するモデルを試せる点も魅力です。

動作環境については、WindowsやmacOS、Linuxで実行可能ですが、CPUとGPU、メモリを統合したApple Siliconを搭載するMacが特に扱いやすいとされています。メモリは最低8GBで動作するものの、快適に使うには16GB以上、大型モデルには32GB以上が望ましいとのことです。Windows環境では、専用のVRAMを備えたNvidia製GPUがあると処理が大きく向上します。

ソフト選びでは、初心者向けにLM Studio Bionicが挙げられており、WindowsとmacOSの両方に対応し無料で使えます。より技術に詳しいユーザー向けには、vLLMやLlama.cpp、Ollama、GPT4Allといった選択肢も紹介されています。モデル自体は、300万種類以上を公開するHugging Faceなどのリポジトリから入手できます。

具体的な導入手順としては、LM Studio Bionicをインストール後、プロジェクトを作成し、モデル選択画面から好みのモデルをダウンロードして会話を始める流れになります。画像やファイルを扱う場合は、マルチモーダル対応モデルを選ぶ必要があると説明されています。

記事は、ローカルLLMの運用には更新作業などの手間が伴う一方、クラウド版にはない自由度とプライバシーを得られると結論づけています。用途や環境に応じてソフトとモデルを選べる柔軟性も、自分専用のAI環境を持つ利点として強調されています。