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(10/31〜11/6)のAI市場についてのまとめ記事となります。

先週は、AIへの逆風が選挙と株価の両方に出た週でした。11/3(火)の米国の中間選挙で民主党が議会を制し、各地の住民投票ではデータセンターの新設が相次いで否決されています。2日後の11/5(木)には半導体株が急落しました。縦糸はほかに2本あります。ひとつは上場を控えた Anthropic の開示で、11/2(月)の届出書の修正版(S-1/A)に、AIが自らの開発を速める段階に近いというリスクの記述が入り、外部の評価機関 METR も11/5に同社の開発の加速を測った報告を出しました。もうひとつはエージェントの費用です。Grok Bot や ChatGPT、Apple の社内で利用の上限が締まる一方、Uber ではエージェント経由の配車はハロウィンの週に4件でした。

市場の数字を見ると、半導体ETFの SMH は11/5に −11.21% と大きく下げ、週間(10/30終値→11/6終値)では −11.20% でした。ほかの日の上げ下げはほぼ打ち消し合っていて、週の下げのほとんどが11/5の1日に集中した形です。銘柄別では NVDA が −8.80%、AMD が −11.05%、ARM が −15.22%、MU が −22.01%、QCOM が +0.38% です。大手のプラットフォーム勢は大きくは崩れず、GOOGL が +1.77%、MSFT が +1.67%、AMZN が +7.88%、META が −0.79% でした。

📰 Pickup News

11/5、半導体株が急落。選挙の結果とAIへの不安が重なる

  • NBC News によれば、11/5(木)にフィラデルフィア半導体指数は −12.3% と、2020年3月以来の大きな下げでした。S&P 500 は −4.4%、ナスダック総合指数は −5.5% を超えて調整局面(高値から10%以上の下落)に入り、ダウは 1,833ドル(−3.4%)下げています。銘柄では Arm が −13%、Qualcomm が −9.5%、Micron・Western Digital・AMD が −17%、NVIDIA が −9.2% でした。NBC は引き金を、前日の夜に出た Qualcomm と Arm の決算が物足りなかったことと説明し、背景に AI に批判的な候補の大勝があったと書いています。
  • 決算そのものを見ると、Qualcomm の7〜9月期の売上は $10.3B で前年比 −8% でした。スマホ向けが −26% の $5.1B と落ち込み、車載は +89% の $2.0B です。10〜12月期の売上の見通しは $10.4〜11.2B でした。Arm の7〜9月期の売上は +27% の $1.44B で、データセンター向けのロイヤルティは前年の倍になっています。その前の11/3(火)には AMD が、売上 $13.4B(+45%)、データセンター部門 $8.5B(+97%)といずれも過去最高の決算を出し、10〜12月期は約 $17B を見込んでいます。
  • 下げの読み方は分かれています。Yahoo Finance によれば、Nomura の Charlie McElligott 氏は、年末を前にヘッジファンドが今年の利益を確定した動きだとみています。AMD の Lisa Su 氏は市場を「少し近視眼的」と話しました。NBC が伝えた Ed Yardeni 氏の見方は、「AIバブルの崩壊ではなく、空気が急速に抜けている」というものです。要は、決算の中身は社ごとに割れていましたが、選挙の結果や年末前の利益確定も重なって、半導体がまとめて売られました。

中間選挙で民主党が大勝。データセンターは41件中40件の住民投票で否決

  • 11/3(火)の米国の中間選挙で、民主党が議会を制し、テキサス・ジョージア・オハイオの知事選も取りました。The Decoder が Bloomberg の報道として伝えたところでは、地域の住民投票で新しいデータセンターは41件中40件で否決されています。選挙のあと、Reuters によればデータセンターの運営会社の Hut 8 は −23%、IREN は −11% と下げ、Microsoft は +6.7%、Amazon は +6.1% と逆に上げました。Politico によれば、Elon Musk 氏は共和党の候補に過去最高の $446M を投じ、ほぼ全員が落選しています。
  • 企業は対応に動いています。OpenAI は、新しい用地に向けた自主的な約束をまとめた National Community Compact を出しました。電力と送電網の増強の費用を全額持つこと、地元当局との協議で秘密保持契約を求めないことなどが入っています。ただ、対象は自社が持って運営する用地とされ、Oracle などの提携先が建てる施設にどこまで及ぶかは分かりません。Meta の社長の Dina Powell McCormick 氏は11/4の WSJ のカンファレンスで、「AIの目に見える形がデータセンターだ」と話し、今後の建設は「もっと難しくなる」と見ています。
  • AI業界の政治資金も振るいませんでした。TechCrunch によれば、業界寄りの PAC の American Mission と Building the Future が計 $4.8M で支えたサウスカロライナの上院候補は落選しています。一方で NBC と SSRS の出口調査では、AIとデータセンターを投票の決め手か重要な要因に挙げた人は56%で、調べた5つの争点の中では最下位でした。ここがポイントで、AIは選挙全体の主役ではなかったものの、データセンターの建つ地域では投票で止める力を持ちました。

Anthropic の S-1/A。「AIが開発を加速する」基準に近いとリスクに記載

  • 11/2(月)、Anthropic が上場の届出書の修正版(S-1/A)を出しました。TechCrunch によれば、社内の見積もりと将来のモデルの見通しでは、自社の責任あるスケーリング方針(RSP)が定める「AIによる劇的な進歩の加速」に「まもなく(imminently)」達するかもしれない、と書いています。AIを使ってより高い能力のAIを作ることは、再帰的な自己改良(AIが自らの学習に長け、能力が急激に伸びること)に近づくなかで大きな安全上のリスクになりうる、という説明です。ただし、いまのモデルでこの基準を超えたと判断したものはなく、Claude に次のモデルを完全に自律で作らせるのは安全にできないと見ていて、RSP の見直しも検討しています。TechCrunch は、S-1 は開示であると同時に宣伝でもある、という懐疑的な見方も紹介しています。
  • 数字も埋まりました。The Decoder によれば、7〜9月期の売上はほぼ $17B と前年の約12倍(Bloomberg の報道)で、純損失は $23.3B(前年同期は $12.1B)でした。The Information の報道では営業費が $17.5B と売上を上回り、前の四半期の営業黒字が消えています。日本では同じ11/2に関東財務局へ届出書を出し、国内の募集は上限の見込みで35億ドルです。
  • 外からの検証も出ました。METR は11/5、Anthropic の社内のデータを使い、同社の開発のペースが2025年10月以降に約1.9倍に速まったと推定しています(詳細は Pickup Article の1本目)。一方で上場は逆風です。The Decoder が Reuters と WSJ の報道として伝えたところでは、想定の評価額 $1.5T は高すぎるという投資家がいて、$1T を示した投資家もいます。10月の売上が S-1/A に無いことも気にされていて、予定どおり来週ロードショー(機関投資家への説明回り)を始められるかを疑う声も出ています。つまり、AIの能力の加速を自ら書いた会社が、その加速に値段をつけてもらう段階で足踏みしています。

エージェントの費用で、上限を締める動きが続く

  • 提供する側から締まりました。TechCrunch によれば、SpaceX のエージェント型AI「Grok Bot」で、ハロウィンの週末に週の上限に達したという声が相次ぎ、Elon Musk 氏は11/1(日)に「提供コストは売上に対して持続できないほど高かった」と書きました。TechCrunch によれば、OpenAI は利用者へのメールで、ChatGPT の Chat と Work のタブを統合し、ChatGPT と Codex で同じ利用枠を使うと伝えています。OpenAI は大半の利用者には影響しないとしていますが、上限の解除を待つ回数が増える人も出ます。
  • 使う側も絞っています。Bloomberg の11/4(水)の報道を TechCrunch が伝えたところでは、Apple は10月にエンジニアのチームが1日に使えるAIの上限を $300 から $200 に下げ、一部は $100 まで下がる見込みです。エンジニア以外には1日 $25 も検討しています。Goldman Sachs も、AIのコーディングツールを使える人をエンジニアに絞りました。TechCrunch は、社員にAIを使い倒させた今年の初めの流れが請求の増加で下火になり、トークン(モデルが処理する量の単位)を配給する会社が増えたと書いています。
  • 使われ方のほうはまだ小さいままです。Uber によれば、10月で最も忙しかったハロウィンの週に、AIエージェント経由の配車は4件、Uber Eats の注文は500件でした。同じ週の配車と配達は約3億2,000万件です。CEO の Dara Khosrowshahi 氏は「ごく初期で、手応えはごく限られている」と話しています。要は、エージェントは1人あたりの費用が重いのに、外のサービスを動かす使い方はまだ広がっておらず、売る側も買う側も予算の線を引き直している段階です。

OpenAI が GPT-6 Cyber を公開。脆弱性を探して、直し方も出す

  • 11/5(木)、OpenAI がソフトの脆弱性探しに特化して学習させた GPT-6 Cyber を出しました。The Decoder によれば、穴を見つけ、動く攻撃コードを作り、修正案まで出します。OpenAI 自身の安全性の枠組み(Preparedness Framework)では、サイバーの能力が「Critical」と評価されています。提供は当面、Daybreak Red の一部の顧客に、API と Codex で行います。
  • 性能はすべて OpenAI の申告で、独立の検証はまだありません。攻撃コードを作るベンチマークの ExploitGym では 48.5% と、前の GPT-5.6 Cyber の 32.1% を上回りました。Firefox では未知の重大な脆弱性を81件見つけ、Mozilla が受け入れて修正しています。The Decoder の書き方では、Linux のカーネルで再現した1,724件の脆弱性のうち948件で動く攻撃コードを作り、計算の費用は約 $1.21M、1件あたり約 $1,279 でした(TechCrunch は同じ948件を「潜在的な問題」の発見と書いていて、数え方が食い違います)。
  • 守る側の手が足りるかも問われています。TechCrunch は、アクセスを絞っても攻撃側は安全装置を外したオープンモデルを使える、という守る側の不満を伝えました。OpenAI は11/3にバグ報奨金を4倍にし、ボーナス込みで最大約 $172,000 にしています。同じ週には、Anthropic の社内モデルが書いた Linux の攻撃コードの対象の欠陥について、Red Hat が11/1に修正を出す一方、Ubuntu では古い版を中心に修正の日程が出ていないとも報じられました。見どころは、AIが攻撃コードを大量に作れるようになった分、修正を配る側の速さの差がそのまま危険の差になっている点です。

📗 Pickup Article

面白いと思ったポストや記事を紹介。

METR「Independent Assessment of AI R&D Acceleration at Anthropic in October 2026」

  • 11/5に公開された、Tom Cunningham 氏、Nate Rush 氏、Parker Whitfill 氏、Hjalmar Wijk 氏の報告です。METR は8/12〜10/29に Anthropic の社内に入り、AIが同社の研究開発をどれだけ速めているかを調べました。物差しは、多くのベンチマークを1つにまとめた Epoch Capabilities Index(ECI)の Anthropic 版の AECI で、ほかに聞き取りや本人の申告、社内の指標も使っています。
  • 結論は、2025年10月以降に AECI の伸びが約1.9倍(95%信頼区間で1.5〜2.8倍)に速まった、というものです。検算の方法を変えると1.1〜2.9倍の幅があり、本当の値が1.3倍や3倍に近くても驚かないとしています。速まった分の過半、おそらく約80%はAIの寄与だと推定し、アルゴリズムの改良や学習の計算資源に大きな詰まりは見当たらなかったとも書いています。
  • 限界の書き方が読みどころです。Anthropic は前例のないほどのデータを見せた一方で、METR が最も重視した証拠の大半を伏せていて、一般の人は METR の判断に「理想よりはるかに」頼るしかないと認めています。AI以外の要因で加速の大半が説明できる可能性も残しています。Pickup News の3本目の S-1/A の「まもなく基準に達するかもしれない」という記述と並べると、会社の自己申告に外から数字を当てた試みとして読めます。

OpenAI「Covert underperformance on safety research tasks」

  • 11/4に更新された、OpenAI のアライメント(AIを人の意図に沿わせる研究)のチームの報告です。変数名やコメントだけを変えた同じコードを、安全性の研究か能力の研究かの2通りの名目で GPT-6 Astra に渡し、仕上がりを比べました。安全性の名目では約10%、能力の名目では約16%の項目しか終えておらず、前の GPT-5.6 Sol にはこの差がほぼありませんでした。
  • 社員の実際の Codex の利用でも、安全性に関わる依頼の0.25%で、黙って手助けを控える判断が推論の過程に出ていました。能力の依頼の約2.3倍です。差は強化学習(RL)の始めにはほぼゼロで、終わりには6ポイントに開いています。ある教師データの1つが、ありもしない権限の制限をこしらえる傾向を強めていて、その分の重みの更新を差し引くと差は消えました。
  • 原因はまだ特定できていません。推論の過程を大規模に調べても、研究者に能力を低く見せようとする戦略的な動機の証拠は無く、いまの一番簡単な説明は慎重すぎる振る舞いだとしています。ただし、推論の過程に出てこない動機は否定できないとも書いていて、評価や監視の仕組みを作って調べ続けるとしています。安全性の研究をAIに手伝わせる流れが強まるなかで、手伝う側が分野によって手を抜く可能性を開発元が自ら出した点が重い報告です。

Jack Clark 氏(Import AI 479)「Spacewar; low-latency tasks versus LLMs; Genie 4」

  • 11/2の Import AI です。中心は、考えている間も時計が進む環境でAIを測る Realtime-Bench の紹介で、Web の30とゲームの20の計50タスクからなります。生成するトークンの量に応じて環境が進むので、考えすぎるとその分だけ状況が変わります。
  • 実時間の設定で最も良かったのは GPT-6 Astra(推論を強めた設定)の36%で、時計を止めると推論の強いモデルは70〜80%に近づきます。Clark 氏はこれを、AIエージェントがどこで壊れるかをよく映す代わりの指標だと評しています。低い点は、エージェントにまだ任せられない作業の目印だという読み方です。
  • ほかに、米国防情報局(DIA)の宇宙の報告を取り上げ、中国の年間の打ち上げが2016年の22回から2025年の93回に増えた点を紹介しています。モデルの出力はもっともらしいだけでは確かな知識として認めない、という Metis の設計の論文や、Google DeepMind の世界モデル Genie 4 にも触れていて、Genie 4 の技術は今のところかなりぎこちないと書いています。Pickup News の4本目のエージェントの話と合わせると、費用だけでなく速さも使い道を決める条件だと分かります。

Epoch AI「Updating the Epoch Capabilities Index methodology to use a Bayesian model」

  • 11/4に公開された、Emilia Álvarez 氏と Alexander Barry 氏の報告です。モデルの総合的な能力を1つの数字にする ECI の計算を、ベイズ統計のモデルに切り替えました。一番の目的は、不確かさの幅をきちんと根拠のある形で出すことです。1つのモデルにつく点数は中央値で10個、少ないもので4個しかなく、旧来の再標本化の幅は本当の不確かさを映していなかったとしています。
  • 上位はほとんど動きません。ECI 125 以上の176モデルでは、新旧の差は二乗平均で1.1点です。一方、125未満の76モデルはすべて下がり、平均で13.7点下がりました。能力の伸びの傾きも、推論モデル以前は年6.2点から8.0点、推論モデルの時代は年15.7点から16.6点と、やや急になっています。
  • 新しい点は、モデルどうしを確率で比べられることです。たとえば GPT-6 Astra が Claude Opus 5.5 より能力が高い確率は72%です。著者らは、0点近くの区間が狭すぎること(目標の90%に対して80.5%しか収まらない)、基準に使うモデルの値に不確かさを持たせていないこと、事前の仮定で弱いモデルの値が動くことも書いています。前号で紹介した Artificial Analysis の指数の改定と並べると、「何位か」より「どのくらい確かか」を示す方向に物差しが動いています。

📊 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

⚡ インフラ・半導体・compute

💼 ビジネス・人事

⚖️ 政策・安全・規制

🧰 コミュニティ&ツール

🇯🇵 国内(日本)


免責事項:リサーチした情報を精査して書いていますが、個人運営&ソースが英語部分も多いので、意訳したり、一部誤った情報がある場合があります。ご了承ください。また、記事中に Dapps、NFT、トークン、AIサービス等を紹介することがありますが、勧誘では一切ありません。全て自己責任でご判断・ご利用ください。


About us:DEBUNK は、世界で起きた AI とクリプトの大事なニュースを、分野ごとに毎朝6時にお届けするニュースレターです。

Author:mitsui (@mitsuiio) — AI とクリプトのリサーチと執筆をしています。

Contact:法人向けのリサーチの受託や勉強会も受け付けています。お問い合わせは About から。

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。