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#

元GoogleとShape Securityの幹部らが、AIによる詐欺やディープフェイクを検知する新セキュリティ企業「Reken」を、2024年の設立から2年間の非公開開発(ステルスモード)を経て始動させた(https://finance[.]yahoo[.]com/technology/ai/articles/reken-launches-stealth-build-internet-141400682.html)。 背景にあるのは深刻な不信の広がりだ。2026年のRBC調査では「証明されない限りオンラインメッセージは詐欺だと思う」と答えた人が83%、FBIの報告では2025年のサイバー犯罪被害額が209億ドル(前年比26%増)に達し、AI関連の被害報告だけで2万2000件を超えたという。 Rekenが出したのは「Reken Private Core」という、クラウドのAIモデルを都度呼び出す仕組みではなく端末上(オンデバイス)で完結するAIセキュリティ基盤だ。通信データを外部に送らずローカルで脅威を判定するため、GPUを積んだ特別なサーバーも追加のAIトークン課金も不要で、一般的なハードウェアだけで動く。届いたメッセージの脅威判定に加え、乗っ取られたチャネルに紛れ込んだAIボットや自動化された挙動を見つけ出すセンサーも備える。このコア上で動くプロダクト群は自動で連携し「Reken Network」という信頼レイヤーを形成、参加組織同士は安全にやり取りでき、外部からの通信も自動で危険性が分析される。 第1弾プロダクト「Northstar」は、フィッシング研修そのものを不要にすることを狙った、はたらく人のためのAIアプリだ。CEOのShuman Ghosemajumder氏(元Google Trust & Safety創業者、Gmail立ち上げにも関与)は「企業は日々数百万時間分の人手と数十億ドルを、効果のないセキュリティ研修に費やしている」と指摘する。Northstarはソーシャルエンジニアリング(人の心理的な隙を突く詐欺の手口)やディープフェイク、ビジネスメール詐欺(BEC)といった、人間の目では見抜きにくい脅威を必要な瞬間に検知し、社員が自分で見抜こうとする必要をなくす。 共同創業者のRich Griffiths氏は、AIボット防御大手Shape Security(2020年にF5が10億ドルで買収)を築いた人物。GreycroftとFPV Venturesが主導する1000万ドルのシード資金を調達済みで、元GoogleのIPO(新規株式公開)を主導したGreycroftのMarcie Vu氏が取締役に就いている。

💡NVIDIA 、Poolside と60億ドルの非独占ライセンス契約 | 10億ドル出資と109名への採用オファーを同時実行 $NVDA NVIDIA $NVDA が、AIコーディングモデルを開発する Poolside との間で60億ドル規模の非独占ライセンス契約を締結した。米ニュースレター Newcomer が8月20日、Poolside が投資家宛に送付したレターを入手したとして報じ、The Information も追随して報じている。契約は単独ではなく、プレマネー評価額120億ドルでの10億ドルの出資、および Poolside 社員109名に対する NVIDIA からの採用オファーとセットで構成される。共同創業者の Jason Warner と Eiso Kant は残留し、Poolside は独立企業として存続すると報じられている。現時点で NVIDIA 側からの公式発表やSEC開示は確認されていない。 ライセンス対象について、The Information は「AIモデル開発ソフトウェア」と表現している。単なる学習済みモデルの重みではなく、学習パイプラインそのものが取得対象である可能性が高い。 Poolside は7月2日に Laguna XS 2.1（33BのMoE、アクティブ3B）と Laguna M.1（225B、アクティブ23B）、7月21日に Laguna S 2.1（118BのMoE、アクティブ8B、コンテキスト100万トークン）をオープンウェイトで公開しており、Terminal-Bench 2.1 で70.2%、SWE-Bench Multilingual で78.5%を記録した。特筆すべきは学習効率で、5月22日に H200 4,096基で事前学習を開始し、30兆トークンを9週間未満で完走している。強化学習をFP8精度で回した初のモデルでもある。NVFP4チェックポイントは DGX Spark 1台（128GB統合メモリ）で動作し、NVIDIA自身が8月のローカルAI関連ブログで同モデルを紹介していた。つまり NVIDIA は、自社ハードウェアの世代交代に最適化された学習・推論スタックと、それを短期間で回せるチームを丸ごと取り込む形になる。 この取引形態は、NVIDIA が過去1年で反復してきた手法の延長線上にある。 2025年9月に Enfabrica のネットワーク技術を9億ドル超でライセンスしてCEOらを採用、同年12月には Groq と非独占ライセンス契約を結び、CNBC報道ベースで約200億ドル、創業者 Jonathan Ross と社長 Sunny Madra を含む人材を獲得した。株式が移転しないためHSR法に基づく事前届出が不要となり、独占禁止法の審査プロセスを回避できる。Bernstein の Stacy Rasgon は Groq の件について、非独占ライセンスという建て付けが競争の外形を維持する機能を果たしていると指摘していた。なお Groq はその後、8月17日に35億ドルの評価額で3.5億ドルを調達しており、契約前の69億ドルからほぼ半減している。IPと人材を抜かれた後の「残された会社」がどう評価されるかの実例として、Poolside の株主にとっては無視できない先行事例である。 Poolside 側の事情も今回の条件を規定している。同社は2025年10月、CoreWeave $CRWV をアンカーテナントとする西テキサスの2ギガワット級データセンター Project Horizon を発表し、120億ドル評価で20億ドルの調達を進めていた。しかし2026年4月初旬、CoreWeave が15年契約の250MWリースから撤退し、NVIDIA の約10億ドルを含む調達ラウンド自体が崩壊したとFTが報じている。400MWへの規模縮小と代替テナント探しは7月末時点でも決着しておらず、Google との交渉も終了したとされる。今回の120億ドルというプレマネー評価額は、10億ドル規模の一次調達が成立していれば2025年10月時点で付いていたはずの水準と同じである。10か月分のインフレも成長も乗っていない。109名という人数は、Revelio Labs が2026年3月時点で推計した従業員数264名に対して約4割に相当する。 この動きの観点は、NVIDIA の買い物の対象がシリコンからソフトウェアとモデルの層へ移動している点にある。 Enfabrica でネットワーク、Groq で推論シリコン、そして Poolside で学習スタックとオープンウェイトモデル。GPU を売る会社が、GPU の上で動くものを自ら押さえに来ている。オープンウェイト陣営で中国系ラボが優位に立つ構図に対し、西側の対抗軸を自社の内部に確保する狙いも読める。一方で、120億ドルの評価額を付けられ140億ドル規模のインフラ構想を掲げた企業が、1年経たずにIPのライセンスアウトと人材の4割流出という結末に至った事実は、フロンティアモデルを自前で追う独立系ラボの資本効率について冷徹な材料を提供している。 NVIDIA $NVDA の公式開示と、Poolside に残る事業がどのような形で継続するかを注視したい。