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(6/13〜6/19)のAI市場の振り返りです。


📰 Pickup News

Fable 5 / Mythos 5 輸出規制、停止から1週間 — 「米国がAIを止められる」恐怖が現実になった

  • 前号で速報したAnthropicのFable 5 / Mythos 5への米商務省輸出規制指令(6/12発出、6/13全世界停止)は、今週を通じて停止状態が継続しています。公開からわずか3日で世界中のユーザーがアクセスを失った、AIモデルの「リコール」が現実になりました。
  • 背景が徐々に明らかになっています。発端はAnthropicへの投資家であるSK Telecomと中国との関係が指摘されたこと。Amazon研究者がFable 5の脆弱性を別途報告し、David Sacks(PCAST共同議長)がDario Amodei CEOに「ジェイルブレイクを修正するか自主停止か」の二択を迫りましたが、Amodeiは両方を拒否。結果、全面的な輸出管理指令に至りました。
  • 6/17〜18にAnthropicがソウルオフィスを開設し、国際担当MDのChris Ciauriが「数日中にモデルは復帰する」と発言。Amodeiはトランプ政権と直接会談しましたが合意には至っていません。6/19にはNAVER・Samsung SDS・LG CNSなど韓国大手6社がClaude導入を発表しており、規制の渦中でもビジネス展開を止めていません。
  • 一方で、サイバーセキュリティリーダー300人超が freefable.org で公開書簡に署名し解除を要求。「安全保障のためにAIを制限することが、かえってセキュリティの脆弱性を生む」という論理です。
  • そしてこの事態を横目に、中国勢のオープンウェイトモデルが急速にポジションを埋めています(Pickup News⑤で詳述)。「政府がリコールできるモデル」のリスクが可視化されたことで、「ハードウェア主権」「ローカルモデル運用」への関心が世界的に高まっています。要は、Fable 5の件が「最高のAIモデルを誰がコントロールできるのか」という問いを突きつけた1週間でした。

G7エヴィアンサミット — カナダPM「2008年の金融危機的瞬間」、ソブリンAIが一気に加速

  • 6/15〜17、フランス・エヴィアン=レ=バンで開催された第52回G7サミットで、AIが最大の議題の一つとして浮上しました。Sam Altman(OpenAI)、Dario Amodei(Anthropic)、Demis Hassabis(Google DeepMind)がワーキングランチに参加し、3大ラボのトップが揃い踏みしました。
  • 最も衝撃的だったのは、カナダ首相がFable 5の輸出規制停止を「2008年の金融危機的瞬間」と表現したことです。「米国企業のAPIを使っている限り、米国政府の一声でAIインフラが止まる」というリスクが、先進国首脳レベルで初めて公式に議論されました。
  • 具体的なアクションとして、EUが技術主権パッケージを提案し、カナダが$2.3B規模の「AI for All」戦略を発表。AI依存のシステミックリスクへの警鐘が、個別の政策発表につながる流れができています。
  • サミットでは未成年者保護に関する自主的コミットメントが合意され、「AIの安全かつ迅速な導入」に関する宣言が採択されました。SoftBank孫正義氏のフランス€750億AIデータセンター投資(5/31 Choose France発表)もG7の文脈で再び取り上げられています。
  • 前号のPickup Newsで「G7にAltman・Amodei・Hassabisが出席へ」と予告した通り、AIのガバナンスが首脳級の議題に格上げされたことが確認された週でした。Fable 5事件がなければここまでの緊迫感にはならなかったはずで、タイミングが議論の温度を決定的に変えました。

SalesforceがFinを$3.6Bで買収 — AIカスタマーサービス史上最大のM&A

  • 6/15に発表。SalesforceがAIカスタマーサービス企業Finを$3.6B(約36億ドル)で買収しました。AIエージェント関連のM&Aとしては過去最大規模です。
  • Finは元々Intercom出身のチームがスピンオフで立ち上げた企業で、AIを活用したカスタマーサポートの自動化に特化しています。SalesforceのService CloudやAgentforceとの統合が見込まれます。
  • SalesforceのMarc BenioffはAI関連で積極的な買収を続けており、「AIネイティブの顧客対応」を自社プラットフォームの中核に据える意図が明確です。
  • この規模の買収は、AIエージェントが「実験的なツール」から「エンタープライズの中核インフラ」へ移行したことの証左です。前号でのOpenAI × Ona($2.8B)に続き、AI人材とプロダクトの獲得競争が加速しています。

Noam Shazeer、GoogleからOpenAIへ移籍 — 「Attention Is All You Need」共著者の決断

  • 6/17報道。Transformer論文「Attention Is All You Need」(2017年)の共著者であるNoam Shazeerが、GoogleからOpenAIへ移籍しました。ShazeerはGoogleに復帰してからGemini開発を率いてきた人物で、AI業界で最も影響力のある研究者の一人です。
  • Shazeerは2023年にCharacter.AIを創業しましたが、2024年にGoogleへの復帰ライセンス契約で戻ったばかりでした。わずか2年での再離脱は、Google内部の研究・事業方針への不満を示唆します。
  • OpenAIにとっては、Transformer生みの親の一人を迎える形になります。GPT系列はすでにTransformerベースですが、Shazeerが推進してきた効率的アーキテクチャ(MoEなど)の知見がOpenAIの次世代モデルに反映される可能性があります。
  • Google側のインパクトも大きいです。2017年の原著者8名のうち、Google在籍者はさらに減少しました。「人材がいるところにAIの未来がある」とすれば、OpenAIへの流れが止まらない構図です。

中国オープンウェイトモデルが急台頭 — Fable 5の空白を72時間で埋めにきた

  • Fable 5の輸出規制停止を受けて、中国発のオープンウェイトモデルが急速にポジションを埋めています。今週だけでも3つの大型リリースが重なりました。
  • Zhipu GLM-5.2: MITライセンス、744Bパラメータ(アクティブ40B)、1Mコンテキスト。Fable 5停止から72時間以内にリリース。「政府がリコールできないモデル」を明確に打ち出しました。
  • MiniMax M3: オープンウェイトでSWE-Bench Proの59.0%トップスコアを記録(自己申告)。100万トークンコンテキスト。エンタープライズ向けコーディングの実力を数字で示しました。
  • Kimi K2.7 Code: 1Tパラメータ(アクティブ32B)、256Kコンテキスト。コーディング特化でMoonshot AI(Kimi開発元)が前号のK2.7に続いて投入しました。
  • 3つに共通するのは「オープンウェイト」「ローカル実行可能」「API停止リスクなし」です。前号でKimi K2.7-Code(6/12公開)を紹介したばかりですが、Fable 5事件を機に中国勢のリリースが目に見えて加速しました。
  • ここがポイントで、米国の輸出規制が意図した「AIの安全保障」は、皮肉にも中国のオープンウェイトモデルへの需要を一気に押し上げる結果になっています。「ソブリンAI」は単なるスローガンではなく、国のAI戦略の核心議題になりました。

📗 Pickup Article

面白いと思ったポストや記事を紹介します。

VC Chi-Hua Chien「AIの真の勝者はAIを売らない企業だ」

  • 6/17公開。Goodwater CapitalのChi-Hua Chien氏が、「AIそのものを売る企業ではなく、AIを使って既存ビジネスの効率を桁違いに引き上げる企業が真の勝者になる」という見通しを示しました。
  • 背景にあるのは、LLMプロバイダー間の価格競争(Googleの$7.99→$4.99値下げなど)とコモディティ化の進行です。モデル自体では差別化できなくなりつつある。
  • 要は「ゴールドラッシュでシャベルを売る」から「ゴールドラッシュでシャベルを使って誰より速く掘る」へのシフトです。SalesforceのFin買収($3.6B)はこのテーゼを裏付ける動きと言えます。
  • AI投資が「モデル開発」から「モデル活用」へ重心を移しつつある転換期を捉えた記事です。

Ars Technica / WIRED「危険なAIモデルは何があっても来る」

  • 6/18公開。Fable 5の輸出規制を巡る論争のなかで、「危険な能力を持つAIモデルの登場は、規制で止められるのか」を掘り下げた分析記事です。
  • 中心的な議論は「最先端モデルの能力はオープンソースに追いつかれるまでの猶予が短くなっている」こと。Fable 5の停止から72時間でGLM-5.2がリリースされた事実がこれを裏付けます。
  • 規制論者と自由論者の双方の立場を丁寧に取り上げつつ、筆者は「規制の焦点をモデルそのものから、モデルの使用方法と監視に移すべき」と提言しています。
  • 先週のPickup News⑤(中国オープンウェイトモデルの台頭)と合わせて読むと、「能力の拡散は不可避」という前提に立った安全保障戦略が必要だという結論に行き着きます。

HBR「How People Are Really Using AI in 2026」 — セラピー利用が1位に、13,000事例の分析

  • 6月公開。Harvard Business Reviewが約13,000件のAI利用事例を分析し、2026年のリアルな使い方を報告しました。
  • 最も注目すべき発見は、トップユースケースが2年連続で「セラピー・感情的サポート」だったこと(5%→11%に倍増)。コーディングや要約ではなく、感情面のサポートが最も多い使い方というのは、多くの人の直感に反するでしょう。
  • 記事は「thinkslop」(認知的責任をAIに委譲すること)という概念を提唱しています。自分で考える代わりにAIに答えを求める傾向が増えている、という指摘です。
  • 規模感のデータも印象的です。ChatGPTは9億の週間アクティブユーザー、Geminiは7.5億の月間アクティブユーザー。AIが「一部の人が使うツール」から「ほぼ全員が使うインフラ」になった現状が数字に表れています。

Goldman Sachs「AI設備投資は2026-2031年で$7.6兆」 — 投資の規模感を更新する

  • 6月公開。Goldman Sachsが2026〜2031年のAI累積設備投資(CapEx)を$7.6兆(7.6兆ドル)と予測しました。2026年だけで$7,650億、2031年には年間$1.6兆/年に達するとしています。
  • 内訳ではシリコン(半導体)が$5.1兆で最大。そのうちNVIDIAが75%(約$3.8兆)を占めると見ています。
  • 4大ハイパースケーラー(Google・Amazon・Microsoft・Meta)の2026年CapExは合計$7,250億で前年比77%増。この数字は1四半期ごとの決算発表で上方修正が続いています。
  • 下のPickup News(xAIのガスタービン発電など)で触れているインフラ不足と合わせると、「需要は$7.6兆、供給はボトルネックだらけ」という構図が浮かび上がります。

📊 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」に集約しています。

🏢 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。