NEW2026.07.20
トランプ政権が海外製オープンソースAIモデルの事実上の禁止措置を再検討—Moonshot の Kimi K3 と Alibaba の Qwen 3.8 の相次ぐ公開が米国内の政策momentumを加速させた。オープンソースAIを標的とする大統領令と、連邦調達における中国製モデルの排除が選択肢として議論されているが、ウェイト単位の禁止には合衆国憲法修正第1条の壁があると法律専門家が指摘する
オープンウェイトの競争力が、通商政策の問題になった。Axios の報道によれば、トランプ政権内の一部が、海外製オープンソースAIモデルに対する事実上の禁止措置を課そうとする動きを再燃させている。引き金になったのは、本ブリーフィングが7月16日号以降追ってきた Moonshot AI の Kimi K3 と、Alibaba の Qwen 3.8 である。議論されている選択肢は二つある。一つはオープンソースAIを標的とする大統領令、もう一つは連邦調達において中国製モデルの利用を禁じる措置だ。ただし法律専門家は、モデルのウェイト（重み）そのものを禁じる規制には合衆国憲法修正第1条——表現の自由——の障壁があると指摘している。ソフトウェアのソースコードが表現として保護されるという判例の系譜を踏まえれば、公開されたモデルウェイトの配布を政府が一律に禁じるのは容易ではない。重要なのは、これが以前の政策トラックとは別物だという点である。従来の枠組みは「米国のオープンモデル公開を中国勢の能力水準に抑える」という上限設定の発想だった。今回議論されているのは、外国製モデルの国内流通そのものを止める入口規制である。方向が逆になっている。背景には、右カラムの Arena WebDev で kimi-k3 が1679と首位を維持し、2位の claude-fable-5（1631）に48ポイントの差をつけているという現実がある。「安価な代替」ではなく特定領域の最上位が、オープンウェイトで配られている。同じ週、CNBC が報じたフロンティアモデルのアクセス統制（後述）と合わせると、米政府がAIの供給側と需要側の両方に手を伸ばし始めている構図が見える。実際に大統領令が出るか、対象範囲がどうなるかは、ホワイトハウスの一次発表で要確認である。
出典：Axios: Trump admin revives bid to block foreign open-source AI / Arena: Leaderboard Overview（WebDev）
FRESH2026.07.17
ホワイトハウスが OpenAI・Anthropic のフロンティアモデルへのアクセス先を決定する体制に—Anthropic の Project Glasswing（Mythos セキュリティモデル）と OpenAI の Daybreak のパートナー名簿は、顧客追加に政府の明示的承認を要する。政権側は「関与は任意」と説明するが、6月には Claude Mythos 5 と Fable 5 が安全保障上の懸念で一時遮断され、数週間の交渉を経て再開された経緯がある（CNBC報道）
モデルを誰に売るかを、開発企業が決められなくなりつつある。CNBC によれば、トランプ政権は OpenAI と Anthropic のフロンティアモデルにどのパートナーがアクセスできるかを実質的に指示する立場に移った。新設された「Gold Eagle」サイバー・クリアリングハウスの枠を超えて、従来はラボ側が握っていた流通の判断にまで監督が及んでいる。具体的には、Anthropic がサイバーセキュリティ特化モデル Mythos を限定パートナーに提供する Project Glasswing と、OpenAI が同種のモデルで運用する Daybreak——この二つのパートナー名簿について、顧客を追加する際に政府の明示的な承認が必要になる。従来、両社は最も強力なモデルを誰に使わせるかを独自の判断で決めており、大口のエンタープライズ顧客が主な受益者だった。ホワイトハウス関係者は「関与は任意であり、リリースの時期と範囲に関する決定は完全に企業側にある」と説明し、トランプ大統領のAI大統領令を根拠に挙げている。だが CNBC の取材源はこの説明に異を唱える。実際、6月には Claude Mythos 5 と Fable 5 が国家安全保障上の懸念を理由に遮断され、Anthropic との数週間の交渉を経てようやくアクセスが回復した。OpenAI の GPT-5.6 Sol も、ローンチ時点で政権承認済みの顧客に限定されていたとされる。この動きの含意は、サイバーセキュリティ領域を超えて広い。フロンティアモデルが「輸出管理対象の技術」に準じる扱いを受け始めているということであり、日本を含む同盟国企業にとっても、どのモデルにいつアクセスできるかが商業判断ではなく外交案件になりうることを意味する。制度の正式な根拠と適用範囲は、ホワイトハウスおよび各社の公式声明で要確認である。
出典：CNBC: Trump administration is dictating access to frontier AI models / The Next Web: The White House is now deciding who gets access to frontier AI models, not the labs
NEW2026.07.20
Airbus が約900本のアプリケーションを AWS からフランスの Scaleway へ移管—ERP・CRM・製造システムを含む重要度の高い70本を優先移行する。デジタル主権が「言説」から「調達の意思決定」に変わった事例として The Register が報じた。Airbus は重要システムでのフロンティアAI利用を意図的に避け、知識抽出・サポートチャットボット・意思決定支援・飛行自動化に用途を限定している
主権クラウドは、演説から発注書になった。The Register によれば、Airbus は約900本のアプリケーションを AWS からフランスのクラウド事業者 Scaleway へ移管する。うち ERP、CRM、製造システムを含む重要度の高い70本が優先的に移される。同誌はこれを、デジタル主権がレトリックではなく商業上の駆動要因になった事例として位置づけている。背景にあるのは、米国のクラウド事業者が、たとえ欧州データセンターに置かれたデータであっても米政府のアクセスから機微情報を遮蔽しきれないのではないか、という懸念である。CLOUD Act をめぐる法的議論は数年来続いてきたが、欧州の基幹産業企業が900本規模の移行を実行に移すとなると、議論の段階が変わる。注目すべきはAIに関する Airbus の姿勢だ。同社は重要システムにフロンティアAIを持ち込むことを意図的に避けており、AIの用途を知識抽出、サポート用チャットボット、意思決定支援、飛行自動化に限定している。航空機製造という安全性が最優先される領域で、確率的に振る舞うモデルを基幹プロセスに入れないという判断は、AIの適用範囲をめぐる保守的な一つの解である。この二つの決定——主権クラウドへの移行と、フロンティアAIの適用範囲の限定——は、同じ論理から出ている。制御できない外部依存を、基幹系から外すという考え方だ。本号の国内面で扱う日本のソブリンAI構想（Noetra／FRONTia）とも問題意識が重なる。移行の完了時期と契約規模は、Airbus と Scaleway の公式発表で要確認である。
出典：The Register: Airbus takes flight from AWS — what happens next is critical
FRESH2026.07.19
SKグループの崔泰源（チェ・テウォン）会長が、AI向けメモリ不足は「経済安全保障」の問題になったと発言—7月19日の大韓商工会議所・済州フォーラムで、各国政府がAIメモリへのアクセスを経済安全保障として扱い始めたと指摘。顧客は2027年に60〜100%多いAIメモリを求めているが「意味のある新規供給能力を持つ企業は存在しない」と警告した
AIのボトルネックは、GPUからその隣のメモリへ移りつつある。Korea Herald によれば、SKグループの崔泰源会長は7月19日、大韓商工会議所の済州フォーラムで、各国政府がAI用メモリへのアクセスを「経済安全保障」の問題として扱うようになったと述べた。同氏によれば、顧客は2027年に向けて60〜100%多いAIメモリを求めている一方で、「意味のある新規供給能力を持つ企業は存在しない」。HBM（広帯域メモリ）はAIアクセラレータの性能を規定する要素であり、供給が逼迫すれば、GPU がいくら製造されても実効的な計算能力は伸びない。この発言が持つ重みは、SK ハイニックスが HBM 市場の主要供給者であることに由来する。供給側の当事者が、需要の倍増に対して供給能力が追いつかないと公言している。ただし市場の読みは割れている。同じ週、Financial Times は月曜のメモリ株の下落を報じ、SK ハイニックス・Samsung・Micron によるAI起因の能力拡張の波が業界の次の供給過剰を招くのか、それともAI需要がメモリ産業の古典的な好不況サイクルをついに断ち切ったのかで投資家が二分していると伝えた。前週には SanDisk が13%、Seagate が10%下落している。崔氏の「多年にわたる不足」という警告と、市場が織り込む「供給過剰リスク」は正面から食い違う。この不確実性は日本の産業にも直結する。本号の国内面で扱う Noetra の計算基盤は2028年6月稼働を目標としており、その時点のメモリ需給がどちらに振れているかは調達コストを大きく左右する。実際の設備投資計画と受注状況は、各社の四半期開示で要確認である。
出典：The Korea Herald: SK chief says AI memory shortage now an economic-security matter / Financial Times: Memory stocks slide as investors debate AI boom vs oversupply
▍ソブリンAI／FRONTia に約60億ドル、Rubin 2万7,500基
FRESH2026.07.18
日本が国家規模でソブリンAIに賭ける—ソフトバンク・ソニー・ホンダ・NEC・Preferred Networks が率いる約44社連合 Noetra が、NVIDIA Rubin GPU 2万7,500基と Vera CPU 1万3,750基（NVL72 382ラック・140MW）を経産省「FRONTia プロジェクト」の計算層として展開する。政府は2027年3月までに3,873億円（約24億ドル）、5年で1兆円（約60億ドル）規模を投じる。2027年着工・2028年6月稼働、2040年に世界ロボティクス市場60兆円の30%超を目標
前号で扱った Noetra のマルチモーダル基盤モデル着手に、国家戦略としての全体像が加わった。日経アジアによれば、新設の Noetra Corp——ソフトバンク、ソニー、ホンダ、NEC、そしてトヨタが出資する Preferred Networks が率いる約44社の連合——は、NVIDIA Rubin GPU 2万7,500基と Vera CPU 1万3,750基（NVL72 構成で382ラック、140メガワット）を展開する。これが経済産業省「FRONTia プロジェクト」の計算層となり、フィジカルAIとロボティクスに向けたソブリンなマルチモーダル基盤モデルを狙う。資金の構造が明確になった点が重要である。政府は2027年3月までに3,873億円（約24億ドル）をコミットし、これは5年間で1兆円（約60億ドル）規模のパッケージの一部である。建設は2027年着工、稼働目標は2028年6月。研究開発は6月30日に NEDO のAI開発事業へ採択済みだ。Noetra の丹波廣寅社長は、この取り組みを米国と中国のAIスタックに対する「真の第三の選択肢（a genuine third option）」と位置づけている。目標として掲げられているのは、2040年までに60兆円規模とされる世界ロボティクス市場の30%超を日本が取ることである。この構想を政策文脈に置くと、7月10日に高市早苗首相が第5回人工知能戦略本部で決定した第2期「AI基本計画」と接続する。同計画は19の重点分野を「市場性」（製造・物流交通・情報通信・金融・創薬の5分野）、「公共性」（医療介護福祉・農林水産・建設・教育・行政・エネルギーの6分野）、「戦略性」（防衛・警察・防災・消防・サイバー・海洋・宇宙・科学研究の8分野）に分類し、フィジカルAIには2040年度までに官民で10.5兆円を投じる方針を示した。全分野への官民投資の総額目標は370兆円超とされる。汎用チャットの土俵で OpenAI や Anthropic と競うのではなく、日本が持つ産業機械と現場データに接続する層を作る——という選択の輪郭が、計算基盤と予算と工程表を伴って見えてきた。ただし2028年6月稼働という時間軸が、Kimi K3 や Qwen 3.8 が四半期単位で更新される競争環境に対して妥当かは、依然として開かれた論点である。各施策の予算執行と工程は、経産省および内閣府の一次資料で要確認だ。
出典：Nikkei Asia: SoftBank, Sony, Honda spearhead work on Japan AI with Nvidia chips / ビジネス+IT: ソフトバンク・NEC・ホンダ・ソニーの国産AI企業「Noetra」経産省が3,873億円拠出
▍政策／バーティカルAI19分野、フィジカルAIに10.5兆円
BACKGROUND2026.07.10
高市政権が第2期「AI基本計画」を決定し、バーティカルAI領域別戦略の中間とりまとめを併せて確定—19分野を重点領域に指定し、「市場性」「公共性」「戦略性」の3観点で分類した。フィジカルAIには2040年度までに官民で10.5兆円、全分野への官民投資総額は370兆円超を目標に掲げる。AI法に基づく計画として、規制・制度の見直しと国産開発基盤の構築を並行して進める
Noetra の計算基盤を「なぜ作るのか」の答えは、7月10日の閣議レベルの決定にある。政府は同日、総理大臣官邸で第5回人工知能戦略本部を開催し、AI法に基づく第2期「AI基本計画」の案と、バーティカルAI領域別戦略の中間とりまとめを決定した。本部長を務める高市早苗首相は、信頼できるAIで社会全体を駆動する「AIトランスフォーメーション（AX）」を掲げ、バーティカルAIとフィジカルAIへの官民投資を「強く豊かな日本」投資枠を活用して推進すると述べている。計画の設計思想は、汎用モデルの性能競争を正面から追わないという判断にある。指定された19の重点領域は3つの観点で分類された。「市場性」を有する領域として製造、物流・交通、情報通信、金融、創薬の5分野。「公共性」のある領域として医療・介護・福祉、農林水産、建設、教育、行政、エネルギーの6分野。「戦略性」のある領域として防衛、警察、防災、消防、サイバー、海洋、宇宙、科学研究の8分野である。投資目標も数字で示された。フィジカルAIには官民で2040年度までに10.5兆円。全分野への官民投資の総額は370兆円超。日経の報道によれば、戦略17分野とフィジカルAI10.5兆円という官民投資の全容が6月時点で判明していた枠組みが、7月10日の決定でほぼそのまま確定した形である。この分類が示唆するのは、日本の政策が「誰がフロンティアモデルを作るか」ではなく「作られたモデルをどの産業のどの工程に接続するか」を主戦場に選んだということだ。本号の国際面で扱った米国のオープンソースAI規制論や、フロンティアモデルへのアクセス統制と対照的に、日本の議論の重心は適用側にある。もっとも、19分野それぞれで誰が何をいつまでに実装するのかという具体は、領域別戦略の最終とりまとめを待つ必要がある。予算措置の内訳と各省庁の実施計画は、内閣府および各所管省庁の一次資料で要確認である。
出典：ビジネス+IT: 高市政権が「バーティカルAI」推進、戦略19分野に官民集中投資 / 日本経済新聞: 戦略17分野、フィジカルAIに10.5兆円 官民投資の全容が判明
▍調査／組織的にAIを使う日本企業は36%にとどまる
BACKGROUND2026.07.17
JIPDEC「企業IT利活用動向調査2026」—組織としてAI活用を行っている企業は36%にとどまる。期待以上の導入効果が出ている業務は「顧客対応・サポート業務」29.1%、「経営企画・意思決定支援」27.8%。生成AIについて「積極的に活用する方針」「領域を限定して利用する方針」を定めている企業は49.7%（2024年度調査）で、中小企業では「方針を明確に定めていない」が約半数を占める
国家が370兆円の投資目標を掲げる一方で、企業の現場はどうか。一般財団法人日本情報経済社会推進協会（JIPDEC）が2026年1月に実施した「企業IT利活用動向調査2026」によれば、組織としてのAI活用を行っている企業は36%にとどまる。期待以上のAI導入効果が出ている業務として挙がったのは「顧客対応・サポート業務」が29.1%、「経営企画・意思決定支援」が27.8%だった。生成AIの活用方針についても差が大きい。「積極的に活用する方針」または「活用する領域を限定して利用する方針」を定めている企業の比率は、2024年度調査で49.7%。中小企業では「方針を明確に定めていない」との回答が約半数を占めている。総務省の令和7年版情報通信白書も、企業におけるAI利用の裾野が業種・規模によって大きく偏っていることを示している。この数字を、本号の他の記事と並べて読む意味がある。Noetra が2028年6月に稼働させる計算基盤も、19分野に配分される官民投資も、最終的には個々の企業がAIを業務プロセスに組み込んで初めて効果になる。36%という数字は、基盤側の投資と適用側の実装のあいだに相当な距離があることを示す。他方で、実装が進んでいる領域の性格は示唆的だ。効果が出ているとされた「顧客対応・サポート」と「経営企画・意思決定支援」は、いずれも既存の業務フローに対して比較的低い改修コストで組み込める領域である。国際面で扱った Airbus が、AIの用途を知識抽出・サポートチャットボット・意思決定支援・飛行自動化に限定しているのと構図が近い。基幹系ではなく周辺から入る、という現実的な選択が、日欧の双方で観察できる。調査の母集団と設問設計は、JIPDEC の一次レポートで要確認である。
出典：JIPDEC: 「企業IT利活用動向調査2026」から見る日本企業のDX、AI活用、ランサムウェア被害の実態（AIの活用状況と課題編） / 総務省: 令和7年版 情報通信白書 企業におけるAI利用の現状
NEW2026.07.20
CuspAI が Kleiner Perkins・NEA 主導のシリーズBで4億5,000万ドルを調達し、半導体製造向け材料探索にAIを適用する連合を発足—昨年9月の1億ドル・シリーズA（評価額5億2,000万ドル）に続く増資で、Bezos Expeditions も出資者に名を連ねる。Meta（炭素回収）、Hyundai（自動車）、Kemira（水処理）との既存提携を持つ
AIの応用先が、ソフトウェアから物質そのものへ降りている。Bloomberg によれば、英ケンブリッジ拠点の CuspAI は Kleiner Perkins と NEA が主導するシリーズBで4億5,000万ドルを調達し、半導体製造および周辺産業向けの材料探索にAIを適用する連合を立ち上げた。同社は昨年9月に評価額5億2,000万ドルで1億ドルのシリーズAを終えたばかりで、6月時点では約4億ドル規模と伝えられていた案件が上振れした形である。Bezos Expeditions が出資者に含まれる。CuspAI はこれまでに Meta（炭素回収材料）、Hyundai（自動車向け材料）、Kemira（水処理）と提携してきた。今回の連合は、その適用領域を半導体製造プロセスの材料へ広げるものだ。新しい誘電体、フォトレジスト、パッケージング材料の候補を計算で絞り込む作業は、探索空間が広大で実験コストが高いという意味で、生成モデルと物性シミュレーションの組み合わせが効きやすい領域である。同じ7月20日、Bloomberg はもう一件の「物理側」への資本流入を報じた。Blackstone が韓国の Futronic に出資し、評価額は約6億7,500万ドル（Bloomberg）から約1兆ウォン・7億5,000万ドル（Financial News Korea）とされる。Futronic は産業用ロボットおよびヒューマノイド向けの精密アクチュエータを製造する企業で、アナリストはこの部品を人型ロボットの「腕・脚・指」と呼ぶ。創業者の高鎮浩（コ・ジンホ）CEO は Blackstone と共に経営を続ける。プライベート・エクイティが「フィジカルAI」のハードウェアに踏み込んだ事例である。二件に共通するのは、資本が「モデルを作る層」から「モデルが作用する物理層」へ移動しているという構図だ。本号の国内面で扱う日本のフィジカルAI戦略が、産業機械と現場データという固有資産に賭けているのと同じ方向を向いている。各案件の詳細条件は、両社の公式発表で要確認である。
出典：Bloomberg: Bezos backs startup focused on material discovery for chipmaking / Bloomberg: Blackstone agrees to invest in Korean robotics supplier Futronic
FRESH2026.07.19
非営利の Current AI が公共AIインフラ構築に向け4億ドルのコミットメントを確保—フランス政府の1億ドルに加え、Ford Foundation、MacArthur Foundation、DeepMind、Salesforce が参加する。ジュネーブで公開されたオープンソースのチャットボット「Alpha Chat」を含む複数プロジェクトを掲げ、CEO の Ayah Bdeir 氏が率いる
「AIのワールド・ワイド・ウェブ」を、誰の資本で作るか。TechCrunch によれば、Ayah Bdeir 氏が率いる非営利組織 Current AI は、公共のAIインフラを構築するために4億ドルのコミットメントを確保した。内訳にはフランス政府の1億ドルが含まれ、Ford Foundation、MacArthur Foundation、DeepMind、Salesforce が名を連ねる。掲げられているプロジェクトの一つが、ジュネーブで公開されたオープンソースのチャットボット「Alpha Chat」である。この動きは、フロンティアモデルの開発が数百億ドル規模の民間資本に集中していく流れに対する、明示的な対抗軸として設計されている。4億ドルは、Meta が今年の設備投資として計画する1,250億〜1,450億ドルと比べれば桁が三つ違う。だが Current AI が狙っているのは同じ土俵での競争ではなく、公共財としてのAIインフラ——モデル、データセット、評価基盤、そしてそれらへのアクセス経路——を、商業的インセンティブから切り離して維持することである。同じ週、Stratechery の Ben Thompson は別の角度から関連する論点を提示している。Kimi K3 や Qwen 3.8 Max をめぐる価格パニックは的を外しており、重要なのはトークン単価ではなく「知能の単位あたりコスト」だという主張である。同じタスクでもモデルによって必要なトークン数が異なるためだ。彼のより大きな主張は、限界推論コストが「大きく戻ってきた」ということであり、中国のオープンウェイトが安く見えるのは主に、供給制約下にある Anthropic と OpenAI がプレミアム価格を付けているからだという読みである。十分な計算資源が行き渡れば、フロンティアラボは生の能力ではなくコスト構造で競うようになる、と彼は見る。この見立てが正しければ、Current AI のような公共インフラの位置づけも変わってくる。コスト構造の競争が始まった市場では、非商業的なアクターが維持する共通基盤の相対的な価値が上がる可能性がある。Current AI の資金執行計画と成果物は、同組織の公式発表で要確認である。
出典：TechCrunch: Nonprofit Current AI is racing to build the 'world wide web' of AI, free for all / Stratechery: Chinese open models and the return of COGS math
FRESH2026.07.20
大手テック各社のAI設備投資に説明責任を求める圧力が強まる—先週は情報技術がS&P500で最も成績の悪いセクターとなり、ナスダック100は4.1%下落、半導体株は2025年4月以来最悪の週となる10%安。Bloomberg は Moonshot の Kimi K3 のローンチが業界の支出ラッシュへの疑念を再燃させた引き金だと位置づけている
支出の正当化が、決算説明の中心議題になろうとしている。Bloomberg によれば、先週の半導体および広範なテック株の急落を受けて、AIに最も多くを投じている企業に対し設備投資を正当化せよという圧力が高まっている。先週、情報技術はS&P500の構成セクターで最も成績が悪く、ナスダック100は4.1%下落、半導体株は10%安と2025年4月以来最悪の週となった。Bloomberg は、Moonshot の Kimi K3 のローンチが業界の支出ラッシュへの疑念を再燃させる引き金になったと位置づけている。論理はこうだ。2.8兆パラメータのオープンウェイトモデルが、フロンティア近傍のベンチマークを主張しながら公開されるなら、クローズドモデルに数百億ドルを投じる経済合理性はどこにあるのか——という問いが投資家の側から出てくる。資金の流れにも変化が見える。Wall Street Journal によれば、個人投資家は「マグニフィセント・セブン」から離れつつある。7社のうち5社は年初来で市場全体をアンダーパフォームしており、資金は同じAI設備投資の波から恩恵を受ける SK ハイニックスや Marvell といったAI隣接の半導体銘柄へ回転している。ハイパースケーラーのAI支出そのものへの懐疑と、その支出の受益者への選好が同時に進んでいる。一方、資金調達の側では熱量が続いている。Financial Times が引く LSEG のデータによれば、Morgan Stanley は2026年上半期にデット・エクイティ資本市場のフィーで23億ドルを稼いだ。前年同期の14億ドルから大幅増で、ハイパースケーラー、GPUクラウド、データセンター事業者がAIインフラ資金を記録的な規模で調達したことが牽引した。同行は以前、2028年までに世界のAIインフラ支出が3兆ドル、今年のAI関連の債券発行が約5,700億ドルに達すると予測している。株式市場が疑い始めている一方で、債券市場は資金を供給し続けている。この乖離がどこで解消されるかが、2026年後半の焦点になる。各社の設備投資計画は四半期決算で要確認である。
出典：Bloomberg: Big Tech needs to justify AI spending as investors dump stocks / The Wall Street Journal: Everyday investors are over the Mag Seven and into new AI darlings / Financial Times: Morgan Stanley's AI-infrastructure deal fees hit $2.3bn in H1
FRESH2026.07.20
ループ型 Transformer に Mixture-of-Experts を組み合わせた「Loopie」が、ツール不使用で IMO・IPhO の金メダル水準に到達したとする論文が公開—20B（アクティブ2B）と6B（アクティブ0.6B）の2構成で、同等計算量のバニラ Transformer を大きく上回ると主張する。重み共有によって深さを償却する場合、N倍のパラメータスケーリングが常にN倍のループに勝るとは限らない、という従来の通念に挑む
スケーリングの前提が、また一つ検証にかけられている。Hugging Face Papers で公開された新しい論文は、ループ型（looped）Transformer に Mixture-of-Experts 設計を組み合わせた「Loopie」を提示した。20B（アクティブ・パラメータ2B）と6B（同0.6B）の2つの構成があり、著者らは同等の計算量においてバニラ Transformer のベースラインを大幅に上回り、ツールを使わずに国際数学オリンピック（IMO）および国際物理オリンピック（IPhO）の金メダル水準の性能に達したと主張している。この主張が重要なのは、パラメータ数を増やすことと計算を反復することのトレードオフに関する通念に触れているからだ。従来は、N倍のパラメータスケーリングがN倍のループ（同じ重みを繰り返し適用して実効的な深さを稼ぐ手法）に勝る、というのが標準的な理解だった。Loopie の著者らは、重み共有によって深さが償却される場合、この通念が必ずしも成り立たないと論じる。アクティブ・パラメータが2Bという規模でオリンピック級の推論に到達できるなら、推論コストの構造が変わる。同じ週には、post-training の最適化手法に関する報告も出ている。arXiv の別の論文は、ALFWorld における疎報酬のエージェント型強化学習で、Qwen2.5-0.5B-Instruct に対する Muon と AdamW を比較した。Group-in-Group Policy Optimization のもとで隠れ層の重み行列にのみ Muon を適用すると、最終ウィンドウの検証成功率が0.290から0.546へ88%改善したという。学習率1e-5では GraphGPO-Muon が成功率0.901に達し、0.5および0.75のマイルストーンに30〜60アップデート早く到達した。ただし著者ら自身が、複数シードでの検証とタスク横断の妥当性確認は未了だと明記している。いずれの結果も査読前のプレプリントであり、独立した再現が必要である。本号の技術面で扱った資本の動き——材料探索、アクチュエータ、推論インフラ——と並べると、「同じ性能をより少ない計算で」という方向の研究が、コスト構造の競争が始まった市場で持つ意味が見えてくる。数値と再現性は原論文で要確認である。
出典：Hugging Face Papers: Loopie — Looped MoE Transformers / Hugging Face Papers: Muon vs AdamW for sparse-reward agentic RL post-training
▍脆弱性／25ドルのAI解析が50万ドル級RCEを発見
RISK2026.07.20
Searchlight Cyber の Adam Kues 氏が GPT-5.6 Sol Ultra に約10時間のマルチエージェント・コード解析を実行させ（トークン費用約25ドル）、デフォルト構成の WordPress に5億インスタンス超へ影響する事前認証 SQLi→RCE 連鎖を発見—batch API における検証と実行のデシンク、キャッシュポイズニング、customize_changeset 操作、投稿階層の循環検出を組み合わせた攻撃。この種の WordPress 事前認証RCEにエクスプロイト・ブローカーは50万ドルを提示しており、コストと対価に約2万倍の逆転が生じている
自律的な脆弱性研究の経済性が、反転した。Searchlight Cyber の研究者 Adam Kues 氏は、GPT-5.6 Sol Ultra にデフォルト構成の WordPress に対して約10時間のマルチエージェント・コード解析を実行させた。トークン費用は約25ドル。その結果、モデルは5億インスタンス超に影響する事前認証（pre-authenticated）の SQLi から RCE（リモートコード実行）へ至る連鎖を発見した。技術的な構成は単純ではない。この脆弱性は、batch API における検証と実行のデシンク（validation/execution desync）を悪用し、キャッシュポイズニング、customize_changeset の操作、投稿階層の循環検出を組み合わせる。人間の研究者が同等の発見に至るには相当な時間と専門性を要する種類の欠陥である。問題は経済性だ。エクスプロイト・ブローカーは、この種の WordPress 事前認証RCEに対して公然と50万ドルを提示している。25ドルのトークン費用に対して50万ドル——約2万倍のコスト対価の逆転である。この比率が意味するのは、攻撃側の経済合理性が根本的に変わったということだ。従来、高度な脆弱性研究は熟練した人材という希少資源に律速されていた。その制約が緩めば、発見される脆弱性の総量は増える。防御側にとっては両義的な数字である。同じ手法は防御的な脆弱性発見にも使えるし、実際 Kues 氏の研究は責任ある開示の文脈にある。だが本ブリーフィングが7月20日号で扱った Orca Security の報告——修正版が存在するAI脆弱性アラートの99.9%が未適用のまま——と並べると、構図は厳しい。発見のコストが2万分の1になっても、適用のボトルネックは動いていない。発見の加速と適用の停滞という溝が、そのまま攻撃側の優位に変換される。開示の状況とパッチの提供時期は、WordPress 側の公式アドバイザリで要確認である。
出典：Searchlight Cyber: Exploit brokers pay $500,000 for a WordPress RCE — I found one with GPT-5.6
▍侵害／HFがガードレールに阻まれ中国製モデルで解析
RISK2026.07.19
Hugging Face が、先週のエージェント型AIによる侵入インシデントの解析にあたり、商用APIの背後にあるフロンティアモデルに攻撃コマンド・エクスプロイトペイロード・C2アーティファクトの分析を依頼したが、プロバイダ側の安全ガードレールに阻まれて拒否されたと開示—同社のブルーチームはオープンウェイトの GLM 5.2 に切り替え、1万7,000件超の攻撃イベントを法医学的に解析した
安全ガードレールが、防御側の作業を止めた。The Stack および Hugging Face 自身の開示によれば、同社は先週発生したエージェント型AIによる侵入インシデントの解析において、まず商用APIの背後にあるフロンティアモデルに攻撃コマンド、エクスプロイトペイロード、C2（コマンド&コントロール）アーティファクトの分析を依頼した。だがこれらのリクエストはプロバイダ側の安全ガードレールによってブロックされた。ブルーチームはオープンウェイトの GLM 5.2 に切り替え、1万7,000件を超える攻撃イベントを法医学的に解析した。インシデント自体も、AI時代の攻撃像を示している。Hugging Face の開示によれば、悪意あるデータセットが処理ワーカー上の2つのコード実行経路——リモートコード実行を伴うデータセットローダーと、データセット設定におけるテンプレートインジェクション——を悪用し、ノードアクセスへ権限昇格したうえで横展開し、クラウドおよびクラスタの認証情報を収集した。公開されているモデル、データセット、Spaces に改ざんはなかったが、内部データセットとサービス認証情報が侵害されており、利用者にはアクセストークンのローテーションが求められている。この事案が突きつける問いは二層ある。一つは技術的な問題だ。データセットローダーの任意コード実行という設計上の危険は以前から知られており、それがAIエージェントによって自律的に悪用された。もう一つは政策的な問題である。商用モデルの安全ガードレールは、悪用を防ぐために攻撃ペイロードの解析を拒否する。だがその拒否は、正当なインシデント対応にも等しく作用する。結果として、侵害を受けた組織がオープンウェイトの中国製モデルに頼るという構図が生まれた。本号の国際面で扱った、米政権による海外製オープンソースAIの規制論と、この事例は正面から衝突する。規制がオープンウェイトへのアクセスを狭めれば、防御側が持つ選択肢も狭まる。フロンティアモデル提供各社が、認証された防御目的の利用に対してどのような例外設計を持つべきかは、未解決の論点である。侵害の詳細と対応状況は、Hugging Face の公式開示で要確認である。
出典：Hugging Face: Security incident — July 2026 / The Stack: Hugging Face turned to a Chinese LLM for help after US models blocked its blue team
▍影響工作／チャットボットの回答を標的にした情報作戦
RISK2026.07.19
Wall Street Journal が、イスラエル政府による対米影響工作を報道—トランプ氏の2016年デジタル選対を率いた Brad Parscale 氏に月約150万ドルを支払い、契約総額は4,500万ドルを超えるとされる。「Emma」「Sarah」といった架空の送信者名でAI生成のテキストメッセージを送る「Friends for Peace」キャンペーンに加え、ChatGPT や Claude がイスラエル関連の質問にどう答えるかを変えることを明示的に企図したウェブサイトとコンテンツの流布を含む
情報作戦の標的が、人間からモデルへ拡張された。Wall Street Journal の報道によれば、イスラエル政府は、トランプ氏の2016年選挙でデジタル部門を率いた Brad Parscale 氏に月約150万ドルを支払っており、契約総額は4,500万ドルを超える。対米影響工作の一環で、「Emma」「Sarah」といった架空の送信者名からAI生成のテキストメッセージを送る「Friends for Peace」という枠組みが中心にある。本ブリーフィングの観点から重要なのは、この作戦のもう一つの構成要素だ。同報道によれば、この取り組みはウェブサイトとコンテンツを意図的に配置し、ChatGPT や Claude がイスラエルに関する質問にどう答えるかを再形成することを明示的に企図しているとされる。これは検索エンジン最適化（SEO）の系譜にある手法だが、対象が異なる。検索結果の順位ではなく、LLM が学習・参照する情報環境そのものを操作しようとする試みである。この手法が実効性を持つ条件は複数ある。モデルが継続的にウェブをクロールして学習データを更新するか、あるいは検索連携（グラウンディング）で外部コンテンツを参照する場合、汚染されたコンテンツの影響は回答に反映されうる。本号の Arena Search 部門で claude-opus-4-6-search（1255）や gpt-5.5-search（1239）といった検索連携モデルが上位を占めている通り、外部参照はいまや主要な使われ方の一つである。作戦全体は、2026年の「意識を形作る（shape consciousness）」名目の予算7億ドル超の内側に位置づけられるという。Steve Bannon 氏は、外国代理人との関係が指摘される Salem Media の経営陣を公然と問題視した。この事案が示すのは、AIの安全性の論点が「モデルが何を生成するか」だけでなく「モデルが何を読まされるか」にも及ぶということだ。学習データとグラウンディング元の来歴（provenance）を検証する仕組みは、まだ産業標準として確立していない。報道の詳細と各当事者の主張は、WSJ の記事および関係者の公式声明で要確認である。
出典：The Wall Street Journal: Israel's $45 million experiment to change U.S. public opinion
きょうのひとこと
きょうの号を並べ終えて気づくのは、AIをめぐる争点が「誰が最も賢いモデルを作るか」から「誰がモデルの流れを止められるか」へ移っているということだ。トランプ政権は海外製オープンソースAIの事実上の禁止を再検討し、同時に OpenAI と Anthropic のフロンティアモデルを誰に売るかを承認制に置いた。供給側と需要側の両方に、国家の手が伸びている。
皮肉なのは、その統制が防御側にも作用することだ。Hugging Face はエージェント型AIによる侵入を受け、攻撃ペイロードの解析をフロンティアモデルに依頼した。だが商用APIの安全ガードレールがそれを拒否した。同社のブルーチームは、オープンウェイトの GLM 5.2 に切り替えて1万7,000件超の攻撃イベントを解析している。中国製のオープンモデルを規制しようという議論と、中国製のオープンモデルがなければインシデント対応が進まなかったという事実が、同じ週に並んでいる。
攻撃側の経済性も変わった。Searchlight Cyber の研究者が25ドル分のトークンで GPT-5.6 に約10時間の解析をさせたところ、5億インスタンス超に影響する WordPress の事前認証RCEが出てきた。ブローカーの提示額は50万ドル。約2万倍の逆転である。前号で扱った Orca の数字——修正版があるAI脆弱性アラートの99.9%が未適用——と重ねると、発見が2万分の1のコストになっても、適用は動いていない。溝はそのまま攻撃側の取り分になる。
資本の側は、静かに物理層へ降りている。CuspAI が半導体材料の探索に4億5,000万ドル、Blackstone が韓国 Futronic のヒューマノイド用アクチュエータに評価額約6億7,500万ドル。日本の FRONTia は NVIDIA Rubin 2万7,500基に5年1兆円を投じ、2040年に世界ロボティクス市場60兆円の30%超を狙う。第2期AI基本計画が19分野を「市場性・公共性・戦略性」で分類し、フィジカルAIに10.5兆円を割り当てたのも同じ方向だ。汎用チャットの土俵を降りて、機械が動く場所を取りにいく。
ただし、その投資の出口は現場にある。JIPDEC の調査では、組織としてAI活用を行っている日本企業は36%にとどまる。効果が出ているのは顧客対応と意思決定支援——既存フローに低コストで挿し込める領域だ。Airbus が900本のアプリを AWS から Scaleway へ移しつつ、AIの用途を知識抽出とサポートと飛行自動化に限定しているのと、発想は近い。基幹系ではなく周辺から入る。370兆円という目標値と36%という実装率のあいだの距離を、どう詰めるか。答えは計算基盤の側にはない。
Edited by New Realities Corporation