登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

検索結果 AI関連
AI関連 コミュニティ
1つのキーワードが1つのコミュニティです。
コミュニティ作成
アカウント
見つかりません
AI関連 を含む検索結果
【半導体関連:市場規模・成長率まとめ】 1.半導体市場:年平均29%成長 2.AI関連市場:年平均14%成長 3.データセンター市場:年平均9%成長 4.衛星通信市場:拡大が期待 出典:amova
もっと見る
【ハイテク産業の成長ポテンシャルまとめ】 1.半導体市場 2.AI関連市場 3.データセンター市場 4.衛星通信市場 出典:amova
もっと見る
中国DeepSeek、2兆円調達 米国勢を猛追で米AI関連株暴落wwwwwwww 目標額は少なくとも2回引き上げられました。
✨まいど!相場の福の神・藤本誠之です✨ DXからさらに一歩進んだ「製造AX」に注目⚙️ 政府後押しの“AI中心ファクトリー構想”が本格始動です! この中でワタクシ藤本が特に注目したのが👇 🎯サイエンスアーツ <4412>  現場音声×AIで製造現場の効率化を実現! 🎯ピーバンドットコム <3559>  「P板.com」×「GUGEN Hub」でものづくりをつなぐDX推進企業! AIと製造の融合=“製造AX”はこれからの成長テーマ💡 国策と企業の動きがリンクする、この流れ、個人投資家として見逃せませんね! #相場の福の神# #株投資# #個人投資家# #ニュース紹介# #AI関連# #製造AX# #サイエンスアーツ# #ピーバンドットコムDXは新ステージ突入、「製造AX」が描く未来図と関連株# <株探トップ特集> | 特集 - 株探ニュース
もっと見る
💡 ServiceNow, Inc. $NOW Q3 2026決算 2026-10-28 💰 今四半期業績 - 🔴 EPS:$1 (予想$1.02) - 🟢 売上高:$4.11B (予想$4.09B) 📊 重要指標 - 🟢 サブスクリプション売上高:$3.99B (Est. $3.98B) (YoY+21%) - 🟢 cRPO(12カ月以内に収益計上される契約残高):$13.65B (Est. $13.56B) (YoY+20.5%) - 🟢 Non-GAAP営業利益率:32.5% (Est. 31.2%) - 🔴 GAAP営業利益率 / GAAP EPS:9.5% (YoY-7.29pt) / $0.27 (YoY-43.75%) - 🔴 サブスクリプション粗利率:Non-GAAP 80% / GAAP 73.5% (YoY-6.31pt) - 🟢 フリーキャッシュフロー:$822M (FCFマージン20%) (YoY+42.21%) - 🔴 Q4ガイダンス(サブスク売上高 / cRPO成長率):$4.25B (YoY+22.75%) / cRPO YoY+18.5% 📍決算内容の注目ポイント - Q4のcRPO成長率見通しがQ3実績から減速 - 通期サブスク売上高とFCFマージン見通しを上方修正、FCFマージン目標は36% - AI関連ACVの2026年末目標を年初比70%増の$1.7Bへ再引き上げ - 純新規ACV $5M超の大型案件が19件、前年同期比135%超の増加 🤵‍♂️CEO (Bill McDermott) コメント 「今回は単なるビート・アンド・レイズの四半期ではなく、ServiceNowがSuper Intelligence Control Towerとして転換点を迎えた四半期でした。顧客は、エンタープライズのインテリジェンスとセキュリティを束ねる唯一の基盤としての当社の戦略的重要性を認めています。Control Towerは技術的負債を簡素化し、トークンの過剰消費を抑え、かつてないサイバーセキュリティリスクを管理します。だからこそAI導入が加速し、ハイブリッド型ビジネスモデルがRPOを$30Bへと押し上げたのです。エージェント型エンタープライズの最前線にいながら、資本や計算資源の制約がない企業が他にあるでしょうか。」 🤵‍♂️CFO (Gina Mastantuono) コメント 「好調なQ3の結果は、顧客が業務全体でAIを活用し、あらゆるエージェントとアクションを統制し、インテリジェンスを安全で測定可能な成果に変えるうえで、ServiceNowが最適な立場にあることを裏付けています。AI純新規ACVは期待を上回り、年末目標を年初の$1Bから$1.7Bへ今年2度目の引き上げを行うことができました。本番環境におけるエージェント型AIの年初来消費量は前年比13倍超に拡大しています。重要なのは、資本効率の高いモデルでこの機会を捉えている点であり、設備投資を削減し、通期のフリーキャッシュフローマージン目標を100bp引き上げ36%としました。」 🔍 主要ファンダメンタルズ指標 - 時価総額: 155.21B - PER: 93.25 - Forward PER: 36.86 - PEG: 149.20 🎯市場評価 - 株価 (発表前): 📉$149.89 (-3.16%) - 株価 (発表後): 📉$125.52 (-16.26%) - 決算前アナリスト目標株価: $169.7 ($266 ~ $118) B- - 決算総合サプライズ率 (AI推定): 😑-0.47% - 決算後目標株価 (AI推定): $137.35 🤖 決算まとめるくん(AI)コメント 「売上高は市場予想を上回り通期見通しも引き上げられた一方、Non-GAAP EPSが予想に届かず、cRPO(今後12カ月に収益計上される契約残高)の成長率見通しが減速したことから、まちまちの決算と評価します。評価を分けた最大の要因は、将来売上の先行指標であるcRPOの減速見通しです。 AI関連ACV(年間契約額)目標の再引き上げや大型案件の急増は、AIエージェント需要が実需として積み上がりつつあることを示す、継続性の高い好材料です。一方、サブスクリプション原価の急増によりGAAPベースの粗利益率と営業利益率は前年から大きく低下しています。AI処理コストや、Armis、Veza関連の取得に伴う無形資産償却などが収益性を圧迫している可能性があると推測されます。GAAPとNon-GAAPのEPSの乖離も大きく、成長の先行指標の鈍化と利益の質への警戒が、上方修正を打ち消して株価の急落につながったと考えられます。足元の好材料より、これらの懸念がやや重いと判断します。 今後は、cRPO成長率の減速が一時的な要因によるものか、またAI消費の拡大がサブスクリプション粗利益率をどこまで押し下げるかが、次回決算の焦点です。 評価は⚡ポヨ」 🏢 ServiceNow, Inc. 概要 - セクター: 情報技術 - 特徴: IT・人事・顧客サービス・セキュリティ等の業務ワークフローをAIで自動化・統制するエンタープライズ向けクラウドプラットフォーム企業
もっと見る
💡 Nutanix, Inc. $NTNX Q4 FY2026決算 2026-08-26 💰 今四半期業績 - 🟢 EPS:$0.60 (予想$0.49) - 🟢 売上高:$757.1M (予想$738.27M) 📊 重要指標 - 🟢 ARR(年間経常収益):$2.55B (YoY+16%) - 🟢 Non-GAAP営業利益率:26.2% (YoY+790bps) - 🟢 Non-GAAP営業利益:$198.0M (YoY+66%) - 🟢 フリーキャッシュフロー:$277.6M (Est. $198M) (YoY+34%) - 🟢 サブスクリプション売上高:$719.1M (YoY+17%) - 🟢 残存パフォーマンス義務(RPO):$3.44B (YoY+28%) - ⚫️ 平均契約期間:3.3年 (前年同期3.2年) 📊 次四半期ガイダンス - 🟢 売上高:$760M (予想$755.97M) 📊 通年ガイダンス - 🟢 売上高:$3.21B (予想$3.2B) 📍決算内容の注目ポイント - FY2026通年でARRが前年比16%成長の$2.55Bに到達し、3,000社以上の新規顧客を獲得 - Non-GAAP営業利益率が26.2%と前年同期比790bps改善し、収益性が大幅に向上 - FY2027通年のFCFガイダンスを$850M-$950Mと提示し、キャッシュ創出力の持続的強化を示唆 - AMD、Lenovo、NetApp、NVIDIAとの新規・拡大パートナーシップ契約を締結し、AIインフラ基盤を強化 - MCP Server for NCP、Nutanix Enterprise AI (NAI) 2.8、Dell PowerStore対応など、AIおよびハイブリッドクラウド関連の製品イノベーションを加速 🤵‍♂️CEO (Rajiv Ramaswami) コメント 「第4四半期はFY2026の力強い締めくくりとなり、トップラインとボトムラインの両面で堅調な業績を達成し、3,000社以上の新規顧客を獲得しました。FY2026ではパートナーシップにおいて良好な進展があり、AMD、Lenovo、NetApp、NVIDIAとの新規または強化された契約を締結しました。また、特にAIと外部ストレージサポートの拡充に関して、クラウドプラットフォーム全体でイノベーションを推進しました。」 🤵‍♂️CFO (Rukmini Sivaraman) コメント 「FY2026の業績は、前年比16%のARR成長と強力なフリーキャッシュフロー創出により、トップラインとボトムラインのバランスの取れたパフォーマンスを実証しました。持続可能な成長と収益性の改善に引き続き注力してまいります。」 🔍 主要ファンダメンタルズ指標 - 時価総額: 17.68B - PER: 64.11 - Forward PER: 29.66 - PEG: 0.03 🎯市場評価 - 株価 (発表前): 📉$65.41 (-1.55%) - 株価 (発表後): 📈$68 (3.96%) - 決算前アナリスト目標株価: $66.22 ($84 ~ $47) C+ - 決算総合サプライズ率 (AI推定): 😊12.83% - 決算後目標株価 (AI推定): $70.88 🤖 決算まとめるくん(AI)コメント 「Nutanixの2026年度Q4決算は、EPSおよび売上高の双方でアナリスト予想を上回り、全ガイダンス指標でも予想を超過する好決算となりました。 Non-GAAP EPS $0.60はコンセンサス$0.49を約22%上回り、売上高$757.1Mも予想$738.27Mを2.6%上回りました。特筆すべきは、Non-GAAP営業利益率が26.2%と前年同期比790bps改善した点であり、SBC(株式報酬)やリストラ費用を除いた実質的な収益性の大幅な向上を示しています。 ARRは$2.55Bに達し前年比16%成長を維持、サブスクリプションモデルへの移行が着実に進展しています。RPO(残存パフォーマンス義務)が$3.44Bと前年比28%増加しており、将来の売上可視性も高まっています。FCFは$277.6Mと予想$198Mを大幅に上回り、キャッシュ創出力の強さが際立ちます。 FY2027ガイダンスでは、売上高$3.18B-$3.23B(コンセンサス$3.2B付近)、FCF $850M-$950Mと堅実な見通しを提示。Q1ガイダンスの売上高$755M-$765Mもコンセンサスを上回っています。 AMD、NVIDIA等との戦略的パートナーシップ強化やAI関連製品(NAI 2.8、MCP Server)の展開は、エンタープライズAIインフラ市場での競争力を高める要素です。一方、Altman Zスコア2.06やPiotroskiスコア6は財務健全性が改善途上であることを示唆しており、転換社債$1.35Bの負債も留意すべき点です。 決算発表後の時間外取引での株価上昇は、市場がこの好決算を素直に評価したものと考えられます。 評価は📈ポヨ」 🏢 Nutanix, Inc. 概要 - セクター: テクノロジー - 特徴: ハイブリッドクラウドおよびAIインフラストラクチャソフトウェアを提供するエンタープライズ向けプラットフォーム企業 🤘情報提供 Stock Slayer :
もっと見る
GoogleもHBMは自社調達に Mediatekは設計で上手く使って、サプライチェーン管理を強化 メモリメーカーはカスタム化で対抗 米ビッグテック企業がAI投資を拡大する一方で、半導体の調達コストを徹底的に削減する動きを強めており、メモリー半導体大手(サムスン・SKハイニックス・マイクロン)の価格交渉力が試されています。 調達方法の見直しとコスト削減 エヌビディア依存からの脱却と中間マージンの削減に向け、自社開発チップの活用やHBM(広帯域幅メモリー)の直接調達が進んでいます。 グーグルの事例 独自チップ「TPU」の調達先をブロードコム一括委託からメディアテックとの分業・HBM直接購入へ切り替えることで、コストを約半分に抑え、製品寿命中に約500億ドル(約67兆ウォン)削減できると試算されています(差額の76%がHBM関連)。 アンソロピックの事例 データセンターのスペース契約と、高額なAI機器のリース契約を分離し、必要なタイミングまで機器投資を遅らせる手法を採用しています。 切り替えコストの低下 AI自身の活用により、他社製GPUへのソフトウェア移行期間が従来の「半年〜1年」から「わずか3日」に短縮された事例もあり、サプライヤー変更のハードルが下がっています。 背景にある投資負担と需要予測の下方修正 主要IT8社の設備投資額は来年にかけて約75%急増する見込みで、特にメモリー購入費の比重が高まっています。一方で、2028年のAI投資の伸び悩みや、調査会社によるHBM出荷量予測の約30%下方修正など、中長期的な需給緩和と価格下落への警戒感も広がっています。 メモリー大手への影響と今後の鍵 買い手であるビッグテックの交渉力が強まる中、メモリーメーカーが収益性を維持するには、次世代製品(HBM4・HBM4E)において「顧客ごとのカスタム設計技術(電力効率の向上)」と「タイムリーな安定供給能力」で付加価値を示すことが不可欠となっています。
もっと見る
重點解讀台積電的玻璃核心載板投影片 台積電在 6 月 11 日的日本 JPCA Show 2026,進行主題為「AIの進化に不可欠な先端パッケージング技術」的簡報,該份簡報約40頁,當中某張標題為「Glass Substrate Development for CoWoS」的投影片流出,引發廣泛關注。 以下是對該投影片(見附圖)的重點解讀,能網路科普查到的技術細節就不多說了,要注意的是投影片上的 COP 不是 Chip-on-Package 的縮寫,而是 Coplanarity、也就是平整度 / 共面度。 ▌重點結論: 1. 台積電正式宣布與 Ibiden 以及群創合作,開發玻璃核心載板(glass core substrate),結構為玻璃上下各黏合 ABF 的三層結構設計,該技術就是用於 CoPoS 的 oS。 2. 市場低估玻璃核心載板的重要性,該技術對台積電是「must have」,意即 CoPoS 中,oS 的重要性高於 CoP,這也是該技術進行測試時,先搭配既有的 CoW 而非 CoP 的原因。 3. 玻璃核心載板單價較既有 ABF 載板高出數倍,群創加工的玻璃單價非常高,為最核心的材料。除 Nvidia 外,目前已有兩家美系客戶同樣表達高度興趣。 ▌與本投影片相關的產業調查: 1. 本投影片提及的玻璃核心載板由 250x250mm 切割而來,ABF 增層主要採用 Ajinomoto 的 GL107 並混搭 ABF-GCP,以 2027–2028 主流 AI 晶片 ABF 規格的 24-28 層進行測試 2. 台積電實驗時的 CoW 是測試載具(test vehicle),足以驗證採用複合材料時最具挑戰性的機械結構問題。測試結果良好意味著台積電、Ibiden 與群創已合作突破關鍵技術瓶頸。 3. 目前是由 Ibiden 負責切割 250x250mm 的玻璃核心載板。待 2H27 採用 510x515mm 做量產前模擬時,若 Ibiden 仍想降低生產複雜性以維持超高毛利率,可能會改交由更熟悉玻璃特性的群創切割。 ▌流出的投影片內容是將 CoPoS 中的 oS、也就是玻璃核心載板(投影片中的 glass-SBT)與 CoW 搭配的技術驗證結果,這是為解決該投影片前一頁所提到的「Substrate mechanical and electrical Dilemma」,而這顯著凸顯了 CoPoS 中 oS 的重要性。 1. CoPoS 中,CoP 要解決的是生產效率 / 切割經濟性的問題,這與成本與售價有關;而 oS 要解決的是翹曲與耐用性問題,這牽涉到能否做出晶片,以及晶片能否運作。 2. CoP 與 oS 兩者整合相得益彰,但展望未來數年,兩者的技術定位還是有些差異。CoP 是可選的絕佳優化選項(very-nice-to-have),沒有它的代價就是晶片更貴;但 oS 是必需品(must-have), 沒有它可能連能否做出可用晶片都是問題。 3. 比較定位差異不是為了捧 oS 貶 CoP,這牽涉到客戶願意為哪個技術環節付錢的現實問題,細節下面分析。 ▌投影片中含金量最高的是電源完整性(power integrity;PI)改善,這對客戶意義重大,這也代表玻璃核心載板生產穩定後,台積電獲利能力與競爭優勢可望同步提升。 1. 技術說明:玻璃核心載板薄 → TGV(through glass via)垂直導通路徑短 → 導通路徑電阻(R)跟迴路電感(L)同降 → PI 改善 2. 對客戶意義重大原因:PI 改善 → 供電更穩 → 釋出功率餘裕(power headroom)→ 可整合更多電晶體、或拉高運作時脈 → AI 晶片算力提升 3. 對客戶而言,生產效率是台積電的基本責任,客戶不會為此多付錢;但 AI 算力提升能直接轉化為客戶的競爭力與獲利,故客戶願意為此買單。這也是 Nvidia 積極看待玻璃核心載板的原因。 4. 對台積電而言,玻璃核心載板可提升良率並降低成本,同時提高 AI 晶片的算力與售價,既是降本工具,也是漲價籌碼,對獲利與競爭力都是加分。 5. 目前載板成本佔 AI 晶片 BOM 約低個位數,封裝良率造成的損失約載板成本的 5-10 倍,故即便未來玻璃核心載板成本高於目前的數倍以上,但佔 BOM 比重仍低,且可改善封裝良率造成的損失,故預期玻璃核心載板的高單價不會影響客戶採用意願。 ▌簡報後的問答環節,有聽眾提問關於玻璃核心載板的 TGV 細節,台積電當場拒絕回答,因為玻璃核心載板的關鍵技術就是 TGV,核心 know-how 目前掌握在台積電與群創手中。相較下,另一個提問者的問題是關於 IVR、eDTC、與 LSI 的整合,台積電就回答了不少。 ▌根據產業調查,若一切順利,台積電的目標是在 4Q28-1Q29 開始量產玻璃核心載板,以符合 Nvidia AI 晶片迭代節奏。順帶一提,許多人在傳的 Ibiden 的法說投影片,上面將玻璃核心載板時程列為 CY30,我對此的解讀是:對外向來保守謹慎的 Ibiden 將玻璃核心載板正式列為發展路線,這更確定了該技術長期趨勢。但從 Ibiden 投影片的其他細節與市場資訊不完全一致來看,例如 reticle 時程與台積電公開宣稱的差約一個世代、Rubin Ultra 載板尺寸明顯大於其在 CY26-27 標示的 90x90 等,這說明了在預測未來時,需隨時多方交叉驗證。
もっと見る
# ADKの便利で実践的な使い方 🔀 プロンプトだけでエージェントの実行フローを制御するのは不安定になりがちです。ADKのGraph Workflowsなら、ノードとエッジでワークフローを明示的に定義し、AIノードと関数ノードを自在に組み合わせられます! 📌 タイトル:Graph Workflows — ノードとエッジによる明示的なワークフロー定義 🔗 URL: 🧩 概要 Graph Workflowsは、`Workflow`クラスの`edges`パラメータでノードの接続関係を定義し、実行フローを構築する仕組みです。AIエージェントノード、関数ノード、ツールノード、ネストされたWorkflowを混在させることができます。ルーターノードが`Event(route=...)`を返すことで辞書ベースの条件分岐が可能になり、「プロンプトに頼らない予測可能な制御フロー」を実現します。 🛠 使い方 基本的なGraph Workflowの構成です。 `google.adk` から `Workflow` と `Event` をインポートします。ルーター関数 `process_message` は `node_input` の内容に応じて `Event(route="BUG")`、`Event(route="LOGISTICS")`、または `Event(route="CUSTOMER_SUPPORT")` を返します。各ルートに対応する関数(`response_bug`、`response_support`、`response_logistics`)はそれぞれ `Event(output=...)` で応答メッセージを返します。 `Workflow` の `name="support_router"` で、`edges` に2つのタプルを定義します。1つ目は `("START", process_message)` で開始ノードからルーターへ接続し、2つ目は `process_message` の出力を `{"BUG": response_bug, "CUSTOMER_SUPPORT": response_support, "LOGISTICS": response_logistics}` の辞書で各ハンドラーに振り分けます。 順次実行のシンプルなチェーンも定義できます。 `Workflow` の `edges` にタプル `("START", agent1, function1, agent2, function2)` を1つ渡すことで、ノードを順次接続するシンプルなチェーンを定義できます。 🏗 実践的な使い方 **AIフリー関数チェーン + AIノードの混在**: データの前処理や後処理はPython関数で行い、判断が必要な部分だけAIエージェントノードを使います。これによりLLMの呼び出し回数を最小限に抑え、コストと遅延を削減できます。 関数ノード `extract_data` は `json.loads(node_input)` でデータを解析し `Event(output=parsed["content"])` を返します(AI不要)。`LlmAgent` の `analyzer` がデータの分析と要約を行い、関数ノード `format_output` が `Event(output=f"## 分析結果\n{node_input}")` でフォーマットします(AI不要)。 `Workflow` の `name="hybrid_pipeline"` で `edges=[("START", extract_data, analysis_agent, format_output)]` と定義し、関数ノードとAIノードを混在させたハイブリッドパイプラインを構築します。 **カスタマーサポートの自動振り分け**: 問い合わせ内容をルーター関数で分類し、適切な対応エージェントに振り分けます。分類ロジックがコードで明示されているため、動作の予測と検証が容易です。 💡 ユースケース 📨 問い合わせの自動分類・振り分け(バグ/サポート/配送) 🔧 前処理(関数)→ 分析(AI)→ 後処理(関数)のハイブリッドパイプライン 🏭 ETLパイプラインのAI組み込み(抽出は関数、変換にAIを活用) 🔀 ルーティングロジックの明示化によるテスタビリティ向上 ⚠️ 注意点 - ライブストリーミング機能はGraph Workflowsと互換性がありません。 - 一部のサードパーティ連携はGraph Workflowsをサポートしていない場合があります。 - ルーターの辞書にないrouteキーが返された場合のエラーハンドリングを考慮してください。 - ノードは1回の実行で1つの`Event.output`のみを出力できます。 ✨ Graph Workflowsは、AIノードと関数ノードをノードとエッジで明示的に結合し、プロンプトだけに頼らない予測可能なエージェントパイプラインを構築します。コスト効率と信頼性を両立したい場面でぜひ活用してください! #ADK# #AIAgent#
もっと見る