AIの次の10年は「計算量を増やす」競争から「1ジュールあたりの知能」を高める競争へ⚡ 30名の研究者が描く未来図です。 タイトル: AI+HW 2035: Shaping the Next Decade URL: ⚡ 概要 AIとハードウェアの統合的な協調設計に向けた、10年間のロードマップを提示するビジョンペーパーです。際限ない計算スケーリングではなく、効率のスケーリング（intelligence per joule）を提唱します。 ❓ 解決する課題 AIとハードウェアの発展はもはや不可分なのに、グローバルな研究コミュニティには協調的で長期的な戦略が欠けていました。ただ計算量を増やし続ける路線の限界に、正面から向き合います。 💡 方法論と提案手法 4つの主要テーマを掲げます。 ・生の計算量よりエネルギー効率：消費電力を軸にスタック全体を再考 ・システムレベルの統合：アルゴリズム・アーキテクチャ・システムを横断する最適化 ・持続可能性：能力と効率のバランスを取る適応的システム ・人間中心の設計：倫理原則を開発に組み込む 🌍 10年間のゴール ・AIの訓練・推論で1000倍の効率改善 ・クラウド→エッジ→物理AIをまたぐ自己最適化システム ・先進的AIインフラへのアクセスの民主化 ・人間の価値観をシステム設計に統合 #AIハードウェア# #省エネAI#

Anthropicはカスタム AI chip作るね Broadcomとかな Anthropic社は、ハードウェア事業への進出の一環として、Googleのチップ開発ベテランであるアミール・サレク氏を採用

AIが自律的に論文を書く時代、「幻引用・メソッドとコードの不整合・再現不可能なスコア」という信頼性の危機が深刻化しています。 タイトル: Science One Framework: A verifiable autonomous research framework via Chain-of-Evidence Google CloudのScience One Frameworkは「検証可能性を後付けではなく設計の第一制約とする」というChain-of-Evidence原則で、AI自律研究の信頼性問題を根本から解決します。 🔍 注目ポイント1 — Chain-of-Evidence（CoE）の2原則 「すべての主張が記録された証拠チェーンを持つ（完全性）」「各チェーンがその主張を真に支持する（正確性）」という2原則を定義します。ベースラインシステムで最大21%あったPhantom Referenceを0%に削減し、論文に記述されたメソッドとコードの整合性も全評価システム中で最高水準を達成しています。後付けで検証するのではなく、主張を生成する段階で証拠チェーンを同時に構築する点が従来手法との根本的な違いです。 🏗 注目ポイント2 — 3モジュールアーキテクチャ Problem Investigator（Semantic Scholar APIで最大100本のPDFから引用グラフを構築し、モデル記憶ではなく取得データに根拠付け）、Discovery Engine（並列ブランチで複数解を探索し全評価器出力を不変記録として保持）、Paper Writer & Claim Verifier（専用エージェントが主張を特定のワークスペース成果物に結びつけ、不整合を削除ではなく保守的に修正）という3つのモジュールが科学的誠実性を構造的に担保します。 🏆 注目ポイント3 — MLE-BenchとParameter-Golfでの実績 医療画像・細粒度認識・3D知覚を含むKaggleコンペ5種で金メダル2個・銀メダル2個を獲得。全ベースラインシステムが失敗した3Dオブジェクト検出タスクで優勝しました。厳格なハードウェア・ファイルサイズ制約下でのParameter-Golf LLMコンペでも2026年4月27日時点のSoTAを達成し、ベースラインはいずれも有効な提出物を生成できませんでした。 厳密性と競争力は両立できます。AI Scientist v2・AutoResearchClaw・DeepScientistなど最先端5システムを上回り、検証可能な自律研究の新しい基準を打ち立てています。 #AIResearch# #科学AI#

連日のようにハードウェアの株価がぶっ飛び続ける一方、鳴かず飛ばずのソフトウェア銘柄🥲 同じハイテク株というカテゴリーでも、大きな格差が生まれています。 しかし、日経からこんなニュース⬇️が出ていて、一部界隈で少し話題に。 「コンサル7社、日本人員10万人超え　企業のAI導入支援で膨張 - 日本経済新聞」 この記事から考えるべき点は、以下のような感じかと思います。 ●「AIに代替される」と言われていたSIやコンサルが、AIの導入ビジネスで逆に活況となる皮肉な状況。 今年2月のアンソロピック・ショックから議論が巻き起こった「SaaSの死」は一体どこへ…？ ●業績成長への期待は、市場全体（TOPIX）よりむしろSI・コンサル企業の方が高い。しかし、株価が低迷を続けているのはなぜ…？ 仕事柄、多くのSIやコンサルの経営者の方と対談する機会がありますが、皆さん口をそろえて「AIの普及に伴ってDX関連のビジネスは非常に活況になっている」と言います。 私の個人的な見解としても、少なくとも現段階では、大手SIやコンサルがAIやSaaSに代替されることはないだろうと思っています。 一方で、米国ではすでにAIが幅広く普及して、経験やスキルに乏しい若年層の失業率が上昇を続けています。 ハイテク企業のAIリストラもたびたび話題になっていますよね。 皆さんは、このソフトウェア株の現状が「業績期待と株価のミスプライス」なのか、「AI普及後の代替リスクを織り込んだ妥当な状態」なのか、どちらだと思われますか？ 私は前者派ですが、なかなか明確な答えが出ない難しい議論だと思っています🐱

【📢まもなく最終締切｜Physical AI 応用編1】 AI×ロボット開発を実践的に学ぶ「Physical AI 応用編1」の最終ID登録締切が、明日9/1（火）10:00に迫っています！ 本講座では、実際にAIロボットを開発・運用するために必要なエンジニアリングを体系的に学びます。 🔹MLOps・RobOps 🔹コンピュータアーキテクチャ 🔹ROS2 🔹ハードウェア・通信 🔹AIロボットの開発・運用基盤 など、AIロボット開発を効率よく進めるためのシステム構築について、実例や演習を交えながら学習します。 AIモデルだけでなく、データ収集・モデル学習・検証からロボットの運用まで、Physical AIに必要な力を身につけたい方におすすめの講座です。 まもなく最終募集締切のため、Physical AI・AIロボット開発に関心のある方は、ぜひこの機会にお申し込みください！ 📅ID登録締切：9/1（火）10:00 📅講座申込締切：9/3（木）10:00 ▼詳細・お申し込みはこちら

【発表】三菱重工とPFNは、三菱重工のハードウェア・制御技術・シミュレーション技術と、PFNのAI基盤モデル・半導体・計算基盤を融合し、ミッションクリティカル領域での国産AI技術の共同開発で提携しました。両社は今年度中に資本提携を含む強固な協力基盤の構築を目指します。

いよいよ本日開催です！ 天空橋でお待ちしています！✈️ 【7/31開催】エヌビディア・日産・MODEほか製造業・IoT・ロボティクス企業が登壇｜「フィジカルAI開発Conference 2026 ー ソフトウェアで変わるハードウェアの開発現場」 #ソフトハードcon_findy#