サービスが落ちた時、みんなが一斉にリトライすると、小さな障害が全社規模のインシデントへ膨れ上がる。その「リトライストーム」をUberが抑え込んだ話です。 タイトル: How Uber Protects Against Retry Storms URL: 下流サービスの障害時に上流の全サービスが同時にリトライしてトラフィックが指数関数的に増幅する「リトライストーム」を、「エラーの原因は誰か」を区別する仕組みで防ぐ取り組みです。 注目ポイント 🔍 エラーを「主張」するのは原因サービスだけ 下流呼び出しが成功したのに自サービスがエラーを返した場合だけ「エラーを主張」し、下流が原因なら「主張を取り下げる」。原因となっているサービスだけがリトライする設計です。 🔁 リトライ予算と伝播でさらに増幅を抑える 各ホップのリトライを一定割合に制限する「リトライ予算」で、増加を指数的ではなく乗法的に抑制。リトライが失敗すれば「主張されていない」状態を上流へ伝えてさらなる増幅を防ぎます。 📊 実際の障害で950万件のリクエストを阻止 2025年11月18日の障害では、この仕組みがなければトラフィックが46〜135%増加していたところ、実際には950万件の無駄なリクエストと直近呼び出し元の最大20万件の追加リクエストを阻止。全社的にもリトライストームの最大半径を25ホップから3ホップへ縮小しました。 サービスごとの手動チューニングなしに、共有インフラだけで障害の連鎖を自動的に止められる設計は、実運用への応用価値が高いと感じます。 #信頼性エンジニアリング# #分散システム#

ハーネスエンジニアリングのアンチパターン AP7. 決定性の取り違え（The Misplaced Determinism Boundary） 🎯 ポイント テスト実行をLLMの善意に委ね、端ケースの判断を硬いルールに押し込む。境界を取り違えると、信頼性と適応性を同時に失います。 ❗ 発生する課題 確率的な要素を決定的であるべき場所に置くと信頼性が漏れ、決定的なルールを判断が要る場所に置くと適応性を失います。結果として、簡単なタスクで不安定になるか、複雑なタスクで硬直するか、あるいはその両方が同時に起きます。 🔍 メカニズムと症状 この取り違えには二つの形態があります。形態Aは「LLMの判断が要る長いテールを硬いルールに押し込む」パターンで、ルールは予測可能なため魅力的に見えますが、端ケースに遭遇すると脆く壊れます。形態Bは「決定的であるべき処理（テスト実行、ゲート判定、リトライ）をLLMの善意に委ねる」パターンで、モデルに任せれば実装が楽に見えますが、100回に1回はテストを忘れるという不安定さを生みます。症状としては、形態Aでは「想定外のケースでルールが破綻」「新しいパターンのたびにルール追加が必要」、形態Bでは「テストの実行忘れ」「ゲートのスキップ」「時々なぜか動かない」が見られます。 📋 シナリオ ・形態A：「import文の変更は必ずファイル先頭に」という硬いルールを設定。circular importの解消が必要なケースでルールが邪魔をし、エージェントが行き詰まる。 ・形態B：「テストを必ず実行すること」をプロンプトに記載するだけで、ハーネスが強制しない。エージェントは95%の確率でテストを実行するが、残り5%でテスト未実行のまま完了を宣言する。 ・両方同時：コードモッドの大部分はASTベースの決定的変換で処理できるのに、全てをLLMに任せている（形態B）。一方、LLMの判断が必要な端ケースには「この場合はスキップ」という硬いルールを適用（形態A）。両方が間違っている。 🛡 回避方法 ・ハーネスの全処理を「判断が要る」と「判断不要で決定的に実行可能」に分類し、境界を明示します ・テスト実行・lint・ビルド・ゲート判定は決定的コードで強制し、「お願い」しません ・LLMは本当に判断が必要な部分（原因分析・方針決定・コード生成）に限定して使います ・モデルの進化に合わせて境界を定期的に見直し、適切に移動させてください #HarnessEngineering# #AIAgent#

ハーネスエンジニアリングのプラクティス P20. 可読性とキャリブレートされた不確実性をSLOにする 🎯 ポイント 生成が安価になった今、真のボトルネックは「人間のレビュー時間」です。差分は正しさだけでなく、レビューしやすさに対しても最適化すべきです。 📝 概要 差分は正しさだけでなくレビュー時間に対しても最適化します。小さく焦点の合ったPR、「なぜ」を語る説明、危険箇所の明示。さらにエージェントには「自信のない箇所」を明示出力させ、ハーネスがそこを追加検証や人間レビューへ振り分けます。偽の自信より較正された不確実性の方が価値が高いです。 🔍 解説 エージェントの生成速度が上がるほど、ボトルネックは「コードを書く」から「コードをレビューする」に移ります。巨大なPR、説明のない変更、自信満々だが実は不確かな実装。これらはレビュアーの時間を爆発的に消費します。可読性をSLO（サービスレベル目標）として扱い、PRサイズ・説明の有無・変更理由の明記を測定・最適化することで、全体のスループットが向上します。また、エージェントに「ここは自信がない」「この部分は人間に確認してほしい」と明示させることで、レビュアーは重要な箇所に集中できます。これは自律エージェントの信頼性を高める最も見落とされがちな施策です。 🛠 実践方法 ・PRテンプレートに「変更理由」「確信度（高/中/低）」「レビュー重点箇所」の欄を設け、エージェントに必ず記入させます ・PRサイズの上限を設定し、超過した場合は分割を強制します ・エージェントの出力に「自信のない箇所」のマーカーを要求し、ハーネスがそこを追加検証へ振り分けます ・レビュー時間をPR単位で計測し、レビュー時間が長い原因（巨大差分・説明不足等）を特定して改善します 💼 ユースケース ・issue-to-PRエージェントが、PRに変更理由と確信度マーカーを含める場面 ・コードレビューエージェントが、低確信の瑣末指摘を抑制し、人間が見落とす種別に集中する場面 ・マイグレーションで、各ユニットのPRを小さく焦点を絞り、レビュアーの負荷を分散する場面 ⚠ 落とし穴 可読性を追求しすぎると、エージェントの出力が過度に保守的になります。また、「不確実性の表明」がノイズになるリスクもあります。「すべてに自信がない」と表明するエージェントは役に立ちません。較正が重要で、本当に不確かな箇所だけを正確にマークできることが価値です。レビュー時間の測定も忘れずに。PRスパムや巨大差分がレビュー帯域を圧迫していないかを定量的に把握することが改善の出発点です。 #HarnessEngineering# #CodeReview#

ハーネスエンジニアリングは「モデルを包む器」を作る技術。 本番グレードのハーネスは、だいたい5層でできてる。 ・ツールの呼び出し制御 ・検証ループ ・コンテキストとメモリ ・ガードレール ・可観測性 モデルが同じでも、この作り込みで信頼性が決まる。

「配信率100%、スキーマ有効性100%、エラー0件」の完璧なパイプラインなのに、同じリクエストを投げ直したら判定結果が変わる。そんな衝撃の負の結果を、事前登録＋完全な監査証跡つきで報告した論文です。 タイトル: Clean Engineering, Unstable Measurement: A Preregistered Reliability Failure of Black-Box LLM Observers on Shared Endpoints URL: 🔧 注目ポイント1: エンジニアリングの完璧さは測定の信頼性を保証しない 3,312件の計画済みコールで応答率・スキーマ有効性ともに100%、再試行やエラーも0件という理想的な実行にもかかわらず、繰り返しランキングの一致度（Spearman中央値）はわずか0.400。事前登録した安定性ゲート（閾値0.90）を明確に下回りました。 🎲 注目ポイント2: バイト同一の入力でも出力がドリフトする 同じリクエストを24時間後に再実行しても、全順位の一致率はわずか0.780。しかも面白いことに、同一日内の別ウィンドウ同士でも中央値0.805とほぼ同じ数値になり、これは「翌日ドリフト」ではなく共有エンドポイントの即時的な非決定性であることが判明しました。 📉 注目ポイント3: サンプル数を増やしても解決しない オブザーバー呼び出しを8回から500回（合計74.8万コール）まで増やしても、安定性ゲートの通過率は0/500のまま。候補間のスコア差がノイズフロアより7〜10桁も小さいため、そもそも順位付け不可能なタスクが多いことが根本原因でした。 LLMを評価の「ものさし」として使う前に、そのものさし自体が安定しているかを計測する重要性を教えてくれる一本だと思います。 #LLM評価# #再現性#

TL;DR: 同じ Claude Opus でも、ハーネスなしは20分で$9の失敗、ハーネスありは6時間で$200のプロダクト。この差を体系的に教えるオープンソースカリキュラムです。 learn-harness-engineering 「モデルは賢い。ハーネスが信頼性を作る」——このリポジトリはAIコーディングエージェント向けのハーネス工学を14レクチャー・8プロジェクトで学ぶ教材です（⭐️ 13.7k）。 ポイント 🔧 5つのサブシステムがハーネスの骨格 ・Instructions: AGENTS.md など構造化ガイダンスでリポジトリを真実源に ・State: claude-progress.md とgit履歴でマルチセッション継続性を確保 ・Verification: テスト・lint・E2Eで「完了したふり」を防ぐ ・Scope: 明示的な完了基準で1フィーチャーずつ確実に進める ・Session Lifecycle: init → 実装 → 検証 → コミット → ハンドオフの構造的フロー 📚 段階的なカリキュラム設計 基礎（問題の直視・構造化）から発展（ループ自動化・グラフ設計・Human-in-the-Loop）まで段階的に構成。共有の Electron アプリを題材に、コードを通じてハーネスを習得します。 ⚡ すぐ既存プロジェクトに適用できる AGENTS.md・ の3ファイルをテンプレートからコピーするだけで即座に効果が出る設計。 🌐 最新のフロンティア設計も収録 Pi・Claude Code・Codex・DeepSeek の実際のハーネス設計の分析（2026年8月追加）、ループエンジニアリング・グラフエンジニアリング（2026年7月追加）と、現場の最新実践を継続的に反映しています。 エージェントを「プロンプトで動かす」から「ハーネスで信頼させる」へ、という発想の転換を13.7kのエンジニアが支持しています。 #CodingAgent# #AIエンジニアリング#

動画生成モデルは「もっともらしい動画」を作れても、「正しい確率で将来を分布できる」かは別問題です。 タイトル: PAWBench: How Far Are We from Probabilistically Aligned World Modeling? URL: 🎯 概要 コインを50回投げたとき表と裏が約50%ずつ出るように、動画生成モデルも「ありうる将来の正しい確率分布」を再現できなければ真のワールドモデルとは言えません。PAWBenchはこの「確率的整合性」を評価する初の体系的ベンチマークで、50シナリオ・11モデルを評価しました。 🔍 解決する課題 従来の動画評価はFIDやFVDなどの知覚品質や多様性に焦点を当ててきましたが、「各結果が正しい頻度で生成されるか（較正）」と「すべてのありうる結果を網羅できるか（網羅性）」を同時に測る指標がありませんでした。 ⚙️ 評価手法 PAWEvalはK=50回の動画生成をGemini 3.5 Flashで終端結果に変換し、全変動距離（TVD）と有効サポート回収率で評価します。投擲・回転・衝突・材料遷移など8種類の物理メカニズムを対象としています。 📊 主要結果 最良モデルのCosmos 3 Super I2VでもTVD 20.5（完全整合=0）に留まります。全モデルの平均TVDは31.2で、有限サンプルで予想される偶然のばらつき（8.33）を大幅に上回ります。「確率精度・広い網羅性・採点信頼性」を同時に達成したモデルは1つもありませんでした。 ⚡ 介入実験の教訓 プロンプトエンジニアリング・結合ノイズサンプリング・LoRA微調整の3つを試しましたが、いずれも部分的な改善にとどまり根本的なギャップは解消されませんでした。モデルは物理的因果介入には過少反応し、非因果的な視覚・テキスト手がかりには過剰反応する傾向があります。 動画生成をロボティクス・自動運転・物理シミュレーションに応用しようとする研究にとって、確率的整合性はこれから欠かせない評価軸になります。 #動画生成# #ワールドモデル#

「もうエージェントに指示するのはやめて、指示するシステムを設計せよ」——2026年6月に3人がほぼ同時に同じ言葉へ辿り着いた、新しい層の話です🔁 タイトル: Loop Engineering: The Anthropic Playbook for Designing Systems That Prompt Your Agents URL: prompt→context→harnessの上に立つ第4の層「ループエンジニアリング」を定義し、5つの動き・6つの部品・4つのコストに分解した実践ノートです。注目ポイントは3つ。 🔁 自分を「ループの外」に出す これまでの用語は人間がキーボードの前で1行ずつ指示する前提でした。ループエンジニアリングはその前提を消し、実践者をエンジンから「エンジンを設計する人」へ移します。タイマーで起動し、サブエージェントを生み、自分の出力を次の入力に食べさせる——会話をまたぐ記憶があるから単発でなくループです。 🛑 一番難しいのは「Noと言える検証」 自分の出力を採点させるとエージェントは甘く褒めます。だから生成器を自己批判的にするのではなく、独立した懐疑的な評価器を別モデルで用意し、読むだけでなくPlaywright等で実際に操作して検証させる。Claude Codeの/goalは停止条件を別の小型モデルが判定します（銀行のmaker-checker原則）。 💎 生成はタダ同然、希少なのは「判断」 コードもPRも修正もあふれ、価値は「どれが本当に正しいか」を見極める判断に集中します。Stripeは週1,300超の機械生成PRをマージしますが、信頼性はモデルの大きさでなく制約の質から来ており、PRは今も人間がレビューしています。 同じループでも作り手次第で正反対の結末になる、という最後の一文が刺さります。 #AIエージェント# #LoopEngineering#

『ソフトウェア開発者は、エージェントを作る人になっていく』 AIエージェントを使ってコードを書く。その次に来るのは、自社の製品で働くエージェントを設計する仕事だ。LeadDevの記事では、Agentic AI Foundation（AAIF）の幹部がこの変化を予測し、行動の制御や問題の調査まで担える開発者を増やす必要があると述べている。 AIを使いこなすことと、AIに仕事を任せられるように設計することは、違う能力だと思う。何を任せ、何を制限し、失敗したときにどう調べるか。コードを書く速度だけでなく、こうした設計をチームで学ぶことが大事になりそうだ。 以下、詳細です。 ・エージェントを作るためのスキル 同じ入力でも結果が変わりうるシステムを扱い、できることとできないことを制御する。行動を記録し、問題が起きたら実行履歴を追って原因を調べる。記事は、エージェントの利用経験だけでは身につかないスキルに目を向けている。 ・MCPの普及と社内ルール MCP（Model Context Protocol）は、AIを外部のデータやツールにつなぐための共通規格だ。AAIFによると、ChatGPT利用者によるMCPのツール呼び出しは、2026年8月に同年1月の98倍に達した。ただし、呼び出し数の増加だけでは、信頼性や安全性までは分からない。 ・接続した後の管理 ネットで見つけたMCPサーバーを導入するだけでは、安全な運用にはならないと記事は指摘する。組織としてMCPサーバーをどう管理し、どんな制御を加えるかを決める必要がある。エージェントの機能追加と、運用のルールづくりを一緒に進める話だ。 ・エージェント同士の連携 企業がエージェントをサービスとして提供するようになると、組織をまたぐデータへのアクセスや仕事の委任が問題になる。記事は、エージェント間の通信を支えるA2A（Agent2Agent）を紹介する。単体のエージェントだけでなく、他社のエージェントとの連携も視野に入れた議論だ。 ・採用する規格の運営も見る 技術的につながるかだけでなく、その規格が安定しているか、中立的な組織が運営しているか、自社の要望を提案できるかも評価する。記事は、エンジニアリングリーダーに、オープンソースや標準化への参加も促している。これは、標準化を推進するAAIF側の立場からの提言でもある。 読んでいて感じるのは、開発者が学ぶ対象も変わるということだ。エージェントにうまく指示を出すだけでなく、権限や記録、他のシステムとの連携まで含めて設計する。それを個人の試行錯誤で終わらせず、チームの知識として共有できるかが気になる。

7兆ドル規模のAIブーム、勢いが衰えつつある チップなんて忘れて。コードなんて忘れて。 3兆ドル規模のAI革命において、最も高価で需要の高い商品は、特許取得済みのアルゴリズムでも、Nvidiaの新型GPUでもない。 それが電力だ。 具体的には、新しいデータセンターに1億～5億ドル相当の電力を供給できる、電力網への安全で高電圧な接続です。 現在、地球上で最大かつ最も裕福な企業――グーグル、マイクロソフト、アマゾン――は、エネルギーをめぐる前例のない世界的な争奪戦を繰り広げている。 彼らは、小規模な都市や巨大な製造工場、そして互いに競い合っている。その理由は、次世代のAIモデルを学習させるのに、小国1つ分の電力に相当する電力を消費してしまうからだ。 彼らは切羽詰まっている。割高な料金を支払っている。それにもかかわらず、地元の電力会社が自分たちの需要に見合う十分な容量の変圧器を設置するだけでも、4～5年も待たされているのだ。 これは技術的な問題ではありません。これは物理的なインフラのボトルネックです。 この1兆ドル規模の危機に対する一つの解決策が、デジタル世界の最も予想外で、しばしば嘲笑の的となってきた分野、すなわちビットコインマイナーたちから浮上してきた。 具体的には、数年前から、暗号資産の過酷な経済状況の中で生き残る唯一の方法は「エネルギー貴族」になることだと悟っていた、ごく少数の賢く冷酷な実務家たちである。 今日、こうしたマイナーたち……かつての「ワイルド・ウェスト」的なデジタル・ゴールドラッシュの参加者たち……は、AIハイパースケーラーたちが切望している、大規模でネットワーク化され、電力網への接続が可能なインフラを保有する、世界で数少ないプレイヤーの一角を占めている。 彼らはスイッチを切り替え、新たなAI大家へと変貌を遂げつつある。 そして、そのうちの1人がつい先ほど、正式に発表した。 5月5日、Bitzero (NASDAQ: AIBZ) は、シンガポールに拠点を置くOneQode社と、ノルウェーのデータセンター施設における15年間・110MWのリース契約に関する拘束力のある意向書に署名した。本契約の期間中、契約総収益は約26億ドルに達すると見込まれている。 これは単なる予測ではありません。野心という名目をかぶせたプレスリリースでもありません。5大陸に30カ所以上のデータセンターを運営する、世界的なクラウドおよびネットワークインフラプロバイダーによる、署名済みの法的拘束力のある確約なのです。 そして、これは業界全体の価格体系を一新しかねないという説の概念実証でもある。 このシンプルでレバレッジの高い転換点を見逃せば、今後10年間にわたるAIインフラブームを最大限に活用する、最も純粋で収益性の高い機会を逃すことになります。 なぜ大手テック企業は追いつけないのか あなたがGoogleだと想像してみてください。インディアナ州で110億ドル規模のデータセンター建設計画を発表します。資金もあります。土地もあります。政治的な支持もあります。未来を築く準備は万端です。 そして、地元の都市計画委員会が7対0で反対の採決を下した。 プロジェクトは頓挫する。 なぜでしょうか？　それは、住民たちが騒音や振動、そして膨大な電力消費を懸念しているからです。 これが現実だ。データセンターは、いわば「新しい石油精製所」である。それらは人気がなく、膨大なエネルギーを消費し、地域社会からの激しい反対にさらされている。 ゴールドマン・サックスによると、世界のデータセンターの電力消費量は、この10年の終わりまでに最大165％も急増する見込みだ。既存の電力網は、そもそもこのような需要に対応できるようには設計されていない。高圧送電線をアップグレードするには数年と数億ドルを要し、規制や政治的な難題を乗り越えるにはさらに多大なコストがかかる。 いくらお金をかけても、どんなに高性能なチップを使っても、どれほど優れたAIアルゴリズムを用いても、この現実世界の問題を解決することはできない。 権力争いは今や非常に激化しており、その結果： • 新規参入者には上限が設けられています： ノルウェーのような電力市場では、既存のインフラを持たない新規データセンター事業者は、現在、初期割り当てがわずか5 MWに制限されており、事業を開始するにはかろうじて足りる程度である。 • 待機リストは数年にも及ぶ： 不可欠な高圧機器（遮断器、変圧器）の平均リードタイムは、たとえ資金があっても、現在4～5年となっています。 • 政治リスクは極めて高い： インディアナ州の事例が示すように、たった一つの地方計画委員会が、気まぐれで10億ドル規模のプロジェクトを頓挫させてしまうことがある。 メガワット規模のインフラをゼロから構築する機会はすでに失われてしまった。今日、AIデータセンターのブームに参入する唯一の方法は、すでに接続環境を保有している企業を買収、合併、あるいは提携することである。 これは、Bitzeroがすでに解決した、数十億ドル規模のジレンマです。 ある鉱山労働者が電力危機の解決にどう取り組んでいるか Bitzero (NASDAQ: AIBZ)は運が良かったわけではない……彼らは賢かったのだ。 数年前、同業他社が最新のASICの購入や短期のホスティング契約の締結に注力していた頃、Bitzeroはただ一つのことに注力していました。それは、自社でユーティリティとなることでした。 業界全体では、ビットコイン1枚を採掘するための総コストは平均で約10万ドルですが、Bitzeroのコストは驚くほど低い5万ドルにとどまっています。 そして、それは単なる幸運な偶然ではなかった。 これは、彼らがスカンジナビアの低コストエネルギー回廊に築き上げた、かけがえのないインフラによる競争優位性の結果である。 彼らの競争優位性を示す、単純かつ衝撃的な計算式は次の通りです： 1. 4.3¢/kWhという電力の秘密 Bitzeroは、ノルウェーにおいて132 kV（高電圧）レベルの認可を受けた送電網事業者です。 彼らは自社の高圧送電線を所有している。 彼らは独自の変電所を所有している。 彼らは水力発電所と直接接続を維持している。 つまり、彼らは電力会社を完全に迂回しているのです。手数料や仲介業者による中間マージンを排除しています。こうして、1キロワット時あたりわずか4.3セントという、驚くほど安い「すべて込み」の電気料金を実現しているのです。 米国や欧州の主要なデータセンター運営企業の多くは、1kWhあたり8～12セントを支払っています。Bitzeroは、その半額で電力を供給しています。 この所有構造こそが、同社のビジネスモデル全体の鍵となっている。事業拡大を図る際、同社は電力会社に申請書を提出して何年も待つようなことはしない。発電所と直接取引を行うのだ。これにより、現在ビッグテック企業を苦しめているリードタイムのリスクを排除できる。 2. 1ギガワットのAI対応ランウェイ Bitzeroは、単一の鉱山を建設しただけではありません。同社は、潜在的な発電容量が1ギガワットを超える、世界規模で複数の拠点からなるインフラ基盤を確立しました。 資産 容量 競争上の優位性 「AI大家」の戦略 ノルウェーのフラッグシップ 最大325MW OneQode社との間で、110MWの15年間の契約が締結された。契約期間中の総収益は約26億ドル。発電原価は1kWhあたり4.3セントの水力発電による。 拘束力のある書簡が送達された。「AI大家」説の最初のドミノが倒れた。 フィンランドのフラッグシップ 最大1GW 100%再生可能エネルギー。技術的デューデリジェンスにより、400kV接続で520MWの潜在能力が確認された。 AIハイパースケーラーの夢。大規模でクリーンな欧州のAIワークロードとデータ主権に最適化されています。 ノースダコタ・バンカー 最大300MW 225,000平方フィートの、電磁パルス（EMP）対策および核攻撃対策が施されたバンカー。人里離れた場所に位置し、膨大な発電能力を秘めている。 セキュリティ対策。機密性の高いコンピューティング処理、防衛関連企業、および極秘のAIデータに最適です。 これらの資産は有形であり、所有権があり、長年にわたる参入障壁によって守られています。 競合他社がフィンランドで1GW規模の原子力・水力発電所を、明日にも簡単に建設できるわけではない。認可手続きだけでも10年はかかるだろう。Bitzeroはすでに主要な設備を所有している。 3. スリムで効率的、そして利益を生み出すマシン Bitzeroは電力コストが安いだけでなく、人件費も抑えられます。 競合他社が従業員20～30人で40MWの施設を運営しているのに対し、Bitzeroはわずか4～6人でノルウェーの40MWの施設を運営している。 高度なソフトウェアがすべての発電設備を監視し、問題を自動的に修正するとともに、人的介入が必要な場合にのみ少人数のスタッフに通知します。このスリムな運用体制により、G&Aコストは事実上ゼロにまで削減され、発電容量1メガワットあたりのEBITDAマージンが拡大します。 このコスト管理体制と低コストの電力とが相まって、Bitzeroは、OneQodeとの契約による収益が計上される前から、現在のマイニング事業だけで月間約100万ドルのEBITDAを生み出すことが可能となっている。 ここから得られる重要な教訓は、コストこそが究極の競争力であるということです。ビットコインの採掘コストが5万ドルであるのに対し、競合他社のコストが10万ドルであれば、相場が暴落しても生き残ることができ、強気相場では巨額の利益を上げることができます。これこそが、レバレッジの高い投資の定義なのです。 ピボットの仕組み 「AI大家」モデルの魅力は、その本質的なオプション性にある。 ビットコインマイナーを稼働させるために必要な電力インフラ、変電所、および高圧接続は、AIサーバー（GPU）のクラスターを運用するために必要なものとほぼ同じです。 Bitzeroは、ビットコインとAIのどちらかを選ばなければならないわけではありません。その両方をこなすことができるのです： • ビットコインが上昇したときは： 同社は、急増する利益を確実に獲得するため、ビットコインのマイニングに最大限の電力を投入している。 • AIの方が報酬が高い場合： ハイパースケーラーが複数年契約の高利益率のホスティング契約を提示すると、Bitzeroはマイニング用リソースをAI演算用へと振り向ける。 ビットコインのマイニングは、AI大家ビジネスにおいて以下の3つの重要な役割を果たしています： • 収益源： 現在、AI関連の事業が構築され、パートナーシップの確保が進められている一方で、すでに数百万の収益を生み出しています。投資家の資金を無駄に消費する必要はありません。 • インフラストラクチャの検証： 24時間365日体制でコンピューティング負荷を稼働させ続けていることは、インフラが極めて堅牢で信頼性が高いことを証明しており、これは複数年契約を検討しているハイパースケーラーにとって不可欠な要素です。 • 究極のヘッジ： これにより、インフラが遊休状態になることを防ぎ、最初のAI顧客が契約を結ぶ前から、収益とコストの回収を確実に保証します。 「力」こそが製品そのものです。ビットコインのマイニングはキャッシュフローを生み出す原動力であり、AIホスティングこそが最大の成果です。 26億ドルの検証 理論には限界がある。結局のところ、誰かが小切手を切らなければならないのだ。 5月5日、OneQodeは26億ドルの出資を約束した。 拘束力のある意向書には、ナムスコガンにあるBitzeroのノルウェー旗艦施設における初期容量110MW全量について、15年間のリース契約が盛り込まれている。OneQodeは、この110MW全量にわたって大規模なGPU導入を段階的に実施する計画であり、2027年上半期の稼働開始を目指している。 これは、ハイパースケーラーが他の地域で直面している3～5年の建設期間よりもはるかに速いペースであり、これはBitzeroがすでに送電網への接続設備、変電所、そして敷地そのものを所有しているという事実が直接的な要因となっている。 経済的な要因こそが、同社にとって今が飛躍的な転換点となる理由です： • 契約期間中の総収益は、年間3％の価格改定分および顧客が負担する転嫁されるエネルギーコストを除き、約26億ドルとなる。 • 予想される当サイトの純営業利益率は85％であり、これはフル稼働時の年間純営業利益（NOI）が約1億5,100万ドルとなることを意味する。 • Bitzeroは、リース契約の仕組み上、光熱費を負担しないため、間接費を最小限に抑え、収益の大部分をそのまま純利益に反映させることができます。 BitzeroのCEO、モハメッド・バカシュワイン氏は、このLOIを同社にとって「決定的なマイルストーン」と位置づけ、OneQodeとのリース契約は「まさに、この施設を通じて支援したいと考えていた、大規模かつ高性能な顧客ニーズを体現するものとなる」と述べた。 訳：その戦略は功を奏している。 デューデリジェンス、規制当局の承認、データホールの設計合意、およびIGによる与信支援を条件として、60日から90日以内に最終的な賃貸借契約が締結される見通しです。契約締結後、Bitzeroは施設全体の建設を委託する予定です。このプロジェクトの総工費は11億ドルと見積もられており、同社は借入金によって資金を調達する計画です。すでに複数の銀行や金融機関との最終段階の協議が進められており、AIグレードの施設向けダイレクト・トゥ・チップ冷却、UPSシステム、HVACの分野で業界をリードする、最高水準のサプライチェーン、請負業者、エンジニアリングパートナーがこれを支えています。 稼働開始まで、ビットコインのマイニングは現場で収益性を維持しながら稼働し続け、変圧器の設置、詳細設計の完了、そして建設工事の開始が進む間もキャッシュフローを生み出し続けます。利益率の高いAIテナントが引き継ぐまで、マイナーたちが施設の運営を支え、収益をもたらし続けているのです。 すべてが予定通りに進めば、2027年第3四半期にも全量の納入が開始される見込みです。 「ミスター・ワンダフル」からの認定 このユニークなレバレッジに気づいているのは、あなただけではありません。 戦略的投資家であるケビン・オリアリー氏――『シャーク・タンク』の「ミスター・ワンダフル」――は、規律ある資産配分を行う投資家であり、インフラ投資の理論を深く信奉しているため、Bitzero社そのものにも戦略的投資家として出資している。 ハイリスクな投機を避けることで知られるオリアリー氏は、同社が自身の投資理論と完全に合致していることから、公に同社を支持している。 「ビットコインを保有するのなら、それを実現するための『ツルハシやシャベル』も手に入れてみてはどうでしょう？　それこそが力であり、エネルギーであり、データセンターなのです。Bitzeroは、そのすべての条件を満たしています。」 彼はこれを「ビットコインとAIの両方に対する『ピック・アンド・ショベル』戦略」と呼んでいる。 世界で最も懐疑的かつ成功を収めているベンチャー投資家の1人が、ある企業が地球上で最も急成長している2つの産業におけるエネルギー問題を解決したと述べれば、その戦略的合理性は自明である。OneQodeの買収により、その価値は26億ドルと評価された。 長くは続かない評価額の乖離 ここで、投資の根拠が重要になってきます。 Bitzeroは現在、次のような企業となっています： • 最初の110MWについて、OneQode社との間で15年間、総額26億ドルのAIホスティングリース契約を締結した。 • フィンランドとノースダコタ州全域で、1ギガワット以上の追加潜在発電容量を確保した。 • 競合他社が追随するには何年もかかる、かけがえのないインフラの「堀」を築き上げた。 • データセンターの建設が進む間、キャッシュフローのつなぎとして、収益性の高いビットコインマイニングを継続した。 市場がまだ完全には織り込んでいない計算は以下の通りです。 AIホスティング分野では、現在、GPU対応の契約容量100MWごとに、約20億～30億ドルの企業価値に相当しています。Applied Digital（ナスダック：APLD）は、CoreWeave社と15年間で総額約70億ドルに相当する250MWの契約を締結した後、契約規模を400MW、総契約収益を約110億ドルへと拡大し、その過程で同社の株式価値評価全体を見直した。 Bitzero (NASDAQ: AIBZ)は、110MWの契約を締結したばかりだ。これは、ノルウェーの拠点だけで、22億～33億ドルに相当する企業価値を示唆するものであり、これには、1GWのフィンランド・キャンパスや、今後計画されている300MWのノースダコタ・バンカーは含まれていない。 はい、通常、最初の施設が完全に建設され、引き渡されるまでは、市場ではおよそ30％のディスカウントが適用されます。しかし、それが完了すると（2027年第3四半期を予定）、そのディスカウントは解消され、企業は、同様の投資テーマに基づきすでに数十億ドルの評価額で取引されている同業他社を基準に、再評価される傾向があります： • アイリス・エナジー（IREN）： 21ドル以上。時価総額5十億。 • コア・サイエンティフィック（CORZ）： $以上9十億。 • TeraWulf (WULF)： $以上12.25 billion. これらの企業は、確保された拡張能力を備えた自社所有の電力インフラという、同じ中核的なコンセプトに基づいて企業価値を築き上げてきました。Bitzeroは、同様の成長余地と優れたコスト構造を有しているだけでなく、現段階では他社がまだ持っていない、AIリースに関する署名済みかつ法的拘束力のある契約書も手に入れています。 市場では、Bitzeroは単なるビットコインマイナーとして評価されてきました。しかし実際には、同社は1ギガワットを超えるAI対応の低コストでクリーンな電力を保有するインフラ事業者であり、そのうち最初の110MWについてはすでに契約が成立しています。 AIのエコシステム全体では、すでにソフトウェアやサイバーセキュリティの分野で、大きな成功を収めている企業が数多く現れています。CrowdStrike Holdings Inc. (NASDAQ:CRWD)、 Palantir Technologies Inc. (NASDAQ:PLTR)、およびSnowflake Inc. (NYSE:SNOW)といった企業は、AI駆動型のソフトウェア、アナリティクス、およびエンタープライズインフラに対する需要の急増から恩恵を受けています。しかし、投資家の注目は主にアプリケーション、データ、セキュリティに集まっている一方で、あらゆるAIワークロードは最終的には物理的な電力とデータセンターの容量に依存しています。AIの導入が加速する中、この業界における最大の制約はソフトウェアの革新ではなく、電力供給されたインフラへのアクセスである可能性があり、次世代のAIコンピューティングを支えるために必要な電力、用地、送電網接続を供給できる企業を中心とした、並行する投資テーマが生まれています。 評価額の格差は甚大です。Bitzeroが単にデジタル資産をマイニングしているのではなく、将来のコンピューティングの鍵を貸し出しているということを市場が完全に理解すれば、この格差は解消されるでしょう。 インフラの整備が完了しました。電力供給も確保されました。最初のAIテナントとの契約が締結されました。 選択肢は明らかだ。今すぐ参入してこの融合の波に乗るか、それともビッグテックがようやく資金力で参入してくるまで2年間待つか、だ。 憶測を巡らせる時期は終わった。希少でかけがえのない資産――電源プラグ――を手に入れるのは、今こそだ。 文：マイケル・スコット AIブームをきっかけに、天然ガスや電力関連株が予想外かつ前例のない上昇局面を迎えています。データセンターのエネルギー需要に注目していなければ、この10年で最大のエネルギー関連の話題を見逃してしまうでしょう。賢明な投資家はすでに、1兆ドル規模のAIシステムを支える準備が整っている数少ない企業へと、ひっそりと資金を移し始めています。