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(7/18〜7/24)のAI市場についてのまとめ記事となります。

今週は「AIへの投資が、初めて株価という形で跳ね返ってきた週」でした。Alphabetは売上+24%・Cloud+82%という好決算を出しながら、設備投資ガイダンスを$200B前後へ引き上げた途端に単日-7%。稼ぐ力より、先に払う金額のほうが大きく見え始めています。そしてもう一つの軸が中国のKimi K3で、性能が米フロンティアに迫った理由をめぐって「蒸留したのでは」という疑いが、企業間の話を越えて制裁の議論にまで上がりました。


📰 Pickup News

Kimi K3のサイバー能力はフロンティアに遠く及ばず。蒸留説の傍証か

  • MoonshotのKimi K3は、総合的なベンチマークでは米フロンティアに肉薄しています。Artificial Analysis Intelligence Indexでは57で総合3位、フロントエンドのCode Arenaでは1,679でFable 5(1,631)を上回り首位と、いずれも第三者計測で上位に入っています。
  • ところがサイバー攻撃能力を測るExploitBenchでは32.2%にとどまり、米フロンティアの76.2%と大差がつきました。模擬攻撃「The Last Ones」でも32ステップ中17対28.5と開きがあります。
  • ここがポイントで、この偏りが蒸留説の傍証として語られています。Claudeが攻撃的なサイバー要求をブロックしているため、その能力だけ蒸留データに乗らない、という説明です。米財務省はすでにMoonshotへの制裁を警告しており、モデルの出来が外交問題に直結する段階に入りました。

「蒸留だけではK3の性能は説明できない」と専門家が反論

  • ホワイトハウス科学顧問のMichael Kratsios氏は、K3の性能を「輸出規制チップとAnthropicのFableのコピー」によるものだと主張しました。これが財務省の制裁警告の下敷きになっています。
  • これに対し、Laude Institute研究者でSnorkel AI共同創業者のBraden Hancock氏や、Ai2のNathan Lambert氏は、Fableの公開が7/1でK3の発表が7/16である点を挙げ、2週間で単純な蒸留から追いつくのは不可能で、高度な強化学習が必要だと反論しています。
  • 要は、同じ現象に「盗んだ」と「実力で作った」の2つの説明が並走している状態です。技術的な検証が政治の判断より遅いので、当面は結論が出ないまま制裁だけが先に動く可能性があります。

Alphabet、好決算でも株価-7%。FY26 capexを$195〜205Bへ引き上げ

  • 7/22発表のQ2決算は、売上$119.8B(+24%)、Google Cloud $24.8B(+82%)、営業利益$40.8B(+30%)と数字自体は強いものでした。Cloudの営業マージンは前年20.7%から35.6%へ改善し、受注残は$514Bです。
  • しかし同時に、Q2単独の設備投資が$44.9B(前年比約2倍)、FY26ガイダンスは$180〜190Bから$195〜205Bへ引き上げられました。フリーキャッシュフローは-$5.9Bと上場来初のマイナスです。翌7/23、GOOGLは単日-7.13%の$317.69で引けました。
  • 見どころは、市場が「AIは儲かるか」ではなく「回収より先に出ていく金額」を見始めたことです。同じ日にMetaやSnapも連れ安になっており、capexを出した銘柄が売られるという形が今週はっきり出ました。

AMDが「Helios」でNVIDIAに正面から挑む。顧客にOpenAI・Meta・Microsoft

  • AMDがラックスケールのAIシステム「Helios」を発表しました。顧客としてOpenAI、Meta、Oracle、Anthropic、Microsoftの名前が挙がっており、2026年後半の出荷を予定しています。Lisa Su氏はAIアクセラレータ市場が2030年に$1.4Tになると述べました(いずれもAMDの自社開示で、性能の定量値は公開されていません)。
  • 前日の7/22には、AnthropicがClaudeの計算基盤にAMD「Instinct MI450」を2GW規模で導入し、AMDが最大$5Bを出資すると発表されています。
  • そしてIntelのQ2決算(7/23)も売上$16.1B(+25%)、データセンター・AI部門は$6.3B(+59%)でした。NVIDIA一強という前提が、今週は3方向から同時に揺さぶられた形です。

Gemini が月間950M+ユーザーへ。Search AI Modeは10億に到達

  • Googleの自社開示によると、Geminiの月間ユーザーは950M超(2月時点で750M、前年比3倍)、Search AI Modeは10億ユーザーに達しました。
  • 第三者データも伸びを裏付けています。AppfiguresによればiOSのダウンロードは12か月で1.37億、Sensor TowerのH1 2026の集計ではAIアシスタント市場シェアが27.7%で、ChatGPTは初めて50%を割りました。
  • つまり、モデルの優劣より配布経路の勝負に移りつつあるということです。Alphabetのcapexが売られた一方で、そのcapexが支えているユーザー基盤は着実に積み上がっています。

📗 Pickup Article

面白いと思ったポストや記事を紹介。

SemiAnalysis「Vera Rubin NVL72 vs GB200 NVL72? Inference TCO & Architecture Analysis」

  • NVIDIAの次世代Vera Rubinと現行GB200/GB300を、推論のTCO(総保有コスト)で比較した分析です。GPU時間あたりのコストはRubin $3.57 / GB300 $2.36 / GB200 $1.84(オペレーターの自己保有シナリオ)と、Rubinが最も高くなります。
  • それでも性能で押し切るという結論です。DeepSeek R1・8k入力/1k出力のベンチマークで、RubinはGB300比でperf/MW 5.4倍・perf/$ 5倍としています(いずれも300 tok/s/user時のピーク値で、100 tok/s/userではperf/$ 1.5倍、200で3倍)。2025年のGB200比では150 tok/s/userでトークンスループット/MW 10倍。出力トークン単価は350 tok/s/user時で$4.18/100万トークンです。
  • 数字はすべてSemiAnalysisの自社モデリングで、NVIDIAの開示ではない点に注意が必要です(ベンチの生データはCoreWeave提供)。ハード側の公開情報としてはHBM4 288GB/パッケージ、Blackwell Ultra比2.8倍のメモリ帯域があります。※TCO節以降は有料です。

Interconnects「Kimi K3: The open-weights escalation」(Nathan Lambert)

  • K3を「オープンウェイト陣営のエスカレーション」と位置づけた分析です。第三者評価ではVals AIインデックスで総合2位、Artificial Analysis Intelligence Indexで総合3位、Frontend Code Arenaで1位を取っています。
  • Moonshotの自社開示では2.8兆パラメータのMoEで、896エキスパート中16を活性化し、K2比でスケーリング効率が2.5倍とされます。
  • 著者の見立ては、オープンとクローズドの能力差が6〜9か月から3〜5か月に縮まったというものです。K3の発表が7/16で、重みの公開予定は7/27。この記事は全文無料で読めます。

Exponential View「Will Kimi K3 change the economics of AI?」(Azeem Azhar / Hannah Petrovic)

  • 「重みが公開されても、動かせるかは別問題」という角度からK3を検討した記事です。EVの試算では、K3の重みだけで1.4TBあり、稼働にはNVIDIA GB200 NVL72の72GPUラック(購入・設置で$3〜4M)が必要で、120kW連続・年100万kWh超の電力を食います。レンタルなら年約$700万です。
  • 価格弾力性の数字も出ています。EV自社リサーチでは10%の値下げでトークン消費が12〜18%増加。学術側でもDemirer et al.(NBER w34608)が10%値下げで数量+約11%、弾力性-1.11としています。
  • 第三者の引用として、オープンモデルのサイバー能力はフロンティアの4〜7か月遅れ(2025年は6〜10か月遅れ、出典は英AISI)。中国ラボが同じ計算資源から4〜7倍を引き出しているというEVの見立ても示されています。※「Flowing down the stack」以降は有料です。

Latent Space「Inside the Model Factory — Eiso Kant, Poolside AI」

  • コーディングモデルを作るPoolsideの内側を聞いたインタビューです。主力のLaguna Sは118B総パラメータ・8B活性、コンテキスト100万トークンで、「2〜3倍のサイズのモデルを上回る」と主張しています。
  • 体制の数字が具体的で、研究者70人未満+エンジニア35人で月1万〜2万件の実験を回し、10K H200クラスタを使っています。学習開始からローンチまでLaguna XS 2が5週間、Laguna Sが8週間。調達額は$500Mです。
  • ただし数字はすべてPoolsideの自社開示で、第三者検証はありません。同社は小型のオープンウェイト版「Laguna S 2.1」も公開しています。

📊 Market & News

🏢 フロンティアモデル

🧠 研究・ブレイクスルー

🤖 エージェント&プロダクト

🌐 オープンソース / 開発者ツール

⚡ インフラ・半導体・compute

💼 ビジネス・人事

⚖️ 政策・安全・規制

その他


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。