本紙、AI 導入の壁にデータ信頼を追加　根拠は伝聞のみ

今日の中核

1. [今週] Palantir の Alex Karp CEO、企業顧客が抱く二つの疑念を CNBC で指摘　同じ週の HubSpot の撤回が裏付けに

7 月 9 日の 20VC の座談会（動画）は、Palantir の CEO、Alex Karp 氏が CNBC で語って広く拡散したインタビューを紹介した。座談会の紹介によれば、大企業がフロンティアモデルの提供企業に向ける疑念はかつてない水準に達していると Karp 氏は述べた。名指しされたのは Anthropic と OpenAI である。疑念は二つある。一つは、払った金額で何が得られるのか。もう一つは、預けたデータが訓練に使われ、自社の事業を学ばれ、ほかの全顧客に売られないかである。

同じ週、HubSpot は顧客の営業リードのデータを集め、ほかの顧客と共有しようとした。顧客の強い反発を受け、一週間以内に撤回している。この件も同じ座談会での紹介だ。

まだ言えないこと： Karp 氏の発言も HubSpot の撤回も、出どころは同じ座談会の紹介

検証： Karp 氏は利害の当事者である。Palantir が売るのは、モデル企業を信用できないという不安への解決策そのものだ。座談会は、当日の Palantir の株価が 9% 上がったと口頭で述べた。これも単一ソースである。発言は割り引いて受け取る必要がある。一方、HubSpot の撤回は別個の出来事で、不安には現実のきっかけがある。座談会はさらに、モデル企業が訓練データの出どころについて偽っていると非難した。ソースはこの座談会だけなので、傾向を探る手がかりにとどめる。

判断の更新： 企業の AI 導入を阻むものとして、本紙はこれまで二つの軸を追ってきた。モデルの信頼性と、社内プロセスの作り替えである。今日、データと知的財産への信頼を三つ目の軸として加える。本紙の読みでは、この軸が強まるほど、企業はデータを手元に置き、単一の提供企業に縛られない形を求めるようになる。

2. [今週] 20VC の座談会によれば、Microsoft は 6,000 人のエンジニアを顧客企業に常駐させる　座談会は AI の売り方が 30 年前の IBM のサービス事業に戻ったと読む

同じ座談会（7 月 9 日、動画）の紹介によれば、Microsoft は 25 億米ドルを投じ、6,000 人規模の常駐エンジニア計画を発表した。エンジニアを顧客企業の現場に送り込む計画で、企業の AI 試行の 95% で測定できるほどの収益改善が出ていないとする MIT の指摘に正面から応えるものだという。Amazon も二日前に同じ方向へ動いた。

座談会の読みでは、OpenAI と Anthropic は根っからのプロダクト企業である。企業への導入には、間に立つサービス層が要る。Microsoft は、かつて IBM や HP のサービス部門が担った役回りを引き受けつつある。座談会は、テック企業は倒産するか、長く生き延びて次世代の IBM になるかのどちらかだとも述べた。ただし、サービス層を担う側の粗利率はモデルを売るよりはるかに低いとも、座談会は指摘した。

まだ言えないこと： 25 億ドル、6,000 人、MIT の 95% は、どれも一次資料の発表が未入手

検証： 25 億ドル、6,000 人、MIT の 95% は、どれも VC の口頭の紹介で、ソースはこの座談会だけだ。数字は参考値として読む。一次資料の発表は未入手で、入手しだい続報で補う。

判断の更新： 企業の AI 導入がどこで詰まるかについて、本紙が追う立場は三つになった。座談会は、詰まる所をプロセスの作り替えと常駐人材の不足に見る。これは本紙がすでに持つ Sarah Guo 氏の判断とぶつかる。Guo 氏は 2024 年末の Colossus のインタビュー（Colossus）で、ボトルネックはプロセスではなくモデルの信頼性だとした。これに、中核 1 で加えたデータ信頼の軸が並ぶ。三つの立場は、場面ごとに並び立つ可能性が高い。ただし、どの層が主導するかで、サービス層、評価層、プライベートな配備層のどこに金が流れるかが決まる。答え合わせの目安は、常駐計画から一年後の契約更新率と、Anthropic の売上の伸び方だ。

3. [今週] 一日で三件のうわさが出回る　本紙はどれも事実として扱わない

7 月 9 日と 10 日の素材（20VC の座談会）に、三件のうわさが出た。(a) DeepSeek が自社チップの開発を始め、Anthropic が自社チップの開発について Samsung と協議している。(b) Nvidia は、計算資源を先に使わせ、代金を後で受け取る形で売上を計上している。Nvidia の売上に占める上位三顧客の比率も、80% から 50% に下がったという。(c) OpenAI が米国政府に 5% の株式を持たせる。(c) を紹介した本人は、元のソースは読んでいないと述べた。どの話も、座談会の出演者が口頭で触れただけだ。確かめるまで、本紙のどの判断にも入れない。

まだ言えないこと： 三件とも、二つ目の独立したソースがない

検証： この項目は、検証の手順そのものが主題である。(b) の集中度は、Nvidia が米証券取引委員会に出す四半期報告と直接照らし合わせられ、照合の予定に入れた。残る二件は、二つ目の独立したソースを待つ。三件の話は、どこで目にしても、単一の伝聞で未検証という段階にとどまる。

4. [証拠の更新] OpenAI の社内警報コードレッド、追い抜かれたのは GPT-5.1 で、出回っている GPT-5 ではなかった

出来事そのもの（2025-12-02）は、Altman 氏が社内メモで競争への警戒を促し、ChatGPT に集中するため広告とショッピング支援を後回しにしたというものだ。当時 Fortune や Forbes など米国の複数のメディアが同じ日に報じ、本紙は 7 月初めに複数のソースで確かめた。今日は表現を絞り込み直した。

出回っている版は、Gemini 3 と Claude が GPT-5 を超えたとする。元の資料に当たり直すと、Gemini 3（2025 年 11 月 18 日）の評価で比べた相手は GPT-5.1 だった。Anthropic の公式発表は、Opus 4.5（2025 年 11 月 24 日）をコーディング、エージェント、コンピューター操作で世界最高のモデルと位置づけるにとどまる（公式ページ、2025-11）。

まだ言えないこと： 戦いの軸が電力あたりの性能に移るという推論は、一次資料の裏付けがない

検証： 出来事の層には複数のソースがある。誰を超えたのかという点は、伝わる途中で GPT-5.1 が GPT-5 にすり替わった。公式の原文を見直したのは、この取り違えを確かめるためだ。あわせて出回る推論もある。戦いの軸が電力あたりの性能に移り、Nvidia の堀が揺らぐという見方だ。これはアナリストの解釈で、一次資料での裏付けがなく、本紙は採りも否定もしない。

5. [トレンド観察] 金をかける先をめぐる 2024 年の三つの答え、長期追跡の判断に格上げ

2024 年のアーカイブを、ソースをまたいで今日照合し終えた。三つの答えは、互いに面識のない現場の実務者たちが別々に語ったもので、2026 年から振り返ると三つとも当たっている。

(一) 検索か微調整かは見かけだけの論争である。 検索拡張生成（RAG）は知識を受け持ち、質問の時点で事実を文脈に固定する。微調整は振る舞いを受け持つ。幹細胞が特定の細胞に分化するように、振る舞いの型を変えるもので、知識を流し込むものではない。知識を入れるなら検索を使う。Gradient の Mark Huang 氏（2024-05-30）と Brightwave の Mike Conover 氏（2024-06-11）が、同じ時期に別々に同じ枠組みを語った。

(二) コードはエージェントの共通インターフェースである。 モデルをプログラムでラップすれば信頼性が得られる。手順はプログラムに書き、モデルは意味の処理だけを担う。モデルにプログラムを書かせれば行動の幅が得られる。128 個のツールを並べるより、モデルに自作させるほうがよい。Microsoft の Sam Schillace 氏（2024-03）が前者を語り、同じ場で Imbue と Databricks が後者を語った（2024-06）。

(三) ツールのインターフェースがエージェントの成否の九割を占める。 ReAct と SWE-agent の著者で、当時 OpenAI にいた Shunyu Yao 氏の見方だ。ツールのインターフェースを使いやすく信頼できるものにすれば、成否のおよそ九割はそこで決まるという。Devin が抜きん出た理由もインターフェースにあり、計画の手法にはなかったと同氏は述べた（2024-09-27）。

まだ言えないこと： (一) を語った二人はどちらもこの仕組みの売り手で、利害のない証言はない

検証： 六つの独立した出どころが、互いを引用しないまま、同じ年に同じ結論に達した。(一) には立場の割引が要る。語った二人は、どちらもこの仕組みを売っている。その後の推移は (一) と (二) を裏付けた。モデルにプログラムを書かせて実行させる型のエージェントが主流になり、微調整で知識を入れるのはアンチパターンと広く見なされている。

判断の更新： 三つの答えは、エージェント製品の差がどこで生まれるかを示す。差がつくのは、モデルに許す行動の境界と、プログラムを実行させる範囲とその防御、そしてツールのインターフェースを誰が作るかである。訓練に費用を払うかどうかは、求めるのが振る舞いの変化か知識の注入かで分かれる。

学界の動向

本紙は AI 研究のトレンド地図を持っている。13 の領域、59 の手法の方向を、主流・上昇・衰退に分け、何が起きるかの言葉に置き換えたものだ。商業的に最も重い三本を選び、それぞれに時期と根拠を添える。

• [トレンド] 訓練：今の推論モデルは難しい数学や競技プログラミングを解ける。中心にあるのは、人の手本をまねさせる訓練ではなく、答えの正誤を報酬にする訓練である。 時期をはっきりさせておく。これは 2023 年の古い話ではない。2024 年 9 月に o1 が先導し、2025 年 1 月に DeepSeek R1 が続いてから主流になった。この手法が中心だと言える根拠：R1 の論文（2025-01）は、ルールにもとづく報酬を使ったと明記している。数学は答えが正しいか、プログラムはコンパイルが通るかで判定し、人の好みのラベルには頼らない。o1 について OpenAI が公に語ったのは、強化学習で推論を訓練したということまでで、報酬の設計の詳細は明かしていない。細部は外部の逆算による推測だ。したがってこの因果は、R1 が直接の証拠で、o1 は妥当な推論にとどまる。[ビジネス] 推論モデルという製品カテゴリ全体（o1、R1 とその後継）の技術的な出どころがここにある。
• [トレンド] カスタマイズ：企業がモデルに自社の知識を使わせる主流のやり方は、モデル全体の再訓練から、質問の時点でデータを渡す検索と、モデルにツールを呼び出させる方式に移った。 この転換は 2024 年には現場の実務者の間で合意になっていた。根拠は中核 5 の六つの独立した出どころである。2026 年には標準になっている。[ビジネス] 企業の社内ナレッジへの質問応答とエージェント製品に直結する。社内の情報を AI に理解させたいとき、まずデータで微調整しようと考える例はもうほとんどない。
• [トレンド] チップ：モデルが大きくなると、ボトルネックは計算の速さからデータを送り込む速さに移り、広帯域メモリ HBM が最も逼迫する部品になった。 演算器はメモリからデータが届くのを待って止まっていることが多い。データを速く送り込める側が勝つ。HBM を作れるのは世界で数社だけで、SK hynix、Samsung、Micron である。[ビジネス] 計算資源のコストと供給は、メモリメーカー数社の動向にますます左右される。メモリが値上がりすると AI の訓練コストも上がるのはこのためだ。

チップと半導体

1. [トレンド観察]（2024 年 10 月）推論サービス企業 Featherless の共同創業者 Eugene Cheah 氏は H100 を買うなと書き、同じ月に半導体アナリストの Doug O'Laughlin 氏は電力側の値上がりを記録した。計算資源の値下がりと電力の値上がりは表裏一体である。 Cheah 氏の寄稿は、GPU 貸し出し市場の当事者による一次情報だ（寄稿、2024-10）。H100 の時間貸し料金は、不足期の 1 時間 8 ドルから 2 ドルに急落した。Cheah 氏の集計では、H100 の時間貸し料金は年率 40% 以上のペースで下がった。同氏によれば、NVIDIA のスライドは 1 GPU 時間 4 ドル × 4 年を約束していたが、その前提は 1.5 年もたたずに崩れた。GPU は誰の予想よりも速く汎用品になったという。

O'Laughlin 氏は、電力側で起きた逆向きの動きを書き留めた（Fabricated Knowledge、2024-10）。スリーマイル島原子力発電所が AI のために再稼働し、米東部の電力系統 PJM の容量オークション価格は一年で十倍になった（1MW・日あたり 28.92 ドルから 269 ドル）。同氏が判断の要に置くのは、原子力の本当のボトルネックは技術ではなく資金調達だという点だ。Vogtle 原発の建設費が 14B ドルから 35B ドルに膨らんだ前例が、投資家が資金を出すのをためらう原因になっている。

二本とも単一の著者による一次情報で、本人の経験と独自の計算にもとづくため、数字は割り引いて読む必要がある。ただし二本は互いに独立し、同じ月に同じ構造を指している。2026 年から振り返ると、H100 の汎用品化は当たった。計算資源の設備投資は縮まず、最新世代チップのクラスタに移った。希少さはシリコンから電力網と資本へ移っている。見るべき価格は二つある。旧世代 GPU の時間貸し料金が下がれば、汎用品化のしるしである。電力系統の容量オークション価格が上がれば、新しいボトルネックのしるしである。

目利きの読み

1. [今週]（講演 7 月 10 日）AI エンジニア向けカンファレンス AI Engineer の主催者 swyx 氏は、この世代の大規模言語モデルは、Fable というモデルで終わると本気で予想している。講演でそう述べた。 同氏は会場でこう論じた（動画、2026-07-10）。規模を大きくし続ける路線を終わらせるのは能力の天井ではなく、使い勝手の経済性だという。最も賢いモデルは遅くて高価である。そして時間は、誰にとっても動かせない予算である。この先は、データ効率、継続学習、新しいアーキテクチャにかかる。データ効率の差は大きく、人は百万語程度を読めば一人前になるが、モデルは数兆語を読む。同氏は、これらはまだ一つも手にしていないと述べた。同時に、AI の自己改善で能力が急激に伸びるという見方には水を差した。今の自己改善は、多くが既知の範囲に近い組み替えにとどまるという。

本紙の判断とのつながりもある。7 月 10 日号で取り上げた Ilya Sutskever 氏の見方と同じ向きで、モデルを止めているのは規模ではなく汎化の差だというものだ。一週間で、二人の独立した業界の当事者が、規模の時代が退くと別々に語った。単一の専門家の予測で、傾向を探る手がかりとして使う。

モデルの読み

1. [証拠の更新]（論文 2023 年）よく引かれるのに原文はあまり読まれない 2023 年の論文二本を、今日 arXiv の原文と照合した。二本が扱うのは別々の問題で、混同されやすい。 古い論文に戻ったのは、二本の結論が 2026 年になっても論拠として使われ、伝わるうちに形が崩れているからだ。目的は、今の判断を較正することだ。

(一) OpenAI の論文 Let's Verify Step by Step は 2023 年 5 月に出た（arXiv）。同論文は、推論を訓練で身につけさせる土台の一つになった。訓練で推論の各段階の正しさに報酬を与える過程監督は、最終答えの正しさだけに報酬を与えるより、難問を解く力を育てる。同論文は MATH の代表的な部分集合で 78% を出し、段階ごとの人手ラベル 80 万件を公開した。これは訓練側の手法で、推論時の手法ではない。後に o1 が進んだのは、訓練の計算資源で考え方を教える路線である。ただし o1 が実際に使った報酬の設計を、OpenAI はすべては公開していない（下の「学界の動向」の照合を参照）。

(二) Never Train from Scratch（ICLR 2024、2023 年 10 月、arXiv）は推論とは関係がない。扱うのは、アーキテクチャを公平に比べる方法だ。新しいアーキテクチャが Transformer を大きく上回ったと主張する論文は多い。Mamba のような状態空間モデルの類がその例で、比べる際には両方をゼロから訓練している。この論文は、両方にまず事前学習をきちんと施すと、新しいアーキテクチャの優位が大きく縮むか消えることを示した。新アーキテクチャが大勝したという印象の一部は、見かけである。Transformer に準備運動をさせなかった実験設定が、その差を生んだ。2026 年にも新アーキテクチャが Transformer を全面的に上回ったという報道は出る。確かめどころは、事前学習という変数をそろえたかどうかだ。二本の数字（78%、80 万件）は論文本体から取った。訂正：前の版はこの二本を、推論の筋書きの種になった論文として並べていたが、誤りだった。(二) はアーキテクチャ評価の方法論で推論とは関係がないため、分けて書いた。

プロダクト動向

本号にプロダクト動向はありません。

過去の洞見

1. [振り返り] OpenAI の推論研究の責任者 Noam Brown 氏によれば、能力はもはやモデルの固定した属性ではなく、どれだけの計算資源を燃やすかの関数で、この変化は評価、安全、暴走の三つの問いを同時に書き換える。 Brown 氏の命題は番組 No Priors で示された（No Priors、2026-06-26）。周辺の仕組み（スキャフォールディング）を適切に組めば、モデルは一つの問題に数週間取り組んでも行き詰まらない。同じモデルでも、10 ドル分の計算資源と 10 万ドル分では能力が大きく違う。帰結は三つある。(1) 計算予算をそろえずに A は B より強いとする比較は悪い比較で、単一スコアの順位表は意味を失う。(2) 危険な能力を固定の予算で測る安全評価は、その能力が予算とともに伸び続けるなら、測った安全が偽りになる。(3) 一夜の暴走は起きない。最も強い能力は、現実の時間と引き換えになる。

計測の拠り所は、AI モデルの自律能力を評価する METR の縦断研究（arXiv、2025-03）だ。METR はモデルが自律で完了できるタスクの長さを測り、その長さは約 7 か月ごとに倍になるとした。ただし発表時点で、成功率 50% の上限は約 50 分だった。方向は成り立つが、週単位の自律はまだ遠い。本紙は 2025 年の推論研究数十本で両面を点検した。予算とともに能力が伸びる結果は、分野をまたいで再現している。一方、考えすぎるとかえって悪くなる分野という限界側の結果もある。

計算資源を増やせば能力が伸びるという核心は成り立つが、どこまでも伸びるという外挿は成り立たない。モデル発表のスコアは、どれだけ計算資源を使ったかとセットでなければ比べられない。AI が一夜で制御不能になるという議論は、時間という制約を受ける。

ソースと棚卸し

過去 24 時間。 定期の取得は失敗ゼロだった。夜間に 32 件を読んだ。番組の座談会、ニュースレター、X、ブログで、単位は本または回であり、種類どうしは比べられない。日中には 2024 年のアーカイブを 5 本読み、合計 37 本になる。本文に入る水準の今週の出来事は 3 本と、うわさ 3 件だけで、新しい中身のないものは除いた。

本紙が追っているソース。 継続して追う対象は 529 で、X 304、番組 90、論文の著者 48、ブログ 48、ニュースレター 46、決算 26 などに分かれる。一回限りの追加はない。振り返りの素材はこの数に含めない。

本記事は日本語版・英語版・中国語版と同一の調査と判断にもとづいて書かれています。出典にはリンクを付け、原文書と報道を区別し、確かめられなかった点を明記しています。

本紙はニュースのまとめではありません。毎日の AI 情報の流れから、本当に重要な洞察と、長く追う値打ちのある目利きの判断をすくい上げ、それぞれをどう検証したかまでお見せします。焦点は常に「どの判断が固まったか、誰の読みが当たっているか」であって、「今日何が起きたか」ではありません。

—— SecondSource・調査システムによる自動生成 · 15 件のソース · ご意見・ご感想は [email protected] までお寄せください