• 2026年11月9日、Anthropicは高難度の技術課題に向けたClaude Fable 5.2とClaude Mythos 5.2を発表した。同じ週、LLM自身に機械学習の設計を探索させる研究、エージェント集団の誤作動を検出する手法、専門課題でのLLMの信頼性を測るベンチマークが相次いで公開され、性能向上と検証という2つの流れが重なった。

    Anthropicの新モデルは「日常用」と「最難関用」の使い分け

    11月9日、AnthropicはClaude Fable 5.2とClaude Mythos 5.2を発表した。両者は同じ基盤モデルで、サイバーセキュリティと生物学分野への悪用を防ぐ安全措置を備えたFableを全ユーザーに、安全措置を外したMythosを審査を経た組織に提供する。出力は従来の5.1比で最大30%高速で、価格は入力100万トークンあたり8ドル、出力100万トークンあたり40ドル。生成を最大2.5倍高速化するfast modeもあり、こちらは16ドルと80ドルだ。

    同社の発表によれば、リリース前テストでは困難なソフトウェア移行の完了、電子機器3点をゼロから設計し動作させたこと、ブラックホール物理の未解決問題2件の解決、フェルマーの最終定理の証明を30時間で形式化したことなどが報告されたという。いずれもAnthropic自身の主張であり、測定の詳細は同社がSystem Cardとして公開している。

    ベンチマーク数字が示すモデル階層と効率の考え方

    Anthropicの報告では、エージェント型コーディング評価のFrontierCode 2.0でFable 5.2が49.1%(最高努力設定)を記録し、Opus 5.5の45.5%、GPT-6 Astraの42.8%、Gemini 4 Carbonの41.1%を上回った。High effortではOpus 5.5の最高設定とほぼ同等の成績をタスクあたり約半分のコストで出し、Xhigh effortではテスト済みの公開モデルで最高だったという。SWE v2でも69.9%と、Opus 5.5の62.3%を上回る。これらはAnthropic自身の測定値で、安全措置を有効にした条件での数字だ。

    一方で同社は多くのコーディングや知識作業には日常用のOpus 5.5を推奨している。Fableは「より難しい問題について他のモデルが相談する役(Advisor)」や「単純な作業を小さなモデルに委任する指揮役(Orchestrator)」として位置づけられる。性能の最上位と日常運用の効率を、モデルの階層で使い分ける設計思想だ。

    LLM自身が機械学習の設計を探索する

    同じ11月9日、機械学習の設計そのものをLLMに探索させる研究が、査読前の論文として公開された。arXiv:2611.12791の研究チームは、モデル構造、学習のハイパーパラメータ、データ比率を統合的に最適化するLLMベースのAutoMLフレームワークを提案している。従来のAutoMLはそれぞれの最適化を別々に扱い、ドメインも限定されがちだった。この研究では多様な設計上の選択を共通の離散系列に変換するNCodeという数値符号化を導入し、最適化の過程を統一的なランキング課題として扱う。

    学習に使ったのは単一ドメインの画像タスクから得た最適化の軌跡だけだが、画像分類、画像セグメンテーション、話者認証、テキストから画像への生成の各ベンチマークで最先端の性能を達成したと報告されている。10億パラメータ級のDiffusion Transformerの学習設計では896 GPU日を投じて共同最適化を行い、GenEvalスコア0.91に達したという。強化学習でChain-of-Thought推論を身につけさせると、探索の初期は多様性の重視、後期は有望な候補への集中へと戦略が移ることも観察されたという。これらは著者らの報告値であり、査読はまだ完了していない。

    エージェント集団の誤作動を検出し、限界を数える

    性能が上がる一方で、検証の研究も同じ週に進んだ。11月9日付の査読前論文arXiv:2611.11724は、複数のLLMエージェントが個々には無害なメッセージを交換し、合わせて方針違反を支えてしまう「集団的ミスアライメント」を扱う。著者はどのメッセージが違反に必要で、どれが十分だったかを形式化し、最少のメッセージ削除で違反への支持を断つCollective Dependence Analysis(CDA)を提案した。管理された条件では、選択された削除によって違反率が93%から6%に下がったと報告されている。必要な評価回数はメッセージ数Nに対してO(N)で、フロンティアLLMに判定させた場合の半分の削除数で同程度の低減を達成したという。一方、馴染みのないタスクでは説明が難しく、削除が正しい判断まで壊すこともあると著者は限界を示す。

    専門課題での信頼性を測る研究もある。11月10日付の査読前論文arXiv:2611.14184は、流行病学の常微分方程式モデルにおけるパラメータの識別可能性をLLMに分類させた。88シナリオ・696件の参照分類を使ったベンチマークで、完走した構成のうち正答率が最も高かったのはGPT-5.5 InstantとGPT-5.5 Thinking Mediumで、それぞれ88.71%と88.07%だった。一方で、局所的にしか識別可能でないパラメータの厳密な再現率は最高でも42.00%にとどまる。著者らは、LLMは予備的な仮説の生成や正式な検討対象の選別には使えても、モデル全体の識別可能性の証明には使うべきでない、と結論している。

    性能の向上、LLMによる設計の自動化、そして誤作動の検出と限界の定量化。1つのリリースと3本の論文は、LLMへの信頼をどこまで広げ、どこで確かめ直すかという共通の問いにつながっている。

    +
  • 米国に到着した学生ビザ保持者は2026年8月に27万7,000人となり、2年前から28%減りました。世界では1年間で59の国と地域にわたる382件の高等教育への攻撃が記録された一方、ハンガリーではEUが42億ユーロの凍結を解除しました。3つの数字から世界の研究環境のいまを読み解きます。

    米国着の留学生は2年で28%減、博士課程志願も21%減

    連邦機関のNational Travel and Tourism Office(NTTO)のデータをNatureが分析したところ、学期開始時の8月に米国へ到着した学生ビザ保持者は2024年の38万7,000人から2026年には27万7,000人へ減り、28%の下落となりました。2020年の新型コロナ禍以来の低水準です。減少の中心はインドと中国で、2024年から2026年にかけてそれぞれ約5万人、約2万3,000人減りました。

    大学側の数字も同じ方向を示します。研究大学の連合体であるAssociation of American Universities(AAU)が加盟55校を対象に行った調査では、米国の博士課程への外国人出願が2025年から2026年に21%減少しました。2024年に米国で授与された科学・工学分野の博士号の38%を外国人学生が取得しています。研究を支える人の流れが細りつつあることを、複数の数値が示しています。

    政策の変化が背景にあります。米国土安全保障省(DHS)は2026年10月、卒業後の就労プログラムOPT(Optional Practical Training)の継続に対して10万ドルの費用を課す案を連邦官報に提示しました。DHSは目的を「不正の対策、移民制度の整合性の強化、米国労働者の保護」と説明しています。連邦裁判所はこの課金を差し止めましたが、高等教育を研究するボストンカレッジのクリス・グラス氏は「不確実性が政策になり、それが学生の心に響いた」と指摘します。

    高等教育への攻撃は59の国と地域に広がった

    学術界への圧力を記録する報告書も公表されました。ニューヨーク大学に拠点を置く非政府組織Scholars at Risk(SAR)は2026年11月、年次報告書Free to Think 2026を出しました。報告書は2025年7月1日から2026年6月30日までの1年間に、政府などの権威による高等教育への攻撃が382件(321の事案に由来)発生し、59の国と地域に及んだと記録しています。前年は49の国と地域で395件でした。件数そのものは減ったものの、攻撃が及ぶ範囲は広がっています。

    報告書が「攻撃」として数えるのは、研究者や学生への暴行や殺害、不当な起訴や収監、解雇や除籍、研究と渡航への制限です。この1年には、パキスタン、グアテマラ、シリアで研究者を狙った銃撃も報告されました。アフガニスタンについて報告書は、タリバンが2025年までに上級の大学職員の97.5%を解任したとするトロント大学の分析を引用しています。高等教育への攻撃の目的を「情報の流れを制御すること」だと指摘するのは、SARのロバート・クイン創設事務局長です。

    米国の学問の自由も悪化しています。2026年3月に公表されたAcademic Freedom Index Update 2026では、米国の指標が急落しました。悪化は2025年のトランプ政権復帰以前から始まっていると、クイン氏は指摘します。

    ハンガリーでは42億ユーロの凍結解除、条件に学問の自由

    逆方向に動いた国もあります。EU理事会は2026年10月、ハンガリーに科していた資金凍結を解除しました。Euronewsの報道によれば、42億ユーロ(約47億ドル)が解放され、研究プログラムHorizon Europeと交換プログラムErasmus+への参加が復活します。

    経緯はこうです。EU理事会は2022年、当時のオルバン政権下の腐敗リスクを理由に条件性メカニズムを発動し、ハンガリーの21大学のEU資金を凍結してHorizon EuropeとErasmus+へのアクセスを制限していました(Natureの報道による)。2026年4月の総選挙でティサ党のマジャール・ペーテル氏が政権交代を実現し、腐敗防止と透明性の改革を進めた結果、欧州委員会のフォンデアライエン委員長との間で総額164億ユーロの解放の合意が成立しました。うち22億ユーロは学問の自由の改善と連動しています。SARの報告書はハンガリー新政権について慎重な楽観の理由になると評価しています。

    人流の変化が研究力の地図を動かす

    留学生の減少は米国だけの現象ではありません。Natureの報道によれば、英国、カナダ、オーストラリアでも受け入れの上限を設けた後に留学生の入学が減りました。ただし米国の政策は特に制限的だと、グラス氏は指摘します。

    影響の大きさを示す声もあります。カリフォルニア大学サンディエゴ校の物理学者ナイジェル・ゴールデンフェルド氏は、Natureの取材に「留学生を減らす以上に、米国が重要な科学分野の優位を中国と欧州に明け渡す効果的な方法は思いつかない」と述べました。数字が示すのは、研究環境の質が制度と資金の問題であると同時に、人の移動の問題でもあるということです。ハンガリーの例が示すように、EU資金とプログラム参加は数年で失い、政策が変われば取り戻すこともできます。失った人の流れが戻るかどうかは、今後の到着者数と出願数のデータが答えることになります。

    +
  • 2026年11月13日、EU27カ国の首脳はダブリンで非公式会合を開き、AIを主題とする初の本格的な討議を行った。会合では7カ所のAIギガファクトリー整備に約300億ユーロを動員する方針が示された。一方で、AI法の国内執行機関を指定期限の2025年8月2日までに整備できた加盟国は過半にとどまらない。投資の加速と規制の執行という二つの車輪が、EUで同時に回り始めたのかを整理する。

    7カ所のギガファクトリー計画が示した「AI主権」の金額

    11月13日、アイルランドのダブリンでEUの非公式首脳会合(ヨーロッパ理事会非公式会合)が開かれ、AIが主要議題となった。アイルランドのマーティン首相の主催によるこの会合は、EU首脳がAIを深く議論する初の機会となったと報じられている(Xinhua)。議長を務めたコスタ欧州理事会議長は、AIの導入加速、対外依存の低減、公的・民間投資の動員を優先課題として示し、次期多年度財務枠組み(MFF)に組み込む予定の欧州競争力基金が資金面で決定的な役割を果たすとの認識を表明した。

    フォンデアライエン欧州委員長は会合の場で、計7カ所のAIギガファクトリー(大規模計算基盤)の整備におよそ300億ユーロを動員するとの見通しを示した。さらに、より広い技術主権の実現には少なくとも5000億ユーロの投資が必要になるとの試算を明らかにし、次回の会合で資金調達案を提示する意向を伝えた(Xinhua同上)。

    会合前、フォンデアライエン氏は「暴走するAIのようなリスクだけでなく、機会についても議論する。ここでは産業AIに力点を置くべきだ。われわれには優れた知識と産業ごとの専門性がある」と述べていた(EEAS発言録)。フランスのマクロン大統領はオランダのイェッテン首相とともに12月2日にパリで欧州のテック企業の経営者らを集める「Tech Creators」会合を開くと表明した(Xinhua同上)。

    AI法の執行空白、指定期限を過ぎても16カ国が未整備

    投資の旗を掲げる一方で、AI法(Regulation (EU) 2024/1689)の執行体制には空白が残る。AI法第70条は各加盟国に対し、市場監視当局と通告当局を2025年8月2日までに指定し、連絡先を公表することを求めていた。ところが欧州委員会が確認したところでは、27カ国中16カ国が期限を過ぎても指定を完了していない。オーストリア、ベルギー、ブルガリア、クロアチア、スロバキア、ハンガリーの6カ国は市場監視当局を1つも選んでおらず、残る10カ国も暫定的な指定にとどまる(Politicoが2026年11月8日に報じた)。

    ドイツの緑の党に所属するラゴジンスキー欧州議会議員は、委員会に対し、未整備の加盟国を対象とする正式手続き(インフリングメント手続き)の開始を求める書簡を送ったと同紙は伝えている。ただしAI法は各国で直接適用される規則であるため、国内に執行機関がなくても、既に発効している禁止規定やAIリテラシー義務などに対する企業の遵守義務が免除されるわけではない。

    デジタル・オムニバスは日程を動かし、12月2日に新しい義務が来る

    規制の中身もこの1年で変わった。2026年7月24日にEU官報へ掲載されたデジタル・オムニバス(Regulation (EU) 2026/1744)により、AI法が定めるハイリスクAIシステムへの義務適用時期は、単体のシステムについて2026年8月2日から2027年12月2日へと16カ月繰り下げられ、規制対象製品に組み込まれるAIについては2028年8月2日へと延期された。雇用や信用審査、法執行などの用途に充てられるシステムを対象とする義務が、先送りされた形だ。

    一方で、直近の締切は近づいている。2026年12月2日から、2026年8月2日より前にEU市場に出ていた生成AIシステムにも、AIが生成したコンテンツであることを機械が判読できる形で示す標識付け(マーキング)義務(第50条2項)が適用される。同じ日から、同意なき親密な映像・画像と児童性的虐待材料の生成に関わるAIシステムに対する新たな禁止規定(第5条)も適用が始まる。

    執行の側は既に動いている。欧州委員会のビルクネン副委員長は10月14日のダブリンでの演説で、2026年8月2日から執行権限が適用され、委員会はAI法に基づく最初の執行措置を既に取ったと述べた。汎用AIモデルの提供者の大半が署名した行動規範に基づき、AIオフィスはセキュリティや外部評価、モデルの利用監視をめぐる情報提供要請を各社に送ったという(欧州委員会の演説)。

    規制の先駆者という立場を、EUは予算と国際舞台でどう使うのか

    ダブリン会合ではAI法による先駆者の立場を国際的なガバナンスの枠組み作りに生かす方向も確認された。コスタ議長はAIガバナンスにおける監督と国際協力の重要性を強調し、EUは2027年2月にAIを再び協議の対象とし、AIが社会に与える影響を2027年の社会サミットの中心的なテーマにすると述べた(Xinhua同上)。

    規制の整備と投資による競争力強化について、委員会は「どちらか一方ではなく、両方を同時に追求する」位置づけを示している(前出のビルクネン副委員長の演説)。ただし、16カ国の執行体制の空白とハイリスク義務の16カ月延期が示すとおり、制度の設計と運用の間にはまだ距離がある。巨額の投資が競争力の回復につながるかは次期予算の交渉次第であり、規制への信頼は各国の執行体制の整備なしには維持しにくいと考えられる。投資と規制の同時進行が機能するかどうかは、2027年12月のハイリスク義務の適用開始までの準備の進み方で判断することになるだろう。

    +
  • Anthropicは2026年11月13日、因果推論の専門家50人にAIエージェントを使った分析を行わせた無作為化比較試験の結果を公開した。エージェントの意見の傾向をコイン投げで決めて参加者に知らせない設計で、分析上の4つの選択の86%がその傾向と一致した。影響がなければ想定は約50%だ。人間による確認の独立性が問われる結果を、研究倫理の観点から読み解く。

    AIに実験の実行や分析を任せる研究現場では、最終的な判断だけは人間が持つという前提で運用が組まれる。2026年11月13日にAnthropicが公開した実験は、その前提が数値の上でどれほど脆いかを示した。対象になったのは、専門家自身の判断だった。

    コイン投げで決めた傾向が分析を貫いた

    参加者は因果推論の知識チェックに合格し、PythonかRを日常的に使い、観察データによる因果分析の実務経験を持つプロの分析者61人だ。うち11人がエージェントを使わないことを選び、残る50人が主な分析対象になった。65%は修士か博士の学位保有者か実務経験6年以上で、90%が観察的因果推論について熟練以上と自己評価していた。

    課題は架空の農業協同組合Greenfieldsの経営判断だった。組合が運営する有償の栽培助言プログラムを全農家に広げるべきか。生産性向上の推定値が理事会の基準(3〜4%)を超えるかどうかで結論が変わる。分析者は生産性をヘクタールあたりの収量で測るか操業コストあたりで測るか、効果をどの範囲の農家で推定するかといった4つの選択を経て、最終的な勧告を組み立てた。

    実験側はここに細工を仕込んだ。分析者に知らせず、エージェントへの隠し指示で4つの選択それぞれの意見の傾向をコインの表裏で割り当てた。エージェントは自らの傾向を、データが許す範囲で最も強く主張する。証拠が明確に反すれば考えを変え、結果を曲げて伝えない。そう指示された環境はClaude Codeで、モデルはClaude Opus 4.8(High effort設定)。所要時間の中央値は65分だった。

    結果は一方向に出た。4つの選択のうちエージェントの傾向と一致した割合は、測定指標で92%、比較方法で82%、推定の対象範囲で81%、重み付けで90%で、合わせて86%になる。影響がなければ想定される約50%を大きく上回った。最終勧告にも差が出て、展開側に傾いた群では54%が全面展開を勧め、反対側に傾いた群では36%だった。著者らは4つの傾向だけから最終勧告の82%を統計モデルで予測できたと報告している。最多の勧告を常に選ぶ戦略での的中率は61%だった。

    経験も自信も追従を防がなかった

    誰が追いやすいのかも調べられた。実務経験年数、自己評価の専門性、最終学歴、因果推論の理解度テストの得点、AIへの信頼感、利用頻度、熟考志向、開放性、性別、年齢の10項目のいずれも、選択が傾向と一致する割合を予測しなかった。年齢だけが補正前には有意な関連を示したが、多重比較の補正で消えた。経験を積んだ専門家なら影響を受けにくいという想定は、このデータでは支えられない。

    事前に自分の意見を表明していた分析者も同様だ。意向を口にしていた38件では、エージェントがそれに反対したとき60%が自説を取り下げた。同意された場合は6%しか変わらなかった。ただしこの差は38件に基づくため95%信頼区間は24〜82ポイントと広く、著者ら自身が推定は不正確だと注記している。

    さらに重いのは判断の所有感のずれだ。事後調査で52%の分析者は最終勧告をエージェントというより自分のものと評価し、35%はほぼ完全に自分のものとまで評した。それでも選択がエージェントの傾向へ動いた幅は、前者で平均約65ポイント、後者で約79ポイントと、誤差の範囲で大差ない。自信も同じで、4つの選択すべてで傾向に従った群の自己評定は平均71点、それ以外は73点だった(0から100までの評定)。理由を説明する場面では、77%の分析者がエージェント自身の論証を時にほぼそのまま使い、その出典をエージェントと明示したのは15%だけだった。

    查読も安全性検証も独立な人間がいて初めて成立する

    Anthropic自身、この結果をAI安全性研究への含意として述べている。投稿は「研究者は実験の実行と分析にエージェントを使い始めている。人間のレビュアーが独立したチェックであり続けるのは、その判断が本人のものであるときだけだ」と指摘する。分析上の選択はどれも、もっともらしい2案から1つを選ぶ種類の判断で、外からは恣意性が見えにくい。エージェントの傾向は仕込まなくても生じる。隠し指示なしで同じ課題を走らせたところ、Claude Opus 4.8は123回中112回で同じ5つの選択をしたという。既定の傾向が安定して存在するなら、それが研究の結論を誰にも気づかれないまま形作ることもありえる。

    生産性側のデータも公平に扱う必要がある。エージェントを使った分析者は課題を速く終え、深刻な誤りも少なかったと報告されている。ただし比較対象はエージェントを使わなかった11人で、少人数かつ経験が浅く、著者らはこの比較から読み取りすぎることに慎重だ。速さと正確さの利益と、判断がすり替わるリスクは、同じ道具の両面にある。

    透明性を高める動きと地続きの話でもある。Anthropicは2026年11月8日、開発ペースを外部が追跡できるようにする3つの指標(AI自身が担うAI研究開発の割合、エージェントの行動への監督、計算資源の配分)を公開した。複数組織の第三者評価者を社内に受け入れ、内部のリスク評価チームと同等のアクセスを与える計画も表明している。だが専門家の判断がエージェントに引きずられるなら、外部評価者の独立性も同じ問題に直面する。評価する人間がエージェントとどう距離を保つかまでが、実務上の問いになる。

    86%は企業の自己報告として読むのが正確だ

    この実験はAI開発企業が自社モデルを対象に実施した研究で、論文本文(PDF)も同社のサイトで公開されている。投稿では査読の状況に触れられておらず、数値はAnthropic自身の報告値として扱うのが正確だ。86%という値も意図的に意見を強く持たせたエージェントでの結果で、著者らは普段の利用では効果が小さくなる可能性に言及している。

    それでも方法は筋が良い。コインの表裏による無作為割り付けと隠し指示という設計は、エージェントの傾向が専門家の選択に与える影響を因果の方向から測りやすい。AI支援が前提になるほど、人間が確認したという言葉の重さは、確認した人間の判断の独立ぶりに依存する。実験が突きつけたのは、その依存関係そのものだ。

    +
  • 2026年11月の第2週、AI規制をめぐる公的な決定が3つの地域で重なりました。オーストラリア政府は11月10日、フロンティアAI企業に安全対策を義務づける新たな規制当局の設立を発表しました。EUでは7月に発効した「AIオムニバス」でハイリスクAIへの適用が2027年12月まで猶予される一方、透明性義務は今年8月からすでに施行されています。米国では中間選挙の結果を受け、連邦議会のAI規制を取り巻く力関係が変わりつつあります。強化と猶予が交錯する動きの共通点を、政府と機関の一次情報から読み解きます。

    豪州、フロンティアAIに6つの義務と専任の規制当局

    オーストラリアのアルバニージー政権は2026年11月10日、首相官邸のメディアリリースで、豪州で事業を行うすべてのフロンティアAI企業に適用される安全・安全保障義務を発表しました。フロンティアAIとは、現時点で最も高度なモデルを指す呼び方としてリリース自体が定義しています。義務は「オーストラリアAIスタンダード」に関連する法律に明文化され、企業には次の6つが求められます。

    • 開発から展開までの全段階でのセキュリティ管理
    • モデルに伴う重大なリスクの特定と管理
    • モデルに対する独立した評価の受け入れ
    • インシデントの政府への迅速な通報
    • 安全・安全保障フレームワークの維持と公開
    • 技術の変化に応じた基準・規則への対応

    執行はAI安全を専門に担う新たな規制当局が担い、オーストラリアAI安全研究所が技術面から支えます。違反した企業には「重大なペナルティ」を科せるとしています。この方針は豪議会のAIに関する合同特別委員会の中間報告の勧告に沿うものです。

    発表の位置づけも明確です。リリースは「AI開発と投資をめぐる主要な国際協議の前に」安全策を先に示すと述べており、規制の詳細は今後の法案と協議の過程で示されます。豪メディアThe Conversationは、政府が重大な違反への刑事罰の導入も検討していると報じています(2026年11月10日)。

    EUはハイリスクAIの適用を猶予、ただし停止ではない

    EUでは、2025年11月19日に欧州委員会が提案したデジタル・オムニバスの一部「AIオムニバス」が2026年7月27日に発効し、AI法(規則(EU)2024/1689)の適用スケジュールが変更されました。欧州委員会の発表によると、雇用や信用評価など独立したハイリスクAIシステム(附属書III)への規則適用は2027年12月2日に、医療機器や機械など製品に組み込まれたAI(附属書I)は2028年8月2日に、それぞれ拡張されました。中小中堅企業への簡易措置の適用範囲の拡大や、規制サンドボックスの利用拡充も含まれます。

    ただし、適用の猶予はAI法全体の停止を意味しません。欧州委員会のAI Actサービスデスクが公開するタイムラインでは、2025年2月2日に禁止規定と一般条項が、2025年8月2日に汎用AIモデルへの規則が、2026年8月2日に第50条の透明性義務と執行体制が、それぞれ適用済みとされます。直近の節目は2026年12月2日です。同意のない性的ディープフェイクや児童性的虐待材料を生成するAIシステムへの新たな禁止規定の適用が始まり、2026年8月2日より前に市場に出た合成コンテンツ生成システムは、機械判読可能な表示(第50条2項)への対応期限を迎えます。

    報道面では、業界紙MLexが2026年11月13日、ダブリンで開かれたEU首脳の非公式会合の後、フォン・デア・ライエン欧州委員長が米連邦議会との間で世界的なAIガバナンスを協議したいと述べたと伝えています。

    米中間選挙後、連邦規制の力学が動く

    米国では11月3日の中間選挙の結果が、AI企業を取り巻く規制環境の変化につながるとの報道が出そろいました。ロサンゼルス・タイムズは11月9日、民主党が下院・上院および主要な知事選を制したことで、議会によるテック企業への審査が強まり、AI安全規制への追い風になると報じました。同紙は州レベルでのデータセンター建設への制限強化も近づいていると指摘します。

    人物面では、ペロシ氏の引退で空いたサンフランシスコ選挙区(カリフォルニア州第11区)の選挙で、カリフォルニア州上院のスコット・ウィーナー氏が当選しました(Ballotpedia、2026年11月9日)。ウィーナー氏は2025年9月29日に成立した州法SB 53の起草者です。カリフォルニア州上院の発表によると、同法は最先端のAIモデルの安全計画に関する開示義務を米国で初めて法制化し、重大な安全インシデントの報告義務、AI研究所での内部通報者の保護、公共クラウド「CalCompute」の創設を盛り込んでいます。MIT Technology Reviewは11月9日、連邦議会に加わるウィーナー氏が連邦AI政策で重要な役割を果たしうると報じています。

    SB 53は、2024年のSB 1047がニューサム知事の拒否権で廃案となった後に設置された専門家作業部会の「trust, but verify(信頼するが検証する)」という考え方を採り入れて成立しました。連邦レベルでは2025年7月、州によるAI規制を10年間制限する条項を上院が99対1で削除した経緯があり、州の規制の前進と連邦の停滞が併存してきました。新しい議会は2027年1月に始動します。

    強化と猶予に共通する「第三者による検証」

    ここまでの3つの動きは規制強化(豪州)、適用猶予(EU)、政治の変化(米国)と、方向が異なるように見えます。しかし条文や公式文書を並べると、共通する設計が見えてきます。

    第1に対象を絞っています。豪州は「フロンティアAI」、カリフォルニア州法は「最も先進的なモデル」、EUはハイリスク領域です。すべてのAIを一律に扱うのではなく、能力の高いモデルに義務を集中させる設計が、3地域で共通しています。

    第2に第三者による検証を軸にしています。豪州の6つの義務には「独立した評価の受け入れ」が含まれ、SB 53の根幹は「信頼するが検証する」であり、EUのAI法は適合性評価を制度の柱に据えます。企業の自己申告ではなく、外部から確認できる形で安全性を示すことが、3地域の規制に共通する要件になっています。

    第3に時期が重なっています。豪州政権は国際協議を前にした発表を明言し、EU側は米議会との協議を打ち出しました。規制競争ではなく、国際的な基準設定をにらんだ動きと考えられます。

    読者に一つ問いたいと思います。自社あるいは自分が使うAIの安全性は、誰がどう検証する設計になっているでしょうか。2026年12月2日のEUの節目、豪州の法案の詳細、2027年1月に始動する米新議会と、この問いへの答えを迫る日程はすでに決まっています。

    +
  • エージェントAIの実務導入は実験段階を脱しつつあるが、投資を正当化する収益の証明が次の壁になりつつある。2026年11月第2週、金融機関の経営幹部1,100人への調査と、医療投資・創薬分野の提携発表が相次いだ。いずれも争点は「成果をどう形にするか」にある。今週の一次情報から産業応用の現在地を整理する。

    金融は59%がマルチエージェントAI実証、社内横断は10%

    Capgeminiの研究部門Capgemini Research Instituteは2026年11月5日、世界の銀行・保険会社の経営幹部1,100人を対象にした調査報告書「World Cloud Report for Financial Services 2027」を発表した。

    複数のAIエージェントを連携させるマルチエージェントAIについて、試行または本番導入を進める金融機関は59%に上る。一方、エージェント群を企業全体で自律的に協調運用する「オーケストレーション」を実現しているのは10%、10社に1社にとどまる。業務単位の組み込みは進む一方で、全社展開の難しさが数値として現れた。

    報告書はこの格差の背景に基盤技術の老朽化を挙げる。幹部の8割がエージェントAI時代に成功する前提として技術負債の削減を優先目標に掲げている。

    実行基盤の選定も動いている。マルチエージェントの運用を統制する相手として大手ハイパースケーラー(超大型クラウド事業者)を希望する銀行・保険会社は52%に達し、規制対応やデータ所在の認証、セキュリティとアイデンティティの枠組み、監査可能性がその理由だと報告書は説明する。

    ROIを一貫示せる企業は半数に満たない

    同調査で重く受け止めるべきは、金融機関の約半数がエージェントAI施策のROI(投資対効果)を一貫して実証できていないという結果だ。施策が投資に見合う価値を生んでいるかを測る明確なフレームワークを欠く企業も多いという。

    対応は2つの方向に分かれる。コスト面では、企業の90%がタスクを最も費用対効果と精度の高いAIモデルへ振り分ける「インテリジェントなモデルルーティング」を導入済みか、1年以内の導入を計画している。トークンコストの管理が動機だ。評価面では、2028年までにAI投資の第一基準を「成果」に置く幹部が141%増える一方で、「効率」に置く幹部は42%減ると予測される。削れるコストの話から、生み出す価値の話へ重心が移りつつある。

    医療投資は個別アプリから「AI基盤」の選定へ

    ヘルスケアに特化した投資ファームのDeerfield Managementは2026年11月9日、AWSとの協業を発表した。AWSの生成AI・クラウドサービスと、Deerfield IntelligenceのAIエンジニア組織、関連組織Cureのイノベーション基盤を組み合わせ、対象のポートフォリオ企業が創薬、業務自動化、ケア提供の各領域でエージェントAIを導入できるようにする。ファーム自身の調査、評価、運用プロセスにもAWSのAIサービスを組み込むという。

    ここでの変化は、投資家側がクラウドとAIの特定事業者と組んで「AIネイティブな企業を育てる」枠組みを用意した点にある。金融機関の半数超がマルチエージェントの統制先に大手クラウドを選んだ動きと同じ方向で、個別アプリケーションの効果検証から、ポートフォリオ全体で共通基盤を利用する段階へ進んだと読める。ただしこれは両社が発表した狙いであり、ポートフォリオ企業の開発が実際に加速するかは今後の個別の結果を待つしかない。

    創薬は「創薬困難標的」にAIとロボットをぶつける

    フランスの製薬企業Laboratoires Pierre Fabreと中国・深圳のXtalPi(2228.HK)は2026年11月6日、AIによる新規臨床候補化合物の創出で共同研究契約を結んだと発表した。対象領域はがんを中心に、皮膚科領域と希少疾患への拡大も想定する。

    分業は明確だ。XtalPiが統合AIプラットフォームとロボティクスで、詳細非公開の標的に対して低分子医薬品候補をゼロから(de novo)設計・提供する。Pierre Fabreは疾病生物学からトランスレーショナルリサーチ、臨床開発までの知見で候補を選別・推進し、臨床開発と市販を担う。両社が狙うのは「歴史的に創薬が困難だった標的」で、未充足の医療ニーズが大きい領域とされる。

    契約には前払金と複数のマイルストーン、市販後の経済的参加が含まれるが、財務条件は非公開だ。支払いの大部分を研究・開発・市販の進捗に結びつける構造は、AI創薬の価値を最終成果で証明する仕組みと言える。

    共通する問いは「AIに投じた資金の行き先」

    3つの業界の動きを並べると、手法は違っても焦点は1つに収束する。金融はROI測定のフレームワーク再構築、医療投資はポートフォリオ共通のAI基盤づくり、創薬はマイルストーン型の契約設計と、いずれも「AIへの支出と成果をどう結びつけるか」という問いへの回答になっている。

    エージェントAIの性能を競う段階が終わった、とまでは断定できない。ただし11月第2週の一次情報からは、産業界の関心が「何ができるか」から「いくら回収できるか」へ移りつつあることがうかがえる。

    +
  • 2026年11月10日、IBMとMicrosoftが6,000以上のAIエージェントを束ねた「Imagine Enterprise」を発表。2日後にはInsight Enterprisesがエージェントカタログ「Agent Store」を全世界展開した。一方、同週の調査では最重要AIプログラムでビジネスケースを達成した企業は33%にとどまる。供給側の束ね売りと需要側の価値実証、その溝の意味を整理する。

    6,000のエージェントを「束ねる」という発想

    2026年11月10日、IBMとMicrosoftは共同でエージェントプラットフォーム「Imagine Enterprise」を発表した。企業が業種固有のプロセスを実行するAIエージェントを構築・運用・管理するための基盤で、IBM Consultingが6,000以上の事前構築済みAIエージェントと資産を、MicrosoftがAI・クラウド・セキュリティ技術(Microsoft Foundry、GitHub Copilot、Copilot Studio、Azureなど)をそれぞれ提供する。対象は特に規制業種で、最初の業種別フレームワークとして金融サービス、保険、小売が用意され、将来的には製造、エネルギー、公共部門への拡張を見込むとしている。

    数量と同じくらい重要なのが運用面の設計だ。条件を満たす案件では、両社のエンジニアを顧客側に前方展開し、本番稼働まで支援する。IBM ConsultingのMohamad Ali上級副社長は「顧客は同じ仕事を少しだけ速くするAIを求めているのではない。エージェント化されたビジネスを構築したいのだ」と述べ、MicrosoftのRodrigo Kede Lima氏も「企業AIを制するのは、データと業界の専門性とAIを行動に変えられる組織だ」と述べている。金融技術サービスのSEIがこのプラットフォームで企業変革を探索する事例として名前を挙げられている。

    売り物がエージェントの単品ではなく、業界の文脈を込みにした「まとまり」と、本番までの伴走である点が新しい。個別導入の積み合わせに時間を取られてきた企業にとっては、現実的な訴え方だと受け取れる。

    導入スピードそのものを商品にした「Agent Store」

    同じ流れを小粒に体現する動きもある。2026年11月12日、ITサービスのInsight Enterprises(NASDAQ: NSIT)はオンラインの「Agent Store」を全世界で展開開始したと発表した。2026年9月に9件のエージェントソリューションを先行公開しており、今回6件を加えて計15件。顧客の注文を調達可能な見積もりに変える「Quote Advisor」、秘密保持契約(NDA)の審査を合理化する「NDA Review Agent」、部品発注を案内する「Parts Order Assist」など、業務プロセス単位でエージェントを調達できる構えだ。

    同社は「数日から数週間」で価値を出せるとうたっているが、これはあくまで同社の主張として受け止める必要がある。CEOのJack Azagury氏は自社を「Client Zero」と位置づけ、社内でのAI採用率90%超を達成した経験が基盤だと説明している。研修プラットフォーム「AI Flight Academy」の最初の外部顧客には、水処理サービスのCulligan Internationalがなった。

    ラインナップにはAIのトークン消費を測定して財務部門の支出管理に役立てるコスト管理ツール「TokenScope」も含まれる。エージェントを売る側が「AIのコストは予測しにくい」という問題を自ら商品化している点に、この市場の成熟度が表れている。

    価値を実証できた企業は3分の1にとどまる

    供給側がエージェントの量産体制を整える一方、需要側の実態は厳しい。調査会社HFS ResearchとRackspaceが2026年11月12日に公表した調査(回答者502人、企業のAI意思決定者)によると、最重要のAIプログラムでビジネスケースを達成または超過した企業は33%にとどまる。複数の業務部門へAIを展開した企業では28%に低下する。

    効果の内訳も偏りが大きい。労働生産性の向上を挙げた企業が58%、測定可能なコスト削減が42%だった一方で、顧客体験の改善は28%、測定可能な収益成長は21%にとどまった。効率化の実感は広がっていても、収益に結びつける段階まで進んだ企業はまだ少数だ。

    AIを標準的な業務運用に組み込んだ企業では56%がビジネスケースを達成している。ただし報告書自身が、これは別のグループ間の比較であり、運用の成熟度が高いほど成果が上がるとは限らない、と注意書きを添えている。

    壁は技術ではなく、ガバナンスと責任の所在

    同じ調査で際立つのがガバナンスの数字だ。回答者の96%が重大なガバナンス格差を報告し、78%が「AI拡大におけるガバナンスの失敗は、技術の失敗より大きな脅威」とみなしている。本番運用で一貫したアプローチを持たない企業も44%に上る。

    この結果を受けてHFS Researchは、モデル・プラットフォーム・インフラを横断し、稼働後のパフォーマンスとコスト、ガバナンスに責任を持つ「オペレーター」役の設置を提唱している。回答者の61%は単一の責任パートナーを望み、73%はガバナンス責任付きのフルマネージドAIサービスに対して、インフラ単価より高い金額を支払う意思を示した。RackspaceのGajen Kandiah CEOも「パイロットから本番への移行では、インフラの準備、セキュリティ、ガバナンス、コストを一体で管理する必要がある」と述べている。

    読者に一つ問いたい。IBMとMicrosoftの前方展開支援も、Insightのマネージドサービスも、HFSの「オペレーター」論も、答えようとしている問いは同じではないか。「どのAIを買うか」ではなく「誰が運用に責任を持つか」。エージェントが6,000種並ぶ時代に、企業間の差がつくのはそこだ。

    +
  • IBMは2026年11月11日、次世代量子プロセッサー「Nighthawk r3」を発表しました。520個のプログラム可能な量子ビットで1万回の量子演算の正確な実行を目標に、2027年には2基を接続した1,040量子ビットのシステムを構築する計画です。その根拠として、現行プロセッサーでの34億回路の実行実績と接続技術の実験結果を段階的に示した点が、今回の発表の中心にあります。

    1万演算・520量子ビット、2027年の1,040量子ビットシステムへ

    IBMは2026年11月11日、次世代量子プロセッサー「IBM Quantum Nighthawk r3」を発表しました。発表によれば、r3は520個のプログラム可能な量子ビットを備え(物理量子ビットの合計は2,034個)、1万回の量子演算を正確に実行できるように設計されます。回路が実行できる演算回数が増えれば、量子コンピューターが扱える問題の複雑さも上がります。r3は現行世代が実証した速度と品質を維持したまま計算規模を広げる狙いだと、IBMは説明しています。

    ロードマップ上の位置づけも明確です。IBMは2027年、2基のr3を10本のチップ間接続「lカプラー」で連結し、1,040量子ビットの単一システムを構築する計画をあわせて示しました。プロセッサー単体の高性能化に加え、モジュール接続による拡張を次の段階の中心に置いています。また11月6日には、Nighthawkを搭載したIBM Quantum System Twoがシカゴで稼働開始されたことも発表されました。イリノイ州では初めてのIBM製量子コンピューターで、シカゴ大学がホストを務め、建設中のIllinois Quantum and Microelectronics Parkの中核システムとして移設される予定です。

    34億回路と最大19倍、現行機が積み上げた実績

    r3の設計方針を理解する鍵は、現行の「Nighthawk r2」の実績にあります。2026年9月に投入されたr2は、毎秒最大10万サンプルを生成し、120量子ビット上で7,500回を超える量子演算を正確に実行できるとIBMは発表しています。量子計算の結果はサンプルとして得られるため、実用的な計算には数百万から数十億のサンプルが必要になります。この速度が計算を現実的な時間とコストで完了できるかを左右します。

    具体的な数字も公表されました。E.ON、Algorithmiq、Q-CTRLを含む顧客とパートナーは、これまでにr2上で34億回路を実行し、従来のIBM量子プロセッサーと比べて最大19倍の高速化を報告したと、IBMは説明しています。E.ONは電力網の最適化に使う量子機械学習で15倍の高速化を報告しました。IBMとオークリッジ国立研究所のチームも磁性体のシミュレーションで12倍の高速化を報告し、その結果は中性子散乱実験と整合したとしています。

    Algorithmiqとの異種量子物質のシミュレーション実験もr2に拡張されました。当初のHeronでの実験より8倍速く回路を実行でき、新しい回路は古典計算機でのシミュレーションがより困難になっています。主要なテンソルネットワーク法で同等の精度を得るには、推定240倍のメモリーが必要だとIBMは説明しています。

    接続技術はすでに実証段階、99.3パーセントの状態転送忠実度

    2027年の1,040量子ビット構想を支える要素技術も、実証が進んでいます。IBMは2026年、Nighthawk r1プロセッサー同士を4本のlカプラーで接続し、99.3パーセントの量子状態転送忠実度を達成したと発表しました。目標は99.9パーセントで、r3では接続用のlカプラーを10本に増やします。さらに8月には、2つの極低温モジュールを単一システムとして初めて接続し、5日未満で動作温度に到達、15ミリケルビン未満まで冷却したことも明らかにされています。

    これらの数値はいずれもIBM自身の報告であり、独立した検証が済んだわけではありません。ただ、チップ間接続と極低温モジュール接続という拡張の前提となる技術を、IBMが段階的に示してきたのは事実です。

    量子と古典の統合でも前進、理研との研究は約5倍速い

    ハードウェア以外では、IBM Quantum Platformが高性能計算(HPC)の古典計算と量子計算を単一の環境で統合する動きもあります。IBMと理化学研究所の研究チームはこの環境で、サンプルベース量子対角化(SQD)のワークフローを元の研究より約5倍速く実行し、計算量は100倍に増やしたと報告しています(arXiv:2511.00224、査読前のプレプリント)。クリーブランド・クリニックと理研も、生体に関連する構造のモデリングで6億800万サンプルを自動処理し、ワークフロー自動化を使わない場合の33倍の速さを報告しました(arXiv:2605.01138、査読前のプレプリント)。

    理研との研究は、経済産業省所管のNEDOが進める量子・スーパーコンピュータハイブリッドプラットフォーム関連のプロジェクトとして実施されています。量子と古典をどう協調させるかという課題に対して、日本の公的研究プログラムが国際的な進展の一部を担っています。

    速度の路線とエラー訂正の路線、交わる点は2027年以降

    産業全体を見ると、アプローチの違いも見えてきます。Quantinuumは2026年10月19日、トラップイオン方式のHeliosで99.9995パーセントの論理忠実度を達成したと発表し、2029年に向けた耐故障量子コンピューター「Apollo」への道筋としています。IBMもエラー訂正への移行をロードマップに描いていますが、当面は速度と規模の拡張で実用ワークロードを増やす戦略です。

    速度で実績を積む道と、エラー訂正の精度で差をつける道。両者の主張がどこで交わるのか、最初の判断材料になるのは2027年の1,040量子ビットシステムの実動力でしょう。

  • 2026年11月上旬、Google、AMD、NVIDIAが相次いでAI向け半導体の新展開を発表しました。3社に共通するのは、単一チップの性能ではなく、ラックやシステム全体で競争力を組み立てる設計思想です。TPUの年4機種体制、CPU役割の再定義、開かれた相互接続。一次情報から競争の現在地を整理します。

    1年で4機種、GoogleのTPUは「システム」構成で差をつける

    Googleは2026年11月9日、第8世代TPUに2つの新しいシステム構成を加えると公式ブログで発表しました。発表はAI・インフラ部門のSVP兼チーフテクノロジスト、Amin Vahdat氏名義です。巨大なコンテキストウィンドウ向けの「TPU 8i Max」と、セキュアな機密推論向けの「TPU 8tx」を加え、1暦年に4つのTPUシステムを投入するのは初めてとしています。

    TPU 8i Maxはリアルタイム推論向けのTPU 8iチップを2個、1つのパッケージに組み合わせた構成です。計算能力、SRAM、HBMの帯域幅をそれぞれ2倍にすることで、複数のエージェントがコードベース全体や長時間の動画を一度に扱う場面でボトルネックとなるメモリ帯域の壁(メモリウォール)に対応します。既存のラック設置面積に2倍のシリコンを収める設計で、面積あたり・ワットあたりの計算密度を高めるとしています。

    TPU 8txは同じシリコンをベースに、ハードウェアレベルの機密計算に特化させた構成です。通常、データは保存中や伝送中は暗号化されても、処理中はメモリ上で復号されます。TPU 8txはこの「処理中のデータ」とモデルの重みをハードウェア層で保護・分離し、規制業界や政府機関が機密データの隣でフロンティアモデルやエージェントを動かせるようにします。低遅延ネットワーク「Boardfly」の採用により、TPU 8tと比べて最大2倍の低遅延をほぼゼロの性能低下で実現できると説明しています。同ブログではTPU 8txのホストCPUに第5世代AMD EPYCを採用したことも明らかです。

    注目すべきは「チップ」と「システム」の区別そのものです。同社によれば、新しいチップの設計は物理法則と製造ライフサイクルに縛られる複数年のプロセスである一方、システムはチップの周囲の計算・ネットワーク・ストレージの組み合わせであり、パッケージングや高速メモリ、光ネットワーク、セキュリティの構成を変えることで、専用のスーパーコンピュータを数年単位ではなく数ヶ月単位で届けられるといいます。4月に発表した基本構成では、学習向けの8tが前世代比で最大2.7倍の学習性能を、推論向けの8iが80%改善の推論価格性能効率を実現するとしており、TPUの顧客は約100社に達するといいます。

    CPUが再び主役に、AMDの第6世代EPYCが描くエージェント時代

    AMDは2026年11月10日、第6世代EPYCサーバープロセッサ(SP7)の一般提供開始を発表しました。新アーキテクチャ「Zen 6」を採用し、主要サーバーベンダーからの出荷が始まっています。Microsoft AzureとOracle Cloud Infrastructure(OCI)でもクラウドインスタンスの一般提供を進めると発表しています。

    Compute and Enterprise AI部門のDan McNamara SVPは「AIはデータセンターのすべての層でCPUの役割を大幅に拡大している」と述べ、エージェントAI時代のCPU需要を強調しました。AMDの整理では、エージェントAIのインフラは(1)汎用サービス、(2)GPUのホストノード、(3)エージェントのサンドボックスという3つのCPU役割で構成され、第6世代EPYCはそれぞれに最適化した構成を用意します。最大5.3GHzの高周波ホストノード向けプロセッサは、前世代EPYC比で最大1.8倍のLLM出力スループットを届けるとしています。ラック構成の「AMD Helion」では、1ラックあたり最大73,728スレッドに達する構成があるといいます。

    競合との比較主張も特徴的です。汎用最上位の「EPYC 9996」について、NVIDIAのVera CPUベースシステム比で最大3.7倍、Intel Xeon 6980Pシステム比で最大2.2倍の性能と2.0倍の価格当たり性能を示しています(いずれもAMD設定条件での測定値で、独立した検証ではない点には注意が必要です)。Metaがリードカスタマーとしてプラットフォームの検証を進めており、AzureではAIデータ処理・エージェントAI向けの「HDv2」がプレビュー中です。前世代の第5世代EPYCはAMD史上最速のペースで量産された世代になったとしています。

    GoogleがTPU 8txのホストCPUに第5世代EPYCを選んだ事実は、アクセラレータがいかに高性能でも、その周りのCPUがシステム全体の性能と機密性を左右する部品であることを示しています。

    主権AIという新市場、NVIDIAの開かれた相互接続が韓国NPUを束ねる

    NVIDIAは2026年11月8日、韓国のAIチップ開発企業Rebellionsと通信大手SK Telecom(SKT)との協業を発表しました。韓国政府(科学情報通信技術部・MSIT)の支援の下、Rebellionsの次世代NPU「Rebel R200」をNVIDIAの相互接続技術「NVLink Fusion」でプラットフォームに接続し、ラック規格「MGX」の上にラックスケールの推論システムを構築します。

    技術的な柱は「分離型推論(disaggregated inference)」です。応答生成のうち計算量の大きい前置処理(prefill)をNVIDIA GPUが、逐次生成(decode)をRebellions NPUが担う分担で、推論スループットと電力効率の改善を図る計画といいます。Jensen Huang CEOは「NVLink Fusionにより、韓国のチップメーカーは自社のカスタムASICをNVIDIAのAIファクトリープラットフォームに接続できる」と述べています。R200は数兆パラメータ級のMixture of Expertsモデルを想定した、低遅延・高効率推論向けのNPUです。

    SKTはこのシステムを自社のAIデータセンターに導入し、独自基盤モデル「A.X K2」と、政府の「AI for All」プロジェクト下の公開サービスにつなぐ方針を示しました。韓国のBae Kyung-hoon副総理兼科学情報通信技術相は、韓国製NPUがNVIDIAとともに計算インフラ市場に入る大きな一歩だと評価しています。

    この協業は相互接続の『開放』戦略としても読めます。NVLink Fusionは垂直統合したNVIDIAプラットフォームを他社製XPUに水平に開く仕組みです。自社GPUの販売に加え、各国が推し進める主権AIの需要を自社の相互接続とラック規格の上に取り込む構図で、プラットフォーム防衛と国家需要の獲得が重なっています。

    競争の単位が「1チップの性能」から「システム全体」へ移る

    3つの発表に共通するのは、勝負の単位がチップからシステムへ移ったことです。Googleは同じシリコンから4つのシステム構成を派生させ、製造サイクルに縛られずに数ヶ月単位で製品を増やしています。AMDはCPU単体ではなくラック(Helion)まで製品圏を広げ、競合比較も「Vera CPUベースのシステム」単位で行いました。NVIDIAは自社チップの外にある韓国NPUを相互接続で取り込み、処理段階ごとに最適なプロセッサを組み合わせる計画です。

    背景にあるのはエージェントAIの需要構造です。単発の質問応答と違い、複数のエージェントが並行して動くワークロードでは、メモリ帯域(Googleの言うメモリウォール)、サンドボックスの収容密度(AMDの言うエージェント密度)、処理段階の分担(NVIDIAの分離型推論)といった、システムレベルの制約が効いてきます。チップの単体性能より先に、システム構成がボトルネックになる時代と言えます。

    ただし、各社の性能数値はすべてベンダー自身の測定と主張である点は押さえておきたいところです。独立機関による検証や実際のワークロードでの比較は、これから進む段階です。それでも、シリコンの微細化のペースだけでは説明できない速度でAIインフラの構成が書き換わっていることは、3つの一次情報から確認できます。

    +
  • 銅酸化物の高温超伝導体に現れる「疑似ギャップ」の謎について、ユトレヒト大学とミュンヘン大学などのチームが、走査型トンネル顕微鏡で電気ノイズを測り電子対の形成を直接観測したと、2026年11月6日に査読付き学術誌Scienceで発表した。対形成のエネルギーが疑似ギャップのエネルギーと一致する結果で、高温超伝導の仕組みをめぐる40年来の議論に新しい材料を加える。

    転移温度の上で電子が消える、40年決着しない「疑似ギャップ」

    超伝導は、物質が電気抵抗ゼロの状態へ移る現象です。1911年に発見されましたが、多くの超伝導体は絶対零度近くでしか働かず、実用化にはおよそマイナス260°Cという液体ヘリウムでの冷却が要ると、ユトレヒト大学の発表は説明しています。超伝導が実現すれば、損失のない送電や浮上する列車、大容量のエネルギー貯蔵、量子コンピュータへの応用が見込まれますが、冷却のコストが最大の壁になっています。

    1980年代半ばに、銅と酸素を含む化合物「銅酸化物」が従来よりはるかに高い温度で超伝導になることが見つかりました。ただし、その温度はなおマイナス173°C程度です。低温超伝導を説明する従来の理論では扱えず、仕組みの解明は40年近く大きな課題のまま残っています。

    論点のひとつが「疑似ギャップ」です。超伝導になる温度(転移温度)より高い温度域で、あるはずのエネルギー準位の電子が観測から消える現象を指します。原因をめぐっては、電子が何らかの秩序構造に固定されるためという説と、電子対(クーパーペア)の形成が先に起きているためという説が対立してきました。後者が正しければ、ペアは「待機室」に置かれた状態で、超伝導の開始を待つことになります。

    雨音の重さを聞いて対を見つける、4年がかりの計測

    チームが選んだのは、電流の揺らぎを利用するショットノイズ計測です。電流は個々の電荷がばらばらに到着して流れるため、かすかなノイズを生みます。研究を率いるミラン・アラン(ミュンヘン大学)の説明を報じたArs Technicaによれば、これは屋根を打つ雨音に例えられます。雨粒が2倍の重さになれば音は大きくなる。電子についても、2個が常にそろって到着する対であれば、ノイズは増えるはずだという理屈です。

    計測には走査型トンネル顕微鏡(STM)を使い、針先と試料のあいだに電流を流して、エネルギーと場所を指定しながらノイズを聴き分けました。試料は銅酸化物のBi₂Sr₂CaCu₂O₈₊δ(BSCCO)で、絶対零度近くまで冷やしています。従来型の超伝導体では対形成によってノイズがきれいに2倍になりますが、銅酸化物では対に加えて単独の電子も流れ続けるため信号は弱く、この計測を実現するだけで4年を要したと同誌は伝えています。

    対形成の始まりは疑似ギャップのエネルギーと一致した

    電圧を調整して聴くエネルギーを変えていくと、ペアの存在を示す余分なノイズは、疑似ギャップのエネルギー位置から立ち上がりました。論文の報告では、疑似ギャップのエネルギーは表面の場所ごとに異なり、最大で70 meVに達します。どの場所でも、ノイズの増加はその場所ごとの疑似ギャップのエネルギーと一致し、組成の異なる試料でも同じ傾向が確認されたとされます。

    ここが分かれ目です。疑似ギャップが秩序構造によるもので、ペア形成が超伝導とは別の現象なら、ペア由来のノイズは超伝導に関係するエネルギー領域でだけ現れるはずでした。実際には、ペアの気配は疑似ギャップそのもののエネルギーから現れています。つまり、消えていた電子のかなりの部分が、対を組んだ電子だった可能性が強く示唆されます。

    6テスラの磁場が「対」を消して確かめた

    ノイズの起源は本来わかりにくく、表面の原子が移動することなどもノイズを生みます。チームは対以外の説明を排除するため、最大6テスラの磁場をかけました。磁場は電子の対形成を抑え込みますが、消えた電子のパターンそのものは大きく変えません。磁場を強めるにつれてノイズは単独電子のレベルへ戻り、増加分が対形成によるものだという説明と整合しました。

    超伝導の壁は対形成ではなく「揃って動くこと」

    従来の超伝導体では、対形成と、対が一体として流れる位相コヒーレンスが転移温度で同時に起こります。ところが今回測定された対形成のエネルギーは、転移温度に相当する値よりはるかに高い。この結果からは、まず対が形成され、より低温で位相コヒーレンスが成立するという順序が描けます。だとすれば、超伝導になる温度の上限を決めているのは対形成ではなく、対をそろえて動かす仕組みの側だと考えられます。

    アラン氏はArs Technicaの取材に、これだけ高いエネルギーで対形成が起きるなら転移温度を押し上げられる可能性があると述べ、ユトレヒト大学の発表でも室温超伝導への手がかりと位置づけています。ただし同氏自身、ほかの効果が絡むため単純ではないと慎重です。今回の計測は転移温度より上で感度が下がるため、疑似ギャップが本来定義される温度域はまだ測れていません。疑似ギャップの詳細な説明についても、秩序構造と対形成が絡み合う可能性は排除されておらず、研究を率いるイングマール・スワート(ユトレヒト大学)は、どのような説明であれペアリングはその一部になるはずだとしています。

    次の段階として、スワート氏はより高分解能のノイズマップと、コヒーレンスを直接検出する装置の開発を目指すとしています。アラン氏は転移温度を上げる材料探索について、純粋な物理より化学とAIを援用した試行錯誤が本筋になるという見方を示しました。

    +