AI

概要 Googleは2026年4月22日、年次カンファレンス「Google Cloud Next 2026」でSundar Pichaiが多数の主要発表を行い、クラウドAIインフラの大規模強化を宣言した。目玉は第8世代TPUの2バリアントとなる「TPU 8t」（学習特化）および「TPU 8i」（推論特化）の投入であり、前世代比最大3倍の処理性能と80%のコストパフォーマンス向上を謳う。また、AIスーパーコンピュータ向けの新データセンターファブリック「Virgo Network」、AppleとのクラウドAI提携、Gemini Enterprise Agent Platformによるエンタープライズ向けエージェント基盤の統合強化も発表され、クラウドインフラにおけるAI競争が新たな局面を迎えた。 第8世代TPUの詳細 TPU 8tは学習ワークロードに最適化されており、最大9,600ユニットをクラスタリングして前世代比3倍の処理速度を実現する。TPU 8iは推論向けで、1,152ユニット接続に対応し、オンチップSRAMを3倍に拡大することでレイテンシーを大幅に低減している。さらにTPU 8tは新データセンターファブリック「Virgo Network」およびPathways/JAXソフトウェアとの組み合わせで、単一クラスターあたり100万TPU超への準線形スケーリングを実現し、従来のハイパースケール制約を突破する設計となっている。 注目すべきはGoogleのNvidiaに対するポジショニングだ。TPUはNvidiaを完全に代替するのではなく補完する位置付けとして、2026年後半にはNvidiaの最新チップ「Vera Rubin」もGoogle Cloudで提供予定であることを明らかにした。Googleが2023年にオープンソース化したネットワーキングシステム「Falcon」の改善でも協業するなど、競争と協調を並走させる戦略を採っている。 AIエージェントとプラットフォームの強化 エンタープライズ向けAIエージェント基盤として「Gemini Enterprise Agent Platform」が発表された。数千単位のAIエージェントを構築・スケール・ガバナンス・最適化するための統合ツール群を提供し、組織規模のエージェント運用を可能にする。同プラットフォームには新モデルとしてGemini 3.1 Pro、Gemini 3.1 Flash Image、動画生成モデルVeo 3.1 Lite、音楽生成モデルLyria 3 Proも加わった。ファーストパーティモデルのAPIスループットは毎分160億トークン超に達し、前四半期比6割増という急成長が続いている。Gemini Enterpriseの有料月間アクティブユーザーも前四半期比40%増を記録した。 データ基盤・セキュリティ面では、Knowledge Catalog、Cross-Cloud Lakehouse、Deep Research Agentを新たに発表。320億ドルで買収したWizとの連携によるAIサイバーセキュリティ自動化も強化され、セキュリティエージェントは脅威の軽減時間を90%以上短縮できるとしている。Workspace Intelligenceの一般提供も開始され、M365からの移行が5倍高速化されるとの試算も示された。なお、Google社内では新規コードの75%がAI生成となっており、半年前の50%から急増するなど、自社でのAI活用も加速している。 市場への影響と展望 今回の発表はNvidiaが約5兆ドルの時価総額を誇るAIチップ市場において、GoogleをはじめAmazon、Microsoftなどハイパースケーラーが独自チップで存在感を高めようとする動きの一環だ。しかし各社とも短期的にはNvidiaへの依存を維持しながら、長期的な依存度低減を模索するという慎重な姿勢を取っている。AppleとのクラウドAI提携やVirgo Networkによる次世代データセンター構想はGoogleのインフラ優位性をさらに際立たせるものであり、企業ユーザーへのAIフルスタック提供という戦略の加速が鮮明になった。

概要 MetaはAmazonのAWS Gravitonチップを数百万個規模で調達する大型契約を締結した。Amazonが発表したこの合意は、AIインフラにおけるチップ選択の多様化を象徴する動きとして注目される。GravitonはARM系アーキテクチャに基づくCPU（中央処理装置）であり、大規模モデルのトレーニングに欠かせないGPUとは異なるカテゴリに属する。MetaはこれをAIエージェントを中心とした推論処理基盤として活用する方針だ。 Amazonはこの発表を、Googleが自社製AIチップの新製品を披露したGoogle Cloud Nextの開催期間中に合わせて行った。競合クラウド事業者の大型イベントと同時に発表するという戦略的なタイミングは、AI向けクラウドインフラをめぐる各社の激しい競争を改めて浮き彫りにしている。 AIエージェント時代がもたらすCPU需要 AIエージェントの普及が、チップ市場に新たな需要をもたらしている。これらのエージェントには、リアルタイム推論、コード生成、検索処理、複数ステップのタスクを管理するためのエージェント間調整といった、計算集約型のワークロードが求められる。こうした用途に対し、AWSは最新版GravitonをAI処理に特化して設計しており、GPUが得意とするトレーニングとは異なる領域でその強みを発揮する。 Amazonは別のAI向けチップとしてTrainiumも展開しているが、こちらはAnthropicが10年間・総額1,000億ドルのAWS利用契約を通じて優先的なアクセス権を確保している。そのため、MetaへのGraviton提供はAnthropicのTrainium独占とは別の文脈で位置づけられる。 競争環境と市場への影響 AWS GravitonはNvidiaが投入した新型CPU「Vera」への対抗製品としても注目を集める。ただし、NvidiaはVeraを企業に直接販売するのに対し、AWSはクラウドサービス経由でのみ提供するという違いがある。AWSのAndy Jassy CEOは以前から「AIにおける優れたコストパフォーマンス比を追求する」と強調しており、今回の契約はその方針の具体的な成果といえる。 MetaはすでにGoogleと2025年8月に総額100億ドル・6年間のクラウド利用契約を締結しているが、今回のAWSとの取引はその流れに変化をもたらすものだ。AIインフラの調達先を単一クラウドに集中させず、ワークロードの特性に応じて使い分ける戦略への転換が、巨大テック企業の間で広がりつつある。

概要 OpenAIは2026年4月23日、同社最新の大規模言語モデル「GPT-5.5」を正式に発表した。「これまでで最もスマートかつ直感的に使えるモデル」と位置付けられており、リリース当日よりChatGPTおよびCodexを通じてPlus・Pro・Business・Enterpriseの各プランのユーザーに段階的に提供が開始されている。Proユーザー向けにはより高性能な「Pro版」も用意される。GPT-5.5はコーディング能力、コンピュータ操作、深い調査・研究機能の強化に加え、「限られた指示でタスクをこなす」自律的なエージェント的作業能力の向上が特徴だ。 主な強化点と技術的詳細 GPT-5.5は複数の領域で顕著な改善が図られている。最も注目されるのは、アジェンティック（自律的）なコーディングとエンタープライズ向けナレッジワークの強化だ。数学および科学研究においても性能が向上し、コンピュータのナビゲーション操作能力も改善されている。OpenAIの最高研究責任者Mark Chen氏は「科学的・技術的な研究ワークフローにおいて有意な向上を示している」と述べており、創薬プロセスへの応用も期待されると語った。また、プレジデントのGreg Brockman氏は、GPT-5.5はGPT-5.4などの前モデルと比べて「より少ないトークン数でより速く、より鋭い思考ができる」と説明しており、企業・消費者向けの実用性が高まっているとした。 競合との比較とスーパーアプリ戦略 OpenAIはGPT-5.5をAnthropicの「Claude Opus 4.5」やGoogleの「Gemini 3.1 Pro」といった競合モデルと比較したベンチマーク評価を実施し、主要なカテゴリで優位性を主張している。GPT-5.5のリリースは、OpenAIが目指す「スーパーアプリ」構想の一環でもある。ChatGPT、Codex、そしてAIブラウザを統合した多目的プラットフォームを形成するという戦略の中で、GPT-5.5はその中核を担うモデルと位置付けられている。チーフサイエンティストのJakub Pachocki氏は引き続き高速な反復開発を続ける方針を示しており、GPT-5.5は2025年12月・2026年3月のリリースに続く最新モデルとなる。今後もさらなるアップデートが見込まれる。

概要 Open Source Security Foundation（OpenSSF）は2026年4月のニュースレターにて、AIエージェントを標的とした新たな脅威カタログ「SAFE-MCP」を発表した。これはModel Context Protocol（MCP）を活用する自律型AIエージェントに固有のセキュリティリスクを体系化したフレームワークであり、急速に普及するエージェント型AI基盤の安全な活用を支援することを目的としている。Canonical、Microsoft、Thread AIのセキュリティ専門家らが登壇したテックトークでは、AIエージェントの持つ非決定論的な性質が従来のソフトウェアとは異なる脅威モデルを必要とすることが強調された。 主な脅威パターン SAFE-MCPが取り上げる攻撃パターンは主に三つある。第一は非決定論的な挙動によるリスクであり、AIエージェントは同じ入力に対して異なる出力を返すことがあるため、従来の脅威モデリング手法が通用しない。第二は混乱した代理（Confused Deputy）問題で、エージェントがユーザーの代理として行動する際に適切な認可が行われず、意図しない操作が実行される認可失敗のリスクを指す。第三はプロンプトインジェクション攻撃であり、悪意ある入力によってエージェントの判断や行動を操作する手法だ。登壇者らはAIインフラ全体のセキュリティを評価する構造的フレームワークとして「七層ケーキ（Seven-Layer Cake）」モデルを提示し、AIスタック全体を横断したリスク評価の重要性を訴えた。 OSS-CRSプロジェクトの統合とAI-Slop問題 OpenSSFはDARPAのAI Cyber Challengeから生まれたOSS-CRSプロジェクトも受け入れた。このオーケストレーションフレームワークは、実験的なAIセキュリティ研究と実用的なオープンソース防御の橋渡しを担うものとして位置づけられており、自律システムが大規模にバグを発見・修正できるようにすることを目指す。 一方、Vulnerability Disclosures Working Groupは「AI-Slop」問題への対応として、コミュニティ調査を開始した。AI-Slopとは、AIが生成する低品質な脆弱性レポートを指し、VDP（脆弱性開示プロセス）に大量のノイズが流入している問題だ。このような偽陽性の増大はオープンソースプロジェクトのメンテナーに余分な負担を強いており、OpenSSFは実態把握と対策策定に向けた調査を進めている。 今後の展望 SAFE-MCPのようなフレームワークの整備は、AIエージェントが企業システムや開発ツールに組み込まれる速度が上がる中で不可欠となっている。MCPが多くのAIエージェント実装で採用される標準プロトコルとなりつつある今、攻撃対象領域の共通理解を業界全体で形成することが急務だ。OpenSSFが主導するこの取り組みは、AI時代のオープンソースセキュリティ基盤を整える重要な一歩となるだろう。

概要 ケンブリッジ大学の研究チームは、人間の脳の情報処理を模倣した新型ナノ電子デバイスを開発し、AIシステムのエネルギー消費を最大70%削減できる可能性を示した。このデバイスは「メモリスタ（memristor）」と呼ばれる素子をベースとしており、従来のGPU中心のアーキテクチャが抱えるエネルギー効率の課題に対して根本的なアプローチで挑む。研究成果は2026年4月23日にScienceDailyを通じて公表された。 現代のAIシステムは、データをメモリユニットと処理ユニットの間で絶えず往復させることでエネルギーを大量に消費する——いわゆる「メモリウォール問題」と呼ばれるフォン・ノイマン型アーキテクチャの根本的な制約だ。このデバイスはニューロン（神経細胞）が情報を同時に処理・保存する仕組みを電子回路で再現することで、このボトルネックを回避する。 技術的な詳細 開発チームが用いたのは改良型酸化ハフニウム（hafnium oxide）を材料としたメモリスタだ。従来のメモリスタでは予測不能な導電性フィラメントの形成が安定性の障壁となっていたが、この研究ではp-n接合部における制御されたスイッチングメカニズムを採用することで、この課題を克服した。製造プロセスでは2段階成長プロセスによってストロンチウムとチタンを添加し、既存の酸化物ベースのメモリスタに比べて顕著に高い安定性と均一性を実現している。 性能面では複数の指標で優れた結果を示した。スイッチング電流は従来の酸化物ベースのメモリスタと比較して約100万倍低く、数百の安定したコンダクタンスレベルをサポートする。耐久性についても実験室テストで数万回のスイッチングサイクルを通じた安定性を実証しており、1日間の状態保持も確認された。これらの特性がニューラルネットワークの推論処理における大幅な省エネルギー化を可能にする。 課題と今後の展望 実用化への最大の障壁は製造温度にある。このデバイスの製造には約700°Cの高温プロセスが必要であり、これは標準的な半導体製造プロセスが許容する温度を超えている。主任研究者のDr. Babak Bakhitはこの点を現段階での主な課題として挙げており、既存の製造ラインへの統合には追加の技術的検討が必要だ。 一方で、本研究はスウェーデン研究評議会、王立工学アカデミー、王立協会、英国研究・イノベーション機構（UKRI）から資金提供を受けており、Cambridge Enterpriseを通じて特許申請も進んでいる。データセンターの電力消費が社会的・環境的な課題として浮上する中、ニューロモーフィックコンピューティングに基づくハードウェアの革新は、AI基盤の持続可能性を高める上で重要な方向性の一つとして注目される。

概要 Anthropicは2026年4月、Amazonとの戦略的提携を大幅に拡大する契約を発表した。AnthropicはAWS上で今後10年間（2036年まで）に1,000億ドル以上を支出することを約束し、見返りにAmazonは即時50億ドルを投資する。Amazonの商業目標達成に応じて最大200億ドルの追加出資も予定されており、今回の契約によるAmazonの潜在的な総投資額は最大250億ドルに達する。これまでのAmazonの累計投資額は80億ドルであったため、今回の発表でAmazonのAnthropicへの確定済み総出資額は130億ドルとなる。 コンピュート契約の詳細 今回の提携の核心は、最大5ギガワット（GW）相当のAmazon製AIチップの調達だ。Anthropicは現在すでに100万個以上のTrainium2チップをProject Rainierとして稼働させており、Claudeシリーズの学習・推論に使用している。今回の契約はTrainium2からTrainium4世代まで、さらにCPUのGravitonシリーズも対象とし、将来世代のチップの購入オプションも含む。導入スケジュールは2026年第2四半期にTrainium2の保有量を大規模増強、2026年後半にはTrainium3の大規模導入を予定しており、2026年末までにTrainium2とTrainium3で合計約1GWの容量確保を目指す。 提携拡大の背景 Anthropicのランレート収益は2025年末時点の約90億ドルから2026年には300億ドルを超える水準まで急拡大しており、エンタープライズ需要の急増とコンシューマー向け無料・Pro・Maxプランの成長がその要因だ。ピーク時のトラフィック急増によるインフラ逼迫が今回の拡大提携の直接の引き金となった。なお、Claudeは引き続きAWS・Google Cloud・Microsoft Azureの3大クラウドすべてで利用可能であり、特定プラットフォームへの囲い込みは行わない方針だ。今回の契約で、AWS Amazon Bedrock上ではClaudeの全機能が統一された課金・ガバナンス体制のもとで直接利用できるようになる。 業界の文脈と今後の展望 本発表は、Amazonが約2か月前にOpenAIの1,100億ドル規模の資金調達ラウンドへ500億ドルを拠出した件と軌を一にしており、Amazonが有力AIラボへの戦略的投資を積極化させていることを示している。VC・機関投資家からはAnthropicに対して8,000億ドル超の評価額での資金調達オファーが届いているとも報じられており、本発表は新たな資金調達ラウンドの前触れとなる可能性もある。インフラ面ではアジア・欧州での推論キャパシティ拡充も予定されており、グローバル展開の加速が期待される。

概要 Jeff BezosとVikram「Vik」Bajajが共同CEOを務めるAI研究所「Project Prometheus」が、JPMorganとBlackRockを主要投資家とする100億ドルの資金調達ラウンドを完了間近と報じられた。今回の調達後、評価額は380億ドルに達する見込みだ。同社は2025年11月の設立時に62億ドルを調達しており、累計調達総額は160億ドルを超える。 物理AIというビジョン Project Prometheusが掲げるのは「物理AI（Physical AI）」の開発だ。テキストデータを主体とする従来の大規模言語モデルとは異なり、実世界の実験データ、ロボティクスとのインタラクション、エンジニアリングワークフローをもとにモデルを訓練する。応用分野として航空宇宙・自動車・先端製造業・創薬が挙げられており、産業分野へのAI実装を本格的に狙う姿勢が鮮明だ。 経営陣と採用 共同CEOのBajajはMITで物理化学の博士号を取得し、Google XではWingやWaymoの初期開発を主導。その後AlphabetのVerilyとAI創薬企業Xaira Therapeuticsを共同創業した経歴を持つ。同社はOpenAI・xAI・Meta・DeepMindから人材を積極採用しており、DeepMind出身のSherjil Ozairが共同創業したエージェント型AIスタートアップ「General Agents」を既に買収している。拠点はサンフランシスコ・ロンドン・チューリッヒの3都市に構えている。 産業データ戦略と今後の展開 Bezosは最大1000億ドルを投じて産業企業を傘下に収めるホールディングカンパニーを設立する構想を持つと報じられており、買収した企業の操業データをPrometheusのモデル強化に活用する戦略が描かれている。巨大資本と産業データを組み合わせることで、製造業・ロボティクス・航空宇宙分野のAI応用において独自の競争優位を確立しようとしている。

概要 Googleは推論特化モデル「Gemini 3.1 Pro」を発表した。Vertex AI・Gemini Enterprise・Gemini CLIでプレビュー提供が始まり、開発者向けにはGoogle AI Studio・Android Studio・Gemini CLIからもアクセスできる。同モデルはARC-AGI-2ベンチマークで77.1%を達成し、前世代のGemini 3 Proと比べて2倍以上の推論性能を実現している。 技術的な詳細 Gemini 3.1 ProはGemini 3シリーズをベースに推論能力を大幅に強化したモデルだ。JetBrainsの社内評価ではGemini 3 Pro Previewと比較して最大15%の性能向上が確認されており、出力トークン数の削減と信頼性向上も同時に達成している。 推論能力の改善は複数の専門領域で顕在化している。3Dアニメーションパイプラインにおけるコード推論（Cartwheel評価）、表形式データと非構造化データを組み合わせたエンタープライズ用途（DatabricksのOfficeQAベンチマークで同クラス最高スコア）、プロンプトの背景にある意図の把握（Hostinger評価）など、複雑なコンテキストを必要とするタスクで特に有効性が示されている。 活用事例と評価 早期利用企業からはすでに具体的なフィードバックが寄せられている。JetBrainsは開発者の信頼度向上と問題解決力の改善を報告し、Cartwheelはエッジケースへの対応力と実行精度を高く評価している。Databricksはエンタープライズデータ上でのGenAIアプリケーション構築に適していると述べており、Hostingerはコード品質と意図理解の向上を挙げている。 今後の展望 Googleは今回のリリースを「エージェント時代のビジネス変革」を支えるモデルと位置づけており、複数のデータソースを統合して単一ビューで扱う高度なエージェントワークフローへの活用を想定している。現時点ではプレビュー段階であり、正式リリースや価格体系の詳細は今後公表される見込みだ。

概要 中国のAIスタートアップMoonshot AIは、新たな大規模言語モデル「Kimi K2.6」をHugging Face上でオープンソース公開した。本モデルはMixture-of-Experts（MoE）アーキテクチャを採用し、総パラメータ数1兆個ながらトークンごとにアクティブになるのは32Bに絞られており、推論コストの効率化と高い表現力を両立している。ライセンスはModified MIT Licenseで提供され、vLLM・SGLang・KTransformersといった代表的な推論フレームワークに対応している。 ベンチマーク性能 Kimi K2.6はエージェント型タスクに特化したベンチマークで突出した成績を示している。ソフトウェアエンジニアリング評価のSWE-Bench Proでは58.6を記録し、OpenAIのGPT-5.4（57.7）を上回った。また、ツール利用を含むHumanity’s Last Examでは54.0を達成し、GPT-5.4（52.1）をはじめ比較対象の全モデルをリードする。コーディング能力を測るLiveCodeBenchでも89.6となり、Claude Opus 4.6（88.8）を僅差で超えている。 アーキテクチャとエージェントスウォーム機能 モデルは384エキスパートを持ち、推論時には8エキスパートと1つの共有エキスパートが選択される構造を採る。コンテキスト長は256Kトークンで、400MパラメータのMoonViTビジョンエンコーダーによるネイティブなマルチモーダル処理にも対応している。 特に注目されるのがエージェントスウォーム機能の大幅な拡張だ。前バージョンK2.5の制約を超え、最大300のサブエージェントが4,000ステップにわたって協調動作できるようになった。さらに、ドキュメントを構造・スタイルのパターンを保持した再利用可能な「Skills」に変換する仕組みも備わっており、繰り返し発生するワークフローの自動化を効率化する。 実タスクでの性能実証 Moonshot AIは自律コーディングの実証事例として、金融マッチングエンジンの最適化タスクを公開した。Kimi K2.6は13時間にわたる自律実行を通じて、中間スループットを185%、パフォーマンススループットを133%向上させることに成功しており、長時間・多段階の現実的なエンジニアリングタスクにおける有効性を示している。 今後の展望 Kimi K2.6の公開は、大規模MoEモデルのオープンソース化という流れをさらに加速させるものであり、高コストな独自クローズドモデルと競合する性能を持つモデルを誰でも自由に利用・改良できる環境の整備が進んでいる。エージェント的なタスク実行能力に強みを持つ本モデルが、ソフトウェア開発自動化や長時間タスクのオーケストレーションといった分野でどのように活用されるか注目される。

概要 NVIDIAは2026年4月20〜24日にドイツ・ハノーバーで開催されたハノーバーメッセ2026において、製造業向けAIソリューションの最新事例を幅広く公開した。同社はSiemens・ABB・Microsoft・Deutsche Telekomなど世界的なパートナー企業と連携し、加速コンピューティング・AIフィジクス・自律エージェント・産業ロボティクスの4領域にわたる取り組みを展示。製造現場でのAI活用が「実証段階」から「量産段階」へと移行しつつあることを強くアピールした。 インフラ面では、Deutsche TelekomがNVIDIAの基盤上にヨーロッパ最大級のAIファクトリーをドイツ国内に構築したことが発表された。これはEU域内の産業AIとロボティクスを加速するための「安全で主権を持つ基盤」と位置づけられており、欧州における産業DXの核になることが期待されている。 デジタルツインと設計AIの進化 大手CAD・EDAソフトウェアベンダーであるCadence、Dassault Systèmes、Siemens、Synopsysは、NVIDIA CUDA-X・AIフィジクス・OmniverseライブラリおよびNemotronオープンモデルを自社製品に統合した。これにより、リアルタイムの物理シミュレーション、AIによる設計最適化、エージェント型ワークフローが実現する。 工場スケールのデジタルツインでは複数の事例が紹介された。ABBはOmniverseとMicrosoft Azureを統合して工場の運用インテリジェンスを強化。Siemensは「Digital Twin Composer」を発表し、エンジニアリングデータをシミュレーション用モデルに変換するパイプラインを確立した。Microsoftも自社のAzureツール群とOmniverseを組み合わせ、物理精度の高いリアルタイムシミュレーションをデモンストレーションした。 Vision AIエージェントと生産性向上 Vision AIの領域では、Invisible AIがNVIDIA Metropolis VSSブループリントとCosmos Reason 2・Nemotronモデルを活用した「Vision Execution System」を発表。生産サイクルをリアルタイムに解析し、問題が拡大する前にオペレーターへ実用的なインサイトを提供するシステムだ。建設・製造向けプラットフォームのTulip Interfacesは「Factory Playback」を公開し、テレメトリデータと映像を同期させることで、Terexなどの製造企業において「歩留まり3%向上・手直し工数10%削減」を達成する見込みだとしている。 産業用ロボティクスの実用展開 ロボティクス分野では、ヒューマノイドロボット「HMND 01」がSiemensのエアランゲン工場でJetson Thorを搭載し、初の概念実証（PoC）として自律的な物流タスクを完了したと報告された。Hexagon Roboticsのヒューマノイドロボット「AEON」が、BMWのライプツィヒ工場でドイツの生産環境における初期のヒューマノイドロボット導入事例の一つとして、組立作業への投入が発表された。SCHUNKの「GROW」オートメーションセルは標準化された展開可能な形でPhysical AIを生産環境に統合する仕組みを提供する。 技術スタックとしては、Isaac SimとIsaac Labによるシミュレーション環境、Jetson Thorによるロボット搭載コンピューティング、産業グレードのエッジ展開向けIGX Thor、さらには安全クリティカルシステム向けのQNX OS統合が紹介された。製造業全体でAIと物理ロボティクスの融合が急速に進んでいることを示す場となった。