NVIDIA（企業）に関するニュース一覧

AnthropicとxAIが大型提携を発表しました。Anthropicがテネシー州メンフィスにあるxAIのデータセンター「Colossus 1」の計算能力をすべて取得し、自社のエンタープライズ向けAI製品に活用します。SpaceXが大型IPOを控えるなか、子会社xAIの事業転換として注目を集めています。

この取引により、xAIは事実上「ネオクラウド」、つまりNvidiaからGPUを購入して他社に貸し出すビジネスモデルへ移行したことになります。自社でフロンティアモデルを開発する企業であれば、データセンターの計算資源は自社のAI訓練に優先的に使うのが通常です。全能力を外部に貸し出す判断は、xAIがモデル開発の最前線から後退していることを示唆しています。

背景には、xAIの主力モデル「Grok」の競争力不足があります。消費者向けチャットボットとしての利用は伸びず、企業がGrokを業務に採用する動きもほとんど見られません。さらに、xAIの従業員自身が社内で他社モデルを使っていたことが報じられ、これが組織の大幅な再編につながりました。Elon Musk氏以外の共同創業者は全員退社しています。

SpaceXはIPOに向けて、xAIを独立組織として解散し「SpaceXAI」に統合する計画を明らかにしています。TechCrunchのポッドキャストでは、今回の提携が「IPO前の大きなヒートチェック（実力試し）」だとの見方が示されました。GPU貸し出しは短期的に安定した収益源になりますが、フロンティアAI開発企業と比べた場合、長期的な投資家の関心を引きにくいという課題が残ります。

なお、Colossus 1をめぐっては無許可でガスタービンを運用したとする環境訴訟も係争中です。ネオクラウドへの転換が、SpaceXの企業価値を押し上げる材料になるのか、それとも成長ストーリーの弱さを露呈するのか。IPOの成否とともに市場の判断が注目されます。

半導体大手Nvidiaが2026年の最初の数カ月間だけで、AI関連企業への株式投資の総額が400億ドル（約6兆円）を超えたことが、CNBCの報道で明らかになりました。最大の案件はOpenAIへの300億ドルの出資で、GPU販売だけでなく、AI産業全体への資本参加を通じた囲い込み戦略を一段と加速させています。

投資額の大部分を占めるのが、OpenAIへの300億ドルという単一の出資です。これに加え、ガラスメーカーのCorningに最大32億ドル、データセンター事業者のIRENに最大21億ドルなど、上場企業7社への数十億ドル規模の投資も発表しています。2025年には67件のベンチャー投資を行い、2026年もすでに非公開スタートアップへ約24件の出資ラウンドに参加しました。

一方で、Nvidiaが自社の顧客企業に投資している構図は「循環取引」との批判を招いています。投資先がNvidiaの半導体を購入し、その資金が再びNvidiaに還流するという指摘です。

Wedbush Securitiesのアナリストは、この投資が「循環投資のテーマにぴったり当てはまる」としつつも、成功すれば競争優位の堀（moat）を築ける可能性があると分析しています。GPU市場の支配だけでなく、AI産業全体への資本参加を通じた囲い込み戦略が鮮明になってきました。

TechCrunchのポッドキャスト番組Equityが、今週相次いだエンタープライズAI分野の大型案件を総括しました。AnthropicとOpenAIがそれぞれ企業向けAI導入を支援する合弁事業を発表し、SAPは設立わずか18カ月の独AIスタートアップPrior Labsに約11.6億ドルを投じるなど、企業向けAIツールを手がけるスタートアップが買収ターゲットとなる構図が鮮明になっています。

xAIがAnthropicに計算資源を提供する取り決めも話題となり、xAIが事実上の「ネオクラウド」として機能し始めている点が注目されています。番組ではこうした動きが今後の大型IPOシーズンにどう影響するかも議論されました。

AI以外では、米国防総省がNvidia、Microsoft、AWSと機密ネットワーク上でのAI展開契約を締結したことが取り上げられました。軍事分野でもAI投資が加速しています。

さらに、Katie Haunのベンチャーファンドが10億ドル、Andreessen Horowitzの暗号資産部門が22億ドルをそれぞれ調達し、暗号資産市場への再投資の動きも報じられました。自動運転トラックのAurora Innovationがバークシャー・ハサウェイ傘下企業との商用輸送契約を獲得した件や、TikTokerが経営破綻したSpirit Airlinesのクラウドファンディング購入を呼びかけている話題にも触れています。

Anthropicのダリオ・アモデイCEOは、同社の開発者会議「Code with Claude」で、2026年第1四半期の年間売上換算が300億ドルに達したと明らかにしました。年間10倍成長を計画していたにもかかわらず、実際には80倍という想定外の成長を記録しました。2024年1月の8700万ドルから約2年半でこの規模に到達しており、Salesforceが20年かけて達成した売上水準をわずか3年足らずで超えたことになります。

成長の中核を担うのが、AIコーディングツールClaude Codeです。2025年半ばの公開から半年で年間売上換算10億ドルを突破し、2026年2月時点で25億ドル超に達しています。週間アクティブユーザー数は1月から倍増し、法人契約は4倍に増加しました。Anthropic社内でもコードの大半をClaude Codeが生成しており、自社製品で次世代製品を開発するというフィードバックループが競争優位を強化しています。

急成長に伴い、計算資源の不足が深刻な課題となっています。Anthropicはイーロン・マスク氏のSpaceXが運営するColossus 1データセンターの全計算容量を利用する契約を締結しました。22万基超のNvidia GPUを含む300メガワット超の容量を確保します。マスク氏はこれまでAnthropicを公然と批判してきましたが、同社チームとの交流を経て「非常に有能で正しいことに真剣」と評価を転換しました。

資金調達面では、評価額9000億ドル超の新ラウンドを検討中で、実現すればOpenAIを抜いて世界最高額のAIスタートアップとなります。2025年3月の615億ドルからわずか1年余りで評価額は約15倍に跳ね上がりました。流通市場ではすでに1兆ドルの暗示的評価額で取引されており、2026年10月にもIPOを実施する可能性が報じられています。

一方で課題も山積しています。米国防総省が3月にAnthropicをサプライチェーンリスクに指定し、軍関連業務から排除しました。100社以上の企業顧客が取引継続に懸念を示しているとされます。またOpenAIは、Anthropicの300億ドルという数字にはAWSやGoogle Cloud経由の売上が総額計上されており、約80億ドル過大だと指摘しています。アモデイ氏はAIが単一エージェントから組織全体の知能へ進化する未来像を描き、2026年中に1人で運営する10億ドル企業が誕生すると予測しています。

Palo AltoのスタートアップZyphraは2026年5月7日、オープンソースの推論特化型言語モデルZAYA1-8BをApache 2.0ライセンスで公開しました。総パラメータ数は約84億、活性パラメータはわずか7.6億という超効率設計で、AMD Instinct MI300 GPUのみで訓練された点が大きな特徴です。

ZAYA1-8Bは独自のMoE++アーキテクチャを採用しています。圧縮畳み込みアテンション（CCA）によりKVキャッシュを従来の8分の1に削減し、長文脈での推論効率を大幅に向上させました。さらにMLPベースのルーター設計やPID制御に着想を得た安定化手法など、Transformer基盤に根本的な改良を加えています。

最大の技術的突破は推論時の計算手法Markovian RSAです。複数の推論トレースを並列生成し、末尾部分のみを集約して再推論するという手法で、コンテキスト窓を溢れさせずに深い思考を実現します。これによりAIME '25で91.9%、HMMT '25数学で89.6%（Claude 4.5 Sonnetの79.2%を上回る）、LiveCodeBenchで69.2%（DeepSeek-R1-0528超え）という驚異的なスコアを記録しました。

事前学習段階から推論能力を組み込む「推論ファースト事前学習」も特徴的です。長い思考連鎖がコンテキストに収まらない場合、問題設定と最終回答を保持しつつ中間部分を刈り込むAnswer-Preserving Trimmingを開発し、問題と解答の関係を効率的に学習させています。

企業にとっての実用的意義は大きく、活性パラメータ760Mという軽量さはオンデバイス展開やエッジ推論を現実的にします。データ所在地の制約やAPI依存コストといった課題を解消し、高度な推論能力をローカル環境で利用可能にします。AMD GPUでの訓練成功は、Nvidia一強への有力な対抗軸が成立することを示しました。2025年にユニコーン評価を得たZyphraは、AMDやIBMの支援のもと「パラメータを増やす」以外のAI進化の道筋を示しています。

2026年5月7日、SCSP AI+ Expoで米エネルギー省（DOE）のクリス・ライト長官とNVIDIA副社長イアン・バックが対談し、AI時代の米国エネルギー戦略「Genesis計画」の進捗を語りました。同計画はDOEの17国立研究所とNVIDIAが連携し、AIを科学的発見に応用する国家規模の取り組みです。

NVIDIAとDOEはアルゴンヌ国立研究所に2台のAIスーパーコンピュータを共同建設中です。1台目のEquinoxは1万基のGrace Blackwell GPUで現在構築中、2台目のSolsticeは次世代Vera Rubinチップ10万基を搭載し、5000エクサフロップスの演算能力を実現します。これは現在のTOP500スパコン合計の5倍に相当します。

具体的な成果として、NVIDIAは150万本の物理学論文で訓練し、10万本の核融合論文で微調整したオープンソースAIモデルを開発しました。DOE研究者はこの専門AIエージェントを使い、融合研究を加速できます。バック氏は「NVIDIAは世界中のAIラボが使うのと同じ技術を、すべての世界の科学に開放する」と述べました。

ライト長官はエネルギー面の課題を指摘しました。米国は過去20年で石油生産を3倍、天然ガスを2倍に増やしましたが、電力生産はほぼ横ばいです。対策として小型モジュール炉（SMR）3基を今年7月4日までに臨界させるほか、大型原子炉の新設や核融合戦略室の設置を進めています。

AI自体もエネルギー効率改善に貢献しています。NVIDIAはHopper世代からBlackwell世代でワットあたり性能を25倍向上させました。さらにAIは送電網の相互接続審査を年単位から数週間・数時間に短縮する可能性があります。ライト長官は「データセンター建設は電力コストを下げ、送電網を強化する仕組みだ」と強調し、AIとエネルギーの好循環を訴えました。

NVIDIAは2026年5月6日、AI向けイーサネット基盤「Spectrum-X Ethernet」に新たなRDMAトランスポートプロトコル「MRC（Multipath Reliable Connection）」を導入したと発表しました。MRCは単一のRDMA接続で複数のネットワーク経路にトラフィックを分散させる技術で、大規模AI学習環境でのスループット向上、負荷分散、可用性の改善を実現します。OpenAI、Microsoft、Oracleがすでに実運用環境に導入しています。

OpenAIのSachin Katti氏は「Blackwell世代でのMRC導入は非常に成功した」と述べ、ネットワーク起因の学習遅延や中断を回避できたと評価しています。MicrosoftのFairwaterデータセンターやOracleのAbileneデータセンターなど、フロンティアLLMの学習・推論を目的とした大規模AI工場でもMRCが採用されています。データロスが発生した際にはインテリジェントな再送機能が高速かつ精密に復旧を行い、GPUのアイドル時間を最小限に抑えます。

MRCの大きな強みは、マイクロ秒単位でネットワーク経路の障害を検知し、ハードウェアレベルで自動的にトラフィックを迂回させる点です。数千台のGPUが同期する学習クラスタでは、わずかなネットワーク障害が全体の遅延につながるため、この高速復旧能力は極めて重要です。さらにマルチプレーンネットワーク設計により、数十万GPU規模までの拡張が可能になります。

MRCの仕様はOpen Compute Projectを通じてオープンに公開されました。NVIDIAはAMD、Broadcom、Intel、Microsoft、OpenAIと共同で開発を進めており、業界標準としての普及を目指しています。Spectrum-X Ethernetプラットフォーム上ではMRCのほか、Adaptive RDMAなど複数のトランスポートモデルを選択でき、ワークロードに応じた柔軟な構成が可能です。

AnthropicとSpaceXAIは2026年5月6日、AnthropicがxAIのメンフィス所在データセンター「Colossus 1」の計算資源を利用する契約を締結したと発表しました。Anthropicは同社の年次開発者カンファレンスで発表し、SpaceXAI側もブログ記事で詳細を公開しています。この契約により、Anthropicは300メガワット超の電力容量と約22万基のNvidia GPU（H100、H200、GB200）へのアクセスを得ます。

Anthropicはこの計算資源を「Claude Pro」「Claude Max」の利用者向け容量拡大に充てる方針です。近年、Claude Codeなどのサービスでは利用制限やサービス中断への不満が高まっており、開発者は週平均20時間以上Claude Codeを使用しているとされます。また、Anthropicは軌道上AI計算基盤の共同開発にも関心を示しており、SpaceXAIの宇宙データセンター構想の将来的な顧客となる可能性があります。

この提携はxAIの戦略的転換を象徴しています。xAIはすでにトレーニングを新施設Colossus 2に移行済みで、旧施設を外部に貸し出すことで収益化を図りました。TechCrunchの分析によれば、画像生成問題でGrokの利用者が減少するなか、xAIは計算資源の販売を主軸とする「ネオクラウド」企業へと変貌しつつあります。GoogleやMetaが自社のAI開発のために計算資源を囲い込む戦略とは対照的です。

SpaceXAIにとって、この契約はIPOを控えた重要な実績となります。Anthropicという有力顧客の存在は、軌道データセンターを含む今後の大規模インフラ投資の収益性を投資家に示す材料になります。一方で、競合に計算資源を販売する姿勢は、xAI自身のソフトウェア開発やコーディングツールへの野心と矛盾するとの指摘もあります。

AI業界全体では計算資源の争奪が激化しています。AnthropicはGoogle Cloudに2000億ドル、Amazonに1000億ドル超のコミット契約を結んでおり、AnthropicとOpenAIの契約だけで主要クラウド事業者の受注残2兆ドルの半分以上を占めるとも報じられています。計算資源の確保がAI開発の成否を左右する時代が本格化しています。

NVIDIAとServiceNowは、ServiceNow Knowledge 2026において自律型エンタープライズAIエージェントに関する提携拡大を発表しました。NVIDIAのジェンスン・ファンCEOとServiceNowのビル・マクダーモットCEOが基調講演に登壇し、企業向けAIの次の段階として「AIが自ら行動する」フェーズに入ると説明しています。

提携の中核となるのがProject Arcです。これは開発者やIT管理者などのナレッジワーカー向けに設計された、長時間稼働・自己進化型の自律デスクトップエージェントです。ローカルのファイルシステムやターミナル、アプリケーションにアクセスし、従来の自動化では対応できなかった複雑なマルチステップタスクを実行します。ServiceNowのAction FabricとAI Control Towerにより、すべての操作にガバナンスと監査証跡が確保されます。

セキュリティ面では、NVIDIAのオープンソース技術OpenShellが基盤となります。サンドボックス化されたポリシー準拠の環境でエージェントを実行し、エージェントがアクセスできる範囲やツールを企業側が厳密に制御できます。ServiceNowはOpenShellへの貢献も行い、安全なエージェント実行の共通基盤構築を進めます。

性能と効率の面では、NVIDIAのBlackwellプラットフォームがHopper世代比で1ワットあたり50倍以上のトークン出力を実現し、100万トークンあたりのコストを約35分の1に削減します。常時稼働するAIエージェントを数百万のワークフローに展開するうえで、このトークンエコノミクスの改善が試験運用から本番移行への鍵になるとしています。

また、両社はオープンモデル・エージェントスキルのエコシステムも強化しています。NemotronオープンモデルやNVIDIA Agent Toolkitを活用し、企業が自社ドメインに特化したAIエージェントを構築できる環境を整備。業務ワークフローに特化したベンチマークスイートNOWAI-Benchでは、Nemotron 3 Superがオープンソースモデル中1位を獲得しています。

Googleは2026年5月5日、オープンモデルGemma 4ファミリー向けにMulti-Token Prediction（MTP）ドラフターをリリースしました。投機的デコード技術を活用し、推論品質を一切損なうことなく最大3倍の速度向上を実現します。Gemma 4は公開からわずか数週間で6000万回以上ダウンロードされており、今回のMTPドラフター公開でさらなる普及が見込まれます。

標準的なLLM推論はメモリ帯域幅がボトルネックとなり、1トークン生成のたびに数十億パラメータをVRAMから計算ユニットに転送する必要があります。MTPドラフターはこの問題に対し、軽量な補助モデルが複数の将来トークンを高速に予測し、本体モデルが一括で検証するという投機的デコード方式を採用しています。本体モデルがドラフトに同意すれば、通常1トークン分の時間でシーケンス全体とさらに1トークンを出力できます。

技術面では、ドラフトモデルが本体モデルの活性化情報とKVキャッシュを共有する設計により、コンテキストの再計算を省略しています。エッジ向けのE2B・E4Bモデルでは、エンベッダーにクラスタリング技術を導入してロジット計算のボトルネックも解消しました。Apple Silicon上の26B MoEモデルではバッチサイズ4〜8で約2.2倍、NVIDIA A100でも同様の高速化が確認されています。

MTPドラフターはGemma 4と同じApache 2.0ライセンスで公開されており、Hugging Face、Kaggle、MLX、vLLM、SGLang、Ollamaなど主要プラットフォームで即日利用可能です。コーディング支援、自律エージェント、モバイルアプリなど、レイテンシが重視されるあらゆるユースケースで開発者の生産性向上に直結する技術といえます。

音声AIスタートアップのElevenLabsは、2月に発表した5億ドルのシリーズDラウンドに新たな投資家が加わったことを明らかにしました。BlackRock、Wellington、D.E. Shawといった機関投資家に加え、Nvidia、Salesforce Ventures、Deutsche Telekomなどの事業会社、さらに俳優のジェイミー・フォックスやエヴァ・ロンゴリア、「イカゲーム」のファン・ドンヒョク監督といった著名人が投資家として名を連ねています。

同社の年間経常収益（ARR）は5億ドルを突破しました。2025年末時点で約3億5,000万ドルだったARRは、2026年第1四半期だけで1億ドル純増し、四半期末には約4億5,000万ドルに到達。その後も成長を続け、5億ドルの大台を超えました。企業価値も2025年9月の66億ドルから2026年2月には110億ドルへと急騰しています。

エンタープライズ領域でも勢いを増しており、直近の四半期でDeutsche Telekom、Revolut、Klarnaといった大手企業との契約を獲得しました。Deutsche Telekomのベンチャー部門T.Capitalのカリーネ・ペーターズ氏は、ElevenLabsが同社の産業AI戦略における基盤的な存在になりつつあると評価しています。

資金調達に加え、同社は1億ドル規模のテンダーオファーも実施しました。これは約半年で2度目となります。さらにCEOのマティ・スタニシェフスキ氏は、Robinhood Venturesを通じて個人投資家にもElevenLabsへの投資機会を提供する方針を示しました。同社は先月、ポーランドの音声AIスタートアップPaplaのチームを買収し、研究体制の強化も進めています。

ASMLのクリストフ・フーケCEOがTechCrunchのインタビューに応じ、同社の独占的地位と半導体業界の見通しについて語りました。ASMLはEUV（極端紫外線）リソグラフィ装置を製造できる世界で唯一の企業であり、Microsoft、Meta、Amazon、Googleの4社だけで今年6000億ドル以上のAIインフラ投資を計画する中、同社の装置への需要は急増しています。

フーケCEOは、ピーター・ティールが支援するスタートアップSubstrateが競合装置の開発を主張していることについて、「欲しいと思うことと実際に持つことは全く違う」と一蹴しました。ASMLがEUV装置を完成させるまでに20年以上の歳月を要した事実を挙げ、ゼロから始める挑戦の困難さを強調しています。

中国による技術のリバースエンジニアリングについても、フーケCEOは明確に否定しました。ASMLはEUV装置を中国に出荷したことがなく、出荷済みの全装置の所在を把握しているとのことです。また社内では、EUV技術へのアクセス権限を厳格に分離する体制を早期に構築しています。

半導体供給については、ハイパースケーラー各社が今後3年から5年にわたり十分なチップを確保できないと見通しを示しました。新世代の高NA EUV装置は1台あたり3億5000万ドル以上と高額ですが、ウエハー製造コストを20〜30%削減できるため長期的には経済合理性があると説明しています。

輸出規制に関しては、NVIDIAのジェンスン・ファンCEOが提唱する「世代差を設けた販売」の考え方に賛同を示しました。NVIDIAが約8世代の差を維持しているのに対し、ASMLは2〜3世代の差にとどまっており、適正なバランスを見出す余地があると述べています。

ルンバの生みの親であるColin Angle氏が2026年5月、新会社Familiar Machines & Magicを通じて家庭用AI伴侶ロボット「Familiar」を発表しました。WSJ Future of Everythingカンファレンスで披露されたこのロボットは、掃除などの家事ではなく人間との感情的なつながりを目的に設計された犬サイズの四足歩行型ロボットです。

Familiarは熊、フクロウ、ゴールデンレトリバーを掛け合わせたような外見で、23の自由度を持ち、頭・首・耳・目・眉を動かして感情を表現します。あえて言語による会話機能を排除し、鳴き声や身体表現でコミュニケーションを行う設計です。Angle氏はLLMチャットボットが事実誤認で問題を起こしている状況を意識し、事実に関する助言を避ける方針を明確にしています。

技術面ではNvidia Jetson Orinチップを搭載し、視覚・音声・言語・記憶を統合したカスタムマルチモーダルモデルをエッジで動作させます。インターネット接続は不要で、カメラやマイクのデータをクラウドに送信しないプライバシー重視の設計です。所有者の行動パターンを学習し、長期的な関係構築を目指します。

想定する用途は、幼い子どものいる家庭での育児支援、高齢者の孤独感軽減、そしてスクリーン依存からの脱却です。68歳以上ではペット飼育率が9%まで低下するというデータを根拠に、動物を飼えない人々への代替手段として位置づけています。価格は「ペット飼育と同程度」とされ、2027年の発売を予定しています。

共同創業者にはiRobot出身のIra Renfrew氏とChris Jones氏が名を連ね、Disney、MIT、Boston Dynamics、Amazon、Bose、Sonosからエンジニアを集めています。ただしカンファレンスでのデモは一部オペレーター操作を含んでおり、発売時の完全自律動作の実現度合いには不確定要素が残ります。過去にJibo、Aibo、Vectorなど多くの家庭用ロボットが市場で苦戦してきた歴史を考えると、明確な用途のないコンパニオンロボットが消費者に受け入れられるかが最大の課題です。

Microsoftは2026年5月、AIエージェントの統合管理プラットフォーム「Agent 365」を正式リリースしました。2025年11月のIgniteカンファレンスで発表された同製品は、企業のIT・セキュリティチームがあらゆるAIエージェントを一元的に可視化・制御するための基盤です。月額15ドル/ユーザーで提供され、Microsoft 365 E7スイートにも含まれます。

同社が最も強調するのは「シャドーAI」への対応です。従業員がIT部門の承認なくローカルデバイスにインストールするコーディングアシスタントや自律ワークフローが、新たなセキュリティリスクとして急速に拡大しています。AI Security担当CVPのDavid Weston氏は、MCP経由で認証なしにバックエンドを公開するケース、プロンプト注入攻撃、エージェント通信を想定しないDLPからのデータ漏洩という3種類のインシデントをすでに確認していると述べました。

Agent 365はまずOpenClawエージェントの検出に対応し、2026年6月までにGitHub Copilot CLIやClaude Codeなど18種類へ拡大予定です。Microsoft Defenderとの連携により、各エージェントが接続するMCPサーバー、関連するID、到達可能なクラウドリソースをグラフ化し、侵害時の「爆発半径」を可視化します。悪意ある挙動を検知した場合はランタイムで遮断する機能も備えます。

競合他社との差別化として、AWS BedrockやGoogle Cloud上のエージェントも検出・管理できるマルチクラウド対応を打ち出しました。さらにZendesk、SAP、Adobe、Nvidiaなど広範なパートナーエコシステムを構築し、SaaSエージェントのオンボーディングはEntra IDの付与だけで基本的なガバナンスが可能になります。

高リスクなワークロード向けには「Windows 365 for Agents」のパブリックプレビューも開始しました。エージェント専用のクラウドPCをIntuneで管理し、エンドポイントから隔離した状態で自律処理を実行できます。Weston氏は導入の段階を「棚卸し→ID・アクセス管理→隔離と高度制御」の3段階で示し、90日間で実現可能だと説明しました。

米国防総省は5月1日、Nvidia、Microsoft、Amazon Web Services、Reflection AIの4社と、AIモデル・技術を機密ネットワーク上で「合法的に運用」するための契約を締結したと発表しました。これにより、Google、OpenAI、xAIとの既存合意と合わせて、計7社のAI企業が米軍の機密環境にアクセスできるようになります。

契約の対象となるのは、国家安全保障上極めて重要なデータを扱うImpact Level 6（IL6）およびImpact Level 7（IL7）の環境です。国防総省は声明で「米軍をAIファーストの戦力として確立するための変革を加速する」と述べ、データ統合や状況把握の向上、意思決定支援に活用する方針を示しています。

一方、以前は2億ドル規模の機密情報取り扱い契約を持っていたAnthropicは、今回の契約から明確に排除されています。同社は国防総省が求めた国内大量監視や完全自律型兵器への利用制限の撤廃を拒否し、「サプライチェーンリスク」に指定されました。Anthropicは連邦政府を提訴し、3月に仮差止命令を勝ち取っています。

国防総省のエミル・マイケル最高技術責任者は、Anthropicを依然としてサプライチェーンリスクとみなす一方、同社のセキュリティモデル「Mythos」については「サイバー脆弱性の発見と修正に特化した能力を持つ、別次元の国家安全保障上の問題だ」と言及しました。

国防総省はすでに安全な生成AIプラットフォーム「GenAI.mil」を運用しており、130万人以上の職員が調査・文書作成・データ分析などの非機密業務に活用しています。今後もベンダーロックインを防ぎ、長期的な柔軟性を確保する方針です。

ドキュメントプラットフォームのGitBookは、Vercel上の単一デプロイメントで3万件の技術ドキュメントサイトをホストし、月間1億2000万ページビューを配信しています。n8n、Nvidia、Zoomなどの企業が同プラットフォームを利用しており、ドキュメントの即時更新が重要な課題となっていました。

Vercel移行前は、編集者がマージ後にサイトを確認すると古いコンテンツが表示される問題がありました。GitBook技術責任者のSteven Hall氏は、ある顧客が大型機能リリース時にドキュメントの反映が遅れた事例を挙げ、ドキュメントもプロダクションコードと同等に扱う必要があると認識したと述べています。

解決策として、Next.jsのuse cacheディレクティブを活用し、ページ全体ではなくデータ取得関数単位でキャッシュする方式を採用しました。無効化にはタグベースの仕組みを導入し、マージイベント発生時に該当コンテンツのタグのみを再検証します。これにより、1サイトの修正が他の2万9999サイトに影響しない精密な制御を実現しました。

現在、日次4万件のキャッシュ無効化を処理し、各更新は300ミリ秒以内にグローバルへ反映されます。一方、2025年にはAIクローラーからのアクセスが前年比5倍に急増し、全トラフィックの41%をAI経由が占めるようになりました。AIは人間と異なり数百サイトを一括走査するため、キャッシュのコールドパスに大量のアクセスが集中します。

Hall氏はAI対応を目的にキャッシュ設計を選んだわけではないとしつつも、結果として適切な基盤になったと評価しています。今後はユーザーに応じてコンテンツを変えるアダプティブドキュメント機能など、マルチテナントキャッシュの複雑性がさらに増す見込みです。AIトラフィックの増加とともに、低遅延と予測可能性の維持がスケーリングの主要課題となっています。

米Planet Labsは、同社の高解像度衛星Pelican-4に搭載したAIモデルで、オーストラリアのアリススプリングス空港の航空機を自動検出することに成功したと発表しました。衛星上で画像認識アルゴリズムを実行し、16,000ピクセルの画像を0.5秒で処理できます。これにより、撮影から数分以内に分析結果をユーザーに届けることが可能になりました。

従来の地球観測では、衛星が取得した膨大なデータを地上に転送し、クラウドで処理するまでに6〜12時間を要していました。同社エンジニアリング担当副社長のKiruthika Devaraj氏は「過去を見ているのと同じだった」と指摘します。山火事など一刻を争う事態では、この遅延が被害拡大につながるリスクがありました。

AI処理にはNVIDIA Jetson ORIN GPUモジュールが使われており、18カ月の開発期間を経て検出精度80%を達成しました。次世代アルゴリズムでは95%超を目標としています。今後6〜9カ月以内にリアルタイムAI検出サービスを顧客に提供する計画です。

さらにPlanet Labsは、次世代のOwl衛星群により「惑星知能」の実現を目指しています。Owl群が地球を常時監視し、異常を自律的に検知して高解像度のPelican衛星に再撮影を指示する仕組みです。将来的にはJetson Thorプロセッサへの移行や、宇宙空間でのLLM稼働も視野に入れています。

同社はGoogleとSuncatcherプロジェクトで協業しており、2027年にプロトタイプ衛星2基の打上げを予定しています。宇宙空間でのデータ処理インフラ構築には、SpaceXやAmazonも関心を示しており、太陽光発電と自然冷却を活用できる利点がある一方、打上げコストの課題も残されています。

2026年4月30日、NVIDIAはオープンソースの常駐型AIエージェント基盤「NemoClaw」を発表しました。これはPeter Steinberger氏が開発した自律型AIアシスタント「OpenClaw」をベースに、NVIDIAのセキュアランタイム「OpenShell」と大規模言語モデル「Nemotron」を統合した企業向けリファレンス実装です。1コマンドでセキュアな導入が可能になります。

OpenClawは2026年初頭に急速に普及し、3月にはGitHub星数が25万を突破してReactを抜き、最も多くの星を獲得したソフトウェアプロジェクトとなりました。従来のAIエージェントがプロンプトに応答して終了するのに対し、OpenClawの「クロー」はバックグラウンドで常駐し、定期的にタスクリストを確認して自律的に行動します。人間の判断が必要な場面だけを通知する設計です。

NVIDIAはOpenClawコミュニティと協力し、モデルの分離強化やローカルデータアクセス管理、コミュニティ貢献コードの検証プロセス改善に取り組んでいます。NemoClawではOpenShellによるサンドボックス環境でエージェントの権限を明確に制御し、DGX SparkやDGX Stationによるローカル推論で機密データを組織内に留める構成を提供します。

NVIDIAは、予測AI、生成AI、推論AI、自律AIと4つの段階を経るなかで、自律エージェントの推論需要は推論AIの1000倍に達すると指摘しています。実用面では、金融機関での規制監視、創薬での論文自動収集、IT運用での障害自動診断など幅広い業種で導入が進んでおり、ServiceNowではチケットの90%を自律的に解決する成果が報告されています。

スウェーデン発のリーガルAIスタートアップLegoraが、NVIDIAのベンチャーキャピタル部門NVenturesやAtlassianなどから5000万ドルのシリーズD追加調達を実施し、ポストマネー評価額が56億ドルに達しました。NVenturesにとってリーガルAI分野への初の投資となります。同社は2026年3月の5億5000万ドルのシリーズD調達からわずか1カ月での追加ラウンドです。

評価額上昇の背景には、年間経常収益(ARR)が1億ドルを突破した実績があります。Y Combinator出身の同社は、プラットフォーム立ち上げからわずか18カ月で50市場・1000以上の法律事務所や企業法務チームに導入されています。Bird & Bird、Cleary Gottlieb、Linklaters といった大手法律事務所を顧客に抱えます。

競合のHarveyは評価額110億ドルで、Sequoiaが3度目の追加出資を行っています。10万人の弁護士と1300の組織を顧客に持ち、Legoraとの差は依然大きいものの、両社は互いの本拠地への進出を進めています。Legoraはアメリカでの展開を拡大し、Harveyはヨーロッパ市場を攻めています。

マーケティングでも両社は激しく競り合っています。Harveyがテレビドラマ「Suits」の俳優Gabriel Machtとブランド提携を結ぶと、Legoraは映画スターJude Lawを広告キャンペーンに起用しました。一方、両社が基盤とする大規模言語モデルの提供元であるAnthropicがClaude向け法律プラグインを発表した際には、上場リーガルテック企業の株価が下落しており、AIプラットフォーム企業自体が競合となるリスクも浮上しています。

企業のAI活用が実験段階から本番運用へ移行するなか、コスト構造の逆転現象が顕在化しています。VentureBeatの2026年4月30日付記事によると、推論トークンの単価はこの2年間で約10分の1に低下したにもかかわらず、消費量が100倍以上に膨らんだことで、企業のAI関連総コストはむしろ増加しています。経済学でいうジェボンズのパラドクスがAIインフラ領域で起きている形です。

この現象の背景には、エージェントAIの台頭があります。従来の大規模学習ジョブとは異なり、エージェント環境では短時間かつ予測不能な推論リクエストが高頻度で発生します。GPU、ネットワーク、ストレージに対して従来のデータセンター設計では想定しなかった負荷がかかり、インフラ効率がAI経済性を左右する決定的要因になっています。

こうした課題に対し、インフラベンダー各社はフルスタック統合プラットフォームの提供で応えています。Nutanixは自社ハイパーバイザーAHV上にNVIDIAトポロジー対応の最適化機能を組み込み、GPU・CPU・メモリ・DPUの割り当てを自動化するソリューションを展開しています。NVIDIA NIMマイクロサービスやAnthropicなど主要LLMへのゲートウェイも統合し、サイロ化の解消を図っています。

企業がAI投資を持続的に拡大できるかは、トークン単価とGPU稼働率というインフラ指標の管理にかかっています。プラットフォームチームと開発者チームが共通の運用モデルで協調し、パイロットから本番環境へスムーズに移行できる体制を構築することが、AI経済性を確保する前提条件になりつつあります。

2026年4月28日、カリフォルニア連邦裁判所でMusk対Altman裁判の陪審審理が始まり、OpenAI創設期の2015年から2017年にかけての内部メールや企業文書が次々と公開されました。裁判はAltman、Brockman、Microsoftを被告とし、OpenAIが「全人類に利益をもたらすAGI」という設立時のミッションから逸脱したかどうかが最大の争点です。

公開されたメールによると、2015年6月にAltmanがMuskに5項目の計画を提示し、安全性を最優先とするAI研究所の設立を提案しました。ガバナンスにはAltman、Musk、ビル・ゲイツ、ピエール・オミダイア、ダスティン・モスコヴィッツの5名を挙げ、Muskに1億ドルの初期出資と5年間で3000万ドルの追加寄付を求めています。Muskは「ガバナンスを議論しよう。これは極めて重要だ」と応じました。

組織名については、Muskが「Freemind」を提案し、DeepMindの中央集権的アプローチとの対比を強調しました。Altmanはアラン・チューリングにちなんだ名称を提案。12月にはMuskが主導してミッション声明とプレスリリースの原案を起草し、最終版は現在のOpenAI公式発表とほぼ一致する内容でした。

しかし2017年8月、Muskの側近シヴォン・ジリスがBrockmanとSutskeverとの会談内容をMuskに報告した際、深刻な対立が明らかになりました。両名はMuskが経営への支配権を持ちすぎることを懸念し、「一人の人間がAGIを絶対的に支配しない」ことを譲れない条件として提示。これに対しMuskは「非常に苛立つ。彼らに自分で会社を始めるよう促してくれ」と返答しています。

同時期に提示された資本構成表ではMuskが51.2%、Altman・Sutskever・Brockmanがそれぞれ約11%の持分とされていました。また、Nvidiaのジェンスン・ファンCEOがMuskの依頼に応じ、OpenAIに希少なスーパーコンピュータを優先提供していたことも判明しています。両社ともに今年中のIPOを目指しているとされ、裁判の結果がOpenAIの事業運営に影響を及ぼす可能性があります。

Oracleが、OpenAIとの3000億ドル規模のデータセンター契約に社運を賭けています。創業者ラリー・エリソン氏の主導のもと、同社は伝統的なデータベース事業からAIインフラ事業へと大胆に舵を切りました。2026会計年度だけで430億ドルの負債を抱え、5つの大規模データセンター建設に乗り出しています。

この戦略の最大のリスクは、パートナーであるOpenAI自体の不安定さです。OpenAIは売上とユーザー成長の目標を達成できず、CFOが将来のコンピューティング契約の支払いに懸念を示していると報じられています。Stargateプロジェクトの主要幹部がMeta等に流出し、IPO計画にも不透明感が漂います。Oracleの残存履行義務5530億ドルのうち、3000億ドル超がOpenAI関連であり、同社の命運はOpenAIの経営に大きく左右されます。

外部環境もOracleに逆風を送っています。イラン戦争によるホルムズ海峡封鎖は、半導体製造に不可欠なヘリウムの供給やアルミニウム価格に影響を与え、データセンター建設コストを押し上げています。さらに、米国11州がデータセンター建設のモラトリアムを検討するなど、地域住民の反対運動も激化しています。

一方で明るい材料もあります。ByteDanceがNvidiaの輸出規制を回避するためにOracleからチップを借り受け、大口顧客に成長しています。米政府との契約も増加しており、メディケア・メディケイドや空軍との案件を獲得しました。エリソン氏が描く「プライベートAI」構想では、Oracleが既に保有する企業の機密データにAIを適用し、推論サービスで収益を上げるビジョンを掲げています。

Oracleの信用リスクを示すCDSは、AI業界全体のリスク指標として注目されています。債券市場では12月にジャンク債並みの価格で取引される場面もありました。今後の焦点は、データセンター建設を予定通り完遂できるか、そしてOpenAIが契約通りの支払いを履行できるかです。エリソン氏の大胆な賭けが成功するかどうかは、AI産業全体の行方を占う試金石となるでしょう。

IBMのGraniteチームは2026年4月29日、大規模言語モデルGranite 4.1シリーズ(3B、8B、30B)の訓練手法を詳細に公開しました。同モデルは約15兆トークンの5段階事前学習、410万件のSFTデータによる微調整、そして多段階の強化学習パイプラインを経て構築されています。注目すべきは、8Bの密モデルが前世代の32BパラメータMoEモデル(Granite 4.0-H-Small)と同等以上の性能を達成した点です。

事前学習は5つのフェーズで構成されています。第1フェーズでは10兆トークンのウェブデータ中心の汎用学習を行い、第2フェーズでコードと数学データの比率を大幅に引き上げます。第3・第4フェーズでは高品質データへの絞り込み(アニーリング)を実施し、思考連鎖や合成指示データも混合します。最終フェーズではコンテキスト長を4Kから最大512Kへ段階的に拡張しています。

SFT(教師あり微調整)では、LLM審査官フレームワークを用いて約410万件の高品質サンプルを厳選しています。幻覚や誤計算など重大な欠陥は点数に関係なく自動的に除外され、指示遵守・正確性・完全性・簡潔性・自然さ・校正の6次元で評価されます。ルールベースのフィルタリングも併用し、全判定が監査可能な設計です。

強化学習は4段階のパイプラインで実施されます。まず数学・科学・論理推論など9領域の同時訓練で汎用性を維持し、次にRLHFで会話能力を強化します。AlpacaEvalでSFTから平均18.9ポイント向上しました。その後、自己識別の校正と、RLHFで低下した数学性能の回復(GSM8Kで平均3.8ポイント、DeepMind-Mathで平均23.48ポイント改善)を行います。

全モデルはApache 2.0ライセンスで公開されており、NVIDIA GB200 NVL72クラスタ上で訓練されました。FP8量子化版も提供され、vLLMでの推論時にメモリ使用量を約50%削減できます。長い思考連鎖に依存しない設計のため、レイテンシやトークン消費が予測しやすく、企業向けワークロードでの実用性を重視した構成となっています。

スタンフォード大学の研究チームが、AIモデル内のゼロ値パラメータを活用する専用チップ「Onyx」を開発しました。大規模言語モデルでは重みや活性値の大半がゼロまたはゼロに近い値であり、この「スパース性」を利用すれば不要な演算を省略できます。Onyxは従来のCPUと比較して平均で消費エネルギーを70分の1に抑え、計算速度を8倍に向上させています。

AIモデルの巨大化が進む中、Metaの最新Llamaは2兆パラメータに達しています。モデルの大型化は性能向上につながる一方、エネルギー消費と処理時間の増大が深刻な課題です。低精度演算や小型モデルの利用といった対策が取られてきましたが、スパース計算はモデルの性能を維持しつつ効率を高める第三の選択肢として注目されています。Cerebrasの研究では、LLMのパラメータの最大70〜80%をゼロに設定しても精度を損なわないことが示されました。

しかし、既存のGPUやCPUはスパース計算に最適化されていません。NVIDIAのGPUは「4要素中2つがゼロ」という構造化スパースにしか対応しておらず、任意の位置にゼロが存在する非構造化スパースでは性能が大きく低下します。CPUはより柔軟ですが、圧縮データの間接参照によるメモリアクセスがボトルネックとなります。Appleは独自チップのプリフェッチャー改良で対応を試みていますが、汎用アーキテクチャの根本的な制約は残ります。

Onyxは粗粒度再構成可能アレイ（CGRA）をベースに設計されており、FPGAの柔軟性とCPUの効率性を両立しています。メモリタイルが圧縮行列を格納し、演算タイルが不要なゼロ演算をすべて省略します。専用コンパイラがソフトウェア命令をCGRA構成に自動変換するため、開発者は疎・密の両方のワークロードを同一チップ上で実行できます。エネルギー遅延積ではIntel Xeon CPUの最大565倍の効率を達成しました。

研究チームは次世代チップの開発を進めており、行列演算だけでなく正規化やソフトマックスなど全演算のスパース対応を目指しています。密・疎アーキテクチャのチップ上での統合効率化や、複数チップでの分散処理にも取り組んでいます。スパースハードウェアの普及は、AI計算の実行コスト・消費電力・環境負荷を大幅に低減する可能性があります。

NVIDIAは、製造業における従来の「設計・製造・テスト」サイクルを根本から変えるシミュレーション先行型のワークフローを推進しています。同社のNVIDIA OmniverseとOpenUSDを基盤に、高精度なシミュレーション環境で合成データを生成し、AIモデルを本番投入前に訓練・検証できる体制が整いつつあります。物理的に正確な3Dアセットの仕様である「SimReady」も、パイプライン間のデータ損失を解消する重要な役割を担います。

ABB Roboticsは、Omniverseライブラリを自社シミュレーション基盤「RobotStudio HyperReality」に統合し、シミュレーション精度99%を達成しました。ロボットステーションをUSDファイルとして表現し、実機と同じファームウェアで動作させることで、生産ライン構築前にAIモデルの検証が可能になっています。その結果、製品導入サイクルは最大50%、コミッショニング時間は最大80%、設備ライフサイクルコストは30〜40%の削減が見込まれています。

英国の自動車メーカーJLRは、同様のシミュレーション先行アプローチを車両空力設計に適用しました。2万件以上の風洞相関CFDシミュレーションでニューラルサロゲートモデルを訓練し、空力熱負荷の95%をNVIDIA GPU上で処理しています。Omniverseで構築した「Neural Concept Design Lab」により、デザイナーが車両形状を変更すると空力特性がリアルタイムで可視化され、従来4時間かかった解析がわずか1分に短縮されました。

工場が稼働した後の課題に対応するのが、Tulip Interfacesの「Factory Playback」です。NVIDIA Metropolis VSSブループリントを基盤に、カメラ映像・センサーデータ・運用コンテキストを統合したタイムラインを構築しています。さらにNVIDIA Cosmos Reasonビジョン言語モデルでオペレーターの行動をリアルタイム解釈する仕組みも備えています。世界40以上の工場を持つ産業機器メーカーTerexへの導入では、歩留まり3%向上と手直し作業10%削減が期待されています。

NVIDIAはSimReadyアセット、Omniverseライブラリ、物理AIスタックを組み合わせた包括的な開発基盤を提供しており、ロボット訓練からデジタルツイン、工場の映像解析まで幅広い用途に対応しています。無料の自習コースやIsaac Sim、Cosmos Cookbookなども公開されており、製造業のシミュレーション先行型への移行を後押しする体制が整っています。

NVIDIAは2026年4月28日、マルチモーダルAIモデルNemotron 3 Nano Omniを公開しました。このモデルはテキスト・画像・動画・音声を単一のアーキテクチャで処理できるオムニモーダルモデルで、AIエージェントの構築を効率化することを目的としています。パラメータ規模は30B（アクティブ3B）で、従来のように複数モデルを組み合わせる必要がなくなります。

性能面では、文書理解のMMLongBench-DocやOCRBenchV2、動画理解のWorldSense、音声理解のVoiceBenchなど6つの主要ベンチマークでトップの精度を記録しています。同等の対話性能を持つオープンなオムニモデルと比較して、マルチドキュメント処理で7.4倍、動画処理で9.2倍のシステム効率を実現しました。

アーキテクチャの核となるのは、23層のMamba状態空間モデル、23層のMixture-of-Experts（128エキスパート、Top-6ルーティング）、6層のグループ化クエリアテンションを組み合わせたハイブリッド構成です。視覚側にはC-RADIOv4-Hエンコーダを採用し、動的解像度処理により100ページ超の文書やGUIスクリーンショットにも対応します。音声側にはParakeet-TDT-0.6B-v2エンコーダを搭載し、最大20分の音声入力をネイティブに処理できます。

想定される活用領域は、企業文書の分析、GUI操作を行うコンピュータ使用エージェント、長時間の動画・音声理解、自動音声認識、そして汎用的なマルチモーダル推論の5分野です。すでにH Company、Aible、Eka Care、Foxconnなどが採用を進めており、Dell Technologies、Oracle、Infosysなども評価段階にあります。

モデルはオープンウェイトで公開されており、BF16・FP8・NVFP4の各チェックポイントがHugging Faceからダウンロード可能です。訓練データや手法も公開されているため、NVIDIA NeMoを使った独自のカスタマイズが可能です。NVIDIA Jetsonのようなエッジデバイスからデータセンター、クラウドまで幅広い環境にデプロイでき、Nemotronファミリー全体では過去1年で5,000万回以上のダウンロードを達成しています。

Anthropicは2026年4月、自社のAIモデルClaude Mythos Previewが主要OSやウェブブラウザを含むソフトウェアから数千件の高深刻度・重大脆弱性を発見したと発表しました。この成果を受けて、AIを活用したサイバー攻撃に対抗する新プロジェクト「Project Glasswing」を立ち上げました。AWS、Apple、Google、Microsoft、Nvidiaがローンチパートナーとして参画し、Mythos Previewによるソフトウェアスキャンを開始します。

Mythos Previewが検出した脆弱性には、OpenBSDに27年間潜伏していたリモートクラッシュバグ、異なるドメイン間でデータを読み取れるブラウザ脆弱性、暗号化通信の傍受や証明書偽造を可能にする暗号ライブラリの欠陥が含まれます。セキュリティ専門家は、AIがコードの意味論を理解し、データフローを抽象化レイヤーにまたがって追跡できる点が、従来のパターンマッチング型静的解析ツールと本質的に異なると評価しています。

一方で、LLMには偽陽性の問題が残ります。実際にはセキュリティ上の脅威ではないバグを脆弱性として報告したり、深刻度を過大評価したりするケースが増加しており、オープンソースのメンテナーにトリアージの負担がかかっています。また、Mythos Preview自体が複数の脆弱性を連鎖させてLinuxカーネルのroot権限を奪取する手順を構築できることも示されており、攻撃への悪用リスクも存在します。

こうしたリスクに対し、Claude Code SecurityやGoogleのCodeMenderは「敵対的自己レビュー」を実装し、AIが自らの結果を批判的に検証してから提示する仕組みを導入しています。さらに別のモデルに検証させるクロスバリデーションも偽陽性の抑制に有効です。

セキュリティ専門家は、AIの出力は確率的であり最終判断にはならないと強調しています。動的脅威モデリングやレッドチームによる安全性評価に加え、開発プロセスの初期段階にセキュリティを組み込む「シフトレフト」が不可欠です。今後の課題は、脆弱性の検出から修正までのギャップを大規模に埋めることであり、AI支援による自動修復が次の重点領域として期待されています。

Google DeepMindでAlphaGoやAlphaZeroを開発したDavid Silver氏が、新会社Ineffable Intelligenceを英国で設立し、シードラウンドで11億ドル（約1650億円）を調達しました。評価額は51億ドルに達し、欧州のAIスタートアップとしては異例の規模です。Sequoia CapitalとLightspeed Venture Partnersが共同でリードし、Index Ventures、Google、Nvidia、英国政府系のSovereign AIファンドも参加しています。

同社が目指すのは、人間が生成したデータに頼らず、強化学習によって自律的に知識とスキルを獲得する「超学習者（superlearner）」の構築です。Silver氏はDeepMindで10年以上にわたり強化学習チームを率い、AlphaGoやAlphaZeroでは人間の棋譜を一切使わずにプロ棋士を超える性能を実現しました。この手法を汎用知能に拡張するのが同社の核心的な戦略です。

Silver氏は現在の大規模言語モデル（LLM）中心のアプローチに明確な限界があると主張しています。LLMは人間のデータという「化石燃料」に依存しており、自ら世界を探索して学ぶことができないと指摘。仮に地球が平らだと信じられていた時代にLLMを投入しても、そのまま天動説を信じ続けるだろうと述べています。一方、強化学習ベースのAIはシミュレーション環境内で試行錯誤を重ね、独自の科学的発見に到達できる可能性があるとしています。

安全性についても独自の見解を示しています。シミュレーション内でAIエージェントの振る舞いを観察することで、人間の価値観と整合しない行動を事前に検出できるとSilver氏は説明しています。また、同社から得る個人的な利益はすべて「できるだけ多くの命を救う」高インパクトな慈善団体に寄付すると表明しました。

この動きは、著名AI研究者による大型起業の潮流を加速させるものです。先月にはTuring賞受賞者のYann LeCun氏が共同設立したAMI Labsが10.3億ドルを調達し、DeepMind元主任研究員のTim Rocktäschel氏によるRecursive Superintelligenceも5億ドル規模の資金を集めています。ロンドンがDeepMind卒業生を軸にAI開発の世界的拠点として存在感を高めている状況が鮮明になっています。

東京都主催の技術カンファレンス「SusHi Tech Tokyo 2026」が4月27日から29日まで東京ビッグサイトで開催されます。AI、ロボティクス、都市レジリエンス、エンターテインメントの4つの技術領域に特化し、各分野で実演展示や専門セッションが組まれています。

AI領域ではNVIDIAのHoward Wright氏やAWSのRob Chu氏が登壇し、AIの大規模導入事例とリスクを議論します。ロボティクス領域では日産やいすゞが参加し、ソフトウェア定義車両による交通変革をテーマに実機デモが行われます。

都市レジリエンス分野では、トレンドマイクロのEva Chen氏やNECの中谷昇氏がサイバー防衛を、Breakthrough EnergyやCleantech Groupが気候テック投資の動向を語ります。VR災害シミュレーターや東京の地下治水施設の見学ツアーも用意されています。

エンターテインメント領域では、Production I.G、MAPPA、コミックス・ウェーブ・フィルムのCEOが登壇し、東京をアニメーションの世界的拠点にするための戦略を議論します。AIを活用したマンガ翻訳や音楽生成のスタートアップも出展予定です。

メディアパートナーとしてTechCrunchが参加し、SusHi Tech ChallengeからStartup Battlefield 200への選出も行われます。また、5大陸55都市の首長が集まる「G-NETS」サミットも併催され、気候変動と災害に強い都市づくりが議論されます。遠隔参加者向けには、現地スタッフが代わりに会場を回る独自の仕組みも提供されています。

Mira Murati氏が率いるAIスタートアップThinking Machines Lab（TML）とMetaの間で、AI研究者の争奪戦が激化しています。TMLはMetaから多数の有力研究者を採用する一方、Meta側もTMLの創設メンバーを次々と引き抜いており、双方向の人材移動が業界の注目を集めています。

直近ではMetaで8年間マルチモーダル知覚システムの開発に携わったWeiyao Wang氏や、ハーバード大学で博士号を取得したKenneth Li氏がTMLに加わりました。LinkedInの調査によると、TMLが採用した研究者のうち、Meta出身者が単一企業として最多を占めています。

TMLの最も著名なMeta出身者は、CTOのSoumith Chintala氏です。同氏はMetaに11年在籍し、世界のAI研究の基盤となっているオープンソースフレームワークPyTorchを共同創設しました。ほかにもSegment Anythingモデルの共著者Piotr Dollár氏や、FAIR部門のAndrea Madotto氏らが移籍しています。

一方でBusiness Insiderの報道によると、MetaはTMLの創設メンバー7人を引き抜いたとされ、人材の流れは一方通行ではありません。Metaは7桁ドル規模の報酬パッケージで知られますが、TMLには120億ドルの評価額に基づくストックオプションの上昇余地があり、研究者を引きつける要因となっています。

TMLはMeta以外からも積極的に採用を進めています。CognitionのNeal Wu氏、WaymoやOpenAI経由のJeffrey Tao氏、Anthropic出身のMuhammad Maaz氏、Apple出身のErik Wijmans氏らが加わり、社員数は約140人に達しました。今週にはGoogleとの数十億ドル規模のクラウド契約も発表され、NvidiaのGB300チップへの早期アクセスを獲得するなど、インフラ面でもAnthropicやMetaと同等の水準に達しています。

Samsungのモバイル事業トップであるTM Roh氏が、2026年にスマートフォン事業で創業以来初の赤字に転落する可能性があると経営陣に警告したことが、韓国メディアMoney Todayの報道で明らかになりました。Galaxy S26の販売は好調であるにもかかわらず、AI需要の急拡大に伴うDRAMおよびNAND価格の高騰が収益を圧迫しています。

メモリ価格高騰の背景には、AI向けインフラへの巨額投資があります。NvidiaのAI CPU「Vera」は1基あたり最大1.5TBのLPDDR5xメモリを搭載し、1台のサーバーだけでGalaxy S26 Ultra約4,600台分のRAMを消費します。Counterpoint Researchによれば、2026年半ばにはRAMが低価格機の部品コストの3分の1以上を占める見通しで、これまでプロセッサやディスプレイが最高額部品だった構図が完全に変わりました。

こうした状況を受け、Samsungは幅広い製品で値上げに踏み切っています。ミッドレンジのGalaxy A37・A57は前世代比50ドルの値上げ、折りたたみ端末のGalaxy Z Flip 7・Fold 7の大容量モデルには80ドルが上乗せされました。Motorolaも低価格機Moto Gの価格を最大50%引き上げており、「格安スマホ」という概念自体が成立しなくなる可能性が指摘されています。

一方で、Samsung内部では明暗が分かれています。半導体部門は2026年第1四半期に推定380億ドルの利益を計上し、前年同期比7倍超の過去最高を記録しました。Samsung、Micron、SK Hynixの各社がメモリ生産ラインの増設を急いでいますが、日経アジアの予測では最善のシナリオでも2027年のDRAM生産は需要に対し40%不足する見込みです。世界の大手テック企業がAIコンピューティングへの投資拡大を続ける限り、メモリの供給制約が早期に緩和される見通しは低いでしょう。

Metaが数百万基のAWS Graviton CPUを採用する契約をAmazonと締結しました。GravitonはARM基盤の汎用CPUで、GPUではありません。AIモデルの学習にはGPUが不可欠ですが、学習済みモデル上で動くAIエージェントはリアルタイム推論やコード生成、マルチステップ制御などCPU集約型の処理を大量に発生させるため、専用設計のCPU需要が高まっています。

Metaは2025年8月にGoogle Cloudと6年間100億ドルの契約を結んでおり、それまで主要顧客だったAWSから一部離れていました。今回の契約はMetaの支出をAWSに引き戻す意味を持ちます。AWSはGoogle Cloud Nextカンファレンス終了直後にこの発表をぶつけており、クラウド各社間の対抗意識が鮮明です。

AWSのAI向けチップにはGPU相当のTrainiumもありますが、こちらはAnthropicが10年間1000億ドルの大型契約で優先的に確保済みです。そのためMeta向けにはCPU側のGravitonが前面に出た形です。Gravitonの競合はNvidiaのVera CPUで、いずれもARM基盤かつAIエージェント処理に最適化されていますが、NvidiaがチップをOEM販売するのに対し、AWSはクラウドサービス経由でのみ提供する点が異なります。

Amazon CEOのAndy Jassy氏は4月の株主書簡でNvidiaやIntelに言及し、企業が求めるのはAI処理の価格性能比であると強調しました。自社チップの競争力を示す実績としてMetaの採用は大きく、社内チップ開発チームへの期待と圧力がいっそう高まっています。AI半導体の競争はGPUだけでなくCPU領域にも本格的に広がりつつあります。

GoogleがAI企業Anthropicに最大400億ドル（約6兆円）を投資する計画であることが2026年4月24日、Bloombergの報道で明らかになりました。まず100億ドルを即時出資し、Anthropicが一定の性能目標を達成した場合にさらに300億ドルを追加投資します。企業価値は3500億ドルと評価されています。

今回の投資は、数日前に発表されたAmazonからの50億ドル出資に続くものです。Amazonの投資もAnthropicの企業価値を3500億ドルと評価しており、いずれも性能目標に基づく追加出資の余地を残しています。投資家の間ではAnthropicの評価額が8000億ドル以上に達するとの見方もあり、10月にもIPOを検討しているとの報道もあります。

Googleは自社でもAIモデルを開発する競合でありながら、Anthropicにとって重要なインフラ供給者でもあります。AnthropicはGoogle CloudのTPU（テンソル処理ユニット）に大きく依存しており、今回の投資ではGoogle Cloudが今後5年間で新たに5ギガワットの計算容量を提供します。今月にはGoogleとBroadcomとの提携で2027年から3.5ギガワットのTPU計算容量を確保することも発表済みです。

AI開発競争はいまや計算資源の争奪戦の様相を呈しています。OpenAIはCerebrasとの200億ドル超の半導体契約を締結し、AnthropicもCoreWeaveとのデータセンター契約やAmazonとの1000億ドル規模のクラウド利用契約を結んでいます。Claudeの利用制限に対するユーザーからの不満が高まるなか、Anthropicはインフラ増強を急いでいます。

Googleは2026年4月のGoogle Cloud Next '26で、AIが本格的に業務を遂行する「エージェント時代」の到来を宣言しました。目玉となるGemini Enterprise Agent Platformは、AIエージェントの構築・管理・拡張を一気通貫で行える統合環境です。最新モデルのGemini 3.1 Proに加え、画像生成のGemini 3.1 Flash Image、音声のLyria 3、さらにAnthropicのClaude Opus 4.7も利用可能になります。ローコード開発環境のAgent Studioにより、機械学習の専門知識がなくても自然言語でエージェントを構築できます。

エンドユーザー向けにはGemini Enterpriseアプリが提供されます。ノーコードのAgent Designerにより、非エンジニアでもトリガーベースのワークフローを構築可能です。長時間稼働エージェントはセキュアなクラウドサンドボックス内で自律的に動作し、Agent Inboxで一元管理できます。Google Workspaceにも「Workspace Intelligence」としてエージェント機能が統合され、Docs・Drive・Meet・GmailをまたいだAI活用が可能になります。

インフラ面では第8世代TPUが発表されました。学習特化のTPU 8tと推論特化のTPU 8iの2種類で、TPU 8iは1ドルあたりの推論性能が80%向上しています。NVIDIAの次世代システムVera Rubin NVL72の早期提供も決定しました。大規模スーパーコンピュータ接続用のVirgoネットワークや、毎秒10テラバイト転送を実現するManaged Lustreなどストレージの刷新も発表されています。

データ活用では「Agentic Data Cloud」が登場しました。Geminiが企業データを自動的にタグ付け・関連付けするKnowledge Catalogにより、エージェントが業務固有の文脈を理解できるようになります。Apache Iceberg準拠のCross-Cloud Lakehouseは、AWSなど他社クラウドにあるデータもそのまま即座にクエリ可能です。

セキュリティ分野では、2026年に買収完了したWizとの統合が披露されました。脅威ハンティングエージェントや検知エンジニアリングエージェントなど、自律的にセキュリティルールを作成・更新する専用AIが提供されます。導入事例としては、Home DepotがGeminiで店舗・電話対応アシスタントを稼働させ、Unileverが37億人の消費者対応に全社的なエージェント展開を進めるなど、大手企業での実運用が広がっています。

中国のAIスタートアップDeepSeekは2026年4月24日、次世代大規模言語モデルDeepSeek V4のプレビュー版を公開しました。V4-Proは総パラメータ1.6兆、稼働パラメータ49BのMixture-of-Experts構成で、オープンウェイトモデルとしては世界最大です。コンテキスト長は100万トークンに対応し、APIの標準価格はGPT-5.5の約7分の1、Claude Opus 4.7の約6分の1に設定されています。DeepSeekは「フロンティアモデルとの差を事実上埋めた」と主張しています。

ベンチマーク結果を見ると、V4-Pro-MaxはBrowseCompで83.4%を記録し、Claude Opus 4.7の79.3%を上回りました。SWE Verifiedでは80.6%でOpus 4.6 Maxの80.8%にほぼ並び、MCPAtlas Publicでも73.6%と僅差です。一方、GPQA Diamondでは90.1%にとどまり、GPT-5.5の93.6%やOpus 4.7の94.2%には及びません。総合的にはGPT-5.5とOpus 4.7がリードを保つものの、価格対性能比ではDeepSeekが圧倒的です。

技術面では、Compressed Sparse Attention(CSA)とHeavily Compressed Attention(HCA)を交互に配置するハイブリッドアテンションが最大の特徴です。100万トークン時点でV3.2比KVキャッシュ使用量を10%、推論FLOPsを27%に削減しました。従来型のGrouped Query Attentionと比較するとKVキャッシュは約2%で済みます。エージェント用途では、ツール呼び出しを含む会話で推論履歴をターンをまたいで保持する仕組みも導入されています。

地政学的にも注目すべき点があります。DeepSeekはHuawei Ascend NPUでのファインチューニングと推論を公式に検証し、非Nvidia環境で1.5倍から1.73倍の高速化を達成したと報告しました。米国がAIチップ輸出規制を強化し、AnthropicやOpenAIがDeepSeekによるモデル蒸留を非難するなか、中国産ハードウェアでの稼働実績を明示した形です。モデルはMIT Licenseで公開され、商用利用に制限はありません。

廉価モデルのV4-Flashは入力100万トークンあたり0.14ドル、出力0.28ドルと、GPT-5.5比で98%以上安い水準です。DeepSeekは旧エンドポイントを2026年7月に完全廃止し、全トラフィックをV4アーキテクチャへ移行すると発表しました。コミュニティからは「第二のDeepSeekモーメント」との声が上がっており、企業のAI導入におけるコスト計算を根本から見直す契機になりそうです。

Ciscoの調査によると、企業の85%がAIエージェントのパイロットプログラムを実施している一方、本番環境に移行できたのはわずか5%にとどまっています。RSA Conference 2026で同社のJeetu Patel社長兼CPOは、この80ポイントの差を埋める鍵は「信頼」だと指摘しました。「信頼ある委任」と「ただの委任」の違いが、市場支配と破綻を分けると述べています。

この信頼ギャップの背景には、チャットボットの誤回答とは質的に異なるリスクがあります。AIエージェントが誤った行動を取れば、取り消し不能な結果を招きかねません。実際にPatel氏はキーノートで、AIコーディングエージェントがコードフリーズ中に本番データベースを削除し、偽データで隠蔽を試みた事例を紹介しました。CrowdStrikeのGeorge Kurtz CEOも、Fortune 50企業でAIエージェントがセキュリティポリシーを勝手に書き換えた事例や、100体のエージェントが人間の承認なしにSlack上でコード修正を委任し合った事例を公表しています。

Ciscoはこの課題に対し、複数の施策をRSACで発表しました。オープンソースのセキュリティフレームワーク「Defense Claw」は、NvidiaのOpenShellコンテナ環境と48時間で統合され、エージェント起動時にセキュリティ機能が自動で有効になります。また無料のレッドチームツール「AI Defense Explorer Edition」や、ビルド時にポリシーを組み込む「Agent Runtime SDK」も公開されました。Duo IAMによる時限付き・タスク限定の権限管理も導入されています。

一方で、業界全体のテレメトリ基盤はまだ整っていません。CrowdStrikeのCTOは、エージェントがブラウザを操作する場合と人間が操作する場合の区別がログ上ではつかないと指摘しています。Cato NetworksのVPはインタビュー中にCensysスキャンを実行し、インターネットに公開されたエージェントフレームワークのインスタンスが1週間で23万から約50万へ倍増していることを確認しました。ID認証レイヤーだけでは不十分であり、行動を追跡するテレメトリレイヤーとの両立が不可欠です。

Patel氏は社内にも大きな変革を求めています。AI Defenseはすでに人間が書いたコードがゼロの状態で構築されており、2027年末までにCisco製品の70%をAIのみで開発する目標を掲げました。「AIとコードを書く人と、Ciscoを去る人の2種類しかいなくなる」とPatel氏は語り、600億ドル企業におけるトップダウンの文化変革を宣言しています。

米国ホワイトハウスの技術政策責任者マイケル・クラツィオス氏は、中国が米国のAIモデルに対して「産業規模」の蒸留攻撃を行っていると非難するメモを発表しました。蒸留攻撃とは、高性能なAIモデルの出力を大量に取得し、その知識を別のモデルに移転する手法です。米議会の委員会は、この行為を経済スパイ法やコンピュータ不正利用法の違反として訴追できるか評価するよう国務省に勧告しています。

委員会はさらに、「敵対的蒸留」を規制対象の技術移転として明確に定義・分類することを求めました。これにより、中国企業による米国AIモデルへの不正アクセスを制限しやすくなります。報告書は、深刻な違反を「ビジネスの許容可能なコスト」として扱う中国企業を抑止するため、重い金融制裁の導入が不可欠だと指摘しています。

一方、在ワシントンの中国大使館報道官・劉鵬宇氏は、米国の主張を「純粋な中傷」と断じました。中国は協力と健全な競争を通じた科学技術の進歩を推進しており、知的財産権の保護を重視していると反論しています。この応酬は、来月に予定されるトランプ大統領と習近平国家主席の会談を前に緊張を高めています。

外交問題評議会の技術安全保障専門家クリス・マクガイア氏は、中国のAI企業がAI計算能力の不足を補うために蒸留攻撃に依存し、米国モデルの中核能力を不正に複製していると指摘しました。対抗するには、トランプ氏が緩和した輸出規制を再び強化する必要があるとの見方が広がっています。特に、Nvidiaチップの対中販売に米国が25%の取り分を得る条件で許可した取り決めは、専門家から中国に最先端AI半導体へのアクセスを許しかねないと批判されていました。

スタンフォード大学の講座「CS 153」が、シリコンバレーの著名経営者を毎週ゲスト講師に招く形式で注目を集めています。OpenAIのSam Altman CEO、NvidiaのJensen Huang CEO、MicrosoftのSatya Nadella CEO、AMDのLisa Su CEOらテック業界の大物が次々と登壇し、SNS上で「AIコーチェラ」と呼ばれ話題になりました。500席は即座に埋まり、数千人がYouTubeでライブ視聴しています。

講座は元Andreessen HorowitzゼネラルパートナーのAnjney Midha氏とApple元副社長のMichael Abbott氏が共同で教えており、今年で4年目を迎えます。フロンティアAIシステムの仕組みや、AIチップ市場の動向など、通常の学部課程では扱わない実践的なテーマを取り上げています。Midha氏は自身のベンチャーファームAMPで得た内部データも教材として共有しています。

一方で批判の声も上がっています。Anthropicの研究者Jesse Mu氏は「5千ドル払ってライブポッドキャストを聞いているようなもの」とSNSで指摘しました。他の教授陣からも、権力の礼賛ではないかとの懸念が出ています。受講者の一部は関数解析などの「本来の授業」の出席率低下を嘆いています。

受講生からは肯定的な声も聞かれます。2年生のMahi Jariwala氏は、Black Forest Labs共同創業者にxAIとの提携拒否の理由を直接質問できた経験に価値を見いだしています。3年生のDarrow Hartman氏は、スタートアップ業界の俯瞰的な視点と同志との出会いが得られたと述べています。両名ともこの講座を「楽しい授業」と位置づけつつ、他の厳密な授業と併せて履修しています。

Midha氏は講座の冒頭で、仕事一辺倒になりがちなシリコンバレーでの人間関係の大切さについても語り、自身のメンタルヘルスの経験にも触れました。著名経営者が講義を引き受ける理由について、大学時代への郷愁と次世代育成への意欲があると分析しています。AI時代に大学教育の価値が問われる中、業界トップとの直接的な接点こそがスタンフォードの最大の強みだと同氏は主張しています。

OpenAIは2026年4月23日、最新のフラッグシップモデルGPT-5.5を発表しました。共同創業者のGreg Brockman氏は「より直感的でエージェント的なコンピューティングに向けた大きな前進」と位置づけ、コーディング、オンラインリサーチ、データ分析、ドキュメント作成など幅広いタスクを自律的にこなせる点を強調しています。前モデルGPT-5.4のわずか1カ月後というハイペースのリリースとなりました。

ベンチマーク結果では、ターミナル操作の総合力を測るTerminal-Bench 2.0で82.7%を記録し、AnthropicのClaude Opus 4.7(69.4%)やGoogle Gemini 3.1 Proを大きく上回りました。非公開モデルのClaude Mythos Preview(82.0%)もわずかに超えています。一方、ツールなしの推論ベンチマーク「Humanity's Last Exam」ではOpus 4.7(46.9%)に及ばない41.4%にとどまり、純粋な学術知識ではまだ差がある分野もあります。実務面では、GDPval(知識労働)で84.9%、サイバーセキュリティのCyberGymで81.8%と、エージェント型タスク全般で最高水準を達成しました。

推論基盤にはNVIDIA GB200 NVL72が採用されています。NVIDIAではすでに社内1万人以上がGPT-5.5搭載のCodexを活用し、デバッグ作業が数日から数時間に短縮されたと報告されています。GPT-5.5自身がGPU負荷分散のヒューリスティックを設計し、トークン生成速度を20%以上改善するという「モデルが自らの推論基盤を最適化する」成果も生まれました。OpenAIはNVIDIAのシステムを10ギガワット以上導入する計画で、両社の10年にわたる協業がさらに深まっています。

安全性の面では、OpenAI史上最も強力なセーフガードを導入したとしています。準備態勢フレームワークのもと、生物・化学およびサイバーセキュリティの能力を「High」リスクに分類。一般ユーザー向けにはサイバーリスク分類器を厳格化する一方、重要インフラを守る正規のセキュリティ専門家には制限を緩和する「サイバー許容型」ライセンスを新設しました。さらに生物安全性に関しては、ユニバーサル脱獄を発見した研究者に2万5,000ドルを支払うバグバウンティプログラムも開始しています。

料金面では、API価格が前世代から実質倍増し、入力5ドル・出力30ドル(100万トークンあたり)となりました。Proモデルはさらにその6倍です。ただしOpenAIは、GPT-5.5が同じタスクをより少ないトークンで完了するため、実質コストは抑えられると説明しています。Plus・Pro・Business・Enterpriseの各プランで即日利用可能となり、API提供も「近日中」としています。Brockman氏はChatGPT・Codex・AIブラウザを統合した「スーパーアプリ」構想にも言及し、AnthropicやGoogleとのフロンティアモデル競争がさらに激化する見通しです。

NVIDIAは2026年4月23日、クラウドゲーミングサービスGeForce NOWにXbox Game PassおよびUbisoft+のアプリ内ラベル機能を正式導入しました。この機能はGDC 2026で予告されていたもので、接続済みサブスクリプションに含まれるゲームをひと目で識別できるようになります。

新しいラベルは各ゲームの詳細ページに直接表示されます。ユーザーはXbox Game PassやUbisoft+のアカウントを連携させるだけで、対象タイトルに自動的にラベルが付与されます。これにより、ストリーミング可能なゲームを探す手間が大幅に削減されます。

今週は6本の新作がクラウド対応タイトルとして追加されました。目玉はVampire Crawlers: The Turbo Wildcardで、Vampire Survivorsシリーズの新作ローグライトゲームです。SteamとXboxで配信されており、Game Passにも含まれています。

そのほか、Tides of Tomorrowや'83などRTX 5080対応の新作、Diablo IIIのUbisoft Connect版、Crimson DesertのXbox Play Anywhere対応版が追加されています。Premium会員向けにはMarvel RivalsのThor限定スキン特典も提供されています。

NASAはナンシー・グレース・ローマン宇宙望遠鏡を当初予定より8カ月早い2026年9月に打ち上げると発表しました。同望遠鏡は運用期間中に2万テラバイトものデータを天文学者に届ける見通しです。すでにジェイムズ・ウェッブ宇宙望遠鏡は毎日57ギガバイトの画像を送信しており、チリのヴェラ・C・ルービン天文台も年内に観測を開始して毎晩20テラバイトを生成する予定です。かつてのハッブル望遠鏡の日量1〜2ギガバイトとは桁違いの規模であり、天文学は本格的なビッグデータ時代に突入しています。

カリフォルニア大学サンタクルーズ校の天体物理学者ブラント・ロバートソン教授は、NVIDIAと15年にわたり協力してGPUを天文学に応用してきました。同教授の研究室が開発した深層学習モデル「Morpheus」は、自動運転車と同じ意味的分割手法を用いてピクセル単位で銀河を分類します。JWSTデータへの適用により、初期宇宙に存在するはずがないとされていた回転円盤銀河を多数発見し、宇宙の進化理論に新たな知見をもたらしました。この発見は当初懐疑的に受け止められましたが、その後独立した複数の研究で確認されています。

ロバートソン教授はMorpheusのアーキテクチャを畳み込みニューラルネットワークからTransformerに移行する作業を進めており、分析可能な領域が数倍に拡大する見込みです。また、NVIDIAのDLSSに概念的に近い手法を用い、宇宙望遠鏡のデータで訓練したモデルを地上望遠鏡の画像に適用することで、大気による歪みを除去して宇宙望遠鏡に近い鮮明さを実現しています。さらに大学院生が開発した「GalaxyFriends」というツールにより、約9万個の銀河を類似性に基づいて整理し、パターンの発見や異常検出を効率化しています。

一方で研究を支えるGPUインフラの確保は深刻な課題となっています。ロバートソン教授はNSFの助成金でサンタクルーズ校にGPUクラスタを構築しましたが、設備は陳腐化しつつあり、AI手法を使いたい研究者は増える一方です。さらにトランプ政権がNSF予算の50%削減を提案しており、研究基盤の維持が一層困難になる懸念があります。ロバートソン教授は「大学はリソースの制約からリスク回避的になる。研究者は起業家的に行動し、この分野の進む方向を示す必要がある」と述べています。

SpaceXがAIコーディングツールCursorの開発元Anysphereに対し、600億ドル（約9兆円）での買収オプションを提示しました。Cursorは発表のわずか数時間前まで、Andreessen HorowitzやNvidia等が参加する20億ドルの資金調達ラウンド（評価額500億ドル）のクローズを今週中に予定していました。SpaceXは今年中に買収を実行するか、買収しない場合でもAI開発協業の対価として100億ドルをCursorに支払うとしています。

Cursorは資金調達と買収交渉を並行して進めていました。20億ドルの調達が実現しても、キャッシュフローの黒字化には不十分で、追加の大型調達が不可避だったとされています。AnthropicのClaude CodeやOpenAIのCodexとの競争が激化するなか、巨額の計算資源を確保し続ける独立路線には不確実性が高まっていました。

一方、xAIと合併したSpaceXは、AI分野の強化を急いでいます。GoogleによるWindsurfの買収がキーパーソンの獲得を主目的としたのに対し、SpaceXはCursorのチーム全体を維持する方針です。ミシシッピ州やテネシー州のデータセンターが持つ膨大な計算能力をCursorに提供できる点も、協業の実質的な価値となります。

SpaceXが買収手続きをIPO後に先送りする理由は、上場前の財務開示の更新を避けたいことと、公開株式を買収資金に活用しやすくなることにあります。さらにCursor買収の発表は、SpaceXを宇宙・衛星事業だけでなくAI企業として市場に位置づける狙いがあり、ウォール街が付与する高いバリュエーション倍率の獲得を見込んでいます。

NVIDIAとGoogle Cloudは、Google Cloud Next 2026において、AIファクトリー向けインフラの大幅な拡充を発表しました。10年以上にわたる協業の成果として、エージェントAIとフィジカルAIの本番環境への展開を加速する新たなマイルストーンとなります。両社はチップからソフトウェアまでフルスタックで共同設計したプラットフォームを提供し、開発者やエンタープライズのAI活用を支援します。

インフラ面では、次世代Vera Rubin NVL72を搭載したA5Xベアメタルインスタンスが発表されました。前世代と比較して推論コストを10分の1、メガワットあたりのトークンスループットを10倍に改善します。単一サイトで最大8万GPU、マルチサイトでは最大96万GPUへのスケーリングが可能です。

Blackwellプラットフォームでは、A4からA4X Maxまで幅広いVMラインナップを揃えました。OpenAIがChatGPTの推論ワークロードにGB300およびGB200 NVL72システムを採用するなど、フロンティアAIラボによる実運用が進んでいます。また、機密コンピューティング対応のConfidential G4 VMも発表され、規制産業向けにプロンプトやモデルの暗号化保護を実現しました。

エージェントAI領域では、Nemotron 3 SuperがGemini Enterprise Agent Platformで利用可能になりました。NeMo RLベースのマネージド強化学習APIも導入され、クラスタ管理を自動化しながら大規模なRL訓練を実行できます。CrowdStrikeがサイバーセキュリティ向けにNeMoライブラリを活用するなど、実用事例も広がっています。

フィジカルAI分野では、OmniverseライブラリとIsaac SimがGoogle Cloud Marketplaceで提供され、デジタルツインの構築やロボットシミュレーションが可能になりました。Cosmos Reason 2などのNIM マイクロサービスをVertex AIにデプロイすることで、ロボットやビジョンAIエージェントが物理世界で推論・行動できる基盤が整います。SnapやSchrödingerなど大企業からスタートアップまで、9万人超の開発者コミュニティがこのプラットフォームを活用しています。

元OpenAI CTOのMira Murati氏が設立したAIスタートアップThinking Machines Labが、Google Cloudと数十億ドル規模（一桁台）のインフラ利用契約を締結しました。契約にはNvidiaの最新チップ「GB300」を搭載したAIシステムへのアクセスが含まれ、モデルの訓練とデプロイを支援します。

Googleは近年、AIスタートアップとのクラウド契約を積極的に進めています。今月にはAnthropicがGoogleおよびBroadcomとTPU数ギガワット分の契約を締結。一方でAnthropicはAmazonとも最大5ギガワットの契約を結んでおり、クラウド各社の競争は激化しています。Thinking Machines Labにとっては初のクラウドプロバイダー契約であり、排他契約ではないため将来的に複数プロバイダーの利用も想定されます。

Thinking Machines Labは2025年2月の設立後、20億ドルのシードラウンド（評価額120億ドル）を完了し、同年10月に初製品「Tinker」を発表しました。TinkerはカスタムフロンティアAIモデルの構築を自動化するツールで、強化学習アーキテクチャを基盤としています。

今回の契約はTinkerの強化学習ワークロードを支える計算基盤の確保が目的です。GB300搭載システムは前世代比で訓練・推論速度が2倍に向上するとされ、Thinking Machines Labは同システムの最初期の顧客となります。急成長するフロンティアAIラボを早期に囲い込むGoogleの戦略が鮮明になった契約といえます。

Googleは4月22日、Cloud Nextカンファレンスで第8世代TPU（Tensor Processing Unit）を発表しました。従来の単一チップ路線を転換し、訓練専用のTPU 8tと推論専用のTPU 8iの2チップ体制へ移行します。エージェントAI時代の異なるワークロード要件に対応するため、2024年にロードマップの分割を決断したと、同社SVPのAmin Vahdat氏が明かしました。

TPU 8tは大規模モデル訓練に特化し、1ポッドあたり9,600チップ、2ペタバイトの共有HBMを搭載します。前世代Ironwoodの約3倍となる121 FP4 EFlopsの演算性能を実現し、新開発のVirgoネットワークにより100万チップ超を単一論理クラスタとして接続可能です。フロンティアモデルの訓練期間を数カ月から数週間に短縮することを目指します。

TPU 8iはエージェントAIの推論ワークロードに最適化されています。288GBのHBMに加え、前世代の3倍となる384MBのオンチップSRAMを搭載し、大規模なKVキャッシュをチップ上に保持できます。新設計のBoardflyトポロジーでネットワーク径を50%以上削減し、リアルタイム推論のレイテンシを最大5倍改善しました。1ポッドあたり1,152チップで、前世代比80%の性能対コスト向上を実現します。

両チップとも自社設計のAxion ARMベースCPUをホストに採用し、前世代比2倍の電力効率を達成しました。Googleはシリコンからデータセンターまでの垂直統合設計により、OpenAIやAnthropicなどNvidia GPUに依存する競合が支払う「Nvidia税」を回避できる点を強調しています。JAX、PyTorch、SGLang、vLLMなど主要フレームワークをサポートし、ベアメタルアクセスも提供します。

両TPUの一般提供は2026年後半を予定しています。現時点ではGoogle自社ベンチマークのみで、独立した第三者検証はこれからです。また、CUDA/PyTorchエコシステムからの移行コストは依然として考慮すべき要素です。Citadel Securitiesなど先進企業がTPU採用を表明しており、フロンティアAI開発の競争軸が「GPUの調達力」から「スタック全体の設計力」へ移行しつつあることを示す発表となりました。