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。

おはようございます。 先週1週間(8/22〜8/28)のAI市場についてのまとめ記事となります。

この1週間は、AIが「製品カテゴリ」から「インフラ」に変わったことが、数字と司法判断の両方で確定した週でした。

Nvidia の四半期売上は$96.22B、うちデータセンターが$89.0Bで前年同期比+117%。決算翌日の株価は+8.7%です。同じ週に、その Nvidia がオープンソースAIの拠点である Hugging Face を$12.9Bで買うと報じられました。事実なら同社史上最大の買収で、2020年の Mellanox の約2倍です。

そして週の最後、8/28に連邦地裁が、国防総省による Anthropic の「サプライチェーン・リスク」指定を憲法違反の報復として取り消すよう命じました。59ページの意見書に書かれた一文が、この週をいちばんよく言い表しています。「国家安全保障を空虚に唱えることは、政府への批判者を罰し報復するための白紙委任状ではない」。計算資源の値段、モデルの流通経路、そしてAI企業が国家に対して安全上の線を引けるかどうか。AIをめぐる3つの支配権が、同じ週に同時に動きました。


📰 Pickup News

Nvidia、四半期売上$96.22B・データセンター$89.0Bで再び記録更新。株価は+8.7%

  • 会計年度2027年第2四半期の売上は$96.22Bで、会社自身のガイダンス中央値を+5.7%、市場コンセンサスを+4.5%上回りました。データセンター部門は$89.0Bで、前年同期比+117%、前四半期比+18%。牽引したのは Blackwell Ultra の立ち上がりです。決算を受けて8/27(木)の株式市場は上昇し、NVDA株は+8.7%で引けました。
  • 内訳では、ハイパースケーラー向けが前年同期比で2倍超・前四半期比+13%、ACIE(AIネイティブ企業・エンタープライズ・ソブリン顧客向け)が前年同期比+138%・前四半期比+25%。成長の中心がハイパースケーラー以外へ広がっているのがこの四半期の特徴です。
  • 次四半期のガイダンスも市場が織り込んでいた$103.8Bを+4.0%上回りました。設備投資の側では、ハイパースケーラーの2026年の総capexが$635B〜$665B、うち約$450BがAIインフラ向けと見込まれています(2025年は$380B超)。ここがポイントで、曲線はまだ寝ていません。一方で、Nvidia の受託サーバーメーカーが Microsoft・Google・Oracle に対し、2027年初頭出荷分から15%超の値上げを通告したとも報じられました。需要が強いぶん、価格も上がります。

Nvidia、Hugging Face を$12.9Bで買収合意と報道。同社史上最大の買い物になる

  • 8/26〜8/27にかけて、Nvidia がオープンソースAIのハブである Hugging Face を$12.9Bで買うことで合意したと複数媒体が報じました。TechCrunch が「大詰め」と報じ、翌日に CNBC・Fortune・Forbes が金額を出しています。成立すればNvidia 史上最大の買収で、2020年の Mellanox(約$6.9B)のほぼ2倍です。
  • ただしまだ署名済みの契約ではありません。報道は一致して「合意に達したが最終確定ではない」としており、Nvidia も Hugging Face もコメントを出していません。ここは慎重に読む必要があります。
  • Hugging Face は2016年創業で、開発者がオープンソースのモデルを共有・ダウンロードする場所として最も広く使われているハブです。直近の資金調達は2023年の$235Mで、そのときの評価額は$4.5B。リードは Salesforce Ventures、そこに Alphabet の GV、IBM Ventures、そして Nvidia 自身が入っていました。既存の出資先を7年後に3倍近い値段で丸ごと買う形になります。狙いは明白で、チップの支配を守りつつ、ソフトウェアとモデルの流通層まで手を伸ばすことです。Forbes は見出しでそのまま「モデル流通層の形を決めにいく動き」と書きました。

連邦地裁、国防総省によるAnthropicの「サプライチェーン・リスク」指定を違法と判断。取り消しを命令

  • 8/28(木)、カリフォルニア北部地区連邦地方裁判所の Rita Lin 判事が、国防総省による Anthropic の締め出しは修正第1条(表現の自由)と修正第5条の適正手続条項に違反すると判断し、同社に対して出されたすべての指示を撤回するよう政府に命じました。判事は、当局が Anthropic に報復し、適切な通知も反論の機会も与えないまま同社の自由権益を剥奪したと認定しています。
  • 発端は$200Mの契約をめぐる交渉でした。Anthropic は、自律型致死兵器システムと国内の大規模監視には自社モデルを使わせないという契約上の制限を求め、国防総省は「企業が軍の運用ルールを決める権限はない」としてこれを拒否。交渉が決裂したあと、Hegseth 長官が Anthropic をサプライチェーン・リスクに指定しました。これは本来、国家安全保障上の脅威とみなされる外国主体に対して使われてきた区分で、指定によって国防総省のすべての請負業者・サプライヤーが同社と取引できなくなります。
  • 59ページの意見書のなかで、Lin 判事はこう書きました。「国家安全保障を空虚に唱えることは、政府への批判者を罰し報復するための白紙委任状ではない」。政府は控訴する方針です。この判断が意味するのは、AI企業が自社モデルの用途に安全上の線を引いたことを理由に、政府が調達から排除することはできない、ということです。モデルの提供者が持てる裁量の範囲について、司法が初めて具体的な線を引いた事例になります。

OpenAI の初の自社推論チップ「Jalapeño」、ベンチマークで Nvidia Blackwell を上回る。ワットあたり1.5〜1.9倍

  • 8/25〜8/26、OpenAI と Broadcom が共同開発した推論専用チップ Jalapeño のベンチマーク結果が公開されました。SemiAnalysis の InferenceX ベンチマークで測定され、同社は結果をまとめたブログに「OpenAI Jalapeño: Better Than Nvidia Blackwell」というタイトルを付けています。OpenAI 自身の測定では、Nvidia Blackwell 系に対してワットあたりの処理量で1.5〜1.9倍。
  • 仕様面では、B0 ステッピングで 13.4 PFLOPs(MXFP4)を700W で出し、HBM4 を 15.4TB/s で組み合わせます。比較対象の Rubin が900〜1,150Wであることを考えると、電力効率の差がそのまま出た形です。ユーザーあたりのスループットは DeepSeek R1 で700+ tok/s、GPT-OSS で約1,400 tok/s。SemiAnalysis のアナリストは「Jalapeño が本当に競合するのは、同じくHBM4を使う Rubin のようなチップだ」と位置づけています。
  • 開発期間も論点になりました。通常ASICをゼロから設計するには1.5〜2年かかるところ、9か月(別の報道では16か月)で完了しており、OpenAI 自身のモデルを設計工程に使ったことが短縮の理由とされています。展開は2026年末にごく少量から始まり、本格化は2027年。CNBC はこれを「Nvidia のマージンに対する新たな脅威」と書きました。要は、最大の顧客が自分でチップを作りはじめた、ということです。
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。