動画（マルチモーダル）に関するニュース一覧

OpenAIは2025年11月、動画生成AI「Sora」のAndroidアプリをわずか28日間で開発・公開しました。たった4人のエンジニアチームが、同社のAIエージェント「Codex」を駆使し、コード全体の約85%をAIに記述させたのです。本記事では、彼らが実践したAIを部下のように扱う「指揮者型」開発手法と、エンジニアに求められる新たなスキルセットについて解説します。

通常、これだけの規模と品質を持つアプリ開発には、多数のエンジニアと数ヶ月の期間を要します。しかし同社は、GPT-5.1をベースとするCodexを活用することで、プロトタイプ作成から18日、一般公開までさらに10日という驚異的なスピードを実現しました。完成したアプリはクラッシュ率0.1%未満と、人間主導の開発と遜色ない高い信頼性を誇ります。

成功の鍵は、AIへの指示方法の転換にありました。単に「機能を作れ」と命じるのではなく、まず既存コードや仕様を読ませ、実装計画を立案させます。人間がその計画をレビューし承認した後に初めてコーディングさせるのです。これにより、AIが文脈を無視したコードを書くリスクを排除し、手戻りを最小化する確実な進捗を生み出しました。

また、先行していたiOS版のソースコードを「正解の見本」として読み込ませた点も奏功しました。言語は異なってもビジネスロジックは共通であるため、CodexはSwiftのコードを解析し、Android用のKotlinコードへと正確に翻訳・実装しました。これは、AI時代の新たなクロスプラットフォーム開発の形と言えます。

この事例が示唆するのは、エンジニアの役割が「コードを書く人」から「AIを指揮する人」へと変化している事実です。AIは実装力に優れますが、全体設計やユーザー体験の良し悪しは判断できません。これからのエンジニアには、AIに適切なコンテキストを与え、出力された成果物を正しく評価するシステム設計力が不可欠になります。

さらにOpenAIは、Codex自体の開発にもCodexを活用しており、ツールの大部分がAIによって構築・改善されています。AIがAIを進化させるサイクルが加速する中で、人間はより本質的な「何を、なぜ作るのか」という問いに向き合う必要があります。私たちは今、ソフトウェアエンジニアリングの再定義を迫られています。

AI映像生成のRunwayは2025年12月11日、同社初となるワールドモデル「GWM-1」と、動画生成モデル「Gen 4.5」のアップデートを発表しました。物理シミュレーションと音声付き動画生成の両軸で、AIの産業応用と市場価値を大きく高める狙いです。

新発表の「GWM-1」は、物理法則や時間の経過を理解するAIモデルです。環境構築用の「Worlds」、ロボット学習用の「Robotics」、人間行動再現の「Avatars」を展開し、現実世界の高度なシミュレーションを可能にします。

動画モデル「Gen 4.5」はネイティブ音声に対応しました。映像に同期した音や対話を生成でき、一貫性を保った1分間の長尺動画も作成可能です。単なる生成実験を超え、実用的な映像制作ツールとしての地位を固めます。

同社は「動画生成の進化がワールドモデルへの近道」と位置づけます。特にロボット分野では、天候や障害物を含む高品質な合成データを提供し、実機での試行錯誤を減らすことで開発効率と生産性の向上に貢献します。

ノルウェーのOpera社は12月11日、AI機能を全面的に統合したブラウザ「Neon」を一般公開しました。月額19.90ドルのサブスクリプション型で、高度なエージェント機能や最新のAIモデルへのアクセスを提供し、生産性を重視する層を狙います。

Neonの最大の特徴は、ユーザーの閲覧履歴を文脈として理解する能力です。たとえば「先週見た動画の詳細」を自然言語で問いかけて特定したり、ウェブ上の情報を元にミニアプリや動画を生成したりするなど、従来の検索を超えた操作が可能です。

業務効率化機能として、定型的なタスクを処理する「Cards」や、特定トピックの詳細調査を自律的に行うDeep Research Agentを搭載しています。また、AIチャットと関連タブをワークスペースとしてまとめる「Tasks」により情報の整理が容易です。

月額料金には、GPT-5.1やGemini 3 Proといった最先端の大規模言語モデルの利用権が含まれます。競合他社が慎重なアプローチを取る中、Operaは最新技術を即座に求めるアーリーアダプター向けに差別化を図っています。

Googleは2025年12月11日、2026年の広告戦略に向けたDemand Gen（需要創出）キャンペーンの機能強化を発表しました。AIによるパーソナライズ精度の向上や、動画クリエイティブの自動生成など、5つの主要なアップデートが含まれます。

特に注目すべきはAIを活用したターゲティングの進化です。最適化ターゲティングや新規顧客獲得目標の導入により、これまでブランドに接触していなかった高価値な顧客層へのアプローチが可能になりました。実際、コンバージョンの68%が検索広告未接触層から生まれています。

販売促進機能も拡充され、実店舗向けのローカルオファーやWeb用の決済リンクなどが利用可能です。さらに、YouTubeやGmailなど配信面のチャネル制御や、クロスプラットフォームでの効果測定指標も導入され、投資対効果の透明性が高まりました。

ウォルト・ディズニー・カンパニーは2025年12月11日、OpenAIとの戦略的提携および10億ドルの株式投資を発表しました。この歴史的な契約により、ディズニーは自社が保有する膨大な知的財産（IP）を生成AIプラットフォーム「Sora」に提供し、AI時代の新たなエンターテインメント体験を創出します。

提携の核心は、動画生成AIにおけるIP利用の解禁です。ユーザーは今後、ミッキーマウス、スター・ウォーズ、マーベル、ピクサーなど200以上のキャラクターや世界観を使用し、テキスト入力から高品質なショート動画を生成できるようになります。これらは2026年初頭から機能提供が開始される予定です。

生成されたコンテンツの出口戦略も明確です。ディズニーは、ユーザーがSoraで作成した「ファン動画」の一部をキュレーションし、動画配信サービスDisney+にて配信する計画を明らかにしました。単なるツール提供にとどまらず、ユーザー生成コンテンツ（UGC）を自社エコシステムに取り込む狙いがあります。

企業としてのDXも加速させます。ディズニーはOpenAIのAPIを活用して社内ツールや新製品を開発するほか、従業員向けにChatGPTを導入し、業務効率化とイノベーションを推進します。ディズニーCEOのボブ・アイガー氏は、これを「責任ある形でのストーリーテリングの拡張」と位置付けています。

特筆すべきは、ディズニーの巧みな知財戦略です。同社はGoogleやMidjourneyなど他のAI企業に対して著作権侵害で法的措置を取る一方、OpenAIとはライセンス契約を結ぶ道を選びました。IPのコントロール権を維持しながら、勝者となる可能性が高いプラットフォームと手を組む「アメとムチ」の戦略と言えます。

安全性と権利保護への配慮も徹底されています。今回の契約には俳優の声や肖像権は含まれておらず、不適切なコンテンツ生成を防ぐための厳格なガードレールが設けられています。クリエイターの権利を守りつつ、技術革新をビジネス成長につなげる実利的な判断が、業界全体に大きな影響を与えそうです。

ウォルト・ディズニー社は12月11日、Googleに対し、同社のAIモデルが大規模な著作権侵害を行っているとして警告書を送付しました。ディズニーはGoogleのAIが自社キャラクターを模倣したコンテンツを大量に生成・配布していると非難し、即時の停止を求めています。この動きは、ディズニーが競合のOpenAIとの大型提携を発表した直後に表面化しており、AI時代における知的財産戦略の重要な転換点を示しています。

警告書の中でディズニーは、Googleの「Gemini」や動画生成AI「Veo」などが、アナと雪の女王やスター・ウォーズといった人気キャラクターの模倣品を生成するバーチャル自動販売機として機能していると激しく批判しました。これらのAIツールが市場に侵害物を氾濫させ、Googleがそこから巨額の利益を得ている現状は看過できないとし、これまで数ヶ月にわたり対策を求めてきたものの、Google側が拒否してきたと主張しています。

これに対しGoogle側は、ディズニーとの長期的かつ相互利益のある関係を強調しつつも、AIモデルのトレーニングにはオープンウェブ上の公開データを使用していると反論しました。また、YouTubeのContent IDのような著作権管理ツールを提供しており、権利者は自らのコンテンツを管理可能であると説明しています。今後もディズニーとの対話を継続する姿勢を見せていますが、侵害の主張そのものは認めていません。

注目すべきは、この警告書送付の翌日にディズニーがOpenAIとの10億ドル規模の提携を発表したことです。この契約により、OpenAIの動画生成AI「Sora」でディズニーキャラクターの正規利用が可能になります。ディズニーは、正規ライセンス契約を結んだパートナーと、無許可で学習データを利用する企業とを明確に選別し、AI企業に対する法的圧力を強めることで、有利な条件での提携を引き出す戦略を鮮明にしています。

ディズニーはこれまでもCharacter.AIやMidjourneyに対して同様の警告や訴訟を行っており、IP（知的財産）保護のために強硬な手段も辞さない構えです。今回のGoogleへの警告は、テック巨人が開発する基盤モデルそのものの正当性を問うものであり、今後のAI開発と著作権法の在り方を左右する試金石となる可能性があります。企業リーダーは、生成AI活用の裏にある法的リスクと、コンテンツホルダーとの提携戦略を注視する必要があります。

Amazon Prime Videoは、AI生成によるドラマの「あらすじ動画」機能をプラットフォームから削除しました。人気作品『Fallout』の要約において、物語の設定に関わる重大な事実誤認が発覚したためです。AI活用におけるハルシネーション（もっともらしい嘘）のリスクが顕在化した事例といえます。

具体的には、物語の重要な回想シーンの年代を「2077年」ではなく「1950年代」と誤って解説していました。また、登場人物の心理描写や選択肢についても、文脈を無視した不正確な要約が行われており、作品のファンやメディアからの指摘が相次ぎました。

この機能は先月からテスト運用されていましたが、現在は『The Rig』や『Jack Ryan』など他の対象作品からも一斉に削除されています。UX向上におけるAIの可能性は大きいものの、コンテンツの正確性の担保には依然として人間の監修（Human-in-the-loop）が不可欠です。

Adobeは2025年度決算を発表し、売上高が前年比11%増の237億7000万ドルと過去最高を記録しました。株価は年初来で下落傾向にあるものの、生成AI戦略が実を結び、収益面での堅実な成長を証明しています。

シャンタヌ・ナラヤンCEOは、この好業績について「世界的なAIエコシステムにおける重要性の高まり」を反映していると説明しました。特にAI関連の年間経常収益は、今や事業全体の3分の1以上を占めるまでに成長しています。

成長の原動力となっているのが、独自開発の生成AIモデル「Firefly」です。画像、動画、音声の生成機能をクリエイティブアプリ群に統合し、ユーザーによるAIツールの採用が急速に進んでいます。

また、自社技術だけでなくパートナーシップも強化しています。AWS、Google、OpenAIなど主要なAIプラットフォームと連携することで、競合との対立を避けつつ、クリエイティブ産業での地位を固める戦略です。

2026年に向けては、生成AIやエージェント機能の革新を通じ、年間経常収益をさらに10.2%増加させる目標を掲げています。AdobeはAI活用を軸に、さらなる顧客基盤の拡大を目指します。

Googleは2025年12月10日、YouTube Shortsの広告機能をアップデートしました。ホリデー商戦に向け、コメント機能や外部リンクの追加により、ブランドと視聴者のエンゲージメントを最大化する狙いです。

調査会社Kantarによると、Shorts上のクリエイター広告は購入意欲を平均8.8%向上させます。競合プラットフォームと比較して、消費者の支出意欲を2.9倍引き出す高い販促効果が確認されています。

新たに導入されたコメント機能により、企業は広告上で視聴者と直接対話できるようになります。オーガニックな投稿と同様の体験を提供することで、ブランドへの親近感と信頼醸成を促進します。

クリエイターはブランドコンテンツにWebサイトへのリンクを設置可能になり、視聴者をスムーズに誘導できます。さらにモバイルWeb版での広告表示も開始され、アプリ外でのリーチも拡大します。

Googleは12月10日、欧州の10代の若者7000人以上を対象としたインターネット利用に関する調査結果を発表しました。若者たちはネットへのアクセス禁止ではなく、人間中心の安全な設計と、ツールを正しく使うための適切な指導を求めていることが明らかになりました。

調査によると、多くの若者が課題や創作のために週1回以上AIを利用しています。約半数が学習意欲の向上に役立つと回答する一方、学校側の対応は遅れています。28%は認可されたAIツールがないとしており、明確なガイドラインの提示が急務です。

動画も主要な学習源であり、84%が教育動画を週に数回視聴しています。若者は誤情報やAI生成コンテンツへの不安も抱えており、一律の禁止ではなく、年齢に応じた適切なガードレールや透明性を求めています。彼らはリスクを認識し、支援を必要としています。

報告書は、アクセス遮断ではなく、デフォルトでの安全機能の強化や、AIリテラシー教育の導入を提言しています。若者を単なるユーザーではなく未来の設計者と捉え、彼らの声を反映したより良いインターネット環境の構築が、大人たちに求められています。

AI音声生成のElevenLabsが、評価額66億ドルに到達しました。米Sequoiaなどが主導する投資ラウンドで、わずか9ヶ月で企業価値を倍増させています。注目すべきは、CEOが「音声モデル自体は数年でコモディティ化する」と予測し、次なる成長戦略へ舵を切っている点です。

ポーランド出身のエンジニアが創業した同社は、映画の吹き替え品質への不満から始まりました。現在では黒字化を達成し、Fortniteのキャラクターボイスや企業のカスタマーサポートに技術を提供。OpenAIと競合しながらも、AI音声のデフォルトスタンダードとしての地位を確立しつつあります。

Staniszewski CEOは、音声生成技術の優位性は長く続かないと分析しています。競合が追いつく未来を見据え、単なる音声モデルの提供から、会話型AIエージェントの構築プラットフォームへと事業をピボット。対話機能そのものを包括的に提供する戦略です。

さらに、ディープフェイク対策としての電子透かしや、音楽生成、動画モデルとの融合も推進しています。「人間よりもAI生成コンテンツの方が多くなる」という未来予測のもと、音声を超えたマルチモーダルな展開を加速させています。

Googleは2025年12月9日、Googleフォトに5つの新機能を追加し、動画編集機能を大幅に強化したと発表しました。AndroidとiOS向けに順次展開され、刷新されたエディタや自動テンプレートにより、スマホ一つで直感的に高品質な動画制作が可能になります。

最大の変更点は、動画エディタのインターフェース刷新です。新たに導入されたユニバーサルタイムラインにより、複数の動画クリップや写真を組み合わせたストーリー性のある編集が容易になりました。必要なツールが直感的な場所に配置され、編集作業の効率が劇的に向上します。

Android向けに先行導入されるテンプレート機能は、生産性を高める強力なツールです。テンプレートを選ぶだけで、音楽のビートに合わせて自動的にカット割りやテキスト調整が行われます。専門知識がなくとも、短時間で共有可能なハイライト動画を作成できる点が魅力です。

コンテンツの質を高めるための演出機能も充実しました。Googleフォトのライブラリから最適なサウンドトラックを追加できるほか、Android版ではフォントや色をカスタマイズできるテキストオーバーレイ機能も実装。ビジネスや個人の発信において、より明確にメッセージを伝えることが可能です。

これらの新機能は、単一の動画クリップ編集にも適用されます。Androidでは新しいエディタがデフォルト設定となり、個別の動画に対しても音楽やテキストを素早く追加できます。今回のアップデートは、モバイル完結型のワークフローを求めるユーザーにとって強力な支援となるでしょう。

Googleは2026年に初のAIグラスを発売すると発表しました。Android XRをOSに採用し、人気アイウェアブランドのWarby ParkerやGentle Monsterと提携して開発を進めます。先行するMetaに対抗し、日常に溶け込むデザインと機能性を両立させた製品で市場シェア獲得を狙います。

投入予定のモデルは主に2種類です。一つはディスプレイを省き、AI「Gemini」との音声対話や撮影に特化したスクリーンフリー型。もう一つは、レンズ内に着用者のみが見えるディスプレイを搭載し、ナビゲーションや翻訳字幕などを表示できるモデルです。

さらに、Xrealと協力した有線XRグラス「Project Aura」も披露されました。これは軽量グラスと高機能ヘッドセットの中間に位置し、Google Workspaceでの作業や動画視聴に適した拡張ディスプレイとして機能します。

スマートグラス市場ではMetaがRay-Banとの提携で成功を収めており、2026年にはAppleやSnapの参入も予想されます。GoogleはWarby Parkerへの巨額投資を通じて開発と販路を強化し、激化する次世代ウェアラブル競争に挑みます。

欧州委員会は9日、Googleに対し独占禁止法違反の疑いで調査を開始しました。同社のAI検索機能が、ウェブサイトのコンテンツを対価なしで利用し、パブリッシャーに対して不当な条件を課している可能性があるためです。

調査の焦点は、「AI Overviews」などの機能において、適切な報酬なしに情報を生成している点です。コンテンツ利用を拒否すれば検索結果からのアクセスを失う恐れがあり、実質的な強制が働いているかを検証します。

また、傘下のYouTube動画データの扱いも精査されます。Googleが自社AIの学習にのみデータを活用し、競合他社の利用を制限することで、検索市場での支配力をAI市場へ不当に転用していないかを確認します。

今回の調査は、単なる著作権侵害の有無を超え、市場競争の公平性を重視しています。圧倒的な検索シェアを持つGoogleが、AI分野でも他社を排除し、健全な競争環境を阻害する動きを牽制する狙いがあります。

中国のAIスタートアップZhipu AIは2025年12月8日、視覚言語モデル「GLM-4.6V」シリーズを公開しました。画像をテキスト変換せず直接ツールで処理するネイティブ機能を搭載し、MITライセンスにより商用利用も完全に自由です。

最大の特徴は、視覚情報を直接ツールの引数として渡せる点です。従来必要だった「画像からテキストへの変換」という中間プロセスを排除することで情報の損失を防ぎ、画像の切り抜きや検索といった高度な自動化を効率的に実行できます。

ラインナップは、複雑な推論に強い1060億パラメータの「106B」と、低遅延な90億パラメータの「Flash」の2種です。特にFlash版は利用料が無料であり、エッジデバイスやリアルタイム処理が必要なアプリ開発に最適です。

開発現場での実用性も高く、UIのスクリーンショットからピクセル単位で正確なHTMLやCSSを生成できます。12万8000トークンの長大なコンテキストに対応し、長時間の動画解析や大量のドキュメント処理も一度の推論で完結します。

本モデルはOpenAIのGPT-4Vなどと競合する性能を持ちながら、オープンソースとして公開されました。自社インフラでの運用やコンプライアンス順守が求められる企業にとって、柔軟かつ低コストなAI導入の有力な選択肢となるでしょう。

米OpenAIは12月、動画生成AI「Sora」の機能名「cameo」を、商標権侵害訴訟を受けて変更しました。米連邦地裁の差し止め命令に応じ、既存アプリとの混同を避けるため、当該機能を「characters」という名称に差し替えています。

提訴した「Cameo」は、著名人の動画メッセージを購入できる人気サービスです。同社CEOは、OpenAIが商標を知りつつ名称を使用したと批判し、自社ブランドが「AI生成の模造品」と混同されるリスクや、検索順位への悪影響を強く懸念しています。

OpenAIの命名トラブルは今回に限られません。開発中の機器名称「io」についても、類似名の企業から訴えられ使用禁止命令を受けました。AI技術と同様に製品名でも独自性の欠如が指摘されており、急成長企業の知財リスク管理として注目されています。

Googleは12月8日、2025年の世界的な検索トレンドを振り返る動画「Year in Search 2025」を公開しました。人々がこの1年で何を検索し、どのような瞬間に心を動かされたかを分析し、未来への展望を示唆する内容となっています。

ビジネス層にとって特に注目すべきは、AI技術の実用化に関する関心の高まりです。2025年は農業やヘルスケアの分野において、AIによる画期的な進歩が初めて検索トレンドとして大きく浮上しており、技術革新が社会実装の段階に入ったことを示しています。

社会面では、ロサンゼルスの火災やテキサスの洪水といった自然災害に対し、コミュニティの回復力が焦点となりました。困難な状況下で人々がどのように結束し、支援を求めたかという記録は、危機管理の観点からも重要な示唆を与えてくれます。

文化・スポーツ面では、インド女子クリケットの歴史的なワールドカップ優勝や、「Labubus」などの新たなトレンドが話題となりました。分野ごとの詳細なランキングデータは、Google Trendsの公式サイトで確認可能です。

GoogleのUXエンジニアが、動画生成AI「Veo」の出力を劇的に向上させる手法「メタプロンプティング」を公開しました。これはGeminiなどの言語モデルに、AI向けの指示文（プロンプト）自体を作成させるテクニックです。

具体的には、Geminiに対し「LLMが理解できる詳細なプロンプトを書いて」と依頼します。その際、ストップモーションといったスタイルや、光沢紙などの素材を具体的に指定することで、人間では記述が難しい緻密な指示書が生成されます。

さらに、「見ていて満足感がある」といった感情的な要素を条件に加えるのも効果的です。AIが出力したプロンプトをVeoに入力すれば、紙の質感や環境音までリアルに再現された、高品質な映像を生成できます。

この手法は専門知識が不要で、誰でもすぐに実践可能です。まずは自分の好きなテーマを選び、AIと対話しながら実験を繰り返すことが、クリエイティブな成果物を生み出す近道となるでしょう。

米Googleは2025年12月8日、AI試着アプリ「Doppl」に、AI生成動画を用いた購入可能な発見フィードを追加しました。ユーザーの好みに基づき提案された服を、バーチャルな着用動画で確認し、そのまま外部サイトで購入できる機能です。現在は米国の18歳以上向けに展開されています。

このフィードは、静止画ではなくAI生成動画で実製品を表示し、リアルな着用感を提供する点が特徴です。ユーザーがアプリ内で共有したスタイルや操作履歴をAIが分析し、個々人に最適化されたアイテムをレコメンドします。気に入った商品は、直リンクから即座に販売元へアクセス可能です。

今回の機能強化は、TikTokやInstagramなどが定着させた「動画フィードからの購買」という消費行動への適応を意図しています。AmazonやSNSプラットフォームに流れるEコマース需要を取り戻す狙いがあり、インフルエンサーではなくAIコンテンツのみで構成する点で、他社との差別化を図っています。

AI生成コンテンツだけで構成されるフィードは、OpenAIの「Sora」やMetaの「Vibes」などに見られる最新トレンドです。Googleはこの流れに乗り、既存の検索やショッピング体験とは異なる、視覚的で受動的な発見体験をユーザーに提供しようとしています。

Metaが開発した新AIモデル「V-JEPA」は、動画視聴のみで物理世界の法則を直感的に理解します。従来のAIが苦手としたノイズ処理を克服し、自律型ロボットなどへの応用が期待される画期的な技術です。幼児が経験を通じて世界を学ぶように成長する、その革新的な学習メカニズムと、実用化に向けた今後の展望を解説します。

従来のAIはピクセル単位の処理により、背景の些細な動きなど本質的でない情報に惑わされがちでした。対してV-JEPAは、映像を抽象化した潜在表現を用いることで、重要な情報のみを効率的に抽出する仕組みを採用し、この課題を克服しています。

具体的には、映像の一部を隠し、その欠損部分の「意味」を予測させることで学習を進めます。単なる画素の復元ではなく、文脈や物体の動きといった高次元の情報を捉える訓練を行うため、より人間に近い形での状況理解が可能になります。

その実力は「IntPhys」と呼ばれる物理的直感テストで証明されました。重力や物体の永続性に反する映像を見せると、AIは予測エラーという形で驚きを示し、その正答率は約98%に達しました。これは幼児が世界を学ぶプロセスに酷似しています。

最新版の「V-JEPA 2」は、わずか60時間分のデータでロボットの動作計画を学習するなど、実用化に向け進歩しています。一方で、記憶できる時間が短く「金魚並み」であるといった課題も残されており、長期的な因果関係の理解が次の技術的焦点です。

映像プロデューサーから転身したジェレミー・カラスコ氏が、TikTokなどでAIリテラシーを発信し注目を集めています。彼は、Soraなどの生成AIによる動画の大量生産が、既存のインフルエンサー経済を崩壊させる可能性があると警鐘を鳴らしています。

背景にあるのは、AIツールの進化と低価格化です。誰でも容易に動画を作成できるようになった結果、収益分配を目当てにした低品質なコンテンツがSNSに溢れかえっています。特に開発途上国からの大量投稿が、アテンション争奪戦を激化させています。

より深刻なのは、悪意ある利用の増加です。架空の専門家を装った詐欺アカウントや、実在する女性クリエイターの顔やコンテンツをAIで盗用する事例が後を絶ちません。これらは視聴者を欺くだけでなく、正当なクリエイターの権利を侵害しています。

さらに、プラットフォーム側の動向も脅威です。MetaやAmazonなどが生成AIによる広告作成を内製化し始めており、クリエイターの主要な収入源であるスポンサー契約が奪われる恐れがあります。これはクリエイター経済の構造的な危機です。

このような状況下では、私たち自身がAIを見抜く目を持つことが重要です。皮膚の質感の違和感や背景の矛盾など、AI特有の「兆候」を理解することが、情報の真偽を見極める第一歩となります。技術の進化に伴い、リテラシーの更新が不可欠です。

シアトル発のAIスタートアップYoodliは2025年12月5日、シリーズBラウンドで4,000万ドルを調達し、評価額が3億ドルを超えたと発表しました。元Google社員らが創業した同社は、AIによる「人間の代替」ではなく、コミュニケーション能力の「支援」に特化することで急成長を遂げています。GoogleやSnowflakeなど大手企業が相次いで導入を進めており、職場のスキル開発に変革をもたらしています。

今回の資金調達はWestBridge Capitalが主導し、創業からわずか4年で評価額は半年前の3倍以上に達しました。特筆すべきは、過去12ヶ月で年間経常収益（ARR）が900%成長した点です。当初は個人のスピーチ練習用として始まりましたが、現在は企業のセールストークや管理職のコーチングなど、エンタープライズ向けのトレーニングプラットフォームとして需要が急増しています。

Yoodliの最大の特徴は、AIを脅威ではなく「パートナー」と位置付ける哲学にあります。共同創業者のVarun Puri氏は「AIは0から8までのレベルアップを助けるが、人間特有の真正性や人間味は代替できない」と語ります。この方針のもと、既存のコーチング企業とも競合せず、彼らのメソッドをシステムに組み込む形で協業を進めており、静的な動画研修に代わる実践的なロールプレイ環境を提供しています。

調達した資金は、AIによる分析・パーソナライズ機能の強化や、アジア太平洋（APAC）地域への市場拡大に充てられる予定です。また、TableauやSalesforce出身の幹部を迎え入れるなど経営体制も強化しており、多言語対応を含めたグローバルな展開が加速すると見られます。

2025年12月、MIT発のスタートアップ「Pickle Robot Company」が物流業界の注目を集めています。同社は生成AIと機械学習を駆使した自律型ロボットにより、物流倉庫における過酷な荷下ろし作業を自動化しました。UPSやRyobi Toolsなどの大手企業で導入が進み、深刻な人手不足と高い離職率という業界の構造的課題の解決に貢献しています。

同社の技術的な強みは、高度なソフトウェアと既存ハードウェアの賢明な融合にあります。独KUKA社製の産業用アームに独自のセンサーやAIを搭載し、最大50ポンド（約23kg）の荷物を処理します。生成AIモデルのファインチューニングにより、多様な環境に即応しつつ、稼働しながら性能を高める仕組みを構築しました。

創業者のAJ Meyer氏らは当初、仕分けロボットを開発していましたが、資金難に直面し方針転換を余儀なくされました。現場観察で「90日以内に全員が辞める」という過酷な荷下ろし現場の実態を知り、事業をピボットします。YouTubeに投稿した概念実証動画が大きな反響を呼び、投資家と顧客を呼び戻して再起を果たしました。

今後は荷下ろしに加え、積み込み作業や他社製ロボットとの連携プラットフォーム開発も視野に入れています。鉱山から玄関先まで、サプライチェーン全体の自動化を指揮する「ネットワークの構築」を目指し、同社は事業拡大を加速させています。

Googleは12月5日、次世代AIモデル「Gemini 3」およびエージェント開発プラットフォーム「Google Antigravity」を発表しました。新モデルは、テキスト・画像・動画・コードを統合的に理解するマルチモーダル性能で世界最高峰を記録。特に「視覚・空間推論」能力の飛躍的な向上と、自律的にタスクを遂行する「Agentic（エージェンティック）」な機能強化が特徴です。ビジネスの現場における自動化と生産性の定義を塗り替える可能性があります。

Gemini 3の最大の特徴は、ユーザーの意図を汲み取り、複雑な工程を自律的に実行する能力です。これを象徴するのが「Vibe Coding」と呼ばれる開発体験です。自然言語の指示だけで、インタラクティブなWeb UIやツールを即座に生成・実行します。Google検索に統合された「AI Mode」では、検索クエリに応じて動的にローン計算機や科学シミュレーションを作成し、ユーザーに提示します。単に情報を返すだけでなく、「使える道具」をその場で作り出す点が画期的です。

同時に発表された「Gemini 3 Pro Vision」は、AIの「眼」を再定義します。従来のOCR（文字認識）を超え、複雑な文書、手書きのメモ、グラフを構造化されたコード（HTMLやLaTeX）に復元する「Derendering」機能を搭載しました。さらに、PCやスマホの画面上のUIを正確に理解して操作する能力や、1秒間に10フレーム以上の動画を処理してゴルフスイングの微細な動きや因果関係を分析する能力も備えています。これにより、医療画像の診断支援や法務文書の分析、ソフトウェアのQAテストなど、高度な専門業務の自動化が加速します。

開発者向けには、新たなエージェント開発プラットフォーム「Google Antigravity」が登場しました。これは、エディタ、ターミナル、ブラウザを横断して動作するインテリジェントなエージェントを構築・管理するための基盤です。AIが単なるコード補完ツールから、現実世界で機能するコードを生成し、自律的にデバッグやデプロイを行う「パートナー」へと進化します。Google AI Proなどのサブスクリプションで優先アクセスが提供され、エンジニアの生産性を劇的に高めることが期待されます。

クリエイティブ領域では、Gemini 3をベースにした画像生成モデル「Nano Banana Pro」が、インフォグラフィックやスタジオ品質のビジュアル生成を実現しました。また、GoogleマップやAndroid AutoへのGemini統合も進み、運転中のナビゲーションやタスク処理が対話形式で完結するようになります。Googleはテキサス州への400億ドルのインフラ投資を含め、AIエコシステムの拡大を全方位で推進しており、ビジネスリーダーにとってAI活用の新たなフェーズが始まったと言えるでしょう。

米Appleは4日、2025年のApp Store Awards受賞作品を発表しました。注目すべきは、単体のAIチャットボットではなく、既存機能にAIを統合したアプリが多数選出された点です。生産性や創造性を高める「実用ツールとしてのAI」が評価の軸となっています。

iPhone年間最優秀アプリに輝いた「Tiimo」は、AIを活用したビジュアルプランナーです。タスクの所要時間を予測し、現実的なスケジュールへ自動的に落とし込む機能が評価されました。iPad部門の「Detail」は、無音除去やズーム処理を自動化し、動画編集の工数を大幅に削減します。

AIの活用はヘルスケアや文化的な分野にも広がっています。Apple Watch部門の「Strava」は運動データをインサイトに変換するAIアシスタントを搭載。文化的な影響を与えたアプリとして受賞した「Be My Eyes」は、視覚情報を言語化して視覚障害者を支援する機能にAIを用いています。

これらの受賞作は、AIが「主役」として前面に出るのではなく、ユーザー体験を向上させるための「黒子」として機能していることを示しています。ビジネスや開発の現場においても、AIをどうアプリやサービスに溶け込ませ、具体的な課題解決に繋げるかが重要です。

Googleは写真管理アプリ「Googleフォト」に、2025年の年間振り返り機能「Recap」を追加しました。最大の目玉は、米国ユーザー向けに生成AIGeminiを統合し、膨大な写真データからユーザーの「情熱」や「ハイライト」を文脈ベースで抽出可能にした点です。

従来の写真振り返り機能は、撮影日や場所に基づく単純な提示が主でした。今回導入されたGeminiモデルは、写真の内容を深く理解し、「真の情熱」や「今年を象徴する4つの瞬間」を自動で言語化して提示します。これはAIによるパーソナライゼーションの新たな進化形です。

シェア機能も大幅に強化されました。動画編集アプリCapCutとの統合により、生成されたリキャップ動画をワンタップでエクスポートし、高度な編集を行うことが可能です。また、WhatsAppのステータスへの直接投稿もサポートし、ソーシャルメディアでの共有を促進します。

ユーザー体験の改善として、特定の人物や写真を非表示にする機能も追加されました。指定後にリキャップを再生成することで、見たくない思い出を除外したコンテンツを作成できます。AIの提案に対し、ユーザーが適切な制御権を持てる重要な機能実装といえます。

Amazon Prime Videoは、一部のアニメ作品に試験導入していたAI生成による吹き替え機能を取り下げました。11月下旬、『BANANA FISH』などの人気作品向けに英語とスペイン語のAI音声を公開しましたが、視聴者から品質に対する批判が殺到したためです。

最大の問題点は、AI音声における感情表現の欠如でした。ユーザーが共有した動画では、銃撃された子供を揺り動かす緊迫したシーンであっても、AI音声は平坦で無機質なトーンのままでした。これに対し「不気味だ」「作品への敬意がない」といった厳しい意見が寄せられました。

Amazonは3月、これまで吹き替え版が存在しなかった作品の多言語展開を加速させるため、AI技術を活用する方針を示していました。しかし、人間の声優ではなくAIを選択したことに対し、ファンからはクリエイター軽視であるとの反発も強く、技術的な課題以上に倫理的な反感が広がりました。

今回の事例は、AIによる効率化とユーザー体験（UX）のバランスがいかに繊細であるかを示唆しています。特に感情的なつながりが重視されるエンターテインメント分野では、コスト削減を優先した性急なAI導入が、逆にブランド価値を毀損するリスクがあることを認識すべきでしょう。

GoogleとYouTubeは12月2日、2025年を象徴するトレンドとコンテンツの振り返りを発表しました。YouTubeは創設20周年を記念し、個人の視聴傾向を分析するRecap機能を初めて導入。Google TVも今年のヒット作を一挙に紹介する特集を開始し、ホリデーシーズンに向けたユーザーの囲い込みを強化しています。

YouTubeのトレンドでは、動画クリエイターのMrBeastが6年連続でトップの座を獲得しました。音楽分野ではRoséとBruno Marsのコラボ曲が大ヒットし、K-POP最速での10億回再生を記録。さらに、Robloxなどのユーザー生成コンテンツ（UGC）が人気を博し、コミュニティ主導型トレンドが顕著です。

新導入の「YouTube Recap」は、ユーザーごとの年間トップチャンネルや関心事を要約する機能です。特筆すべきは、視聴習慣に基づいて独自の「視聴者パーソナリティ」を診断する点です。プラットフォームが単なる動画視聴の場から、ユーザーのアイデンティティを反映する場へと進化していることを示唆しています。

Google TVは「Best of 2025」として、映画『Superman』やドラマ『The Last of Us』などの話題作を特集しています。注目は無料のライブチャンネル「Google TV Freeplay」の拡充で、『SNL』などの人気番組が24時間無料で視聴可能になりました。広告付き無料配信（FAST）市場への注力が伺えます。

12月の特別企画として、Google TVは「アドベントカレンダー」を展開します。毎日日替わりでホリデー映画や番組を提案するインタラクティブな仕組みで、年末の視聴時間を最大化する狙いです。経営者やマーケターにとって、これらの動向はコンテンツ消費の最前線を知る重要な指標となるでしょう。

米Googleは2025年12月2日、Android 16のプレビュー版および12月の機能アップデートを発表しました。今回の更新はPixel端末へ先行配信され、AIを活用した「通知の要約・整理」機能や、高度な「詐欺検知」ツールが目玉です。経営者やリーダーにとって、情報のノイズを減らし、セキュリティリスクを低減する実用的なアップデートといえます。

ビジネスパーソンの生産性を高めるのが、AIによる通知管理機能です。長いチャットやメッセージをAIが瞬時に要約して表示するため、内容を一目で把握できます。また、ニュースや販促などの優先度が低い通知は「Notification Organizer」が自動でグループ化し、通知音を消去。重要な連絡を見逃さず、集中力を維持できる環境を提供します。

セキュリティ面では、検索機能「かこって検索（Circle to Search）」が進化しました。不審なメッセージや画像を受け取った際、その部分を囲むだけでAIが詐欺の可能性を判定します。Web上の情報と照合し、リスクが高い場合は警告と対処法を提示するため、巧妙化するフィッシング詐欺への強力な防御策となります。

アクセシビリティ機能もGeminiモデルの統合により強化されています。カメラアプリの「Guided Frame」は、被写体を単に顔として認識するだけでなく、「黄色いTシャツの少女がソファに座っている」といった詳細な状況説明を音声で行います。また、動画の字幕に「喜び」や「悲しみ」といった感情タグを表示する機能も追加され、情報伝達の質が向上しました。

今回のリリースは、Androidの更新サイクル変更を象徴する動きでもあります。従来の年1回の大型更新から、より頻繁なリリースへと移行することで、最新技術やAPIを迅速に市場投入する狙いです。企業はOSの進化に合わせたアプリ対応やセキュリティ対策を、よりアジャイルに進める必要が出てくるでしょう。

米Runwayは2025年12月1日、最新の動画生成AI「Gen-4.5」を発表しました。物理法則の再現性が飛躍的に向上し、実写と見分けがつかない「映画品質」の映像生成が可能になります。AIによる映像制作は、新たな次元へと突入しました。

最大の特徴は、映像内の物体が持つ「重さ」や「勢い」、液体の「流体力学」を正確にシミュレートできる点です。複雑な指示（プロンプト）への理解度も深まり、細部まで意図通りのシーンを描き出すことが可能になりました。

OpenAIも9月に「Sora 2」で物理演算の強化を打ち出しており、動画生成AIの競争は激化しています。Runwayは、フォトリアルからアニメ調まで多様なスタイルで一貫した高品質を提供し、市場での優位性を保つ狙いです。

一方で課題も残ります。ドアノブを回す前にドアが開くといった「因果関係」の矛盾が生じるケースは完全には解消されていません。新モデルは全ユーザーへ順次公開され、クリエイターの表現領域を大きく広げることが期待されます。

米The Vergeの特集記事によると、ポップカルチャーのファンコミュニティにおいて、AIディープフェイク技術を用いた画像の生成と拡散が急速に収益化されています。アリアナ・グランデら著名人が明確に拒絶しているにもかかわらず、ファンはAIツールを駆使して「推し」の肖像を操作し、SNSでの影響力拡大や金銭的利益を追求しています。この現象は、AI技術の民主化がもたらす新たな倫理的・法的リスクを浮き彫りにしています。

この背景には、SNSプラットフォームにおける「アテンション・エコノミー」の歪みがあります。特にX（旧Twitter）では、認証済みユーザー同士の交流が収益を生む仕組みがあり、これが過激なAI生成コンテンツによる「エンゲージメント・ファーミング（反応稼ぎ）」を助長しています。一部のファンは、注目を集めるためなら、本人を性的に侮辱したり、事実無根のミームを作成したりすることさえ厭わず、その結果として偽情報が拡散される事態を招いています。

OpenAIの「Sora」やMetaのAI Studioといった最新ツールの登場が、事態をさらに複雑化させています。本来はクリエイティブな表現のために開発されたこれらの技術が、有名人の許可なく「AIクローン」やチャットボットを作成するために悪用されています。プラットフォーム側は事後的な削除対応に追われていますが、一度拡散したコンテンツを完全に消去することは極めて困難であり、技術の進化に規制やモラルが追いついていないのが実情です。

さらに深刻なのは、デジタルネイティブである若年層のファンによる、有名人の「コンテンツ化」です。記事では11歳の少女が有名人のAIチャットボットを作成し、不適切な会話へ誘導される事例も報告されています。生身の人間としての尊厳よりも、自分の意のままに操れる対象としての需要が優先される傾向は、将来的な著作権や肖像権の在り方に大きな影を落としています。ビジネスリーダーは、AIが生み出すこうした負の側面を理解し、技術利用におけるガバナンスを再考する必要があります。

OpenAIとGoogleは2025年11月28日、ホリデーシーズンの需要急増を受け、主要な生成AIツールの利用制限を開始しました。インフラへの過度な負荷を軽減しつつ、収益化を加速させる狙いがあります。

OpenAIの動画生成AI「Sora」では、無料ユーザーの上限が1日6本に設定されました。責任者は「GPUが溶けそう」と状況を説明し、追加生成が必要な場合は都度購入するよう促しています。

Googleも画像生成AI「Nano Banana Pro」の無料枠を従来の3枚から1日2枚に縮小しました。Gemini 3 Proへのアクセスも制限されており、今後も予告なく条件が変更される可能性があります。

今回の措置は無料ユーザーが対象で、有料プランの制限変更には言及されていません。ビジネスで安定的にAIを利用するためには、有料版の活用やリソース状況の継続的な確認が不可欠です。

2025年11月、米VentureBeatは今年のAI業界を振り返る総括記事を公開しました。2025年は、特定の最強モデル一強ではなく、オープンソースや中国勢、エッジ向け小型モデルを含めた「エコシステムの多様化」が決定的となった年です。経営者やエンジニアにとって、用途に応じて最適なAIを選択できる環境が整ったことが、今年最大の収穫と言えるでしょう。

OpenAIは待望のGPT-5およびGPT-5.1をリリースし、市場を牽引し続けました。初期の反応は賛否両論ありましたが、改良を経てZenDeskなどの企業導入が進み、顧客対応の自動解決率が80〜90%に達する事例も報告されています。さらに、動画生成AI「Sora 2」やブラウザ統合型「Atlas」、そして意外にもオープンウェイトモデルの公開など、全方位での攻勢を強めています。

特筆すべきは中国発のオープンソースモデルの躍進です。DeepSeek-R1やAlibabaのQwen3シリーズなどが、推論能力やコーディング性能で米国のフロンティアモデルに肉薄しています。MITなどの調査によれば、中国製モデルのダウンロード数は米国をわずかに上回る勢いを見せており、コストパフォーマンスを重視する企業にとって無視できない選択肢となりました。

「巨大化」へのカウンターとして、小型・ローカルモデルの実用性も飛躍的に向上しました。GoogleのGemma 3やLiquid AIのLFM2は、パラメータ数を抑えつつ特定タスクに特化し、エッジデバイスやプライバシー重視の環境での利用を可能にしました。すべての処理を巨大クラウドAIに依存しない、分散型のAI活用が現実味を帯びています。

画像生成や競合他社の動きも活発です。MetaはMidjourneyの技術ライセンスを取得し、自社SNSへの統合を進めるという驚きの戦略に出ました。一方、GoogleはGemini 3に加え、ビジネス図解に強い画像生成モデル「Nano Banana Pro」を投入しています。AnthropicのClaude Opus 4.5やBlack Forest LabsのFlux.2など、各領域でハイレベルな競争が続いています。

Googleは11月27日、AIを活用した3つの新しい学習実験を公開しました。「Google Arts & Culture」の新機能として、日常の写真や自撮り、対話型動画を通じ、科学や歴史、芸術を直感的に学べる体験を提供します。

「Learn Everything」は、身近な写真を撮影すると、AIがその物体を比喩に使って複雑な概念を解説します。「World Toon Video」では、自撮り写真からユーザー自身を主人公にした教育アニメを生成し、歴史の舞台に入り込めます。

「Art Chat」は、作品解説動画を見ながら自由に質問できる機能です。GoogleのGeminiが即座に回答するため、視聴を中断せず疑問を解消できます。生成AIによる教育・エンタメの新たなUX事例として注目されます。

2025年の年末商戦に向け、OpenAIやGoogleなど大手テック企業がAIによる買い物支援機能を相次いで強化しました。しかし、最新のスマートウォッチ選定を依頼した検証において、推奨される製品情報の鮮度や正確性に重大な課題があることが判明しました。

最大の問題点は、各AIが最新モデルではなく数年前の旧型製品を推奨する傾向にあることです。例えばGarminの最新機ではなく旧型を最良として提示するなど、ユーザーが仕様の違いを理解しないまま型落ち品を購入してしまうリスクが浮き彫りになりました。

ツールごとの特徴も明らかになっています。ChatGPTは詳細なヒアリングとスペック比較に優れますが、情報の古さが足かせです。MicrosoftのCopilotは価格履歴の提示やレビューの要約機能が充実しており、比較的実用性が高いと評価されています。

一方でPerplexityは、購入リンクへのアクセスは迅速ですが、2021年発売の古い製品や信頼性の低い商品を提案する場面がありました。GoogleのGeminiは店舗への在庫確認電話を代行する新機能を搭載しましたが、検証では正しく機能しませんでした。

結論として、現時点でのAIショッピング機能は発展途上であり、完全な信頼を置くのは危険です。製品の新旧や細かなスペック差を正確に把握するには、依然として専門家によるレビュー記事や動画の方が確実であり、AIの回答には人間による検証が不可欠です。

米セントルイス大学のAbby Stylianou教授らが開発したアプリ「TraffickCam」が、AIを活用して人身売買被害者の捜索に革新をもたらしています。旅行者が投稿したホテルの部屋の写真をデータベース化し、捜査機関が被害者の写真と照合して撮影場所を特定するための支援ツールです。

人身売買業者は被害者の写真をオンライン広告に利用しますが、背景となるホテルの一室から場所を特定するのは困難でした。ネット上のホテル写真はプロが撮影した「完璧な広告写真」であり、実際の現場写真（散らかり、照明不足）とは見た目が大きく異なるドメインギャップがAIの精度を下げていました。

この課題に対し、TraffickCamは一般ユーザーの力を借ります。旅行者が自身の宿泊した部屋を撮影・投稿することで、被害者の写真に近い「リアルな画像データ」を収集。これを教師データとしてAIモデルを訓練することで、照合精度を劇的に向上させました。

システムはニューラルネットワークを用いて画像の特徴を数値ベクトル化し、類似画像を検索します。また、被害者が写っている画像から人物を消去する際、単に塗りつぶすのではなく、AIで自然な背景テクスチャを補完（インペインティング）することで、検索精度を高める技術も採用されています。

このシステムは全米行方不明・被搾取児童センター（NCMEC）で実際に運用されています。ある事例では、ライブ配信されていた虐待動画のスクリーンショットからホテルを即座に特定し、警察が急行して子供を救出することに成功しました。AIとクラウドソーシングが社会正義を実現する好例といえます。

NVIDIAは11月下旬、ソウルで「AI Day」を開催し、現地の開発者や経営層など1,000名以上が集結しました。主権AIや物理AIを主要テーマに、韓国のデジタル基盤を強化するための官民連携や、最新の技術トレンドが共有されています。

特筆すべきは、APECサミットに関連して発表された26万基規模のGPUインフラ計画です。韓国中小ベンチャー企業部はNVIDIAと連携し、この膨大な計算資源を国内のスタートアップや研究機関に開放することで、エコシステム全体の競争力を高める方針です。

企業別の導入も加速しています。NAVER Cloudは「NVIDIA NeMo」を活用し、主権AIモデルの開発と最適化を推進。LG AI Researchは最新の学習手法でトレーニング速度を20%以上向上させ、推論性能の効率化を実現しました。

物流大手のCoupangは、最新のHopperおよびBlackwellアーキテクチャに基づくDGXシステムで「AIファクトリー」を構築しています。需要予測やルート最適化、広告のパーソナライズなど、実ビジネスへの適用を深化させています。

イベントではスタートアップ支援プログラム「Inception」の決勝も行われました。動画理解AIを手掛けるPYLER社などが評価され、国内でいち早く最新のDGX B200システムを導入するなど、新興企業の技術革新も活発化しています。

Google Labsは、動画生成ツール「Flow」に新画像モデル「Nano Banana Pro」を含む4つの主要な編集機能を追加しました。5月の公開以来、生成された動画は5億本を超えており、今回の更新でクリエイターが求めるより精密な制御と表現力を提供します。

特筆すべきは、有料購読者が利用可能な最新の画像モデル「Nano Banana Pro」です。被写界深度、照明、カラーグレーディングといったプロフェッショナルレベルの調整が可能になり、静止画のクオリティを劇的に向上させます。

「Images」タブでは、プロンプトだけでキャラクターの衣装やポーズ、カメラアングルを変更可能です。複数の参照画像をブレンドして、重要な詳細を維持しながら理想のフレームを作り込む機能も備えています。

言語化が難しい指示も直感的に行えます。画像に直接手書き（ドゥードゥル）を加えることでAIが意図を理解し、テキストプロンプトを練り上げる時間を削減します。

動画の一部だけを修正する機能も強化されました。他の要素を変えずにオブジェクトの追加が可能になり、不要な要素の削除機能も来月から実験的に導入されます。

生成後の動画に対しても、カメラの位置や軌道を調整する「再撮影」機能を追加しました。一から生成し直すことなく、異なる視点や動きを試行錯誤できるようになり、制作効率が高まります。

世界一のYouTuber「MrBeast」の元コンテンツ戦略担当Jay Neo氏らが、クリエイター向けAIツール「Palo」をローンチし、380万ドル（約5.8億円）の資金調達を完了しました。ショート動画市場の拡大に伴う「量産圧力」や「分析課題」に対し、AIを活用した高度なアイディエーション支援とパフォーマンス分析機能を提供します。

動画需要が爆発する中、クリエイターは過酷な量産競争に晒されています。Neo氏はMrBeast在籍時、視聴維持率のグラフ変動を徹底的に研究していました。この「なぜ動画が伸びるのか」という経験則を、手作業による分析から、テクノロジーによるスケーラブルな製品へと進化させたのです。

技術開発は元Palantirのエンジニアが主導し、複数のLLMを組み合わせて構築しています。過去の動画からフックや感情、トピックを解析し、クリエイター固有の「ペルソナ」を学習します。これにより、作家性を損なうことなく、データに基づいた脚本や絵コンテの提案が可能になります。

現在、フォロワー10万人以上の層を対象に、月額250ドルからサービスを提供しています。Peak XVなどから出資を受け、AIによる低品質コンテンツへの対抗策としても期待されます。クリエイターの直感をAIで補強し、創造的なプロセスにおける「燃え尽き」を防ぐ狙いです。

米連邦地裁は2025年11月、OpenAIの動画アプリ「Sora」内の機能名「Cameo」に対し、一時的な使用差し止めを命じました。同名の動画メッセージサービス企業が商標権侵害を訴えたことによる法的措置です。

問題の機能はAIで自身を動画に合成できるものです。これに対し、著名人の動画販売アプリを展開するCameo社は、ブランドの混同を招くと主張。裁判所はこの訴えを認め、OpenAIに対し類似語句の使用も含めた制限を課しました。

一方、OpenAIは「cameo（カメオ出演）」という一般的な単語の独占権主張には異議を唱えています。命令は12月までの一時的な措置であり、今後の聴聞会での議論が、生成AIサービスの命名戦略に影響を与える可能性があります。

Googleは11月21日、推論能力を強化した最新AIモデル「Gemini 3」や、高機能な画像生成ツール「Nano Banana Pro」を発表しました。生産性を高める新機能が多数追加された一方で、画像生成における安全対策の不備が指摘されており、ビジネス利用にはコンプライアンス面での注意が必要です。

Gemini 3では「Vibe Coding」と呼ばれるコーディング支援機能が飛躍的に向上したほか、カレンダー管理や手配業務を代行するGemini Agentが登場しました。音声対話機能Gemini Liveも進化し、話す速度やトーンの指示、特定のキャラクターになりきった対話が可能になるなど、ユーザー体験が洗練されています。

クリエイティブ領域では、新ツール「Nano Banana Pro」が画像のブレンドやポスター作成を容易にし、動画生成モデル「Veo 3.1」はキャラクターやスタイルの一貫性を保つ機能が強化されました。しかし米The Vergeの検証によると、Nano Banana Proでは歴史的な陰謀論や著作権侵害を含む画像が容易に生成可能であり、偽情報拡散のリスクが懸念されています。

動画生成AI「Sora」などの普及により、SNS上では「AI製ノスタルジー動画」や著名人のフェイク映像が氾濫しています。米テックメディアThe Vergeは、これらを「スロップ（粗悪品）」と呼び、その創造性と持続可能性に強い疑問を呈しています。

多くの動画は、80年代の理想化された風景や、故人がありえない行動をとる様子を描写しています。しかし、これらは歴史的文脈を無視した白人中心のファンタジーや、差別的な表現を含む低俗なコメディに過ぎず、質の低さが深刻化しています。

テック企業は「創造性の民主化」を謳いますが、実態は過去のモノカルチャーへの安易な依存です。ユーザーは「警察に捕まる有名人」といった陳腐なパターンを反復するよう促されており、真に独創的な表現が生まれているとは言い難い状況です。

膨大な再生数は技術への注目を集めますが、それは一時的な「バズ」に過ぎません。AIが生み出すコンテンツが単なる消費材としての「スロップ」を超え、記憶に残る文化的価値を提供できるか、ビジネスにおける活用の真価が問われています。

科学系動画配信の米Curiosity Streamは2025年第3四半期、収益を前年同期比41%伸ばしました。この急成長の主因は、従来の視聴料モデルではなくAI学習用データのライセンス販売への事業転換です。

同社は保有する高品質な科学・歴史ドキュメンタリーをLLM（大規模言語モデル）の学習用に提供しています。9月までのライセンス収入は2340万ドルに達し、既に通年サブスク収入の半分以上を稼ぎ出しました。

これまでに9社のパートナーと、動画や音声など18件のデータ提供契約を締結済みです。巨大なユーザー基盤を持つNetflixとは異なり、独自性のある専門データを武器に収益構造を刷新しています。

CEOは、2027年までにデータ販売収入が主力事業になると予測しています。実際、この戦略転換により創業約10年にして初の最終黒字化を達成しており、コンテンツ企業の新たな生存戦略として注目されます。

Googleは2025年11月20日、生成AIアプリ「Gemini」において、画像がAIによって生成・編集されたものかを確認できる新機能の提供を開始しました。この機能は、同社の電子透かし技術「SynthID」を活用しており、ユーザーは簡単な操作でコンテンツの来歴を検証できます。生成AIによるメディアが急増する中、情報の透明性を高めることが狙いです。

使い方は非常にシンプルです。検証したい画像をGeminiアプリにアップロードし、「これはAIで生成されたものですか？」と問いかけるだけで、システムが自動的に透かしを検出します。Google AIを用いて作成または編集された画像であれば、その旨が回答とともに表示され、画像の信頼性を確認する手助けとなります。

判定の核となる「SynthID」は、人間には知覚できない信号をコンテンツに埋め込むデジタル透かし技術です。2023年の導入以来、すでに200億以上のAI生成コンテンツに適用されており、高い精度での検出を可能にしています。現在は画像のみが対象ですが、将来的には動画や音声など、より幅広いフォーマットへの対応が予定されています。

さらにGoogleは、業界標準である「C2PA」規格への対応も強化しています。今週より、最新モデル「Nano Banana Pro」で生成された画像にC2PAメタデータが埋め込まれるほか、将来的にはGoogle以外のツールで作成されたコンテンツのソース確認も可能になる見込みです。これにより、エコシステム全体での真正性担保を目指しています。

Amazon Prime Videoは、生成AIを活用してドラマのあらすじ動画を作成する「Video Recaps」機能を発表しました。視聴者が新シーズンを迎える前に、過去のストーリーを効率的に振り返る体験を提供します。

本機能では、AIが物語の重要な転換点やキャラクターの動きを分析し、最適な映像クリップを抽出します。そこにBGMや効果音、AIによるナレーションを統合し、数分間の高品質な要約動画を自動生成します。

対象は『Fallout』や『Jack Ryan』などのオリジナル人気作品で、まずはFire TVデバイス向けにベータ版として提供されます。今後数ヶ月以内に、より多くのデバイスへと対応を拡大する計画です。

視聴間隔が空きやすい配信ドラマにおいて、記憶を喚起する有用な機能となりそうです。一方で、編集の正確性や、限定的な作品数に対してAIを導入する必然性があるかといった点では、今後の評価が待たれます。

TikTokは、ユーザーが自身のフィードに表示されるAI生成コンテンツの量を制御できる新機能のテストを開始しました。AI動画の氾濫に対するユーザーの懸念に応え、視聴体験の質と透明性を向上させることが主な狙いです。

新機能は「トピック管理」設定内に追加され、ダンスや時事問題と同様にAI動画の表示頻度をスライダーで調整できます。「もっと見る」か「少なくする」かをそれぞれ2段階で設定でき、ユーザーの好みに応じたフィード構築が可能です。

フィルタリングの実効性を高めるため、TikTokはAI検出技術の向上にも取り組んでいます。具体的には、自社のAIツールで作成されたコンテンツに対し、目に見えない「不可視の透かし」を自動で付与する仕組みを導入します。

さらに、業界標準であるC2PAコンテンツクレデンシャルが付与された外部アップロード動画にも対応します。これにより、透かしが削除された場合でもAI生成物であることを識別しやすくし、プラットフォーム全体の信頼性を担保します。

これらの変更は今後数週間で展開される予定ですが、AIコンテンツのコントロール機能は現時点ではテスト段階です。TikTokはユーザーの反応を見ながら、AIと人間が共存するプラットフォームとしての調整を進めていく方針です。

Y Combinator支援のスタートアップPolyが、AI検索機能を中核に据えたクラウドストレージサービスとして再ローンチしました。かつて3D生成AIを手掛けていた同社は事業を転換し、無料プランで100GBという破格の容量を提供してGoogle DriveやDropboxなどの既存巨人に挑みます。

共同創業者のAgarwal氏は、前身である3Dアセット生成事業からのピボットを決断しました。生成AI市場の競争激化を予測しユーザーへのヒアリングを実施した結果、多くの人々が「ファイルシステムの整理」に課題を抱えていることを発見。AIでファイルを整理し、必要な情報を即座に見つけ出せるツールの開発に至りました。

Polyは単なる保存場所ではなく、AIが中身を理解するインテリジェントなファイルシステムです。テキスト、PDF、音声、動画、Webリンクなど多様な形式に対応し、データに対して自然言語での検索や要約、翻訳が可能です。YouTubeリンクから内容を要約するなど、情報処理効率を大幅に高めます。

主なターゲットは、大量の資料を扱うクリエイターやナレッジワーカーです。GoogleのNotebookLMと比較されますが、Polyはより包括的なファイル管理に焦点を当てています。さらにModel Context Protocol (MCP)サーバーを提供しており、Cursor等の外部ツールからPoly内のデータ活用も可能です。

世界的な画像処理ライブラリ「OpenCV」の創設者らが、AI動画スタートアップ「CraftStory」を立ち上げました。OpenAIやGoogleのモデルが数十秒にとどまる中、同社は最大5分間の高品質な動画生成を実現し、企業の研修や製品デモといった実用的なニーズに応えます。

従来のAI動画生成が時間を追って順次処理するのに対し、CraftStoryは動画全体を並列処理する独自アーキテクチャを採用しています。後半の映像が前半に影響を与える双方向の制約を持たせることで、長時間の映像でも崩れず、一貫性のある滑らかな動画を作り出します。

学習データにはネット上の収集画像ではなく、スタジオで独自に撮影した高品質な映像を使用しています。高フレームレートで細部まで鮮明なデータを使うことで、少ないデータ量でも高い品質を実現し、膨大な計算リソースを必要とする競合との差別化を図りました。

巨額の資金調達競争が続くAI業界において、同社は200万ドルという小規模な資金で効率的な開発を進めています。汎用モデルを目指す大手とは異なり、人間中心の長尺動画という特定のニッチ市場に深く切り込むことで、B2B領域での確実な勝機を見出しています。

Amazon Prime Videoは2025年11月19日、生成AIを活用した「動画振り返り機能（Video Recaps）」のベータ版提供を開始しました。従来のテキストベースの要約とは一線を画し、映像・音声・ナレーションを高度に同期させたリッチな視聴体験を提供することで、視聴者がシーズン間のストーリーを効率的に復習できるよう支援します。

この新機能は、生成AIを用いて「劇場品質」のシーズン要約を自動作成する点が最大の特徴です。まずは『Fallout』や『Tom Clancy’s Jack Ryan』、『Upload』といった一部の人気オリジナル作品を対象に展開されます。昨年導入されたネタバレ防止機能付きのテキスト要約機能「X-Ray Recaps」に続き、より没入感のある形式へと進化しました。

動画配信業界ではAI活用が競争の軸となりつつあり、競合他社も独自の戦略を推進しています。YouTube TVはスポーツ中継の重要シーンを抽出する機能で技術エミー賞を受賞し、Netflixは『Happy Gilmore 2』での若返り加工やプレプロダクションなど、制作の現場で生成AIを積極的に導入しています。

テキスト要約が日常化する中で、動画形式への拡張は新たな顧客体験の領域です。制作現場でのAI利用には著作権や雇用に関する議論も存在しますが、単純作業の効率化やクリエイターの表現力拡大を目的として、映像業界における技術導入は今後さらに加速すると予測されます。

Quoraが運営するAIプラットフォーム「Poe」は18日、複数のAIモデルを併用できるグループチャット機能を開始しました。最大200人のメンバーと共に、200種類以上のAIモデルを一つの会話内でシームレスに活用できる画期的な機能です。

特筆すべきはモデルの多様さです。最新のGPT-5.1やClaude 4.5 Sonnet、動画生成のSora 2 Proなど、目的に応じて最適なモデルを使い分けられます。これにより、単なる対話を超えたマルチモーダルな協働作業が可能になります。

この動きは、AIチャットボットが「個人の助手」から「チームの協力者」へと進化する流れを象徴しています。OpenAIも試験運用を始めており、今後はAIを交えた多人数での共創がビジネスや日常の標準的なスタイルになっていくでしょう。

活用例として、チームでのブレインストーミングが挙げられます。検索に強いAIで情報を集め、画像生成AIで資料を作るなどの連携が可能です。独自のボットを作成・共有することで、未知のユースケースが生まれることも期待されています。

NVIDIAは2025年11月、AI実用化の最大の障壁であるデータ準備の課題を解決するため、GPUを統合した「AIデータプラットフォーム」を提唱しました。非構造化データを自動で「AI即応データ」に変換し、企業の生産性を劇的に向上させます。

企業のデータの最大9割を占める文書や動画などの非構造化データは、そのままではAIが利用できません。データサイエンティストは散在するデータの整理やベクトル化に多くの時間を奪われ、本質的な分析業務に注力できないのが現状です。

新しいプラットフォームは、ストレージ基盤にGPUを直接組み込むことでこの問題を解決します。データを移動させずにその場で加工するため、不要なコピーを作らず、セキュリティリスクや管理コストを大幅に削減することが可能です。

元データに変更や権限の修正があった場合、即座にAI用のベクトルデータにも反映される仕組みです。これにより情報の鮮度と整合性が常に保たれ、AIエージェントは常に最新かつ正確な情報に基づいて業務を遂行可能になります。

この設計はCisco、Dell、HPEなどの主要ストレージベンダーに採用されています。企業は既存のインフラを通じて、複雑なパイプライン構築の手間なく、即座にAI活用のためのデータ基盤を導入できるようになります。

Googleは11月17日、動画作成ツール「Google Vids」に搭載されているAI「Gemini」の一部機能を、これまで有料だったものを全てのGmailアカウントユーザーに無料開放すると発表しました。これにより、専門的な編集スキルがなくても、誰もがアイデアを素早く洗練された動画へと仕上げることが可能になります。ビジネスの生産性向上に直結するアップデートと言えるでしょう。

今回無料で利用可能になったのは、特に強力なAI機能です。具体的には、AIが自動でナレーションを生成する機能や、収録した映像から無音部分や「えー」といった不要な言葉を自動で削除する「トランスクリプトトリミング」機能が含まれます。動画編集の手間が大幅に削減されるのは間違いありません。

さらに、内蔵されたAI画像編集機能も解放されました。これにより、動画内で使用するビジュアル素材のクオリティを手軽に向上させることができます。従来は専門ソフトや外部サービスが必要だった作業が、Google Vids内で完結するため、作業効率が飛躍的に高まります。

これらの機能は、多様なシーンでの活用が期待されます。休暇の思い出をまとめたビデオレターから、誕生日のメッセージカード、さらには副業や小規模ビジネスのプロモーション動画まで、Geminiはあらゆる動画制作を支援します。アイデアさえあれば、誰でもクリエイターになれる時代が到来したのかもしれません。

Googleはロンドンで開催した「AI for Learning Forum」で、教育分野におけるAI活用の未来像を提示しました。同社のベン・ゴメス氏（学習・サステナビリティ担当最高技術責任者）は、AIは教師を代替するのではなく、人間中心の学習を強化するツールであると強調。生徒一人ひとりに合わせた学習体験の提供と、教師の業務負担軽減を両立させるビジョンを明らかにしました。

AIが教育にもたらす最大の力は「深い対話」と「情報の変換能力」の2つです。これにより、生徒は単に情報にアクセスするだけでなく、自身の理解度に合わせてAIと対話しながら学びを深めることが可能になります。AIは、生徒がつまずいている概念を、その生徒が最も理解しやすい形式に変換する能力を持っています。

生徒にとって、AIは究極の家庭教師となり得ます。例えば、教科書の難解な文章を、親しみやすいポッドキャストや動画、マインドマップに変換することで、学習意欲を向上させます。これにより、生徒は圧倒されることなく挑戦し続けられる「発達の最近接領域」に留まることができます。学習障害を持つ生徒にとっても、大きな助けとなるでしょう。

一方、教師にとってAIは強力な教育アシスタントとして機能します。多忙を極める教師の授業計画作成や教材準備といった管理業務を自動化。これにより創出された時間を、生徒との対話や好奇心を刺激するといった、より本質的で創造的な活動に充てることが可能になります。

しかし、AIの教育導入には大きな課題も存在します。まず、若年層の利用における安全性と情報の正確性の担保は最優先事項です。また、一部の恵まれた生徒だけがAIの恩恵を受け、教育格差がさらに広がる「デジタルデバイド」の問題も深刻な懸念点として挙げられています。

もう一つの重要な論点が、批判的思考力の育成です。AIに安易に答えを求めることで、生徒が自ら考える力を失うのではないかという懸念は根強くあります。AIは非生産的な学習の苦労を減らす一方で、生徒が自ら思考し、本質的な課題に取り組むことを促す設計が不可欠です。

Googleはこれらの課題に対し、学習科学の原則に基づいたAIモデル「LearnLM」の開発や、教育現場との連携を強化する方針です。技術が教育の格差を助長するのではなく、世界中の誰もが質の高い教育を受けられる未来を目指し、研究開発を進めていくとしています。

Googleは2025年11月17日、広告サービス「デマンドジェネレーション」に複数の新機能を導入したと発表しました。年末商戦に向け、AIによる画像・動画の自動生成・最適化や、ブランドイメージを守るための管理機能が強化されます。これにより、広告主はYouTubeやDiscoverフィードで、より効果的なキャンペーンを展開できます。

新機能の柱は、AIによるクリエイティブ支援です。「AI画像・動画拡張機能」は、既存の広告素材から新たなバージョンを自動で生成・最適化し、キャンペーンの規模拡大を効率化します。広告主は、より少ない労力で多様な広告パターンを試し、エンゲージメントを高めることが可能になります。

さらに、他プラットフォームで効果のあった広告素材を簡単に再利用できる仕組みも導入されます。Pathmaticsが提供する画像や動画をGoogle広告に直接取り込めるようになり、クリエイティブ制作の負担を大幅に軽減。プラットフォームを横断した一貫性のある広告展開が可能になります。

効果測定とブランド保護の機能も拡充されました。クリエイティブのA/Bテストがより手軽に実施できるようになり、データに基づいた改善が加速します。また、Discoverフィード向けに新たな「適合性コントロール」が追加され、意図しないコンテンツへの広告表示を防ぎ、ブランドの安全性を高めます。

Googleによると、2025年上半期にデマンドジェネレーションを利用した広告主は、平均で20%以上のコンバージョンまたはCV値向上を達成しました。今回の一連の機能強化は、この成功をさらに後押しするものであり、年末商戦での広告主の収益最大化に貢献することが期待されます。

Googleは2025年11月14日、ニューヨーク市で市民参加型の生成AIアートプロジェクト「Imagine If…」を開始しました。これは、市民から寄せられた「もしもニューヨークが…」という空想を、地元のアーティストがGoogleの最新AIモデルを使って映像化し、市内の交通機関にあるデジタルスクリーンで展示するものです。テクノロジーとアートを融合させ、都市全体の創造性を刺激する新たな試みとして注目されます。

プロジェクトへの参加方法はシンプルです。市民は地下鉄駅などに設置されたスクリーンのQRコードをスキャンし、自身のアイデアを投稿します。投稿されたアイデアの中から、ニューヨーク市全5区を代表する5人のアーティストがインスピレーション源となるものを選び、動画生成AI「Veo」などを用いて、ユニークな映像アート作品を制作します。

制作されたアート作品は、11月から4週間にわたり、ニューヨーク市交通局（MTA）の地下鉄駅など、数千に及ぶデジタルスクリーンで公開されます。これにより、日常の通勤・通学路が、市民の想像力が生んだアートを鑑賞できる「動くギャラリー」へと変貌します。プロジェクトの集大成として、12月14日にはタイムズスクエアでフィナーレが開催され、選りすぐりの作品が象徴的な巨大スクリーンに映し出される予定です。

この取り組みは、単なるアートイベントにとどまりません。一般市民が`生成AI技術に触れる機会`を創出し、その可能性と楽しさを伝えるショーケースとしての役割を担っています。また、企業が地域社会やアーティストと連携し、テクノロジーを活用して新たな文化的価値を共創する`先進的なモデルケース`であり、AI時代のブランディングや社会貢献活動のあり方について、多くの示唆を与えています。

米NVIDIAは、エージェントAIを活用して従来のコンピュータビジョン（CV）を革新する3つの方法を発表しました。既存のCVシステムでは困難だった「なぜそれが重要か」という文脈理解や将来予測を可能にし、企業が保有する膨大な視覚データをビジネスの洞察に変えるのが狙いです。中核技術は、視覚と言語をつなぐビジョン言語モデル（VLM）。これにより、視覚情報の価値を最大化する道が開かれようとしています。

従来のCVシステムは、特定の物体や異常を検知することには長けていますが、「何が起きているか」を説明し、その重要性を判断する能力に欠けていました。このため、映像データの分析は依然として人手に頼る部分が多く、時間とコストがかかるという課題がありました。エージェントAIは、この「認識」と「理解」の間のギャップを埋める役割を担います。

第一のアプローチは「高密度キャプション」による検索性の向上です。VLMを用いて画像や動画に詳細な説明文を自動生成することで、非構造化データだった映像コンテンツが、豊かなメタデータを持つ検索可能な資産に変わります。これにより、ファイル名や基本タグに依存しない、より柔軟で高精度なビジュアル検索が実現可能になります。

この技術はすでに実用化されています。例えば、車両検査システムを手掛けるUVeye社は、VLMで膨大な画像を構造化レポートに変換し、欠陥検知率を人手作業の24%から96%へと飛躍させました。また、スポーツマーケティング分析のRelo Metrics社は、ロゴの露出に文脈情報を加え、スポンサー価値をリアルタイムで算出することに成功しています。

第二のアプローチは、既存システムのアラート強化です。多くのCVシステムが出す「はい/いいえ」式の単純なアラートに、VLMが「どこで、なぜ、どのように」といった文脈を付与します。スマートシティ分野でLinker Vision社は、この技術で交通事故や災害などのアラートを検証し、誤検知を減らすと共に、各事象への迅速で的確な対応を支援しています。

そして第三に、複雑なシナリオの「AI推論」が挙げられます。エージェントAIシステムは、複数の映像やセンサーデータを横断的に処理・推論し、根本原因の分析や長時間の点検映像からのレポート自動生成といった高度なタスクを実行します。これは、単一のVLMだけでなく、大規模言語モデル（LLM）や検索拡張生成（RAG）などを組み合わせたアーキテクチャによって実現されます。

Levatas社は、このAI推論を活用し、電力インフラなどの点検映像を自動レビューするAIエージェントを開発しました。従来は手作業で数週間かかっていたレポート作成プロセスを劇的に短縮し、インフラの安全性と信頼性の向上に貢献しています。このように、エージェントAIは、企業のオペレーションを根底から変える力を持っています。

NVIDIAは、開発者がこれらの高度な機能を実装できるよう、各種VLMモデルや開発プラットフォームを提供しています。エージェントAIの導入は、企業が日々蓄積する視覚データを単なる記録から、戦略的な意思決定を支える「生きたインテリジェンス」へと昇華させる重要な一歩となるでしょう。

「AIの母」として知られるスタンフォード大学のフェイフェイ・リー教授が共同設立したWorld Labsは今週、初の商用製品「Marble」を発表しました。テキストや画像から3D世界を自動生成するこのAIモデルは、同社が提唱する「空間知能」という新領域を切り拓くものです。同社はこの分野をAIの次なるフロンティアと位置づけ、既に2億3000万ドルを調達しています。

「Marble」は、ユーザーが入力したプロンプトに基づき、ダウンロード可能な3D環境を構築します。生成されたデータは、ゲーム開発で広く使われるUnreal EngineやUnityといったツールと互換性があり、専門家でなくとも迅速にアイデアを形にできるのが特徴です。これにより、制作プロセスの大幅な効率化が期待されます。

リー氏は、「空間知能」を「今後10年の決定的な課題」と定義しています。従来のテキストや画像生成AIの次に来る大きな波であり、AIが3D世界を認識し、対話し、生成する能力を持つことで、全く新しい応用が可能になると考えています。このビジョンが、昨年秋の大型資金調達につながりました。

活用範囲は多岐にわたります。映画制作者がロケハンやVFXのたたき台を作ったり、建築家が設計案を即座に視覚化したりすることが可能です。さらに、ロボット工学におけるシミュレーション環境の構築や、科学的発見のためのデータ可視化など、エンタープライズ領域での活用も期待されています。

「Marble」には4つの料金プランが用意されています。無料版から、月額35ドルで商用利用権が付与されるプロ版、月額95ドルで生成回数が最大75回となるマックス版まで、多様なニーズに対応しています。個人クリエイターから大企業まで、幅広い層の利用を見込んでいます。

World Labsの共同創業者ベン・マイルデンホール氏は、「人間のチームだけでは膨大な時間と労力がかかる世界構築を、AIが劇的に変える」と語ります。アイデアの創出から編集までのサイクルを高速化することで、人間の想像力を超える空間創造が加速するかもしれません。今後の展開が注目されます。

中国の検索大手、百度（バイドゥ）は年次イベント「Baidu World 2025」で、最新の独自基盤モデル「ERNIE 5.0」を発表しました。このモデルは、OpenAIのGPT-5やGoogleのGemini 2.5 Proを、特にグラフや文書の理解といった視覚タスクで上回る性能を持つと主張しており、激化するエンタープライズAI市場での世界的な優位性を目指します。

百度が公開したベンチマークによれば、ERNIE 5.0は特に文書認識（OCRBench）やグラフの質疑応答（ChartQA）といった分野で、欧米の最先端モデルを凌駕する結果を示したとされています。これは、自動文書処理や財務分析など、企業のコア業務における実用性の高さを強くアピールするものです。

ERNIE 5.0は、テキスト、画像、音声、動画を統合的に処理・生成できる「ネイティブ・オムニモーダル」モデルとして設計されています。同社が最近公開したオープンソースモデルとは異なり、独自のプロプライエタリモデルとして、クラウドプラットフォーム「Qianfan」のAPIを通じて企業向けに提供されます。

料金体系はプレミアムモデルとして位置づけられていますが、米国の主要モデルと比較すると競争力のある価格設定が特徴です。例えば、GPT-5.1と比較して入力トークン単価が約3割安く、高性能とコスト効率の両立を目指す企業にとって魅力的な選択肢となり得るでしょう。

注目すべきは、高性能なプロプライエタリモデルと並行して、商用利用が可能な高性能オープンソースモデル「ERNIE-4.5-VL」も提供している点です。このオープンとクローズドの「二刀流」戦略により、大企業から開発者コミュニティまで幅広い層への浸透を図っています。

ERNIE 5.0の発表は、世界の基盤モデル開発競争が新たな段階に入ったことを示唆しています。性能評価の第三者による検証が待たれますが、百度の明確な企業向け戦略とグローバル展開への野心は、既存のAI市場の勢力図を塗り替える可能性を秘めています。