• NASAのNancy Grace Roman宇宙望遠鏡が主観測装置「広視野装置(WFI)」の18個の赤外線検出器を起動し、初めて恒星光を捉えた。公開されたテスト画像の星はドーナツ状にぼやけて見えるが、これは光学系をまだ調整していない段階では想定どおりの姿だとNASAは説明している。焦点合わせと姿勢制御の確認を経て、2027年初頭には本格的な科学観測画像が公開される見通しだ。

    3億画素の「目」が開いた瞬間

    NASAは2026年9月15日、8月30日に打ち上げたNancy Grace Roman宇宙望遠鏡の公式ブログで、主観測装置である広視野装置(Wide Field Instrument: WFI)の起動に成功したと発表した。WFIは3億画素の赤外線カメラで、18個の検出器を備える。1枚の画像が見かけの大きさで満月よりも大きな空の領域を、ハッブル宇宙望遠鏡に匹敵する鮮明さで捉える設計だ。

    発表とともに公開された最初のテスト画像には、無数の星が写っている。ただしその星はいずれも、シャープな点ではなく、数千ピクセルに広がるドーナツ状のぼんやりした像として現れている。NASAはこの画像を「装置が宇宙で初めて宇宙に目を開いた瞬間」をとらえたものだと説明。検出器アレイが打ち上げ時の格納状態のまま、望遠鏡の光学系から遠く焦点が大きく外れた位置にあったためにこのように見えるのであり、「現在の構成を考えれば予想どおりの見え方」だとしている。

    つまり、この「ぼやけた星の海」は故障ではない。星の光を鋭い点に収束させる焦点調整は今後の工程で行われるもので、この画像は光学系の調整を進めるための基準点になると同チームは説明している。

    検出器を目覚めさせるまでの10日間

    WFIの起動は、単に電源を入れるだけでは済まなかった。NASAのブログによると、チームはまず検出器を比較的温暖なマイナス65℃(華氏マイナス85度)に保ったまま10日間放置し、乾燥と汚染除去を進めた。9月11日朝にヒーターを切り、装置を華氏マイナス225度(マイナス143℃)まで冷却。この温度に達して初めて、18個の赤外線検出器の起動が可能になった。検出器はその後も冷却を続け、最終的な動作温度である約華氏マイナス300度(マイナス183℃)に向かう。

    検出器起動の夜には較正システムを稼働させ、翌朝からテストデータの送出を開始した。続いて、波長を選ぶフィルターやプリズムなどを収めた「エレメントホイール」の無重力状態での初動作試験と、今後数十万枚の画像にわたって使われるフォーカス機構の動作確認も行われた。いずれの試験でも装置は期待どおりに動作したという。

    「地上で装置を組み立て、試験するために長年努力してきた末に、宇宙で動作しているという確認を得られた」。NASAゴッダード宇宙飛行センターのWFI科学者Josh Schliederは、ブログ記事でこうコメントしている。「やるべきことはまだ多いが、画期的な科学に向かって進んでいる」

    重力をレンズ代わりに、既知手法が届かない惑星を探す

    Romanが本格稼働後に力を発揮するのが、重力マイクロレンズによる太陽系外惑星の探査だ。NASAのミッション解説によれば、Romanは銀河系の内側の領域をマイクロレンズ・サーベイで観測し、1,000個を超える太陽系外惑星の発見が期待されている。

    マイクロレンズ法は、前景の恒星の重力が背景の星の光を曲げて一時的に明るく見せる現象を利用する。惑星自身の光や影を直接見る必要がないため、主星の手前を惑星が横切るトランジット法や、惑星の重力で主星が揺れる視線速度法が苦手とする「恒星から離れた軌道を回る寒冷な惑星」に敏感だ。NASAによると、現在確認済みの太陽系外惑星は6,000個を超えるが、その多くは恒星の近い軌道に偏っている。Romanは、太陽系のように外側に木星型や氷の惑星が並ぶ体系が宇宙でどれだけ一般的かを問うデータを提供する位置づけだ。

    惑星探査と並ぶもう一つの柱が、宇宙の膨張を加速させるダークエネルギーと宇宙の大規模構造の調査だ。NASAの資料によれば、主鏡はハッブルと同じ2.4メートルながら視野ははるかに広く、この設計こそが広域サーベイを可能にしている。主なミッション期間は5年間で、最大5年間の延長も想定されている。

    L2への旅と、2027年初頭まで続く調整工程

    Romanは現在、地球から約160万キロメートル(100万マイル)離れた第2ラグランジュ点(L2)への移動途上にあり、到着までの間、数か月にわたる較正と試験が続く。直近の工程には、望遠鏡が観測対象を正確に捉え続けるためのガイドシステム(fine-guidance system)の起動と、観測装置全体の焦点調整が含まれる。

    もう一台の装置である惑星直接撮像の技術実証機「コロナグラフ」も、9月1日の電源投入に続いて、デジタル・電子・機構系の初期試験を終えた。恒星のまぶしさを遮って周囲を回る惑星の反射光を浮かび上がらせる仕組みで、NASAは「惑星の直接撮像のためにこれまで宇宙に打ち上げられた技術の中で最先端」と位置づけている。

    NASAによれば、Romanの初の科学画像は2027年初頭までに公開される予定だ。ドーナツ状のぼけた星から始まった調整作業が、惑星科学と宇宙論の両方にまたがる観測成果につながるか。しばらくはNASAのミッションブログから目が離せない。

    +
  • ESAとJAXAが共同開発する惑星防衛探査機ラムセスについて、ESAは9月23日、主契約企業がイタリア・ミラノのクリーンルームで初めての電源投入を完了したと発表した。機体は2028年春に日本のH-3ロケットで打ち上げられ、2029年4月13日に地球へ接近する小惑星アポフィスと会合する。契約から打ち上げまで3年半足らずの開発計画が、実機を動かす統合試験の段階に入った。

    契約から打ち上げまで3年半という制約

    ESA(欧州宇宙機関)は2026年9月23日、JAXA(宇宙航空研究開発機構)との共同ミッション「Ramses(ラムセス)」について、主契約企業による探査機の初電源投入を完了したと発表した。

    発表によれば、ラムセスは「クルーズ船並みの大きさ」と形容される小惑星アポフィスが2029年4月13日(金曜日)に地球の近傍を通過する際に会合するため、2028年春までに宇宙に到達しなければならない。ESAは契約締結から打ち上げまでの期間を「3年半足らず」としており、時間的制約の厳しい開発スケジュールだとしている。

    会合の対象となるアポフィスの接近日はあらかじめ決まっている。このため、打ち上げの機会を逃せば2029年4月の観測自体が成立しないと考えられ、スケジュール厳守が開発全体を貫く前提になっている。

    初の電源投入が確かめたこと

    ミラノにある主契約企業OHB Italiaのクリーンルームでは、主要電子機器を収めるコアモジュールの組み立てが進められている。ESAによると、U字型の機体構造内に主要ユニットを搭載し、ハーネスと呼ばれる配線類で結合したうえで、機上計算機(On-Board Computer)と統合されたサブシステム一式に初めて電力を供給したという。

    今回の電源投入によって、機体単位の統合機能試験が可能になった。ESAのラムセス主任エンジニアIngo Gerthは「これらのユニットは個別に試験済みだったが、それ単独での話だった。今回は初めて実際の統合機能試験を行うことができ、計算機を介して各サブシステムにコマンドを送り、その性能を検証できる」と説明している。

    統合されたサブシステムには、観測データを保存するマスメモリユニット、機体全体に電力を分配する電力調整・分配ユニット、機器の出力を計算機向けのデジタルデータに変換する複数のリモートターミナルユニットが含まれる。

    主契約企業側でも、OHB ItaliaのラムセスプロジェクトマネージャーGiuseppe Filomenoが「この最初の統合電源投入は、ミラノの施設で宇宙機が動き始めたことを示す重要なマイルストーンだ。機上計算機の起動と、結合されたユニット間の通信確立によって、統合システムが意図どおり連動していることの最初の具体的な裏付けが得られた」と述べている。

    ESAのラムセスプロジェクトマネージャーPaolo Martinoは「この瞬間からプロジェクトはまったく新しい段階に入る。それ以前のすべては紙上の計算、シミュレーション、ユニット試験にすぎなかった。いまや実際の宇宙機があり、本格的な統合システム試験を開始できる」と述べている。また機能アーキテクトのArnaud Bourdouxは、今回電源を入れたのと同じシステムクリティカルなユニットを、打ち上げパッド上でも同じ手順で起動することになると説明した。

    イタリアとドイツ、2か所で並行する組み立て

    工期を短縮するため、ラムセスは機体を2つのモジュールに分け、2か所で並行して組み立てられている。

    コアモジュールはミラノで、機体中央の円筒コアのダミー(実寸模型)を芯に組み立てが進められている。一方、炭素繊維強化ポリマー製の実際の中央コアを含む推進モジュールは、ドイツ・ランポルトスハウゼンにあるArianeGroupの軌道推進センターで、推進剤タンクやセンサー、アクチュエータ、配線類の取り付け作業が進められている。

    2つのモジュールは来春、オランダ・ノールトワイクにあるESAのESTEC試験センターで結合される。ここから飛行前試験の段階が始まる。

    残る関門は熱真空試験とミッションシミュレーション

    今後の試験について、ESAのラムセスシステムエンジニアFranco Perez Lissiは「打ち上げと宇宙での運用でラムセスが経験するすべての条件を再現する」と説明する。中でも厳しいのは熱真空試験で、完成した宇宙機全体を2〜3週間にわたって宇宙並みの真空環境に置き、連続運用するという。同様に難しいのが、打ち上げからミッション終了までの一連の流れを早送りで実行するミッションシミュレーション試験だ。

    ESAとJAXAのラムセスミッションと、随伴する2機のCubeSatは、2028年春に日本のH-3ロケットでの打ち上げに間に合わせる必要がある。

    初の電源投入は、開発全体から見れば初期段階の出来事にすぎない。ただ、すべての判断が図面上の議論だった時期から、実際の機材にコマンドを送って応答を確かめる時期へ移ったことの意味は小さくないと考えられる。残された期間で熱真空試験などの関門を一つずつクリアできるか。アポフィス接近まで2年半強——まずは来春のモジュール結合が次の節目になる。

    +
  • 2026年9月、Microsoft Agent FrameworkとAWSが開発するStrands Agentsという2つのオープンソースが相次いで更新された。目立つのは性能向上ではなく、チェックポイントの復元、MCP接続の防御強化、出荷前の評価(evals)という本番運用に直結する変更である。エージェントフレームワークの競争軸が「何を作れるか」から「どれだけ止まらず動き続けられるか」へ移りつつある。

    フレームワーク再編の年に揃った2つのOSS

    AIエージェントを構築するためのフレームワーク競争は、2026年に入って再編期を迎えた。MicrosoftはSemantic KernelとAutoGenという2つの既存ツールキットを、Microsoft Agent Frameworkとして統合した。Microsoft Learnの公式ドキュメントは同フレームワークを「.NET、Python、GoでAIエージェントとマルチエージェントワークフローを構築する」ためのものと位置づけ、単体のエージェントに加えて、計画立案とタスク管理、コンテキスト圧縮、ファイルアクセスとメモリ、ツール実行の承認、観測性を内蔵した「Harness Agent」という前提込みの構成要素を用意している。技術メディアの複数の説明によれば、1.0の一般提供は2026年4月3日で、旧AutoGenはメンテナンスモードに移行し、公式READMEが後継フレームワークへの移行を案内しているという。

    一方、AWSが開発するオープンソースSDKのStrands Agentsは、PythonとTypeScript向けにエージェント構築の基盤を提供する。公式サイトの表記ではGitHubスターは13,800超。注目すべきはその構成だ。完成品として使えるエージェントハーネスに加え、ハーネスを自前で組み立てるためのSDK、エージェントが安全にコマンドを実行できることを前提に設計された仮想シェル「Strands shell」、そして出荷前のエージェントを検証するevals SDKという、運用まで見据えた部品が最初から揃えられている。

    9月のリリースノートに書かれていたのは「復元」だった

    GitHubの公式リリースノートを見ると、直近の更新の内容が鮮明になる。Microsoft Agent Frameworkでは2026年9月18日にPython版1.19.0と.NET版1.22.0が同日リリースされた。Python版1.19.0ではベクトルストアの汎用プロバイダプロトコルの追加やMongoDBコネクタ(アルファ版)の導入が報告されている。同月10日のPython版1.18.0にもAzure AI Search、Redis、Qdrant(アルファ版)というベクトルストア実装が含まれており、エージェントの長期記憶を載せるインフラの選択肢を標準インターフェースで束ねる動きが続いている。

    むしろ本質的なのは、目立たない修正の積み重ねのほうだ。9月のリリースノートには、チェックポイントの保存・削除・復帰を並行処理下でも安全かつ欠損なく行う変更、ワークフローの完了と再開の経路全体でストリーミング・状態・応答メタデータを保持する変更、UI統合プロトコルAG-UIの割り込みと再開をまたいでチェックポイントや承認状態を保存する変更が並ぶ。組み込みオーケストレーションワークフローに安定した名前を与え、復元用にチェックポイント型を登録する変更もあった。チェックポイントの復元を既定で制限し、アプリケーション側が許可した型だけを読み込めるようにする破壊的変更は、復元経路そのものをセキュリティ境界として扱う発想だ。

    これらはいずれも「長時間動くエージェントが途中で落ちたとき、どこから再開できるか」という問いへの回答である。処理が複数ステップ・長時間に及ぶエージェントでは、障害時の再開性は機能リストの1項目ではなく、土台の信頼性そのものになりつつある。

    MCP接続は「便利な窓」から「守るべき入口」へ

    ツール連携プロトコルMCP(Model Context Protocol)の普及に伴い、フレームワーク側の防御も厚くなっている。Microsoft Agent Frameworkの9月のリリースには、MCPリクエストとセッションを正しい呼び出し元・オリジン・所有権に紐付けて認証する変更、MCPスキルアーカイブのダイジェスト検証、曖昧な構成の一致を拒否する変更が含まれる。エージェントが外部ツールを呼ぶ経路が増えるほど、その経路は攻撃面でもあるという認識がコードに現れている。

    AWSのStrandsも方向は同じだ。公式ドキュメントは仮想シェルについて、サンドボックスの設定とセキュリティモデルを独立した章として扱う。「AIエージェントが安全に使うための仮想シェル」という設計思想自体が、実行権限の分離を前提にしている。両者の違いは、Microsoftが既存アプリへの組み込み経路を中心に整備するのに対し、Strandsはハーネス・シェル・評価を一体の部品として提供している点だが、権限を区切ってから動かすという順序は共通している。

    評価と観測が出荷前の関門になる

    3つ目の共通項は検証だ。Strands Agentsはevals SDKを「出荷前にエージェントを検証する」構成要素として前面に出し、単一エージェントからマルチエージェントまでの学習コースも整えた。Microsoft Agent FrameworkのドキュメントもHarness Agentの特徴のひとつに観測性(observability)を掲げる。エージェントの振る舞いを事前に検証し、運用中に観測する。この2つが揃って初めて、エージェントを「動くデモ」から「保守できるシステム」にできる。

    選定の物差しは「機能数」から「運用特性」へ

    ここまでの事実を踏まえて、解釈を述べる。エージェントフレームワークの初期競争は、どれだけ多くのモデルプロバイダとツールに接続できるかという機能数の勝負だった。しかし主要なOSSが統合・再編を一通り終えた2026年秋の時点で、差がついているのは耐障害性、権限分離、評価という運用特性だと見える。リリースノートに並ぶ修正の内容は、実際に本番環境で障害に遭ったチームの課題を反映したものと考えられる。

    導入を検討する側の視点も変わるはずだ。試すべきはデモの華やかさではなく、チェックポイントが壊れないか、ツール実行の承認を誰が制御できるか、評価をパイプラインに組み込めるか、ということになる。フレームワーク選定のチェックリストから「対応プロバイダ数」の行が相対的に薄まり、「落ちたときにどこから再開できるか」の行が太っていく。今後1年の採用動向は、その行の太さで決まる可能性がある。

    +
  • 2026年9月22日、OpenAIとAnthropicが相次いで新モデルを発表した。OpenAIの「GPT-6 Sol/Luna」はAPI価格を前世代比で半減させ、Anthropicの「Claude Opus 5.5」は典型的なワークロードで従来比40%のコスト削減を訴える。フロンティアLLMの開発競争が、性能そのものから「コストあたりの知能」へと主戦場を移しつつあることを、両社の一次資料から確認する。

    9月22日、二つの「新型フロンティア」が同日に並んだ

    2026年9月22日、OpenAIはGPT-6ファミリーの新モデル「GPT-6 Sol」と「GPT-6 Luna」を発表した(Introducing GPT-6 Sol and Luna)。同月初めに登場した最上位モデルGPT-6 Astraと同様の手法で訓練し、Astraの能力をより安く、より速く提供する位置づけだ。APIでは「gpt-6-sol」「gpt-6-luna」として利用でき、ChatGPT WorkとCodexでは有償プラン(Plus/Pro/Business/Enterprise/Edu)向けに提供が始まっている。

    同じ日、Anthropicは新ファミリー「Claude 5.5」の第一弾「Claude Opus 5.5」を発表した(Introducing Claude Opus 5.5)。同社によれば、多くの作業で上位モデルの「Claude Fable 5.1」と同等の水準にあり、運用コストはOpus 5比で40%低いという。下位モデルのSonnet 5.5とHaiku 5.5は「今後数週間で」投入される予定だ。

    両発表に共通するのは、最上位モデルの知能をいかに安く届けるかが中心メッセージになっている点だ。

    API価格は半額、キャッシュ読み取りは最大9割引き

    数値を見ると、値下げの幅が際立っている。

    OpenAIはGPT-6 SolのAPI価格を100万トークンあたり入力2ドル・出力10ドルとし、GPT-5.6 Solのプロモーション価格(同4ドル・20ドル)から50%引き下げたと発表した。廉価版のGPT-6 Lunaは入力0.10ドル・出力0.50ドルで、同じく半減している。

    AnthropicはOpus 5.5を100万トークンあたり入力4ドル・出力20ドルとし、Opus 5比20%の引き下げとした。影響が大きいのはキャッシュ読み取りで、100万トークンあたり0.20ドルとOpus 5比60%引きだ。エージェントやコーディングではキャッシュ読み取りがコストの大半を占めるため、総コストの削減につながりやすい。出力速度もOpus 5比で30%以上速いとしている。

    OpenAIもキャッシュ入力の読み取りに90%の割引を適用し、キャッシュヒット率が高まるよう改良したと説明している。GitHubではこの改良によって、OpenAIのモデルへの数十億件のリクエストのうち、新規処理が必要なプロンプトトークンの割合が半分以上減ったと、OpenAIは伝えている。

    ベンチマークの比較軸が「スコア」から「コストあたりの性能」へ

    両社の発表資料では、ベンチマーク結果が「同等のスコアを何分の一のコストで達成したか」という形式で並んでいる。

    OpenAIの発表では、実在するコードベースでの長期ソフトウェア開発を測るDeepSWE v1.1で、GPT-6 Sol(max effort)が68.8%を記録し、Claude Fable 5の最高スコア69.9%(xhigh effort)と1.1ポイント差ながら、タスクあたりコストは約80%低いとされる。ビジネスワークフローを測るAutomationBench 1.0.6では、GPT-6 Sol(xhigh)がスコア33.2%・タスクあたり0.27ドルに対し、Claude Opus 5(max)はスコア26.9%でコストはその11.1倍としている。

    Anthropicの発表では、ターミナルでの実務タスクを測るTerminal-Bench 4.0でOpus 5.5(xhigh effort)が66.4%(標準誤差±2.6ポイント)を記録し、OpenAIが報告したGPT-6 Astra(high effort)の57.9%を上回ったとしている。ただし同社は「この能力水準ではベンチマークの差が実世界の差を示す信頼できる指標ではなくなりつつある」と明記し、Opus 5.5とFable 5.1の実質的な差はスコアが示すより小さいという自社評価も併記した。

    実運用の報告としてAnthropicは、初期テスターが68万行のコード移行を1日未満で完了した事例や、20万行のコードベース監査を3時間弱で終えた(Opus 5は20時間超)例、HAProxyをCからRustへ書き換える内部テストでFable 5.1より2.5時間速く51%安く完了した例を挙げている。いずれも企業側の主張であり第三者検証を経ていない点には注意が必要だ。

    安全性評価が発表日の中心的な要素になった

    今回の両発表で目立つのは、安全性・アラインメント評価が製品アピールの中核に組み込まれたことだ。

    AnthropicはOpus 5.5について、公開前に外部評価機関のFrontier DesignとMETRによるテストを受けたと明らかにした。同社が最も包括的としている自動行動監査では「過去にテストしたモデルの中で最高のスコア」を取得したとし、プロンプトインジェクションへの耐性は検証した全設定でOpus 5を上回ったと主張している。AIセキュリティ企業Gray Swanのベンチマークでは、プロンプトインジェクションの成功率がテスト済みモデル中最低となりFable 5.1と並んだという。評価の詳細はOpus 5.5 System Cardとして公開されている。

    Opus 5.5は、CEOのDario Amodeiがフロンティア開発の速度調整を呼びかけて以来、初めてのモデルリリースでもある。

    OpenAI側も、GPT-6 SolとLunaはGPT-5.6世代よりアラインメント評価を改善したと発表。コーディング成果についての虚偽の主張が減ったことを含んでいる。さらに、ユーザーが誤りを報告した実際の会話に基づく内部評価で、GPT-6 Solの事実誤認が前世代比でおよそ半分に減ったとしている。

    「安くなったフロンティア」が利用者に届く経路

    ここまでは両社の発表という事実の整理である。以下は解釈である。

    エージェント型のワークロードでは、タスクあたりコストが実用性を左右する。1回の質問ならトークン単価の差は小さいが、コーディングエージェントを終日稼働させる使い方では、単価・キャッシュ価格・トークン消費量の積がそのまま費用になる。両社がキャッシュ読み取りの値下げを前面に出したのは、この利用形態を明示的に狙ったものと考えられる。

    一方で、両社のベンチマーク主張には構造的な限界もある。相互比較の数値は各社が自社の設定で測定・引用したもので、評価環境やeffort指定、フォールバック構成が異なる。Anthropic自身が「ベンチマークの差は信頼できる指標ではなくなりつつある」と認める水準であり、導入判断では自社ワークロードでの実測が重みを持つだろう。

    それでも、フロンティア級の能力が前世代の半値前後で供給され始めた事実は、API利用者にもエンドユーザーにも届く。AnthropicはPro/Max/Team/Enterpriseの5時間あたり利用上限を引き上げ、サブスクライバーが任意のタイミングで使えるレート制限のリセットを提供する。OpenAIは無料・Goユーザーにもデスクトップアプリ経由でGPT-6 Lunaを開放した。競争の軸が「どれだけ賢いか」から「どれだけ安く賢いか」へ移ったことだけは、9月22日の2本の発表が明確に示している。

    +
  • 韓国の李在明大統領が9月23日、ニューヨークでの投資家向け会合で、半導体の生産能力を5年以内に倍増させる方針を表明した。背景には、半導体・フィジカルAI・AIデータセンターの3分野に総額4,755兆ウォン(約3.11兆ドル)を投じる「3大メガプロジェクト」がある。9月には米アナログ・デバイセズによるエッジAI半導体の買収もあり、国家と企業の両面で半導体投資がAIインフラを軸に再編されている。

    5年で生産能力を倍増――ニューヨークでの宣言の中身

    9月23日、韓国の李在明(イ・ジェミョン)大統領はニューヨークで開かれた「Korea Investment Summit」で講演し、半導体生産拠点の拡張によって「今後5年以内に半導体の生産能力を2倍にする」と述べた。会合には韓国と米国の金融・企業トップが出席し、対韓投資の拡大を促す場だった。李大統領はあわせて「いかなる衝撃にも揺るがない、重要なAIサプライチェーンを構築する」と強調した(聯合ニュース、9月23日付)。

    「倍増」に期限を切って言及した根拠は、韓国政府が6月末に発表した国家計画にある。大統領は講演で、半導体生産クラスターとAI関連施設を建設する「3大メガプロジェクト」に今年すでに着手したと説明した。

    総額4,755兆ウォンの「3大メガプロジェクト」

    聯合ニュースの7月4日付報道によると、「3大メガプロジェクト」は半導体、フィジカルAI、AIデータセンターの3分野による国家変革を構想し、総投資額は4,755兆ウォン(約3.11兆ドル)に上る。半導体分野では、サムスン電子が西南部の光州(クァンジュ)にメモリ半導体工場2棟を建設する計画を表明。SKハイニックスも周辺の全羅道地域に2棟の工場を建設する方針で、両社の投資計画は合わせて800兆ウォン規模とされる。

    計画の特徴は地方分散にある。半導体生産クラスター、フィジカルAI、AIデータセンターの各施設は地方圏に整備される構成で、李大統領はこの構想が「国に新しい希望と機会を作る」ものだと強調し、若い世代に希望と活力を届ける狙いも示した(聯合ニュース、7月4日付)。

    実行体制も整えられつつある。韓国産業通商資源部は8月、李大統領への政策報告の中で、3案件を年末までに迅速に実施する方針を示した(Korea JoongAng Daily、8月4日付)。報道によれば、政府は財源を計画に優先配分し、大統領府内にAI専任組織を設けて李大統領自らが進捗を管理する体制を整える。

    ただし、計画への批判もある。野党からは政権の支持率狙いだとの指摘が上がっており、李大統領は「計画が支持率のためだったら、6月の地方選挙の前に出したはずだ」と反論した(聯合ニュース、7月4日付)。

    エッジAIに13.5億ドル――ADIの買収が補うもう一つのピース

    国家による生産能力の拡張と並行して、企業側の半導体再編も進んでいる。米アナログ・デバイセズ(ADI)は9月9日、エッジAI向けの低電力マイクロコントローラーとフュージョンプロセッサを開発するAlif Semiconductorの買収で最終合意に達したと発表した。株主への支払いは現金13.5億ドルで、このほか最大2億ドルの追加支払いが条件付きで上乗せされる。完了は2026年末までを見込み、米ハート・スコット・ロジノ(HSR)法に基づく待機期間の経過などが条件となる。

    買収対象のAlifは、ニューラル処理ユニット(NPU)とグラフィックスアクセラレーションを統合したアーキテクチャを持ち、単核から多核システムまで拡張できる製品群を展開する。同社のチップはすでに量産出荷されており、消費者向け・産業向けの主要顧客で設計採用を獲得していると、リリースは説明している。

    ADIは買収の意図について、言葉や画像の解釈を超えて現実世界の文脈を理解し、行動するAIの段階に入りつつあると説明している。ヴィンセント・ローチCEOは、Alifのデジタル処理技術と同社のセンシング・信号処理・電源・接続・ソフトウェアの強みを組み合わせれば、「リアルタイムにセンシングし、推論し、行動する、まったく新しいクラスの安全でインテリジェントなシステム」を顧客が構築できるようになると述べた。対象市場は産業、データセンター基盤、防衛、エネルギー、ロボティクス、デジタルヘルス、ウェアラブルと幅広い。これはあくまで企業側の戦略説明であり、成果は今後の製品展開で検証されることになる。

    国家の設備投資と企業のM&Aが向かう同じ地点

    韓国の倍増計画とADIの買収は、主体も手段も違うが、向かう方向は共通している。生成AIの普及でデータセンター向けの高性能半導体需要が伸びる中、供給側は「大量生産の能力」と「末端での処理能力」の両面を固めつつある。市場調査会社のResearchAndMarketsも、AIチップ、工場新設、先進パッケージングを牽引役に半導体製造装置への投資が拡大するとの見通しを示しており、米国の半導体製造装置市場は2025年の約287億ドルから2035年には約666億ドルへ伸びると予測している(調査レポート、9月22日付)。

    韓国計画の不確実性も残る。倍増目標の中身が、ウエハー生産能力のどこまでを指すのか、どの製品分野を中心に据えるのかは、今後の発表で明らかになる。800兆ウォン規模の民間投資は、半導体市況の低迷期には経営を圧迫するリスクを抱える。ADIの買収は年内完了を見込むが、統合後にエッジAI市場でどれだけの存在感を出せるかが問われる。いずれにしても、半導体産業ではAIインフラを軸にした設備投資と企業買収が同時に進行しており、その規模は市況や金利の変化が計画の前提を揺るがしかねない水準に達している。

  • 米ホワイトハウスが、査読を経たNIH助成金の採択に政治任用者による委員会の最終決定権を与える大統領令案を準備しているとの報道から4日後、案は棚上げされたと報じられた。上院歳出委員会の与野党トップが相次いで反発した結果であり、査読制度の独立性を巡る攻防が米国の研究資金政策の焦点になっている。

    「査読の後」に政治委員会——報じられた大統領令案の中身

    9月20日、米メディアが、トランプ政権が米国立衛生研究所(NIH)の助成金交付に政治的な管理を加える大統領令の草案を準備していると報じた。報道によれば、9月18日にホワイトハウスで開かれた会議で行政管理予算局(OMB)のラッセル・ヴォート局長が「NIHは政権の目標と整合しない研究に資金を提供している」と主張し、これを受けて作られた草案は、政治任用者(ヴォート局長自身を含み、NIHのジェイ・バタチャリア所長も加わる形)で構成される委員会が、法律で定められた査読プロセスの後に助成決定への最終的な発言権を持つ仕組みを掲げていたという。草案の本文は公表されておらず、存在自体も報道ベースの情報である点には注意が要る。

    これに先立つ9月21日、上院歳出委員会の民主党側筆頭副委員長パティ・マレー議員は声明を発表し、案について「NIHが資金提供先として選んだ助成を却下できる外部審査委員会」を設けるものだと説明した上で、「救命になる医学研究が資金を得るかどうかはNIHの専門家が決めるべきで、トランプ氏とヴォート氏が選んだ追従者のパネルが決めるべきではない」と批判した(上院歳出委員会の声明)。

    4日間で崩れた経緯——歳出委員長の書簡が効いた

    9月22日、上院歳出委員会の委員長で共和党のスーザン・コリンズ議員が、ヴォート局長とバタチャリア所長あてに書簡を送り、案の中止を求めた。書簡は、案が「科学的価値ではなく政治的イデオロギーに基づいて生物医学研究に資金を配分する」ことになりかねないと指摘。NIHの直近の大規模改革が2016年の21世紀治癒法(21st Century Cures Act)だったことに触れ、「政権がNIHの追加改革を求めるなら、大統領令ではなく立法提案として議会に提出せよ」と求めた。

    9月23日、複数の米メディアが政権が案を事実上取り下げたと報じた。コリンズ議員も案は「事実上死んでいる」と述べたと伝えられている。ただしホワイトハウスは公式にコメントしておらず、一部報道は改訂版が11月の中間選挙後に再提出される可能性に言及している。

    書簡がMerit審査の価値を説明する材料として挙げたのは、具体的な治療の進展だ。アルツハイマー病では議会の継続的な投資により早期段階での識別が可能になり、介入効果が最も見込める時期での発見につながっている。1型糖尿病では初の幹細胞治療がFDAの承認を取得し、治験参加12人のうち10人が治療1年後もインスリン投与を必要としなくなった。査読制度が研究成果と結びついてきた具体例として示されたもので、政治審査の導入がこの流れを損なう懸念が述べられている。

    査読の独立性を支える法律と、議会による前例の封じ

    コリンズ議員の書簡が依拠するのは、米連邦法42 U.S.C. §289aが定める査読の法定プロセスだ。NIHへの資金申請は外部専門家の委員会による学術的価値の評価を経て、資金を出す研究所の諮問委員会が審査し、研究所の指導部が最終決定する。書簡は、このプロセスの厳格さこそがNIHの成功の鍵であり、NIHに在籍するかNIH資金で研究する科学者174人が104件のノーベル賞の単独・共同受賞者となってきた実績につながったと指摘する。

    さらに重要なのは、同種の試みを議会がすでに封じた前例だ。OMBが「ユニフォーム・ガイダンス」改定案で進めていた助成プロセスの政治化に相当する条項は、2026年9月初めに成立した2027会計年度の暫定予算法(継続決議)第157条で阻止済みである。政権が大統領令で同じ内容を実現しようとすれば、議会の意図を迂回する形になる。9月25日には、マレー議員とタミー・ボールドウィン議員を筆頭に31人の議員がヴォート局長に書簡を送り、「規則案、大統領令、その他の手段を問わず、NIHの助成決定への政治的支配の計画を放棄せよ」と求めた。同書簡は5,780件・推計150億ドルの助成が打ち切りや混乱の影響を受けたと主張するが、これは署名者側の集計であり独立した検証はない。

    NSFの採択ペースが示す研究資金の冷え込み

    NIH以外でも研究資金の流れは鈍っている。業界紙Inside Higher Edが9月21日に報じたところによれば、米国立科学財団(NSF)の2026会計年度の助成決定は9月12日時点で6,200件・63億ドルにとどまり、前年会計年度同時期の8,600件・81億ドルを大きく下回る。2021〜2024年会計年度には毎年1万件超だった。8月20日頃から採択はほぼ停滞し、10億ドル超が保留されているという。多くはホワイトハウスの「Grand Research Challenges」構想に紐づくとされる。ただしこれらの数値は米政府支出データUSAspendingを基にした第三者トラッカー「Grant Witness」の集計であり、NSF自身の公式報告値ではない点は割り引いて読む必要がある。

    同じ週には、政府会計検査院(GAO)が南極支援契約を巡る入札抗議の決定(B-424575)の公開版を公表した。NSFが6月にKBR社へ発注した南極科学支援契約は20年・上限80億ドル規模で、年間を通じて運用される3つの観測基地と2隻の研究船をカバーする。GAOは、提案書が明記しない関連会社の過去実績をKBR社に不当に加算したと判断し、再評価と新しい総合比較分析、抗議費用の償還を勧告した。調達手続きの公正さを巡る判断であり、採択ペースの問題とは別の論点だが、NSFの資金執行に対する外部審査が強まっている状況を映している。

    棚上げは終着点ではない——再燃しうる3つの条件

    この攻防は終着ではなく途中経過と見るのが自然だ。第一に、棚上げは報道ベースで、政権が公式に撤回したわけではない。第二に、改訂版大統領令が中間選挙後に再提出される可能性が一部で報じられている。第三に、連邦政府は12月11日までの暫定予算で運営され、下院は11月9日まで休会中で、上院も2027会計年度の委員会配分を決めていない。予算を通じた制度的チェックが本格的に動くのはこれからである。

    査読による資金配分はNIHに限らず、世界中の研究助成制度の基本設計だ。日本の科学研究費も専門家審査を軸に組み立てられている。政治的判断を査読工程のどこに位置づけるのか——本件の論点は、米国の国内問題にとどまらず、研究システム全体の信頼性を考える上で共通の問いになっている。

    +
  • WHOは2026年9月21日、AI関連の健康研究における倫理審査と監督の在り方をまとめた報告書を公表した。透明性、バイアス、公平性、プライバシーといった新たなリスクに既存の監督体制が追いついていないと警告し、研究者、倫理委員会、資金提供機関、規制当局など各主体への推奨事項を提示している。

    WHOは2026年9月21日、報告書「Artificial intelligence-related health research: ethics review and oversight」を公表した。全69ページ(ISBN 978-92-4-012407-3)。WHOの研究倫理・科学・デジタルヘルス・AIに携わる専門家が共同で作成し、ニュースリリースとあわせて発表された。

    報告書によれば、AIはいまや健康データの分析方法、研究の実施方法、新技術の開発・評価のプロセスを変えつつある。一方で、既存の倫理監督の仕組みは、透明性、バイアス、公平性、説明責任、プライバシー、AI搭載ツールの急速な展開に伴う潜在的被害といった新規リスクに「常に対応できるとは限らない」という。

    「データ分析」「ツール利用」「研究対象」──3分類が示すAI研究の広がり

    報告書はAI関連の健康研究を3つのカテゴリーに分類した。(1) AIを用いた健康関連データ科学研究、(2) AIツール・技術を使って実施する研究、(3) AIツール・技術そのものを対象とする健康関連研究、の3つである。

    この分類は単なる整理にとどまらないと考えられる。研究のどこにAIが関わるかによって、倫理審査で問われるべきリスクの質が変わるためだ。健康データの二次分析にAIを使う研究ではデータガバナンスとプライバシーが中心になる一方、AIツールそのものを検証する研究ではアルゴリズムの性能と公平性の評価が争点になる。報告書はこの3分類を軸に、研究デザインから倫理審査、出版、規制、実装まで、研究ライフサイクル全体で監視を強化する枠組みを提案している。

    倫理審査委員会に求められる専門性とリソースの溝

    報告書は、研究倫理委員会(REC)が研究参加者の保護において中核的役割を担い続けると確認しつつ、複雑化するAI関連研究を効果的に審査するには、追加の専門知識・訓練・リソースが必要になると指摘した。研究者側には、倫理リスクの早期特定と緩和、透明なコミュニケーション、AI技術のより広範な社会的影響への配慮という責任も求めている。

    WHOのメグ・ドハーティ博士(Director, Department of Science for Health)はリリースで「AIは健康研究を加速し、人々の生活を改善する前例のない機会を作っている。同時に、革新は人間の尊厳、権利、公平性を守る強固な倫理的保障に導かれなければならない」と述べている。

    プロジェクト単位の審査では対処できない構造課題

    注目すべきは、報告書が倫理委員会以外の主体の役割を明示した点だ。資金提供機関、科学雑誌、データガバナンス機関、専門学会、規制当局が責任あるAI関連健康研究を促進し、プロジェクト単位の審査だけでは管理できないシステミックな課題に対応すべきだとする。

    アラン・ラブリック博士(Director, Department of Data, Digital Health Analytics and Artificial Intelligence)は「健康研究におけるAIの効果的なガバナンスには、分野・セクター・機関を越えた協力が必要だ。AI技術が急速に進化し続けるなか、機敏でエビデンスに基づく監督の仕組みが必要だ」と述べている。

    さらに報告書は、倫理審査そのものにAIを活用することの利点とリスクも検討対象に含めている。審査の現場へのAI導入が効率化をもたらす一方、新たな依存とバイアスを生み得るという視点であり、この点を明示した国際機関の文書はまだ多くない。

    低中所得国で懸念される「データ植民地主義」

    報告書は低・中所得国の課題にも多くの紙面を割いている。今日のAI研究と技術開発の多くが高所得国側に集中していると指摘した上で、公平性、利益共有、データ植民地主義(data colonialism)、倫理ダンピング、権力の不均衡、能力構築といった観点からリスクと不均衡を分析した。現地のリーダーシップ、能力、参加を強化することが、公平な利益の確保と、新たな形の排除や不公平の回避に不可欠だと結論づけている。

    各国で動き出すルール整備、日本の研究現場はどう読むか

    この動きはWHOに限らない。朝鮮日報が報じたところによると、韓国の科学技術情報通信部と韓国科学技術企画評価院(KISTEP)は9月20日、国家R&D向けの「AI研究倫理ガイドライン」を策定し、論文などでのAIツール利用の開示規定を盛り込んだという。米国でも、HHS(保健社会福祉省)研究公正局(ORI)が2026年8月に生成AIに関するガイダンスを公表し、改定された研究不正規則(42 CFR Part 93)の下での扱いを整理したと法律事務所の解説が伝えている。

    WHO自身は今回の報告書を「AI関連健康研究の時代における倫理監督強化の出発点」と位置づけ、今後の標準・ガイダンス・ガバナンス手法の開発を支えるとしている。AI利用の開示ルールやデータガバナンスの整備は、日本の研究機関にとっても近い将来の現実的な課題になるはずだ。報告書の全文はWHOのサイトから無料でダウンロードできる。

    +
  • 2026年9月下旬の1週間、米国のAIガバナンスは逆方向の二つの流れに割れた。カリフォルニア州は安全評価関連2法の実施を1年前倒しする知事令に署名し、ニューヨーク州は主要AI開発者への州登録を11月に開始すると発表した。一方、トランプ政権は産業を規制から守る「AI Force」構想を打ち出している。さらに規制を求める側に回ったのは開発企業自身だ。州が事実上の全国基準を作りつつある。

    カリフォルニアが安全評価を1年前倒し、「キルスイッチ」検討を命じた

    9月18日、カリフォルニア州のギャビン・ニューサム知事は知事令(エグゼクティブ・オーダー)を発行した。中心的内容は、同月初めに署名したばかりの州法2本の実施時期を1年前倒しすることだ。1本は独立した検証組織がAIモデルの潜在的リスクを評価する枠組みを定める「SB 813」、もう1本は州法への準拠を審査するAI監査人の州登録制度と標準を整備する「AB 1405」である。

    知事令はさらに、専門家グループを集め、2か月以内にガイドラインを作成するよう指示した。検討が明らかにされている項目には、AI企業の安全計画の策定を独立第三者に委ねる仕組みや、最先端のフロンティアモデルへの緊急停止機能——いわゆる「キルスイッチ」の搭載義務化が含まれる。Digital Watch Observatoryの整理によれば、これらの州法にはAnthropicとOpenAIが支持を表明している。

    ニューサム知事は発表に際して「ワシントンがアメリカ人を守る責任を放棄している間も、カリフォルニアは国内で最も強力なAI規制の枠組みを築き続ける」と述べ、連邦政府を明確に批判した。

    11月に登録開始、1月1日に施行——ニューヨークが作る監督体制

    東海岸でも動きがあった。9月21日、キャシー・ホキュル知事はRAISE法(Responsible AI Safety and Education Act)の実施次工程を発表した。ニューヨーク州で事業を行う大手のフロンティアAI開発者は11月から州ポータルでの登録を開始し、2027年1月1日の施行までに完了する。

    同法の要件は具体的だ。開発者は公開可能な安全フレームワークを作成し、死者または重傷者50人以上・10億ドル以上の被害につながりうる重大な安全事故を72時間以内に報告し、四半期ごとに破滅的リスク評価を提出する。執行は州司法長官室が担う。POLITICOの報道(Omega要約)によれば、監督機関「DIGIT」は州金融サービス局内に置かれ、初年度予算は約1040万ドル。初代副室長にはコンプライアンス企業Theta Lakeの元法務責任者マーク・ギルマンが就任した。同報道によれば、ニューヨークはカリフォルニア、イリノイ、マサチューセッツの各州と規制の調整も進めており、イリノイ州でもプリッツカー知事が両州をモデルとしたAI規制法に署名したと地元紙Herald & Reviewが報じている。

    「AI Force」と「デマ」発言——連邦政府は逆方向を走る

    州が規制を強化する一方、連邦政府のベクトルは逆向きだ。トランプ大統領は9月中旬、AIの安全性への懸念を「デマ(hoax)」と述べたとCNBCが報じた。さらに先週末、ホワイトハウスは宇宙軍をモデルにした「AI Force」の創設とAI担当調整官(AI Czar)の任命構想を発表したと複数メディアが伝えた。その狙いは規制の強化ではなく、AI産業を規制から守ることにあると報じられている。

    連邦議会に州と同じ発想がないわけではない。ルイジアナ州のジョン・ケネディ連邦上院議員は、AIモデルへの緊急停止機能の搭載義務づけを求める法案の成立を試みたが、実現には至らなかった。

    規制を求めるのは規制される側——Amodeiが提案する政府の阻止権限

    この一連の流れで特異なのは、規制される側の開発企業が政府の介入を求めている点だ。Anthropicのダリオ・アモデイCEOは9月23日、エッセイで、安全性への取り組みがAIの急速な進歩に追いついていないと警告した。その上で「第三者の評価に基づき、容認できないリスクを示すと判定された場合、政府はモデルの展開を阻止または抑止する権限を持つべきだ」と主張した。

    9月24日付のABCニュースの単独インタビューでは、「狭い範囲で、安全でない技術の展開を阻止する能力を政府に与えることを提案している」と語った。あわせて、AIが社会に与える影響の研究への2億ドル規模の投資も発表している。さらにAnthropicは先週、モデルが自己改善能力に近づいているとして開発の一時停止を巡る声明を公開しており、アモデイはこれについて「少なくとも試みる用意はあるべきだ」と述べた。

    経済規模の大きい2州が同じ方向を向いたことの意味

    事実関係を整理すると次の3点になる。第一に、AI産業と金融の中心地であるカリフォルニアとニューヨークが、施行時期の繰り上げまでして監督体制の構築を急いでいる。第二に、連邦政府は規制ではなく産業保護に向かっている。第三に、大手開発者の一部は政府の介入権限を自ら求めている。

    ここからは解釈である。州規制が「連邦の不在」を埋める構図は当面続くと考えられる。ただし州の権限は登録・報告・監査が中心で、モデル開発そのものを停止させる手段は持たない。連邦と州が対峙すれば法廷での攻防に発展し、企業は州ごとに異なる要件の遵守コストを負うことになるだろう。登録と報告義務という「見える化」から制度の実効性が試されるのか、それとも形骸化するのか——今後数か月の運用で見えてくるはずだ。

    +
  • 2026年9月21日、デンマークでAIエージェントが消費者の依頼を受け、予約から決済までを完結する取引が初めて実施された。同じ週の米国では、FDA承認を得たAIによる心臓超音波の撮影支援がICUで広がりつつある。金融と医療という性質の異なる2つの現場から、産業AI導入が「実験」から「運用」へ移りつつある現在地を整理する。

    AIエージェント決済、デンマークの生きたカード網で初完結

    2026年9月21日、ダンスケ銀行(Danske Bank)とMastercardは、デンマークで初めてAIエージェントが消費者の代理で購入と決済を完結したと発表した。コペンハーゲンからの発表によれば、消費者はAIエージェントにMastercardの体験プラットフォーム「Priceless.com」上のコーヒーテイスティングの予約を依頼した。エージェントは予約と支払いの両方を、ダンスケ銀行発行のMastercardを使って完了させたという。

    これは閉じた環境での技術デモではない。実際のカード決済網上での取引であり、決済にはMastercardの「Agent Pay」が使われた。認証はパスキー技術の「Payment Passkeys」で行われ、生のカード情報はトークン化によって隠される。取引は常に消費者の同意と管理の下に置かれる設計だと両社は説明している。

    経緯をたどると、Mastercardは2025年4月にAgent Payを発表した。2026年3月2日にはBanco Santanderとともに、ヨーロッパ初のエンドツーエンド型エージェント決済の完了を報告している。さらに2026年6月には、欧州のMastercard発行機関すべてがネットワークレベルでAgent Payに対応したと同社は明らかにした。今回のデンマークでの取引は、個別実証の積み重ねではなく、対応基盤が欧州規模に広がった後の一事例という位置づけだ。

    「速さ」ではなく「可視性」──Agent Payが選んだ設計

    注目すべきは、この実証の強調点が処理の速さではなく、制御と可視性である点だ。Mastercard北欧地区社長のErik Gutwasser氏は、AIによる購入を簡便にしつつ透明性とセキュリティを犠牲にしない狙いを説明した。ダンスケ銀行でデンマークのパーソナルバンキング責任者を務めるMark Wraa-Hansen氏も、顧客が今後金融サービスとどう関わるかを見極める取り組みの一環だと位置づけている(両社の発表による)。

    構造としては、(1)パスキーによる認証、(2)トークン化された支払い情報、(3)取引の開始者がエージェントであることの発行銀行への可視性──という3層の構えが組み込まれている。決済の主体が人間からソフトウェアへ移る際、チャージバック(消費者の係争権)や不正検知といった既存の保護枠組みを、カード網の上にどう再構築するかが実質的な論点になる。今回の発表は技術面の設計が中心であり、係争処理の詳細など制度面の整備は今後の課題として残ると考えられる。

    医療のボトルネックは画像診断ではなく「撮影」だった

    同じ週の医療分野では、イスラエル発のUltraSightがAIによる心臓超音波の撮影支援で2,400万ドルの資金調達を完了したと報じられた(米CTechの2026年9月22日付報道)。Alive HealthTech Growth Fundがリードし、Mayo Clinicのベンチャー部門とNYUも出資者に名を連ねる。2018年創業以来の累計調達額は4,200万ドルになった。

    この事例の本質は「AIが診断する」のではなく「AIが撮影を支援する」ことにある。心臓超音波は装置の小型化が進んだものの、有用な画像を得るには検者のプローブ操作の技量が依然として必要で、この「撮影の壁」が検査の普及を妨げてきた。UltraSightのソフトウェアは超音波の動画ストリームを解析して画像品質を評価し、操作者にプローブの動かし方をリアルタイムで指示する。対象は専門の超音波検査士ではなく、適切な訓練を受けた医療スタッフとされる。

    同社の発表によれば、このソフトウェアは2025年12月17日にFDAの510(k)クリアランス(K251416)を取得した。ハンドヘルド型からカート型まで複数の超音波システムに対応する「Echo Stewardship Platform」として、米国の集中治療室(ICU)10施設以上への導入が進んでいるとされる。いずれも同社側の主張であり、臨床効果の独立した検証はこれから蓄積される段階だ。

    留意すべきは、このクリアランスがカバーするのは「心臓超音波画像の取得を支援するソフトウェア」であって、ベッドサイドの簡易スキャンを包括的な心エコー検査や医師の評価の代替にするものではない点だ。規制上の位置づけは意識的に限定的で、AIが臨床判断を置き換えるものではない。

    導入の成否はモデル性能より「制御の接続」で決まる

    一方は決済網の上にエージェントの認証と可視性を重ねた金融の実装、もう一方は臨床作業の特定工程に絞り込んだ医療の実装。方向は異なるが、共通するのは「AIを全面的に信頼させるのではなく、既存の制度とワークフローの中に検証可能な形で組み込む」という設計思想だ。

    金融では発行銀行がエージェント起点の取引を見える化し、医療では規制機関が適用範囲を明示する。エンタープライズAIの成否は、モデルの性能そのものより、認証・同意・可視性といった制御の仕掛けを既存プロセスにどう接続できるかで決まる可能性がある。この2つの事例は、2026年の産業AIが「何をするか」より「どう制御されるか」で設計されていることを示している。

    読者に一つ問いたい──あなたの業界で「AIに任せてもよい最初の工程」は、どこにあるだろうか。

    +
  • Alibaba Cloudが年次イベント「Apsara Conference 2026」で、3カ国への新クラウドリージョン展開とエージェント活用向けAI製品3本の提供開始を発表した。同社CTOは「AIは実験から実導入へと急速に移っている」と指摘する。同じ週にはエージェントAI企業Emaが7,700万ドルの調達を発表しており、企業AI導入はパイロットの段階から本番環境への移行期に入り、推論コストの削減と運用体制の整備が焦点になっている。

    9月23日、Alibaba Cloudは杭州で開催中の年次カンファレンス「Apsara Conference 2026」において、今後12カ月のグローバルインフラ拡張計画と、企業向けAI新製品3本の提供開始を発表した(Alibaba Cloud公式発表、9月23日)。

    12カ月で3カ国に新リージョン、計算資源の近接性が導入の前提になる

    発表の中核は物理インフラの拡張だ。Alibaba Cloudは今後12カ月で、トルコ、フィンランド、オランダに初のクラウドリージョンを開設する。あわせてマレーシア、ドイツ、アラブ首長国連邦、フランス、香港でデータセンター規模を拡大する。同社は現在、31リージョン・107アベイラビリティゾーンを世界で運用していると発表しており、今回の計画はこの規模をさらに広げるものになる。

    背景にあるのは、生成AIの推論処理を利用地点の近くで実行したいという企業側の要求だ。同社の発表でも、拡張の目的は「主要市場横断でローカライズされたクラウド・AIサービスの提供能力を強化する」ためと説明されている。

    Alibaba Cloud IntelligenceのCTO兼インターナショナルビジネス総裁である李飛飛(Feifei Li)博士は「Alibaba CloudはAIネイティブインフラからエージェントネイティブクラウド(Agent-Native Cloud)アーキテクチャへと進化した。AIも実験から実世界への導入へと急速に移動しており、スケーラブルなインフラとより利用しやすいAI能力の双方への需要が生まれている」と述べている。

    スループット最大505%増とトークン費約50%減、強調される数字の狙い

    新製品3本は、いずれもモデルを「運用する」段階のコストと手間を下げる設計になっている。

    「Smart Studio」は、企業が自社ブランドでモデルAPIを提供するModel-as-a-Service(MaaS)基盤を構築できる製品だ。パッケージ化・課金・従量計上の仕組みを数分で立ち上げられるとされ、同社の測定では同一ハードウェア上で標準的なオープンソースフレームワークと比べ最大505%高いスループットを発揮するという。

    「Smart Fusion」は、複数のモデルを単一の標準APIに抽象化するエンジンで、タスクごとに適したモデルを組み合わせる。トークン消費を約50%削減できると同社は主張している。「Smart Video」は短編ドラマ制作会社や広告主向けの動画生成エージェントで、1時間までの動画生成と20言語以上の対応をうたい、映像生成モデル「Wan」をサポートする。

    これらの数字はいずれもAlibaba Cloud自身の測定と主張であり、第三者機関による検証はされていない。ただし、訴求の中心がモデルの性能そのものではなく、スループットとトークンコストといった運用指標に置かれていること自体が、顧客企業の関心が本番運用のコスト構造に移っていることを示す材料と考えられる。

    パイロットを卒業した企業の事例が並ぶ

    同じ発表では、企業導入の具体例も複数並べられた。いずれもAlibaba Cloudと顧客企業による共同発表という形式で、効果の数値は両者の報告値である。

    パナソニック デジタル(上海)は、同社のモデル開発基盤「Bailian(Model Studio)」経由でQwenモデルを利用し、製造・サプライチェーン・間接部門向けのAIエージェント群を構築した。その結果として、議事録の自動生成による文書作成時間の80%削減と、「Smart Compare」エージェントによる契約審査の効率10倍向上が報告されている。非技術職の従業員が自然言語で在庫分析を行えるようになった点も効果として挙げられている。

    インドネシアの物流企業Lion Parcelは、Qwen-VL-Plusモデルを使って財務・書類処理のワークフローを自動化した。ゲームエンジンを運営するUnity Chinaは、Qwenとサードパーティモデルを自社の開発基盤「Tuanjie AI-Codely」に組み込み、コード理解やデバッグの自動化に利用している。

    事例の共通点は、チャットボットのような単発の試験導入ではなく、既存業務プロセス(文書処理・契約審査・開発工程)への組み込みである。前出の李博士も、成長する顧客とパートナーのエコシステムは「これらの能力が産業や市場を横断して具体的なビジネス価値に転換できることを示している」と強調している。

    投資家の視線も本番運用へ向かう

    同じ週、米国のエージェントAI企業Emaは7,700万ドルのシリーズB調達を発表した(Ema公式発表、9月23日)。Creaegisがリードし、Accel、S32、Prosusが追加出資する。累積調達額は1億4,000万ドルとなり、企業評価額は前回ラウンドから4倍以上になったと同社は述べている。

    Emaの訴求もまた「本番運用」にある。CEOのSurojit Chatterjee氏は「顧客は実験をしているのではない。年間数百万規模のインタラクションで、人事・IT・財務の運用をAI従業員(AI Employees)で回している」と述べ、導入が試験段階で止まっている企業に向けて「まだパイロットの段階にいる」と表現した。

    同社の発表によれば、大手ITサービス企業(GSI)上位5社のうち1社では、24万人の従業員を支えるアシスタントが年間約290万件の問い合わせを処理し、チケットの約60%を発生そのものを回避したという。また別のグローバル企業では4週間で本番投入し、70%の効率改善とチケット量30%減を達成したとされる。過去24カ月で売上を50倍に伸ばしたとの主張もある。これらはすべて企業側の自己申告であり、測定条件の確認なしに一般化はできない。

    本番移行が進むほど問われるガバナンスと検証可能性

    ここまでの発表から読み取れるのは、企業AI導入をめぐる議論の中心が「何ができるか」から「どれだけ安く、確実に、継続できるか」へ移動しつつあるという点だ。Alibaba Cloudは推論スループットとトークンコストを、Emaは導入速度とチケット削減率を、それぞれ競争の軸として前面に出している。

    一方で、今回の両発表はいずれもベンダーと顧客企業自身によるもので、効果測定の手法や比較条件は公開されていない。導入事例の数値を評価する際には、測定期間・比較対象・算出方法を個別に確認する必要がある。本番環境への移行が進むほど誤作動の影響は実務プロセスに直接及ぶため、人間の承認をどの工程に残すかというガバナンス設計が、コストと同じ重みを持つ。Alibaba Cloudがデータ主権とコンプライアンス対応を拡張の理由に挙げ、Emaが「重要な意思決定には人間の監督を含める」と強調しているのは、その表れと考えられる。

    クラウド基盤の拡張、推論コストの削減、そして本番運用の事例という3つの要素が同じ週に揃ったことは、企業AI導入がいま実験の段階を抜け出そうとしていることを示す材料といえる。

    +