CRYPTO & AI
無料で登録
AI

先週のAI市場を5分で振り返り

直近1週間のマーケット情報・主要ニュースをまとめました。

先週のAI市場を5分で振り返り

おはようございます。
先週1週間(5/30〜6/6)のAI市場についてのまとめ記事となります。海外の専門ニュースレター・分析メディア・ラボ公式・論文までを広く集め、複数ソースが揃って扱ったトピックを優先してまとめています。ぜひ情報やトレンドのキャッチアップにご利用ください!


📰 Pickup News

「トークンの請求書が来た」— エンタープライズAIのコスト危機が表面化

  • 今週、AIエージェントのコスト暴走が一気に業界の主題になりました。TechCrunchは特集「トークンの請求書が来た」で、Uberが2026年のAI予算を4か月で使い切った例などを報じています。
  • 同じ週に、MicrosoftがClaude Codeの社内ライセンスを6/30で打ち切り、GitHub Copilot CLIへ誘導(トークン課金で1人あたり月$500〜2,000に膨張)、GitHub Copilot自体も6/1から従量課金へ移行して開発者が反発、という動きが重なりました。
  • 要は、「AIエージェントは強力だが採算が合うのか」という問いが今週の支配的テーマになった、ということ。性能競争の裏で「コストをどう管理するか」が経営の最前線に出てきました。

Anthropic、IPOへ向け機密ドラフトS-1をSECに提出 — $965B評価

  • 6/1、AnthropicがSECに機密ベースのドラフトS-1を提出し、株式公開のオプションを取得しました。先週完了したSeries Hでの$965B評価に続く動きです。
  • 機密提出は上場時期や条件を柔軟に保ちながら準備を進める手法で、ライバルに先んじて公開市場へのアクセスを確保しにいった形です。
  • つまり、AI業界の資金調達が「VCラウンド」から「公開市場」へとステージを上げ始めた、ということ。年$47B規模のrun-rateを支える資本の地ならしと読めます。

Microsoft、Build 2026で自社AI「MAI」モデル群を発表 — ただし透明性のほころびも

  • 6/2、MicrosoftがBuild 2026で自社開発のMAIモデル群(初の推論モデルMAI-Thinking-1、画像・音声・コーディング系など)を発表。OpenAI依存を下げてコストを削る狙いです。
  • 一方で同じ週に、MAIモデルが「ライセンス済みクリーンデータのみ」という表明に反しCommon Crawlで学習していた矛盾や、社内エージェント「Scout」の「ユーザーを依存させる」メモ流出→Nadellaが叱責といったガバナンスのほころびも噴出しました。
  • 見どころは、「自前モデルで自立を急ぐMicrosoft」と「その透明性・統治の粗」がセットで報じられたこと。前向きな発表ほど、その裏側が問われる局面に入っています。

NVIDIA、ComputexでフィジカルAIと次世代基盤を一挙発表 — Cosmos 3・Nemotron 3 Ultra

  • 6/1のGTC Taipei/Computexで、NVIDIAはオムニモーダル世界モデル「Cosmos 3」、米国最強のオープン推論モデル「Nemotron 3 Ultra」(550B MoE)、ワールドモデル+自動運転ブレイン+ヒューマノイドなど、フィジカルAIへの全面シフトを打ち出しました。
  • あわせてAIエージェントPC向けに$200B市場へ参入し、RTX Spark・Vera CPU等の次世代基盤も発表。Nemotron 3は中国のKimi K2.6に僅差で及ばず「米中ギャップ」の象徴にもなりました。
  • これが意味するのは、AIの主戦場が「言語」から「物理世界」へ拡大し、ロボティクス・自動運転がNVIDIAのスタックに一段と依存していく、ということです。

トランプのAI安全EOとフロリダ州のOpenAI提訴 — ガバナンスが法廷へ

  • 6/2前後、トランプ大統領がフロンティアモデルを政府の安全レビューに自主的に提出する枠組みの大統領令に署名(義務化はせず、悪用への刑事訴追は強化)。EUのAI Actとは対照的な「自主提出+厳罰」路線です。
  • 同じ週に、フロリダ州がOpenAIとSam Altmanを提訴(AI関連の暴力事件を理由とする州として初の訴訟)。
  • ここがポイントで、AIプロダクトの安全設計義務・製造物責任が、行政(EO)と司法(州訴訟)の両面から正面の論点に押し上げられました。

📗 Pickup Article

面白いと思ったポストや記事を紹介します。

チューリング賞受賞者Richard Sutton、「純粋な生成AIだけでは真の科学はできない」

  • 6/1、強化学習の大家Richard Suttonが、生成AIだけでは本当の意味での科学的発見はできないと論じました。「経験から学ぶ」アプローチの重要性を強調しています。
  • LLM一辺倒のAI観に対する第一人者からの問題提起で、「次に何が要るのか」を考えるうえで示唆に富みます。
  • 今週の研究トレンド(蒸留・KVキャッシュ最適化・世界モデル)が「実運用の効率化」に寄っていたことと合わせて読むと、潮目が見えてきます。

オープンモデルが"ノートPC"へ降りてくる — Gemma 4・Nemotron 3 Ultra・MiniMax M3

  • 6/1〜6/3、Google DeepMindが16GB RAMのノートPCで動く「Gemma 4 12B」を、NVIDIAが「Nemotron 3 Ultra」を、MiniMaxが100万トークン対応の「M3」を相次いで公開。
  • 高性能AIが「クラウドの巨大GPU」から「手元の端末」へ降りてくる潮流が加速した週でした。コスト危機の裏返しとして、安く回せるオープン/オンデバイスの価値が上がっています。
  • 見どころは、オープンモデルの主導権を米中どちらが握るか。性能でクローズドに追いつくほど、AIの使われ方が分散化していきます。

SemiAnalysis:2026年はカスタムASICの出荷がGPUを初めて上回る

  • SemiAnalysisが、2026年はカスタムASICの出荷増(+44.6%)がマーチャントGPU(+16.1%)を初めて上回ると分析。HBM不足でメモリがハイパースケーラーのAI支出の約30%(2023年の8%から急騰)を占めるとも。
  • Epoch AIによれば、世界のAI計算能力は約7か月で倍増(年3.3倍ペース、NVIDIAが6割超)しています。
  • 要は、「シリコン不足」が量から構造(GPU→ASIC、メモリ制約)へ変質しているということ。コスト危機の根っこにある供給側の話として押さえておきたい1本です。

Anthropic研究、AI駆使のサイバー脅威が1年で「33%→56%」に倍増

  • 6/3、Anthropicが、AIを使ったサイバー攻撃の脅威度が直近1年で33%から56%へほぼ倍増したとする研究を公表。MITRE ATT&CKのギャップも指摘しています。
  • 今週はクリプト側でも、Zcashの重大バグ発見にClaude Opus 4.8が使われるなど、「AI×セキュリティ」が攻防両面で表面化しました。
  • 要は、防御側のAI活用が急がれる背景を数字で裏づけた1本で、攻防の両方でAIが主役化していることがよく分かります。

📊 Market & News

※ 7分類で整理しています。資金調達ラウンド単体は日曜の「資金調達PJまとめ」に集約(今週はSupabase $10.5B・Flourish等の大型が続き、agentic infraへの資金集中が継続)。

🏢 フロンティアラボ動向

🧠 モデル・研究

🤖 AIエージェント・開発ツール

⚡ AIインフラ・半導体

🎬 プロダクト・デバイス

💼 ビジネス・雇用・経済

⚖️ 政策・規制・安全保障・倫理


TOPICS

DEBUNK編集長

あわせて読みたい用語解説

用語解説をすべて見る →
【スケーリング則】計算・データ・パラメータを増やすと、AIの性能はどこまで予測どおりに伸びるのかAIの開発各社が計算資源に巨額を投じる理由になっているスケーリング則を、Kaplanらの2020年の論文とChinchillaの2022年の論文、その後の使われ方、よくある読み違いとあわせて整理します。【プロンプトインジェクション】AIエージェントが読んだ文章に指示を紛れ込ませる攻撃と、防ぎきれない理由AIエージェントが外部の文章を読んで動くときに起きるプロンプトインジェクションを、直接型と間接型の違い、根本的に防ぎにくい理由、各社の対策の現状とあわせて整理します。【トランスフォーマー】いまのAIの土台になった仕組みと、注意機構が並列の学習を可能にした理由ChatGPTをはじめ、いまの言語モデルの土台になっている「トランスフォーマー」を、注意機構の考え方、並列に学習できる理由、その弱点と最近の改造とあわせて整理します。【拡散モデル】ノイズから画像や動画を作る仕組みと、トランスフォーマーとの組み合わせ画像・動画の生成AIの多くが使う「拡散モデル」を、ノイズを足して消す仕組み、文章で指示する方法、トランスフォーマーとの組み合わせ、速くする工夫とあわせて整理します。【合成データ】AIの学習に使う「作られたデータ」の仕組みと、モデル崩壊の議論AIの学習に使う「合成データ」を、言語モデル・シミュレーター・表データという3つの作り方、モデル崩壊の議論、いまの使われ方とあわせて整理します。【推論(インファレンス)】学習済みのAIが答えを出す工程と、その費用と速さを決めるものAIが答えを出すたびに走る「推論(inference)」を、学習との違い、入力を読む段階と答えを書く段階の仕組み、推論向けチップの動きとあわせて整理します。【RLHF】AIの「振る舞い」を作る強化学習の工程と、人の採点・AIの採点・自動判定の違いチャットAIの受け答えを形づくる人のフィードバックによる強化学習(RLHF)を、後継のRLAIF・検証可能な報酬での強化学習(RLVR)とあわせて、仕組みと弱点からまとめます。【マルチモーダル】画像・音声・動画をAIはどう読むのか。仕組みと、2026年でも苦手なこと文章だけでなく画像・音声・動画も扱うマルチモーダルなAIを、画像をトークンに変える仕組みと、大学の試験は解けても時計の読み取りで負ける理由からまとめます。