• CERNのLHCb実験は2026年11月3日、B⁰中間子がミューオン対へ崩壊する「約100億回に1回」の過程で、単一実験として初めて3σの証拠を得たと発表した。Run 1〜3の全データを併合した有意性は3.2σ。測定値は標準模型の予言と整合し、標準模型を超える理論に残る余地はさらに狭くなった。40年続いた捜索の到達点と、この結果が意味するものを整理する。

    3σの証拠に初めて到達、発見の基準には届かず

    2026年11月3日、LHCbコラボレーションはCERNのセミナーで、B⁰→μ⁺μ⁻崩壊の単一実験による初の証拠を発表した。論文は同日付で学術誌へ投稿され、査読前のプレプリントとして公開されている。

    解析に使ったのは、2024年から2025年にかけてUpgrade I検出器が記録したRun 3の陽子陽子衝突データだ。重心系エネルギーは13.6 TeV、積分光度は18 fb⁻¹に相当する。2010〜2018年に取得したRun 1とRun 2の結果を併合すると、有意性はRun 3単独の3σから3.2σへ向上した。

    素粒子物理では、統計的有意性が3σに達すれば「証拠」、5σに達すれば「発見」と呼ぶ慣例がある。今回の結果は証拠の水準に達したが、発見の宣言には至っていない。ただし、単一実験のデータだけでこの水準に達したのは初めてで、LHCbはあわせて、関連するBs⁰→μ⁺μ⁻の分岐比と有効寿命について世界最高精度の測定値も報告している。

    崩壊が稀なほど新粒子の影響が大きく映る「黄金のチャンネル」

    B⁰中間子はビューティークォークとダウン反クォークで構成される粒子だ。標準模型が予言するB⁰→μ⁺μ⁻の分岐比は極めて小さく、CERNの発表では「約100億回に1回」と表現されている。LHCbの公開資料によれば、この崩壊率は関連するBs⁰→μ⁺μ⁻(約10億回に3回)のおよそ30分の1だ。一方、衝突でB⁰が生成される頻度はBs⁰の約4倍であるため、実際に観測される事象数の差は約7倍に縮まる。

    これほど稀な過程が狙われる理由は、新物理への感度だ。追加のヒッグス粒子やZ’ベクトルボソン、レプトクォークといった標準模型を超える粒子は、LHCのエネルギーでは直接生成できないほど重い場合でも、量子効果として希少崩壊の確率に痕跡を残しうる。崩壊が稀であるほど未知粒子の寄与が相対的に大きく映るため、B中間子のミューオン対への崩壊は「黄金のチャンネル」と呼ばれ、長年探索が続けられてきた。

    2015年のB⁰の証拠は再確認されず、捜索は40年に及んだ

    この分野の歴史は挫折の記録でもある。Bs⁰→μ⁺μ⁻については、LHCbが2012年11月に3.5σで最初の証拠を得て、2015年5月にはCMS実験との共同解析で6.2σの観測に到達した(Nature誌の論文)。2017年2月にはLHCb単独で7.8σの観測を達成している。

    曲折したのはB⁰の方だ。2015年のLHCbとCMSの共同解析はB⁰→μ⁺μ⁻の証拠も報告したが、その後、2018年までのデータを使った解析では確認できなかった。CERNの発表の中で、解析チームを共同主宰したMarco Santimariaは「物理学者たちはこの崩壊を40年以上追い続けてきた」と述べ、膨大な背景事象からミューオンを選び出すには極限の精度が要ると語っている。

    突破口となったのは検出器の刷新だ。2024年から始まったRun 3では、2010〜2018年比で約5倍の割合でデータを記録できるようになり、粒子識別の性能も向上した。さらに機械学習を援用して、100億分の1の希少シグナルを背景から選別した。

    標準模型との整合が新物理の余地をさらに狭める

    注目すべきは、測定結果が標準模型の予言と矛盾しなかった点だ。LHCbの公開記事によれば、Run 1〜3を併合した解析では、標準模型の期待値はデータの68.27%信頼水準の領域内に収まった。あわせて報告されたBs⁰の有効寿命は1.60±0.16±0.01 psで、これも理論予言と整合している。

    新物理探索では、新粒子の効果が見つからないという結果もまた情報になる。LHCbは、過去の測定がすでに標準模型を超えるモデルに強い制約を課しており、今回の結果が許容されるパラメータ領域をさらに狭めて、今後の実験と理論の照準を定めると説明している。ニュートリノに質量があることやダークマターの存在など、標準模型では説明できない現象が知られている以上、理論の「亀裂」を探すには、まず標準模型がどこまで正確かを突き止める必要がある。その意味で、100億分の1の崩壊を標準模型どおりに確認したことは、新物理の探索地図の空白を埋める作業そのものだ。

    LHCbは今回測定したB⁰→μ⁺μ⁻について、その中心値が「これまでに測定された最も稀なB中間子崩壊」だと位置づけている。

    Upgrade IIが希少崩壊の感度を1桁上げる

    LHCbの広報ページによれば、Run 3の陽子陽子衝突データの記録は2026年6月末に終了した。今後は解析の深化と、次期検出器の準備が並行して進む。LHCbの公開資料によれば、次の10年の中頃に予定されるUpgrade IIではデータ収集率をさらに1桁向上できる見込みで、これらの希少崩壊はより精度の高い探針となり、標準模型の亀裂を探す感度が大幅に上がるという。

    40年かけて、100億回に1回の崩壊が統計的に扱える水準まで捉えられた。3σは証拠であって発見ではない。それでも、標準模型と整合したという事実そのものが、新物理を探す探索範囲を確実に狭めていく。

    +
  • ノースウェスタン大学主導の研究チームは、望遠鏡の物理モデルと機械学習で使う最適化技術を組み合わせた画像処理手法「FLIP」を開発した。ジェイムズ・ウェッブ宇宙望遠鏡(JWST)の2年前の観測データに適用した結果、巨大惑星51 Eridani bが4.3マイクロメートル波長で初めて検出された。感度は従来手法の2〜15倍で、次世代望遠鏡の安定性要求を緩和する可能性も指摘されている。2026年11月4日付でNature誌に掲載された。

    惑星の直接撮像は「10万分の1の暗さ」との戦いである

    太陽系外惑星の観測方法は大きく2つに分かれます。惑星が恒星の手前を通過するときのわずかな減光を捉えるトランジット法と、惑星からの光そのものを写す直接撮像です。直接撮像は1天文単位より外側を回る惑星の大気や軌道を詳しく調べられる半面、高い難易度を伴います。明るい若い巨大惑星でも、近赤外では主星の約10万分の1の明るさしかないためです(Nature誌掲載論文)。

    このためJWSTなどの望遠鏡はコロナグラフと呼ばれる装置で主星の光をさえぎります。しかし星の光は完全には消えません。わずかに漏れた光が霞のようなパターンを作り、さらに暗い惑星の光を覆い隠します。研究を主導したノースウェスタン大学博士課程のRodrigo Ferrer-Chavez氏は「惑星は主星の100万分の1の明るさしかない。惑星を撮すには、その眩しさを取り除く必要がある」と説明しています。

    望遠鏡はナノメートル単位で揺れる

    この20年の標準的な解決策は別の恒星や別の時期に撮った画像を「参照」として差し引き、グレアを消す方法でした。問題は望遠鏡が完全には静止できないことです。論文によれば、宇宙望遠鏡の主な不安定さの要因はポインティング誤差(視線合わせのずれ)と熱ドリフトです。共同著者のJason Wang准教授(同大学)は「数ナノメートル程度のずれや傾きでも、光のパターンは変わってしまう。熱の変化で鏡がピコメートル単位で伸縮する。JWSTの極低温冷却器のモーターが鏡を振動させることもある」と指摘します。参照画像と実際の観測がわずかにずれると、その差し残しだけで惑星はグレアの下に埋もれてしまいます。

    FLIPは望遠鏡の「デジタルツイン」で眩しさを再現する

    研究チームが開発したFLIP(Physics-based Learning for Imaging Planets)は、この参照画像への依存をやめた点が柱です。光が望遠鏡の鏡面を伝わり検出器に届くまでを物理モデルで再現した、望遠鏡の「デジタルツイン」を計算機内に組み立てます。次に、実際の観測画像とデジタルツインが一致するまで、位置のずれや光学のゆがみなどを表す数百万個のパラメータを調整しました。最適化にはニューラルネットワークの訓練で使われる自動微分という計算技術を用いました。Wang氏は「AIモデルを訓練するのと同じ計算道具を使ったが、AIそのものは使っていない。物理が分かっているので、AIに理解してもらう必要がない」と述べています。デジタルツインが再現したグレアを観測から差し引けば、埋もれていた惑星の光だけが残ります。

    2年前のデータから51 Eridani bが浮かび上がった

    検証では、惑星が知られるHIP 65426と51 Eridani、惑星の知られないTYC 5899という3つの恒星の過去観測を再解析しました。FLIPはいずれのケースでも従来手法を上回り、微弱な惑星の検出感度は2〜15倍です。その結果、51 Eridani bが4.3マイクロメートル波長で初めて検出されました。この惑星自体は地上望遠鏡による過去の観測で発見されていましたが、この波長では従来の画像処理では残ったグレアと区別できていませんでした。

    4.3マイクロメートルには理由があります。この波長では二酸化炭素が赤外光を強く吸収するため、大気中の二酸化炭素が惑星の信号をさらに弱めていたのです。一方で、この波長での検出は大気組成を探る手がかりにもなります。Wang氏は「適切な分析道具がなかったため机の上に置き忘れられていた科学を、回収できた」と語っています。同じ観測データでも処理次第で発見の有無が変わることを示す結果です。

    ピコメートル級の安定性を求める次世代望遠鏡に別の道を開く

    論文の見通しは既存の望遠鏡にとどまりません。太陽に似た恒星の地球型惑星の直接撮像を目指す構想「Habitable Worlds Observatory(HWO)」では、JWSTより100〜1000倍安定なピコメートル級の光学安定性が求められるとされます。FLIPのような補正の手法が確立すれば、この前例のない安定性要求を緩和できる可能性があると研究チームは述べています。適用はナンシー・グレース・ローマン宇宙望遠鏡など今後の地上・宇宙望遠鏡にも広がる見通しです。Ferrer-Chavez氏は「太陽系のような惑星系が他に見つからないのは、存在しないからではなく、見えていないからだ。手法を改善するたびに新しいタイプの惑星が見つかってきた」と話しています。研究は宇宙望遠鏡科学研究所、スローン財団、米国国立科学財団の支援を受けています。

    +
  • NASAは2026年11月7日、月面基地計画に向けた契約とミッションの更新を一斉に発表した。貨物輸送を担うCLPS 2では最大100億ドルの枠組みで8社を選定し、原子力駆動の探査車PROMISEの2028年後半打ち上げを決定した。約13億ドルの軌道輸送の実証発注や月面の電力・通信基盤の調達も重なり、月の南極への持続的な滞在に向けた計画の輪郭が一気に具体化した。

    8社と最大100億ドル、CLPS 2が月面物流の中核になる

    NASAは11月7日、フロリダ州ケネディ宇宙センターで開かれた航空宇宙博「MAX POWER」の会場で、月面基地計画に関する一連の契約とミッション更新を発表した(NASAの発表リリース、RELEASE 26-095)。

    中でも規模が大きいのが、民間による月面貨物輸送を調達するCLPS(Commercial Lunar Payload Services)の次段階「CLPS 2」だ。NASAはBlue Origin、Firefly Aerospace、Intuitive Machines、ispace U.S.、Lockheed Martin Space、Northrop Grumman Space Systems、SpaceX、Voyager Technologiesの8社を選定した。契約は10年間の複数者間・不定数量契約で、総額の上限は100億ドル。8社は将来の月面輸送ミッションをめぐって競争し、NASAの科学・技術・基盤機材を月面へ運ぶ着陸機の開発と運用を担う。

    あわせて、現行のCLPS 1.0契約の上限額は26億ドルから42億ドルへ引き上げられた。現行契約は2028年11月まで有効で、すでに発注された輸送ミッションは2033年11月までに完了する。

    この発表は選定と枠組みの設定であり、100億ドルが即座に支出されるわけではない。ただ、着陸機の調達を複数社の競争に委ねる構造には、月面輸送を単発のミッションから、繰り返し利用する物流網へと変えていく意図がうかがえる。

    火星ローバーの予備品から作る原子力探査車PROMISE

    もう一つの柱が月の南極に着陸する原子力駆動の6輪探査車「PROMISE」(Polar Rover for Observation, Mapping, and In-Situ Exploration)だ。車体には地下約3フィート(約1メートル)までレゴリス(月の土)を採取するドリル、化学組成を分析する分光計、温度・放射線センサー、可視光カメラを搭載する。長い月の夜や、氷が残ると考えられる永久影の領域でも動ける設計で、着陸地点の選定や将来の基盤整備に必要なデータを提供するとしている。

    ミッションの管理はJPL(ジェット推進研究所)が担当する。火星探査車CuriosityとPerseveranceの予備フライト部品と工学試験モデルを組み合わせて車体を作り、実績のあるハードウェアと運用手法を使うことで、コストを抑え短いスケジュールで複雑な探査車の組み立てと試験を進める。NASAはこのハードウェアの月面環境との適合性を評価したうえで、南極近傍の過酷な条件に耐えられると判断したと説明している。次世代の耐放射線計算機「HPSC」(High Performance Spaceflight Computing)や先進的な自律運用のセンサーとアルゴリズムの実証も担い、打ち上げは2028年後半、運用は18か月を目標とする。

    PROMISEを月面へ運ぶのはBlue Originで、基本契約額は9,400万ドル。性能に応じたオプション期間で最大1億4,000万ドルが加わる。この契約は2026年5月に発注された月面走行車2台の輸送タスクオーダーの拡張で、着陸機にはMark 1を使う。

    13億ドルのVADR発注が描く、地球から月面までの輸送網

    地球と月の間の輸送も整備が進む。NASAは小型ロケットの打ち上げサービス契約「VADR」(Venture-Class Acquisition of Dedicated and Rideshare)のもとで6件のタスクオーダーを発注した。総額は約13億ドルで、受注したのはArrow Science and Technology、Blue Origin、Impulse Spaceの3社。打ち上げにはBlue OriginのNew Glenn、Relativity SpaceのTerran R、SpaceXのFalcon 9が使われ、宇宙空間での輸送機はBlue Origin、Firefly Aerospace、Impulse Space、Quantum Spaceが提供する計画だ。VADR契約自体は10年間で総額上限50億ドルの枠組みである。

    タスクオーダーは3種類に分かれる。1つ目は通信と航法の手法を地球軌道から月への道中で確かめるミッションで、探査機「CAPSTONE 02」を深宇宙へ輸送し、月周回での接近操作・航法・通信を試す。2つ目は宇宙飛行士の到着前に高機動なドローン群で月の南極の表面を調査するものだ。JPLが管理する「MoonFall」ドローンは、従来の探査車では届かない領域を偵察する設計で、より安全で情報のある有人ミッションにつなげるとしている。3つ目は月と地球の間の複数の軌道で航法技術を試し、商業の軌道輸送能力を実証する。将来の着陸機が運べる貨物の量を増やすのが狙いだ。

    このほかNASAは既存の月面物流契約のもとでSpaceXを選定した。2028年にStarshipで通信衛星を月と地球の間のシスルナー空間へ打ち上げる「Cislunar Communications Deployment Demonstration」を実施し、将来の月面通信網の設計に必要なデータを得る。

    電力塔と宇宙飛行士募集が示す、有人ミッションへの工程表

    月面での電力と通信を担うのが「miniCAST」(Mini-Communications and Solar Tower)だ。NASAは太陽電池アレイ、蓄電池、無線送電ハードウェアの商用部品を調達し、蓄電をHoneybee Robotics、発電をRedwire、無線送電をYank Technologiesに発注した。システムはマーシャル宇宙飛行センターで組み立てと試験を受けたうえで月面へ運ばれる。統合型電力システムの別調達は2027年前半に予定されている。

    人員面の動きもあった。同日発表の別のリリース(RELEASE 26-093)で、NASAは次期宇宙飛行士候補の募集を開始した。応募は2026年12月3日(米東部時間午後11時59分)までで、最終選考は2027年後半の見通しである。前回の2024年募集では8,000件を超える応募から10名の候補が選ばれ、現在は約2年間の訓練の途中だ。現在の宇宙飛行士団は32名で、1960年代以降の選抜者の累計は370名にのびる。応募の基本条件は米国市民権とSTEM分野の修士号(または同等の条件)で、選ばれた候補は船外活動、月の地質学、高性能航空機の運用などを学ぶ。

    NASAのJared Isaacman長官は今回の発表で、宇宙飛行士が月に戻るとき「月面基地の最初の要素がすでに月面で待っているようにする」と述べた。2028年後半のPROMISE打ち上げ、2027年後半の宇宙飛行士選考、2028年の通信実証。個々の日程はまだ目標値だが、物流・電力・要員の3つの要素が同じ時間軸にそろったことで、月面基地計画は構想の段階から実行の段階へ移りつつあるといえる。

    +
  • Google Cloudは2026年11月5日、エージェント実行基盤のAgent Substrateとサンドボックス技術のgVisorなどをCNCFに寄贈すると発表しました。同じ週、DeepSeekはコーディングエージェントの研究プロトタイプをMITライセンスで公開しています。エージェント開発の競争はどのライブラリでワークフローを組むかという層から、どう安全に安く動かすかという実行基盤の層へ移りつつあります。今週の一次情報から読み解きます。

    Googleがエージェント実行基盤をCNCFに寄贈した理由

    2026年11月5日、Google Cloudは米ソルトレイクシティで開催中のKubeCon + CloudNativeCon North Americaで、Agent Substrate、gVisor、OpenRLの3つのオープンソースプロジェクトをCNCF(Cloud Native Computing Foundation)のSandboxステージに寄贈すると発表しました。Googleのオープンソースブログが同日付で伝えています。あわせてAgent Substrateはバージョン1.0に到達し、Google Kubernetes Engine(GKE)で一般提供を開始したと、Google Cloudブログが11月6日付で報告しています。

    Google側の主張の骨子はこうです。Kubernetesが登場してから12年、Podという計算単位は「プログラムが起動し、ポートを束ね、リクエストを捌き続ける」という前提で設計されました。ところがAIエージェントは、信頼できないコードやツール呼び出しをサンドボックス内で実行し、その結果をモデルに返し、次の応答や人間のレビューを待ちます。この稼働の仕方には、Podの設計が想定していない性質が2つある、というのが寄贈を説明するブログ記事の論点です。

    寄贈の狙いは標準化です。自社発のプロジェクトを中立な財団のガバナンス下に移すことで、特定クラウドに依存しない共通基盤として育てる道を選びました。Googleのオープンソースブログは、この組み合わせが「どのKubernetesクラスタでも動く、ベンダー非依存の基盤」になると説明しています。なお英メディアThe New Stackは、寄贈対象のgVisorをAnthropicやOpenAIもサンドボックス基盤として利用していると報じています。

    待ち時間9割のワークロードはPodの設計と噛み合わない

    Googleのブログ記事が挙げる1つ目の問題はアイドルです。対話型セッションのエージェントは時間の90%から95%をモデルの推論、外部API、人間のレビュー待ちに費やします。待っているあいだCPUの消費はほぼゼロですが、エージェントはメモリ上にGitリポジトリや未コミットの編集、ツールのセッションといった状態を抱えています。このためコンテナをただ止めるわけにもいきません。

    標準的なKubernetesでは選択肢が2つあります。Podを常時起動しておけば応答は速いものの、1万人規模の利用者がいると待機中の計算資源の費用が抑えられません。スケールトゥゼロにすれば費用は下がりますが、冷状態からの復帰でリポジトリのクローンやパッケージの再インストールが起こり、復帰に20秒を超える時間がかかるとしています。

    Agent Substrateの答えは、状態を持つActorと計算を供給するWorkerの分離です。Actorがエージェントセッションのファイルシステムやメモリ状態、ネットワーク規則を保持し、事前に温めたWorkerのプールから計算を割り当てます。Googleはこの構成で、メモリとディスクの状態を保ったまま500ミリ秒未満で復帰できるとしています。

    2つ目の問題は制御プレーンの過負荷です。強化学習のループやベンチマークでは、信頼できないエージェントのコードを数千タスク同時に走らせる必要があります。サンドボックスごとにPodを立てる設計だと、毎分数千の短命なPodの作成と破棄がetcdとkube-apiserverを飽和させ、IPアドレスも枯渇します。Agent Substrateはこうした用途を「数百万エージェント規模」まで伸ばせる設計だと説明されています。ただしこれらはGoogle自身の発表した数値と主張であり、第三者による独立した検証ではありません。

    DeepSeekのsuperagentが節約しようとしているのは人間の注意

    同じ週にもう一つ、対照的な一次情報が出ました。DeepSeekのチームが10月末、GitHubリポジトリdsh-superagent-prototypeをMITライセンスで公開したのです。2026年11月9日時点のGitHub表示では、スターは約21,000、フォークは約2,600です。

    READMEは冒頭で「研究プロトタイプであり、公式のDeepSeek製品ではない」と明記しています。チームの日常の開発の中で生まれ、多くの部分をコーディングエージェント自身が実装したコードで、公開用に整えたもの。内部版や解説記事「Exploring Super-agent Design」で述べた設計の一部は、このプロトタイプには未実装だと断っています。

    動作の中心は単純です。1つのGitHubリポジトリに紐づくコーディングエージェントで、DeepSeek Harness向けのバンドルとして配布されます。監視する仕組みです。監視先はGitHubで、オプションでFeishuを対象に加えられます。許可された人が依頼したときか、チームが書いたルールが許すときだけ動作し、依頼を受けると作業アイテムを開いて、専用のセッションとディレクトリで作業し、プルリクエストとして元の会話に返します。

    注目すべきは設計思想の表明です。READMEは「人間の注意をできるだけ取らず、価値をできるだけ渡す」という働き方を掲げ、理由も説明しています。チーム全体のために動けるエージェントは、その分だけチーム全体の注意を浪費しうる、という問題意識です。だから発火の条件を許可とルールに絞り、話すべきときだけ話す、と説明しています。性能の主張ではなく、インタラクションの設計に重きを置いた公開です。

    フレームワーク選定の軸は「どう動かすか」に移る

    ここまでの事実を整理すると、方向は見えてきます。エージェント開発の初期の議論は、オーケストレーションライブラリの機能比較が中心でした。どのフレームワークでワークフローを記述するかが関心の中心にあったわけです。

    今週の2つの一次情報が示す競争軸は、その下の層にあります。1つは隔離です。信頼できないコードを実行する以上、サンドボックスは省略できず、Agent SubstrateやgVisorはこの部分を直接に担います。2つ目はコストです。稼働時間の9割が待ち時間なら、待機中の課金構造が採算を左右します。3つ目は注意です。dsh-superagentが示すように、誰が発火を許可するかという運用の設計が、エージェントの価値を決めます。

    導入を検討する側への含意も具体的です。Agent SubstrateはCNCFのSandboxステージに入ったばかりで、プロダクション利用の判断には今後の成熟度を見る必要があります。dsh-superagentはREADME自身が研究コードと断っており、そのまま業務に持ち込むものではありません。それでも、Podという計算単位がコンテナ時代の標準になったのと同じように、エージェントセッションをどう標準化するかを巡る動きが今週動き出したことは、記録に値します。フレームワーク選びの質問は「何が組めるか」から「どこで隔離し、誰が許可するか」に変わりつつあります。

  • Moonshot AIは2026年11月4日までに、3Tクラスのオープンウェイトモデル「Kimi K3.1 Pro」のウェイトを公開した。同社の評価では、コーディングエージェントを評価するTerminal-Bench 4.0で専有モデルのClaude Opus 5.5と0.7ポイント差に迫る。前週の10月29日にはMistral AIが1兆パラメータモデルのウェイトを公開しており、公開モデルが専有モデルの最上位に接近する動きが2週間で重なった。ただし数値の多くは開発元の内部評価に依拠しており、第三者による検証はこれからが本番だ。

    Moonshot AIが10月23日に発表したKimi K3.1 Proは、新シリーズ初のモデルで、コンテキスト長は100万トークン。同社は自社モデルを「これまでで最も能力の高い3Tクラスのオープンウェイトモデル」と位置づけている。モデル自体は発表と同時にAPIやアプリで利用可能になったが、注目すべきは11月4日までにフルウェイトが公開されたことだ。誰でもダウンロードして自前の計算資源で動かせる状態になった。

    Terminal-Bench 4.0で専有モデルと0.7ポイント差

    Moonshot AIの公式ブログの報告によれば、Kimi K3.1 Proはターミナル作業でのコーディングエージェントを評価するTerminal-Bench 4.0で65.7%を記録した。同社の集計ではClaude Opus 5.5が66.4%、GPT-6 Astraが58.2%で、専有モデル最上位との差は0.7ポイントになる。ベンチマーク集計サイトのfelloaiも11月2日、K3.1 Proをオープンモデル最高得点と報じている。

    ただし読み方には注意が要る。この比較のスコアは各開発元のブログやTerminal-Bench公式リーダーボードの報告値のうち最大のものを集めたもので、評価環境(ハーネス)の違いが結果に影響し得る。K3.1 Pro自身もClaude Codeのハーネスで評価されており、比較条件が完全に揃っているわけではない。

    事後学習の強化が各領域の成績を押し上げた

    K3.1 Proは前世代のK3をベースに、事後学習に使う計算資源を大幅に増やしたモデルだ。同社は数百の下流タスク領域にわたる共同強化学習(RL)を実施するため、RLフレームワーク、長コンテキスト推論、サンドボックス基盤、環境の品質検査の仕組みといったスタック全体を最適化し、RLの計算量を増やすほど安定した成果が出る状態を作ったと説明している。

    内部ベンチマーク上の変化は大きい。複数ステップの実行とツール利用を問うKimi Code Bench 3.0 Long-horizonでは、K3の55.95%から61.2%へ向上した。事実の正確さを厳しく試すKimi Hallu Bench Hardでは、主張レベルの幻覚率がK3の23.4%から8.3%に低下した。同社はこの数値が日常使用でのエラー率を代表するものではないことを明記している。

    一方、3D再構成をCADコード生成で問うBenchCADでは、ツール利用時で92.7%。Opus 5.5の96.2%、GPT-6 Astraの95.9%には届いておらず、領域によっては専有モデルとの差が残る。

    サイバー能力の「除去」を数値で開示した点が新しい

    今回の発表で最も独自性が高いのはサイバーセキュリティ能力の扱いだ。同社は開発中に、事後学習の規模を拡大するほど脆弱性研究の能力が伸び続ける傾向を確認した。原因をたどると、ミッドトレーニングのコーパスにサイバー関連のコンテンツが含まれ、RLの環境にもサイバー関連のタスクが混入していた。そこで公開に向け、両段階からサイバー関連のデータを除去したという。

    効果は自社ベンチマークのxdev-bench-hardで定量化されている。ソースコードを基にした脆弱性発見と悪用の課題を集めたこの評価では、pass@3でデータ除去なしのチェックポイントが90.5%、最終版が81.0%だった。データ除去によって、同じ学習パイプラインが生み出し得るサイバー能力を実質的に抑制しつつ、汎用のコーディング能力は保てたというのが同社の主張だ。同社は「サイバー能力の絶対的なフロンティアを広げるウェイトは公開しない」ことを原則として掲げ、防御目的で使うチームに能力を段階的に届ける意義を説明している。

    オープンウェイトモデルの安全性をめぐる議論はこれまで「公開するか、しないか」の二択で論じられがちだった。どの程度の能力を除去して公開するかを数値付きで示した点は、他の開発者にとって参照になる情報だ。

    欧州からも1兆パラメータ、効率で差をつける

    この流れはMoonshot AIだけではない。Mistral AIは10月29日、1兆パラメータのマルチモーダルモデル「Mistral Large 4」(開発コード名Le Chonk)のウェイトを公開した。同社の発表によれば、リポジトリ管理者がエージェントの変更をマージするかを評価するCognitionの非公開ベンチマークFrontierCode 2.0では19.7%を記録し首位。Artificial AnalysisのCoding Agent Indexでは48%で、GLM-5.3と実質同点ながら、タスクあたりのトークン消費は47%少ないという。

    Terminal-Bench 4.0では、プレビュー版から13ポイント改善した41%で、公開モデルの中で当時の首位に立ったと報告している。ただしK3.1 Proの65.7%と比べると大きく開いている。同じ「オープンウェイト」でも到達点は幅広い。Mistral AIは推論の3段階モードで性能とコストのバランスを取れることを訴え、欧州域内の計算基盤で学習から公開までの系譜が明確だと強調している。

    残る課題は外的検証とライセンス条件

    2週間で大型の公開が2本重なった一方で、構造的な課題も見えてくる。第一に、報告された数値の多くは開発元の内部ベンチマークか、開発元が選んだ評価条件に依存している。ハーネスや評価器モデルの違いが結果を左右するため、第三者機関での追試が進むまでは「専有モデルとの0.7ポイント差」も暫定的な数字と見るのが妥当だ。

    第二に、公開の条件だ。技術系メディアのAICoderの報道では、K3.1 Proのウェイトは独自ライセンスで公開され、大規模なモデル提供サービスへの利用には制限が付くとされる。ダウンロードして再現できるという意味での「オープン」でも、商用利用の条件はモデルごとに大きく異なる。性能の追い上げが進むほど、評価の外的前提とライセンス条件が、オープンウェイトモデルを選ぶ際の実際的な判断材料になっていく。

    +
  • 2026年11月第1週、研究開発への大型投資が3件そろって発表された。Googleはワイオミング州に170億ドルのデータセンター建設を発表し、ユニリーバはインドの研究拠点に3,500万ユーロを追加投資する。AbbVieも英オックスフォードの研究施設を拡張し、英国への投資合計は1億2,000万ポンドを超えた。3件に共通するのは、投資先を電力、市場、政策という条件で選んでいる点だ。

    170億ドルのデータセンターは電力設計から生まれる

    Googleは11月5日、ワイオミング州初となるデータセンターの建設を発表した。投資額は長期で170億ドル。建設地はララミー郡で、Tallgrass Energy、Black Hills Energy、American Electric Power(AEP)、Related Digitalの4社と提携する。

    この発表の本体は施設そのものより電力と炭素の設計にある。Googleによれば、プロジェクトにはAEPとの間で702 MW規模の燃料電池開発が含まれ、炭素回収・貯留(CCS)を組み合わせた商用規模の開発としては、現時点で計画されているものの中で最大という。燃料電池は米Bloom Energy製で、排出する二酸化炭素の大部分をTallgrassが近隣で開発する東ワイオミング貯留ハブで地中に恒久的に隔離する。これによりGoogleの契約済みCCS容量は合計で約1 GWに達する見通しだ。給水負荷を減らすため空冷式を採用し、使用する電力のコストは100%自己負担するとした。

    データセンターの立地が電力条件で決まるのは今にはじまったことではない。ただ今回の発表が示すのは、AI向けインフラの競争が「建物をどこに建てるか」から「発電と炭素処理をどう設計するか」へと移ったことだ。地域への還元も明記されており、Googleはこのプロジェクトでララミー郡と同郡の学区に数億ドル規模の固定資産税が入ると見込んでいる。Googleはシャイアンで開催した住民説明会で200人を超える住民と面談し、地域の優先事項の意見を集めたとしている。

    ユニリーバが選んだのは消費者と人材のいる場所

    消費財の研究開発では、立地の論理が変わる。ユニリーバは11月3日、ムンバイとベンガルールの研究開発拠点への3,500万ユーロの追加投資を発表した。

    計画は2つの拠点で役割を分ける。ムンバイは「プロダクト・イノベーション・センター」に生まれ変わり、消費者洞察、計測科学、パッケージ設計、ラピッドプロトタイピング、スケールアップまでを一つの場所に集約する。ベンガルールは応用研究と基礎科学、デジタル能力、食品研究を担う世界拠点として育てる。追加投資のうち500万ユーロは今後5年をかけてヒト生物学、マイクロバイオーム科学、バイオテクノロジー、バイオ製造を扱う「Bio-Futuresパートナーシップ」に充てる。

    最高研究開発責任者のリチャード・スレイター氏は、インドが同社の最大級の研究開発ハブであり、最も重要な成長市場の一つだと説明している。直近5年間で既存能力に2,000万ユーロ超を投じてきた実績も示されており、ムンバイのインド工科大学(IIT Powai)キャンパス内には香料研究のハブを置くなど、大学との近さが強みになっている。

    AIの位置づけも具体的だ。両拠点ではAI、自動実験、予測モデリング、デジタルツインを組み合わせ、物理的な試作の前に仮想的な検討範囲を広げるという。研究開発の速さが競争力に直結する消費財では、市場の近くで消費者から学び、同じ場所で試作まで済ませる距離の短さが、投資先を決めたと読める。

    オックスフォードの拡張には政策環境の修正が先立った

    製薬では3つ目の条件が動いた。AbbVieは11月4日、英オックスフォードの研究開発施設を拡張し、英国への投資合計が1億2,000万ポンドを超えたことを明らかにした。新施設は床面積12,000平方フィートで、免疫、神経、腫瘍領域の研究能力を広げる(業界メディアのpharmaphorumが報じた)。

    オックスフォードを選んだ経緯には歴史がある。AbbVieは2022年10月、オックスフォードの創薬ベンチャーDJS Antibodiesを2億2,500万ドルで買収しており、今回の拡張はその能力の延長線上にある。同社の英国3拠点(オックスフォード、メイドンヘッド、マーロウ)では1,100人以上が働く。

    タイミングも偶然ではない。英国では直前の予算で製薬各社による10億ポンド超の投資パッケージが発表されており、薬価返納(clawback)率の上限設定、国民保健サービス(NHS)での新薬評価しきい値の引き上げ、米英通商協定による製薬関税の撤廃、治験手続きの簡素化といった政策修正が相次いでいる。pharmaphorumは、これらの変更が製薬業界の英国に対する見方を回復させたと整理する。数年前に大手が投資計画を撤回した時期と比べると、研究投資の受け皿としての政策環境が数年単位で評価され、拠点判断に反映されている。

    3つの投資が示す立地の条件

    3件を並べると、研究開発とインフラの投資先を決める条件が見えてくる。

    第1は電力と炭素の処理能力だ。AI向けインフラは消費電力と排出の制約から逃げられず、立地の判断は発電と貯留の設計と一体化する。Googleのワイオミング案件はそのまま電力会社4社との共同事業の形をしている。

    第2は市場と人材までの距離だ。ユニリーバの投資は成長市場で消費者から学び、大学や研究生態系と共同で開発する能力を場所ごとに作り込む動きである。3,500万ユーロという金額より、ムンバイとベンガルールに役割を持たせた設計のほうが情報量が多い。

    第3は政策の予見性だ。AbbVieの拡張は、英国政府が返納率の上限と治験の負担を下げた後に続いた。研究拠点は数年スパンで回収する投資であり、制度の安定性は土地や人材と同じ立地条件になっている。

    大型投資の報道では金額が先に立つ。ただ今週の3件が教えるのは「どこに」の設計で、現地のインフラ、人材、制度との接点が投資の中身を決めていることだ。次の発表を読むときは、金額と並べて立地の理由を見ると、産業の重心がどこへ動いているかが早く読み取れる。

    +
  • EUのAI規制「AI法(AI Act)」は2026年12月2日に新たな段階を迎える。同意なき性的ディープフェイクや児童性虐待素材(CSAM)を生成するAIシステムを禁じる規定が適用され、既存の生成AIに合成コンテンツの標識付けを求める第50条(2)の移行期限も同日に来る。8月2日に始まった執行体制と、適用時期を後ろ倒しにした修正パッケージ「Digital Omnibus on AI」の内容を、欧州委員会の一次情報から整理する。

    12月2日に発動する「新しい禁止」と「移行期限」

    欧州委員会のAI Act Service Deskが公開する実施タイムラインによると、AI法の規定は段階的に適用され、主要な適用マイルストーンは2028年8月2日までに完了する見通しだ。2026年8月2日には規則の大部分が施行され、禁止規定、GPAI(汎用AIモデル)への義務、透明性規則、AIリテラシーについて、加盟国当局とEUレベルの両方で執行が始まった。

    次の節目が2026年12月2日で、2つの変更が重なる。1つは、同意なき性的ディープフェイクと児童性虐待素材(CSAM)の生成を扱うAIシステムへの禁止規定の適用開始だ。もう1つは、2026年8月2日より前にEU市場に置かれた合成コンテンツ生成AI(GPAIシステムを含む)が、透明性規定の第50条(2)に従うための移行期限である。8月2日以降に上市する製品には施行時から義務が及ぶ一方、それ以前から市場にある製品には12月2日まで移行期間が設けられており、この日はその猶予の切れ目にあたる。

    禁止リスト9項目目は「ヌーディフィケーション・アプリ」を狙う

    欧州委員会のAI法の説明ページでは、AI法は有害な操作・欺瞞や脆弱性の悪用、ソーシャルスコアリングなど9つの実践を禁止対象に定めるとされる。このうち8つは2025年2月2日から効力を持つ。残る1つは同意を得ずに作られる性的に露骨なコンテンツや親密なコンテンツ、そしてCSAMを生成するAIシステムの禁止で、欧州委員会は「ヌーディフィケーション・アプリ」を具体例として名指ししている。この項目は修正パッケージ「AI Omnibus」の一部として追加され、効力は2026年12月に生じる。

    規制の対象は利用者の個別の行為ではなく、そうしたシステムそのものの提供だ。生成段階での抑止を意図した設計と読める。

    ラベル義務は8月より前の既存製品にも及ぶ

    第50条の透明性規則は2026年8月2日から適用されている。チャットボットでは相手が機械であることを伝えること、ディープフェイクには明確な表示を付けること、合成コンテンツには機械判読可能な標識を組み込むことが求められる。12月2日の移行期限は、8月2日より前に市場に置かれた画像・音声・動画・テキストを生成するAIシステムが、第50条(2)の標識要件に対応するためのものだ。施行日より前に出荷された生成AIも、この日までに新しい製品と同じ透明性基準を満たす必要がある。

    欧州委員会は準拠を支援する道具として、AI生成コンテンツの標識と表示に関する行動規範と、事業者が使える共通のアイコンセットを公表している。事業者向けの任意の取り組み「AIパクト」も、先行実装を促す仕組みとして続いている。

    違反には最大3,500万ユーロまたは売上高7%の制裁

    執行は欧州委員会のAIオフィスと加盟国の当局に分担される。AIオフィスの執行枠組みによると、AIオフィスはGPAIモデルの提供者、当該GPAIモデルと同一提供者・同一事業グループのAIシステム、超大型オンラインプラットフォーム(VLOP)や超大型検索エンジン(VLOSE)に統合されたAIシステムを監督する。それ以外のAIシステムは各国の主管当局が、EU機関が使うシステムは欧州データ保護監督官(EDPS)が監督する。

    制裁の上限は違反類型で3段階に分かれる。禁止されたAI実践への違反は最大3,500万ユーロ、または世界の年間総売上高の7%のいずれか高い方。GPAIモデルの義務違反を含むその他の違反は最大1,500万ユーロまたは3%だ。情報提供要求への不応答などには、AIシステムで最大750万ユーロまたは1%の罰金が科され得る。12月2日から新たに効力を持つ禁止規定に違反した事業者には、この最も重い制裁区分が適用される。

    AIオフィスは情報提供要求に加え、モデル評価の実施やアクセス要求、必要に応じたモデルの公開制限といった調査・是正の権限を持つ。個人と事業者向けの苦情申立ツールと内部通報ツールも既に開設されており、EUは執行の入口を先行して整えた形だ。

    Digital Omnibusが先送りした部分と、動かなかった部分

    AI法の適用スケジュールは、修正パッケージ「Digital Omnibus on AI」で一部が書き換えられた。Service Deskのタイムラインによると、Annex IIIが列挙する高リスクAIシステム(採用選考、信用スコアリング、法執行向けの生体認識など)への義務は2027年12月2日に、規制製品に組み込まれる高リスクAI(Annex I)への義務は2028年8月2日に適用される。規制解説メディアのi-scoopは、高リスク要件に必要な統一規格(ハーモナイズドスタンダード)が揃わず、多くの加盟国が監督当局を設置していなかったことが延期の理由だと説明している。

    一方、12月2日の2項目は先送りされなかった。禁止対象の拡大と既存製品への透明性義務は、簡素化の議論の中でも維持された。欧州委員会は2026年7月にAIとサイバーセキュリティに関する行動計画も公表し、EU市場に出る前のAIモデルを評価する体制を2027年までに整備する方針を示している。

    12月2日まで残る日数は4週間を切った。合成コンテンツを生成・提供する事業者にとっては、自社製品のEU市場への上市時期と標識の対応状況を確認する猶予期間と考えるのが妥当だろう。

    +
  • EUの包括的AI規制「AI Act」は2026年12月2日に次の節目を迎える。非合意的な性的ディープフェイクや児童性虐待素材(CSAM)を生成するAIシステムの禁止が適用開始となり、同時に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には標識義務の移行期限が訪れる。規則本文と欧州委員会の公式資料に基づき、何が、誰に、いつから課されるのかを整理する。

    9つ目の禁止規定、適用は12月2日から

    EUのAI Act(規則(EU) 2024/1689)は、AIをリスク水準で区分して規制する世界初の包括的な法枠組みです。このうち「許容できないリスク」に分類された9つのAI利用は原則禁止ですが、適用は一斉に始まりませんでした。

    欧州委員会の政策ページによれば、禁止規定のうち8つ(有害な操作、社会的スコアリング、職場や教育機関での感情認識、リアルタイムの生体認証など)は2025年2月2日にすでに適用されています。残る9つ目、つまり同意を得ずに性的なコンテンツを生成するAIシステム(いわゆる「ヌーディフィケーション」アプリやCSAM生成システム)の禁止は、2026年12月2日から適用されます。この禁止項目はAI Actを改正した「AIに関するデジタル・オムニバス」で追加されたものです。

    つまり、規則上これまで適用が猶予されてきた行為が、12月2日から禁止行為に変わります。生成AIサービスを提供する事業者は、自社製品がこの禁止項目に触れないかを期限までに確認する必要があります。

    既存の生成AIも対象になる標識義務の期限

    同日には2つ目の節目、透明性規定(Article 50)の移行措置の期限も来ます。AI Actは合成コンテンツを生成するAIシステムの提供者に対し、生成物を機械で読み取れる形式で標識付けし、人工的に生成されたものとして検出可能にすることを求めています。AI Act Service Deskの実施タイムラインによれば、この透明性規則は2026年8月2日から適用され、同日以降に市場へ出るシステムにはその時点から義務が及びます。

    焦点は8月2日より前に市場に置かれた既存システムです。移行規定(Article 111(4))により、合成音声・画像・動画・テキストを生成するAIシステム(汎用AIモデルを含む)の提供者のうち、2026年8月2日時点で既に市場に出していた事業者は、2026年12月2日までにArticle 50(2)への対応を済ませなければなりません。既存製品に認められていた適用猶予は、この日で終わります。

    なお、同じ8月2日には禁止規定・透明性規定・AIリテラシー要件について、国家およびEUの両レベルで執行も始まっています。対応を先送りする余地は規則の上ではもう残っていません。

    罰則手続の実施法案は意見募集の最終段階

    規則の適用が進む一方で、罰則の運用手続きは今まさにつくられている途中です。欧州委員会は2026年10月12日、AI ActのArticles 75c・75dに基づく実施規則案について意見募集(パブリックコメント)を開始し、2026年11月9日に締め切ります(委員会の「Have your say」ポータル、案件19292)。

    この実施規則案は、委員会がAI Act違反の罰則手続きを進める際の実務を定めるもので、対象は証拠開示(ファイルへのアクセス)、手続上の保障、罰則の時効期間です。禁止や透明性の義務はすでに執行されているのに、違反時にどんな手続きで罰せられるかの細目は、この11月にようやく固まる段階にあります。義務と制裁の設計に時間差がある。それが現在のEUの状況です。

    高リスク規制は後ろへ、執行はすでに前へ

    12月2日の節目は、規制全体が単純に前倒しされているわけではないことも際立たせています。「AIに関するデジタル・オムニバス」の改正により、Annex IIIの高リスクAIシステム(採用選考、信用スコアリング、法執行での利用など)に課される義務の適用は2027年12月2日へ、Annex Iの製品に組み込まれる高リスクAIへの適用は2028年8月2日へ、それぞれ後ろ倒しになりました。

    ただし、延期されたのは高リスク区分の義務です。既に適用されている禁止規定、透明性規定、AIリテラシー要件、汎用AIモデルへの規則が巻き戻されたわけではありません。委員会のService Deskも2026年8月2日からの執行開始を明示しています。

    この先の節目は長期です。2027年8月2日までに各加盟国はAI規制サンドボックスを少なくとも1つ運用開始し、2027年12月2日にAnnex III、2028年8月2日にAnnex Iの義務が順次適用されます。12月2日は新たな義務の開始日であると同時に、既存システムへの猶予の最終日でもあります。EU市場でAIを提供する事業者にとって、対応計画の見直しを迫る日付です。

    +
  • ベンチャーキャピタルのMenlo Venturesが2026年11月3日に公開した報告書によると、企業の生成AI導入支出は2026年9月時点で1,768億ドルに達し、前年の約5.4倍となりました。支出はコーディングとチャットボットに集中し、業種別では医療が最大です。救急滞留時間の短縮や看護師の引継ぎ支援など、病院現場での展開も具体例として出ています。

    エージェントが企業のAI支出を1年で5.4倍に押し上げた

    米ベンチャーキャピタルのMenlo Venturesは2026年11月3日、調査報告書「2026: The State of Enterprise AI」を公開しました。それによると、企業が生成AIの導入に使う支出は2023年の17億ドルから2024年に85億ドル、2025年に330億ドルへと拡大し、2026年9月には1,768億ドルに達したと推計しています。1年間の伸びは5.4倍で、前年の3.9倍を上回る加速です。

    支出を押し上げたのは、複数の工程を自律的に進めるAIエージェントの台頭だと、報告書は分析しています。開発者が数百のAIモデルを扱えるプラットフォームOpenRouterでは、エージェントが生成するトークンが全体の80%(週あたり130.9兆トークン)を占め、人間による利用の約7倍になっています。エージェントのトラフィックは人間の利用を追い越した2026年2月以降、37倍に増加しました。ただし報告書自身が「OpenRouterは一つのチャネルにすぎない」としており、この構成比を市場全体にそのまま当てはめることはできません。

    支出の76%がコーディングとチャットボットに集中するわけ

    どこにお金が流れているかも、報告書の主要な発見です。アプリケーション市場全体(773億ドル)のうち、コーディング向けが340億ドル、チャットボットと生産性向上向けが250億ドルで、両方で76%を占めます。Menlo Venturesはこの偏りについて、エージェントが「行動できる環境」「学習できるワークフロー」「検証できる結果」を備えた領域に支出が集まると説明しています。つまり、成果の確認がしやすい業務に予算が最初に回るという構図です。

    モデル提供側への集中も進んでいます。導入支出全体の69%(1,227億ドル)をAnthropic、OpenAI、Googleの3社が獲得。企業のLLM API支出に限れば、Anthropicが前年の40%から55%へ、OpenAIが27%から31%へとそれぞれ伸ばし、2社合わせて86%を占めるとしています。

    業種別の最大は医療、37億ドル市場を臨床ツールがけん引

    特定業種向けアプリケーション(バーティカルAI)の市場は101億ドルで、前年比2.9倍です。うち医療は37億ドル、前年比2.5倍で、業種別支出の37%を占める最大分野になりました。報告書は診療現場での情報参照を支援するOpenEvidenceや、医師と患者の会話から診療記録を作るアンビエント・スクライブのAbridgeといった臨床ツールが成長をけん引したと分析しています。医療単体で、前年のバーティカルAI市場全体を上回る規模になったといいます。

    救急の滞留時間を13時間から3.2時間へ短縮したリヤドの病院

    市場全体の数字と並んで、個別の病院が成果を発表する段階にも来ています。サウジアラビアのキング・ファイサル・スペシャリスト・ホスピタル・アンド・リサーチ・センター(KFSH)は2026年11月3日、プレスリリースで、リヤドの病院でAIを活用した患者流動・容量指令センターを病院全体のプロセス改善と組み合わせた結果を公表しました。それによると、救急部門の滞留時間の中央値が75%減り、2023年の13時間超から2025年半ばには3.2時間になったといいます。この数値は病院自身の発表であり、第三者による検証を受けたものではありません。

    同センターの発表では、医師と看護師がAIアプリケーションの設計とテストに参加し、専門的判断は使い手に残す方針をとっています。看護師が日常業務の経験を生かしてデジタルツールを開発する、AIハッカソンも開かれています。

    189病院を抱える米HCAが進める「最速」の展開

    米Becker’s Hospital Reviewが2026年11月5日に報じたところによると、米国の大手病院グループHCA Healthcareは、看護師の引継ぎ(ナースハンドオフ)を支援するAIツールを、今後2か月でグループ189病院のうち約100の病院へ展開します。チーフ・クリニカル・オフィサーのMichael Schlosser氏は、これが同社で最も速い技術展開だと説明しています。また同社は会話から診療記録を作るアンビエント文書化技術の利用を2026年末までに約1万人の医師に広げる見通しで、これは11月4日の同誌の報道によるものです。

    展開の速度は予算の伸びにも表れています。Menlo Venturesの調査では、2026年の企業の実際の平均支出は前年の4.7倍に対し、企業側の計画は1.9倍でした。支出増の55%は既存のソフトウェアや人件費ではなく新規予算から出ており、モデル開発1ドルに対して1.70ドルの導入収益が生まれていると同社は推計しています。推計は市場全体の規模を示すもので、個別の導入案件の費用対効果とは別ですが、企業の予算の枠組みそのものがAI向けに組み替わりつつあることをうかがわせる数字です。

    +
  • ベンチャーキャピタルのMenlo Venturesは2026年11月3日、企業のAI支出が1年間で330億ドルから1,768億ドルへと5.4倍に膨らんだとする調査報告「2026: The State of Enterprise AI」を発表した。伸びの中心は自律エージェントで、新規予算が増加分の過半を占め、AIは既存ソフトウェアを置き換えるのではなく市場を拡大させているという。

    支出を5.4倍に押し上げたのは新規顧客ではなく既存利用者

    報告書によれば、企業のAI支出は2025年の330億ドルから2026年9月時点で1,768億ドルに達し、前年の3.9倍を上回る伸び率で加速した。一方で、AIに対価を支払う企業の割合は55%から65%へと緩やかな上昇にとどまっている。つまり支出の急増は新規導入の波ではなく、導入済み企業が使う幅と深さを広げた結果だと報告されている。

    予算の側でも同じ傾向が観測されている。企業は2025年のほぼ2倍の予算を計上して2026年を迎えたが、実際の支出は計上額の2.5倍に達したという。モデル構築への投資1ドルに対して企業は1.70ドルを運用側に費やしており、需要の伸びが供給側の投資を上回っている。パートナーのTim Tully氏は、ウォール街がAIへの巨額投資の回収を疑問視するなか、企業は支出を控えるどころかAIを活用する手段を増やしており、市場規模をなお過小評価している可能性さえあると述べている。

    トークン消費ではエージェントが人間を7倍引き離す

    報告書が転換点として強調するのがエージェントの台頭だ。LLMルーティングサービスのOpenRouterでは、エージェントが全トークンの80%を生成しており、人間由来の消費の約7倍に達する。報告書はこの変化を、人間が質問する利用から機械が仕事をこなす利用への重心移動として位置づけている。エージェントの消費は2026年2月に人間のそれを追い越して以降37倍に拡大し、人間由来の消費(5倍増)を大きく引き離した。

    Menlo Venturesのプリンシパル、Derek Xiao氏は「AIが自ら仕事をこなせるようになると、企業支出はAIを使う従業員数ではなく、AIがこなせる仕事量に制約される」と指摘している。従業員数に紐づくシート課金で成り立ってきたソフトウェアの収益構造が、仕事量に紐づく課金へ移りつつあるという見立てだ。

    ソフトウェアは食われない、増分の55%は新規予算

    AIが既存ソフトウェアを蚕食しているという見方に対して、報告書は否定的なデータを示している。AI支出の増分の55%は新規予算から捻出され、既存ソフトウェア予算からの転用は22%にとどまる。しかも転用分の大半はMicrosoft OfficeからCopilotへの転換のように既存ベンダーの中に留まった。SalesforceのCRMやWorkdayの人事システムといった基幹システムを置き換えた形跡はほとんど確認できないという。

    コーディングは新興勢、IT・人事は既存勢という棲み分け

    アプリケーション層の支出は約770億ドルに達し、前年の190億ドルから4倍超となった。内訳ではコーディング支援が340億ドル、アシスタント・生産性向上ツールが250億ドルで、両者だけで全体の76%を占める。業界別ではヘルスケアの37億ドルが最大の市場とされた。

    市場の主導権はワークフローの性質で分かれている。コーディング分野ではAIネイティブ企業が支出の96%を獲得する一方、IT(91%)、データサイエンス(88%)、人事(68%)では既存ベンダーが優位を維持した。仕事の進め方そのものを変える領域では新興に、既存の仕事を強化する領域では既存勢に分がある、という整理だ。

    支出の69%はフロンティア3社に集中

    モデル層では集中が進んでいる。Anthropic、OpenAI、Googleの3社が企業のAI配備支出の69%を獲得し、前年の50%からシェアを伸ばした。LLM API支出の内訳ではAnthropicが40%から55%へ、OpenAIが27%から31%へ伸ばす一方、Googleは21%から9%へ後退した。パートナーのDeedy Das氏は、フロンティアモデルの構築は極めて難しくラボ側に大きな優位がある一方で、誰の地位も保証されておらず、主要モデルのリリースごとにシェアが変動する余地があると指摘している。オープンソースモデルはトークンの約5分の1を処理しながら、支出は25分の1程度にとどまるという。

    留意点もある。市場規模の金額は約400人の米国企業の意思決定者への調査と、公表資料・第三者レポートを組み合わせたボトムアップ推計による。OpenRouterのデータも流通経路の一例にすぎず、トークン比率はOpenRouterのデータとモデル構成に関する同社の推計に基づく。またMenlo Ventures自身がAnthropicとOpenRouterに出資しており、報告書内でも開示されている。集中度やシェアの数値は、こうした前提を踏まえて読む必要がある。

    出典:
    – Menlo Ventures「2026: The State of Enterprise AI」
    – Menlo Ventures公式プレスリリース(2026年11月3日)

    +