量子コンピュータ 量子ビット数の軍拡競争は終わった——2026年、量子コンピュータの評価軸は「エラー訂正」に移った はじめに——「量子ビット数」だけでは比較できない時代へ かつて量子コンピュータのニュースといえば、まず「量子ビット数」が顔を出しました。「100量子ビット達成」「1,000量子ビット機を開発」といった見出しは、まさに性能の伸びを象徴する数字でした。しかし2026年、こうした「量子ビット数の発表」だけが話題になることは少なくなりました。業界の関心は、量子ビットの「数」から、計算がどれだけ「正確」かに移りつつあるからです。 背景にあるのは、量子コンピュータの多くが依然としてNISQ（ノイズの多い中規模量子計算）段階にとどまり、長時間の複雑な計算が困難であるという現実です。量子ビットをたくさん並べても、ノイズ（誤差）によって計算結果が壊れてしまえば、実用には役立ちません。2026年の業界は「量子ビット数の量的競争」から「エラー訂正精度・計算の正確さ」を競う質的競争へと、重心を移しつつあります（出典: おやシュミ「2026年8月22日の量子コンピューティング動向まとめ」 https://www.oyashumi.tokyo/2026%E5%B9%
AI・テクノロジー 「ニュートラルな評価ハーネス」は存在しない——LLMリーダーボードは「設定にもろい設問」によって作られている はじめに：リーダーボードの数字を信じて大丈夫か？ AIモデルの性能比較といえば、MMLU（大規模マルチタスク言語理解）やARC（推論チャレンジ）といった多肢選択ベンチマークのスコアを見るのが半ば常識になっている。Hugging FaceのOpen LLM Leaderboardをはじめ、多くのリーダーボードがこれらの数値でモデルをランキングし、開発者や企業のモデル選定に影響を与えている。しかし、その数字は本当に「モデルの実力」を正しく反映しているのだろうか。 実は、同じモデル、まったく同じ設問を使ったとしても、「評価の実行方法（ハーネス）」のわずかな違いでスコアが大きく変動することが知られてきた。従来の研究では、この問題は「集計スコアの分散」として報告されるに留まっており、どの設問がどれだけ影響を受けているかはブラックボックスのままであった。 本稿で紹介する研究（Parupudi, 2026）は、ハーネスの設定を独立変数として扱い、設問単位での影響を初めて体系的に分解した点で決定的に異なる。12のオープンウェイト命令チューニング済みLLMに対し、3,679問の設問を26通りの「同
AI・テクノロジー Xiaomiが放つ3nm独自SoC「玄戒O3（XRING O3）」の衝撃：高効率コア全廃の10コア設計とLPDDR6でAnTuTu 522万点を叩き出した半導体戦略 Xiaomiが2026年8月24日に発表した第2世代フラッグシップSoC「玄戒O3（XRING O3）」は、高効率コアを完全撤廃した10コア構成と世界初のLPDDR6採用により、AnTuTu 522万点を突破。そのアーキテクチャの全貌と半導体自社化の真意を徹底解説します。
AI・テクノロジー KVキャッシュを再利用してLLM推論を4.49倍高速化——KVBoostが切り拓く自宅サーバーLLMの新境地 はじめに：自宅サーバーLLMが抱える「TTFTの壁」 大規模言語モデル（LLM）を自宅サーバーで運用するエンジニアが最初に直面する壁が、TTFT（Time-To-First-Token） の遅さです。TTFTとは、プロンプトを投げ込んでから最初のトークンが生成されるまでのレイテンシを指します。この時間が長いと、チャットの応答がもたついたり、RAG（検索拡張生成）パイプラインの体感速度が著しく低下したりします。 TTFTが遅くなる主な原因はプリフィル（prefill）処理にあります。プリフィルとは、モデルがプロンプト全体を一度に前方処理するフェーズのことです。Transformerの自己注意機構（Self-Attention）では、各トークンが他のすべてのトークンと注意計算を行うため、プロンプト長の2乗に比例する計算量が必要になります。数千トークンにおよぶシステムプロンプトや会話履歴を毎回ゼロから処理していては、応答までの時間が数秒から十数秒に達することも珍しくありません。 さらに深刻なのは、同じテキストが何度も再計算されるという無駄です。マルチターンチャットでは過去の会話履歴、R
AI・テクノロジー フィジカルAIはどこまで来たか——WRC2026と世界人型ロボット運動会が示すヒューマノイドの現在地 はじめに — 囲碁盤からコートへ、AIが物理世界に立った10年 2016年、Google DeepMindの「AlphaGo」が囲碁の世界チャンピオンを破った瞬間を、多くの人が今も覚えているでしょう。それから10年。AIはディスプレイの中の碁盤を飛び出し、自らの「体」で物理世界に立ち始めています。 2026年8月、北京では2つの大きなロボットイベントが同時期に開催されました。1つは8月19日〜23日の「WRC2026（世界ロボット会議）」。もう1つは8月22日〜26日の「第2回世界人型ロボット運動会」です。ここでは、実業団駅伝選手の走りを学習した日本のヒューマノイドが1500mを走り、中国企業のヒューマノイドは台本なしでテニスのラリーを続けました。 この記事では、今週の北京発ニュースを材料に、 * 「フィジカルAI」とは何か（従来の産業用ロボットとの違い） * WRC2026で建機大手Zoomlionが披露した産業用フィジカルAI * 世界人型ロボット運動会での日本勢・中国勢の実力 * 導入を検討する日本企業への実践的な視点 を整理します。AIが「考える」だけでなく「
AI・テクノロジー 1ラック1MW時代が迫るAIデータセンター：800V給電、Si/SiC/GaNパワー半導体の三位一体共存、そして液冷への物理限界突破 次世代AIデータセンターでは1ラックあたりの消費電力が1MW（メガワット）に達しようとしています。48V給電の物理限界、800V HVDCへの移行、Si/SiC/GaNパワー半導体の三位一体共存、そして空冷終焉に伴う直接液体冷却（DLC）の最前線を徹底解説します。
AI・テクノロジー Featured Agent Skillsの正典を公開リポジトリへ移し、index.json更新を自動化する AIエージェント向けポータルのAgent Skillsは、workerが固定で埋め込んでいた文字列だった。これをAgent Plugins 1.0.0準拠の公開リポジトリへ切り出し、正典を移す。SKILL.mdを1本足してタグを切れば、配信面と /.well-known/agent-skills/index.json が自動で更新される仕組みを記録する。
AI・テクノロジー Hugging Face、130億ドル超で売却検討——「AI界のGitHub」中立性の行方 2026年8月23日、Business InsiderがHugging Faceの企業価値130億ドル超での売却検討を報道。2023年の45億ドルから約2.9倍。「AI界のGitHub」の中立性はどうなるのか、開発者が今できる備えとあわせて整理します。
AI・テクノロジー 「うるう時間」2027年5月導入へ——UTCとうるう秒の何が変わるのか 協定世界時（UTC）と地球の自転のずれを1時間まで許容する「うるう時間」が、2027年5月に導入される方向で議論が進んでいます。1972年から続いた「うるう秒」は実質廃止へ。背景にあるのは、2016年以降に速まった地球の自転と、「負のうるう秒」がもたらす前例のないシステム障害リスクです。
AI・テクノロジー Daedalus-150M：アテンションの2/3を畳み込みに置き換えた、CPU推論専用設計の小型言語モデル はじめに：なぜ「CPUで速く動くこと」が革新的なのか 大規模言語モデル（LLM）の推論環境といえば、まずGPUが思い浮かぶ。実際、データセンターでは何十台ものGPUを並べて高速な応答を実現している。しかし、個人のノートPC、スマートフォン、ラズベリーパイのようなエッジデバイス、あるいはGPUを調達できない予算制約のあるプロジェクトでは、CPUでLLMを動かさざるを得ない。この「CPU推論のシナリオ」は決してニッチではなく、むしろLLMの民主化にとって必須の要件である。 従来の小型言語モデル（SLM）は、大きなモデルを訓練してから後でCPUに押し込むという「後付け」のアプローチを取ってきた。しかし、CPUとGPUでは推論時の物理的制約が根本的に異なる。GPU推論は大きなバッチサイズで多数のリクエストを同時処理できるのに対し、CPU推論は1ユーザー・1トークンずつの逐次処理（バッチサイズ1）が基本となる。メモリ帯域幅もCPUはGPUの数分の一から数十分の一であり、演算性能よりもデータ転送速度が先にボトルネックになる。 Daedalus-150Mはこの認識を逆転させる。「デプロイ先から
AI・テクノロジー Anthropic、8月末にもIPO申請へ——862億ドルは「時価総額」ではない Claudeを開発するAnthropicが、早ければ8月末にもIPOの公開申請へ。調達規模はSpaceXの記録862億ドルに匹敵すると報じられました。ただしこの数字は時価総額ではありません。9,650億ドル・2兆ドル・1.6兆ドルという三つの「評価額」の出どころと、420億ドルの赤字をどう読むかを整理します。
AI・テクノロジー Comfy-Orgが「Comfy MCP」をローカル対応＆オープンソース化：AIエージェントが自宅GPUを直接操る『ローカルファースト生成AI』の新時代 Comfy-Orgがローカル環境対応の公式「Comfy MCP」をオープンソース公開。Claude CodeやCursor等のAIエージェントが自前のGPUスペックやローカルモデル、カスタムノードを直接認識し、自然言語から画像・動画生成ワークフローを自律構築・実行可能に。ローカルファースト生成AIの全貌を徹底解説。
AI・テクノロジー EchoCoT：ブラックボックスLLMから「隠された思考」を盗み出す——ツール呼び出しの隙間が生む新たな攻撃ベクトル はじめに：プロプライエタリLLMが「隠す」思考過程とその価値 大規模言語モデル（LLM）が複雑な問題を解く際、単に答えを出力するだけではなく、推論の中間ステップを逐次的に生成しながら解答に至る手法がある。これがChain-of-Thought（CoT） である。CoT推論は、数学問題の解法やマルチステップの論理推論において顕著な性能向上をもたらすことが知られており、OpenAI o1/o3、Anthropic Claude Opus、Google Gemini 2.5 Flash Thinking、DeepSeek-R1といったフロンティアモデル（Large Reasoning Models、LRM）の基盤技術となっている。 これらのプロプライエタリモデルは、内部で長大なCoTを生成しながら推論を進めるものの、API利用者に返されるのは最終的な回答のみである。内部で行われた多段階の思考過程は「隠された思考過程（hidden CoT）」として暗号化・秘匿され、ユーザーからは一切見えない設計になっている。では、なぜモデルプロバイダはCoTをここまで厳重に隠そうとするのか。その理由は、C
サイバーセキュリティ Anthropicが最上位AI「Claude Mythos 5」を脆弱性スキャンに開放：防御側優位を築く「Defender's Advantage」戦略と52億円OSS基金の衝撃 Anthropicは2026年8月21日、最上位モデル「Claude Mythos 5」を脆弱性スキャン専用サービス「Claude Security」に開放した。直接APIアクセスを封鎖しつつ防御者にのみフロンティア推論を提供する「Defender's Advantage」戦略と、3,500万ドル規模のOSS支援基金（0xDAF）の全貌を徹底解説する。
宇宙データセンター 宇宙データセンターに23億ドル——Starcloud増資が問う電力と冷却の物理 軌道上データセンターを開発するStarcloudが2億5,000万ドルを追加調達し、企業評価額が23億ドルに達した。NVIDIAとCiscoも出資に加わる。地上データセンターが突き当たった電力の壁を宇宙が解くのか、それとも放射冷却という物理が壁になるのか。数字と反論の両方から現在地を整理する。
AI・テクノロジー Zephyr RTOSとRISC-Vマイコンではじめるモダン組込み開発——Arduinoから卒業するための実践ガイド はじめに：Arduinoの次のステップとしてZephyr×RISC-Vが注目される理由 Arduinoは組込み開発の入り口として最適ですが、多くの開発者が「物足りなさ」を感じる瞬間が訪れます。それは主に3つ。1つ目はスケッチが大きくなったとき——ファイル分割も依存関係管理も独自の積み重ねになり、コードベースが破綻し始めます。2つ目はリアルタイム性が必要になったとき——協調的なloop駆動では、厳密な応答時間が求められる制御に対応できません。3つ目はチームや製品開発に移るとき——コードレビュー・テスト・長期保守の仕組みがなく、プロダクト品質に届かないのです。 その「次のステップ」の候補として有力なのがZephyr RTOSです。Linux Foundation傘下のオープンソースRTOS（Apache 2.0ライセンス）で、2026年時点ではv4.4系がメインラインとしてドキュメントが整備されており [2]、公式のリリースポリシーに従い約6ヶ月ごとのメジャーリリースとLTS（長期サポート）体制で製品ライフサイクルへの対応を意図した運営がされています [3]。 さらに面白いのがターゲ
FlowEvo FlowEvo：ワークフローと実行可能スキルの共進化による自己進化型AIエージェント はじめに：AIエージェントが「経験を活かせない」問題 大規模言語モデル（LLM）を基盤とするAIエージェントは、ユーザーの指示に応じて推論時にワークフローを動的に構築し、複雑なタスクを解決する能力を持っています。しかし、その過程で一度使った手順は、タスク完了とともに捨てられてしまいます。たとえば「冷蔵庫から卵を取り出して茹でる」という家事タスクと「冷蔵庫から牛乳を取り出して温める」というタスクは、移動・把持・加熱という一連の動作パターンが酷似しているにもかかわらず、従来のエージェントは毎回ゼロからワークフローを組み立て直さなければなりません。 この「経験を活かせない」問題は、以下の2つの非効率性を引き起こします。第一に、同じような問題で毎回似た手順を生成するため、API呼び出し回数が増加しトークンコストが膨らみます。第二に、生成のたびに結果がばらつくため、安定した品質を得るのが難しくなります。これらの課題は、LLMエージェントを実運用に展開する際の大きな障壁となっています。 flowchart LR subgraph 従来のエージェント A1[タスクA<b
Web クリックは増えたのに売れない——アドフラウドとbotが吸う年350億円の広告費 広告のクリック数は増えているのに売上が動かない——正体はbotだった。日本のbot起因アドフラウド被害は2025年に約350億円、アドフラウド全体では約1,592億円。全Webトラフィックの53%がbotとなった時代の広告費の行方と、7府省庁が動いた対策を整理します。
AI・テクノロジー Anthropicが解説したClaudeの「見えない透かし」——LLM出力のテキストウォーターマークはどう機能するのか はじめに 2026年8月14日、Anthropicは公式記事「How Claude's text watermarking works」を公開し、Claudeが生成するテキストに機械的にのみ読み取れる「見えない透かし（テキストウォーターマーク）」を将来のClaudeモデルに搭載する方針と、その仕組みを詳細に説明しました。 多くの人が「透かし」と聞いて想像するのは、お札に入っているような隠し文字や、コピー防止のための特殊なパターンでしょう。しかしClaudeの透かしはまったく違います。ゼロ幅文字のような不可視文字も、隠しコードも、一切挿入されません。テキストそのものはどこにも手を加えず、「単語選びの統計的なクセ」によってだけ印を付ける——これが今回の方式の核です。 導入の背景としてAnthropicが説明するのが、EU AI Act第50条(2)の透明性規定です。2026年8月2日からEU市場においてAI生成コンテンツの機械可読なマーキングが求められるようになり（対象となるAIシステムの提供者・適用範囲・移行期間の区別はEU公式FAQを参照）、Anthropicも他の主要AI事業者
AI・テクノロジー Metaの新アプリ「Pocket」が拓くVibe Codingの民主化：プロンプトでミニゲームを即時生成・リミックスするソーシャルAIの衝撃 Metaが2026年8月20日に米国で一般公開した「Pocket」は、自然言語プロンプトからミニゲームを瞬時に生成・共有・リミックスできる新世代AIソーシャルアプリです。バイブコーディングが切り拓く開発の民主化と、RobloxやTikTokに迫る新たなUGCエコシステムの全貌を解説します。
AI・テクノロジー LLM-jp-4 33B公開：国産オープンLLMは自宅サーバーで動かせるか 国立情報学研究所のLLMCが2026年8月18日、約332億パラメータのDense型国産オープンLLM「LLM-jp-4 33B」を公開しました。baseとthinkingの2モデルに加えDPO用データセットも同時公開。4月公開の8B・32B-A3Bとの違い、Dense型とMoEの使い分け、そして自宅の1台で本当に動かせるのかを、公開情報から整理します。
AI・テクノロジー Intel AI PC群で大規模LLMを分散稼働——3つの技術が実現する、オフィスPC連携による推論基盤 はじめに：眠っているAI PCを活かす発想 Intel Lunar Lake世代以降のAI PCは、統合GPU（Intel Arcシリーズ）とNPU（ニューラルプロセッシングユニット）を搭載し、16GB以上のユニファイドメモリを備えている。しかし実際には、これらのハードウェアリソースは日常業務の大部分でアイドル状態にある。Webブラウジングやドキュメント作成、メール処理といった一般的なオフィスワークでは、統合GPUもNPUもほとんど活用されず、せっかくのAI処理能力が眠ったままになっているのが現状だ。 1台のAI PCで実行可能なLLM（大規模言語モデル）には明確な限界がある。16GBのユニファイドメモリでは、INT4量子化されたLlama 3.1 8B（80億パラメータ）程度が現実的な上限であり、Llama 3.1 70B（700億パラメータ）のような大規模モデルは単一マシンではメモリ不足で動作しない。しかし、複数台のAI PCをネットワークで協調させれば話は変わる。各マシンがモデルの一部を担当し、パイプライン状に処理を連携させることで、1台では絶対に動かない大規模モデルも扱える
AI・テクノロジー BinanceのAgent OS、AIエージェントに実資金取引を解禁——上限のない場所 Binanceが2026年8月20日、AIエージェントに市場分析と取引執行を任せられる「Agent OS」を公開。MCPサーバーを軸に取引・決済・ウォレットを統合し専用サブアカウントで資金を隔離しますが、ウォレットに日次上限がある一方で取引所での売買には上限がありません。
AI・テクノロジー CXLメモリプーリング入門——サーバーのメモリを「共有プール」にする技術は、AI時代のデータセンターをどう変えるのか はじめに——「メモリの増設が追いつかない」という現場の悩み AIデータセンターを構築・運用する技術者なら、一度はこんな壁にぶつかります。「GPUはまだ余っているのに、メモリが足りない」。 大規模言語モデル（LLM）の推論処理では、一度に扱えるコンテキスト長（トークン数）が急拡大しています。GPT-4の時代には32Kトークンだったのが、現在では100万トークン級のコンテキストを扱うモデルも登場しています。問題は、この文脈を保持するために必要になる「KVキャッシュ」と呼ばれる中間データです。その容量は層数・ヘッド構成・バッチサイズなど条件により大きく変わりますが、長大コンテキストの推論ではモデル規模に応じて数十GB以上に達することもあります。 ところが、メモリを増やす選択肢はどちらも一長一短です。 * HBM（High Bandwidth Memory）：超高速・超高帯域幅ですが、1スタックあたりの容量が限られ（代表的な製品で数10GB程度）、GB単価も高額です * DDR5 DIMM：安価で大容量ですが、増設できる本数はマザーボードのDIMMスロット（通常4〜8本）で頭打ちに
Aegis AIエージェントの安全を実行時に担保する「Aegis」— モデルは提案し、ランタイムが判断する新しいガバナンスアーキテクチャ はじめに：エージェントAIが変えた安全性のルール 従来の大規模言語モデル（LLM）は、与えられたプロンプトに対してテキストを生成する「文章生成器」として機能してきた。この段階での安全性リスクは、モデルが差別的な表現や誤情報、不適切なコンテンツを出力することに集中していた。対策として、出力フィルタリングや入力サニタイジング、モデルへの倫理的な指示（システムプロンプト）が主に用いられてきた。 しかし、エージェントAIと呼ばれる次世代のAIシステムは、この前提を根本から覆す。エージェントAIはファイルの読み書き、メールの送信、ジョブの実行、ワークフローの変更など、現実世界に直接作用する「ツール呼び出し（Tool Calling）」を伴う。モデルの出力が単なるテキストではなく、システムコールやAPIリクエストとして実行される点が決定的な違いである。 この変化により、安全性問題の本質が「有害なテキストの生成」から「有害な操作の副作用」へとシフトした。OpenAIが発表した「Agents of Chaos」（arXiv:2602.20021）では、自律エージェントが権限昇格や情報漏洩、リソー