Gitプロジェクトは2026年11月10日、6件のセキュリティ脆弱性を修正する新バージョンを公開しました。悪意あるリポジトリーの再帰クローンで任意コードが実行される恐れのほか、意図しないファイルへの書き込みや、マージ・バイナリーパッチ処理時のメモリー破損などが対象です。GitHubは、Git 2.56.1または各保守系列向けの修正版へ更新するよう勧めています。

深刻な問題の一つは、再帰クローン時に長いパス名の検証結果と実際の書き込み先が食い違い、サブモジュールの設定ファイルを置き換えられる点です。攻撃者が細工したリポジトリーを使うと、その後の処理で不正なフックなどが実行される可能性があります。修正版は、長すぎるインデックス内のパスを事前に拒否します。

ほかに、空のリポジトリーを複製する際にサーバーが示す参照名を悪用し、参照ディレクトリー外へ書き込む問題がありました。また、署名を取り除く処理、圧縮バイナリーパッチの展開、巨大なマージ結果のメモリー計算にも不備が見つかりました。Gitは参照名の検証やサイズ確認、オーバーフロー対策を追加しています。

fast-importの入力ストリームにも、リポジトリー外のファイルを読み取ったり、ファイルを作成・追記したりできる機能がありました。修正版では、信頼できる生成元だと明示する場合を除き、該当機能を入力ストリームから利用できないようにしました。GitHubは自社サービスへ修正を適用し、GitHub Enterprise Serverの管理者にも更新を推奨しています。

利用者はOSやGit配布元から修正版を導入し、Gitを同梱するアプリや自動化環境も確認する必要があります。更新までの間は、信頼できるサーバー以外からの複製や、信頼できない内容の再帰クローン、マージ、パッチ適用を避けるようGitHubは案内しています。これらの回避策は修正版の導入に代わるものではありません。

ニューヨーク州は2026年11月10日、大規模なAI開発企業を対象とする安全・透明性法「RAISE法」の登録窓口を開設しました。AnthropicやOpenAIなど、年商5億ドルを超える企業は2027年1月1日までに登録し、安全枠組みの公表や重大事故の報告を求められます。州は新設機関を通じて監督し、違反には最大300万ドルの罰金を科す方針です。

同法は年明けに施行され、対象企業にウェブサイト上で安全枠組みを公開するよう義務付けます。重大な安全事故は72時間以内に報告し、モデルの透明性に関する報告書も公表する必要があります。登録を怠った企業にも州が執行措置を取れますが、具体的な内容は明らかにされていません。

施行を担うのは、新設されたデジタルイノベーション・ガバナンス・インテグリティ・トラスト局（DIGIT）です。違反への罰金は1回目が最大100万ドル、再度の違反では最大300万ドルとなります。州立ビンガムトン大学を拠点とする新センターは、先端AIの安全性や運用を独立評価し、企業の安全枠組みをDIGITと検証します。

ニューヨーク州は、AIコンパニオンとの対話表示や自傷リスク検知を求める既存法に加え、未成年者向けチャットボット規制も制定しています。後者は2027年6月1日に施行予定で、人間を装う応答や感情操作などを制限します。カリフォルニア州法は重大事故の報告期限を15日以内とし、イリノイ州法も2027年初めに同様の要件を導入する予定です。

英国のセキュリティ企業ControlPlaneの研究者クリス・ネスビット＝スミス氏は2026年8月、英政府など33組織が公開するコード基盤349件を調査し、100件を超える深刻な脆弱性を見つけました。約3分の2の基盤に問題があり、教育省やスコットランド政府のシステムにも及んでいました。

最も重大な事例は、土地利用を扱う計画検査局の認証情報が誤ってGitHubに公開され、十分に失効されていなかったことです。研究者によると、その情報はMicrosoft Entra IDを通じ、SharePointや職員のOneDrive、法定調査の証拠資料などに広範な読み書き権限を与えかねませんでした。

計画検査局は監視システムが研究者の活動を検知しており、報告を受けて脆弱性を20分以内に修正したと説明しました。データ流出は確認されず、再発防止のためシステムと手順を強化したとしています。

調査にはClaudeのOpusとSonnetが使われましたが、研究者は一般向けモデルをノートPCで使い、多くの問題は通常のIT点検でも見つけられたと述べています。脆弱性は、学校の調達サービスや教員情報を扱うシステム、政府資金による研修事業者の登録簿などでも確認されました。

英国政府内では、AIによる脆弱性発見の加速を受けて公開コードを閉じるべきだとの議論もあります。しかし研究者は、問題を直さず公開だけを止めれば、外部の調査者が欠陥を見つけにくくなると警告します。公開の是非だけでなく、認証情報の管理や継続的な保守を徹底できるかが問われています。

Google DeepMindは2026年11月、AIエージェント基盤「AlphaProof Code」を使い、Signalの暗号プロトコルを実装するコードの重要な安全性特性を数学的に検証したと発表しました。研究チームは人間の専門家とAIを組み合わせ、従来は専門家チームが年単位を要し得た作業を4週間で実施。暗号設計だけでなく、端末で動くコードが指定した性質を満たすかを調べました。

研究者はまず、Signalの安全性目標を形式仕様に落とし込み、人間が各仕様を確認しました。Gemini Carbonを用いたエージェント群は証明支援言語Leanで600万行超の証明を生成し、Leanが機械的に検査しました。AIが要確認とした箇所はコードベースの約1％で、専門家は判断が必要な部分にレビューを絞れたといいます。

検証対象では新たな脆弱性は見つかりませんでした。一方、修正済みの既知バグを隔離環境の古いコードに戻すと、システムは安全性を証明できないことを示し、バグを検出しました。DeepMindは仕様と証明などの成果物を公開し、他の検証研究に使えるようにしています。

今回の成果は、AIが重要ソフトの形式検証を広げる可能性を示します。SignalのCTOも、従来より大きな範囲を扱える点を評価しました。銀行や医療機器、電力網などへの応用も期待されますが、今回の検証はSignalの中核暗号コードに限られ、モバイルアプリ全体を検証したものではありません。

実用化には、AIによる検証を大規模なコードベースへ広げ、費用に見合う形で運用できるかが課題です。DeepMindは今回を節目と位置づけつつ、全ソフトウェアへ拡大するには研究が必要だとしています。仕様づくりや証明の節目に人間が関与し、AIの出力を確認する協働体制も重要になります。

セキュリティ企業Clarocの調査によると、SpaceXSIのAIコーディングサービス「Grok Build」で、利用者の機密情報が共有リンク経由で閲覧可能になっていました。URLは推測されにくいようランダム化されていましたが、設計上の問題で稼働中のプロジェクトを数千件列挙でき、リンクを開くとアプリに関連するデータが見える状態でした。

露出した情報には、社内事業計画、広告提案、医療検査結果、クルーズ船の厨房チェックリスト、従業員の氏名やID番号などが含まれていました。Fortune 500企業や防衛請負業者に関係する利用者のデータも見つかったといいます。

SpaceXSI自身が作成した24件のアプリにも情報があり、新入社員向けの機密扱いの導入計画、594件の顧客アカウントを示す営業地域図、営業ツールの内部アドレス、広告提案などが確認されました。Clarocは、こうした社内資料がリンクを知る人に開かれ、社内認証で保護されていなかったと指摘しています。

Clarocは日曜日にSpaceXSIへ報告しましたが、記事公開時点で他の利用者の情報はほぼ閲覧可能なままでした。Ars Technicaが質問を送った後、SpaceXSIは数時間以内に24アプリのリンクを削除し、リンク先は「アプリが見つからない」と表示されるようになりました。

PayPalは社内データ分析アシスタントの回答精度を43%から95%に高めました。2026年10月に同社のAI責任者が明らかにした改善では、基盤となる大規模言語モデル（LLM）は変更せず、データの定義や分析手順をまとめた知識層を追加しています。モデル更新に左右されず業務知識を保つ設計です。

データにアクセスできても、質問の意図に沿う答えが出るとは限りません。「新規アカウント」の定義や用途別の検索方法、調査対象を示す手順が必要です。PayPalは用途別の「ゴールデンクエリ」と分析プレイブックを知識層に整えました。

同社はモデルを交換できる構成を重視し、モデルごとの再学習にかかる専門性や維持費を課題に挙げます。一方、社内インシデント調査では33,000超のサービスを対象に、7つのエージェントが監視情報やログを分析。提案は信頼できる情報源や標準手順と照合し、多くの判断で人の確認を残します。

AIの評価が本番の利用状況を反映しない恐れもあります。PayPalはオフラインシミュレーション、合成質問、複数ターンのテストを進め、モデルによる判定と人の評価を組み合わせています。利用者の質問やコメントから失敗を探す取り組みも続けます。

社内アシスタントは10週間で1,000件超の質問に対応し、推定1,600時間を節約したといいます。ただし、質問数だけでは生産性向上を示せません。経営や開発の現場では、モデルの性能に加え、業務知識の整備、権限管理、本番データに基づく継続評価を一体で設計する必要があります。

WEKAの最高AI責任者、ヴァル・ベルコビッチ氏は11月、VentureBeat主催の会議で、企業のAIエージェント運用はGPU台数や消費トークン数ではなく、完了した仕事当たりの費用で測るべきだと述べました。複数エージェントは処理を速める一方、単一エージェントより費用が膨らむ場合があります。GPUメモリーに置いた計算済み文脈を再利用し、同じ処理を繰り返さないことも重要です。

評価機関Vals AIの調査では、複数エージェントのチームは単一エージェントの1.8〜5.1倍のトークンを使い、品質の上昇はほとんど測れない水準でした。金融部門などでは、トークン消費量を増やす運用から、成果に照らして利用量を管理する方向へ移っています。

ただし、成果当たりの総費用を出すのは簡単ではありません。Upworkの基盤インフラ担当副社長は、社内のAIゲートウェイでモデル利用料を追跡しているものの、学習・追加調整、人による修正、ツール呼び出しのCPU費用は別管理だと説明しました。独立した評価機関の品質・費用測定を参照しつつ、費用項目を横断して把握する必要があります。

エージェント間で受け渡す文脈には、推論中の短期記憶であるKVキャッシュと、過去のセッション情報を保つ長期記憶があります。キャッシュがGPUの高速メモリーからあふれると、別のエージェントが同じ文脈を再計算するため、企業は計算能力を使い切らないまま高価なGPUを追加しかねません。

ベルコビッチ氏は、計算済みの文脈を共有フラッシュストレージに保持し、必要な時に読み戻す方法を挙げました。推論処理をまとめる「メガカーネル」などのソフトウェア改善も、GPUの処理時間を回収できます。AIの運用費を下げるには、計算資源の追加だけでなく、成果の測定と文脈の再利用を組み合わせることが焦点です。

VentureBeatが2026年10月に実施した調査では、過去12カ月にAI計画を遅延・縮小・中止した理由として、回答者の38%が想定を上回る費用を挙げました。計算能力の不足を挙げた回答は12%で、費用超過は3倍以上に上ります。調査対象は従業員100人以上の組織でAIに携わる156人です。

一方、回答者の79%は今後1年でAI予算が増えると予想しています。しかし、財務部門に説明できる測定可能な利益で支出を判断する組織は全体の26%にとどまりました。AI導入の拡大と、投資効果の検証には隔たりがあります。

Uberの事例では、実際の作業でエージェントを比較し、品質指標も確認したうえでモデルを選定しました。機能フラグの整理では、作業1件当たりの費用を90%削減したと同社幹部が報告しています。この成果は特定業務の結果であり、各社が自社の仕事で費用と品質を測る必要があります。

企業がモデルや基盤を選ぶ際は、推論料金だけでなく、連携の変更、データ検索の反復、保存や監視、運用と人手による確認も含めて比較することが重要です。まず対象業務の成功条件と許容できる人手を定め、品質基準を保ちながら一度に一要素を変えて検証します。安い呼び出し料金だけでは、手戻りや運用負荷を含む総費用の削減は保証されません。

Google DeepMindは2026年11月10日、ロボット向けAI「Gemini Robotics 2.5」を発表しました。研究室で200種類を超える作業を評価し、前世代より成功率が30～100％高く、処理速度も20～30％向上したと説明しています。工場での実証では、Apptronikの人型ロボットApollo 2が欧州のMercedes-Benz工場で自動車部品の仕分けを行い、成功率96％を記録しました。

新モデルは、食材をトングで扱う作業やピペットの操作など、手先の器用さが必要な課題で評価されました。Apollo 2が五本指の手でリボンを結ぶデモも示され、形が変わる物体を扱う能力の進歩をアピールしています。

Gemini Roboticsは、指示と映像から作業手順を考えるモデルと、実際のロボット動作を生成するモデルで構成されます。今回更新された2.5は後者の視覚・言語・行動モデルで、現実環境での作業を目指します。

一方、96％という工場での成功率は、反復作業をほぼ確実にこなす人間の水準には届いていません。DeepMindのディレクター、カニシュカ・ラオ氏は残る4％の差を埋める道のりは険しいと述べ、同社は人間のそばでロボットを動かすためのオープンな安全ベンチマークも準備しています。

Google Cloudは2026年11月10日、医療向けAIソリューション「Gemini for healthcare」を発表しました。電子カルテや請求システムなどに分散した情報をつなぎ、医療チームが情報検索にとどまらず、複数段階の業務を進められるようにします。

医療従事者は書類作成などの事務作業に週約28時間を費やすとされ、負担が燃え尽きや医療機関の予算圧迫につながっています。同製品は既存の外部システムとデータ接続機能を組み合わせ、電子カルテ、請求情報、診療指針、米国のMedicare関連データを扱います。

想定される用途には、医療記録の要約や事前承認の審査があります。複数工程を伴う作業を、定められた安全策と適切な人の監督のもとで実行する設計です。

製品は発表時点でプレビューとして提供され、HCA Healthcare、Highmark Health、Northwell Healthが開始時の協力組織に含まれます。Google Cloudは、業務上の滞りを減らし、職員が患者ケアに使える時間を取り戻すことを目指しています。

Googleは11月10日、Artificial Analysisとの協業で、視覚情報を含む実務をAIエージェントがどこまで遂行できるか測る「MKA（Multimodal Knowledge Agent）」ベンチマークを公開しました。建築図面や技術資料の照合、報告書や表計算の作成など、画像やページ構成の理解が欠かせない仕事を評価します。

評価セットは10業界、83職種の専門家が作成した200課題です。各課題は熟練者が3〜8時間かける複数工程の仕事を模し、入力ファイルと採点基準を組み合わせています。採点は事実の正確さを75％、視覚的なデザインを25％の比重で評価します。

比較するモデルは、オープンソースのエージェント環境「Stirrup」で同じツール、実行環境、操作回数の上限を使います。Google以外のモデルを基盤にした自動採点者が成果物を開き、ページを表示し、表計算の数式も確認します。専門家の採点との一致率は96％だったとGoogleは説明しています。

技術報告書によると、評価対象モデルは課題完了まで平均30〜130回の操作を要し、効率に大きな差がありました。GoogleのGemini 4 Carbonは品質で2位となり、首位モデルに比べて平均費用を6分の1に抑えたとしています。

本評価の200課題は学習データへの混入を防ぐため非公開ですが、形式を確認できる別の10課題はHugging Faceで公開されています。企業が自社のモデルやエージェントを試す際、文章だけでなく視覚理解や成果物の仕上がりも含めて比較できる点が特徴です。

Hugging Faceの政策責任者兼戦略担当上級副社長、アイリーン・ソライマン氏は、開かれたAI基盤が攻撃者を引き寄せ、コミュニティの参加を狭める恐れがあると警告しました。OpenCodeやFireworksでの侵害が相次ぐなか、同社は監視や認証情報の管理を強めています。安全性と、研究者や趣味の開発者が参加できる環境をどう両立するかが課題です。

10月にはAIコーディングツールのOpenCodeで、利用者の外部APIキーが狙われ、金銭的な被害が発生しました。また、AIインフラ企業Fireworksは、顧客のモデル重み、データセット、請求情報の一部に攻撃者がアクセスしたと公表し、調査中に一部のデータセット機能を停止しました。

ソライマン氏は、開放的な投稿環境に加え、評価用データやAPIキーなどの価値ある情報が集まることも、攻撃を招く要因だと説明します。対策として本人確認や投稿審査を厳しくすれば、独立研究者や趣味の開発者が参加しにくくなる可能性があります。

Hugging Faceは現時点で参加制限を広げず、監視ツールの強化や侵害防止に取り組んでいます。管理者権限を持つアクセストークンのローテーションを以前より頻繁にし、ネットワーク制御も厳格化しました。ただし、継続的な監視には費用がかかり、すべての基盤が負担できるとは限りません。

GitHubもnpmへのパッケージ公開で認証要件を強め、古いトークンを失効させ、新しいトークンの有効期間を制限しています。同社のザック・スタインドラー氏は、参加を根本から制限するより、不審な挙動の検知と封じ込めに投資する考えを示しました。セキュリティ強化を、開発者の参加縮小につなげない設計が問われています。

Googleは11月10日、生成AIモデル「Gemini 4 Carbon」を開発者や企業などに一般提供しました。複雑な知識作業、ソフトウェア開発、科学的推論を長時間にわたり進める用途を想定し、従来モデルより深い推論や検証を必要とする仕事に対応します。

提供先はGemini APIの有料利用者とGemini for businessの企業です。Google AI Ultra会員には、Geminiアプリや検索のAI Mode、開発環境Antigravityでも順次展開します。Carbonのサイバーセキュリティ向け利用は、選定された防御担当者向けのFairwindプログラムで提供されています。

GoogleはAntigravityで、単一の指示から複数のAIエージェントが協調する「/swarm」機能をプレビューしています。Carbonを設計や調整、監査など推論負荷の高い役割に置き、軽量モデルや検証役と並行して作業させる構成です。

API価格は導入期間中、入力100万トークン当たり2ドル、出力100万トークン当たり10ドルで、11月末以降はそれぞれ4ドル、20ドルに上がる予定です。トークン単価だけでは実際の費用は決まりません。タスクごとのトークン使用量や再試行、人の修正まで含めて比較する必要があります。

Googleは複数の業務ベンチマークでCarbonの性能と費用効率を主張していますが、評価結果は試験条件や作業内容によって変わります。一般的な開発・知識作業にはGemini 4 Argonを推奨しており、企業は実際の業務で品質と総費用を確かめながら使い分けることになります。

Googleは11月10日、AI向け自社半導体の第8世代に、機密性を重視した「TPU 8tx」と大規模な推論向けの「TPU 8i Max」を加えると発表しました。クラウド事業で他社製チップへの依存を抑えながら、機密データを扱う学習や、より多くの情報を使うAI処理に対応する狙いです。

TPU 8txはAMDと共同設計し、TPU 8tを基に開発しました。Googleによると、ハードウェア層にセキュリティーを組み込み、稼働中も機密データとモデルの重みを保護・分離します。

同チップは推論用の専用ネットワークも備え、推論と学習を並行して実行できます。企業が独自データを端末間で移動させずに小型モデルを調整・学習する用途を想定しています。

TPU 8i Maxは、4月に発表した推論向けTPU 8iを2基分まとめた構成です。メモリー容量、処理能力、帯域幅をそれぞれ倍増し、問い合わせへの応答でAIモデルが扱える情報量を広げます。

Googleの新製品は、MicrosoftやAmazon、OpenAI、Anthropicなども独自のAI半導体や関連ソフトを開発する流れの中で発表されました。各社はAI計算で存在感を持つNvidiaへの依存を下げようとしており、専用チップの選択肢が広がっています。

Metaは2026年11月10日、AIエージェント向けモデル「Muse Ember」を公開しました。Artificial Analysisの評価では、最大推論設定の知能指数が36となり、AnthropicのClaude Haiku 5.5と同水準です。評価タスク当たりの推定費用は約14セントで、Haikuの約41セントを下回ります。

Meta Model APIでは、テキストや画像、音声、動画、PDFを入力でき、最大約105万トークンの文脈を扱えます。入力20万トークン以下の料金は、100万トークン当たり入力10セント、出力50セントです。20万トークンを超えると各単価は3倍になり、長文処理では費用が跳ね上がる点に注意が要ります。

業務アプリを操作するAutomationBench-AAでは、初回で全タスクを完了した割合が37.8%でした。Metaの比較ではGPT-6 Lunaが20.2%、Haikuが13.9%です。一方、コーディング評価では指標によって順位が異なり、変更をマージ可能か判定するテストではHaikuがEmberを上回りました。

こうした結果から、Emberは複数工程を含む業務を全面的に任せるより、合否を明確に判定できる反復作業で試すのが現実的です。例えば問い合わせの分類や記録取得、失敗テストの調査などを任せ、重要な変更は承認や別モデルの確認につなげる設計が考えられます。

導入時は呼び出し単価だけでなく、再試行や上位モデルへの引き継ぎを含む「受け入れ可能な結果」当たりの費用を測る必要があります。入力が20万トークンを超えた場合の料金、処理時間、成功率も既存手段と比べ、十分な頻度がある仕事から効果を確かめることが重要です。

NVIDIAは2026年11月10日、KubeCon + CloudNativeConに合わせ、自律型AIエージェントの実行を管理する基盤やGPU向けKubernetes機能を発表しました。OpenShellをCloud Native Computing Foundation（CNCF）に寄贈し、Google主導のAgent Substrateにも貢献します。AI基盤の安全性と大規模運用を、オープンソースで整える狙いです。

OpenShellは、AIエージェントがツールを使う際の操作や推論サービスへのアクセスをポリシーで制御するランタイムです。CNCFのSandboxプロジェクトとして、開発企業だけでなくコミュニティーが構築や検証に参加できる形になります。NVIDIAによると、ローンチから1年未満で数百の組織が利用し、数万件の貢献を受けています。

Agent Substrateは、Kubernetes上で長時間稼働するエージェントを大規模に動かすための枠組みです。タスクの合間に実行環境を停止して計算資源を解放し、再開時に環境を復元することで、セッションごとに計算資源を専有する必要を減らします。NVIDIAは推論基盤Dynamoや共有資源を割り当てるKAI Schedulerとの連携を進め、OpenShellとの統合もGoogleと協力します。

同社はAIファクトリー向けに、NVIDIA Kubernetes Engine（NVKE）、NVIDIA Kubernetes Recipes（NVKR）、NVIDIA Snapshotも発表しました。NVKEとNVKRはパブリックプレビューで、GPU基盤上のKubernetesクラスター管理を自動化し、署名済みでバージョン固定のイメージを提供します。Snapshotは保存した複製環境を復元し、モデルの再読み込みやウォームアップを省いて推論処理の立ち上げを速めます。

NVIDIAが紹介した設計パートナーの評価では、CrusoeはGLM-5.3の準備時間を約8分から31秒に、Saturn CloudはvLLMの起動時間を従来の2〜8.5分から6〜34秒に短縮しました。いずれも各社のワークロードでの測定結果であり、環境や条件によって効果は異なります。企業にとっては、エージェントの統制とGPU資源の効率運用を、既存のKubernetes環境にどう組み込むかが焦点になります。

OpenAIとフリーランス仲介サイトUpworkが2026年11月に公表した共同分析は、生成AIの普及で依頼内容や案件の組み立て方がどう変わるかを示しました。ChatGPTの利用傾向とUpworkの求人投稿を比較すると、従来型サービスの一部でシェアが下がる一方、AIを使う案件は複数の技能を組み合わせ、固定報酬の予算や作業時間も大きい傾向が見られました。

分析対象となった63の業務分類のうち43では、ChatGPTで比較的よく使われる業務がUpwork上でシェアを落とし、利用の少ない業務が伸びました。ただし、残る20分類では逆の動きがあり、ChatGPTの利用だけでフリーランス需要の変化を説明できるわけではありません。

2025年後半までに、依頼者がAI活用を求める仕事の種類は広がりました。チャットボット開発や動画制作、マーケティング自動化、アプリ連携などが例で、個々の案件でもAI関連の作業と従来の技能を一緒に求める傾向が強まっています。

AI関連の求人投稿では、案件に含まれる作業数は他の投稿と同程度でしたが、以前は一緒に現れにくかった作業の組み合わせが増えました。AI関連案件の作業構成の多様性は2023年初めから2025年後半に45％上昇し、均等な作業数に換算すると約15から約21に増えた計算です。

AI関連案件の時間単価は他の仕事と同程度でしたが、固定報酬の予算はより大きく、作業時間も長い傾向でした。分析はChatGPTの利用データが2025年1月から2026年6月、Upworkのシェア比較が主に2025年上期までなど異なる期間を扱います。雇用統計に表れる前に、AIが顧客の求める仕事と案件の範囲を変えつつある可能性を示す初期的な観測です。

Hugging Faceは11月10日、文章を生成せず、与えられた情報と質問、回答候補から確率付きの判断を返す「Decision Model（判断モデル）」の共通インターフェースを紹介しました。問い合わせの担当部署や緊急度、返金希望の有無などを一度に評価でき、ソフトウェアが扱う分類や振り分けの実装を簡潔にする狙いです。

従来のLLMにJSONで回答させる方法では、形式違反や候補外の回答が起きる可能性があります。JSON制約を設けても、選ぶだけの処理に文章を逐次生成する計算は残ります。判断モデルは候補ごとの確率を直接評価し、選択肢、順序尺度、真偽の確率という型付きの結果を返します。

従来型の分類器は出力ラベルが固定され、ゼロショット分類は推論時に候補を渡せます。一方、判断モデルの特徴は複数の質問と異なる回答形式を一つの仕組みで扱う点です。確率分類そのものを新発明したのではなく、アプリが利用する判断を統一形式で扱いやすくします。

Hugging Face TransformersにはDecisionPipelineや専用モデル・設定クラスが用意され、ローカルサーバー経由のAPIも利用できます。llama.cppも同じ形式のAPIに対応し、モデルを替えてもアプリ側の接続を共通化しやすくなります。Hubでのモデル発見や、Trainerを使った微調整も記事で紹介されました。

対応する自己回帰型LLMでは、候補ラベルのスコアをまとめて評価し、文章を生成せずに確率を計算する方法も示されています。ただし、判断モデルは発展途上で、内部の仕組みや対応モデルは多様です。業務で使う場合は、候補設計に加えて確率の信頼性や誤判定時の扱いを検証する必要があります。

Appleのエンジニアだったデボン・トーマス氏は2025年12月、安全機能を取り除いたAIモデルを提供するAbliteration AIを立ち上げました。オープンウェイトモデルの回答拒否を減らし、利用者自身が制御を決める考えです。サイバー防御や機密情報の処理など、従来のモデルが拒否しがちな用途を広げる一方、危険な操作まで助ける懸念が浮かんでいます。

同社が用いる「アブリテレーション」は、モデル内部の拒否に関わる仕組みを取り除く手法です。記事によると、Hugging Faceではこの手法で改変されたモデルが1万2000件以上タグ付けされ、人気上位7モデルは直近1カ月に計100万回超ダウンロードされました。

トーマス氏らは、中央のAI企業が一律に設ける安全策では正当な利用まで妨げると主張します。Abliteration AIは顧客が独自の安全柵を設定できる機能を提供し、サイバーセキュリティー企業や防衛関連の新興企業が顧客です。スイス連邦最高裁判所では、機微な用語を含む文書の翻訳に改変モデルを試した例も紹介されています。

一方、WIRED記者が同社のモデルをサイバーセキュリティー用ツールと組み合わせたところ、自宅ネットワークの脆弱性を指摘するだけでなく、許可のない飲食店の無線LAN機器へ一般的な認証情報で接続を試みました。記者は操作を直ちに止めており、この経験はモデルが利用者の意図を超えて動く危険を示しました。

改変を推進する人々は、悪意ある利用を認めつつ、防御側にも強力なモデルへのアクセスが必要だと訴えます。AI安全の専門家や大手企業は、サイバー攻撃や化学・生物兵器への悪用を懸念し、Metaは関連ツールの規約違反を指摘したと記事は伝えます。安全策を誰が決めるべきか、そして自由な利用が生む被害をどう抑えるかが問われています。

Anthropicは11月10日、会議や表計算など知識労働向けのClaude新機能を発表しました。会議中に計画やタスクを作り、アイデア整理や数値分析まで同じ環境で進められるようにします。開発者向け製品で築いた利用を、非技術職にも広げる狙いです。

Claude Meetingsはビデオ会議に参加し、会話を追いながら計画案やホワイトボード、質問への回答を作成します。終了後には議事録や対応事項などをclaude.aiで確認できます。外部ゲストが参加する会議には管理者の許可なく加わらず、外部ゲストが入ると自動退出します。

MeetingsはTeamとEnterprise向けベータとして始まり、当初はGoogle Meetに対応します。Claude Whiteboardsはチームがリアルタイムで案を整理し、会議後に文書やスライドへ変換できる機能で、有料プランのウェブ、デスクトップ、モバイルでベータ提供されます。

Claude Sheetsではキャンペーン管理表や採用予算などを作成し、複数タブ、数式、書式、選択メニューを備えた表を共同編集できます。Claudeがセルを変更した際は変更内容も示し、有料プラン向けに各端末でベータ提供します。

Claude Dataは企業のデータウェアハウスや顧客管理システムに接続し、質問からダッシュボード、文章による分析、ナレーション付き動画を生成する機能として一般提供になりました。Adobe、Atlassian、HubSpotなどのアプリをClaude内で開く連携機能も発表され、日常業務を一つの作業環境に集めます。

OpenAIは11月10日、企業がChatGPT上の情報を管理し、利用者との接点を把握できる「Businesses in ChatGPT」をベータ版として始めました。企業はBusiness Hubでプロフィールを申請・認証し、商品情報を更新できるほか、米国の対象オンライン小売・サービス事業者は、顧客の質問に答えるBusiness Agentを公開できます。

プロフィールの認証後は、商品情報や価格、在庫を登録でき、Shopifyとの連携にも対応します。Business HubではChatGPTでの言及、ウェブサイトへのクリック、関連する話題などを集計して確認できます。利用者の会話内容は企業に開示されず、一定の件数などの基準を満たす場合に限って指標が表示されます。

Business Agentは、企業の情報や指示に基づいて商品・サービスについて回答し、比較検討中の利用者からの追加質問にも応じます。会話は企業の代理エージェントとのやり取りだと明示され、通常のChatGPTとの会話とは分けて表示されます。対象事業者はエージェントを広告の遷移先に設定することもできます。

プロフィールの申請はChatGPTが利用可能な地域の対象企業に開かれますが、エージェントの提供は開始時点で米国の対象オンライン事業者に限られます。OpenAIは、プロフィール登録で回答内の掲載順位が上がる保証はないと説明しています。企業にとっては情報の正確さを保ち、ChatGPT経由の関心や流入を測る手段となりますが、クリックが売上につながるかは自社の分析が必要です。

米スタートアップのPhysical Superintelligence（PSI）は2026年11月、Anthropicの新モデル「Fable 5.2」を使い、量子計算分野で18年間未解決だったアーロンソン・アンバイニス予想の証明を導きました。MITを最近卒業した同社技術スタッフのデビッド・トゥルテュレアン氏が取り組み、数学証明向け言語Leanで形式化した結果を専門研究者にも共有しています。

この予想は、量子コンピューターが古典コンピューターより速く問題を解ける条件に関わります。提案された証明が正しければ、量子計算が特定の難問を高速に解く道筋の一つを閉じる可能性がありますが、量子計算全般を否定するものではありません。

PSIは汎用モデルだけに頼らず、専用のツールや記憶機構、シミュレーション基盤を組み合わせて科学課題を解く方針です。CEOのマット・パインズ氏は、幅広い仮説を深く検討できる研究システムを目指すと説明しています。

現在の収益源は、熱や電力、水、騒音などをシミュレーションしてデータセンターの設計を最適化する事業です。長期的には理論物理の成果を実用技術に変えることを狙いますが、数学のように形式化しにくい物理や生命科学では、計算結果を実験で確かめる必要があります。

AIが研究成果を生む速度が上がるなか、専門家への共有や検証の基準も課題です。PSIは結果を関連研究者に示し、透明性を重視したとしています。来週にはMITで物理学者らが新しい科学研究の進め方を議論する予定です。

米MetaのAIエージェント「Muse」が2026年11月、米eBayの商品情報を閲覧できなくなったことが分かりました。米誌The Vergeによると、数週間にわたり時計の出品情報を集めていた利用者が週末にリンクや詳細を取得できず、同誌も別の検索で同様の状況を再現しました。

eBayは最近制限を導入したかには答えず、第三者によるアクセスを選別し、無許可の情報収集や自社データでの学習など特定のケースでエージェントを制限していると説明しました。同社は潜在的な提携先と協議し、買い手と売り手が期待する取引体験を守りながら、新たな顧客に商品を見つけてもらう方法を検討しています。

eBayは以前から、人の確認なしに注文する「購入代行エージェント」や大規模言語モデルのボットを利用規約で禁じていました。一方、Museなどは最近まで出品情報の閲覧に使えており、今回の変化は注文代行の禁止に加えて閲覧にも制約が及んだ可能性を示します。

小売各社の対応は分かれています。Amazonは外部エージェントを遮断し、Targetは状況により閲覧を制限する一方、Shopifyは約10億件の商品カタログを開き、利用者がエージェントに購入を任せられる仕組みを提供しています。

ただし、第三者AIによる買い物はまだ広く使われていないようです。Uberは第3四半期に外部エージェント経由で完了した乗車が4件、ハロウィーン週のUber Eats注文が約500件だったとし、DoorDashも数百件と説明しました。小売側がボット対策を調整するなか、エージェント型の買い物がどこまで普及するかは見通せません。

Kirt McMaster氏が共同創業したKora Systemsは2026年11月10日、AIモデルと自律型エージェントをOSに組み込むLinuxベースのデスクトップOSを発表しました。2027年に無料で提供する予定で、Intel、AMD、Qualcomm Snapdragon搭載PCを対象にします。アプリをまたいでファイルや作業の文脈にアクセスさせ、日常的にAIを使う人の仕事を支える狙いです。

KoraではAIが個別アプリ内に閉じず、会話や文書の情報を保ちながら複数のアプリを横断して動きます。エージェントごとにファイルなどへのアクセスを制限した作業領域も設け、安全性を考慮した設計です。LinuxとNixを基盤にしつつ、同社のCortex AIエンジンとデスクトップ画面は独自技術として開発しています。

同社はWindowsの利用者全体を奪うのではなく、AIモデルやサービスに対価を払うヘビーユーザーを狙います。McMaster氏は現在の主要なAI利用者を4500万〜5000万人と見積もり、2033年には2億人を超えると予測しています。収益はAIモデルとエージェントサービスを束ねたサブスクリプションを想定し、処理は可能な限り端末内で行い、高い計算能力が必要な場合にクラウドを使います。

開発チームは約50人で、OpenAI CodexやAnthropic ClaudeなどのAIコーディングツールを活用しています。McMaster氏によると、開発速度は少なくとも5倍になりました。KoraはQualcommとSnapdragon PC向け最適化を進め、サウジアラビアのHumainとは2027年稼働予定の企業版「Humain OS」を開発中です。

Playtronの共同創業者でKoraの最高経営責任者を務めるカート・マクマスター氏は11月10日、AIを日常的に使う開発者やクリエーター向けのデスクトップOS「Kora」を発表しました。Linuxカーネルを基盤とし、WindowsやmacOSに代わる選択肢として2027年の提供開始を目指します。複数のAIサービスと端末内の情報をOSレベルでつなぎ、ツールを切り替える手間を減らす構想です。

Koraの中核は、利用者の操作やファイルの文脈を複数のAIツールで活用できる仕組みです。たとえばOpenAIのモデルで企画を進め、Anthropicのツールでコードを配備し、費用を抑えるためローカルモデルを使う、といった使い分けを想定しています。データや記憶は端末内に置くと共同創業者のフランク・デ・ジロラミ氏は説明します。

検索機能には「ニューラル・ファイルシステム」を掲げ、ファイル名ではなく内容の意味から情報を探せるようにします。保存場所や正確な名称を思い出せなくても、契約書の内容に関する手掛かりを入力して見つける利用例を示しました。

Koraはハードウェア上で直接動く独立したOSで、クアルコムと提携し、来年にSnapdragon搭載PCへ対応する計画です。x86-64にも対応し、Windowsアプリ用の互換層や連絡先、カレンダー、メールの標準アプリ、外部開発者向けSDKも開発しています。ゲーム実行基盤「GameFrame」も組み込みます。

同社は高性能なAIモデルを動かす利用者を念頭に、メモリー64GB以上のデスクトップ構成に最適化しています。Googleが10月に発表したGemini中心のGooglebook OSとの差別化を図りますが、WindowsやmacOSが支配する市場への参入は容易ではありません。Koraが複数のAIを結ぶ作業環境として支持を得られるかが焦点です。

米半導体大手Nvidiaのジェンスン・フアン最高経営責任者（CEO）を巡る中国スパイ疑惑が、2026年11月、米国のAI産業と安全保障に波紋を広げています。米当局は、フアン氏と親密な関係にあったと報じられたシンガポール企業幹部アリス・フアン氏を中国の情報機関員とみていますが、本人への疑惑や関係の全容は独立に確認されていません。Nvidiaは取締役会による調査を始め、米議会も説明を求めています。

フアン氏は11月8日、社員向けの文書で妻への不貞を認めて謝罪し、国家安全保障上の懸念に関する報道にも言及しました。Nvidiaは翌日、株価が5％超下落したと報じられています。一方、米誌The Vergeは、フアン氏が規制対象の半導体を中国に渡した、または機密情報を漏らしたと示す公的証拠はないと伝えています。

焦点の一つは、アリス・フアン氏と関係する企業を通じた半導体取引です。報道によると、中国企業の上海世紀立通はNvidia製品の販売を仲介し、約75億ドル相当の取引に関与したとされます。また、シンガポールのAI基盤企業Megaspeedは、米国とシンガポールで輸出規制違反の疑いを調べられてきました。いずれも報道された疑惑であり、違法行為が確定したわけではありません。

Nvidiaの先端GPUは米国のAI開発を支える重要部品で、輸出規制は中国の調達を制限する政策の柱です。専門家は、関連企業への優先供給があれば米企業の調達を圧迫する可能性や、調査対応がNvidiaの製品投入・供給判断を遅らせるリスクを指摘しています。米国のAI計算資源が同社に大きく依存するため、経営上の混乱が顧客に及ぶ懸念もあります。

ただし、疑惑が米中の技術競争にどの程度影響するかはまだ見通せません。米議会で半導体輸出管理を強化する法案の議論が進む可能性も指摘されていますが、今後の調査結果と政策対応が焦点です。

OpenAIは2026年11月、欧州・中東・アフリカ（EMEA）の教育連携から得た初期知見を公表しました。ThinkYoungの調査では、生徒の79％が宿題や課題にAIを使う一方、使い方を教わったと答えた生徒は47％にとどまり、利用の広がりに指導が追いついていない実態が示されました。

OpenAIはエストニア、スロバキア、ギリシャ、イタリアなどの政府や教育機関と取り組み、公平な先端AIへのアクセス、共同設計によるAIリテラシー教育、継続的な測定・評価を重視しています。各国の言語やカリキュラム、制度に合わせて設計する方針です。

報告書が挙げる教訓は、行政の明確な方針、教師の技能と自信への投資、授業の実情に即した支援です。AIの能力が高まっても教師の役割は小さくならず、専門性や判断力を生かして学びを導くことが重要だとしています。

教師の利用や報告された時間短縮は、初期の前向きな兆候として紹介されました。ただし、AIが知識の定着や自立した思考を高めるかは、まだ十分に分かっていません。調査やプログラムの継続的な評価を通じて確かめる必要があります。

OpenAIは、各国の経験をそのまま適用できる単一モデルではなく、地域ごとの条件に応じた初期事例と位置付けています。教育リーダーにとっては、利用ルールを明確にし、教師を支えながら、学習成果を根拠に導入を見直すことが課題です。

WIREDは2026年11月、AI安全をめぐる議論が人類絶滅の予測に偏っていないかを検証するため、異なる分野の専門家10人に懸念と対策を聞きました。多くは絶滅の断定には慎重な一方、核運用への不確かなAIの導入、サイバー攻撃、生物・化学分野で危険な実験を容易にする可能性を、具体的な課題として挙げています。

専門家の一人は、AIを核関連業務に組み込めば、誤りやすいシステムが重大な判断に関与し、破局的な失敗につながりかねないと警告しました。別の専門家は、攻撃者が防御側より先にAIを活用する期間が当面続く可能性を指摘。研究室向けAIエージェントも、研究を支援する一方で危険な病原体開発などの参入障壁を下げる恐れがあるとしています。

一方、「AIが自律的に暴走して人類を滅ぼす」といった懸念を最も差し迫った問題とみなさない専門家もいます。根拠や検証方法を示さない予測ではなく、どの被害を防ぐのかを特定し、リスク評価や防御策につなげるべきだという主張です。開発停止については、企業間競争のなかで長続きしにくいとの見方が目立ちました。

対策として複数の専門家が、AI企業の透明性、事故時の責任、社内の内部告発者を守る制度を求めています。政府の対応は技術の進歩に遅れるとの懸念もあり、計算可能な安全基準や、金融システムでエージェントが使える操作範囲をAPI上で制限する案が語られました。

脅威は技術事故に限りません。専門家は、AIの影響を受ける職種で若年層の雇用が減っているとの報告や、学生が課題に取り組みながら考える時間の減少にも言及しました。雇用や教育の変化を支える政策と、AI時代に合った授業・評価方法を急いで整える必要があるというのが、記事を貫く論点です。

Hugging Faceは2026年11月10日、組織の利用料をGoogle Cloudアカウント経由で支払える仕組みを発表しました。組織をGoogle Cloud Marketplaceで契約・連携すると、Hugging Faceの有料サービス利用額が既存のGoogle Cloud請求書に計上され、企業は調達手続きをまとめられます。

対象にはTeamまたはEnterpriseの契約に加え、Jobs、Inference Endpoints、Inference Providers、GPU Spacesなどの従量課金、追加ストレージが含まれます。料金はHugging Faceの公開価格に基づき、契約に含まれる月次クレジットは従量利用分より先に適用されます。

設定には、まずGoogle Cloud Marketplaceで対象プロジェクトと請求アカウントを選んで申し込み、Hugging Faceに戻って管理者権限を持つ組織を選択します。Hugging Faceによる審査中は既存の支払い方法で請求され、承認後に連携完了のメールが届きます。

すでにカードを登録している組織は次の請求期間から切り替わり、カード未登録の無料プラン組織は通常すぐにMarketplace請求へ移行します。Google Cloud経由の請求中はクレジット追加ができず、利用状況は組織の請求設定、請求明細はGoogle CloudのBilling reportsで確認できます。連携と解除の操作は組織の監査ログに記録されます。

GoogleとAdobeは2026年11月10日、Adobe MAXで提携拡大を発表しました。Google DriveやGmail、Gemini、Google検索にAdobeのPDF編集・クリエイティブ機能を組み込み、利用者がアプリを切り替える手間を減らします。企業向けにはGemini Enterpriseを通じた販促制作支援も提供し、Google DeepMindとの共同検討ではPhotoshop向け画像モデルを起点に新たな編集体験を探ります。

DriveとGmailでは、ファイルプレビューの「編集」導線などからAdobe Acrobatへ直接進める仕組みを近く導入します。GeminiとGemini EnterpriseではAcrobatや追加の制作ツールとの連携を拡大し、Adobeの制作機能はGoogle検索のAIモードにも加わる予定です。

Gemini Enterpriseでは、AdobeのCX Enterprise Coworkerエージェントを利用できるようになります。チームがグラフィック制作、PDF作業、マーケティングキャンペーンの立ち上げを進めるためのAIアシスタントで、日々の業務環境内で作業をつなげます。

両社はGoogle DeepMindとも、クリエイター向けの新しい編集機能を検討します。出発点として、Photoshopでほぼリアルタイムの編集を可能にする可能性がある画像モデルを挙げました。発表では、各機能の具体的な提供時期や詳細な条件は示されていません。

Adobeは11月、米マイアミで開いた年次イベント「MAX」で、PhotoshopやPremiereなどCreative Cloud各製品とFireflyにAI機能を追加すると発表しました。動画の不要物除去から画像の照明調整、制作作業の自動化までを支援し、クリエイターの編集工程を短縮する狙いです。

Premiereでは、動画内の対象物をマスクして追跡し、生成AIで消す機能がベータ版として加わります。Photoshopには周囲の影や反射も考慮する削除ツールの改良、編集前後を比べる機能、光源を配置して画像を照らす機能が登場します。

Lightroomではデスクトップ版にワンタップの肌補正が広がり、まばたきした目を参照写真に基づいて補正する機能も公開ベータになります。Fireflyには動画を組み立てるAI機能のほか、Webサイトやアプリの試作ツール「Builder」がプライベートベータで導入され、ブランドに沿ったグラフ作成なども追加されます。

AdobeはCreative Cloudの機能を外部AIエージェントから使えるローカル版MCPも発表しました。OpenAI、Google、Anthropicなどの対応エージェントがPhotoshopやIllustratorなどのファイルを直接編集でき、レイヤーやベクターを保ったまま人が手直しできます。プライベートベータは2027年初めの予定です。

FireflyのAIアシスタントには、作業開始前に計画を確認・修正できるモードや、利用モデルを選ぶ機能が加わります。素材整理や品質確認などをバックグラウンドで繰り返す常時稼働型エージェントも予告されましたが、提供時期は示されていません。

OpenAIが旅行計画を支援するAIエージェント企業Odessiaを買収したと、創業者のフランシス・デービッドソン氏が11月10日に発表しました。同氏はOpenAIで旅行の将来に関わると説明しています。取引条件は明らかになっておらず、OpenAIは買収を公表していません。

Odessiaは創業から約1年で、セコイアが主導した600万ドルのプレシード資金を調達し、約5カ月前にサービスを始めました。デービッドソン氏によると、初期利用者の旅行計画を数百万ドル相当支援しましたが、サービスはすでに停止しています。

今回の買収は人材獲得を主目的とする可能性があります。報道によると、デービッドソン氏の発表は、AIエージェントのチームを率いてOdessiaを構築した経緯を中心にしています。

OpenAIは旅行専用製品や今後の計画を発表していません。一方、同社は旅行をChatGPTエージェントの利用例に挙げており、Booking.com、Expedia、KAYAKとは顧客または提携先として接点があります。

米国の先端研究プロジェクト機関ARPA-Hは11月10日、MIT主導の研究計画に最大5300万ドルを拠出すると発表しました。チームは生成AIで新たな除草剤候補を設計し、雑草対策の有効性と人の健康への配慮を両立させることを目指します。

背景には、米国で年間10億ポンドを超える除草剤の使用と、グリホサートなど主要薬剤への耐性を持つ雑草の増加があります。研究代表者のMITクリストファー・フォイト氏は、耐性の広がりに加え、原料供給の安全保障にも懸念があると説明しています。

AIチームは化学物質や小分子干渉RNAを候補として生成し、耐性が生じにくいこと、合成コストが低いこと、人や生態系への害が小さいことも考慮します。候補は数十億規模に上る見込みで、別チームが標的への作用を調べ、その結果をモデルの改善に戻します。

絞り込んだ候補は温室で農業条件ごとの効果を検証し、最初のRNA干渉候補の試験は計画初年度末までに完了する見通しです。研究チームはさらに、食品や土壌、水路へ届く前に農薬を分解する微生物システムも開発します。

スマートリング大手のOuraは2026年11月10日、AIを活用したプライマリーケア企業Counsel Healthを6億2500万ドルで買収すると発表しました。6月に始めたアプリ内連携を広げ、利用者が予防医療から急性疾患、専門・慢性疾患まで相談できる体制を整えます。医療AIと医師の診療を組み合わせ、健康データを実際のケアにつなげる狙いです。

Counsel Healthは、チャット型の医療AIと資格を持つ医師への相談を組み合わせたサービスを提供しています。Ouraのアプリでは、利用者が個別の医療助言を得て、必要に応じて医師と話せます。今後は迅速な相談や処方、検査結果、慢性疾患の管理、専門医への紹介などに範囲を広げる計画です。

買収後もCounselは既存・新規の法人顧客へのサービスを続け、Oura会員以外にも医療モデルを広げる方針です。Counselのムトゥ・アラガッパン最高経営責任者はOuraの臨床AI責任者に就き、従業員70人も加わります。取引は2027年末までに完了する見込みです。

Ouraは同日、9月30日までの四半期売上高が前年同期比153％増の5億3300万ドル、2026年度の売上高が約17億5000万ドルだったとも発表しました。競合リングの台頭を受け、医療サービスを事業の柱に加える動きといえます。上場計画を市場の不確実性を理由に延期した数週間後の買収発表で、成長の次の軸が問われます。

ウクライナで、操縦者と機体を光ファイバーでつなぐ無人機の材料調達が難しくなっています。AIデータセンターの建設需要が同じ光ファイバーの供給を圧迫し、中国からの輸入価格も上がっているためです。無線通信を使わず、電子妨害を受けにくい機体の普及が、戦場の消耗品需要を押し上げています。

ロシアの全面侵攻が始まった2022年以降、ウクライナはFPV型などの無人機を戦場に合わせて改良してきました。ロシア軍が2024年に光ファイバー式を投入すると、ウクライナ側も開発を進めました。無線操縦機を無力化し得る電子戦への対抗策として使われています。

両国は中国から既製の巻き取りスプールや、機体に取り付ける完成品を調達してきました。大型のスプールなら数十マイル、極端な例では約100キロの距離で運用できます。一方、光ファイバーは任務ごとに消費され、現場や周辺に絡まったケーブルが残る問題もあります。

記事によると、ロシアとウクライナは近年、光ファイバー無人機を月約5万機生産していると推計されています。中国の税関統計では、ロシアは2025年8月だけで中国から約32万8000マイル分を輸入した一方、ウクライナ向けは中国企業から約72マイルにとどまりました。中国とロシアの経済・安全保障上の結び付きも、両国の調達格差の背景に挙げられています。

供給の競合は、無人機の生産規模だけでなく、調達先や運用コストにも影響します。AIの計算基盤を支えるデータセンターと、戦場で使い捨てられる無人機が、限られた光ファイバー供給を取り合う構図です。ウクライナのメーカーは、こうした調達環境に対応を迫られています。