AI

概要 Vercelは2026年4月、オープンソースのAIコーディングエージェント基盤「Open Agents」を公開した。ローカルマシンに依存せずバックグラウンドで動作するコーディングエージェントを構築・実行できるプラットフォームで、GitHub連携による自動PR作成やセッションをまたいだ永続的ワークフローなどを備える。完成品のコーディングアシスタントを提供するのではなく、企業が自社向けにフォーク・カスタマイズするためのリファレンス実装として位置づけられている。 背景には大企業のコーディングエージェント導入における課題がある。Stripe・Ramp・Spotify・Blockといった企業はすでに内部向けコーディングシステムをオープンソース化しているが、既製のコーディングエージェントは企業固有の知識や統合が不足し、大規模モノレポではパフォーマンスが低下するといった問題が指摘されてきた。Open AgentsはそうしたニーズへVercelが提示する解答だ。 三層アーキテクチャと主な機能 Open Agentsは三層構造を採用する。 ウェブインターフェース層：認証・セッション管理・ストリーミング対話を担当 エージェントワークフロー層：推論と編成をデュラブルワークフローとして実行 サンドボックス実行層：ファイルシステムアクセスとシェルコマンドを持つ隔離仮想マシン 特筆すべき設計上の判断は、エージェントロジックとサンドボックス実行を分離した点だ。エージェントはVM内部で直接動くのではなく、ファイル操作・検索・シェルコマンドといった定義済みツールを介してサンドボックスと対話する。これによりエージェントとサンドボックスのライフサイクルを独立して発展させられる構造になっている。 主な機能としては、マルチステップ実行とストリーミング出力、タスクキャンセル、GitHubリポジトリのクローン・ブランチ作成・PR自動生成、読み取り専用リンクによるセッション共有、ElevenLabsを使った音声入力、セッションのポーズ・休止・再開を可能にするデュラブルワークフロー、スナップショットベースのサンドボックス状態復元などが挙げられる。インフラ要件としてはPostgreSQLデータベース、OAuthによる認証、GitHub連携が必須で、キャッシュ用にRedisなどのKey-Valueストアがオプションで使用可能だ。 競合との位置付けと今後の課題 VercelのCEOギレルモ・ラウチは「ソフトウェア企業の競争優位性は『書かれたコード』から、そのコードの『生産手段』へ移行する」と主張し、「ソフトウェアファクトリー」という概念を強調している。このビジョンに沿い、Open Agentsはコーディングエージェントをリクエスト単位のツールではなく、継続的に長時間動作するシステムとして捉え直す方向性を示している。 一方、AnthropicはVercelとは対照的なアプローチとして「Claude Managed Agents」を提供しており、実行・編成・状態管理をホスト型プラットフォームとして提供している。両者に共通するのは、実行層がモデル自体と同程度に重要であるという認識だ。 ただし批判的な見方もある。開発者のMichiel Voortmanは「VMとエージェントを分離するのはこのプロジェクトの核心だが、中長期的にはエージェント開発のスピードを低下させると思う」と懸念を表明している。また、このアプローチは高い制御性と柔軟性をもたらす反面、システムの動作定義・独自ツール統合・長期保守を企業自身が担う必要があり、多くのチームにとっては依然として既製ソリューションが現実的な選択肢となる可能性が高い。

概要 Anthropicは2026年5月5日、金融サービス業界向けの包括的なAI戦略を発表した。新モデル「Claude Opus 4.7」を中核に据え、ピッチブック作成・KYC（顧客確認）審査・月次決算処理・信用分析・引受業務・決算分析など、金融機関で工数を要する業務に特化した約10種類のAIエージェントテンプレートを提供する。また、金融技術企業FISとの提携により、BMOおよびAmalgamated BankへのAML（マネーロンダリング対策）調査自動化の展開も合わせて発表された。 JPMorganChase、Goldman Sachs、Citi、AIG、Visaなど大手金融機関ではすでにClaudeが実運用されており、今回の発表はウォールストリートへの本格進出をさらに加速させるものとなる。 技術的な詳細 Claude Opus 4.7は金融業務向けに最適化されており、Vals AIのFinance Agent Benchmarkで64.4%のスコアを記録し、同ベンチマーク首位を獲得した。エージェントテンプレートはピッチブック・決算分析・信用メモ・KYC・月次決算クローズなど、労働集約的なワークフローを自動化することを目的とする。 さらに、Microsoft 365との統合によりExcel・PowerPoint・Word・Outlookにわたってコンテキストを維持しながらClaudeを横断的に活用できるようになる。これにより、金融アナリストや担当者が日常的に使うOffice環境に直接AIエージェントが組み込まれる形となる。 戦略的パートナーシップとエコシステム データ面では、Moody’sが6億社超の信用格付けデータをClaude内に統合し、Verisk・Dun & Bradstreet・Experian・IBISWorldなども主要データパートナーとして参画する。金融実務で不可欠な信頼性の高いデータソースと直接連携することで、エージェントが質の高い分析を提供できる基盤が整う。 ビジネス戦略としては二層構造を採用しており、大手機関は自社でエージェントを構成する形態を、中堅市場向けにはBlackstone・Hellman & Friedman・Goldman Sachsが共同出資した15億ドル規模のジョイントベンチャーを通じてClaudeを直接提供する形態を用意する。Apollo Global ManagementやGeneral Atlanticなども同JVに参画しており、Anthropic CFOは「エンタープライズからのClaude需要はいかなる単一の提供モデルも超えるペースで拡大している」とコメントしている。 今後の展望 今回の発表はAnthropicが汎用AI企業からウォールストリートのインフラプロバイダーへとポジショニングを進化させようとする大きな方向性を示している。金融機関は従来、コンプライアンスやリスク管理の観点からAI導入に慎重なセクターとして知られてきたが、既存大手との実績を足がかりにエージェントテンプレートの標準化・普及を図ることで、業界全体への浸透を狙う。FISとのAML自動化展開はその最初の具体的な成果であり、金融犯罪対策という規制要件の高い領域での実用化は信頼性の証明としても機能しうる。

概要 Rubyコミッターとして知られる遠藤侑介氏が、13のプログラミング言語を対象にClaude Codeのコーディング効率を比較する大規模ベンチマークを実施し、その結果を公表した。600回以上の実行からなる本研究では、「簡略化されたGitの実装」という共通タスクを各言語で20回ずつ実行し、生成コストと処理時間を計測した。結果として、Ruby・Python・JavaScriptなどの動的言語が静的型付き言語より1.4〜2.6倍速く、かつ低コストであることが示された。AIによるコーディング補助において、言語の選択がパフォーマンスとコストに定量的な影響を与えることを示した注目の研究となっている。 ベンチマーク結果 各言語の1回あたりのコストと平均実行時間の上位・下位は以下の通り。 動的言語がトップ3を占めた： Ruby: $0.36/回、73.1秒、分散低、成功率100% Python: $0.38/回、74.6秒、分散低、成功率100% JavaScript: $0.39/回、81.1秒、分散低、成功率100% 一方で静的型付き言語は相対的に低い効率を示した： Go: $0.50/回、101.6秒（標準偏差37秒と高いばらつき） Rust: $0.54/回、分散大、テスト失敗あり C: $0.74/回、生成コード517行（Rubyの219行に対して） 型チェックのオーバーヘッドも計測されており、PythonにMyPy strict検査を適用すると1.6〜1.7倍、RubyにSteep型チェックを適用すると2.0〜3.2倍遅くなった。TypeScriptはJavaScriptと生成行数が近いにもかかわらず、コストはJavaScriptの$0.39に対して$0.62と約1.6倍高かった。 考察と限界 遠藤氏自身も認めているように、このベンチマークが測定しているのは「生成コストと速度」であり、コード品質・保守性・ランタイム性能は対象外である。またタスク規模は約200行程度のプロトタイプ開発に相当するものであり、大規模な本番コードベースでの結論を直接導くものではない。 コミュニティからも批判的な意見が寄せられており、各言語のエコシステムの充実度や標準ライブラリの豊富さといった利点が考慮されていない点や、プロトタイピングレベルの知見が大規模開発にそのまま適用できるかどうかについて疑問視する声がある。動的言語の生成コードが短くなりやすい一方で、実務上は型情報が長期保守において重要な役割を果たすという観点も見逃せない。 今後の展望 本研究は、AIコーディングツールの普及とともに「どの言語でAIに書かせるか」という問いが現実的な意味を持ち始めていることを示している。特に速度やコストを重視するプロトタイピングや自動生成パイプラインにおいては、言語選択の戦略的重要性が増すだろう。今後は、より大規模・複雑なタスクや複数のAIモデルを対象にした追加検証が待たれる。

概要 Cloudflareは、グローバルネットワーク上で大規模言語モデル（LLM）を効率的に実行するための新しいインフラを発表した。その中核となるのが、Rust製の独自AI推論エンジン「Infire」だ。Infireは複数のGPUにまたがってモデルを実行し、メモリ消費量の削減と起動時間の短縮を実現している。パイプライン並列化とテンソル並列化を組み合わせることで負荷分散を図りつつ、GPU間の通信オーバーヘッドを最小限に抑えている。 分離プリフィルアーキテクチャ 今回の技術的な核心となるのが「分離プリフィルアーキテクチャ（Disaggregated Prefill Architecture）」だ。このアプローチではLLMのリクエスト処理を2段階に分割し、それぞれ別のマシンで実行する。第1段階の「プリフィルステージ」では入力トークンを処理してKVキャッシュを構築する（コンピュート集約型）。第2段階の「デコードステージ」では出力トークンを生成する（メモリ集約型）。各ステージの特性に合わせて最適化することで、全体的な処理効率を向上させている。 超大規模モデルへの対応と最適化 現代のLLM推論が直面する課題の一つが、モデルの巨大化に伴うハードウェアリソースの膨大な要求だ。たとえばKimi K2.5（パラメータ数1兆以上、約560GB）はモデルのロードだけでH100 GPUが最低8枚必要で、処理オーバーヘッドを考慮するとさらに多くのリソースが求められる。一方でMeta社のLlama 4 ScoutはH200 GPU 2枚で動作可能であり、Cloudflareはモデルに応じた効率的な構成を実現している。 さらにCloudflareは「Unweight」と呼ぶ可逆圧縮の新手法を開発した。モデルの重みを精度の損失なく約15〜22%圧縮することで、推論時のGPU間データ転送量を削減し、全体のスループット向上に貢献している。 背景と業界への示唆 Cockroach LabsはAI時代の本番ワークロードについて、「従来のインフラはこの種の負荷に対応できる設計になっていない」と指摘しており、根本的なアーキテクチャの変革が必要だとしている。Cloudflareの取り組みは、エッジコンピューティングの強みを活かしてLLM推論をグローバルに分散させるモデルとして注目されており、高性能なAIサービスをより低コストで提供するための新たな方向性を示している。

概要 IBMは2026年4月29日、Granite 4.1モデルファミリーをApache 2.0ライセンスのオープンソースとして公開した。今回リリースされたのは言語モデル（LM）の3B・8B・30Bパラメータ版（ベースおよびインストラクション版）に加え、Granite Vision 4.1、Granite Speech 4.1（2B・2B Plus・2B NAR）、Granite Guardian 4.1、多言語対応のGranite Embedding Multilingual R2と、幅広いモダリティにわたるファミリーとなっている。特に注目されるのは8Bモデルで、前世代の32B Mixture-of-Experts（MoE）モデルに匹敵またはそれ以上の性能を実現しており、推論コスト効率の大幅な改善が見込まれる。 技術的な詳細 言語モデルはデンス型デコーダのみのアーキテクチャを採用しており、約15兆トークンを用いた多段階学習によって訓練されている。コンテキストウィンドウは最大512,000トークンに対応し、長文処理においても短文タスクの性能を損なわないよう設計されている。学習パイプラインには多段階の強化学習が組み込まれており、指示追従・会話品質・数学的推論といった能力ごとに個別最適化が施されている。ベンチマークでは指示追従とツール呼び出しの両面でGemmaやQwenと競争力のある結果を示している。 Granite Vision 4.1はDeepStackに着想を得たフィーチャー注入スキームを採用し、同サイズの競合モデルを上回るテーブル・チャート抽出性能を発揮する。Granite Speech 4.1の2BモデルはWord Error Rate 5.33%をOpenASRリーダーボード上位で達成している。さらに2B NARモデルは従来の自己回帰型とは異なり、シーケンス全体を一度に生成する非自己回帰（NAR）方式を採用することで、GPU使用率とスループットを大幅に改善している。Granite Embedding Multilingual R2は200言語超の意味検索をサポートし、97Mパラメータ版も提供される。 ユースケースと今後の展開 実用面では、請求書番号・日付抽出といった文書理解の自動化パイプライン、機内騒音環境下での医療従事者向け音声認識、有害出力をリアルタイムで監視するチャートボット安全性評価、多言語意味検索など、エンタープライズ向けの多様なシナリオが想定されている。IBMはNAR方式を今後さらに多くのモデルへ適用する方針も示しており、推論速度と品質のさらなる向上が期待される。Apache 2.0ライセンスによるオープンソース公開は、商用・非商用を問わず幅広いユーザーへの普及を後押しするものとなりそうだ。

概要 Metaは2026年5月1日、ヒューマノイドロボット向けのAIモデルを開発するスタートアップ「Assured Robot Intelligence（ARI）」を買収したと発表した。買収金額は非公開。ARIの共同創業者3名（Xiaolong Wang、Xuxin Cheng、Lerrel Pinto）および全チームはMetaのAI部門傘下にある「Superintelligence Labs」に合流する。Metaは今回の買収により、「ロボット制御と自己学習、そして全身型ヒューマノイド制御に関する深い専門知識」を獲得すると説明している。 スタートアップの背景と創業者の経歴 ARIはヒューマノイドロボットが家事を含む多様な肉体労働タスクをこなせるようにする汎用AIモデルの研究開発に注力しており、AIX Venturesからシード資金を調達していた。共同創業者の経歴はいずれも際立っている。Xiaolong WangはNvidiaの研究者を経てUCサンディエゴの准教授を務め、ロボティクスAI分野での豊富な受賞歴を持つ。Lerrel PintoはNYUで教鞭をとった後、ヒューマノイドロボット開発スタートアップ「Fauna Robotics」を共同創業しており、同社は直前にAmazonに買収されている。 Metaのロボティクス戦略 今回の買収はMetaのロボティクス戦略の大きな一手だ。Wangは「真に汎用的な物理エージェントを訓練するためには、人間の経験から直接学習することでスケールを実現する必要がある。Metaはそのビジョンを実現するために必要な主要コンポーネントを持っている」とコメントした。Metaのアプローチはロボティクス業界向けのライセンス可能なソフトウェアを開発するという点でGoogleのAndroid戦略に例えられており、AmazonやTeslaとの競争が激化する中でのポジショニングとなる。 業界の展望 ヒューマノイドロボット市場の将来性についてはさまざまな予測がある。Goldman Sachsは2035年までに380億ドル規模に達すると見込む一方、Morgan Stanleyは2050年には5兆ドルに及ぶと試算している。業界の専門家の間では、汎用人工知能（AGI）の実現にはデータだけでなく、ロボットによる現実世界での相互作用を通じたAIモデルの訓練が不可欠との見方が広まっており、Metaの動きはこうした潮流を反映している。

概要 GitHub Copilot for Visual Studioの2026年4月アップデートが公開され、エージェント型ワークフローを中心とした複数の新機能が追加された。従来のコード補完やチャット機能から一歩進み、IDE上でAIエージェントが自律的にタスクをこなす体験が実用レベルに近づいている。今回のアップデートの目玉は、IDEから直接クラウドエージェントセッションを起動できる機能、ユーザーレベルのカスタムエージェントサポート、そして新しいデバッガーエージェントの3つだ。 クラウドエージェント統合とカスタムエージェントの強化 新たに追加されたクラウドエージェント統合では、エージェントピッカーから「クラウド」を選択してタスクを説明するだけで、クラウドエージェントがGitHubのIssueとプルリクエストをリモートインフラストラクチャ上で自動的に作成してくれる。これにより、開発者はIDEを離れることなくクラウドベースのエージェント作業をトリガーできるようになった。 カスタムエージェントの面では、ユーザーレベルの定義が %USERPROFILE%/.github/agents/ に保存されるようになり、複数のプロジェクトをまたいで個人用エージェントを再利用できる。また、.claude/skills/ や .agents/skills/ といったディレクトリからもスキルが自動検出されるため、チームの組織スタイルに応じた柔軟な構成が可能だ。 デバッガーエージェントとその他の改善 デバッガーエージェントは今回のアップデートで特に注目される機能で、GitHubやAzure DevOpsのIssueを起点にエージェントがバグを再現・計測・診断し、実行時の動作に基づいた修正案を提案する。手動デバッグにかかる時間を大幅に短縮できる可能性があり、特に再現手順が複雑なバグへの対応で威力を発揮しそうだ。 そのほかにも、Copilotキーボードショートカットのカスタマイズ対応、過去の会話を参照できるチャット履歴パネルの追加、C++コード編集ツールの一般公開、テキストビジュアライザーの自動デコード機能など、実用性を高める細かな改善も多数含まれている。コード補完・チャット・エージェントの3層構造が着実に整備されており、Visual StudioにおけるAI支援開発の幅がさらに広がった。

概要 Craft DocsのLukilabsが、デスクトップアプリケーションとエージェントワークフロー環境を統合したフレームワーク「Craft Agents」をApache License 2.0のもとでオープンソース公開した。公開後すぐにGitHubのトレンドに入り、スター数は5,700件超、フォーク数は762件に達するなど、開発者コミュニティから広く注目されている。Craft AgentsはAnthropicのClaude Agent SDKを中核として構築されており、「エージェントネイティブソフトウェア原則」に基づいた直感的なマルチタスク処理、外部API・サービス接続、セッション共有、ドキュメント中心のワークフロー実現を目指している。 主な機能と技術スタック Craft AgentsはElectronとReactによるデスクトップアプリで、ランタイムにはBun、UIフレームワークにはshadcn/uiとTailwind CSS v4を採用している。ソースコードのほぼ90%はTypeScriptで書かれており、モダンなWeb技術スタックで構成されている。 エージェントの権限管理には3段階モードを用意している。読み取り専用の「Explore」、変更前に確認を求める「Ask to Edit」、すべての操作を自動承認する「Auto」の3段階で、用途やリスク許容度に応じて切り替えられる。セッション管理機能としては、マルチセッションの受信箱、Todo・実行中・確認待ち・完了というワークフロー状態の管理、フラグ機能と自動生成タイトルが含まれる。 データソース接続と対応LLMプロバイダー 外部データソースへの接続面では、MCPサーバーを通じたLinear・GitHub・Notionとの統合、REST API経由でのGoogle・Slack・Microsoft各サービスへの接続、ローカルファイルシステムへのアクセスをサポートしている。 対応するLLMプロバイダーも幅広く、Anthropic（APIキーまたはClaude Max OAuth）、Google AI Studio、ChatGPT Plus、GitHub Copilotへの直接接続に加え、OpenRouter・Vercel AI Gateway・Ollamaといったサードパーティゲートウェイやカスタムエンドポイントも利用可能だ。特定プロバイダーへのロックインを回避しながら多様なモデルを使い分けられる点が特徴となっている。 導入方法とライセンス インストールは以下のワンラインコマンドで行える。 curl -fsSL https://agents.craft.do/install-app.sh | bash ソースからビルドする場合は、リポジトリをクローンしたうえでbun installとbun run electron:startを実行すればよい。ライセンスはApache License 2.0で、商用・個人利用ともに自由に利用・改変・再配布できる。ただしClaude Agent SDKの利用にはAnthropicの商用利用規約が適用される点に注意が必要だ。「Craft」および「Craft Agents」の商標はCraft Docs Ltdが保有している。

概要 Linux Foundationは2025年12月9日、**Agentic AI Foundation（AAIF）**の設立を発表した。AIシステムが会話型アシスタントから自律的なエージェントへと急速に進化するなか、透明性と相互運用性を担保する中立プラットフォームの必要性に応える形での設立となる。初期プロジェクトとして、AnthropicのModel Context Protocol（MCP）、BlockのオープンソースAIエージェントフレームワーク「goose」、OpenAIが提案するAIコーディングエージェント向け仕様「AGENTS.md」の3プロジェクトが寄贈された。プラチナム会員にはAmazon Web Services、Anthropic、Block、Bloomberg、Cloudflare、Google、Microsoft、OpenAIが名を連ね、主要AIプレイヤーが共同でガバナンスを担う体制が整った。 MCPが解決してきた課題 MCPはAnthropicが開発したオープン標準で、AIモデルが外部ツールやデータソースと安全に接続するためのプロトコルを定義している。登場以前、AIエージェント開発者は「n×m統合問題」に悩まされていた。5つのAIクライアントが10の内部システムと連携するだけで、認証やエラー処理の異なる50通りの個別実装が必要になる計算だ。MCPはこの問題をスキーマ駆動のインターフェース（JSON Schema）、OAuth対応のセキュアなリモート接続、予測可能なツール呼び出し、長時間タスクのサポートといった仕様を統一することで解消した。現在は10,000以上のMCPサーバーが公開されており、Claude、Cursor、Microsoft Copilot、Geminiをはじめとする主要AIプロダクトで採用が進んでいる。 急速な普及とLinux Foundation移管の意義 2025年のGitHub Octoverse報告によれば、LLM SDKをインポートするリポジトリは113万件に達し、AIリポジトリの新規作成は69万3,000件を記録した。MCPは公開から8か月足らずで3万7,000スターを獲得し、月間インストール数は9,700万件に及ぶ。Linux FoundationへのMCP移管は、開発者にとって長期的な安定性、企業規模を問わない平等な参加、互換性の保証、エンタープライズ向けのオープンスタンダードガバナンスといった実質的な恩恵をもたらす。この位置づけはKubernetesやSPDXといったクリティカルインフラと並ぶものとして評価されている。 今後の展望 AAIFはLinux Foundationの中立的な管理のもと、各プロジェクトの独立性と透明性を確保しながら標準策定を進める。MCP Dev Summitなどのコミュニティイベントも開催予定で、エコシステム全体での協調開発が加速する見通しだ。開発者は1つのMCPサーバーを複数のAIクライアントで再利用でき、テスト・デバッグが容易な標準化されたツール連携の恩恵を享受できる。独占的なプロプライエタリ解決策ではなく、契約ベースのオープン標準としてAIエージェント統合の基盤が確立されつつある。

概要 著名アナリストのミン・チー・クオ氏（TF International Securities）の報告によると、OpenAIが独自スマートフォンの開発を進めており、QualcommおよびMediaTekと協力して専用チップを設計しているという。この端末の核心的な設計思想は、従来のアプリをAIエージェントに置き換えること。ユーザーがアプリを個別に操作するのではなく、AIエージェントがコンテキストを継続的に把握しながらタスクをエンドツーエンドで完結させる。製造はApple製品の主要サプライヤーでもあるLuxshare Precision Industryが独占的に担当する見通しで、量産開始は2028年を目標としている。 Bloombergも同様に、OpenAIをはじめとする複数の大手テック企業がAI特化スマートフォンの市場投入に動いていると報道。Samsung、Apple、Google、Huaweiなど既存メーカーも急速にAI統合を進めており、スマートフォン市場全体でAIエージェントへの移行が加速しつつある。 技術的な詳細 OpenAIが計画する端末の処理アーキテクチャはハイブリッド構成を採用する。軽量なタスクはオンデバイスモデルで処理し、複雑な推論はクラウドモデルに委譲する設計だ。これにより、バッテリー消費と応答速度のバランスを保ちながら高度なAI機能を実現することを狙っている。 チップ開発のタイムラインはまず2026年末から2027年第1四半期にかけて仕様とサプライヤーリストを確定し、2028年の量産開始を目指す。クオ氏は出荷台数として年間3〜4億台を見込んでおり、これはiPhoneやGalaxyを超える規模の野心的な目標だ。 業界動向との関係 OpenAIのハードウェア参入の背景には複数の戦略的動機がある。WeeklyアクティブユーザーがすでにChatGPTで10億人近くに達している中で、ハードウェアを通じたさらなるリーチの拡大が狙いの一つだ。また、AppleやGoogleのプラットフォームが課すAI機能への制限を回避し、自社サービスをフルに実装できる環境を確保する意図もある。OpenAIはすでにイヤホン（2026年後半発表予定）もラインアップに加えており、ハードウェア事業の多角化を進めている。 既存スマートフォンメーカーも手をこまねいてはいない。Samsungは2026年にAI機能搭載端末を約8億台に拡大する計画を持ち、AppleはGoogleのGeminiをSiriの基盤モデルとして採用する複数年契約を締結済みだ。Googleは次期Pixel 10でマルチステップタスクをバックグラウンドAIエージェントに委ねる機能を実装するとされる。 課題と見通し OpenAIのスマートフォン参入に先立ち、類似コンセプトを掲げたHumane AI PinやRabbit R1はいずれも市場での評価は芳しくなかった。端末が「アプリの代わりにAIが動く」という体験を実際にユーザーに受け入れさせられるかどうかは未知数だ。クオ氏も開発中止や仕様変更の可能性を留保しており、現時点で公式確認はない。 Qualcomm CEOのクリスティアーノ・アモン氏は「2026年はAIエージェントの年になる」と述べており、AIエージェントがモバイルOSとアプリ層の多くを置き換え、スマートフォン・スマートグラス・ウェアラブルなど複数デバイスから共通のインターフェースとしてアクセスできる形態へと進化すると予測している。OpenAIの参入計画は市場にとって確証が得られていないが、AI特化端末をめぐる競争が本格化しつつあることは各社の動向からも明らかだ。