クラウド（インフラ）に関するニュース一覧

韓国のSK Hynixは2026年9月16日、同社として初めてアメリカでRAMを生産する案をIntelと協議していると報じられました。Intelがオハイオ州に計画する工場の区画を借りる案や、クラウド事業者を含む合弁会社が選択肢です。AI向け高帯域幅メモリーの需要が拡大し、アメリカ政府が半導体の国内生産を促すなかでの動きですが、同社は計画も合意も確定していないと説明しています。

報道によると、両社は工場区画の賃借と合弁会社を含む複数案を検討しています。SK Hynixは具体的な計画や取り決めは決まっておらず、報じられた二つの案についても決定していないと表明し、オハイオ州で作るメモリーの種類も不明です。

SK Hynixは別途、インディアナ州ウェストラファイエットでAI半導体向けの先端パッケージ・研究施設に38億ドルを投じています。韓国で製造したDRAMウエハーを高帯域幅メモリーに仕上げる施設で、2029年の量産開始を予定しています。

トランプ政権は半導体不足が深刻になるなか、輸入半導体への関税拡大を検討する一方、アメリカ国内へ投資する企業には関税軽減を示しています。SKグループのChey Tae-won会長も2026年7月、実現可能なら韓国と並行してアメリカに工場を建てる考えを示しました。

アメリカでの生産計画が重要な半導体技術を伴えば、韓国では海外への技術移転を防ぐ法律に基づく政府審査の対象となる可能性があります。両社には2020年、IntelがNAND型フラッシュメモリー事業をSK Hynixへ90億ドルで売却した取引実績があります。

SimpliSafeは2026年9月15日、AI検知と監視員のライブ対応を組み合わせた有線ドアベルカメラ「Video Doorbell Series 2」を199.99ドルで発売しました。端末内AI、クラウド画像解析、顔認識で不審な動きを捉えると監視員が映像を確認し、双方向音声で侵入者や荷物泥棒へ声をかける仕組みで、利用には月額49.99ドルからの対象プランが必要です。

本体は2K解像度、10倍ズーム、頭から足元まで映す150度の画角、双方向音声、内蔵サイレンを備えます。人物と荷物の識別通知、最大5秒の事前録画、2.4GHzと5GHzのWi-Fiにも対応します。

利用にはSimpliSafeの基地局とキーパッドが必要で、監視付きの各プランと組み合わせられます。自主管理プランでも録画できますが、監視員が対応するActive GuardにはProまたはPlusプランへの加入が必要です。

有人監視は任意加入で、監視員がライブ映像を見られるのはシステムの警戒中に検知が作動した場合だけです。映像は保存時と通信時に暗号化されますが、端末間暗号化ではありません。同社は法的義務がない限り警察と映像を共有しないと説明しています。

競合するRingのVirtual Guardは月額99ドルで、同様に監視員が危険を確認して対応します。記事は、誤報に罰金が科される地域などでは有人確認に価値がある一方、多くの利用者には過剰な機能に感じられると評価しています。

NVIDIAは9月15日、AI Infra SummitでAIデータセンター向け基盤「DSX」の電力最適化成果を公表しました。GPUクラウドのLambdaは、DSX MaxLPSにより同じ電力枠でノード数を16から19へ増やし、トークン処理量を24％、電力当たり性能を23％向上させたと報告しました。電力が制約となる中、設備全体を制御して1メガワット当たりのAI処理量を増やす狙いです。

DSX MaxLPSはGPUとラックの消費電力を監視し、処理内容に応じて未使用の電力余力をノード間で再配分します。Lambdaの5ラック、19ノードの検証では、毎秒の処理量が約400万トークンから500万トークンへ増えました。

NVIDIAは次世代Vera Rubin NVL72を使う適切な環境では、同じ電力枠でGPU容量を最大40％、トークン処理量を最大35％増やせると予測しています。これは実測値ではなく、同社が示した将来構成での上限値です。

電力網との連携では、Emerald AIのConductorがSilicon Valley Powerから200回超の需要信号を受け、低優先度の処理を抑えながら高優先度の推論を継続しました。ある応答では消費電力を4メガワットから3メガワットへ自動で下げました。現状はDSX Flexの導入例ではなく、その考え方を商用規模で示した実証です。

Emerald AIはConductorをDSX Flexへ統合する計画で、最初の専用商用導入先はバージニア州マナサスの96メガワット施設になる予定です。NVIDIAは高密度ラックへの給電効率を高める800ボルト直流方式もDSXの設計指針に組み込み、電力管理、冷却、ネットワークを設備全体で最適化します。

Metaは2026年9月15日、Facebook、Instagram、WhatsAppの有料特典とAIの利用拡大を組み合わせた定額サービス「Meta One」を世界で開始しました。個人向けはCoreが月7.99ドル、Premiumが月19.99ドルで、基本機能とMeta AIの中核体験は無料のまま維持しつつ、画像・動画生成などの利用量に応じて収益化します。

個人向け2プランにはFacebook Plus、Instagram Plus、WhatsApp Plusの特典が含まれ、3サービスを個別契約する月11ドルより安くなります。Museによる画像・動画生成やInstagramのAI編集機能Restyle、音声効果などをより多く使えますが、具体的な上限は国、利用画面、システム状況で変わるとして非公開です。

クリエイター・企業向けはEssentialが月14.99ドル、Advancedが49.99ドル、Expertが149ドル、Maxが499ドルからです。本人確認済みバッジ、なりすまし検知、WhatsAppのMeta Business Agentによる顧客対応を備え、上位プランでは投稿予約、分析データ出力、チーム利用、応答枠を拡充します。

Metaは今後、マーケティング、事業運営、コンテンツ制作・最適化を支える機能やエージェント技能を追加する計画です。編集アプリ向けのEdits PlusもMeta Oneに加え、端末間同期用のクラウド容量とAIアシスタントの利用枠を増やすほか、将来はAI眼鏡なども束ねる方針です。

今回の定額制は、Muse AIへの投資を収益につなげる狙いがあります。Appfiguresによると、9月9日の週にはInstagramの世界日次収益が平均120万ドル、Facebookが52万8000ドルとなり、前週比でそれぞれ475％、143％増えました。

データベース新興企業Keewanoは2026年9月15日、AIエージェント向けの「KeewanoDB」を一般提供し、Hetz Ventures主導で1,200万ドルのシード資金を調達したと発表しました。利用者・端末・エージェントごとに出来事の順序と文脈を保持し、SDKとMCPを通じて履歴を直接読める設計です。現在はGoogle Cloud上の完全管理サービスとして提供します。

従来型のデータ基盤は、イベントを行や事前集計に変える過程で順序と文脈を失いがちです。その場合、AIエージェントは問い合わせ時にデータウェアハウスや検索インデックスから履歴を組み直す必要があります。KeewanoDBは出来事の並びを保存時から維持し、「何が起きたか」だけでなく「なぜ起きたか」を追いやすくする狙いです。

KeewanoDBは利用者、端末、エージェントなどの主体を主キーとし、各主体に起きたイベントを順番に結び付けます。会社はこれを主体ごとの大きな表と説明し、複数の表をまたぐ結合をクエリーで使いません。イベントはディスク上に4バイト単位で保存されるとしています。

取り込み時の意味付け層では、LLMが各イベントに追加の文脈を付与します。主体の状態が変わっても過去のラベルを置き換えず、活動中、非活動、不正疑いといった変化を順番に残します。加速エンジンを通じてエージェントがMCP経由でDB内のスクリプトを実行でき、外部処理へデータを移す工程を省きます。

開発者はSDKとMCPでデータベースへ接続でき、必要なチームは別層の分析機能も利用できます。自然言語クエリー用エージェントに加え、「Signal」が約1時間ごとに異常検知と因果推論を実行すると会社は説明しています。他のクラウドと自己管理型の配備は2027年初めを予定しています。

VentureBeatが2026年7月に101社を対象に実施した調査では、68％が直近半年にAIエージェントの確信を伴う誤回答を経験し、原因をモデルではなく業務文脈の欠落や不整合としました。外部アナリストは機械学習を後付けせず内蔵する点を差別化要因と見る一方、既存分類には収まりにくいと評価しています。導入判断では、現在の仕組みが履歴の順序を落とし、問い合わせ時に再構成していないかを確認する必要があります。

MIT教授Tim Kraska氏が設立したG5 Labsは2026年9月15日、ステルス状態を終え、1400万ドルのシード資金調達と企業向けクラウド基盤「G5」を発表しました。業務要件、設計判断、社内規則を自然言語の意味グラフへ変換し、人と複数のAIコーディングエージェントが共通の意図に沿って開発できるようにします。AI生成コードの競合、規則違反、追跡困難を意味の層で管理する狙いです。

G5は既存のコードと仕様を読み取り、業務手順や設計判断を意味グラフへ整理します。人が内容を確認した後、意図の変更を通常の言語や開発基盤のコードへ反映し、逆にコード側の変更も意味グラフへ戻す双方向の仕組みです。

各要素は自然言語で記述され、実装コードと結び付くため、要件からコードまで変更理由を追跡できます。社内のセキュリティー、GDPR、インフラ、コーディング規則との整合を継続監査し、意味上の矛盾がある変更だけを判断対象として示す設計です。

G5はClaude CodeやCodexを置き換えず、その上位で複数のコーディングエージェントを分担・統制します。用途に応じてモデルを選び、小さな依頼が大規模な設計変更を伴う場合は予想費用を示して追加承認を求めます。

同社によると、初期顧客の約9割は金融サービスで、規制の厳しい業界です。数百万行の旧式コードを意味グラフへ移したとの規模説明は同社発表で、独立検証されていません。

提供は企業向けの早期アクセスが中心で、標準構成はクラウド型です。価格は未確定で、導入企業は基盤料金に加え、モデル利用料、移行、意味グラフ作成、継続的な統制の費用や、意味データを移行できるかという囲い込みリスクを検証する必要があります。

Perplexityは2026年9月14日、NVIDIAのGeForce RTX搭載PCとRTX PROワークステーション向けに、Windows版「Portable Computer」の提供を始めました。複数工程の作業をローカルAIで計画・実行し、機密ファイルを端末内に保ちながら、必要な場合だけ利用者の許可を得てクラウドモデルへ処理をつなぎます。

Portable Computerは、端末上のモデルでデータを分析し、複数ファイルの情報をまとめ、繰り返し作業を処理します。ローカルで完結した作業はPerplexity Computerのクレジットを消費せず、内蔵ブラウザーや独自のSPACEサンドボックスも利用できます。

導入時には、Perplexity Computer向けに追加学習し、NVIDIA RTX GPUに最適化したQwen 3.8 27Bなどのローカルモデルを使えます。利用者がモデル選定や複雑なソフトウェア構成を自力で整える負担を減らす設計です。

Microsoft OutlookやOneDrive、Word、Google Drive、Gmail、Slack、GitHub向けの接続機能も備えます。プルリクエストの整理、金融資料の費用分析、利用開始率が伸びない原因の特定などを、日常のファイルやアプリを横断して支援します。

利用には24GB以上のVRAMを備えたGeForce RTXまたはRTX PRO GPUが必要です。NVIDIA DGX SparkとLinux版RTX PCへの既存対応に加え、DGX Stationへの対応も予定されています。

企業データ管理の専門家Ankit Anand氏は2026年9月13日、長期間動くAIエージェントでは、処理中に入力が積み上がるとシステムプロンプト内の順守ルールが有効な文脈から押し出され、警告なしに無視され得るとVentureBeatへの寄稿で指摘しました。大きな文脈窓やRAGだけでは状態を強制できず、生成層の外に決定論的な規則層を置くべきだと論じています。

短い文脈で動く試験環境では、モデルがシステムプロンプトを参照できても、実運用でトークン列が数十万規模になると注意が薄まります。記事は、重要な情報が長い文脈の中ほどで見落とされる「lost in the middle」により、会話用の一時情報と不変の業務規則との境界が崩れると説明しています。

この問題はシステム停止を伴わず、監視アラートも出ないまま出力だけが続くため、監査まで発覚しない恐れがあります。文脈窓を100万トークンへ広げたりRAGを強化したりしても、類似情報を検索する仕組みには規則を必ず守らせる強制力がなく、失敗を遅らせてクラウド総保有コストを増やすだけだと筆者はみています。

提案するのは、推論を担うニューラルネットワークと、記号論理を扱う決定論的な規則層を物理的に分けるニューロシンボリック分離です。AIに下書きを生成させても、処理を確定する前に外部の規則エンジンが不変の制約と照合し、違反する操作を遮断します。

では、運用チームは何から着手すべきでしょうか。記事は、複数日にまたがるエージェントで初期制約を定期的に再検証しているかを監査し、順守条件を自然言語プロンプトから決定論的なポリシーエンジンへ移すよう促しています。さらに、金融データやマスターデータを扱う処理では、消去可能な作業メモリーと不変の運用制約を分離することが、安全な拡張の前提になります。

AI企業は、単発の質問に答えるチャットボットから、長時間にわたり自律処理するAIエージェントへ開発の軸足を移し、データセンターの電力需要を押し上げています。WIREDが2026年9月13日に報じました。エージェントは一つの依頼を数十から数百の指示に分け、並列の補助エージェントも動かすため、利用者一人あたりの計算量が大きくなることが背景です。

例えばウェブサイト制作では、エージェントが数時間動き、ページやメニュー、データセットごとに自ら指示を出し直します。OpenAIは1万超のエージェントが270万件のメッセージを交わして数学の難題を解いたと発表しましたが、数学者は主張に異議を唱えており、処理費用も数千万ドル規模との推計にとどまります。

課題は消費電力の実態が見えないことです。AI企業は個人の単発質問を基準に資源消費を説明しがちですが、エージェントの仕事は簡単な作業から丸一日の自律コーディングまで幅が広く、用途別の信頼できるデータも不足しています。

気候科学者Zeke Hausfather氏は、自身のClaude利用が一日平均で冷蔵庫2台超を動かす電力量に相当し得ると試算しました。ただし、基礎データには古い部分があるとの指摘もあり、これは開示不足の中での概算です。

Metaは個人向けエージェントMuseを世界の数十億人に提供し、利用者ごとにオフライン中も動く専用のクラウドコンピューターを用意する構想です。個人利用の炭素負荷は日常的な航空利用や牛肉消費より小さいとされますが、全員が使えば新たな排出源となり、ルイジアナ州のデータセンター計画Hyperionを天然ガス発電所10基で支える規模の投資にもつながります。

Metaは2026年9月8日、米国で個人向けAIエージェント「Muse」を公開しました。買い物やメール整理、旅行計画などを代行する同社初の本格的な生産性ツールで、公開後約2日で米国のiOSダウンロード数は8万3000件超に達し、App Store総合2位へ上昇しました。一方、実使用では作業遂行力と、本人にも見えない詳細な個人情報へアクセスする不安が同時に浮かびました。

Sensor Towerの推計では、Museは水曜日の米国App Store総合4位から木曜日に2位へ上がりました。ただし初動は、Threadsの公開初日430万件超やMeta AIの公開時10万8000件を下回り、ChatGPTが1週間未満で50万件超を獲得したペースにも及びません。

実機検証では、Museはクラウド上の仮想コンピューターを使い、Gmailの販促メールなど数千件を削除しました。Amazonでは指定したサイズや色の運動着を選び、既存の商品をカートから外すか確認したうえで、承認された商品のみを購入しました。

Museはポッドキャスト、画像、動画、ウェブページや文書も生成できますが、品質にはばらつきがあります。Apple風の製品発表画像では実在ロゴやアプリアイコンを描く一方、アプリ名を誤って表示するなど生成上の誤りも確認されました。

最大の課題は個人データへの接続です。MuseはAmazonの配送先から滞在地域を推定し、Instagramの画面では確認できないほど具体的な関心分野をアカウントのAPIデータから示したと説明しました。Metaは必要なデータだけを外部アプリと交換し広告主には共有しないとしていますが、日常業務を任せるには機能だけでなく信頼の確保が問われます。

NVIDIAの創業者兼CEO、ジェンスン・フアン氏は9月10日、ゴールドマン・サックスの技術会議で、来年の売上高が前年比70％増える可能性があるとの見通しを改めて示しました。AI向け計算基盤の幅広い採用と、サプライヤーからデータセンターまで需要を把握できる立場を根拠に挙げ、アナリスト予想を基にすれば売上高は約6800億ドルとなります。

成長の足元を示すのが、36基のGrace CPUと72基のBlackwell GPUを組み合わせたGB200 NVL72です。フアン氏によると、同システムの受注は月間27％のペースで伸びています。

同氏は、NVIDIAがAnthropic、OpenAI、Googleのモデルに加え、オープンウェイトのモデルにも対応する点を強調しました。メモリー企業、機器メーカー、クラウド事業者、AI新興企業と連携し、世界の土地や電力、データセンター建設の動向まで追跡していることが需要予測の根拠です。

一方、NVIDIAが投資先に自社製品を買わせる循環取引への懸念もあります。フアン氏は、投資前に顧客から収益を生む実契約を確認しており、把握する契約総額は1000億ドルだとして、リスクを抑えていると説明しました。

高成長は続くのでしょうか。Amazon、Microsoft、GoogleやAI研究企業が独自チップを開発し、Cerebrasなども競争を強めるなか、AI企業がインフラやトークン利用を効率化すれば需要構造が変わる可能性があり、70％成長の実現性は今後の検証を待ちます。

GitHubは2026年9月10日、同年8月にGitHub Actionsや認証基盤、Copilotなどで計5件の性能低下が発生したと公表しました。急増する利用に対して一部の共有基盤やデータベースの余力が不足し、展開時の容量減少、負荷集中、クラウド事業者やAIモデル提供元の障害が影響を広げました。同社はAzure移行、容量管理、自動復旧、監視強化を優先します。

8月6日のActions障害は10時間42分続き、通常の展開で稼働Podが一時的に減った結果、サービスメッシュや残る拠点が飽和しました。8月26日には高負荷時のイベント急増で共有データベースが限界を超え、実行開始の失敗や遅延が2時間50分続きました。

8月17日の障害は7時間35分続き、単一データセンターのロードバランサーとサービスメッシュの上限超過が共有認証経路へ波及しました。クライアントの再試行不具合も負荷を増幅し、Issues、プルリクエスト、API、Actions、Copilotなどにエラーや遅延が広がりました。

8月20日はクラウド事業者側の地域障害でCopilot cloud agentのタスク状態更新が遅れ、少なくとも54組織が影響を受けました。タスク自体は完了し、作業の消失はありませんでした。8月27日は上流事業者の性能低下でKimi K3のリクエストが最大で半数超失敗しましたが、他モデルとAuto設定は影響を受けませんでした。

再発防止では、サービスメッシュとActionsの余力・自動拡張、データベース負荷を抑える自動遮断、地域切替の改善、再試行制限を進めます。短期策としてActionsジョブの33%を余剰容量へ移し、キャッシュCPUのピークを98%から80%へ下げ、約3カ月の余力を確保しました。Azureでは本番MySQLのプライマリー切替を顧客影響なく実施し、移行済みサービスの読み取り比率は最大60.4%に達しました。

決済会社Rampが7万社の顧客企業の支出データを分析したところ、2026年8月にAI製品へ料金を支払った企業は56%で、前月比の伸びは0.4%にとどまりました。AI利用額上位1%の企業では従業員1人当たり支出が約10%減の7,205ドルとなり、導入と収益拡大の勢いに鈍化の兆しが出ています。ただし、夏季休暇やトークン単価下落の影響もあり、一時的な動きかは見極めが必要です。

導入鈍化は今回が初めてではありません。Rampの指数は前年も8〜10月にほぼ伸びず、年末に再加速しました。一方、米国国勢調査局の8月23日更新調査ではAI利用企業は22%にとどまり、技術系顧客が多いRampの56%は市場全体を代表しない可能性があります。

支出減には価格競争も影響しています。100万トークン当たりの平均単価は3月の年初来高値1.15ドルから0.68ドルへ下がり、OpenAIとAnthropicの値下げ分を利用量の増加で補えていないことがデータからうかがえます。顧客が最新の高性能モデルより、旧世代で安価なモデルを選ぶ動きもあります。

オープンウェイト型モデルの脅威が語られる一方、8月にモデル提供・推論基盤を利用したAI支出企業は6.4%でした。この比率は着実に伸びていますが、企業全体の導入動向を左右するほどの速さではありません。

企業のAI利用者にとって単価低下はコスト削減につながりますが、モデル開発企業や巨額の半導体投資を抱えるクラウド大手には売上鈍化の懸念材料です。AI企業が技術者以外にも共同作業ツールを広げようとする背景には、大口顧客だけに頼らず利用者層を広げる必要性があります。

英国で中小企業のAIエージェント導入を支援する独立コンサルタントが8月4日、作業していないのにClaude Max 20xの利用枠が減る異変を発見しました。Anthropicの調査では、侵害されたセッション鍵からClaude CodeのOAuthトークンが不正発行され、第三者の処理に使われたとみられます。

翌日、連携機能やクラウド実行を止めた状態でも、利用率は45％から55％へ上昇しました。Anthropicは第三者サービスによる不審な利用を確認した一方、認証情報が盗まれたのか、外部サービスに接続されたのかは特定できませんでした。

Anthropicは利用明細を示さず、有料アカウントを停止しました。そのうえで全セッションとサーバー側のClaude Codeトークンを無効化し、月額200ドルの契約残存期間に対して44.49ポンドを一部返金しました。

本人は小規模・中規模企業向けに、発注書データをメールから会計ソフトへ自動入力するようなAIエージェントを構築しています。自身の事業でも日常管理、ウェブサイト設計、コーディングにAIを広く使っており、アカウント停止は業務に大きな支障を与えました。

Gartnerは2026年、欧州の主権クラウドIaaS支出が前年比約83％増の126億ドルに達すると見込みました。欧州委員会がデジタル自律性を強める一方、Equinixは、企業がデータや基盤の運用権限を保持し、民間接続で世界のクラウドへつなぐ「中間路線」を提案します。全面的な国内所有ではなく、業務の機密性に応じた統制で法令順守と競争力の両立を目指す考えです。

欧州委員会によると、EUは主要なデジタル製品・サービス・基盤・知的財産の80％超を域外国に依存しています。委員会は2026年6月、半導体、AI、クラウド、オープンソースを対象とする欧州技術主権パッケージを提示しました。

これに先立つ2026年4月、欧州委員会は欧州4社に6年間で最大1億8000万ユーロの主権クラウド契約を発注しました。EU機関のクラウド調達で、明示的かつ測定可能な主権基準を適用した初の事例です。

記事を提供したEquinixは、主権を技術一式の所有ではなく、データ、インフラ、アクセス、運用権限、データ移動を誰が管理するかという連続的な問題と捉えます。中立的なコロケーションでは、顧客がデータと基盤を保有・運用し、提供会社はワークロードやデータ層を管理しないと説明しています。

この構成なら、銀行は規制対象の業務と市場データを域内に置きつつ、非公開の制御された接続を通じてクラウドAIや分析機能へ到達できます。経路制御は通常時だけでなく、障害時の切り替えでも司法管轄要件に沿うよう設計できますが、最終的な順守責任は企業側に残ります。

一方、Oxford Economicsのアジア太平洋地域向け試算は、厳格な主権AI政策が企業のAI導入を約3〜5年遅らせる可能性を示しました。欧州を直接試算した数字ではありませんが、記事はインフラの重複や先端技術への接続遅延が、欧州でもコスト増と生産性低下につながり得ると指摘します。業務の機密性に応じて、保管場所、アクセス権、運用主体、越境経路、障害時の切り替えを証明できる形にすることが要点です。

CrowdStrikeは2026年8月、Fortune 500企業の端末でAIエージェント探索を有効にしたところ、初日に1万8000件を検出し、承認済みは300件だけだったと明らかにしました。同社はFal.Con 2026で、端末上の実行状況や通信、データ接触を可視化するFalcon Guardianを発表し、急増する未管理エージェントへの統制策として提示しました。

検出対象にはClaude Code、OpenAI Codex、Cursor、Kiroが含まれました。ただし、未承認分1万7700件のすべてが従業員によるシャドーAIだったかは、CrowdStrikeは明らかにしていません。

Falcon Guardianは既存のFalconセンサーを使い、端末やクラウドで動くエージェントの実行状況を捉えます。管理下の実演では、GitHub上の隠し命令や不正なMCPサーバーによる認証情報の持ち出しをセンサーが遮断し、流出を防ぎました。

焦点はエージェント固有のIDと最小権限です。CrowdStrikeは、エージェントが人間の過剰な権限を継承しがちだと指摘し、Amazonの最高情報セキュリティ責任者も、エージェントの権限範囲は操作者を超えるべきではないと述べました。

企業が最初に取り組むべきは、製品導入そのものよりエージェントの棚卸しです。所有者、用途、最終利用時点、接続先、実効権限を特定したうえで、端末での監視、ID管理、データ保護、ソフトウェア供給網対策を組み合わせる必要があります。

ストレージ機器などを手がけるUgreenは2026年9月、家電見本市IFAでスマートホーム基盤「HomeAgent」を発表しました。防犯カメラ映像や個人ファイルを家庭内に保存し、端末上のAIと音声アシスタント「Uliya」で機器操作や自動化を担う構成で、プライバシー保護とクラウド型サービスで一般的な月額保存料の不要化を打ち出しています。

中核のハブはNAS、防犯カメラ用NVR、AIアシスタントを一体化します。カメラをまたぐ追跡、人・車・ペット・荷物の識別通知、映像の自然言語検索、出来事の文章化に加え、音楽や写真などの保存にも対応します。

HA100は定型の音声指示と基本的なルール自動化、HA100 Proは文脈を踏まえた理解に対応します。最上位のMasterAgent MA100はNVIDIA Jetson Thor T5000を搭載し、より高度な端末内処理を担います。

HomeAgentはMatterコントローラーとして動作し、Wi-Fi、Zigbee、Thread、Bluetooth、NFC、ONVIF/RTSP、PoEに対応します。ただし初期段階のMatter対応は照明、スイッチ、センサー、カーテンに限られ、同社の現時点の互換機器一覧も少数です。

先行価格はHA100が899ドル、HA100 Proが2,999ドル、MA100が9,999ドルで、2026年10月にKickstarterで発売する予定です。すべてを家庭内で処理できますが、通知と遠隔閲覧にはネット接続が必要で、導入価値は既存機器との互換性や設定のしやすさに左右されます。

Nvidiaは2026年9月3日、オープンモデルの主要流通基盤Hugging Faceを129億3000万ドルで買収することで合意したと発表しました。AI半導体で優位に立つ同社は、1800万人超が利用し、300万超のモデルを抱える基盤を取得し、モデルの探索から推論・展開まで開発者との接点を広げます。狙いは個別モデルではなく、開発者とモデル提供者をつなぐ戦略的なインフラです。

Nvidiaは、Hugging Faceが幅広いモデル、クラウド、半導体基盤を引き続き支援し、利用にNvidia製品を必須としないと明言しました。一方、懸念の中心はモデルの閉鎖ではなく、推奨順位や標準の展開先、最適化、料金などを通じた緩やかな囲い込みです。

Hugging Faceの一部サービスは、推論環境の半導体種類や使用率、モデル別・提供者別の利用状況を扱います。ただし、外部やオフラインで動かすモデルまですべて把握できるわけではなく、プロンプト内容を一律に得るとの証拠もありません。それでも集約した利用傾向は、競合半導体や推論サービスの伸びを早期に捉える情報優位になり得ます。

今回の動きは、Stripeが8月19日にOpenRouterを80億ドル超で買収すると発表した直後に起きました。数週間で約210億ドルがモデルの保管・探索・選択・経路制御を担う2社に投じられ、競争の焦点がモデル本体から周辺基盤へ移っていることを示します。

企業は何を備えるべきでしょうか。ライセンスが許す範囲でモデル本体や設定、ライセンス、モデルカードを社内保管し、版やチェックサムを固定することが重要です。さらに、保管先と推論環境を分離し、モデルゲートウェイを介さない接続経路と別のクラウド・半導体への移行を平時に試すことで、特定企業への依存を抑えられます。

Microsoftは2026年9月4日、開発者向けに調整したWindows環境「Project Zenith」を発表しました。統合メモリ64GB以上の新端末を対象とし、開発ツールやOS設定をあらかじめ整え、300億超のパラメーターモデルをローカルで従量課金なく実行できる設計です。AI開発の実験を速め、従量制のクラウドトークンへの依存を減らす狙いです。

中核となるのは、300億超のパラメーターモデルを端末内で実行できる点です。クラウドの従量制トークンを使わずに試行錯誤でき、実験の加速とクラウド依存の低減につながるとMicrosoftは説明しています。

端末にはVisual Studio Code、GitHub Copilot、PowerToys、WinAppCLI、Windows Dev Skillsをプリインストールします。開発者がよく使うツールを最初からそろえ、すぐに開発を始められる環境を目指しています。

Windowsの初期設定も開発作業向けに変更します。ファイル拡張子、隠しファイル、タイトルバーのフルパスを表示し、長いパスを有効にする一方、最近使ったファイルやフォルダー、同期サービスのヒント、スタートメニューの案内、アカウント通知を無効にします。

第1弾はAMDがIFAで発表したRyzen AI Halo搭載の小型PCです。今後数カ月で、異なる半導体を採用する機種を含むProject Zenith端末も登場する予定です。

TechCrunchは2026年9月3日、米国サンディエゴの家族向けAIアシスタント企業Ollieが、顧客データ保護と安全運用の正式な統制を独立監査で示すSOC 2に準拠したと報じました。カレンダーやメール、決済に触れるサービスだからこそ、月額課金とデータ非共有を軸に信頼を得て、競争が激しい個人向けAI市場での差別化を狙います。

Ollieはカレンダーとメールにつなぎ、家族の日程整理や日々の予定通知に加え、献立作成、食料品の買い物、タスク管理、予約、請求書の支払いをグループチャットで支援します。将来は家計管理まで広げる可能性があり、生活情報へのアクセスが深まるほど信頼が重要になります。

同社によると、SOC 2準拠は顧客データ保護と安全運用の正式な統制を独立監査で示し、個人データをAI訓練など別目的に集めない姿勢を伝えるものです。共同創業者兼CEOのBill Lennon氏は、サブスクリプションを採用し、利用者データを第三者と共有しないと説明しています。

Ollieは作業のために利用者名やパスワードを預からず、サイトへの接続が必要なときはOllie側のクラウドブラウザーで遠隔セッションを開き、リンクを利用者に送ります。支払いや購入でも利用者自身のログインが必要なため、安全性と引き換えに手間が残り、同社は将来の安全なトークン化を検討しています。

競争面では、Ollieのシード調達額はKhosla Venturesなどから750万ドルで、公開前に3億5,000万ドルを調達したInstinctとの差は大きい状況です。Lennon氏は有料会員の継続率曲線が主要AIサブスク並みだと述べましたが、利用者数は非開示です。

実用面では、取材中にテキスト提供基盤が停止し、Ollieが応答しない障害も起きました。Lennon氏はLLMが確率的で本質的に不安定だと認め、失敗を捕捉・防止する防御的なエージェント基盤を積み上げる必要があるとしています。

NVIDIAは2026年9月3日、オープンモデル共有基盤Hugging Faceを129億3030万ドルで買収することで合意しました。世界で1800万人超の開発者らが使う同基盤を傘下に収め、インフラを強化し、企業や研究機関のAI利用を広げます。買収後も他社モデル、複数クラウドや各社製アクセラレーターに対応し、NVIDIA製計算基盤の利用は必須にしない方針です。

Hugging Faceには300万超のモデル、50万件のデータセット、100万件のアプリが集まり、20万社超がAIの探索・評価・調整・導入に利用しています。NVIDIAは500超のモデルと250超の公開データセットを同基盤で提供しており、買収によって主要な共有基盤と半導体・ソフトウェアを結び付けます。

買収後も開放性を維持する方針です。NVIDIAは、開発者がモデル、フレームワーク、クラウド、推論事業者、計算基盤を自由に選べると明言し、マルチクラウドと複数アクセラレーターへの対応継続も約束しました。

NVIDIAは、公開された重みを使えば、企業や大学がモデルを一から学習せず、用途に合うモデルを選べると説明しています。Hugging Faceのインフラ、信頼性、安全性、モデル評価、推論・展開機能を自社の技術力と世界展開で強化し、オープンモデルの普及を加速する狙いです。

一方、NVIDIAにとって過去最大の企業買収となり、完了目標は2027年ですが、競争当局の審査が見込まれます。取引が成立すれば、NVIDIAはモデルの普及を左右する主要な配信経路を保有することになります。利用企業には、計算基盤を自由に選べるという約束の実行が重要になります。

2026年9月3日木曜日の朝、OpenAIのChatGPT、AnthropicのClaude、xAIのGrokで障害が重なり、多くの利用者が主要なAIサービスを使えなくなりました。チャットだけでなく、APIや開発支援、ファイル処理などにも影響が及び、各社は同日午後までに復旧を進めました。障害同士の関連は確認されていません。

OpenAIは東部時間午前10時43分、ChatGPTとCodexでエラー増加と性能低下を報告しました。会話に加え、ログイン、ファイルのアップロード、音声、検索、Deep Research、画像生成などが影響を受け、緩和策の導入後、午後0時55分に復旧としました。

Anthropicは午前9時23分、Claude Mythos 5.1、Fable 5.1、Opus 5への要求でエラーが増えたとして、部分障害を公表しました。チャット、Claude Code、APIに及んだインフラ問題は午後0時16分までに解消し、正午過ぎにはSonnet 5でも短時間の別障害が報告されました。

xAIのGrokは午前9時30分ごろ、Android、iOS、ウェブで障害が始まり、利用者にはモデル過負荷を知らせる文言が表示されました。DownDetectorへの報告は午前9時前の10件未満から9時45分には1,365件に急増し、xAIは原因をメンフィスのデータセンター障害と説明して、その後復旧しました。

Ars TechnicaはGoogleを含む4社のクラウドAIで数時間にわたり障害が重なったと報じました。一方、確認できた各社説明はClaudeとGrokの個別原因にとどまり、三社の障害が関係していたか、なぜ同時期に集中したかは不明です。

クラウドストライクは2026年3〜5月、中国・海南島の農業会議で、中国政府系とみるOVERCAST PANDAが、夕食中の幹部のホテル客室に侵入し、USBからノートPCを起動してバックドア「FlowCloud」をストレージへ書き込んだと報告しました。フィッシングやネットワーク侵入を使わず、OSやEDRが動き出す前に端末を改ざんし、翌朝の起動後に情報窃取を始めた手口です。

侵入者は午後8時ごろに1室、午後9時57分までに別の1室へ入り、FlowCloudと起動後のトリガーを配置しました。端末の次回起動でキーロギング、画面取得、ファイル収集、認証情報の窃取が始まり、Falconはプロセス起動後に検知しました。

盲点は、EDRやMFAが動作する前のOS起動前です。Falconは起動後にFlowCloudを捉えましたが、USB書き込みから次回起動までの数時間は、既に侵害されながら検知できない空白でした。

防御の軸は、UEFIで外部起動と一時起動メニューを無効にし、BIOS管理者パスワードで設定を固定することです。フルディスク暗号化に起動前認証を組み合わせ、Secure Bootと失効リストを最新に保つことで、無人時の改ざんリスクを抑えられます。

企業向けの提案として、国際会議には本番環境への接続、保存済み認証情報、常設VPN設定を持たない旅行専用端末を配り、帰国後に初期化する運用が挙げられています。物理侵入は大規模化しにくい一方、特定の幹部を狙う場面ではネットワーク防御外の盲点を突くため、情報システム部門と物理セキュリティ部門をまたぐ出張端末管理が課題です。

2026年9月3日、Abliteration.aiは、Z.aiのオープンウェイトモデルGLM-5.3から有害な依頼への拒否機能を除いた改変版を、ウェブとAPIで使える商用サービスとして提供しています。防御側が攻撃者の挙動を再現し、サイバー攻撃やAIエージェントの耐性を検証しやすくする狙いですが、危険な作業への障壁も下げるとして、安全性と企業の責任範囲が問われています。

拒否機能の除去は長年使われてきた手法で、Hugging Faceには数千の改変モデルがありますが、利用者は通常、モデルの取得と計算資源の確保が必要です。同社はこれをホスト型サービスにし、2025年末の創業後、2026年3月に法人化しました。TechCrunchは無料アカウントで試し、保存済みのChromeパスワードを盗むPythonプログラムや危険な病原体の家庭培養手順を求めると、モデルが応じたと報告しています。

共同創業者のDevon氏によると、同社は主要クラウド事業者と複数の契約があり、その費用を顧客収入だけで賄い、ベンチャー資金はまだ調達していません。顧客には英国や欧州の初期段階のレッドチーム企業が含まれ、銀行や航空会社などのサイバー防御を支援しています。主要顧客の一社は銀行のAIエージェントを検証しているといいます。

同社は顧客が任意の安全策を加えられるモデレーション機能を用意し、暴力を防ぐ対策も追加中だと説明しています。一方、本人確認は決済カードの記録以外に導入しておらず、企業責任の線引きは検討中です。TechCrunchの試行では、自殺方法の提示は拒みました。

擁護側は、攻撃者がすでに同様のモデルを使う以上、防御側にも攻撃を再現する道具が必要だと主張します。ただし、実務では制限の少ないオープンモデルの追加学習で足りるとの声や、拒否機能の除去で知識や性能が落ちるとの指摘もあります。AI安全団体CivAIの研究責任者は、提供者による有害用途の検知・遮断と、高性能GPUを直接貸す企業による顧客本人確認を政府が義務付ける案を示しています。

Anthropicは2026年8月末、情報窃取マルウェアがClaudeのセッションクッキーを盗み、有料アカウントを乗っ取った事例を利用者へ通知しました。盗まれた接続情報はログイン画面を通らないため、二要素認証や企業のシングルサインオンを迂回します。個人契約のClaudeが社内Gmailなどと接続されていれば、攻撃者がメールやファイルを読める経路になり得ます。

Anthropicが挙げたのはWindows向けのVidar、LummaC2、StealC、RedLine、Acreedと、少数のMacで確認されたAtomic Stealerです。これらはブラウザの保存パスワードとログイン済みクッキーを集め、攻撃者はクッキーを再利用して認証済み利用者になりすまします。同社は異常な利用量から被害を把握し、対象をログアウトさせ、保存済み決済手段を削除して確認した料金を返金しました。

被害件数は公表されず、TeamやEnterpriseのシングルサインオン利用席が含まれたか、会話履歴や接続アプリまで到達したかも確認されていません。記事は、決済カードを保存した自己契約型アカウントが中心だった可能性を示しますが、Teamや自己契約型Enterpriseもカード払いができるため断定はできません。

リスクの焦点は利用料金より接続先です。Claudeのコネクターは本人の権限を引き継ぎ、読み取り・検索は承認なしで実行できるため、個人のPro契約から業務用GmailやDriveへの許可が残っていれば、再利用されたセッションもその範囲へ到達し得ます。ClaudeからログアウトしてもGoogleやMicrosoft側のOAuth許可は自動で消えません。

この経路は、企業のID管理外にある個人AI契約を管理端末で使う問題を示します。LayerXの調査では企業のAI会話の47％が個人ID経由で、Claudeでは61％でした。企業側はブラウザ監視、クラウド利用監視、経費記録から個人契約を把握し、Google WorkspaceやMicrosoft 365が個人Claudeへ与える接続許可を制限する必要があります。

端末で情報窃取型マルウェアを検知したら、その機器上の全AIサービスのセッションを侵害済みとして失効し、端末を無害化するまで個人アカウントからもログアウトさせます。Claudeのセッション失効に加え、Googleの第三者アプリ許可やMicrosoftの企業アプリ同意を点検し、残存するOAuth許可も撤回することが重要です。利用頻度の高い社員は組織管理のTeam・Enterprise契約へ移し、コネクター可否を管理者が統制できる状態にします。

Reliance Jioは2026年9月2日、インドでクラウドPCサービス「JioPC」を自社の固定回線契約者以外にも開放しました。通信会社を問わず、インターネット接続と既存のパソコンがあればJioのクラウドから仮想PCを利用でき、買い替えや機器増設なしで最長8年前の端末にもAI用途に必要な計算力を提供する構想です。

プランは最大8個の仮想CPU、16GBのメモリー、1TBの保存容量を備え、処理と保存の多くをJioのデータセンターへ移します。価格は2カ月1000ルピーからで、1年契約は8GB・500GB構成が4000ルピー、16GB・1TB構成が5000ルピーです。

IDCによると、インドでは2025年に6500万台超のパソコンが使われ、2026年末には約6900万台へ増える見込みです。消費者と小規模企業の買い替え周期は2022年の4～5年から5～6年へ延び、企業も従来の3年から約4年へ長期化しています。

Jioは機器を買い替える代わりに計算能力へ継続課金する市場を開き、端末の利用期間をさらに延ばそうとしています。市場調査会社の専門家は、従来型パソコンを置き換えるのではなく、新しいAI対応機を買いにくい家庭や学生向けの価格重視層を形成する可能性があるとみています。

一方、JioPCは安定したインターネット接続が必要で、通信障害が起きれば利用体験に影響します。機器を所有する傾向が強いインドでは、オフラインでも使える従来型や低価格の中古パソコンとの競争も残ります。

Jioは旧型端末を「AI対応」にできると訴えますが、公表仕様には端末上で生成AIを動かす専用のAI演算装置が記載されていません。普及の分岐点は、利用者がクラウドの計算能力を一時的な代替手段ではなく、料金を払う日常的なサービスと受け止めるかどうかです。

IBMとConfluentは2026年9月2日、IBM Graniteの時系列基盤モデルをConfluent Cloud上のApache Flinkから直接使える早期アクセスとして提供開始しました。企業は流れているデータを別の機械学習基盤へ移さず、SQLで予測と異常検知を呼び出し、結果をKafkaの配信先を通じて警告、画面、データ基盤、AIエージェントへ渡せます。

時系列基盤モデルは、個別に学習していない系列にも適用し、予測、異常検知、類似検索、分類、欠損補完、最適化を共通機能として提供します。早期アクセスでは「AI_FORECAST」と「AI_DETECT_ANOMALIES」という2つのFlink SQL関数から呼び出し、引数を変えてモデルを選べます。

Flinkは系列ごとの直近の状態を障害に耐えられる形で保持し、モデルが必要な履歴を別のデータベースなしで渡します。Confluentがモデル配信、拡張、実行環境を管理し、データは同社のクラウド内に保ったまま既存の形式定義、来歴、権限管理を推論処理にも適用できます。

製品群は4モデルで、PatchTST-FMは予測値の分布、FlowStateは間隔の異なる連続データ、TTMはCPUでの大量処理を重視します。TSPulseは時間と周波数の特徴を組み合わせ、異常検知、分類、欠損補完、過去の類似事例検索を担います。

IBMは自社業務に加え、セメント、鉄鋼、製紙、食品、通信分野の協力企業でモデルを試したとしています。同社によると、生産性は5～10倍に向上し、専門のデータ科学者を待っていた分析を需要計画や不正対策、工程管理の担当者が扱えるようになりました。

早期アクセスはAWS上のConfluent Cloudで利用でき、期間中は無料です。次にConfluent Platformへ広げ、社内設置型と複数環境を組み合わせた運用にも同じモデルと機能を提供する計画です。

Googleは2026年9月2日、推論・コード生成を強化した「Gemini 3.8 Flash」と、脆弱性の発見・修正に特化した防御版を公開しました。標準版は開発者、企業、Google AI Pro・Ultra加入者へ提供し、防御版は政府機関、重要インフラ運営者など信頼できる防御側に限定します。長期のソフト開発や自律型AIと、サイバー防御の自動化を同じ基盤で進める狙いです。

Gemini 3.8 Flashは複雑な課題で推論手順を増やし、ツールを反復して呼び出すことで、長期ソフトウェア開発と自律型AIの性能を高めます。Googleの評価ではDeepSWE v1.1、金融、法務の各ベンチマークで旧版や一部の大型モデルを上回り、幅広い多段階推論を測るHLE-Verifiedは54.9％でした。

年末までの導入価格は100万入力トークン当たり0.75ドル、出力は3.75ドルで旧版と同額で、通常価格はそれぞれ1.50ドルと7.50ドルです。ただし高い推論強度では手順と出力トークンが増えるため、単価が同じでも総額は上がり得ます。計算効率を優先する開発者は、推論強度を下げるか、引き続き旧版を選べます。

Gemini 3.8 Flash Cyberは同じ基盤を使いながら、攻撃よりも脆弱性検出と修正を優先して調整されています。Googleの社内評価では20言語にまたがる複雑なコードで発見成功率が70％を超え、外部のCWE-Benchでは初回パッチ成功率47.2％と、比較した先端モデルの47.8％に近づきました。

実運用では、Chromeの脆弱性に対する正しい修正パッチ数が大規模な商用モデルの2.6倍だったとGoogleは報告しました。同社のクラウド脆弱性研究チームは、通常は発見に数カ月かかる重大な基盤欠陥を2時間未満で見つけたとしています。Wizの内部侵入テストでも、先端モデルより低コストで再現率が7.5〜9.7ポイント高かったとされます。

防御版は新設のFairwind Programを通じ、信頼できる政府機関、重要インフラ運営者、ソフトウェア保守担当者へ優先提供します。標準版には化学・生物・放射性物質・核と攻撃的サイバー利用への安全策があり、防御版はより広いサイバー機能を許すため対象を絞ります。高性能化と悪用防止を、モデル機能だけでなく利用者の制限でも両立する設計です。

Googleは2026年9月2日、一部の政府機関、Google Cloud顧客、サイバーセキュリティーパートナーへ高度なAI防御を限定提供する「Fairwind Program」を始めました。Gemini 3.8 Flash CyberとCodeMenderを組み合わせ、安全なクラウド内で脆弱性を自動発見し、検証済みの配備可能な修正を数分で作ることで、重要インフラや公共サービスを守ります。

高度な汎用AIは導入費が高く、企業のコード全体では制御しにくい一方、小型の公開モデルは複雑な修正が苦手で、周辺の道具も自前で整える必要があります。Fairwindはサイバー防御専用のGemini 3.8 Flash Cyberと実行基盤のCodeMenderを組み合わせ、従来の最先端モデルより低い運用費で専門的な推論を提供します。

CodeMenderは脆弱性を見つけるだけでなく、修正コードを書き、内容を検証します。手作業なら数週間かかる修正を数分で配備可能な修正案に変え、攻撃者が新しい能力を悪用する前に防御側がシステムを固める時間を確保します。

先行提供先は政府や国家サイバー当局、医療、通信、エネルギー、金融などの重要インフラ、広く使われる技術基盤です。世界で650を超える組織が参加しています。利用者は社内のサイバー防御、事故対応、侵入試験の担当者に限り、多要素認証などの保護策を導入する必要があります。

Gemini 3.8 Flash CyberはFairwind参加者を優先しますが、ほかのGoogle Cloud顧客もGemini Enterprise Agent Platform上の公開モデルとCodeMenderを組み合わせてコードを守れます。Googleは産業界、政府、公開モデルの共同体と協力し、開放性と強固な安全性の均衡を取りながら対象を広げる方針です。

Fairwindは、欠陥の発見から修正までの時間を縮め、AIの速度で進む脅威に防御側が対応する取り組みです。Google.orgによる世界のサイバーセキュリティー支援は累計1億ドルを超え、そのうち3600万ドルが35の専門支援拠点を通じ、病院、公立学区、自治体の公益事業など1250超の組織を支えています。

VentureBeatが2026年9月2日に報じた7月のVB Pulse調査で、AI基盤に関わる170人の39.4%が今後12カ月にNvidia以外の半導体を評価すると答えました。次世代Nvidia製品の25.3%を14ポイント上回り、企業がAWS Trainium、Google TPU、AMD Instinct、Intel Gaudi、自社ASICへ選択肢を広げている実態が浮かびます。

Nvidiaは多くの本番環境で依然として標準ですが、非Nvidia製品への評価意向は6月の31.8%から7月に39.4%へ上昇しました。経営幹部では57.1%、最終意思決定者では50.0%に達し、半導体の多様化が技術部門だけでなく経営上の基盤戦略になりつつあります。

企業は基盤をすぐ入れ替えるより、既存環境を拡張して効率を高めています。3カ月以内の変更予定は38.3%から28.8%へ低下する一方、選定時に性能を重視する割合は35.3%、100万トークン当たりの費用を重視する割合は15.9%へ上昇しました。既存のクラウドやデータ基盤との統合は40.0%で、引き続き最重要項目です。

本番利用はGoogle Geminiが47.6%、Microsoft Azureが47.1%、OpenAIが49.4%、Anthropicが24.7%まで広がりました。自社GPUを50%超で稼働させる回答も13%から23%へ増え、評価軸は抽象的な総保有コストから信頼性、処理性能、実作業当たりの費用へ移っています。

別のコンテキスト層調査では、79.2%が単一事業者に全面依存せず、外部ツールや複数の実行基盤を組み合わせる方針でした。新興AIクラウドの利用拡大意向も38%に上り、オープンソースの自社運用基盤を本番利用する割合は12.9%へ増えています。企業にとって、半導体、クラウド、モデル周辺機能を用途別に選べる余地が交渉力と統制力につながります。

ただし、6月と7月の調査は同じ回答者を追跡したものではなく、7月は従業員1,000人超の組織が多いなど標本構成が異なります。統計的有意性の検定もないため、数値は因果関係の証明ではなく市場の方向を示す兆候として読む必要があります。それでも、企業がNvidiaを捨てるのではなく、複数の選択肢を確保して次の基盤投資に備える姿勢は明確です。

Perplexityは2026年9月1日、エージェント基盤「Computer」に、クラウドの高性能モデルとAppleシリコン搭載Mac上の小型モデルを使い分けるハイブリッド計算機能を導入しました。公開情報の調査や高度な推論はクラウド、機密ファイルに触れる処理は端末内に振り分け、文脈を保ったまま一つの作業を継続します。

中核となる「Privacy Gate」は、端末上で氏名、住所、口座番号、秘密情報などを検出する独自分類器です。機密情報を検知すると、該当部分をローカル処理するかクラウドに共有するかを利用者に確認し、ローカル処理のトークンは外部へ送りません。

法律事務では、Mac内の秘匿資料を使った準備書面の更新と、クラウドによる公開判例の調査を並行できます。投資業務では、非公開の経営予測を反映した財務モデルと公開比較データを組み合わせ、従来は手作業で数時間かかる作業を約40分で進めたと説明しています。

対象はmacOS 15以降のAppleシリコン搭載Macで、オプトインした法人顧客とPro、Max契約者です。端末で生成したトークンは課金されず、法人管理者は組織共通の機密度ポリシーと端末別の監査記録を利用できます。

一方、機密判定は機械学習分類器に依存するため、見逃しがあれば情報がクラウドへ渡る可能性があります。利用者は送信前の判定内容を確認できますが、実務導入では監査ログと人による確認を組み合わせることが重要です。高性能なローカルモデルには32GB以上のユニファイドメモリが推奨され、WindowsとLinuxへの対応は今後です。

OpenClaw Foundationは2026年8月末、オープンソースのAIエージェント基盤「OpenClaw 2.0（正式版v2026.8.1）」を公開しました。個人開発者向けだった仕組みを、企業のチームが会話、ファイル、承認、実行状況を同じ画面で扱える共有基盤へ広げ、クラウドセッションや複数人での共同作業、権限管理、サンドボックス、監査機能を強化しています。

刷新したControl UIは会話を中心に、ファイル、承認、設定、エージェントの実行状況を一つの画面へ集約します。共有クラウドセッションでは、別の社員が履歴や成果物を保ったまま作業へ参加でき、担当交代時の文脈を共同資産として引き継げます。

企業向けの安全機能として、要求・コマンド・セッション・実行者にひもづく承認、役割別権限、監査、Secret Storeを追加しました。サンドボックスを必須にする役割では、環境を用意できなければホスト上で代替実行せず失敗させます。保護された認証情報は、対応するHTTPS要求でモデルへ直接見せずに差し込めます。

ただし、サンドボックスと実行承認は初期設定で無効です。Secret Storeの値自体は保存時に暗号化されず、複数ユーザー権限も信頼済み利用者の共同作業向けで、敵対的なテナント間の隔離には使えません。部署や顧客を厳格に分ける場合は、状態、資格情報、作業領域を分離したGatewayを別々に置く必要があります。

NanoClawがコンテナ隔離を設計の起点にする一方、OpenClaw 2.0は利用画面から管理、監査までを統合する広いコントロールプレーンに軸足を置きます。導入企業は「企業向け機能がある」ことと「安全に設定済み」であることを区別し、信頼境界、権限、秘密情報、ネットワーク経路を明文化してから運用する必要があります。

Appleは2026年8月31日、OpenAIとの営業秘密訴訟で、証拠が失われる現実的なリスクがあるとして、裁判所に迅速な証拠開示を求めました。中心となるのは、OpenAIへ移った元従業員Chang Liu氏が保持していたApple所有のMacBookで、Appleはログやメタデータなどの鑑識情報が上書き・消失する恐れを訴えています。

この訴訟は、OpenAIへ移った元Apple従業員3人が関係し、AI端末の開発にAppleの営業秘密が流用されたという同社の主張を巡るものです。Appleによると、OpenAIは7月の提訴時からMacBookを保有しながら調査せず、8月21日になって提出しました。

Appleは端末の調査で、Liu氏がAppleの機密回路図をダウンロードし、OpenAIでの業務に利用した形跡を確認したと主張しています。同社はさらに、Liu氏がAppleの外部クラウドストレージへ継続してアクセスできることを、本人やOpenAI関係者が認識していたと指摘しました。

端末内のメッセージには、6月にAppleの社内調査を知った後、Apple所有端末を「復元」してから「使用開始」する必要性をLiu氏が話し合った記録があったとされています。Appleは、ログや利用記録は時間とともに失われ得るとして、早期の保全が必要だと訴えています。

一方、OpenAIは、問題はApple自身の退職手続きの不備が招いたものだと反論しました。Liu氏が不適切な手段や目的でAppleの情報へアクセスした証拠はなく、機密情報を使う必要もないと主張しています。

Anthropicは2026年9月1日、AIモデル「Claude Fable 5.1」と、同じ基盤を使う審査制の「Claude Mythos 5.1」を公開しました。FableはAPIと主要クラウドで一般提供し、キャッシュ入力の読み取り料金を100万トークン当たり1ドルから0.25ドルへ75%引き下げます。長時間動くAIエージェントの費用を抑え、企業向けの安全対策とデータ管理も強化する狙いです。

Fable 5.1の通常API料金は、入力100万トークン当たり10ドル、出力50ドルで据え置きです。一方、再利用する文脈の読み取りは0.25ドルとなり、Anthropicは一般的な処理で実効費用を約25%、キャッシュ比率の高いエージェント処理で最大約45%削減できると説明しています。

Anthropicの評価では、Fable 5.1は科学研究向けTerminal-Bench-Science 0.1で52.6%、業務自動化向けAutomationBenchで31.4%を記録し、旧Fableを上回りました。38時間の無人機械学習処理や長年原因不明だった障害の解析事例も示されましたが、数値と顧客事例はいずれも同社提供であり、独立検証の結果ではありません。

安全面では、Fable 5.1のサイバー保護がClaude Codeのセッション当たりの介入を旧版より約60%減らしたとAnthropicは説明しています。Mythos 5.1は同じ基盤モデルで制限が緩く、サイバー防御や生命科学に携わる審査済み組織だけが利用できます。

秋に段階導入するEnterprise Frontier Safeguardsでは、監視データを顧客のAWS、Azure、Google Cloud環境に置き、顧客側の暗号鍵やアクセス規則で管理できます。自律性の高いAIを導入する企業には、モデル性能だけでなく、権限の限定、ネットワーク分離、継続監視、人の承認を組み合わせる設計が求められます。

エヌビディアは台湾のMediaTek(メディアテック)に35億ドル(約5000億円)を出資すると発表しました。生成AIの普及でデータセンター向け半導体需要が急拡大する中、MediaTekがエヌビディアの技術を採用し、AI企業やクラウド大手向けのカスタムAIチップを設計しやすくすることが狙いです。両社の提携で、MediaTek製半導体をエヌビディアのデータセンターに直接組み込めるようになります。

今回の提携でMediaTekは、エヌビディアのNVLink Fusion技術を利用できるようになります。NVLinkは自社製以外の半導体同士でも高速通信を可能にする技術で、これによりMediaTekは顧客企業ごとに最適化したチップを、エヌビディアの規格に沿った形で提供できます。エヌビディアの幹部は「我々はAIインフラ企業として、単なる演算チップの枠を超えて事業を広げてきた」と説明しています。

背景にあるのは、Amazon、Google、Microsoft、OpenAI、Anthropicなど主要なAI企業やクラウド大手が、エヌビディアへの依存度を下げるため自社製チップの開発を進めている動きです。エヌビディアは今回のような出資や提携を通じて、こうした独自開発の流れに一定の関与を保ちながら、データセンターの基盤技術としての地位を維持しようとしています。先週にはAmazon Web Servicesとも同様の提携を発表したばかりです。

MediaTekはこれまでもASIC(特定用途向け集積回路)事業を段階的に拡大しており、今年の関連事業の売上高は20億ドルに達する見通しを示しています。今回の提携を通じて顧客基盤の拡大を図る考えです。

両社は開発者向け小型AIコンピューター「DGX Spark」や、コンシューマー向けAI PC「RTX Spark」でも協業を続けています。さらに自動運転や車載コックピット向けのプラットフォーム開発でも連携を深めており、エヌビディアのジェンスン・フアンCEOは「AIはあらゆるコンピューティング基盤を変えつつある」とコメントしています。

AIを使って大量の動画や音声ファイルを検索できるサービスを手掛ける米サンフランシスコ発のスタートアップCliptoは、既存投資家らから1500万ドルを全株式で調達したと発表しました。今回の調達により評価額は2億5000万ドルに達し、生成AIの普及で急増するコンテンツ管理という課題に商機を見出しています。

Cliptoはユーザーのパソコン内にある動画・音声・画像・会議録などのファイルを自動で索引化し、フォルダーをたどらなくても自然言語で欲しいファイルを探し出せる仕組みを提供しています。ChatGPTやClaudeといったAIツールから直接検索を依頼することも可能で、処理はすべて端末上で完結するため、クラウドを介さずに済む点も特徴です。

創業者のヘンリー・カン氏は、カーネギーメロン大学の博士課程時代からロボットに周囲を記録・記憶させる研究に取り組んでおり、その発想を最初の起業やテンセントに買収された動画編集スタートアップZenvideoにも応用してきました。2023年に前回起業の仲間らとCliptoを設立し、あふれる動画コンテンツを「探して再利用する」需要に着目したといいます。

当初は動画制作者向けに開発された製品でしたが、現在は利用者全体の4分の1から3分の1程度を占めるにとどまり、弁護士や医師、研究者、人事担当者、教員や学生など幅広い層に利用が広がっています。累計利用者数は3000万人を超え、有料課金者も数十万人規模に達しているとのことです。

Cliptoは2026年初めに年間経常収益(ARR)1500万ドルを達成し、純利益ベースで黒字化しているといいます。従業員はサンフランシスコ・ベイエリア、香港、シンガポールを合わせて20人強にとどまり、少人数体制での成長を続けています。約2週間前には、AIアプリケーションが外部情報にアクセスするための標準規格「MCP」への対応も追加しました。

AdobeのPremiereやApple・GoogleのフォトアプリもAIによる検索機能を備えていますが、いずれも自社サービス内のファイルが対象です。これに対しCliptoは動画・音声・画像・文書を横断して検索できる点を強みとし、大手との差別化を図っています。今回調達した資金は、AIモデルや計算基盤の整備、さらに他のAIエージェントとの連携拡充に充てる方針です。

建設・鉱山機械大手のキャタピラーは、今月米ラスベガスで開催されたAi4カンファレンスで、最高技術責任者(CTO)のジェイミー・マイナート氏が、数十年かけて培った鉱山自動化の知見を企業向けAI導入に活用する方針を明らかにしました。多くの企業がAI技術を日常業務に統合する難しさに直面する中、同社は自動化事業で得た教訓を横展開する狙いです。

具体策の一つが、現場の技術者が機械の前で音声コマンドを使い、修理手順の確認やトラブルシューティング、必要部品の特定を行える「CatAIアシスタント」です。マイナート氏によると、既に顧客や現場のオペレーター、技術者に利用が広がっているといいます。このツールは同社が保有する接続機器のデータを基盤としており、世界で約160万台の接続資産から得られる16ペタバイト超の構造化データを活用しています。

キャタピラーは製造現場のスキャンやデジタルツイン生成にもAIを活用し、稼働状況の分析を進めています。ソフトウェア開発の分野でもAIエージェントを使い、老朽化したコードの刷新や新規ソフトの生成・テスト、不具合の早期発見に取り組んでいるとマイナート氏は説明しました。

一方でマイナート氏は、技術を開発するだけでは不十分だと強調します。自律機械の導入は現場の作業員の働き方や既存の業務プロセスの見直しを伴うためです。同社は熟練オペレーターの知見をAIシステムの学習に活用しており、単一機械の操作から遠隔指令センターで複数機械を監督する役割へと移行するオペレーターも出てきています。

この変化は従業員11万8000人の再教育という新たな課題も生んでいます。キャタピラーは今後5年間で1億ドルを投じ、AI・自動化・ロボティクス分野の人材育成を進める計画です。

こうした投資は、AIインフラ需要の拡大による業績拡大を後押しする狙いもあります。第2四半期の売上高は205億ドルと過去最高を記録し、データセンター向け発電設備の需要増を受けて発電部門の売上は72%増の31億ドルに達しました。ジョー・クリード最高経営責任者(CEO)は、クラウドコンピューティングと生成AIインフラへの需要について「減速の兆しはない」と述べています。

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。

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。

NVIDIAが、オープンウェイトAIモデルを共有するプラットフォーム「Hugging Face」を130億ドル規模で買収する方向で交渉していると報じられました。米メディアTechCrunchが2026年8月28日に伝えたもので、正式な発表はまだ行われていません。オープンウェイトAI企業を巡る大型買収が相次ぐ中、シリコンバレーで最も注目される案件の一つとなっています。

Hugging Face買収の噂が浮上する直前には、NVIDIAはオープンウェイトモデルを手がけるPoolsideに対し60億ドル規模の契約を結び、同社の従業員の大半を受け入れると発表しています。さらに2週間前には、決済大手Stripeが企業向けオープンウェイトモデル提供大手のOpenRouterを70億ドル超で買収したばかりです。無償公開が前提のオープンウェイト分野に、巨額の資金が次々と流れ込んでいます。

NVIDIAがオープンウェイト企業の買収を急ぐ背景には、大手AI研究所やクラウド大手への依存を減らしたいという事情があります。OpenAIは推論向け独自チップ「Jalapeño」の性能を今週公表するなど、モデル開発企業が自前のチップ開発に乗り出す動きが広がっており、NVIDIAとしてもモデル開発領域での存在感を確保する必要に迫られています。自社のオープンウェイトモデル群「Nemotron」の普及が伸び悩む中、開発者基盤ごと取り込む狙いがあるとみられます。

一方で、オープンウェイトモデルの実際の利用はまだ限定的です。決済データを分析するRampの調査によると、オープンウェイトモデルを利用する企業は全体のわずか6%にとどまり、開発者ツールのJellyfishの調査でもソフトウェアエンジニアの利用率は2%にすぎません。主な用途はカスタマーサポートのチャットなど、繰り返し発生する推論作業に限られているのが現状です。

オープンウェイトモデルの企業向けルーティング・ホスティングを手がけるFireworksの最高経営責任者リン・チャオ氏は、同社が1日あたり40兆トークンを処理しており、GeminiやOpenAIのAPIを上回る規模だと説明しています。同氏は「あらゆる企業が自社専用のモデルを持つようになる」と述べ、用途に特化したモデルの普及が今後標準になるとの見方を示しました。コーディングなど推論負荷の高い作業では依然としてフロンティアモデルが優勢ですが、AI活用が成熟するにつれ、オープンウェイトモデルへの移行が進む可能性があります。

AIクラウド企業のLambdaは2026年8月28日、私募の短期債務により10億ドルを調達したと明らかにしました。調達資金はNvidia製AIチップの購入に充てられ、取引はJPモルガン・チェースが組成しました。調達したチップはMicrosoftにリースする計画で、早期に収益化して債務を返済する狙いがあります。

Lambdaにとって今回は、特定顧客向けのGPUインフラ整備を目的とした一連の借り入れの最新事例です。同社は5月にも10億ドル規模の担保付き信用枠を締結し、今週にはNvidiaの最新モデル『GB300』GPU向けに9億2600万ドルのターム・ローンB契約の完了も発表しました。

今回の私募債務は、Lambdaが30億ドル規模のIPO前資金調達を協議しているとされる最中の動きです。同社は昨年11月にもベンチャーキャピタルから15億ドルを調達しており、その際の企業価値は54億3000万ドルに達していました。

Lambdaのように債務を活用してAIブームを支えるのは同社に限りません。Bloombergが集計したデータによると、銀行とテック企業は2026年に入り、AI関連の債務を世界で4000億ドル超も積み上げています。

半導体大手のNVIDIA(エヌビディア)が、AIモデル共有サービスを手がけるHugging Faceを約129億ドルで買収する方向で交渉を進めていると、複数の米メディアが2026年8月27日までに報じました。情報筋によると、買収は米調査報道メディアのThe Informationが最初に伝え、CNBCも関係者の話として交渉の存在を確認しています。契約はまだ正式合意に至っておらず、今後の交渉次第では破談となる可能性も残されています。

Hugging Faceは2016年設立の企業で、研究者や開発者がAIモデルを検索・共有できるクラウド上のリポジトリを運営しています。ソフトウェア開発者向けのGitHubに例えられることが多く、モデルのダウンロードや微調整、再アップロードまで一気通貫で行えるプラットフォームとして、AI業界で広く利用されてきました。

買収交渉の背景には、複数の企業による争奪戦があったとされます。報道によれば、Salesforceなど他の企業もHugging Faceの買収を検討していたほか、NVIDIA自身もこれまでHugging Faceに出資しており、GoogleやMicrosoftも同社に資本参加していました。

NVIDIAは近年、オープンウェイトモデルの重要性を積極的に発信してきた企業の一つです。同社は独自の公開モデル群「Nemotron」を展開するなど、OpenAIやAnthropicといった非公開の最先端モデルを開発する企業に対抗する形で、オープンな選択肢の拡充を進めています。

今回の買収が実現すれば、NVIDIAはハードウェアだけでなくAIモデルの流通基盤まで手中に収めることになり、AI開発エコシステム全体への影響力をさらに強めることになりそうです。ただし現時点では交渉段階にとどまっており、正式な合意や金額の確定には至っていません。

イスラエルの新興企業の研究者らが、企業サイトが公開する「llms.txt」ファイルを大規模に調査したところ、Fortune 500社を含む120サイトで、AIエージェント向けの案内が未登録のコードパッケージやドメインを参照していることが分かりました。研究者が空き名称を実際に登録すると、ClaudeやOpenAIのCodexなど複数のAIコーディングエージェントが、確認なしにその内容を実行していたことが判明しました。

研究チームは防衛関連企業やFortune 500、大手テック企業など6,214のドメインを調査し、8,265件のllms.txtおよびllms-full.txtファイルを確認しました。このうち120件が、まだ登録されていないコードパッケージやドメイン名を参照していたといいます。研究者はこれらの未登録の参照先をあえて自ら登録し、実際に何が起きるかを検証しました。

検証用のサーバーを立てたところ、登録からわずか1時間でFortune 500企業からの通信を受信しました。その後も数十社から同様の応答が続き、対象には新興企業も含まれていたということです。ビーコンが記録した親プロセスの情報から、通信元にはClaude、OpenAIのCodex、Nous ResearchのHermesといったコーディングエージェントが関わっていたことが分かりました。

研究者の一人であるアロン・ハーツ氏は、「信頼モデルは壊れている」と指摘します。エージェントはベンダーの文書を検証せずに真実として扱い、それを監督する人間も同様だと述べました。同氏は、エージェント型AIの利用が急拡大する中、SaaS・クラウド・エンドポイントのあらゆる層にエージェントが広がり、サプライチェーンの攻撃対象が拡大していると警鐘を鳴らしています。

研究者によれば、少なくとも1つの設定ミスのあるサイトは、訪問者を人間かAIかを問わず実際のマルウェアへ誘導していたといいます。Anthropic、OpenAI、Nous Researchの3社はいずれも取材時点でコメントに応じませんでした。llms.txtはサイト内容を機械可読でまとめる新しい規格で、検索エンジン向けのrobots.txtのAI版とも言えますが、今回の調査はその信頼性に大きな課題があることを浮き彫りにしました。

英国拠点のオンライン旅行代理店loveholidaysは、この1年でOpenAIの開発ツール「Codex」を全社的に導入しました。エンジニアだけでなく、プロダクトマネージャーやデザイナー、マーケティング担当者までもがコードを書き、サービス改善に直接関わる体制を築いています。背景には、エンジニアリング部門の混雑を解消し、より多くのアイデアを製品化したいという狙いがあります。

象徴的な取り組みが「Search Playground」です。従来、新しい顧客体験のアイデアはエンジニアリングチームの優先順位付けを待つ必要がありました。同社エンジニアリング責任者のDmitri Lerko氏は「エンジニアリング時間から実験を切り離したかった」と説明しています。

Search Playgroundを通じて、これまでに10以上の新しい検索体験が生まれ、その多くが非エンジニアの手によるものです。旅行先探しを支援する「Inspire Me」機能や、マーケティングチームが数時間で構築したキャンペーン用マイクロサイトなど、実際にサイト上で稼働する事例も出ています。

同様の変化はデータ基盤やインフラ管理にも及んでいます。専門知識が必要だった変更作業を、Codexがベストプラクティスやチェック手順を組み込んだワークフローとして誰でも扱えるようにしました。データ基盤の変更成功率は58%から93%へ上昇し、サポート依頼あたりの変更件数も4倍に増えています。

全社的な効果も数字に表れています。AI支援によるコード変更の割合はこの1年で7%から79%に急拡大し、エンジニア人員をほぼ増やさないままデプロイ頻度は73%増加しました。クラウド費用は年間約3600万円、データ処理の無駄削減で年間約1億円のコスト圧縮にもつながっています。

最高技術責任者のMike Jones氏は「技術はあくまで目的達成の手段」と強調し、単なるツール導入ではなく事業課題の解決を重視する姿勢を示しています。Lerko氏も「これまで難しかったことが当たり前になりつつある」と述べ、Codexが今後もエンジニアと事業側をつなぐ共通基盤になるとの見方を示しました。

GitHubは2026年8月26日、公式ブログでGitHub Copilotアプリの自動化機能を使い、Dependabotが作成するプルリクエストのトリアージを自動化する手順を紹介しました。エンジニアが手作業で一件ずつ確認していた依存関係更新のレビュー作業を、Copilotに任せることで朝までに整理済みのサマリーを受け取れるようにする狙いです。設定は数ステップで完了し、既存のワークフローに組み込みやすい点が特徴です。

自動化の作成では、まず名前とトリガーを設定します。トリガーには手動実行のほか、毎時・毎日・毎週、あるいはIssue作成時など複数の選択肢が用意されており、クラウド上またはローカル環境での実行を選べます。次に、レビュー対象や確認したい観点を自然言語で記述するだけで、Copilotがタスク内容を理解します。

具体的な指示としては、オープン中のDependabotプルリクエストをリスク別にグループ分けし、安全なパッチ・マイナー更新を識別したうえで各PRのCI状態を確認し、推奨アクションを短くまとめるよう依頼します。実行が完了すると、Copilotは個々のプルリクエスト一覧ではなく、要点を整理したサマリーを返します。

サマリーの中でメジャーバージョンの更新など追加対応が必要な項目が見つかった場合は、その結果を引き継いだまま新しいCopilotセッションを開始し、移行作業を続けられます。自動化の実行履歴はすべて保存されるため、いつ何が実行され、どのような結果になったかを後から確認できます。

GitHubは、日常的に繰り返している定型作業から自動化を始めることを勧めています。Dependabotのトリアージのように反復性が高く判断基準が明確なタスクを任せることで、エンジニアはより専門性が求められる意思決定に時間を割けるようになります。

米AI企業Anthropicは、英国のAIインフラ企業Nscaleとの間で、約450億ドル規模の計算資源調達契約を結んだことが分かりました。関係者がTechCrunchに明らかにしたもので、Nvidiaの新型Vera Rubinチップを活用し、2027年後半からAnthropicのサービスを支える計算力として稼働を始める見通しです。

契約は米メディア大手Bloombergが最初に報じたもので、契約期間は6年に及びます。供給元となるのは、Nscaleが保有する米ウェストバージニア州の主力データセンターです。2024年設立と歴史の浅いNscaleは、すでにMicrosoftなど大手企業とも契約を結んでおり、急速に存在感を高めています。

Anthropicはこの8カ月間、競合他社との競争を勝ち抜くため、計算資源の確保を積極化してきました。特に強く意識しているのが、生成AI分野で激しく火花を散らすOpenAIの存在です。今回のNscaleとの契約も、そうした一連の拡大戦略の一環と位置づけられます。

今月には、AIクラウド企業Voltaと100億ドル規模の契約を締結し、ノルウェーのデータセンターから6年間にわたり計算力の供給を受けることで合意しています。7月にも半導体大手AMDとの間で50億ドル規模の契約を結んでおり、調達網を着実に広げています。

5月にはSpaceXとの大型契約も明らかになり、2カ所のデータセンターから月額12.5億ドル相当の計算力を受け取っているとされます。さらに4月にはAmazonとの提携を拡大して追加5ギガワット分の電力・計算資源を確保したほか、GoogleやBroadcomとの関係も強化しました。

AI企業各社による計算資源の争奪戦は今なお続いており、Google、OpenAI、Metaといった主要プレーヤーも同様に大規模な調達を進めています。Anthropicにとって今回のNscaleとの契約は、こうした激しい競争環境を勝ち抜くための布石と言えそうです。

米Perplexityは25日、NvidiaのDGX SparkやRTX搭載Linux機上で完全にローカル動作する新製品「Portable Computer」を発表しました。データやAIモデルを端末内にとどめたまま処理を完結できるため、クラウド利用時に発生するトークン課金がかかりません。エージェント型AIの利用拡大に伴うコスト増や情報漏えいへの懸念に応える狙いがあります。

同製品は、Perplexityの企業向けAIエージェント基盤「Computer」をローカル環境向けに再構築したものです。モデルや推論エンジン、ツール群、セキュリティサンドボックスを一つのアプリにまとめており、従来は個別に構築する必要があったローカルAIスタックを簡単に導入できるようにしました。対応GPUは24GB以上のVRAMを搭載したRTXで、まずLinux版として提供し、Windows対応は9月を予定しています。

社内ベンチマークでは、27億パラメータのQwenモデルを使ったPortable Computerが82.6%のスコアを記録し、オープンソース製のハーネスを上回りました。Perplexity独自に追加学習したモデルでは85.4%まで向上しています。処理内容に応じて一部をクラウドの大規模モデルに引き継ぐ機能もあり、性能とコストの両立を図っています。

背景には、AIエージェントが長時間・大量のトークンを消費するようになり、クラウド利用料や機密データの流出リスクが企業にとって課題になっている事情があります。NvidiaにとってもDGX Sparkの用途を広げる狙いがあり、両社は昨年来のパートナーシップをさらに深めた形です。

一方で、現時点ではLinux版のみの提供にとどまり、対応GPUも24GB以上のVRAMを搭載したRTXに限られます。Apple製シリコンへの対応は予定されておらず、利用できる環境はまだ限定的です。Perplexityは公開したベンチマークが自社評価に基づくものであると認めており、今後の第三者検証が注目されます。

元Yandexの検索・AI・クラウド部門トップを務めたAndrey Styskin氏とドイツ人AI研究者のMatthias Petri氏が創業したスタートアップKeenableが、Accelが主導するシードラウンドで2600万ドルを調達したことを発表しました。Conviction Partnersや複数のエンジェル投資家も参加しており、AIエージェントが利用しやすいウェブ検索インフラの構築を目指します。

Keenableは既に1000億件を超える文書からなるウェブ検索インデックスを構築しており、そのAPIは複数のAI研究機関や推論プロバイダーの学習・推論の両方で本番運用されています。顧客名は明らかにされていませんが、音声AI企業Gradiumとの提携により、リアルタイムの情報検索機能も提供し始めています。

YandexとAmazonで20年にわたり検索インフラを手がけてきたStyskin氏は、既存のエンタープライズ検索がウェブ規模では高コストになりがちな点を課題に挙げます。特定用途に合わせて索引構造を最適化しなければ全ウェブを走査するコストは膨大になるため、クエリに応じて検索範囲を高速に絞り込む技術こそが同社の強みだと説明しています。

投資を主導したAccelのパートナー、Zhenya Loginov氏によると、GoogleとMicrosoftが既存の検索APIを終了させ、より限定的なパートナー戦略へと舵を切る中、AI企業がウェブ規模の検索インフラを確保できる選択肢は乏しくなっています。この状況が、Keenableのようなスタートアップにとって大きな事業機会になっているといいます。

Keenableは現在、複数のウェブ情報源を組み合わせて回答を導く新製品「Web Query Language」の開発も進めています。米欧に15人のエンジニアを抱える同社は、今回調達した資金を活用して年内に人員を倍増させ、事業展開を加速する計画です。Styskin氏は検索インフラの構築コストについて「非常に高くつく」と認めつつ、コストを抑えながら着実に規模を拡大する方針を示しています。

検索市場にはBraveやExaといった競合も参入しており、Google自身もAI時代に向けた検索体験の刷新を進めています。Styskin氏はGoogleから需要を奪うのは容易ではないとしつつも、エージェント向けクエリの領域では同社に勝機があるとの見方を示しており、Keenableは「AIエージェントのためのGoogle」を目指す姿勢を鮮明にしています。

OpenAIは先月、月額20ドルの契約者向けにChatGPT Workを公開しました。会計士や投資家、医師など、あらゆる職種の業務にAIエージェントを組み込むことを目指す製品で、受信箱やSlack、NotionやFigmaといった既存ツールと連携し、複数の作業を自動でこなせるようにします。同社のソティオ氏は「誰もが大きなアイデアを実現できるようにすることが使命だ」と述べています。

社内では6月時点で従業員の98%が同社のコーディングツールCodexを使っている一方、法人契約者の利用率は17%、個人契約者では1%未満にとどまっています。この差こそがOpenAIの乗り越えるべき課題です。エンジニア以外の従業員は当初、コードの差分ばかり示されるなど使いにくさを感じており、今年2月以降に汎用的な機能へ改良を重ねてきました。

長時間動くエージェントほど消費するトークン数が増えるため、OpenAIにとっては収益面でも好都合です。一方でHarveyやClayなど特定業界に特化したライバル企業は、モデルを固定せずその時々で最も性能の良いAIを組み合わせる戦略を取っており、専門分野の顧客を奪い合う構図になっています。

実際の利用では権限設定の分かりにくさが目立ちます。クラウドドライブへの読み取り専用アクセスを試みてもエラーが出たり、多くの設定がウェブ版でしか行えなかったりと、初心者には壁があります。効果設定を低くしたまま使うと期待外れの結果になりやすいとの声もあり、開発チームも使い勝手の改善が必要だと認めています。

この分野ではAnthropicのClaude Coworkが先行しており、対話を重ねながら選択肢を提示する設計が支持を集めてきました。OpenAIは当初モデルの自律性に頼りすぎて対話を軽視していましたが、その後は利用者との対話を重視する方向へ設計を転換しています。開発責任者は最終的な差別化要因は最新モデルの性能そのものだと強調しています。

利用者の中には4日間で8000万トークン超を消費し、想定コストが月額料金の3倍を超えた例もあり、事業として持続可能な価格設定が今後の課題となります。OpenAIは効率化を進めており、数カ月内には同じ作業をより低コストでこなせるようになるとしています。

NVIDIAは2026年8月24日、米カリフォルニア州パロアルトで開催中のHot Chips会議で、次世代基盤「Vera Rubin NVL72」の技術発表を行いました。NVLink FusionによるXPU接続強化、エージェントAI向け電力効率の改善、推論チップ「Groq 3 LPX」の量産開始が柱です。エージェントAIのトークン需要急増に対応する狙いです。

まず、NVLink Fusionは外部設計のXPU(カスタムAIチップ)をNVIDIAのNVLinkスケールアップ領域に接続する技術です。第6世代NVLinkにより、72基のXPUを結ぶドメイン内でXPU間転送のレイテンシーが従来のイーサネット構成に比べ3分の1に短縮され、パケットレートは10倍に高まりました。将来のロードマップでは最大1,152基のアクセラレータを結ぶ構成や、光配線をチップに直接統合する技術も計画されています。

次に、Vera Rubin NVL72はエージェントAI向けワークロードで、前世代のGB300 NVL72と比べメガワット当たりのスループットが最大30倍に向上したと発表しました。SemiAnalysisが実際のコーディングセッションを再現した「AgentX」ベンチマークで測定した数値で、トークン単価は最大35分の1まで下がるとしています。エージェントAIは文脈が数十万トークンに及ぶこともあり、電力効率の改善が導入コストに直結します。

さらに、推論向けラックスケールシステム「Groq 3 LPX」が量産段階に入ったことも明らかにしました。オープンソースのエージェントモデル「Gemma 4 31B」を用いたArtificial Analysisのベンチマークでは、10万トークン級の長文脈処理で毎秒3,400トークンを生成し、比較対象の中で最速の代替プラットフォームより4倍高速だったとしています。

業界各社の採用も進んでいます。SpaceXAIは次世代エージェントAI基盤にNVIDIA Vera CPUを採用すると発表し、CoreWeaveは複数スイッチでVera Rubinラックを接続する「Spectrum-X Multiplane」をすでに本番投入しました。クラウド事業者のNebiusは、Groq 3 LPXを採用する最初の企業になったとしています。

NVIDIAはこれらの発表について、単一のチップやネットワークではなく、計算・通信・推論を一体設計する「エクストリームコデザイン」がAI工場全体の性能を左右すると説明しています。トレーニングから推論・エージェント処理へと需要が移る中、スループットと応答性、コスト効率を同時に高める狙いがあるとみられます。

IBMは24日、半導体の技術カンファレンス「Hot Chips」で、Arm命令とIBM独自のZ命令を同じコア上でナノ秒単位に切り替えて実行できる新型メインフレーム向けプロセッサを発表しました。次世代のIBM Z・LinuxONEシステムに搭載される見通しで、銀行や保険会社などの基幹システムに、急拡大するArm系AIソフトウェア資産を直接統合する狙いがあります。

新型チップは11個の高性能コアを備え、KVMハイパーバイザーがArm64 LinuxとZ向けLinuxの仮想マシンを振り分けるたびに、コア自体が動作モードを切り替える仕組みです。IBMシステムズ開発担当CTOのクリスチャン・ヤコビ氏によると、切替に要する時間はナノ秒単位で、性能への実質的な影響はほぼゼロだといいます。2ナノメートルの最先端プロセスで製造され、基本周波数は5.7GHz超と業界屈指の速さを誇ります。

背景にあるのは、s390xアーキテクチャ向けに全ソフトウェアを個別移植する負担の大きさです。Arm陣営には世界で2200万人超の開発者がおり、2025年には主要クラウド事業者向け計算資源の約半分がArm系だったとされます。IBM Z・LinuxONE担当のティナ・タルキニオ最高製品責任者は、顧客が求めていたのは『デュアルアーキテクチャそのもの』ではなく、周辺ワークロードを素早く動かせる環境だったと説明しています。

今回はAIアクセラレータ「Spyre」の次世代版も同時に披露されました。従来はTelumチップによる取引内での不正検知など低遅延推論が中心でしたが、新型は大規模言語モデルを用いたエージェント型ワークフローや文書理解、保険査定業務にも対応する高性能仕様になるといいます。高帯域幅メモリーを搭載し、基幹データの近くでAI推論を実行できる点が強みです。

新チップは2025年に出荷されたz17の後継機に搭載される見込みで、IBMの製品サイクルから逆算すると2028年前後の投入が想定されます。タルキニオ氏は既存のZアーキテクチャを縮小するものではないと強調し、伝統的なZ系ハードウェアの開発も並行して続けると述べました。対応はまずLinux環境に限られ、実運用環境での性能や耐障害性の検証はこれから数年かけて進める段階だとしています。

IEEE上級会員のバラジ・イングール氏は、米ウィスコンシン州ミルウォーキーの電子商取引企業アムラ・コマースでプロジェクトマネージャーを務めています。同社の顧客企業が数千点の商品情報登録に2〜3カ月かけていた作業を、2週間で終えるAIエージェントの開発を主導しています。平日はAIによる業務改革を担い、週末は医療分野の独立研究者として活動する二刀流の技術者です。

イングール氏はプロジェクトマネージャー自身の業務効率化にもAIを活用しています。従来は週10〜12時間かけていたステークホルダー向け状況報告の作成を、メールを自動解析して要点やリスク、進捗をまとめるAIエージェントに任せています。これにより空いた時間を、より深い思考が必要な業務に充てられるようになったといいます。

本業の傍ら、イングール氏は約10年にわたりデータ分析と医療分野のAI応用に関する独立研究を続けてきました。これまでに40本を超える査読付き論文をIEEE Xploreに発表し、英国とインドで6件の特許を取得しています。特許には乳がん検出向けAIデバイスや、健康状態を常時モニタリングするクラウド接続型ウェアラブル端末が含まれます。

現在は麻痺があり発話が困難な患者向けに、扇風機やテレビの操作を可能にする脳波インターフェースの開発チームにも参加しています。イングール氏は、エンジニアがデータとAIを正しく用いれば診断の迅速化と精度向上に貢献できると同時に、大きな責任も伴うと語っています。査読プロセスを通じて専門家の指摘を受けることが、研究の質を高める上で欠かせないと考えています。

イングール氏は2022年にIEEEへ入会し、以来同組織を研究活動と専門家としての基盤の中心に位置づけています。会員名簿を通じて他の技術者と信頼できる形で連絡を取れることに加え、カンファレンスの座長や基調講演、査読委員などの役割も務めてきました。この活動を通じて築いた国際的なネットワークが、研究の相談やデータ共有の面でも役立っているといいます。

NVIDIAは2026年8月20日、クラウドゲーミングサービスGeForce NOWがFirefoxブラウザに対応したと発表しました。会員はアプリをダウンロードすることなく、Firefoxから直接ゲームをプレイできるようになります。学校や職場のパソコンなど専用アプリを入れにくい環境でも、高性能なPCゲームを気軽に楽しめる新たな選択肢が加わりました。

対応を利用するには、最新版のFirefoxをダウンロードし、専用ページのplay.geforcenow.comにアクセスするだけです。ローカルのストレージ容量を消費せず、インストールや大型アップデートを待つ必要もありません。GeForce NOW Ultimate会員であれば、最大1440p・120フレーム毎秒という高いパフォーマンスでプレイできます。

これまでGeForce NOWはWindows向けブラウザとしてChrome、Edge、Operaに対応してきましたが、今回Firefoxが加わり4つ目の対応ブラウザとなりました。ブラウザ経由でのプレイ環境が広がることで、より多くのデバイスからクラウドゲーミングにアクセスしやすくなります。

今週はFirefox対応と合わせて、新作を含む12本のゲームがGeForce NOWのライブラリに追加されます。目玉は第一次世界大戦を舞台にした25対25の大規模対戦ゲームGallipoliで、10種類の兵科と50種類以上の武器・装備を駆使した戦闘が楽しめます。ほかにも人気シリーズの新作などが続々とクラウドで配信される予定です。

Firefoxでの新機能を試したい場合は、GeForce NOWのデイパスから始めるのがおすすめです。デイパス購入後にPerformanceまたはUltimateの会員プランへアップグレードすれば、支払った料金を初回の会員費に充当することも可能です。

AI企業のLiquid AIは2026年8月20日、大規模言語モデル『LFM2.5』シリーズ向けに、推論を高速化する投機的デコード用ドラフトモデル「DSpark」を公開しました。GPU環境では最大3.18倍、オンデバイス環境では最大2.87倍のスループット向上を実現し、関数呼び出しを伴うエージェント処理の遅延も平均57%削減します。実装はllama.cppとSGLangに即日対応しました。

DSparkは、目標モデルの文脈情報をもとに複数のトークン候補を一括生成するDFlash型の並列バックボーンと、隣接トークン間の依存関係をモデル化する軽量な逐次ヘッドを組み合わせています。さらに各トークンの生存確率を予測し、費用対効果が低い候補を打ち切る信頼度スケジュール型の検証器を備えており、受理率を高めながら無駄な検証コストを抑える設計です。

新しいドラフトモデルはSFTやチャット、コード、関数呼び出しを含む多様なデータで学習され、パラメータ数は約3億に抑えられています。5層構成でブロックサイズ9のモデルを15エポック学習し、損失が最小のエポックではなく受理率が最も高いエポックを採用することで、実運用での高速化効果を最大化しています。

H100 GPUとSGLangを用いた検証では、LFM2.5-1.2Bで最大2.56倍、LFM2.5-8B-A1Bで最大3.18倍のスループット向上を確認しました。M4 Max搭載MacBookでの検証でも、LFM2.5-2.6Bはクラウド上の主要な商用モデルを上回る速度を実現し、オンデバイスでの対話体験を大きく引き上げています。

一方、MoE構成のLFM2.5-8B-A1Bはllama.cppのMetalバックエンドの実装上の制約により、オンデバイスでの改善幅は平均18%にとどまりました。検証にはMATH500やHumanEval、GSM8Kなど5種類のベンチマークを用いています。

貪欲法によるデコードでは、ドラフトが提案したトークンは目標モデルの分布と一致した場合のみ採用され、不一致の際は目標モデル自身の出力に置き換わります。そのため出力系列はベースラインと完全に一致し、pass@1などの精度指標も変化しません。DSparkのチェックポイントはSafetensorsとGGUF形式でHugging Faceに公開されており、開発者はすぐに試すことができます。

米国のデータセンター向け通信技術を手がけるRelativity Networksは8月19日、SAFE社債方式で2200万ドルを調達したと発表しました。Rhapsody Venture Partnersなど複数の投資家に加え、名前を明かしていない大手クラウド事業者からも4000万ドルの追加発注を獲得しており、高速光ファイバー技術への期待の高さがうかがえます。

同社が扱う「中空コア光ファイバー」は、光をガラス製の芯ではなく中心部の真空を通して伝送する技術で、従来型の光ファイバーより約50%速くデータを送れるとされています。CEOのジェイソン・アイヒェンホルツ氏によると、従来型ファイバーは1kmの伝送に約5マイクロ秒かかりますが、中空コア方式なら3.5マイクロ秒程度に短縮できるといいます。

AI向け計算がGPU数基規模だった時代には、こうしたわずかな遅延は問題になりませんでした。しかし計算規模の拡大とともにデータセンターの敷地は数百エーカー、複数の建屋にまたがるようになり、通信距離自体が課題になっています。アイヒェンホルツ氏は、複数のキャンパスをまたいで既存のデータセンターを結び、一つの同期したシステムとして稼働させる用途に特に商機を見出しているといいます。

「最大規模のシステムは、必要な電力を確保できる場所に計算を分散させています」とアイヒェンホルツ氏は語ります。「電力に余裕のある場所へ移動しつつも、全体としては一つの同期したマシンとして機能させる必要があるのです」。伝送遅延を50%減らせれば、遅延が問題になるまでの許容距離も50%広げられる計算になり、拠点配置の自由度が高まります。

データセンター開発には今後10年で最大4兆ドルが投じられると見込まれる一方、立地は電力網や政治的事情によって強く制約されています。アイヒェンホルツ氏は「AIの第一段階はGPUを増やすことに、第二段階はデータセンター内部のネットワークを最適化することに主眼が置かれてきました。次に来る第三段階は、地理そのものの最適化です」と述べ、通信技術が計算基盤の立地戦略を左右する時代に入りつつあるとの見方を示しました。

AIコーディング企業のWarpは18日、AIエージェントを使ったソフトウェア開発基盤「Warp Factories」を発表しました。企業が要件定義から実装、レビュー、検証までの開発工程をエージェントに任せられるインフラ層として提供し、独自に体制を構築する余力のない中小企業を主なターゲットに据えています。

Warp Factoriesは、トリアージ・仕様策定・実装・レビュー・検証というソフトウェア開発の標準的な5段階を土台に設計されています。エージェント方式のため、各工程を自動化するかどうかは企業側で柔軟に選択可能です。WarpのZach LloydCEOは、クラウド上でのエージェント運用やメモリ管理、評価基盤の整備を自前で構築するのは大掛かりなインフラ投資になると説明しています。

同様の取り組みは大手企業がすでに独自に進めています。決済大手Stripeは、社内コードベースを一貫して自動化する「ミニオンズ」システムを構築済みです。経費管理のRampも、デプロイ後のコードを監視するバックグラウンドエージェントを開発しており、Warp Factoriesはこうした先行企業の知見を後発企業にも展開する狙いがあります。

利用企業はCodexやClaude Codeなど好みのコーディングモデルとハーネスを選択でき、LinearやJiraといったチケット管理ツール、SlackやTeamsとも連携します。既存のワークフローに組み込みやすい設計となっており、エージェントの性能比較やトークン消費量の可視化、システム自体を改善する自己改善ループも備えています。

ただしWarp FactoriesはエンジニアをAIで完全に置き換えるものではありません。Lloyd氏は現時点で自動化できているタスクは週あたり30〜35%程度と述べ、人間の判断が必要な業務が依然として多いと説明しています。モデルや文脈理解、ハーネスの性能向上に伴い、この比率は今後も上昇していく見通しです。

Snowflakeは2026年8月、企業向けデータクラウド上のAIゲートウェイ「Cortex AI Gateway」に、タスクごとに最適なモデルへ自動で振り分ける動的モデルルーティング機能を追加しました。簡単な質問まで高性能モデルが処理してコストと応答速度が悪化していた課題を受けたもので、社内検証では一部の処理でトークン費用を最大3分の1まで削減できたとしています。

振り分けは主に二つの仕組みで動きます。一つは小型モデルがまず処理を試み、対応できない場合のみ大型モデルを呼び出すアドバイザー方式です。もう一つは過去の問い合わせ履歴を学習した分類器が、単純な質問を自動的に軽量モデルへ振り分ける仕組みです。企業は特定モデルへの固定も選べ、振り分け自体に追加料金は発生しません。

Snowflakeはこの振り分け機能を既存のデータガバナンス基盤と連動させています。ロールベースのアクセス制御はモデルの利用可否やエージェントの権限にも及び、中国発のオープンモデルを含む一部モデルは顧客が指定した地域内で処理される仕組みです。MCPコネクタ企業Natomaの買収により、外部ツールへの権限を細かく絞った連携も可能になりました。

同社が提供する文脈管理ツール「Horizon Context」や「Cortex Sense」も、コスト削減を後押ししています。あらかじめ十分な文脈を与えておけば、モデル自身が試行錯誤でSQLを書いたり検索を繰り返したりする必要が減り、より安価なモデルでも同じタスクをこなせるようになるためです。エージェントの利用履歴を記憶として蓄積し、次回以降の問い合わせに活用する仕組みも備えています。

モデルルーティングを巡っては、DatabricksやAWS、Google Cloud、Nvidiaなども同様の技術を相次いで発表しており、業界全体の潮流になりつつあります。専門家は、Databricksがデータ・ML基盤からの統治、Snowflakeがアクセス制御からの統治、OpenRouterなど中立的なゲートウェイがモデルの選択肢の広さを競う、三つの異なる陣営に分かれつつあると分析しています。どの仕組みを選ぶかは、自社のデータやチーム体制がどの統治モデルに合うかで決まるとしています。

中国Alibabaが公開した270億パラメータのオープンソースAIモデル「Qwen3.8-27B」が、今週、開発者コミュニティで大きな話題となっています。米OpenAIやGoogle、Anthropicによる最先端クラウドモデルではなく、無料でダウンロードできる軽量モデルへの注目が集まったのは異例です。クラウドAPIを使わずに高性能なコーディングや推論をこなせる点が、第三者の検証で裏付けられました。

独立系ベンチマーク機関Artificial Analysisの調査では、Qwen3.8-27Bは総合指数で52点を獲得し、米OpenAIの下位モデル「GPT-5.6 Luna」の最大推論設定と同じスコアとなりました。エージェント関連タスクを測るAgentic Indexでは51点を記録し、3カ月前に登場したばかりのClaude Opus 4.8の最大推論設定を上回っています。Alibaba自身の公表値でも、SWE-bench ProやLiveCodeBenchで先行モデルを上回る結果が示されていますが、検証方法の違いから単純比較には注意が必要です。

Qwen3.8-27Bの特徴は、画像・動画理解や26万トークンを超える長文脈処理、コーディング・エージェント機能を備えながら、動作に必要なハードウェアが比較的小さい点です。フル精度では約56GBのGPUメモリが必要ですが、4bit量子化を施すと容量は約17GBまで圧縮され、高性能なノートPCでも実行可能になります。開発者のSimon Willison氏はMacBook Proなどでの動作を検証し、コーディングエージェントとして実際に機能したと報告しています。

一方で、性能の高さは大量の思考トークンと引き換えになっている面もあります。Artificial Analysisの調査によれば、テスト全体で出力したトークン数は1億6000万に達し、同規模のオープンモデルの中央値である4300万を大幅に上回りました。Willison氏の検証では、簡単な画像生成タスクに21分を要した例もあり、通常利用では推論設定を控えめにすることを推奨しています。

AlibabaはApache 2.0ライセンスで重みを公開しており、企業は自社基盤の中でモデルを検証・改変・運用できます。データを外部に出さずにコーディングや文書解析、画像認識などの業務を処理できるため、プライバシーやガバナンス面でのメリットが期待されています。Hugging Faceの利用データでも、実際のダウンロードは大規模モデルより小型モデルに偏っており、Qwen3.8-27Bはその流れをさらに加速させる存在といえそうです。

Vercelは8月18日、クラウド型コード実行基盤「Vercel Sandbox」の隔離機構を突破できた研究者に対し、最大100万ドルを支払う公開バグ報奨プログラムをHackerOneで開始しました。期間は9月1日までの2週間で、報奨総額に達し次第早期終了します。AIエージェントが実行する未検証コードの安全性を、外部の目でも検証する狙いです。

Vercel Sandboxは、EC2のベアメタルホスト上でFirecracker型のマイクロVMを利用者ごとに割り当てる構造です。コンテナはさらにその内側で動作し、ゲストカーネルへのフルアクセスを許しても危険が及ばないよう設計されています。ネットワーク制御はマイクロVMの外側、ホスト側で行われる点が特徴です。

対象となるのは、マイクロVMを突破してホストや他利用者の領域へ到達するコンピュート境界の突破と、ファイアウォールを回避して許可外の宛先へ通信するネットワーク境界の突破です。単なるコンテナの名前空間からの脱出は対象外とされています。

報奨は1件あたり最大5万ドルで、他テナントのデータを読み書きできる脆弱性が最も高く評価されます。静的解析のみの報告は対象外で、実際に境界を突破する概念実証の提示が必須条件です。

Vercelは今回、自社CTOが安全策のないオープンウェイトモデルにSandboxを攻撃させた実験でも、脱出こそ許さなかったもののゲストカーネルの構造把握やファザー作成まで進んだ経緯を明かしています。攻撃側の技術の高度化を踏まえ、先手を打って弱点を洗い出す狙いです。

プログラム終了後は1か月かけて報告を精査し、確認された脆弱性は修正のうえ公表する予定です。発見された手法はSandboxの防御に恒久的に組み込まれ、すべての利用者を長期的に保護するとしています。

元AWS主任エンジニア3人が創業したxpanderは17日、企業向けAIエージェントの統制基盤を一般提供開始したと発表しました。モデルやエージェントフレームワーク、クラウド基盤を問わず、実行・権限・監査・記憶を一元管理できるベンダー非依存の制御層と位置付けており、急増するエージェントの統制不足という企業課題に応えます。

調査会社ガートナーによると、フォーチュン500企業が抱えるAIエージェントの数は2025年時点で平均15未満だったのに対し、2028年には15万超に達する見通しです。一方で、適切なガバナンス体制を整えていると答えた企業はわずか13%にとどまり、統制の空白が急速に広がっています。

xpanderは元AWSプリンシパルエンジニア3人が設立したスタートアップで、共同創業者兼CEOのデービッド・トゥイザー氏は、企業が抱える課題として「単一ベンダーへのロックイン」を最も深刻な問題に挙げています。同社は同時に、Pico Venture Partnersが主導し、Emerge Ventures、Samsung Next、SeedILが参加する750万ドルのシード資金調達も発表しました。

新プラットフォームの中核をなすのが、モデル・フレームワーク・クラウドを問わず動作するUniversal Harnessというランタイムです。LangChainやStrands、Agnoなど既存フレームワークで構築したエージェントを取り込めるほか、REST API、Python SDK、Model Context Protocolという3つの統合手段を開発者に提供します。

もっとも、モデル横断のポータビリティ自体はxpander独自の売りではありません。LangChainのLangSmithやCrewAI、Temporalに加え、OpenAIの「Frontier」やGoogleの「Gemini Enterprise Agent Platform」も同様の統制機能を拡充しており、xpanderはこれら競合に対し、フレームワークやモデル、クラウドをすべて代替可能な部品として扱う独立系の制御層という立ち位置で差別化を狙います。

制御層では、エージェントの実行権限や承認フロー、監査ログを一元管理し、ツール呼び出し時には資格情報をボルトから注入することでモデルへの直接露出を避けます。あわせて汎用エージェント「Omni」も一般提供を開始し、GAIAベンチマークで90.9%のスコアを記録したとしています。料金はクレジット制のホスティング版と、50エージェントから始まる年間契約のエンタープライズ版の2本立てです。