AI業界の発展と政策動向

Alphabet（GOOGL）株価は過去1年で約160%上昇し、Q1 2026の決算後、アナリストはこの上昇幅を、GoogleがAIのフルスタック（full stack）における競争上のポジショニングを築いたことに結び付けた。CNBC 報道の要約：AlphabetのQ1 合算売上高は前年同期比22%増の1,099億ドル、純利益は81%増の626億ドルと大幅増；Google Cloudの売上高は前年同期比63%増の200億ドルで、同社が初めてこの水準を突破した；クラウドのバックログは、連続四半期比でほぼ倍増の4,620億ドル。Alphabetは先週の取引終了後に一時的にNVIDIA（輝達）を上回り、時価総額最大の企業になった。 「AIの全スタックを持つ」ことの具体的な中身：チップ、モデル、クラウド、ソフトウェア AlphabetのAI全スタックは次の層をカバー： チップ：自社のTPU（Tensor Processing Unit）シリーズで、輝達GPUへの依存を低減 大規模言語モデル：Geminiシリーズで、OpenAIやAnthropicと直接競合 クラウド基盤：Google Clou

スタンフォードのデジタル経済実験室研究員コナチャー・マーフィーは、5月9日に新しいAI評価環境「Agent Island」を公開し、AIエージェントがSurvivor（生存者）風の多人ゲームで互いに競い合い、結託し、裏切り、投票で脱落させることで、静的なベンチマークでは捉えにくい戦略的な行動を測定できるようにした。Decryptの報道を整理すると、従来のAIベンチマークはますます信頼できなくなっている—モデルは最終的に問題の解き方を学習し、ベンチマークのデータも訓練セットに漏れやすい。Agent Islandは「動的トーナメント（淘汰戦）」の設計に切り替え、モデルは他のAgentに対して戦略的な意思決定を行わなければならず、記憶に頼って事前の答えを当てるだけでは突破できない。 Agent Islandのルール：Agentは互いに結託し、裏切り、投票する Agent Islandの中核となるゲームメカニズム： 複数のAI Agentが同一のゲーム場に入り、Survivor風の選手として振る舞う Agentは他のAgentと交渉して結託し、互いに情報を交換しなければならない その過程で他人

Gelonghuiによると、Nvidiaの株式投資は、5月9日時点で2026年において4,000億ドルを超えた。投資はAI分野における上流・下流の企業にまたがり、チップ製造からAIモデルの開発までを結ぶ統合されたエコシステムを形成している。業界の観測者は、この投資戦略によってNvidiaは下流の顧客を確保しつつ、同社のハードウェア需要のパイプラインを強化できると指摘している。

5月9日の公式発表によると、QuantraとFishWarは、AIを活用したゲーム体験と現実世界の資産ブロックチェーン基盤を組み合わせるための戦略的パートナーシップを発表しました。両社の公式ソーシャルメディアで共有されたこのコラボレーションは、QuantraのRWAトークン化ソリューションを、Sei Network上でFishWarのGameFiプラットフォームと統合することを目指しています。この提携は、Web3のゲームエコシステムにおける透明性や運用効率といった技術的課題に取り組みつつ、ブロックチェーンゲームのスケーラビリティ、オンチェーンでの相互作用、デジタル資産の統合を強化することを目的としています。

フォーチュンによれば、OpenAIのCEOサム・アルトマンは5月10日に、ChatGPTの利用者が年齢層によって異なる利用パターンを示していると明らかにした。高齢のユーザーはこのプラットフォームをGoogle検索の代替として扱う一方、20代・30代のユーザーはそれをパーソナルな助言者として使っている。大学の学生はそれを毎日のOSのように活用し、会話の記憶を使って感情面の助言、キャリア交渉、医療相談、そして人生の重要な意思決定を行っている。18〜24歳のアメリカ人の3分の1以上がChatGPTを頻繁に利用している。

ChainCatcherによると、Baseのx402プロトコルの支払い総額は2026年Q1において1億ドル超に達しました。オンチェーンAIエージェントのステーブルコイン取引の90%以上はBaseネットワークで発生しました。

ChainCatcherによると、香港の財政長官ポール・チャンは最近、広東・香港・マカオ大湾区の3つの中核的な強みについて述べた書面による声明を発表した。それは、最先端のAI研究、高水準の製造業に関する完全なサプライチェーン、そして国際的な金融ハブである。チャンは、この「AI + 製造 + 金融」の組み合わせにより、香港は第15次5カ年計画期間中に2つの重要な役割を担うことで位置づけられると述べた。すなわち、産業の調整と規制面での橋渡しであり、「新興産業のための国際的なインターフェース」として機能すること、さらに「国内と国際の基準の間の交流と転換のためのプラットフォーム」として機能することが含まれる。

企業のAI資料最適化の新ツール「Blockify」。5月9日、akshay\pachaarが整理し、宣伝・普及に努めている。同社はRAG（Retrieval-Augmented Generation）のプロセスにおいて、企業のデータベースを40倍圧縮し、クエリtoken消費量を3倍削減し、ベクトル検索の精度を2.3倍向上できると主張している。 Blockify公式GitHubの説明：製品はIternal Technologiesによって提供され、「IdeaBlock」構造化知識ユニットによって従来のchunkingを置き換える。さらに重複排除と統合により、知識ベースを簡潔・一貫・統治可能に保つ。 コア概念：IdeaBlockで従来のchunkingを置き換える Blockifyの技術設計： 従来のやり方：長文書を固定サイズのchunkに分割し、埋め込みベクトルを作成し、検索時はtop-kを取得する Blockifyのやり方：元の内容をIdeaBlock—XMLの構造化知識ユニットへ変換する 各IdeaBlockには以下が含まれる：自前の質問、信頼できる回答、タグ、エンティティ、キーワー

中国語のAI観察者のxiaohuは5月10日に、GPTとGemini 3.1 Proを組み合わせたワークフローの実例を共有した。まずGPTで画像を生成し、その後Gemini 3.1 Proで画像を3Dのインタラクティブなコンテンツへ変換する。この仕組みなら、あらゆる知識テーマを回転でき、操作できる科学アプリケーションにできる。xiaohuの投稿で紹介された例には3D惑星のデモやインタラクティブな科学モデルなどが含まれ、「クロスモデルのワークフロー」（multi-model workflow）の具体的な実践となっている。 ワークフローの構造：GPTで画像生成 → Gemini 3.1 Proで3D化 ワークフロー全体の2段階設計： 段階1：GPT（GPT-image-1 またはChatGPT内蔵の画像生成）でテーマ画像を作り、視覚的な土台を用意する 段階2：画像をGemini 3.1 Proに入力し、Geminiが2D画像を3Dのインタラクティブコンテンツへ変換する 出力形式：ブラウザ内で回転・ズーム・操作ができる3Dオブジェクト 適用シーン：科学教育、プロダクト展示、知識のインタラクテ

2025 年の通年、AIエンジニアのコミュニティは「MCP vs CLI」のどちらがエージェントのツール呼び出しにより適しているかという問題で議論が止まらず、Anthropic が2025年11月に発表した「Code execution with MCP」論文は、第一原則からその問題設定そのものを再定義した。akshay\pachaar が5/10に整理したスレッドの説明：問題はそもそも「協議そのもの」ではなく、「セッション開始時にすべてのツールの説明を context に詰め込む」古い習慣にある。Anthropic の解決策は、モデルにコードを書かせてツールを呼び出し、実行時（runtime）がツールの詳細管理を担当することだ。新しい方式は「Code Mode」と呼ばれる。 旧方式の問題：150K tokens のうちモデルが実際に使うのは大部分ではない 旧 MCP モードの無駄な構造： Playwright MCP：13.7K tokens（1回で全部詰め込み） Chrome DevTools MCP：18K tokens 5 個の server 設定：まだ動き始めてもいないのに

ChainCatcherがGolden Dataの引用として伝えているところによると、ByteDanceは、メモリーチップのコスト上昇と人工知能開発の加速を背景に、今年AIインフラへの支出を25%増やして2000億人民元にする計画だ。

Odailyによると、中国のA株上場企業である天陽科技は、60か月のロックアップ期間を設けた上で、計算能力サービス事業に向けて350億〜400億人民元を投資するための契約に署名したと発表した。 同社の事業領域は、人工知能、ブロックチェーン、フィンテックのソリューションに及び、金融分野のデジタルトランスフォーメーションに対応している。

Odailyによると、エンタープライズ向けAIプラットフォームのPitは、a16zが主導し、LakestarとOpenAI、Anthropic、Google、Deel、Revolutの幹部が参加した総額$16 millionの資金調達ラウンドの完了を発表した。Pitは自社を「サービスとしてのAIプロダクトチーム」と位置付け、従来のスプレッドシートや硬直したSaaSシステムを置き換えることを目指している。

Garry Tan は近日、長文《Meta-Meta-Prompting: The Secret to Making AI Agents Work》を公開し、自身が AI agent 駆動の「セカンド・ブレイン・システム」をどのように構築したのかを詳しく明かした。彼は、過去5か月間に AI によって自分が再び builder に戻り、さらには Y Combinator のエグゼクティブ・ディレクターとしての日常の仕事のやり方まで徹底的に変わったと述べている。 YC エグゼクティブ：未来は compound AI systems を作る人のものだ Garry Tan は、多くの人が依然として AI をチャット画面として使っている一方で、真のチャンスは AI を「作業用OS（operating system）」として捉えることにあると考えている。それは、継続的に記憶し、蓄積し、更新し、個人の知識、会議、読書、ワークフローをつなぎ合わせることができるシステムだ。彼はさらに次のように断言している。「未来は、大企業の集中型 AI ツールをただ使う人ではなく、compound AI systems

UXLINKの5月9日の発表によると、同プラットフォームはHaven AIと提携し、自然言語の指示を自動化されたクロスチェーンDeFi戦略へ変換できるAIエージェントを導入しました。この連携は、イールド生成をより簡単にし、SocialFiエコシステムに参加するWeb3ユーザーの技術的な障壁を減らすことを目的としています。Haven AIのAIエージェント（OpenClawを含む）により、ユーザーは複雑なコーディングを求められる代わりに、平易な言葉で投資目標を定義でき、その後それらの目的を複数のブロックチェーンネットワークにまたがって自動的に実行します。

朝鮮日報によると、Googleは採用試験を試験的に導入しており、米国のソフトウェアエンジニア候補者が、選ばれた初級および中級の職種においてAIツールを使用できるようにしている。この試験には、応募者が既存のコードを読み解き、バグを修正し、パフォーマンスを改善するコード理解タスクが含まれている。面接官は、候補者がAIにどのように指示するか、その出力を確認するか、結果を編集するか、そしてコードをデバッグするかを評価し、コードを最初から書く能力だけを見て判断するのではない。

Beatingが監視しているOpenAIの公式発表によると、同社は開発者向けのセルフサービス型ファインチューニングAPIを即時に提供終了するとしています。新規ユーザーはこれ以上ファインチューニングのタスクを作成できず、既存のアクティブユーザーは2027年1月6日までサービスにアクセスできます。デプロイされたファインチューニング済みモデルの推論サービスは、ベースモデルのライフサイクルに紐づけられており、ベースモデルが退役すると停止します。 OpenAIは、GPT-5.5のような同社の新しいベースモデルは、指示とフォーマットに従う点で十分に強力になったと述べています。同社は、ファインチューニングと比べて、プロンプトエンジニアリングとRetrieval-Augmented Generation（RAG）を組み合わせることで、より安価で、より高速で、ほとんどのユースケースに対して十分だとしています。

Sakana AI と Nvidia は、H100 GPU が大規模言語モデルにおいて精度を損なうことなく不正確な計算の 80% をスキップできるようにする疎データ形式の TwELL をオープンソース化しました。この解決策は、H100 上で推論を最大 30% 高速化し、学習を 24% 高速化するとともに、ピーク時のメモリ使用量を削減します。1.50 億パラメータのモデルでのテストでは、この手法により学習中の軽量な正則化によってアクティブなニューロンが 2% 未満に抑えられ、7 つの下流タスクすべてで性能の低下は見られませんでした。

Beatingによると、Microsoftは最近、コンピューター画面上でAIがどこをクリックすべきかという問題を解決するために設計されたPhi-Groundモデルファミリーをオープンソース化しました。4 billionパラメータ版は、指示の計画のためのより大きな言語モデルと組み合わせることで、ShowdownベンチマークにおいてOpenAI OperatorやClaude Computer Useのクリック精度を上回り、ScreenSpot-Proを含む5つの評価のすべてで、サブ100-billion-parameterの全モデルの中で1位にランクインしました。 チームは40 million以上のデータサンプルで学習を行い、学術論文で用いられている3つの一般的な学習手法が、大規模化すると効果がなくなることを見出しました。主要なアプローチはシンプルでした。座標を通常の数値として出力することで、「523, 417」のようにします。これまでの研究では、座標のための専用の位置語彙が考案されていましたが、これはスケールしませんでした。さらにチームは、画像の前にテキストの指示を置くと性能が向上する

Tilde Researchによると、DeepSeek V4やKimi K2.5を含む主要なAIモデルが採用しているMuonオプティマイザには隠れた欠陥があります。それは、初期トレーニングの間にMLP層のニューロンのうち25%以上が永久に死んでしまうことを引き起こすというものです。チームは代替オプティマイザであるAuroraを設計し、オープンソース化しました。1.1Bパラメータのモデルは、わずか100Bトークンだけで学習し、HellaSwagやWinograndeのような言語理解ベンチマークにおいて、36Tトークンで学習したQwen3-1.7Bと同等の性能を達成し、データ効率が約100倍向上したことを示しています。AuroraはMuonと比べて計算オーバーヘッドが6%増えるだけで、直接の置き換えとして利用できます。