NVIDIA、GPU 貸し手の収入保証 詳細は一社の説明

今日の中核

1. [今週] OpenAI は二年前にモデルの選択肢を絞って簡素さを売りにしたが、GPT-5.6 の公開で複雑さが一気に戻った　構成は 36 通り

7 月 9 日に GPT-5.6 が正式に公開された。開発者向けの画面には、同じ世代のモデルが 36 通りの組み合わせで並ぶ。三つの版と、何段階もの思考の深さを掛け合わせたものだ。利用者の利用枠は理由の分からないまま使い切られた。OpenAI は一週間のうちに二度、全利用者の利用量をリセットした。初期設定が利用者を高すぎる構成に誘導していたことも、OpenAI は公に認めた(swyx 氏の AINews のまとめ、2026-07-10)。

最も費用がかさむのは、サブタスクを自動で振り分ける機能だ。この機能は初期設定で、最も高い構成をサブエージェントのそれぞれに複製する。複製される構成は利用者からは見えず、変えることもできない。費用はこの複製で膨らむ。

まだ言えないこと： 混乱の規模を示す数字は、7 月 9〜10 日のまとめ一本だけが根拠

検証： 現時点のソースはこのまとめ一本で、しかも 7 月 9 日から 10 日の切り取りである。この号の時点での混乱は、数日のうちに直される可能性がある。構造の話としては使えるが、数字は参考にとどめる。

判断の更新： モデルの能力が、複数のサブエージェントを並行して動かすことで積み上がるようになると、構成をどう組み、誰が予算を管理するかが、製品の主な摩擦になる。企業の AI 支出を管理する道具は、需要が生まれつつあるのに、まだ埋まっていない領域である。

2. [今週] AI が最先端の研究を独力でこなすという話が同じ 48 時間に二つ出た　計算基盤の側からは冷めた見方が出た

まず二つの話である。どちらも出典は AINews、2026-07-10 で、どちらも査読を経ていない。一つ目は、最新の GPT-5.6 が 64 のサブエージェントで同時に計算し、数学界で数十年解かれていなかった難問を一時間で証明したという話だ。OpenAI の社長 Greg Brockman 氏も転載して広めた。二つ目は、一人の人間がモデルと組んで、コンピューターが正否を自動で検査できる数学の証明を百万行以上書いたという話である。

懐疑的な見方は、計算基盤を貸すクラウド企業 Modal の側から出た。同社の CTO は 7 月 8 日のインタビューで、顧客が AI で研究を自動化している場所はこうした最先端の領域ではないと語った。実際はほぼすべてがパラメータ探索の手伝いだという。訓練の前に人が一つずつ試していたハイパーパラメータの設定を、モデルに総当たりで試させる作業である(Latent Space、2026-07-08)。

まだ言えないこと： 難問の証明が数学界の審査を通るかどうか

検証： 主張する側と懐疑的な側は互いに独立している。両者の食い違いは解消させず、そのまま記録しておく。答えの出る時点ははっきりしている。証明が数学界の審査を通れば、研究の自動化という筋書きは一段上がる。通らなければ、宣伝である。

判断の更新： AI による AI 研究の自動化がどこまで来たかという問いは、各自が勝手に語る段階から、二つの物差しで追える段階に入った。証明が数学界の審査を通るかどうかと、Modal のような現場の報告である。本紙は引き続き追う。

3. [今週] NVIDIA が GPU 貸し出し業者の保証人になる　分析会社は AI の中央銀行にたとえる

半導体調査会社 SemiAnalysis は 7 月 6 日、仕組みを詳しく書いた(公開部分)。NVIDIA は、GPU の借り手がつかないときの最後の引き受け手になる。中小の貸し出し業者の GPU に借り手がつかなければ、NVIDIA が約定価格で最低収入を補う。見返りに、約定額を超えた収入の約 18% を受け取る。銀行は小さな会社の事業を見なくても、NVIDIA の最上級の信用を見て融資できるようになる。

公表された事例は二つある。オーストラリアの SharonAI は新世代の GPU 4 万基で、6 年間の保証の総額は 48.8 億米ドルだ。インドネシアの Firmus は 360MW のデータセンターである(2026 年 6 月 29 日の発表、同じ記事)。同じ記事は、2024 年から 2029 年までの AI 設備投資の累計を約 11.1 兆ドルと予測し、主に信用市場が資金を出すとした。

まだ言えないこと： 分配率や保証の条件など細部は SemiAnalysis 一社の説明

検証： 細部の出典は分析会社の無料公開部分で、一社の説明である。NVIDIA の公式ブログには対応する発表がある(原文)。SharonAI と Firmus の件は公開の商業発表で、それぞれ照らし合わせられる。11.1 兆ドルの予測を出しているのはこの一社だけで、向きを見る材料にとどめる。

判断の更新： NVIDIA を見るときの注目点は、受注と売上から、保証の約定額と発動率へ変わる。受注と売上は遅行指標である。保証が発動すれば、借り手のつかない GPU の分を NVIDIA が負担する。そのため売上はむしろ一、二四半期長く持ちこたえる。先行指標は、決算の注記にある保証の約定額と発動率だ。計算資源市場の資金構造は、株式ではなく信用で組まれている。この点は中核 4 の判断とつながる。

4. [証拠の更新] 大きな判断の一つが今週固まった　AI の計算資源の支出は、質問に答える推論が訓練を上回った

この判断は、もとはソースが一つだけだった。いまは三つの独立したソースが同じ向きを示す。一つ目は Zylos の試算(2026-04)、二つ目は Deloitte の予測で、2026 年には推論が計算資源の三分の二を占めるとする(2026 年の年次予測)。三つ目は外部の資料ではなく、本号の中核 3 で扱った信用の構造である。三つのソースがそろった。これで、推論が訓練を上回ったことは、転換点を示す事実として引用できる。

もう一つ、再編に共通するパターンがある。今回、計算資源の供給側で起きた再編には、買収として完結した案件が一件もない。Intel と SambaNova は、買収交渉が決裂したあと提携と出資に切り替えた(CNBC、2026-02-24)。NVIDIA と Groq は、買収ではなく 200 億米ドルの技術ライセンスと人材の引き抜きだった(CNBC、2025-12-24)。

まだ言えないこと： 三分の二という比率は Deloitte の予測で、実績値ではない

検証： 格上げの根拠は、7 月 12 日に三つの独立したソースを突き合わせたことだ。再編の型は、どの件にも一次の商業報道があり、確かめられる。

判断の更新： 再編を見るときは、金額より形のほうが大事である。再編は買収ではなく、ライセンスや人材の引き抜き、出資の形をとる。だから、市場構造の変化は外から見えにくい。

5. [今週] 本当の製品はモデルではなく、モデルを包む作業環境(ハーネス)だという業界の言い回しが、今週スローガンから合意に変わった

ハーネスとは、モデルの外側にある作業環境のことだ。どのツールを渡し、どこに境界を引き、出力をどう検収するかを指す。一週間のうちに、互いに無関係な三つの出どころが、ハーネスを製品の中核に据えた。swyx 氏は GPT-5.6 の公開を論じる中で、ハーネスをエージェント時代の四本柱の一つに挙げた(AINews、2026-07-10)。AINews が取り上げた Fable の活用ガイドは、全編がこの層の組み方の解説である(AINews、2026-07)。三つ目は、Lilian Weng 氏が論文 35 本をまとめた総説だ(後の「目利きの読み」を参照)。

同じ週、Google はエージェントを代行管理する仕組みを正式な製品にした。LangChain は講座を開き、中身をオープンソースにした(出典は同じまとめ)。どの陣営もこの層に賭けている。

まだ言えないこと： 合意を示すのは三つの出どころの発言で、利用の数字はない

検証： 三つの出どころは互いに独立し、引用し合ってもいないのに、同じ週に同じことを言った。下の「モデルの読み」で取り上げた法律分野の評価が、測定の面からこれを補う。モデルは個々の項目はこなせても、案件をまるごと仕上げられない。欠けているのはまさにこの層だ。

判断の更新： モデル層の競争軸は、能力、仕上げて届ける力、個性の三つに割れつつある。堀の種類も、失敗のしかたも軸ごとに違う。

6. [トレンド観察] 企業向け AI アシスタントは何でもこなす汎用基盤か、一つの職能の専門家か　2024 年 11 月の二つのインタビューが、いま検証できる対立軸を示す

企業向け AI アシスタントを作る二つのスタートアップの共同創業者が、四日違いで、互いを引用しないまま同じ道を選んだ。何でも手伝える汎用基盤を作る道である。Dust の Stanislas Polu 氏の説明はこうだ。AI を社内のすべての工程に行き渡らせ、すべてのツールとの連携を自社で保守する。その連携の層が堀になる。ただし、この道は売りにくいことも同氏は認めた(Latent Space、2024-11)。Lindy の Flo Crivello 氏は検索エンジンにたとえた。業種別の AI アシスタントは、各業種との共通点より、アシスタント同士の共通点のほうが多い。だから汎用を作るほうが割に合うという(Latent Space、2024-11)。

反対側にあるのは、一つの職能だけを極める専門家の道だ。代表は、企業の顧客対応を AI で担うスタートアップ Sierra の共同創業者 Bret Taylor 氏である。同氏は Salesforce の元共同 CEO で、現在は OpenAI の取締役会長を務める。

まだ言えないこと： 汎用基盤の高い浸透率がほかの企業で再現できるかどうか

検証： Polu 氏と Crivello 氏はどちらも利害の当事者で、売っているのは自社の路線そのものだ。それでも二人とも弱点を率直に語っており、対立軸として使える。答えは 2026 年に出る。汎用基盤の高い浸透率がほかでも再現できるか。そして、さまざまなツールを同じ差し込み口で AI につなぐ MCP という開放標準が、連携を自社で保守するという堀を平らにしてしまうか。

判断の更新： この対立軸は、各社を比べるときの確認項目になる。汎用基盤を評価するときは、連携の深さのうち標準化で平らにならない部分がどれだけあるかを問う。職能の専門家を評価するときは、一つの職能で頭打ちになった後にどうするかを問う。

目利きの読み

1. [今週] (ブログ 7 月 4 日)Lilian Weng 氏は、人がいまモデルのために組んでいるハーネスの仕事は、やがてモデル自身が身につけると見る。一方で、モデルに何をさせるかを伝える仕事はなくならないとする。 Weng 氏は元 OpenAI の安全研究の責任者で、いまは起業している。 Weng 氏は論文 35 本を読んで総説を書いた(原文、2026-07-04;業界の反応)。同氏の言うハーネスは、中核 5 で述べた作業環境と同じものである。いま人が組んでいるこの仕事は、少しずつモデルに取り込まれていくと同氏は見る。どんな問題をどんな文脈で解かせるかという方向づけは人に残る、と見る。Weng 氏によれば、AI の自己改善という最も SF めいた題目でも、実際に進んでいるのはツールと検収の改良だ。モデルの中身をモデルが書き換えているわけではない、と同氏は言う。

本紙の判断とのつながりもある。中核 2 で Modal が語った現場の実情と同じ向きで、自動化が起きているのは外側の単純作業であり、研究の中核ではない。中核 5 の合意の三つ目の独立した出どころでもある。割り引く点がある。Weng 氏は起業の最中で、文章の向きは同氏の事業の利害と重なる。枠組みはそのまま使えるが、楽観の度合いは割り引いて読む。

モデルの読み

1. [測定結果、2026-07-07]各社の AI モデルの順位表を出す第三者機関 Artificial Analysis の法律分野の評価で、最も強いモデルでも案件をまるごと通過できた率は 14.2% だった。 Artificial Analysis は各社の AI モデルを独立に評価し、業界がよく引く順位表を出す第三者機関だ。今回は 24 の実務分野にまたがる実際の法律業務 120 件を出題し、一件ごとにすべての検査点を通過して初めて合格とした。最も強い Fable 5 でも 14.2% にとどまり、次点の二つは 7.5% で並んだ。中国の GLM-5.2 は一件あたりの費用が Fable 5 の約 6%、つまり約 16 分の 1 である(AINews の転載、2026-07)。

モデルは個々の検査なら通る。だが、使える成果物をまるごと仕上げるにはまだ遠い。中核 5 でハーネスに値打ちがあるとした理由はここにある。そして 16 倍の費用差は、値下げ圧力が弁護士のような専門サービスにまで及ぶ兆しである。案件ごとの元データは未入手で、公表された数字は向きを見る材料にとどめる。

学界の動向

本紙は AI 研究のトレンドを長く追っている。13 の領域、59 の手法の方向を、何が起きるかの言葉に置き換えたものだ。今号の中核と結びつく三本を選び、それぞれに時期と根拠を添える。

• [トレンド] プログラム：AI がプログラムを直す単体の能力は三年で約 2% から約 95% に伸びたが、仕事をまるごと仕上げるのは別の話である。 2023 年 10 月の SWE-bench の論文は、実際の GitHub の課題票を一枚渡し、テストを通る修正を出させる問題を標準の試験にした。当時最も強いモデルが解けたのは約 1.96% だった(arXiv、2023-10)。2026 年 7 月には、人が選別した Verified という部分集合で、上位のモデルが約 95% を解く(順位表)。三年で 2% から 95% になった。[ビジネス] ただし、中核 5 で触れた法律分野の評価の 14.2% と並べると、課題票一枚の修正はほぼ上限に近づいたが、案件を丸ごと仕上げる率はまだ低い。この差が、ハーネスに値打ちが生まれる場所である。
• [トレンド] システム：質問を読む段階と答えを書く段階を別々のサーバーに分けることは、推論を安くする主要な工学の一つである。 モデルの応答は二段階に分かれる。質問を一気に読み込む段階は計算を食い、一語ずつ答えを書く段階はメモリを食う。同じ GPU に詰めると互いに邪魔をする。2023 年 11 月の Splitwise(arXiv)と 2024 年 1 月の DistServe(arXiv)は、それぞれ分けて動かす方式を示した。DistServe は、同じハードウェアで約 7.4 倍のリクエストをさばけると自己申告している。[ビジネス] 論文は直接の証拠だが、サービス事業者がすでに広く採用しているというのは妥当な推論で、事業者はすべてを開示していない。推論の支出が訓練を上回った今(中核 4)、この手法は単位コストを下げ続ける源の一つだ。採用は広がりつつある。
• [トレンド] アーキテクチャ：専門家の分業でモデルの容量と計算コストを切り離すやり方は、すでにフロンティアの標準になった。 2021 年 1 月の Switch Transformer が道を開き(arXiv、2021-01)、2024 年 12 月の DeepSeek-V3 は総パラメータ 6,710 億のうち、一語ごとに動かすのは 370 億にとどめた(arXiv、2024-12)。いまの主流である。[ビジネス] 今週 Tencent がオープンソースにした Hunyuan 3(総パラメータ 2,950 億、一語ごとに動かすのは 210 億)もこの型で、しかも最も緩い Apache 2.0 ライセンスに切り替えた。開発者のコミュニティは、ライセンスの切り替えをベンチマークの点数より重く見ている(AINews、2026-07)。

チップと半導体

1. [トレンド観察]Google、Amazon、Microsoft のような巨大クラウド事業者が自社でチップを開発する圧力はどれほど本物か。今週の NVIDIA の動きが、その強さを逆から測る目安になる。 巨大クラウド事業者が自社で AI チップを設計し、NVIDIA の GPU を借りる代わりに自社のチップを使おうとする動きは進行中で、まだ GPU の優位を揺るがしてはいない。中核 3 の保証の仕組みについて、SemiAnalysis は三つの目的の一つをはっきり書いている。買い手の範囲を、自社チップで NVIDIA と張り合う少数の巨大事業者の外に広げることだ(SemiAnalysis、2026-07-06)。SemiAnalysis の読みでは、NVIDIA は自社のバランスシートを使ってまで新しい買い手を育てている。この脅威を真剣に見ていることの表れだという。

動機についての一文は分析会社一社の解釈である。脅威の大きさは、自社チップの発表会よりも、NVIDIA が巨大事業者以外の買い手に投じる現金の額に表れる。今週のチップ関連の素材には大きな新材料がない。この項は背景の読みにとどまる。

プロダクト動向

1. AWS Bedrock [ビジネス][連動]：企業が一つのインターフェースで複数社の AI モデル(Anthropic、Meta、Amazon 自身など)につなげる基盤で、自社のデータを接続し、安全のためのガードレールを加え、エージェントとして組み上げられる。下の層を自前で組む必要はない(2023-09 に一般提供、公式ページ)。これは、モデルではなく基盤を売るという AWS の主軸である。モデルが汎用品になりつつある中で、顧客を囲い込み代金を受け取るのは、基盤とデータの層だ。Amazon にとっては、AI をクラウドの入り口にする手段であり、どれか一つのモデルの勝ちに賭けずに済む。Anthropic の Claude 系は基盤の主力モデルの一つとして公式ページに名前が挙がる。Anthropic のようなモデル企業が、Bedrock の供給元にもなっている。

過去の洞見

1. [振り返り]AI の自動化が深まるほど、人の価値は検証に移る。社内から出た最初の数字が、2026 年 5 月と 6 月にあった。 Anthropic の政策責任者 Jack Clark 氏は、自身の無料ニュースレター Import AI で、二号続けて社内の様子を示した(#458、2026-05-26;#460、2026-06-08)。同社のコードの大半はすでに Claude が書いている。2026 年にコードベースに取り込まれたコードの量は、2021〜2024 年の 8 倍である。エンジニア一人が 9 つの AI エージェントを実質的に指揮できる。人の仕事は書くことから、検収と保証に変わった。文書には、どれだけを AI が書き、どれだけを人が保証したかを記すようになった。同じ時期、ほかの分野でも検証の基盤が別々に現れた。ソフトウェアの形式検証、数学の自動形式化(中核 2 を参照)、政府による第三者のモデル評価である。

この項の数字は Anthropic が自社について語ったもので、ソースはこれ一つ、しかも自己申告だ。向きは読めるが、倍率はそのまま受け取れない。ただし、検証が希少になるという点には、分野をまたぐ独立した裏付けがある。今号の法律分野評価の全通過率 14.2% は、その需要の側を示す。AI の出力が増えるほど、品質を最後に確かめる人が要る。本紙の読みでは、AI エージェントの導入費用には検収の人手が含まれる。検収の人手を低く見積もった導入は失敗する。検証には専門知識と監査の視点が要る。その価値は上がり、作るだけの技能の価値は下がっている。

ソースと棚卸し

過去 24 時間。 定期取得は種類ごとに数えており、種類どうしの件数は比べられない。X では追跡している 227 のアカウントに動きがあり、2,514 件の投稿を取り込んだ。オリジナルの 697 件はすべて読み、リポストと返信の計 1,817 件は数だけを記録した。最も多く読んだのは @bhorowitz の 71 件、@sundeep 50 件、@nathanbenaich 44 件、@emollick 36 件、@karpathy 20 件である。番組とブログの新着は 13 本だった(20VC 3 回、All-In 2 回、Google DeepMind のポッドキャスト 2 回など)。読んだのは 6 回で、うち 1 回は新しい中身がなかったため除いた。ブログ 6 本は未読のまま残る。夜間にはアーカイブと週報のまとめ 32 本を読み、うち 2 本は新しい中身がまったくなかったため除いた。

一回限りの補充(過去 24 時間の素材ではない)。 アーカイブには今週、学術論文 2,088 本、ブログ 1,652 本、上場企業の提出書類 851 件、ニュースレター 848 本などの過去の材料を入れた。後から調べ直すためのもので、ニュースとしては扱わない。

本紙が追っているソース。 継続して追う対象は 529 である。X 304 人(Elon Musk、Andrej Karpathy、Sam Altman、Greg Brockman、Mark Zuckerberg、Demis Hassabis、Lip-Bu Tan、Jeff Dean、Noam Brown など)、番組 90 人(Satya Nadella、Sundar Pichai、Dario Amodei、Matt Garman など)、ニュースレター 46 人(Dylan Patel、Jack Clark、Nathan Lambert、Dwarkesh Patel、swyx、Ben Thompson、Ethan Mollick、Andrew Ng など)、個人ブログ 48 人(Karpathy、Simon Willison、Chris Olah、Jason Wei、Boaz Barak など)、論文の著者 48 人(Noam Shazeer、John Schulman、Percy Liang、Tri Dao など)、機関のブログ 54(NVIDIA、Google Research、Hugging Face、SemiAnalysis、Interconnects、More Than Moore など)、決算と説明会 26 人(Jensen Huang、Lisa Su、C.C. Wei など)、基調講演 23 人、メディアのインタビュー 51 人、YouTube 4、書籍 2、講座 2、政府 1 に分かれる。この日の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 · 21 件のソース · ご意見・ご感想は [email protected] までお寄せください