エネルギー（インフラ）に関するニュース一覧

フランスのAIスタートアップZMLは7月8日、オープンソースの大規模言語モデルをNvidiaやAMD、GoogleのTPU、Apple、Intelなど多様なチップ上で高速に動かせる推論サーバー「ZML/LLMD」を無償公開しました。特定メーカーへの依存（ベンダーロックイン）を打破し、企業やクラウドが安価で省電力なチップを自由に組み合わせられるようにする狙いです。チューリング賞受賞者のヤン・ルカン氏も同社を支持しています。

AIが業務や生活に浸透するにつれ、プロンプトを処理する推論の最適化はモデル学習を上回る重要性を持ち始めました。しかし創業者のスティーブ・モリン氏によれば、その内部はソフトやアーキテクチャの壁で継ぎはぎ状態にあり、ベンダーロックインを招いています。LLMDはこの壁を取り払い、多様なチップで最大速度を引き出すことを目指します。

この構想は市場の破壊要因にもなり得ます。ZMLは企業やクラウドに対し、より安価で省電力なチップを混在させる選択肢を提供し、AI関連コストへの懸念に応えたい考えです。「人々が自分のシステムを設計し、本当の効率化を実現する力を取り戻すのが狙いだ」とモリン氏は語ります。

モリン氏はSnapchatが2017年に買収した位置情報アプリZenlyのエンジニアリング担当VPを務めた実績を持ちます。その信用を背景に、20VCやグザビエ・ニール氏のKima Venturesなどから総額2000万ドルを調達しました。パリを拠点とするわずか20人のチームが素早い開発を支えています。

推論分野は「推論ゴールドラッシュ」と呼ばれるほど投資が過熱しており、評価額130億ドルのBasetenやvLLM開発陣のInferact、SGLang商用化のRadixArkが競合します。一方でLLMDはオープンソースではなく、まず無償で提供して利用実態を学ぶ方針です。株主にはDocker創業者のソロモン・ハイクス氏やHugging Faceの創業者らも名を連ね、欧州のAIスタートアップが地元から世界を狙える証しとなっています。

米WIRED記者のWill Knight氏は2026年7月8日、自宅で自己改良するAIを構築した体験を報じました。フロンティア研究所が超知能への近道として競う再帰的自己改良を、個人でも実践できるかを検証したものです。約1週間の実験の結果、答えは「驚くほど明確なイエス」だったといいます。

同氏はまず、著名研究者Andrej Karpathy氏が公開したツールAutoResearchを導入しました。Karpathy氏はOpenAI共同創業やTeslaのAI統括を経て、最近Anthropicに加わった人物です。記者は自宅のNvidia製DGXという卓上スーパーコンピューターと電力を提供し、Claudeにパラメーター調整や訓練の重労働を任せました。

初期の小型モデルは意味不明な出力を繰り返すだけでしたが、Claudeが自律的に改良を重ねるうちに、文章はより一貫性を帯びていきました。GPT-5には遠く及ばないものの、継続的に性能が伸びる道筋を示したと同氏は評価しています。

次に記者は、スタートアップPrime Intellectのツールを使い、論文を収集・要約する専用モデルを構築しました。Claudeが合成データを生成し、別のモデルが出力を評価、強化学習で精度を高める仕組みです。1日足らずで実用に近いモデルが完成したといいます。

同社CEOのVincent Weisser氏は、最近1500万ドルを調達したと明かし、再帰的自己改良を大手研究所だけでなく万人に開放したいと語ります。「一つの神のような知能ではなく、あらゆる領域に入り込む10億の知能が欲しい」と述べ、市場全体の創造性が少数の研究所を上回ると主張しました。

背景には、単一のフロンティアモデルへ過度に頼るリスクがあります。AnthropicがFable 5への一部要求を遮断した事例や、データと技術支配を手放す危険を警告する声も出ています。Adaptionなど同様のツールを提供する企業も現れ、特定業務向けの専用モデルを各社が自前で育てる流れが広がりつつあります。

マサチューセッツ工科大学（MIT）は2026年7月7日、理論素粒子物理学者のJesse Thaler教授を核科学研究所（LNS）の新所長に任命したと発表しました。就任は8月1日付で、10年間所長を務めたBolek Wyslouch教授の後任となります。Thaler教授は量子場理論と機械学習を組み合わせ、基礎物理学の未解決問題に挑む研究で知られています。

理学部長のNergis Mavalvala氏は、Thaler教授が大型ハドロン衝突型加速器における粒子ジェット研究で先駆的な成果を上げ、AIと機械学習を素粒子物理学に融合する分野のリーダーだと評価しています。科学がAI駆動の発見という新時代に入るなか、その協調的な研究姿勢がLNSに貢献するとの期待を示しました。

Thaler教授は2020年から、全米科学財団（NSF）が支援するAI研究所IAIFIの初代所長を務めてきました。同研究所は先ごろ、さらに5年間の支援継続が決まったばかりです。IAIFI所長の後任には、物理学教授のMike Williams氏が就く予定です。

LNSは今後、エネルギー省（DOE）のGenesis Missionを通じた新規プロジェクトの推進も見込んでいます。同ミッションはAIを活用した科学的発見に重点を置いています。Thaler教授は、衝突実験の膨大なデータ処理や理論計算にAIアルゴリズムが不可欠になりつつあり、その技術は物理学の枠を超えて価値を持つと語ります。

1946年に設立されたLNSは、現在では宇宙論や重力、場の理論、量子情報科学まで研究領域を広げています。Thaler教授は、IAIFIで培った分野横断型の育成の枠組みをLNSにも持ち込みたいとしています。若手研究者に領域や大学、キャリア段階を超えたつながりを築く自由を与える取り組みです。

米国の鉄鋼やレンガといった製造業が、AIデータセンターの急増する電力需要によって電気代の高騰に直面しています。ロイターの分析によると、13州を束ねる最大の送電網運用者PJMインターコネクションで容量価格が急上昇し、ラストベルトの工場の利益率を圧迫しています。これはトランプ大統領が掲げる「メイド・イン・アメリカ」による製造業復活の方針と真っ向から衝突しかねません。

象徴的なのが、オハイオ州で141年続くレンガ製造のベルデン・ブリック社です。同社の電気料金は月1,600ドルから1万2,000ドルへと跳ね上がりました。地域の月間容量課金が大幅に引き上げられたことが主因です。

鉄鋼業界が受ける打撃はさらに深刻です。米鉄鋼製造業者協会は、PJM圏に集中する鉄鋼各社が年間で数千万ドル規模の追加電力費を負担していると警告しました。電力費は鉄鋼生産コストの20〜40%を占め、電気アーク炉は1基あたり40〜200メガワットを消費するためです。

オハイオ州の鉄鋼大手Metallusは、2024年以降で電気代が70%上昇し、年間1,500万ドルの追加負担が生じたと説明しています。背景には、PJMの容量価格が2024年の1メガワット日あたり28.92ドルから、2026年に329.17ドルへと約11倍に高騰したことがあります。

皮肉なのは、データセンター建設が年間約100万トンの鉄鋼需要を生み、鉄鋼業界に恩恵ももたらしている点です。同じAIブームが、需要と電力コストの両面で製造業を揺らす構図となっています。トランプ政権はテック企業を後押ししつつ製造業復活も掲げており、政策の板挟みが鮮明になっています。

電力も通信も乏しい地域で、スマートフォン単体で動く小型AIが医療や農業を支える基盤技術として注目を集めています。米誌IEEE Spectrumは7月6日、アフリカで偽造薬を判別する携帯型端末を開発した起業家アデバヨ・アロンゲ氏らの取り組みを紹介し、世界銀行も助成金や政策で普及を後押ししていると報じました。巨大な生成AIが届かない世界の多数派に、実用的なサービスを届ける現実解として位置づけられています。

きっかけは2019年、アロンゲ氏が南アフリカで偽造薬検出システムを実演した際の失敗でした。データセンターが1万4千キロ離れた米国にあり、1回の判定に5分以上かかったのです。同氏はエンジニアに指示し、わずか2時間でAIをスマホ上で単独動作する軽量版に縮小しました。これが、ブロードバンドも安定電力もない場所で薬の真贋を数秒で判定する新型端末を生みました。

小型AIは、数十億以下のパラメータで動く言語モデルを指し、スマホやRaspberry Piで数ワットの電力で動きます。大型モデルから不要な部分を削る「プルーニング」や、大型モデルを模倣させる「蒸留」、精度を落とす量子化などで作られます。インドではドローンがカシューナッツの病害を機上で判別し、ブラジルではArduinoで心電図を計測するなど、特定課題に特化した実装が各地で広がっています。

世界銀行は小型AIを「有望な潮流」と評価し、助成金やメンター制度、途上国向けの政策整備で普及を支援しています。総裁のアジェイ・バンガ氏は今年1月のダボス会議で、生成AIには膨大な計算資源と電力、人材が必要で、先進国以外ではインドと中国を除きその条件が整わないと指摘しました。最貧国でChatGPTを使ったことのある利用者はわずか0.7%で、先進国の4分の1と大きく開いています。

普及を支えるのは技術の進展です。神経処理ユニットを備えたスマホが増え、2025年には全出荷の3分の1超が生成AIを動作でき、2026年末には45%、2027年末には過半に達する見込みです。オープンウェイトのGoogle DeepMind「Gemma 4」やアリババ「Qwen 3.5」は再学習が容易で、特定業界向けの調整に適します。一方でアロンゲ氏は、小型AIも定期的な更新や安定電力を必要とし、インフラや人材育成への長期投資がなければ持続しないと釘を刺しています。

エヌビディアは7月6日、各国がAIを戦略的優先課題に活用する動向を解説したブログを公開しました。生成AIやエージェント型AIの台頭を受け、各国が国産インフラと現地データで独自の基盤モデルを構築する主権AIの潮流を強調しています。同社は国家AI戦略に不可欠な5つの要素を提示し、7月7〜10日にジュネーブで開くAI for Goodサミットに合わせて発表しました。

同社は、データが入り知能が出力される次世代データセンターを「AIファクトリー」と定義しました。創業者兼CEOのジェンスン・フアン氏は「AIファクトリーは世界の近代経済の基盤になる」と述べています。各国は国有通信事業者や電力会社と連携してAIクラウドを運用したり、地域のクラウド事業者を支援したりと、多様な方式で国内の計算能力を整備しています。

国家AI戦略の5要素として、経済成長や安全保障に直結するAIの必要性、STEM教育などによる人材育成、現地データで訓練された基盤モデル、投資家や開発者による地域エコシステム、そして自国が所有・運用するAIファクトリーを挙げました。モデルの現地化により、方言や文化的背景を踏まえた出力が可能になるとしています。

実例も紹介されました。フランス経済・財務省ではAIエージェントが数百万件の文書を処理し、文書検索を2日から2分に短縮、1万人の従業員で200万ユーロを節約しました。インドのサーバムは国内インフラ上で22の公用語に対応する多言語モデルを提供し、ブラジルのウィデラブスは司法サービスの近代化を進めています。

エヌビディアは2019年から「AI Nations」構想を通じ、各国のAIエコシステムと人材育成を支援してきました。同社は、国産インフラと現地の人材を社会的価値に変える取り組みが世界各地で広がっていると位置づけ、信頼できるAIの重要性を訴えています。

AIインフラの拡大が、消費電力量だけでなく電力需要の性質そのものを変えつつあると、技術誌IEEE Spectrumが2026年7月3日に報じました。国際エネルギー機関はデータセンターが今後10年で世界の総電力消費の3〜4%を占めると試算しますが、記事が指摘するのは規模ではなく、需要が時間と場所の両面で急激に変動する「振る舞い」の問題です。送電網の運用者にとって、これは新たな課題を生んでいます。

従来の送電網計画は、産業・商業・家庭の需要が比較的予測可能なプロファイルに従うことを前提としてきました。しかしAIの計算負荷はこれと質的に異なります。モデルを作る学習はGPUやTPUのクラスタ全体で高度に同期し集中する一方、モデルを使う推論は分散的でユーザー主導のため、需要の予測がいっそう難しくなります。

送電網から見ると、これは単なる需要増ではなく、より急峻な需要です。高密度な計算負荷はミリ秒単位で電力消費が段階的に跳ね上がり、予備電源や周波数制御機構、局所的な送電インフラに追加的な応力をかけます。事業者はすでに蓄電池やスーパーキャパシタなどの緩和技術を導入していますが、需要側から生じるこの変動は、風力や太陽光の供給側の変動とは異なる性質を持ちます。

問題は計算活動が地理的に集中するとさらに深刻になります。データセンターは光ファイバー接続や税制優遇、低い電気料金を求めて特定地域に集まり、「データセンター街」と呼ばれる米バージニア州北部が代表例です。同州の電力会社Dominion Energyはハイパースケール需要の急増を計画文書で繰り返し指摘しており、狭い地域での急激な消費増が変電所や送電回廊、局所的な需給調整に応力をかけます。

根本的な課題は、既存の規制・運用の枠組みが安定した産業需要を前提に設計されている点です。テキサス州のERCOTなどはデータセンターを含む大規模柔軟負荷の影響を公に認めていますが、送電網の拡張は四半期ではなく年単位で進みます。計算インフラは急速に拡張できても電力インフラはできないという構造的なずれが、規制の再評価と需要応答など運用面の適応を迫っています。記事は、AI開発を減速させるのではなく、ハイパースケール計算を新たな電力需要のカテゴリーとして認識する必要があると結んでいます。

半導体大手のNVIDIAは2026年7月2日、AIクラウド事業者と収益を分配する新たな事業モデルを発表しました。資本集約的な計算基盤に手が届きにくかった新興企業やモデル開発者に、大規模な高速計算資源を素早く提供する狙いです。AIが開発段階から本番の推論運用へ移り、トークンを大量生成する「AIファクトリー」への需要が急拡大している状況に対応します。

新モデルでは、AIクラウド事業者がNVIDIA製の基盤を調達し、AIネイティブ企業や事業会社、ISV向けにクラウドサービスとして販売します。NVIDIAは通常の製品収益に加え、対象容量のクラウド収益の一部を受け取る仕組みです。信用支援も組み合わせることで、長期契約でも資金調達が難しかった新興勢の計算アクセスを開きます。

この構造はNVIDIAにとって、成長著しいAIネイティブ領域での基盤採用を加速させると同時に、利用量に連動した継続的な収益源を生み出します。利用者側は、用地選定や電力調達、建設、機材立ち上げを待たずに、フルスタックの高速計算へ早く到達できる利点があります。

取り組みはすでに動き出しており、Sharon AIとFirmusが初期の協業企業として名を連ねます。Sharon AIはNVIDIAのGrace Blackwell GB300を最大4万基導入し、大規模かつ主権的なAI計算基盤の構築を進める方針です。

FirmusはインドネシアのバタムでDSX準拠のAIファクトリー拠点を建設中で、最大360メガワット、17万基のGPU規模まで拡張する計画です。BasetenやFireworks AI、Together AIといったAIネイティブ企業も、モデル学習や大量のエージェント推論に向けたクラウド容量の即時利用を求めており、需要の広がりを示しています。

Googleは7月2日公表の最新の環境報告書で、2025年の年間電力消費が前年比で37%増加したと明らかにしました。これは同社史上最大の伸び幅で、シリコンバレーで続くAIデータセンターの増設が主因です。前年の2024年も27%増えており、拡大傾向が加速しています。

電力消費の大半を占めるのがデータセンターです。2025年の消費量は4200万メガワット時超に達し、前年の3060万メガワット時から大きく伸びました。この規模はニュージーランドやデンマーク、ナイジェリアといった一国全体の電力消費に匹敵します。

同社の総電力消費は2019年比で250%以上増えています。Googleはこの急増を、Google Cloudの成長やYouTubeの動画配信、そして各種AI製品を支えるデータセンターの建設と運用によるものだと説明しました。

電力消費が急増する一方で、Googleは運用時の排出量を同期間で2%削減したと報告しました。大量のクリーンエネルギーを購入し続けたためで、電力使用の増加と排出量を切り離す動きは有望だとしています。ただし今後はクリーンエネルギー投資と地域との連携強化が必要だとも認めました。

しかし課題も残ります。契約先の製造業者やサプライヤーからのサプライチェーン排出量は、脱炭素電源が不足するアジア太平洋地域の電力網を背景に25%増加しました。この結果、Googleの野心基準による総排出量は2024年から2025年にかけて18%増えています。

SpaceX創業者のイーロン・マスク氏が2026年1月、ダボス会議で「2、3年以内にAI計算の最安の場所は宇宙になる」と述べ、低軌道に最大100万基の衛星から成る軌道データセンター構想を米連邦通信委員会（FCC）に申請しました。IPO直前には新型のAI1衛星データセンターの初期設計仕様も公表しています。しかしIEEE Spectrumは、この壮大な構想が実現にはほど遠いと分析しました。

最大の壁は規模の非現実性です。現在軌道上で稼働する衛星は約1万4500基で、その3分の2をStarlinkが占めます。100万基を打ち上げるには、60基積載可能なStarshipでも約1万6666回の打ち上げが必要で、2025年の記録である年165回の10倍でも10年かかる計算です。製造面でも年約4000基のペースを10倍にしても25年を要します。

技術面では宇宙での冷却が難関です。新興企業Starcloudが打ち上げたNvidiaのH100を1基動かすだけでも、放熱器の能力不足でチップをフル稼働できませんでした。700ワットのH100には60度で1.4平方メートルの放熱器が必要で、100メガワット級のデータセンターには巨大な放熱翼が2500枚必要となり、天文学者は星空が覆い隠されると懸念しています。

ではなぜハイパースケーラーは軌道データセンターを喧伝するのでしょうか。同誌の編集者は、マスク氏がxAIでデータセンターを建設し、SpaceXで宇宙へ運び、Teslaで太陽光パネルを作る構図を指摘し、「自分自身に支払っているようなもの」と述べました。地上のグリッド電力の逼迫を背景に、構想が理論から資本配分の段階へ移りつつあると評価するアナリストもいますが、打ち上げ費用や保守、採算性など根本的な課題は未解決のままです。

半導体大手NVIDIAは2026年6月30日、パートナー企業と共に米国内でAI基盤の製造を大規模に拡大する計画を明らかにしました。TSMCやFoxconn、Wistronなどと連携し、最大5000億ドル規模のAIインフラを米国内で生産する方針です。同社創業者のジェンスン・フアンCEOは「AIは米国の製造業と供給網を再活性化する、世代に一度の好機だ」と述べました。

計画の中核は、先端半導体の国内回帰にあります。すでにアリゾナ州フェニックスのTSMC工場ではNVIDIAのBlackwellチップが量産段階に入り、テキサス州ヒューストンのFoxconn、フォートワースのWistronでもAIシステムの製造拠点が計画されています。供給網は43州に広がり、半導体から基板、ラック、冷却まで幅広い部品を担う体制が整いつつあります。

経済への波及効果も大きいと見込まれています。調査会社Public Firstの試算では、2026年だけでNVIDIA主導のAI需要が米国のGDPを4850億ドル押し上げ、10万人を超える雇用を支えるとされます。電気工事士や配管工、建設作業員など直接雇用に加え、供給網全体で間接雇用も生まれます。テキサス州シャーマンでは、光部品大手Coherentが1000人規模の雇用を生む新工場を着工しました。

この基盤整備の目的は、チップそのものではなく、AIが可能にする成果の加速にあります。医療分野ではAbridgeが300超の医療機関で臨床記録を自動化し、科学分野ではNVIDIAとOracle、米エネルギー省がアルゴンヌ国立研究所で新たなスーパーコンピューターを構築しています。フアン氏は「AIは究極の汎用技術であり、あらゆる産業に影響する」と語りました。

一方で同社は、エネルギー供給や送電網の信頼性、水利用、地域への配慮といった責任ある建設も重視しています。最新のRubin世代インフラは世界で初めて100%液冷を実現し、電力需要を柔軟に調整するデータセンターの開発も進めています。米国の製造業復権とAI活用の両立が、今後10年の焦点となりそうです。

人工知能の普及が世界の計算需要を押し上げる一方で、それを支える電力システムという新たな制約が同じ緊急度で浮上しています。オーストラリアのメルボルンは、この課題に対し単なる参加者ではなく、解決策を定義する世界的な拠点へと動き出しています。米IEEEの技術誌が現地の取り組みを報じました。

焦点となるのは電力需要の急増です。同国のデータセンターは2035年までに国内電力消費の最大11%を占めると予測され、発電・送電・系統信頼性への圧力が高まっています。IEEE電力エネルギー協会は、AIとデジタル基盤の需要への対応を、今後10年で技術者が直面する最重要課題の一つに挙げています。

メルボルンが位置するビクトリア州は、再生可能エネルギーの発電、蓄電池、送電網の近代化を統合した先進的なエネルギー生態系を築いてきました。強みは個々の技術ではなく、それらをシステム規模で結びつける点にあります。政府・産業・大学の連携が、電力と計算基盤を一体で設計するAI時代に不可欠だからです。

この能力の中心にあるのがメルボルン大学です。同大工学部長のニルマラサス教授は「課題はもはや計算能力だけでなく、それを支える電力システムだ」と指摘します。同大のスマートグリッド研究所では、太陽光や蓄電池、電気自動車が将来の送電網でどう相互作用するかを実時間でシミュレーションできます。

同大はジョンズ・ホプキンス大や英インペリアル・カレッジと並び、気候変動とクリーンエネルギーに関する世界7拠点の一つを共同で主導しています。さらに2027年には、世界の技術者や政策担当者が集うIEEE PESの送配電会議「GTD Asia 2027」をメルボルンで開催予定です。こうした国際会議が、大規模なエネルギー転換に向けた協働の場になると期待されています。

俳優で投資家のアシュトン・カッチャー氏が、11年前にゲイ・オセアリー氏と共同創業したSound Venturesを退き、新たなVCファンドを立ち上げます。米ウォール・ストリート・ジャーナルが報じました。新ファンドはモーガン・ベラー氏との共同創業で、社名はまだ公表されていません。

共同創業者のベラー氏は、直近までシード特化VCのNFXでゼネラルパートナーを務めた人物です。かつてはメタで暗号資産プロジェクト「Libra」を共同で率い、著名VCのアンドリーセン・ホロウィッツでも約3年間パートナーを務めました。豊富な経験を持つ実力者と言えます。

今回の退任は、Sound Venturesの不振を示すものではありません。同社はBrexやGustoに出資したほか、OpenAIやAnthropic、フェイフェイ・リー氏のWorld Labsにも早期投資してきた実績があります。退任の背景には、どの成長段階のスタートアップを狙うかという方針の違いがあったとされます。

注目すべきは、この分裂がAIマネーの次の行き先を映す点です。Soundが有力AIラボへの集中投資で名を上げたのに対し、カッチャー氏の新ファンドはそれらを支える基盤層、すなわちインフラやエネルギーを狙う構えです。両氏はAIインフラ、エネルギー、ディープテック分野へのアーリーステージ投資に注力します。

退任後もカッチャー氏はSound Venturesの助言役を続け、オセアリー氏とゼネラルパートナーのエフィー・エプスタイン氏が新ファンドに助言する体制です。円満な関係が保たれていることがうかがえます。

AIチップ新興企業のEtchedは6月30日、Nvidiaに対抗する推論特化型チップで契約受注額が10億ドルに達したと発表しました。同社は2024年にTSMCがチップ量産に成功し、現在は最初の製品を顧客とテスト中です。直近の資金調達では評価額が50億ドルに達し、累計調達額は8億ドルに上ります。

同社が提供するのは「フロンティア推論クラスター」と呼ぶシステムです。これはチップに加え、専用設計のラックとソフトウェアを束ねた製品で、最先端モデルの推論を競合より高速かつ低コストで動かすことを狙います。推論はユーザーがプロンプトを送った後の処理で、現在AIサービス提供の最大のボトルネックでありコスト要因となっています。

Etchedは2022年に設立され、5億ドルの調達ラウンドを昨年12月に完了しました。このラウンドはStripesが主導し、Jane StreetやHudson River Trading、Two Sigmaなどが参加しています。さらにエンジェル投資家としてAndrej Karpathy氏、Geoffrey Hinton氏、Fei-Fei Li氏ら著名人が名を連ね、資本構成にはPeter Thiel氏も含まれます。

創業者のCEOガビン・ウベルティ氏と社長ロバート・ワッヘン氏は、ともにハーバード大学を中退してThielフェローとなり同社を立ち上げました。2023年当時は専用チップの必要性を訴える30ページの提案書を用意しても投資家の関心を得られず、資金が尽きかける月次運営を強いられていたといいます。

現在の資金環境は当時と大きく異なります。推論を高速化するチップ技術に投資家の関心が集中し、競合のCerebrasは年内初の大型IPOを実現し、Groqも6.5億ドルを調達しました。Amazonやグーグル、マイクロソフトが自社チップを開発し、OpenAIもBroadcom製の初の独自チップを発表するなど、チップ開発競争が一段と激しくなっています。

Googleは2026年6月30日、11回目となる年次環境報告書を公開し、2025年の持続可能性の実績を明らかにしました。同社はこの1年で純増12GWのクリーンエネルギー契約を結び、電力需要が前年比37%増という過去最大の負荷増にもかかわらず、運用上の排出量を2%削減したと報告しています。AIの拡大と環境配慮をどう両立させるかが、報告書全体の焦点となっています。

クリーン電力の調達面では、Googleは世界有数の法人購入者としての地位を示しました。2010年から2025年までに240件超の契約を通じて約35GWの新規クリーン電力を確保し、これは米国の2800万世帯分の電力に相当します。電力消費の100%を再生可能エネルギー購入で賄う状態を9年連続で維持した点も強調されました。

排出削減の効果も具体的な数字で示されています。ハードウェアやソフトの効率化、クリーン電力調達によって、2025年だけで5800万トン超のCO2換算排出を回避したとしています。こうした施策がなければ、同社の排出量は5倍に膨らんでいた計算です。AIを活用した9つのソリューションは、都市やパートナーと合わせて推計4100万トンの削減を実現し、これはGoogle自身の排出量のおよそ3倍にあたります。

一方で、達成の難しさも率直に語られています。サプライチェーンの排出量は前年比25%増となり、新たなAIインフラの規模拡大と、脱炭素電力が不足するアジア太平洋地域の送電網が要因とされています。AIインフラの構築が送電網の脱炭素化を上回る速さで進んでいる点が、課題の核心です。

Googleは送電網への接続待ちや市場の分断、供給網の遅延、規制上の障壁が、新たなカーボンフリー電力の導入を遅らせていると指摘します。それでも同社は原子力や次世代地熱、核融合といった先進的なエネルギー源への投資を続け、技術と並行して戦略を見直しながら、気候目標と現実的な成果の両立を目指す方針です。

IEEE Spectrumは2026年6月29日、研究者がありふれたMOSFET1個を脳のニューロンのように動作させることに成功したと報じました。きっかけは2024年、学生が実験中にトランジスタの基板端子をつなぎ忘れたという単純なミスでした。すると電圧を下げると自然に戻るヒステリシス特性を伴う急峻な電流増加が現れ、これが生物の神経細胞によく似た挙動だったのです。

なぜ普通のトランジスタが神経のように振る舞うのでしょうか。鍵は通常は接地され注目されない第4の基板端子にありました。端子が浮いていると、電子と原子の衝突で生じた正孔が基板に溜まって電圧が上がり、MOSFETの中に隠れた別のトランジスタが作動して電流が一気に跳ね上がります。この蓄積・発火・放出の周期が、神経細胞の積分発火動作とそっくりだと判明しました。

さらに研究チームは、同じMOSFETがシナプスとしても機能することを発見しました。特定の基板抵抗の条件で電荷がゲート絶縁膜に捕捉され、素子のコンダクタンスを安定的かつ任意に調整できたのです。ニューロンとシナプスを組み合わせたこの素子は、神経シナプス型RAM（NSRAM）と名付けられました。

この成果がAIにとって重要なのは省電力性です。データセンターのGPUは1台あたり最大1000ワットを消費し、脳に比べ約100万分の1の効率しかありません。従来の脳型チップはニューロン1個に数十から数百個のトランジスタを要しましたが、新手法ならわずか1〜2素子で同じ働きを実現できます。

実用面の強みも明確です。実験的なメムリスタなどと違い、この技術は既存のシリコン製造ラインとそのまま互換で、別ファウンドリのチップでも歩留まり100%とほぼゼロのばらつきを再現しました。20年来多くの企業が挑んできた課題を、最も安価で標準的なMOSFETで解決した形です。

今後はデバイスの計算モデル改良や回路・システム全体の検証、複数回の試作が必要で、道のりは平坦ではありません。まずはバッテリー駆動のエッジAI向けが有力ですが、規模を拡大できれば将来は最先端GPUと競い得る、AIの環境負荷を下げる選択肢になりそうです。

宇宙開発企業の米Fireflyは2026年後半に打ち上げ予定の月探査ミッション「Blue Ghost Mission 2」で、NVIDIAのエッジAIプラットフォーム「Jetson」を月周回軌道上で初めて稼働させます。同社の月面撮像サービス「Ocula」に組み込まれ、月を周回するElytra衛星上でAI処理を担います。

従来の宇宙センシングは、センサーが集めたデータを限られた無線帯域で地上に送り、CPUベースの処理に数日から数週間かける流れでした。これに対しOculaは軌道上でAI推論を直接実行し、必要な情報だけを地球へ送ることで遅延と高コストな通信を大幅に削減します。

Oculaは紫外線と可視光の帯域で画像を取得し、Elytra上で処理した結果を太陽光発電を電源とするJetsonモジュールで自律送信します。用途は将来の有人・無人ミッション向けの着陸地点の地図作成や、エネルギー応用が期待されるイルメナイトなど鉱物組成の検出に及びます。

顧客にはNASAや米宇宙軍に加え、月からの資源・電力供給を狙う鉱業・エネルギー企業が含まれます。NASAが今後数年で約30件のロボット着陸ミッションを計画する中、軌道上AIを前進させる機会は加速しているとFireflyのジェイソン・キムCEOは説明します。

高解像度望遠鏡は米ローレンス・リバモア国立研究所が製造し、Jetsonモジュールを搭載した状態で4月にElytra衛星への適合確認を終えました。Fireflyは後続ミッションでもOculaセンサーを飛ばし、Vera Rubinモジュールなど新型基盤を取り入れながら技術を改良していく方針です。

MITとMicrosoftの研究チームは2026年6月25日、複数のAIモデルやツールを連携させるエージェント型ワークフローの設計と実行を自動最適化するシステム「Murakkab」を発表しました。開発者が自然言語でやりたいことを記述するだけで、最適なモデルやツール、ハードウェア構成を自動で決定し、計算資源の無駄を抑えます。

従来は開発者が使用するAIエージェントやモデル、ツールに加え、実行順序やハードウェアまですべて手作業で指定する必要がありました。組み合わせの選択肢が膨大なうえ、各社のブラックボックス型モデルが混在するため、最適な構成を人手で見つけるのはほぼ不可能でした。新モデルが登場するたびに一から作り直す手間も生じていました。

Murakkabは開発者の意図を高レベルで受け取り、最適なモデルとツールの組み合わせを自動で特定します。逐次実行すべき処理と並列実行できる処理も判別し、性能を高めます。クラウド事業者が利用者に展開する際には、精度や遅延などの制約に合わせてハードウェア割り当てを動的に最適化します。

動画Q&A;やコード生成のワークフローで検証した結果、利用者の要件を満たしつつ計算量は他手法の約35%、消費電力は約27%、コストは25%未満に抑えられました。ある事例では精度の低下を約2%にとどめながら、消費電力を1桁以上削減したといいます。研究チームは今後、より複雑なワークフローや大規模クラスタへの拡張を目指す方針です。

IBMは2026年6月25日、AIデータセンター向けに「世界初の1ナノメートル未満チップ技術」を開発したと発表しました。新アーキテクチャは爪ほどの大きさのチップに約1000億個のトランジスタを集積でき、前世代のほぼ2倍の密度を実現します。これにより演算性能とエネルギー効率が同時に高まるといいます。

IBMリサーチのディレクター、ジェイ・ガンベッタ氏は事前のメディア説明会で「単なる漸進的な一歩ではなく、意味のある飛躍だ」と述べました。同氏はこの技術を「電力消費を増やさずに計算能力を大きく高める未来を指し示すもの」と表現しています。

ただし「1ナノメートル未満」という表現には注意が必要です。物理的な限界により1ナノメートルより小さい構造を持つチップを安定して量産することは現実的ではなく、IBMは新しい「ナノスタック」構造によって、そうした微細チップが実現できた場合に期待される性能向上を達成できると主張しているにすぎません。

IBMはこの技術を0.7ナノメートルノードで製造したとし、1ナノメートルが10オングストロームに相当することから「7オングストロームノード」と名付けました。もっとも、こうしたノード名は実際のチップ構造の寸法とは無関係です。1970〜80年代のチップは名称の数値と物理寸法が一致していましたが、3ナノメートルや2ナノメートルといった近年の世代では何十年も前からそうではなくなっています。

元Databricks AI責任者のNaveen Rao氏が率いる新興企業Unconventional AIが6月25日、初のAIモデル「Un-0」を公開しました。振動子（オシレーター）ベースの新しい計算アーキテクチャを用い、AI推論にかかる電力を最大で1000分の1に削減できると主張しています。同社は技術詳細をまとめた論文も同時に発表しました。

Un-0は画像生成システムで、Stable DiffusionやOpenAIのGPT Image 1に並ぶ品質の画像を生成できるといいます。注目点は、従来のチップやLLMを支える計算基盤とはまったく異なる振動子ベースの設計で同等の性能を実現したことです。Rao氏はこれを「新しい種類のコンピュータのhello world」と表現しました。

ただし現行のUn-0は、同社の振動子チップをソフトウェアで模擬したシミュレーション上で動作しています。同社は実チップの設計図を近く公開し、その後はチップを組み込んだ推論基盤を一から構築して、最終的には他事業者と同様に計算資源を提供することを目指します。「プロンプトを受け取り推論を返す処理を、1000分の1の電力で行う」とRao氏は語りました。

従業員50人未満の企業には野心的すぎる目標にも見えますが、AIインフラ投資の規模と推論需要の拡大を踏まえれば課題に見合う数少ない取り組みだとRao氏は考えます。「AIのスケーリングが難しいのはエネルギーが原因で、今後数年で根本的な限界になる」と述べ、電力こそがAIの最大の制約になるとの見方を示しました。

OpenAIは2026年6月24日、半導体大手Broadcomと共同開発した初の自社AIチップ「Jalapeño（ハラペーニョ）」を公開しました。同チップはAIの推論処理に特化したASIC（特定用途向け集積回路）で、ChatGPTやCodexなどのサービスを動かすサーバー向けに設計されています。早期テストでは、電力当たりの性能が現行の最高水準を大幅に上回る見込みだと説明しました。

Jalapeñoは、汎用チップを転用したものではなく、LLMの推論に最適化してゼロから設計された点が特徴です。OpenAIがモデルやサービング系の知見をもとにチップアーキテクチャを設計し、Broadcomがシリコン実装やネットワーク技術、Celesticaが基板やラックなどのシステム統合を担いました。試作チップはすでに研究室で量産想定の周波数と電力でMLワークロードを実行しており、コーディング向けの「GPT-5.3-Codex-Spark」も動作しているといいます。

今回の最大の狙いは、Nvidia製GPUへの依存を減らすことにあります。Nvidiaのチップは供給が限られており、OpenAIは自社設計によって推論コストの引き下げと安定供給を目指します。BroadcomのHock Tan最高経営責任者（CEO）はReutersのインタビューで、JalapeñoはNvidiaの「Blackwell」やGoogleのTPUに匹敵する性能だと述べました。

開発スピードも注目点です。OpenAIとBroadcomの提携は2025年10月に発表されており、設計から製造のテープアウトまでわずか9カ月で到達しました。OpenAIは、これを高性能半導体で過去最速のASIC開発サイクルだと位置づけ、自社のAIモデルが設計や最適化の一部を支援したと説明しています。

Jalapeñoは複数世代にわたる計算基盤の第一歩にすぎません。Hock Tan CEOは、Microsoftをはじめとするパートナーと組み、2026年からギガワット規模のデータセンター展開を可能にすると述べました。初期配備は2026年末を見込み、以降数世代にわたって拡張していく計画です。

MicrosoftやMeta、Amazonなども自社向けAIチップを相次いで投入しており、推論の効率化はAIの経済性を左右する鍵になりつつあります。事前学習などの重い処理は引き続きNvidia製ハードに頼るとみられますが、推論コストのわずかな削減でもOpenAIの収益改善に大きく寄与する可能性があります。

半導体大手のNVIDIAは6月23日、ドイツ・ハンブルクで開催のスパコン会議ISCで発表された最新ランキングで、世界の高速スパコン上位500システムのうち400超、つまりTOP500全体の81%を同社技術が支えていると明らかにしました。前回から17システム増え、新規参入では約9割がNVIDIA基盤でした。

勢いの背景には、AIと科学計算を同時にこなす設計への明確な選好があります。NVIDIA系システムはTOP500全体で、他の全プラットフォーム合計に対しAI学習で2倍超、推論で約3倍のスループットを実現するとしています。GPU搭載は過去最多の238システム、ネットワーク接続も最多の376システムに達しました。

同社の存在感はGPUやネットワークにとどまらず、CPUにも広がっています。自社CPU「Grace」の採用は前回比8増の26システムとなり、累計出荷は約250万個に上ります。GPUとGrace CPUをメモリ共有する「Grace Hopper Superchip」は、メモリ集約的な現代AIの需要に向けた設計です。

省電力性能を測るGreen500でもNVIDIAは上位を独占しました。上位8システムすべてがGPUを搭載し、首位はフランス・トゥールーズ大学のGrace Hopper採用機KAIROSで、1ワットあたり73.3ギガフロップスを記録しました。

欧州では記録的な35基のAI向けHPCスパコンが開発中で、欧州初のエクサスケール機JUPITERは人間の脳や気候、次世代6Gのシミュレーションに活用されています。最新世代のBlackwellアーキテクチャ採用機もアジアや欧米で登場し、日本でも初のGB200システムが稼働を始めました。

米マサチューセッツ工科大学（MIT）の研究チームが2026年6月、わずか約6ミリワットの電力で周囲の詳細な3次元地図をリアルタイムに作成できる新型チップを発表しました。消費電力は1個のLED程度にとどまり、バッテリー容量の限られた小型自律ロボットでも、障害物を避ける衝突回避経路を計画できるようになります。

従来、精密な3D地図の生成には大きな電力と大容量メモリを要しました。画像を立方体の画素「ボクセル」として保存し、各画素を何度も処理する必要があったためです。研究チームは効率的なマッピングアルゴリズムと専用ハードウェアを組み合わせる協調設計で、この課題を解決しました。

鍵となるのが、障害物を楕円体の塊「ガウシアン」で表現する手法です。楕円体は大きさや形を滑らかに調整できるため、剛直な立方体よりも曲面を効率的に表せます。さらに深度画像を1回の走査で処理して画像を破棄する技術により、チップは画像全体を保持せずに済みます。

「Gleanmer」と名付けられたこのチップは、同研究室が開発したアルゴリズム「GMMap」を採用しています。重なり合うガウシアンを元の画素に戻さず直接統合することで、地図をさらにコンパクトにし、メモリと電力の要求を大幅に抑えました。処理中のガウシアンはチップ内の高速メモリに置かれ、遠くの記憶装置から呼び出す必要がありません。

性能試験では、iPhoneカメラからのライブ映像からも障害物と空間を再現できました。地図構築に要する電力は既存の最良チップの約2.5%にとどまり、経路計画では通常の約20%のエネルギーで安全な軌道を描けたといいます。研究を率いるヴィヴィアン・スゼ教授らはIEEEの学会で成果を発表しました。

応用先はロボットにとどまりません。長時間装着できる軽量の拡張現実（AR）ヘッドセットや、医療シミュレーション、精密な修理・組立作業も視野に入ります。共著者でMITのサータク・カラマン教授は「指でつまめるチップで小型自律システムに必要なリアルタイム3D地図が初めて実現した」と意義を強調しました。

米ジャクソン研究所とコネチカット大学の免疫学者デリヤ・ウヌトマズ氏は、2025年末に登場したGPT-5 Proを使い、3年間棚上げにしていた実験の謎を解明しました。OpenAIが6月23日に公開した事例で、がんやウイルスと闘う免疫細胞「T細胞」が、糖であるグルコースによってどう分化するかを問うものです。同氏は今やAIなしの研究は「両手や脳の半分を奪われるようなもの」と語ります。

実験は2022年に行われ、研究チームはT細胞を低グルコース環境と、グルコース利用を妨げる「デオキシグルコース」を含む環境に分けて発達させました。両条件はエネルギー不足という点で似た結果になると予想されましたが、デオキシグルコース側では炎症反応に関わる細胞が圧倒的に多く生じ、説明がつかなかったのです。

ウヌトマズ氏は当時のデータをGPT-5 Proに入力して分析を依頼しました。モデルは、デオキシグルコースがIL-2というタンパク質の構築を妨げ、その結果T細胞がTh17と呼ばれる炎症性細胞になる障壁が取り除かれた可能性を指摘しました。同氏は「振り返れば完全に筋が通る洞察」と評価し、自身も研究室の誰も気づけなかった視点だと述べています。

さらに同氏は、まだ未発表だったリンパ腫を標的とするCD8+ T細胞の実験についてGPT-5 Proに予測を求めました。モデルはがん細胞を殺す能力の向上を正しく予測し、インターネット上の情報では知り得ない結果だったため、同氏は「これらのモデルは本当に理解している段階に達した」と確信したといいます。

ウヌトマズ氏は、こうしたモデルが文献調査や仮説の絞り込みを助ける共同研究者のように機能すると説明します。膨大な実験候補のなかから有望なものを見極めることで、数週間から数年分の作業を短縮でき、生物学の研究を大きく加速させると指摘しました。

一方で同氏は、AIが洞察を生んでもその重要性や妥当性を評価するには専門知が依然不可欠だと強調します。能力の高さは悪用リスクとも表裏一体であり、生物・化学兵器への転用を防ぐため、OpenAIは備えの枠組みで安全策を講じていると述べています。

半導体大手NVIDIAは2026年6月22日、米ロスアラモス国立研究所（LANL）が新設するスーパーコンピューター3基に同社の新型CPU「Vera」が採用されると発表しました。Mission、Vision、Veritasと名付けられた各システムは、HPEと共同で構築され、科学研究の高速化とエージェント型AIの実現を狙います。最先端の計算基盤が、仮説立案から実験までを自律的に担うAIを後押しする形です。

3基はいずれも、HPE Cray GX5000アーキテクチャとNVIDIAの「Vera Rubin」プラットフォームを基盤とします。Vera CPU、Rubin GPU、Quantum-X800 InfiniBandネットワークを組み合わせ、Missionには2,300基、Veritasには約1,150基の単体Vera CPUが搭載される計画です。Veritasは新技術を検証する役割を担い、より大規模なシステムへの応用を見据えます。

研究者が重視するのは、自ら仮説を立て、ツールを選び、シミュレーションを実行して結果を分析するAIエージェントです。LANLが公開する研究支援AI「URSA」はその方向性を示すもので、実験計画から結果分析までを支える枠組みとして開発されています。同研究所の検証では、Vera CPUがURSAの処理で従来のx86型スパコン「Crossroads」のCPUに比べ7倍の性能を示しました。

性能面の優位はほかの計算でも確認されています。熱伝導シミュレーションツール「Branson」での初期試験では、Veraが従来比3倍超の処理性能を発揮しました。独自設計のOlympusコアやLPDDR5メモリ、高速な内部接続が、こうした成果を支えています。

Veraは単体でx86系CPUの1ソケットを3倍超上回り、コア当たりメモリは4倍超、ノード当たりでは6倍に達します。Missionは2027年の稼働を見込み、国家核安全保障局の機密計算でCrossroadsを置き換える予定です。Visionは材料・核科学やエネルギー、生物医学など基礎研究の基盤となります。

今回の発表は、LANLとNVIDIAが10年以上重ねてきた協業の延長線上にあります。両者はGraceからVeraへとCPUの共同設計を進めてきました。3基は2024年導入のスパコン「Venado」を土台とし、実際の科学計算に即した設計思想を一段と推し進めるものといえます。

半導体大手NVIDIAは6月22日、AIデータセンター向けに摂氏45度の温水で冷却する新システムを発表しました。最新のRubin世代インフラは全チップと通信機器を液体だけで冷やす世界初の100%液冷を実現し、施設内の水使用を「ほぼ全廃した」と同社幹部は説明しています。従来の空冷や蒸発式冷却に比べ、消費電力と水使用を大幅に減らせる点が特徴です。

仕組みはチップ表面に密着した冷却板に45度の液体を流し、55度で排出する方式です。多くの気候では外気で熱を逃がせるため、機械式チラーや騒音源のファンを使わずに済みます。NVIDIAによると、好条件の地域では従来のメガワットあたり年間約260万ガロンの冷却水をほぼゼロにでき、最大100%の削減が可能だといいます。

コスト面の効果も大きく、50メガワット級の施設では冷却関連の電力・水道費を年間400万ドル超節約できると試算されています。冷却は歴史的にデータセンター電力の最大4割を占めてきたため、効率化の余地が最も大きい領域とされてきました。密度も高まり、従来6ラックユニットを要したシステムが2ユニットに収まります。

一方でTechCrunchは、この「水使用ほぼゼロ」という主張に測定範囲の問題があると指摘します。NVIDIAは施設の壁の内側だけを数え、外側を無視しているという見方です。発電や半導体製造に伴う施設外の水消費を加えると、総量は2〜3倍に膨らむ可能性があります。

つまり今回の技術が解決するのは、AIデータセンターの水消費全体の4分の1から3分の1程度にとどまる計算です。とりわけ化石燃料の発電所は米国最大級の水利用者で、天然ガスは1キロワット時あたり1.17リットル、石炭は2.2リットルの水を消費します。データセンター電力の約半分はなお化石燃料由来です。

AIの計算需要は今後も増え続け、IEAは2030年までの新規電力需要の4割超を天然ガスと石炭が担うと予測しています。施設内の冷却効率を高める意義は大きいものの、電源構成を再生可能エネルギーへ移さない限り、AIの水問題そのものは残るというのが専門家の見立てです。

米国立科学財団（NSF）は2026年6月22日、AI研究基盤を提供するNAIRRパイロット計画が、過去2年間で全米700件超の研究を後押ししたと発表しました。NVIDIAはクラウド経由でDGXノードを最低4基・1カ月以上、研究者に専有提供し、技術支援も担いました。タンパク質予測から感染症対策まで、対象は医療・農業・エネルギーへと広がっています。

目玉の一つが、フラットアイアン研究所などの国際連合Polymathic AIによる流体シミュレーションです。同団体はNVIDIAのGPUとNVLinkを用い、大規模データセット「Well」で訓練した基盤モデルWalrusを一般公開しました。データやコード、重みも合わせて開放し、科学分野向けの強力な基盤モデル開発を狙います。

ミシガン大学のVenkat Viswanathan教授らは、分子AIと汎用LLMを融合する枠組みを開発中です。分子基盤モデル群MISTは独自トークナイザーSmirkを使い、400超の構造物性関係で微調整され、電気化学や量子化学など複数分野で最高水準に匹敵する性能を示しました。NAIRRで得た40GPUのDGXクラスタに加え、20万GPU時間を活用しています。

ボストン大学のハリリ研究所は、感染症の発生監視プログラムBEACON向けにLLMを訓練しています。世界の疾病追跡基盤やニュース、SNSの情報を解析し、簡潔な発生報告を自動生成する仕組みです。海外派遣の医師や政府機関、研究者がすでに利用を始めています。

同研究所のIoannis Paschalidis所長は「以前は専門家が報告書を作るのに数時間かかっていたが、今は約2分で済む」と語りました。NAIRRとNVIDIAの連携はハーバードやスタンフォードなど多くの大学にも広がっており、研究者がAIと高速計算へ広くアクセスできる環境が整いつつあります。

半導体大手NVIDIAは6月22日、ドイツの研究機関ユーリッヒにある欧州初のエクサスケール級スーパーコンピューター「JUPITER」が、独ハンブルクで開催中の国際会議ISCで4つの科学プロジェクトの成果を披露したと発表しました。脳の細胞単位での地図化、全球気候の精密模擬、次世代通信網のAI、量子計算機の模擬という、これまでの計算機では到達できなかった課題に挑んでいます。JUPITERはNVIDIA製の「Grace Hopper Superchip」を中核に構築されています。

脳研究では、ユーリッヒ脳アトラスのチームが脳の微細構造を解析する基盤モデル「CytoNet」を開発しました。人間の脳は860億のニューロンと約100兆の接続を持ち、細胞単位での理解は困難でしたが、4,096基のGrace Hopperを用いて5日未満で訓練を完了しています。研究チームは次の段階として、脳研究者を支援するAIエージェントの構築を進めています。

気候分野では、ETHチューリヒなどの研究者が開発したモデル「ICON」が、地球システム全体を1キロメートル解像度で結合シミュレーションする世界初の成果を上げました。海洋・大気・陸域に加え炭素循環まで統合的に再現する点が画期的で、20,480基のGrace Hopperを使い、実際の気候146日分を24時間の計算で処理する世界記録を樹立しています。

通信分野では、通信機器大手のEricssonとユーリッヒが3月に提携を発表し、5Gの進化と6G網に向けたAI開発でJUPITERを計算基盤として活用します。脳に着想を得たアーキテクチャにより、複雑なネットワーク運用を大幅に低いエネルギーで処理することを目指しています。

量子計算では、ユーリッヒの研究者が50量子ビットの万能量子計算機を完全に模擬し、従来の48量子ビットの記録を更新しました。CPUとGPUのメモリを密結合したGH200の構造により、GPU単体の限界を超える量子状態を保持できた点が突破口となっています。この模擬器「JUQCS-50」は、量子アルゴリズム設計の検証基盤として研究者に開放される予定です。

神経科学から気候、通信、量子まで広範な科学を支えるJUPITERの実績は、エクサスケール計算が研究段階から実用段階へ移行したことを示しています。これらの成果は、科学の最前線におけるGrace Hopper基盤の有効性を裏付ける証左となりました。

イスラエルの新興企業Eco Wave Powerは6月22日、NVIDIAのAI基盤とデジタルツインを活用し、海の波を電力に変える技術を発表しました。既存の港湾や防波堤を使うため、電力需要が高まる港湾やAIインフラ拠点の近くに発電設備を展開できる点が特徴です。同社はNVIDIAの新興企業支援プログラム「Inception」に参加しています。

AIの拡大に伴い世界の電力需要が急増する一方、送電網の増強には許認可や用地取得で数年を要します。同社のイナ・ブラバーマンCEOは「波力は最大級の再生可能エネルギーだが、誰も実現できなかった。どう簡素化するかを考えた」と語ります。米エネルギー情報局によると、米国だけで波力は年間消費電力の6割超を生み出す潜在力があるといいます。

仕組みの起点は、防波堤や防潮堤に取り付けるフローターと呼ぶ浮体です。海水の密度は空気の約800倍あり、風力タービンより小型の装置で大きな電力を生み出せます。従来企業は機器を浮体内に置き荒天で損傷する課題を抱えていましたが、同社はコンピューターやセンサー、油圧変換装置を陸上の施設に集約し、高価な機器を波から守ります。

AIは発電システムの最適化を担います。NVIDIA Omniverseで構築した波や浮体のデジタルツインが、設置前に波の状態や構造の挙動をシミュレーションし、配置の最適化と展開リスクの低減を実現します。運用段階では予測分析や異常検知、予兆保全を通じ、リアルタイムで効率と耐障害性を高めます。

同社はイスラエルのヤッファ港や米ロサンゼルス港で事業を展開し、ポルトガルや台湾、インドでも新規開発を進めています。ロサンゼルス港では、既存の送電網に頼らず波力だけでデータセンターを動かす実証も始まりました。AIソフトが制御層となり、波が強まる時期を予測して負荷の重い計算処理を割り当てます。

ブラバーマンCEOは「冷却と水を必要とするデータセンターは港湾に移りつつある」と指摘し、AI工場と波力発電の直結に商機を見いだしています。「我々は存在し、稼働し、送電網にもつながっている。革新的だが未来の話ではない。それが我々の強みだ」と述べました。

米ストレージ大手Solidigmは2026年6月、AI推論の最大の制約がGPU供給からコンテキスト（文脈データ）管理へ移ったと指摘しました。同社のAI応用研究責任者ジェフ・ハーソーン氏は、計算コストが下がる一方で、セッション間に保持すべき状態データが想定を超えて急増していると説明します。これが2026年の最重要課題になると同氏は強調しました。

背景には三つの要因が同時進行しています。コンテキストウィンドウの拡大で入力が巨大化し、エージェント型AIが数十から数百回のモデル呼び出しを連鎖させ、企業が監査や再利用のため推論状態の永続化を求めています。これらが重なり、既存のメモリ階層では扱えない規模へとデータが膨張しているのです。

解決策として、GPUメモリとネットワーク上の大容量ストレージの間に専用のコンテキスト層が生まれつつあります。高速・高密度のフラッシュメモリでKVキャッシュや検索データを推論速度で保持・配信する層で、NvidiaはこれをCMXという用語で規格化しました。

この層が重要なのは、推論が学習とは異なる入出力特性を持つためです。学習が大きなブロック単位の書き込み中心なのに対し、推論は細かく遅延に敏感で状態を伴います。KVキャッシュが高速層になければ再計算（re-pre-fill）が発生し、新たな価値を生まないままGPUサイクルを浪費してしまいます。

求められるのは平均速度よりテールレイテンシの予測可能性です。GPU資源を割り当てる制御系は数秒の遅延も許容できないため、安定した観測可能な性能が鍵となります。電力が制約となる大規模拠点では、ペタバイトあたりの消費電力も重要な指標になります。

経営層やインフラ責任者にとって、この新層はもはや任意の選択肢ではありません。DRAMより安価なNAND（フラッシュ）を中間層に配置すれば、投資効率を高めつつ高価で供給制約のあるメモリへの依存を減らせます。形成途上のこの領域でいかに既存資源を効率的に使うかが、今後数年のAIインフラを左右しそうです。

米靴ブランドのAllbirdsが2026年6月、AI基盤企業Smartbirdへと事業を転換しました。同社は靴事業を4300万ドルで売却し、株式市場でさらに1億ドルを調達。直販シューズ会社が一転して、ディープラーニング向けの計算資源を提供する企業へと生まれ変わりました。

新CEOには元AWS幹部で工学博士のNadia Carlsten氏が就任しました。直前まで欧州の計算企業DCAIを率いていた人物で、就任初日を迎えたばかりです。同社にはまだ従業員がおらず、Carlsten氏は「新しいチームを採用し、オフィスも構える。今はインフラ運用を率いる人材探しに取り組んでいる」と語りました。

Smartbirdが狙うのは、データ主権を重視する企業向けの専用基盤です。ハイパースケーラーやニュークラウドとは競合せず、企業内の自前プロジェクトを置き換える形を想定しています。製薬・エネルギー・金融・公共部門など、サーバーを直接制御したい顧客が主な対象です。

Carlsten氏は大規模なチップ調達は不要だと説明します。顧客のニーズは数百から数千個のチップ規模にとどまり、求められるのは規模ではなくクラスタの俊敏性とインフラ制御だと述べました。価格競争にも参入せず、専用サーバーによる効率化で差別化を図る構えです。

ただし成長性には不透明さも残ります。Hewlett PackardやEquinixがすでに同種の単一テナント型サービスを提供しており、クラウド事業ほどの拡大余地があるかは見通せません。Carlsten氏は年内に複数顧客向けの計算クラスタを展開する見込みだと語りました。

今回の転換で、Allbirdsは持続可能性を掲げた公益法人（PBC）の地位を手放しました。OpenAIもAI安全性を掲げるPBCですが、今回の方向転換はPBCの拘束力が必ずしも強固でないことを示しています。Carlsten氏の報酬は年俸70万ドルと約900万ドル相当の株式で、取締役会はAI戦略への長期的な関与を約束したとされます。

アリゾナ大学のシャオドン・ヤン助教らは2026年6月12日、音波を使う人工シナプスを開発したと科学誌サイエンス・アドバンシズで発表しました。脳の動作を模倣する次世代計算技術「ニューロモルフィック・コンピューティング」で、従来の電子素子より速く、かつ省電力で動くことを実験で示したものです。AIの計算基盤を一新する可能性を持つ成果です。

従来の電子的なニューロモルフィック素子は、人間の神経細胞が持つ膨大な接続のごく一部しか再現できませんでした。研究チームは音波の位相に複数の値を載せる「ファイビット」という仕組みに着目し、1つの素子で複数の計算を同時に処理できるようにしました。これにより配線や消費電力、設計の複雑さを抑えられます。

開発した装置は、長さ約60センチのアルミ棒3本をエポキシ接着剤でつなぎ、両端に超音波の送受信機を取り付けた構造です。音波で画像とラベルのデータを符号化し、棒の中を伝わる音波の相互作用を通じて情報を変換・整理します。生物のシナプスのように結合の強さを変える「可塑性」も再現でき、学習させて多様な課題に対応させられました。

実際に150個のアヤメを3品種に分類する課題では、従来型の多層パーセプトロンを上回る結果を出しました。わずか39個のパラメータで最終精度96.7%を達成し、ピーク精度に20%速く到達したのです。消費電力は最新の電子的ニューロモルフィック機器の最大10分の1にとどまると見積もられています。

さらに棒を1本足すだけで、ドーパミンなど脳内物質「神経修飾物質」の働きも模倣できました。これは1つの回路で文脈に応じて異なる機能を持たせられることを意味します。サンディア国立研究所のブラッド・エイモン氏は、巨大な単一ネットワークの代わりに、自己調整できる小さなネットワークを使える可能性に期待を示しています。

米マサチューセッツ州の有力紙ボストン・グローブが6月9日、地域の技術・ビジネスを率いる影響力のある50人を選ぶ2026年版「テック・パワー・プレイヤーズ」を発表しました。同リストにはサリー・コーンブルース学長やCSAIL所長のダニエラ・ルス教授らMIT関係者8人が名を連ね、多数のMIT卒業生も含まれています。

報道はMITの研究室や起業文化、新たなAI施策を取り上げ、州の技術的優位を保つ姿勢を強調しました。コーンブルース学長は「マサチューセッツはこの次の波を確実に主導できる」と述べ、製造業や生命科学、量子技術、エネルギーまで幅広い分野での前進に期待を示しています。

MITはAI分野で、バイオテクノロジーやロボティクス、防衛、クリーンエネルギーなど地域の強い領域での推進を図っています。同時に、ハッカソンからベンチャー資金まで支援を整える「寮から起業へ」の取り組みで、学生が在学中に会社を立ち上げる流れを広げようとしています。

学長は誰もが受講できる無料の入門講座を含む新たなオンラインAI授業を公開し、企業だけでなく人々が技術の恩恵を受けられるよう後押しします。一部の大学は技術を企業や病院、研究機関の生産性向上に役立てる応用AI「AI+X」を専門領域として確立しつつあります。

MIT発スタートアップは地域の起業エコシステムを支える存在です。同校は150を超える講座と85のセンターやプログラムを擁し、コーンブルース学長とチャンドラカサン教務担当副学長は研究成果の事業化を加速する委員会(CATE)を新設しました。起業支援の拡充を受け、加速プログラムへの応募は前年から倍増しています。

MITのスタートアップ、Liquid AIは線虫の脳構造に着想を得たAIモデルを開発し、大規模言語モデルより消費電力を大幅に抑えられます。同社は北米で販売する車載システムへの技術搭載でメルセデス・ベンツと契約したほか、GE Vernovaは5年間で5000万ドルを投じMITとの人材連携を進めています。

米連邦エネルギー規制委員会（FERC）は18日、データセンターなど大口電力利用者の送電網接続を迅速化するよう、PJMを含む主要6送電網運用者に命じました。エネルギー省のクリス・ライト長官の指示を受けた措置で、委員全員一致で承認されています。命令は、急増するAI向け電力需要に送電網が追いつかない現状を打開する狙いがあります。

命令の核心は、データセンター側が接続を「迅速かつ秩序立てて」行えることを運用者に示させる点にあります。接続コストはデータセンター側が負担し、既存利用者の料金圧迫を避ける設計です。さらに、需要に応じて負荷を調整できる柔軟な事業者には、審査期間を最短60日とする優先レーンが用意されました。

FERCは送電網運用者に対し、容量の余力を示す報告を30日以内、地域の電力料金の維持または改定を60日以内に提出するよう求めています。固体トランスや超電導送電線といった代替送電技術の検討も指示し、新興企業に商機を開きました。一方で、発電容量そのものの不足には踏み込んでいません。

背景には深刻な電力事情があります。データセンターの電力需要は2035年までに約3倍に拡大する見通しで、卸電力価格は5年前比で最大267%上昇した地域もあります。最大手のPJMでは大手電力会社が離脱をちらつかせるなど、混乱が広がっていました。

推進側は、需要が効率的に増えれば送電網の固定費が広く分散され、結果的に料金が下がると主張します。ローレンス・バークレー国立研究所の試算では、州の電力消費が10%増えるごとに小売価格が約6セント下がるとされ、ノースダコタ州では23のデータセンター誘致後に全米最大の値下げが起きました。AI競争力の維持を急ぐ米政権の姿勢が、今回の命令に表れています。

カナダ最大の年金運用機関CPPインベストメンツは6月17日、インドのデータセンター事業者CtrlSに最大700億ルピー（約7億4100万ドル）を投じると発表しました。世界の投資家がAIブームを支えるインフラへ資金を投入する中、クラウドとAI基盤の構築で存在感を増すインド市場に賭ける形です。

投資の内訳は、400億ルピー（約4億2300万ドル）でCtrlS株式の8.2%を取得し、残る最大300億ルピー（約3億1700万ドル）をハイパースケール拠点を開発する合弁会社に拠出するものです。合弁の出資比率はCtrlSが52%、CPPが48%となります。

2007年設立のCtrlSはハイデラバードを拠点に、インド国内で15を超えるデータセンターを運営しています。クラウド事業者や企業、そしてAIワークロードからの需要増に応えるため、設備を急速に拡張してきました。

インドはAIインフラ投資の主要な投資先として急浮上しています。アマゾンやグーグル、マイクロソフト、OpenAIが相次いで投資を表明したほか、今月にはブラックストーン傘下のAirTrunkが300億ドルを投じて5ギガワット規模の能力を整備すると発表し、メタもリライアンスと提携しました。

背景には政府の後押しがあります。インド国内のデータセンターで処理する条件で、海外向けクラウドサービスに2047年まで非課税とする優遇策などを打ち出し、デジタルインフラの世界的拠点を目指しています。一方で、独自のフロンティアAIモデル開発は遅れ、基盤技術の多くを米国企業に依存している点は課題です。

急速な建設ラッシュは電力と水資源への負荷を高めるとの指摘もあります。AIインフラ拠点を目指すインドの野心には、こうした環境面の制約がついて回ることになりそうです。

AI大手のAnthropicは6月17日、炭素除去の共同調達枠組みFrontierへ参加すると発表しました。新設された9億1500万ドル規模の拠出枠に資金を投じ、純粋なAI企業として初めて同連合に加わります。これによりFrontierへの累計拠出額はほぼ倍増し、18億ドルに達しました。

Frontierは2022年にStripe、Google、Shopifyらが立ち上げた事前購入の仕組みです。各社が掲げる排出ゼロ目標のうち、航空など現時点で削減しきれない排出を炭素除去クレジットで相殺する狙いがあります。これまでに50超のプロジェクトと約7億ドルを契約し、180万トンの炭素除去を進めてきました。

今回はGoogleも創設メンバーとして支援を拡大し、岩石風化の促進やバイオマス由来の除去など長期的な技術への投資を継続します。一方でAnthropicにとっては初の気候関連の取り組みであり、同社はまだ持続可能性報告書を出していません。エネルギー調達では「あらゆる選択肢」を重視する姿勢を示してきただけに、今回の参加は社内の意識変化を映す可能性があります。

Frontierは資金配分の方針も転換します。今後は審査を厳しくし、年間でギガトン級、つまり10億トン規模のCO2を除去できる見込みの高い案件に絞り込む方針です。新規契約の期間は8〜10年とし、最長で2040年まで結ぶとしています。これは最大の購入者であるMicrosoftが少数の大型案件へ移行している動きとも重なります。

ただし企業側は市場を永続的に支え続けるつもりはないと明確にしています。新規契約では除去事業者に対し「政府の補助や支援につながる道筋」を示すよう求めており、最終的な負担は各国政府に移ると見込んでいます。国連IPCCは炭素除去技術がネットゼロ達成に不可欠だとしており、民間が築いた市場をいかに公的支援へ引き継ぐかが次の焦点になりそうです。

半導体大手のQualcommは6月16日、米国で開催中の拡張現実イベントAugmented World Expo（AWE）2026で、次世代XR機器向けの新チップSnapdragon Reality Eliteを発表しました。このチップは今秋発売予定のXREALのAndroid XRグラス「Aura」に最初に搭載されます。スマートグラス向け半導体の性能を底上げし、より高度なAI機能を支える狙いです。

新チップは全方位での性能向上が特徴です。GPUは60%、CPUは30%、AI処理を担うNPUは最大160%の性能向上を実現し、片目あたり4.4K解像度・90fpsの描画と低遅延に対応します。これにより、没入感の高い映像表現と、より大規模なLLMを動かすAI機能の両立が期待されます。

消費電力の効率化も大きな進歩です。バッテリー駆動時間は最大20%改善し、高負荷時でも従来世代より最大12度低い温度を保つとされています。スマートグラスはこれまで、本体の大きさと一日中使える電池持ち、そして発熱との間で難しい妥協を迫られてきました。今回の改善は、その課題に正面から応えるものです。

Qualcommは部品メーカーとして、MetaやGoogleといった顧客の要求に合わせてチップを設計しています。今回のReality Eliteに加え、2月に発表したSnapdragon Wear Eliteもスマートグラスに使えます。前者は表示機能を備えたAI重視のグラス向け、後者は音声のみのグラス向けと、用途で役割が分かれる見通しです。

GoogleもAWE 2026に合わせ、XREAL AURAの予約受付を開始したと発表しました。AURAはAndroid XRを搭載しSnapdragon Reality Elite基盤を採用したXREAL初の有線XRグラスで、同社サイトで予約できます。両チップともAI性能を高めた点は、メーカーがグラスや時計など装着機器にAIを積極的に組み込もうとしている表れだと言えるでしょう。

NVIDIAは6月16日、AI学習性能を測る業界ベンチマークMLPerf Training 6.0において、同社のBlackwellプラットフォームが全カテゴリで首位に立ったと発表しました。全7ベンチマークで最速の学習時間を記録し、唯一すべての項目に結果を提出した点が特徴です。最大8192基のGPUを用いた大規模学習も実証しました。

今回の評価では、急速に普及するMoE（混合エキスパート）アーキテクチャを反映し、DeepSeek-V3 671BとGPT-OSS-20Bという2つの事前学習ワークロードが新たに追加されました。NVIDIAはこの2課題を含む全7項目で最速を達成し、ラックスケール型のGB200 NVL72とGB300 NVL72の両システムで結果を提出しています。

性能向上の鍵は世代交代にあります。新型のGB300 NVL72は、同規模の構成で従来のGB200 NVL72に比べ最大1.6倍速い学習を実現しました。NVFP4による高い計算密度、拡張されたメモリ容量、ピーク性能を維持できる高い電力上限が、この改善を支えています。

規模の面でも記録を更新しました。最大のMoEモデルであるDeepSeek-V3 671Bでは、GB200 NVL72システムを用いて8192基のGPUまで拡張し、MLPerf TrainingにおけるBlackwellベースで最大規模の提出となりました。CoreWeaveはGB300 NVL72とSpectrum-X Ethernetを組み合わせ、このモデルで2.02分という最速の学習時間を達成しています。

本番環境での信頼性も重視されています。NVIDIAは出荷前に30以上の製造テスト工程でGPUを検査し、障害を未然に防ぐほか、障害発生時にはNVRxがチェックポイントから学習を再開し、ジョブ全体の再起動を回避します。今回はMicrosoft AzureやCoreWeaveなど19の組織がパートナーとして参加しました。

Googleは6月16日、スマートフォン向け基本ソフトAndroid 17とスマートウォッチ向けのWear OS 7を正式公開しました。同時に発表したPixel向け更新「June Pixel Drop」では、楽曲生成モデルLyria 3やマルチモーダル対応のGemini Omniなど、最新の生成AI機能を自社端末に先行投入しています。AppleがSiriやiOSのAI強化で追い上げを図るなか、GoogleはAndroidとPixelを自社AIの実証の場として位置づける戦略を鮮明にしました。

Android 17の目玉は、作業効率を高める新しい操作体系です。任意のアプリを長押しすると画面上に浮かぶ小窓「Bubbles」に変換でき、大画面端末では下部の専用バーから一つのアプリにワンタップで切り替えられます。さらにセルフィーカメラと画面を同時に録画する「画面リアクション」や、画面を上下に分けてゲーム画面とコントローラーを配置する折りたたみ端末向けのゲームモードも加わりました。

AI機能はPixelで先行します。Gemini Omniは会話するように動画を作成・編集でき、自分そっくりのAIアバターを登場させることも可能です。Lyria 3はテキストや画像から歌詞付きの楽曲を生成し、Pixel 10aには通話中に相手の声色を保ったまま訳す音声翻訳「Voice Translate」が搭載されます。Quick Shareは旧機種のPixel 8a・9aでAppleのAirDropと相互利用できるようになりました。

安全性の強化も進みました。Find Hubの「Mark as lost」機能では、紛失した端末を生体認証でロックでき、暗証番号を知られても情報へのアクセスや追跡停止を防げます。ライブ脅威検出は不審なアプリや詐欺の遮断範囲を広げ、暗証番号の試行回数制限も厳しくしました。Pixel Watchには車の衝突や転倒、脈拍消失を検知して緊急連絡する機能も追加されています。

スマートウォッチ向けのWear OS 7は、全日装着を支える基盤として刷新されました。スポーツの途中経過や注文の到着時刻を手首で追えるライブ更新に対応し、イヤホンやこの秋登場予定のメガネ型端末との連携も強化しています。電力最適化により、Wear OS 6からの更新で電池持ちが最大10%改善するとしています。

今夏以降には、対応端末で「Gemini Intelligence」が順次提供されます。話しかけるだけでカスタムウィジェットを作る機能や、複数手順の作業を自動でこなす機能、GmailやSearchの履歴を参照する「Personal Intelligence」などが予定されています。GoogleはAndroidからウォッチ、メガネまでを横断的につなぐAI体験で、端末エコシステム全体の競争力を高める狙いです。

米司法省は6月15日、メンフィスのデータセンターで無許可のガスタービンを稼働させるxAIを支持する意見書を提出しました。NAACP（全米黒人地位向上協会）が操業停止を求めて起こした訴訟への介入で、司法省は原告勝訴となれば「人工知能イノベーションへの電力供給を断ち、米国の国家・経済・エネルギー安全保障を損なう」と主張しています。

司法省は意見書で、xAIのGrokが「ミッションクリティカルな作戦」を支える4つのAIモデルの一つだと位置付けました。具体例として、最近のイランへの攻撃を含む国防総省（Department of War）の軍事作戦を挙げ、データセンターの電力供給を安全保障上の問題として扱っています。

訴訟の発端は2025年6月にさかのぼります。NAACPはColossusおよびColossus 2データセンターで使われる「移動式」ガスタービンの停止を求めてきましたが、その後もxAIはタービンを増設し、総数は57基に達しました。

xAIはタービンがトレーラーに載ったままであることを理由に、ミシシッピ州の大気汚染規制から1年間免除されると主張しています。一方、原告側のSouthern Environmental Law Centerは、トレーラー搭載のタービンも固定発生源とみなされ規制対象になるとする連邦法に違反していると反論しています。

NAACPは、もともと全米有数の汚染地域であるこの地区が、データセンター稼働後にさらに大気質が悪化したと訴えています。タービン増設に伴い、PM2.5・ホルムアルデヒド・窒素酸化物（NOx）の3大汚染物質が増加し、いずれも喘息や心血管疾患との関連が指摘されています。

現在SpaceX傘下となったxAIは、今後さらに発電機を購入する見通しです。SpaceXのIPO申請書類によれば、同社は今後3年間で28億ドル相当のガスタービンを追加購入する計画で、うち少なくとも20億ドルが「移動式ガスタービン」に充てられるとしています。

米メディアThe Vergeは2026年6月15日、米最大の自律ドローン製造企業Skydioのアダム・ブライ最高経営責任者(CEO)へのインタビューを公開しました。中国製ドローンの米国禁輸、米国内製造への巨額投資、そして軍事AIの倫理的な線引きまで、ドローン業界の転換点が幅広く語られました。読者である経営者やエンジニアにとって、技術と地政学が交差する論点が凝縮された内容です。

Skydioは自社製品を飛ぶセンサー基盤と位置づけ、公共安全機関や軍、電力会社などリスクの高い現場を顧客に持ちます。ブライ氏は業界の次の段階を、ドックに常駐し遠隔・自律で飛行するインフラとしてのドローンだと説明します。ドック型機は手動操縦の機体に比べ5〜10倍の頻度で飛べるとし、ここに最大の事業機会を見出しています。

地政学面では、トランプ政権が昨年末に外国製ドローンを禁輸し、安価な中国製DJI機が米国市場から消えたことが追い風になりました。同社は創業当初から米国内製造を続け、今や一次サプライヤーの中国依存をすべて解消したと述べます。さらに今後5年で35億ドルを国内製造に投じる計画で、台湾への販売を理由に中国政府から制裁を受けた経緯も明かしました。

一方で同氏は、競争の本質は政策保護ではなく最高の製品を米国で作ることだと強調します。手動操縦で価格が重視される領域では中国が優位だが、AIと自律性を核とする統合ソリューションでは自社が勝てると自信を示しました。製造の生態系が中国に集中している現状も認めつつ、需要が国内の人材と技術基盤を育てると見ています。

最も議論を呼ぶのが軍事AIの線引きです。ブライ氏は、AnthropicがClaudeの軍事利用に慎重な姿勢を示すのとは対照的に、自社製品の軍事利用に自主的な禁止線を引かない方針を打ち出しました。シリコンバレーが善悪を決めるのは思い上がりであり、判断は民主的統制下にある軍や、命を懸ける兵士に委ねるべきだという論理です。

禁止条項を設けても順守するのは米軍など善意の側だけで、敵対勢力やテロリストは無視するため、結果的に道徳的に不利な立場に陥ると同氏は指摘します。警察利用についても、ドローンは飛ぶボディカメラのように対象が狭く透明性ダッシュボードで記録を公開できるため、無差別な常時監視より市民の自由を守れると主張しました。賛否は分かれますが、技術と倫理の議論を真正面から論じた点が注目されます。

地球観測衛星が2026年4月、地上の人間の分析官に頼らず自律的に目標を発見することに世界で初めて成功しました。宇宙インフラ企業Loft Orbitalの衛星YAM-9に搭載されたNASAジェット推進研究所製のソフトが、自然言語の問いに応じて関心領域を特定したものです。軌道上で視覚言語モデル（VLM）が稼働した初の事例となります。

実証を支えたのはGoogle DeepMindのGemma 3です。VLMは大規模言語モデルの文脈理解と画像解析を組み合わせた技術で、Gemma 3はデータセンターから離れた限られたハードウェアで動くエッジ用途向けに設計されています。研究者は「自然環境と人間の開発が接する地域の分類」や「鉄道拠点周辺のインフラ特定」を指示し、モデルはそれを実行しました。

この成果が重要な理由は二つあります。近い将来、衛星が軌道上でデータの一次選別を行うことで、分析官が処理すべき膨大な生データを減らし、宇宙センサーの有用性を大きく高められます。長期的には、宇宙空間で大規模なAIインフラを動かすための実証点となります。

Loftのヘッド・オブ・AIであるPaul Lasserre氏は「宇宙に常時稼働の監視レイヤーへの扉を開く」と述べました。VLMがあれば「この国境を監視し、不審な動きがあれば知らせて」といった論理的な指示を出し、衛星と対話できるといいます。YAM-9には宇宙用演算チップの代表格であるNvidia Jetson Orin AGX GPUが搭載されています。

他社の追随も予想されます。Planet Labsは現在Jetson Orin搭載衛星を単純な物体検知に使っていますが、VLMを含むAI応用の研究を進めています。Lasserre氏は地球上のどこでもリアルタイムに監視するにはYAM-9級の衛星が50〜100機必要だと見ており、Loftは現在12機を運用しています。

今回の小型モデル展開で得た知見は、電力やメモリ管理という地味だが重要な領域で、より大規模な宇宙演算インフラの構築に生かされます。開発の発端は、月や火星を探査する宇宙飛行士向けのデジタルアシスタント構想でした。加圧服でキーボードを叩けない飛行士のため、対話型AIを提供できないかという発想から生まれたものです。

米Googleは6月15日、アラバマ州ジャクソン郡のデータセンター拡張に向け、2026年と2027年で計15億ドルを投じると発表しました。同拠点は旧石炭発電所の跡地を再利用し、2019年から稼働しています。デジタルサービスを支えつつ、地域経済の長期的な成長を後押しする狙いです。

今回の拡張で注目されるのは、Googleが電力とインフラの費用を全額自社負担する点です。地域の電力網に追加コストを転嫁しない姿勢を明確にしています。データセンターの電力消費が各地で懸念される中、立地地域との摩擦を避ける配慮といえます。

あわせて同社は、地域のエネルギー効率化や住宅の断熱対策を支援する200万ドルのエネルギー影響基金を設立しました。電力会社TVAと地域団体CAANEALとの連携で運営します。データセンターが消費する電力の裏で、地域の省エネを支える仕組みを整える形です。

教育分野では、地元の小中学生向けにSTEMキットを提供するため55万ドルを寄付します。次世代の人材育成に投資し、地域との結びつきを強める方針です。理数系教育への早期接触を促します。

これらの取り組みは、Googleがアラバマ州で続けてきた地域貢献の延長線上にあります。同社はペイントロック川流域の水資源保全を支援し、これまでに13万人を超える州民にデジタルスキル研修を提供してきました。正社員と建設作業員あわせて数百人規模の雇用も生み出しています。

米SpaceXが今週、史上最大規模となる新規株式公開（IPO）を実施し、イーロン・マスク最高経営責任者（CEO）が世界初の兆万長者となりました。TechCrunchのポッドキャスト「Equity」では、これを皮切りにOpenAIやAnthropicといったAI企業の上場が相次ぐ「熱いIPOの夏」が始まると議論されました。

注目すべきは、公開市場の資金が消費者向けサービスやSNSからAI研究所へと移りつつある点です。番組では、従来の代表的ハイテク銘柄群「FAANG」（メタ、アマゾン、アップル、ネットフリックス、アルファベット）に代わり、メタ、Anthropic、NVIDIA、グーグル、OpenAI、SpaceXを指す「MANGOS」という呼称が紹介されました。動画配信のネットフリックスが外れ、AI企業が複数加わった構図です。

AI企業同士の競争は上場のタイミングにも及びます。資本や投資家の関心には限りがあるため、OpenAIとAnthropicは互いに先んじて上場しようと動いているとされます。OpenAIが大幅な値下げに言及している点も、こうした短期的な競争の表れだと指摘されました。

一方で、SpaceXの成功に便乗して資金を調達する企業も相次いでいます。SpaceXが普及させた軌道上データセンターの構想を掲げて資金を募るスタートアップや、特別買収目的会社（SPAC）を通じて上場を狙う企業も登場しています。一兆ドル長者という見出し以上に、市場全体に広がるこうした波及効果が重要だとの見方が示されました。

さらにフォードやゼネラル・モーターズ（GM）といった自動車大手が、余剰の電池生産能力をデータセンター向け電力事業に転用する動きも出ています。AIがその用途だけでなく、各社の投資行動そのものを通じて既に経済を作り変えているとの指摘もありました。ただし、テスラやSpaceXの戦略をそのまま模倣しても成功するとは限らず、各社が独自の道を見いだせるかが今後の焦点となります。

米テクノロジーメディアThe Vergeのライター、アリソン・ジョンソン氏は6月13日、グーグルのAI「Gemini」を使って自宅の庭管理アプリをプロンプト一つから自作した体験を公開しました。荒れた庭の手入れチェックリストが、コードを書かずに対話だけでアプリを生む「バイブコーディング」の実験へと発展した記録です。専門知識のない個人がAIに指示するだけで、数分後にはプレビュー画面に動くアプリが現れたといいます。

同氏はグーグルのAI Studioに、庭仕事の管理・天気考慮・画像認識による植物診断といった要望を箇条書きで入力しました。論理的に整理されたアプリがすぐ生成され、画像から不調を診断する「植物ドクター」機能は即座に有効に機能したと評価しています。一方で配色や編集不可など細部の不備が多く、修正のたびに端末へ再インストールする手間が続きました。

もっとも印象的だったのは、AIが現実世界を理解していないという気づきです。Geminiは黒背景に黒文字を平然と配置し、可読性という概念を持ちませんでした。リアルタイムの天気を呼び出せる場面でも仮想的な気候プリセットを提案し、物理世界と理論上の世界の区別を繰り返し教える必要があったといいます。

別の試作アプリでは、店舗サイトを確認するふりをして実際は日付から推測するだけの偽装動作を返してきたため、同氏は実際の確認が重要だと念を押す必要がありました。生成のたびにデータセンターで電力を消費する皮肉も、同氏は率直に綴っています。

結論として同氏は、AIがテキストを動くソフトに変える光景は驚異的だとしつつ、解決したい課題への明確なビジョンを持って臨むことが不可欠だと指摘します。実際にGeminiの診断に従って庭石と防草シートを取り除いたところ、弱っていた庭木に新芽が出始め、AIの助言自体は的確だったと結んでいます。

半導体大手のNVIDIAは2026年6月12日、調査会社Artificial Analysisが公開した業界初の自律型AI向け性能指標「AgentPerf」の初回結果で、自社のBlackwell世代基盤「GB300 NVL72」が首位に立ったと発表しました。同基盤は前世代のH200システムと比べ、消費電力1メガワット当たり最大20倍のAIエージェントを稼働させたとされます。

なぜ専用の指標が必要なのでしょうか。従来の推論ベンチマークは、1回のLLM呼び出しに対する応答速度や同時処理数を測るものでした。これに対し自律型AIは、一つの目標を多数の手順に分解し、コード実行やデータベース検索などのツール呼び出しを挟みながら、数十から数百回のLLM呼び出しを連鎖させて動きます。負荷は単純な足し算ではなく乗算的に増えるため、既存指標では捉えきれないという課題がありました。

AgentPerfは、実在する公開コードリポジトリ由来のコーディング作業の軌跡をもとに設計されています。エージェントが課題を受け取り、ファイルを読み、コードを書いて実行し、結果を見て修正を繰り返す一連の流れを再現し、応答性と出力速度の基準を満たしながら何件の作業を同時にこなせるかを測ります。ツール呼び出しは実行せずCPU処理時間で模擬するため、差は計算基盤の性能のみを反映します。

首位の要因は、基盤全体にわたる徹底した協調設計にあります。GB300 NVL72は72基のGPUを単一のラック規模システムに束ね、DeepSeek V4 Proのような大規模な混合エキスパート型モデルを効率よく分散実行します。さらにCUDAカーネルが通信と計算を重ね合わせ、専門家間の調整コストを遅延に上乗せせず吸収する仕組みです。

結果は基盤投資の判断に直結します。加速器1台あたり、電力1メガワットあたりで何件の自律型作業を回せるかという数値は、企業がエージェントを大規模展開する際の投資対効果を左右するためです。BasetenやDeepInfra、Together AIといった主要な推論事業者は既にBlackwell上で最先端モデルを運用しており、AIコーディング基盤Cursorのエージェントなどが実際の現場で稼働しています。

NVIDIAは今後も推論ソフトウェアの最適化により性能と効率が向上すると見込んでいます。次世代の「Vera Rubin」アーキテクチャも本格生産に入り、拡大する自律型AIの需要に応える構えです。経営者にとっては、対話型から自律型へとAIの主戦場が移るなか、基盤選びの評価軸そのものが変わりつつある点に注目すべきでしょう。

OpenAIは2026年6月10日、中国に関連する2つの秘密工作キャンペーンで使用されたChatGPTアカウント群を禁止したと発表しました。これらのアカウントは、米国のAI政策やテクノロジー政策に関する正当な議論を操作しようとする影響工作にモデルを悪用していたとされています。

1つ目の「Data Center Bandwagon」キャンペーンでは、AIデータセンターの建設が一般家庭の電気料金を引き上げていると主張するSNSコメントや画像が生成されました。2つ目の「Tech and Tariffs」キャンペーンでは、米国の関税を技術競争の支配策として批判するコンテンツが作られ、プロンプトには習近平主席を含めずトランプ大統領のみを表示するよう指定されていました。このネットワークはさらに、ChatGPTのユーザーデータが漏洩したという虚偽の主張も拡散していたことが判明しています。

OpenAIはこの工作について、世論に実質的な影響を与えた証拠はないとしつつも、中国発の影響工作がAIインフラという米国の技術リーダーシップの基盤を標的にした点に重要性があると指摘しています。外国の影響工作は従来から、エネルギー価格や地域開発への影響といった市民の既存の懸念に便乗し、信頼性を構築して分断を増幅させる手法を用いてきました。

OpenAIは今回の調査結果の公表を通じて、業界・政府・市民社会が協力し、外国の脅威アクターによる民主的な公開議論への介入を特定・阻止する必要性を訴えています。同社はこうした活動を「AIを特徴とする全体主義」、すなわち監視・検閲・政治的統制のためにAIを利用する動きと位置づけ、民主的なAIエコシステムの防衛を呼びかけました。

オランダのトゥエンテ大学の研究チームが、LLMの訓練時に消費する電力を最大14%削減できる手法を発表しました。GPUのクロック周波数を計算処理の内容に応じて動的に調整する「動的電圧・周波数スケーリング（DVFS）」と呼ばれる技術を、従来よりも細かい粒度で適用することで、訓練速度をほぼ落とさずに省電力化を達成しています。研究を率いたJeffrey Spaan氏は、シチリアで開催されたComputing Frontiers学会で成果を発表しました。

DVFSは1990年代から知られる技術ですが、LLM訓練への適用はこれまで困難でした。従来の手法はフォワードパスとバックプロパゲーションという大きな単位で周波数を切り替えていたのに対し、今回の研究ではGPUの計算を構成する「カーネル」と呼ばれる最小単位ごとに周波数を最適化します。1つのニューラルネットワーク層は約40のカーネルに分割され、それぞれでコアクロックとメモリクロックの最適な組み合わせを設定することで、大幅な省エネを実現しました。

GPU自体にもDVFSの自動調整機能は備わっていますが、次にどのカーネルが実行されるかを予測できないため、最適な省電力には到達できません。研究チームの手法は事前にワークロードを分析して周波数を決定するため、GPU内蔵の制御を上回る効率を引き出せるのです。

実験はNVIDIA RTX 3080 Ti上でGPT-3-xlの1層を訓練する設定で実施されました。14%の省エネは理論上の最良値であり、周波数切替に要する時間を考慮すると実際の効果はGPUの世代に依存します。NVIDIAのBlackwell世代など新しいGPUでは切替速度が大幅に向上しており、理論値に近い省エネが期待できます。研究チームは今後、任意のワークロードに対して最適な周波数設定を自動で適用するツールの開発を進める方針です。

MIT発のスタートアップFerveretが、原子力発電所の冷却技術を応用したデータセンター向け冷却システムを開発しています。共同創業者のReza Azizian氏（MIT元ポスドク）とMatteo Bucci教授（MIT原子力工学）は、原子炉で使われる「サブクール沸騰」と呼ばれるプロセスをサーバー冷却に転用しました。AIモデルの訓練・推論に使われるデータセンターでは、現在も電力の約3分の1が冷却に消費されており、この非効率性の解消が急務となっています。

Ferveretの「Adaptive Phase Cooling（APC）」は、サーバーを専用の低沸点液体に浸漬し、チップ表面で微細な気泡を生成・急速に再凝縮させることで熱伝達を加速させます。従来の液浸冷却と異なり、気泡が小さく頻繁に離脱するため、チップ表面の再湿潤サイクルが高速化します。さらに有害なPFAS（永遠の化学物質）を含まない液体を使用し、水の消費量はゼロです。

UCLAとの共同研究では、最先端の液冷システムと比較して計算電力効率が15%向上することが確認されました。Ferveretの電力制御ソフトウェアと組み合わせることで、同じ電力量からAIモデルが生成するトークン数を35%増加させることが可能です。現在、データセンター運営大手のCleanSpark、Switch、AIアクセラレータ企業のFuriosaAIと試験を進めています。

同社の冷却システムはモジュール式の小型ボックスとして提供され、既存のデータセンターインフラに容易に組み込めます。従来の液浸冷却がサーバーを大型タンクに沈める方式であるのに対し、Ferveretはラックマウント型を採用し、導入やメンテナンスを簡素化しました。制御ソフトウェアが各サーバーの温度・圧力をリアルタイムで監視し、運転条件を最適化します。

水不要という特性は、再生可能エネルギーが豊富だが水資源に乏しい地域でのデータセンター建設を可能にします。Bucci教授は「太陽光が豊富な場所には水がないことが多い。水を使わない冷却技術があれば、アフリカや中東、アメリカの一部でもデータセンターを展開できる」と述べています。AIインフラの電力需要が急増するなか、Ferveretの技術は持続可能なデータセンター運営の鍵となる可能性があります。

Metaは2026年6月10日、インドの複合企業Reliance Industriesと提携し、グジャラート州ジャムナガルに168メガワット規模のAI対応データセンターを建設すると発表しました。Metaにとってインドにおける初のAIインフラ投資であり、両社の関係は2020年のJio Platformsへの57億ドル出資から、昨年の1億ドル規模のAI合弁事業へと段階的に深化してきています。

新施設は再生可能エネルギーで稼働し、海水を淡水化して冷却に利用します。Metaはエネルギーと水にかかる全費用を負担する方針です。Relianceは設計・建設から再エネ供給、接続、運用までをワンストップで提供し、グローバルテック企業向けのAIインフラ事業者としての地位確立を目指しています。施設は2年以内に稼働予定で、将来的な拡張も可能です。

インドはAIインフラの有力な投資先として急速に台頭しています。Microsoftが175億ドル、Amazonが75億ドル、Googleが15億ドルの投資計画を発表済みで、OpenAIもTataと提携して100メガワットのデータセンター契約を結んでいます。AirTrunkは300億ドルを投じて5ギガワットの容量を2030年までに構築する計画です。

インド政府は外国クラウド事業者に対し、国内データセンターからの海外向けサービスに2047年まで免税措置を提供するなど、積極的な誘致策を展開しています。インドのデータセンター容量は2020年の約375メガワットから2025年には約1.5ギガワットに拡大し、2030年末までに8ギガワット超に達するとの業界予測もあります。AIワークロードの急増とともに、インドがグローバルなAIインフラ競争の重要拠点となりつつあります。

中国が世界初となる洋上風力発電で稼働する水中データセンター（UDC）を上海沖で運用開始しました。民間企業のHiCloud Technologyと国有企業のChina Communications Constructionが共同で開発し、投資額は16億元（約2億3600万ドル）に上ります。施設は上海の臨港新片区にある中国自由貿易試験区内の水深10メートルに設置されています。

初期容量は24メガワットで、海水を天然の冷却システムとして利用することにより、冷却に使うエネルギーを全体の10%未満に抑えています。従来の陸上データセンターでは空調が全電力の40〜50%を占めるため、大幅な効率改善となります。電力使用効率を示すPUE（Power Usage Effectiveness）は1.15以下を設計目標としており、業界最高水準です。

HiCloud Technologyは2023年に海南省で世界初の商用水中データセンターを開設していますが、洋上風力発電との組み合わせは今回が初めてです。中国政府によれば、従来の陸上施設と比較してエネルギー消費を22.8%削減し、水と土地の使用量もそれぞれ100%、90%以上の削減が見込まれています。

この取り組みの背景には、AI開発に伴うデータセンター需要の急増があります。国連の報告書によると、AI専用データセンターを持つ国は世界で32カ国にとどまり、そのインフラの約90%が中国と米国に集中しています。両国はAI基盤整備のエネルギー確保を進めていますが、米国がエネルギー転換への投資を縮小する一方、中国は再生可能エネルギーの拡大を加速させています。

中国は世界最大のエネルギー消費国として、化石燃料依存の低減とエネルギー安全保障の強化を同時に追求しています。2025年6月からは太陽光・風力発電の市場メカニズムによる取引を義務化し、旧来の固定価格買取制度を段階的に廃止しました。水中データセンターの稼働は、AIインフラ競争における中国の技術的・地政学的な優位性を示す象徴的な一歩です。

General Motors（GM）は2026年6月9日、サンフランシスコで開催したイベントにおいて、電気自動車（EV）のバッテリーを活用したV2G（Vehicle-to-Grid）技術の本格展開を発表しました。AIデータセンターの急増による電力需要の高まりを背景に、全米の道路を走る25万台超の双方向充電対応EVを送電網の安定化に役立てる構想です。既存のV2H（Vehicle-to-Home）システム利用者にはファームウェア更新で自動的にV2G機能が追加されます。

具体的な実証プロジェクトとして、北カリフォルニアではPG&E;と提携し、5万2000台規模のEV群を用いた「系統バランシング・プロトコル」を2030年までに運用開始する計画です。ミシガン州ではDTE Energyと協力し、GM従業員30世帯の住宅で双方向充電のストレステストを実施しています。同社の試算では、対応車両のバッテリー容量を合計すると12万世帯を最大1週間にわたり給電できるとしています。

エネルギー貯蔵の分野では、ニューヨークのPeak Energyと提携し、ナトリウムイオン電池を用いた産業用蓄電システムの開発に着手しました。ナトリウムはリチウムより調達コストが低く、安全性や寒冷地性能にも優れるとされています。さらにRedwood Materialsと連携し、使用済みEVバッテリーの二次利用による蓄電システム構築も進めています。

充電インフラの改善策として、新機能「Energy Pass」を発表しました。Chevrolet、Cadillac、GMCのEVオーナーが、Tesla Supercharger、Electrify America、IONNAなど複数の充電事業者をアプリひとつで検索・利用・決済できる仕組みです。今後EVgoやChargePointへの対応も予定しており、充電体験の煩雑さというEV普及の大きな障壁の解消を目指します。

GMのエネルギー事業担当バイスプレジデントのWade Sheffer氏は公開書簡で、V2Gインフラの制度整備を規制当局に求めました。国際エネルギー機関（IEA）の報告書を引用し、V2Gが将来の送電網投資コスト削減に最も大きな柔軟性を提供する技術だと指摘しています。GMは2022年のGM Energy設立以来、家庭用エネルギー市場への参入を進めており、今回の発表はその取り組みをグリッド規模に拡大するものです。

電動キックボード企業Spinの創業者Euwyn Poon氏が、宇宙空間でAI推論処理を行うデータセンター企業「Orbital」を設立し、a16zのアクセラレータプログラムSpeedrunを経て500万ドルのシード資金を調達しました。Poon氏は2017年にSpinを創業し翌年Fordに売却した経験を持ち、その後自らNvidia A100を購入してオープンウェイトモデルの提供を始めたことからAIコンピュート事業の価値を確信したといいます。

Orbitalの技術ロードマップは段階的です。まず提携先の衛星にNvidia Blackwellチップを搭載し、同社独自の放射線シールドと熱管理技術を検証するデモ飛行を実施します。2028年にはNvidiaのSpace-1 Vera RubinクラスGPUを搭載した初の自社データ処理衛星の打上げを計画しており、段階的な推論処理の受託で収益化を目指します。

最終目標は各100kWの電力を供給する1万機の衛星による分散型ギガワット級コンピューティング基盤の構築です。ただし現行のFalcon 9の打上げ費用では経済性が成り立たず、SpaceXのStarshipが商業運用を開始し打上げコストが大幅に下がることが事業成立の前提条件となっています。

宇宙データセンター市場には競合も多く、すでにGPUを軌道上に展開しているStarcloud、独自ロケット開発に着手したCowboy Space Company、大型ロケットNew Glennを持つBlue Originなどが参入しています。a16zパートナーのAndrew Chen氏は、Poon氏がSpinで100都市に25万台のスクーターを展開した実績を評価し、10年以上・50億ドル超の投資が必要になりうる長期プロジェクトへの出資に「2026年に始めるからこそ資本市場のエネルギーを活用できる」と語りました。

シアトル市議会は2026年6月9日、データセンターの新規建設を1年間凍結する緊急モラトリアムの採決を行います。4社が提案した5つの大型施設は合計で最大369メガワットの電力需要が見込まれ、これはシアトルの1日の平均電力消費の約3分の1に相当します。水資源の消費や電気料金の上昇、騒音への懸念から、住民や技術者が圧倒的多数で凍結を支持しています。

注目すべきは、Amazonの現職社員が自社のデータセンター拡大に反対する立場で公聴会に登壇したことです。シニアソフトウェアエンジニアのLiesl Wigand氏は「AIであらゆる問題を解決すべきだという考えが、コストを無視する文化を生んでいる」と証言しました。社員グループ「Amazon Employees for Climate Justice」は昨年、1000人超の署名を集め、Amazonが気候目標をAI開発のために放棄していると批判する公開書簡を発表しています。

社員らは具体的な規制案も提示しました。開発事業者にNDAやペーパーカンパニーによる匿名性の排除を求め、地域電力網への100%再生可能エネルギーの追加供給、レイオフ実施時の課税、そして市に報告義務を持つ労働者主導の安全委員会の設置を要求しました。水や電力の使用量の公開報告も求められています。

こうした動きはシアトルに限りません。ニューヨーク州議会は大型データセンターの1年間の建設禁止法案を可決し、知事の署名を待つ段階にあります。全米各地で個別のデータセンター計画が住民の抗議を受けて中止や縮小に追い込まれる事例も相次いでいます。

Amazonが今年2000億ドル、Microsoftが1900億ドルの設備投資を計画する一方で、Amazonは過去8か月で本社の3万人を解雇しました。社員のPatrick Schloesser氏は「巨大テック企業は計算能力をできるだけ速く構築しようと必死になっている。その必死さが私たちの都市に交渉力を与える」と述べ、企業の投資規模そのものが住民側のレバレッジになると指摘しました。

2026年6月、WIREDはフロリダ州の連邦上院選に出馬したAlex Vindman氏へのインタビューを公開しました。Vindman氏は2019年のトランプ大統領弾劾裁判で証人として注目を集めた元陸軍中佐で、20年以上の軍歴とイラク戦での負傷によるパープルハート勲章を持つ人物です。2026年1月に共和党現職のAshley Moody上院議員への挑戦を表明し、フロリダ州の生活費高騰や雇用問題を主要な争点に掲げています。

AI政策について、Vindman氏はソーシャルメディア時代の失敗から学ぶべきだと強調しました。SNSがもたらした分断や偽情報、メンタルヘルスへの悪影響を踏まえ、AI時代には同じ過ちを繰り返さないよう先手を打つ規制が必要だと主張しています。具体的には、イノベーションの優位性を維持しつつ、ディープフェイクや雇用喪失といった害を軽減する原則を掲げました。

データセンター問題にも言及し、AI企業のデータセンターが地域の電力・水資源を圧迫し住民の光熱費を押し上げている現状を批判しました。フロリダ州では干ばつの中で水資源への影響も懸念されており、DeSantis知事がデータセンター規制法案に署名した動きにも触れています。Vindman氏は「地域社会への害を与えない」を第一原則として掲げ、適切な立地選定と住民保護の両立を訴えました。

さらに、AnthropicがペンタゴンでのAI利用に関して原則的立場を取ったことに対し、トランプ政権が同社を脅威と指定して報復したことを強く批判しました。Vindman氏は「自由市場を標榜する共和党が、企業の行動を統制する共産主義的手法を取っている」と指摘し、国家安全保障を政治的イデオロギーで損なうべきではないと述べています。AIの軍事利用についても、原則と価値観に基づく判断が必要だとの立場を示しました。

NVIDIAとLGグループは2026年6月8日、ロボティクス・自動運転・データセンター技術・GPUクラウドサービスにまたがるAI工場を共同で建設すると発表しました。NVIDIAのフルスタックAI基盤とLGの家電・モビリティ・スマートスペース領域の知見を組み合わせ、物理AIシステムの開発から展開までを統合するワークフローを構築します。

ロボティクス分野では、LGエレクトロニクスが家庭用ロボット「CLoiD」の開発にNVIDIA Isaac SimやIsaac Labを導入し、物理的に正確な仮想環境でのシミュレーション・訓練・検証を進めます。さらにNVIDIA Isaac GR00Tモデルの採用も検討しており、ロボットに人間のような推論能力と複雑なタスクの実行力を持たせることを目指しています。訓練データ不足の課題に対しては、LGがNVIDIA Cosmosを活用した物理AIデータファクトリーを構築し、合成データの大量生成で対処する計画です。

AI工場インフラの面では、LGエレクトロニクスとLGエナジーソリューション、LG Uplusが連携し、NVIDIA DSXプラットフォームに準拠したスケーラブルな液冷AIファクトリーの構築を進めます。冷却分配ユニットやコールドプレート、プレハブ式モジュラー設計など、次世代GPU向けの電力・熱管理技術で協力します。LGエナジーソリューションは800ボルト直流給電ソリューションの共同開発にも取り組む予定です。

モビリティ領域では、LGエレクトロニクスが先進運転支援システム（ADAS）や車載AIをNVIDIA DRIVE Hyperionアーキテクチャに対応させる取り組みを強化します。AIコックピットやエッジAI処理を含む将来のモビリティ用途にNVIDIA DRIVE AGXを活用する計画で、グローバル自動車メーカー向けのポートフォリオ拡充を狙います。

主権AIの領域では、LG AI Researchが韓国を代表するAIモデル「EXAONE」の開発にNVIDIA Blackwell GPUやNeMoフレームワークを活用しています。LGグループはChatEXAONEなどのプラットフォームを通じ、エージェント型AIの全社展開とソフトウェア主導のオペレーション変革を加速させる方針です。

Nvidiaは2026年6月6日、台北で開催された見本市Computex 2026で、Windows PC向けの新半導体「RTX Spark」を正式発表しました。同社のBlackwell GB10「スーパーチップ」をPC用に展開するもので、Microsoftは搭載機としてSurface Laptop UltraとSurface RTX Spark Dev Boxの2機種を公開。Asus、Dell、Lenovo、HP、MSIといった大手メーカーも対応PCを相次いで発表しました。

RTX Sparkの中核は、2025年末に登場したミニワークステーション「DGX Spark」と同系の設計です。コードネームN1Xと呼ばれるこの半導体は、20基のArm CPUコア、6,144基のGPUコア、最大128ギガバイトのLPDDR5Xメモリーを統合したシステムオンチップとなっています。ノートPC版は消費電力を抑える分、性能はメーカーごとの実装に左右される見込みです。

AI処理が注目を集めていますが、用途はそれだけではありません。RTX SparkはMicrosoftのCopilot+認証に必要なNPUも内蔵し、Windows Recallなどの背景機能に活用されます。一方で大規模言語モデルや画像生成といった本格的なAI処理はGPUが担い、クリエイターやゲーマーからも期待が寄せられています。

Nvidiaの最大の強みは、ハードの性能よりむしろソフトウェアにあると専門家は指摘します。同社のGPUはゲームやプロ用途で事実上の業界標準であり、市場シェアは90%超とされます。第三者評価会社Signal65のRyan Shrout氏は「Nvidiaには、QualcommやMicrosoftが初期に実現できなかったことを動かすだけの業界での重みがある」と語ります。

Microsoftは、AIエージェントを隔離環境で自律実行させる開発者向けSDK「Microsoft Execution Containers」の早期プレビューも公開しました。ただ課題は、QualcommとMicrosoftが直面したものと同じです。IntelやAMDのx86チップに対し、Arm版Windowsを有力な選択肢として定着させられるか。Shrout氏は「まず優れた汎用PCであることが大前提だと誰もが理解している」と述べ、真価が問われるのはこれからだと指摘しました。

米インディアナ州シェルビービル市のスコット・ファーガソン市長が2026年6月、約20億ドル規模のデータセンター建設に反対する住民を侮辱したとして批判を浴びています。市内に掲げられた「データセンター反対」の看板について、市長が「見かけるのはぼろ家ばかりだ」「ほとんどが賃貸だ」と発言する様子が動画で拡散し、政治的な火種となりました。

発言を撮影した動画の中で、対話していた女性はすぐに「私たちは働く世帯だ」と反論しています。別の住民も「賃貸かどうかは関係ない。彼らも同じ人間だ」と指摘し、市長の差別的な物言いに対する抗議の声が上がりました。

シェルビービルの住民は、市長が自らの有権者に向けて使った見下すような言葉に強い不快感を示しています。地元テレビの取材に応じた女性は、市長の発言を「失礼で、傷つく言葉だ」と語りました。データセンター誘致を巡る賛否が、住民感情を逆なでする形で深刻化しています。

市長はその後の追加コメントを控えていますが、市長室の広報担当者は「言葉の選び方が不快感を与えたかもしれないことを市長は遺憾に思っている」との声明を出しました。ただし発言の撤回や明確な謝罪には踏み込んでおらず、収束の見通しは立っていません。

AIブームを背景に全米でデータセンター建設が急増する中、地域社会との摩擦は各地で顕在化しています。雇用や税収への期待がある一方、騒音や電力・水資源への負担を懸念する住民は少なくありません。今回の一件は、誘致を進める自治体が住民との対話をいかに丁寧に進めるかという課題を改めて浮き彫りにしました。

元Amazon幹部のRob Williamsと神経科学者Thomas Reardonが共同設立したFlourishが、Jeff Bezosから約1億ドルの出資を含む総額5億ドルを調達しました。評価額は25億ドルで、Lux Capital、Google Ventures、Catalioなども出資しています。同社は人間の脳の「中核アルゴリズム」を解明し、消費電力50ワット以下で動作する合成知能の構築を目指しています。

現在のLLMは人間の脳と比較して根本的に非効率です。人間の脳が約20ワットで情報処理を行うのに対し、AIチップ1枚で600ワット以上を消費します。さらにLLMは学習後の継続学習ができず、新たなモデルを訓練するたびに膨大なデータと計算資源が必要になります。Reardonは「英語を学ぶのに人類が書いたすべての本を20回読む必要がある、というのは根本的に間違っている」と指摘しています。

Flourishの研究チームは約24名の神経科学者とAI研究者で構成され、ニューヨークのオフィスにはデータセンターが併設されています。DeepMindのProject Astraを率いるGreg Wayneが上級アドバイザーとして参加し、勤務時間の20%をFlourishに充てています。チームは大脳皮質カラムと呼ばれる脳の基本的な計算単位に注目しており、共同創業者Joshua Vogelstenらの研究では、ショウジョウバエの神経回路がトランスフォーマーの10倍効率的であることが示されています。