夕刊 SecondSource 夕刊・2026/8/2 · 2026年8月2日
今号の素材は 2026-08-02 付の調査夕刊である。3 日以内の新しい出来事は今日はなく、本線は 07-28 に待ち行列へ入れたインタビュー 4 本の滞留分を分析し終えて出た判断である(初出は 2026-05-22 から 07-28 まで、1 件ずつ初出を明記した)。加えて SEC への狙い撃ちの裏取りが 1 件。昨夜のスキャンで新しく入った素材は 32 本(論文 15 本／ポッドキャスト 10 本／ブログ 6 本／ニュースレター 1 本、いずれもまだ待ち行列)、それに X の 380 アカウントからのオリジナル投稿 410 件。日中に書き起こし 4 本を精読し、今号の検証記録は 16 件、本線は 6 本である。ソース集中度を先に断っておく。素材のおよそ半分は a16z 自身の発信チャネルから出ており、誘因は 1 件ずつ注記した。今週は名前のある目利きの新しい読みがなく、その欄は振り返り 1 本で埋めている。今号にプロダクト動向の欄はない——直近 48 時間で処理待ちの事業者ブログが 1 本あるだけで、まだグラフへ入っていない。ここに出す数字は、取得ログとバッチごとに突き合わせた口径である。
これは今号の完全版(公式サイトの保存正本)であり、全項目を全文で展開している。メール版は毎日の中核 3 本を全文、残りを 1 行の要約にした短縮版であり、「全文」をたどればこのページへ戻る。2 書式の並行トライアルは 7 日目(全 2 週間)。文末にワンクリックの返信口を置いた。
OpenAI の生産性のプロダクトラインを率いる Akshay Nathan(OpenAI Productivity ／中核プロダクトのエンジニアリング責任者)は、AI エンジニアリングのインタビュー番組 Latent Space(swyx が司会を務め、一次の長尺インタビューで知られる)で、本人の口からこう述べた——「I think we haven't figured this out yet」(これはまだ解けていないと思う)。彼の言う「これ」とは、AI が使う人の生産性を上げているかどうかをどう測るか、である。名指しした壊れた一覧はこうである。コードのコミット数、コードの行数、token の利用量、pull request の数(コードのマージ要求。エンジニアリング組織が日常的に成果の指標として扱っている)。これらの代理の指標は、チームが目標へ届くかどうかとはもう強く相関しないかもしれない。親指の上げ下げという単純なフィードバックの信号ですら、使う人が本当に生産的になったかどうかを測れない。そして彼は難題を業界全体へ渡す——これは「the industry at large will need to figure out」(業界全体が解かねばならない)ことだ、と(Latent Space インタビュー、07-28 公開)。独立系のテクノロジーアナリスト Benedict Evans(元 a16z パートナー、年次レポート「AI Eats the World」の著者)は、別のインタビューで第二の層を足している。測れたとしても、利得は残らない、と。投資銀行の DCF 分析(discounted cash flow、将来のキャッシュフローを今日の価値へ割り引く評価手法)が 1 週間から 10 秒になれば、DCF を 50 本つくるようになる。だがそのぶん客から多く取れるわけではない——「if a DCF takes you 10 seconds, then you do 50 DCFs, but you probably can't charge any more money for that」。道具が誰もが買わねばならないものになった瞬間、原価の構造は横並びで下がり、利得は導入した側ではなく客の側へ渡る——「just kind of gets competed away」。「AI の金は損益計算書に現れない」というのは、市場の競争が出した普通の結果であって、測定の失敗ではない。Excel のときもそうだった——「which is kind of what happened with Excel」(a16z Podcast インタビュー、06-08 公開)。
検証: 二つのソースは独立している。OpenAI の従業員のインタビューと独立系アナリストであり、互いを引用していない。ただしどちらも単一ソースの口述であり、全編を通して定量のデータはゼロである。Evans が引いたコンサルティング業界と中央銀行の CFO の調査は、名称も標本数も付いておらず、本紙は直接には検めていない。誘因の向きがこの項目の勘所である。OpenAI の売上は token の消費と直結しており、token を売っている側が token の量を生産性の指標として否定するのは、自らに不利な自認である。どんな第三者の批判より重い。Evans の結論も、ベンチャー業界のソフトウェア応用の持ち高にとっては同じく歓迎されない。
判断更新: 本紙の帳面には、まだ検証中の判断が 1 本こう書かれている——「AI の利得が測れるかどうかは、その職務の産出の単位を外部の変数から切り離せるかどうかで決まる。測れた利得も、道具が行き渡れば競争で持っていかれる」。前後の 2 本の脚は今日、それぞれ逆向きの誘因を持つ証言を 1 つずつ得た。確信度は上げる。ただし正式な判断へはまだ上げない。「測れるか」と「残るか」は別々に答え合わせできる 2 つの命題であり、割ってから上げるべきだからである。すでに追っている接点がもう 1 つある。大企業の従業員がコードを空回りさせて token の利用量を稼いでいる、という噂である。会社が利用量を KPI にした瞬間、「測れない」は「稼がれる」へ悪化する。この噂はまだ独立した証拠を待っている。
投資への含意: いまの語りは、企業の AI の支出はいずれ投資対効果の数字で正当化されると前提している。この 2 本の証言が指しているずれは、測る道具そのものが不在であること、そして利得が構造的に客の側へ流れることである。「AI の支出は生産性の報告で弁護できる」という語りに対しては弱化であり、「必需品になり、使わない側が淘汰される」という導入の論理に対してはむしろ強化である。
先月、半導体と AI の計算資源の調査機関 SemiAnalysis のモデリング記事が、こう転述した。Amazon のクラウド部門 AWS の 2026 年第 1 四半期の営業利益率は前四半期比で 213 ベーシスポイント(basis point。1 ベーシスポイント=0.01 パーセントポイント)上がり、ほかのクラウド事業者を上回った。要因は Bedrock(企業が同じ一組の API から複数の AI モデル事業者へ届く仕組み)の上での Anthropic のモデルの利用量である(SemiAnalysis の原文)。本紙は今日、SEC(米国証券取引委員会)への提出書類の原文と 1 マスずつ突き合わせた。結果は半分が正しく半分が誤りである。正しいほうの半分は、転述より強い。AWS 部門の営業利益率は実際には 35.0% から 37.7% へ、前四半期比 +270 ベーシスポイント上がっている。転述はおよそ 60 ベーシスポイント低く見積もっており、要因の物語を支える定量の前提は、むしろ硬くなった(Amazon 2026 年第 1 四半期決算 8-K)。誤っているほうの半分は比較級である。Google Cloud の利益率は同じ四半期に 30.1% から 32.9% へ上がっている。この 2 つの百分率は四捨五入後の表示値であり、そのまま引き算すると数ベーシスポイント足りなくなる。当該部門の丸めていない売上と営業利益の原数字から自分で計算すると、前四半期比 +286 ベーシスポイントであり、AWS を上回る。本紙は自算値を採る(Alphabet 2026 年第 1 四半期決算、Alphabet 2025 年第 4 四半期決算)。口径の但し書きを 2 つ添える。Microsoft は Azure の利益率を単独では開示しておらず、「同業比較」は部門別の開示がある会社に限られる。そして SemiAnalysis の原文自身が断っていたとおり、Google Cloud の利益率は費用の帰属によって嵩上げされている。DeepMind の学習の費用がクラウド部門に入っていないからであり、2 社の部門は記帳の規則が違う。
検証: 新しい数字はすべて SEC への提出書類から出ている。監査を経ており、1 マスずつ点検できる。今号で唯一の監査級の材料である。突き合わせの対象になった転述版は、較正のために帳面へ残す。向きは正しく、量は 60 ベーシスポイント低い。この誤差は、その機関の追跡記録へ記入した。
判断更新: 3 つの層がある。1 つめ。転述された数字は、向きを当てていても量はずれうる。二次の数字は向きの指標としてしか使えない。2 つめ。「AWS が同業の先頭」という言い方は停止する。覆された比較級のほうが、より大きな線を露わにした。2 つの大手クラウド部門の利益率が同じ四半期にそろって大きく開いた。「AI の設備投資が部門の利益へ転換する」は業界規模の現象である。本紙はこれを追う検証中の判断を別に立てた。次の四半期に 2 社が分かれるなら取り下げる(本紙が自ら置いた観測窓であり、次の四半期の 2 社の決算と突き合わせる)。3 つめ。元の数字にぶら下がっていた既存の判断 2 本(Amazon が複数のモデル供給者へ賭けて対沖していること、その対沖がすでに効き始めていること)は、証拠が上がったのであって傷んだのではない。Bedrock といった複数モデルの基盤へ賭けるかどうかを検討している人にとって、今日手に入ったのは二次の転述ではなく監査級の証拠である。
投資への含意: 「AI の設備投資は金を燃やすだけで見返りがない」と「AWS が最大の受益者である」という 2 つの語りが、どちらも出回っている。監査級の数字は前者に対して弱化であり(利益の伝導は同じ四半期に 2 つの部門で起きている)、後者に対しても弱化である(同じ四半期に大きく伸びたのは Google のクラウドのほうである)。本当に強化されたのは、その中間の読み——業界規模の伝導である。
Google DeepMind の Gemini 共同責任者 Oriol Vinyals(Jeff Dean、Noam Shazeer とともに Gemini を率いる)は、ベンチャーキャピタル Redpoint のパートナーが司会を務めるインタビュー番組 Unsupervised Learning で、continual learning(継続学習。AI が続いていく相互作用のなかから経験を積み上げること)の勝ち残る形を「ファイル方式の外付けの記憶」と裁定した。agent は経験を外部のファイルへ書き、タスクをまたいで読み書きする。経験をモデルの重み(モデル本体のパラメータ)へ学習し戻すのではない。彼の挙げた理由は効果とは関係がない。サービスの経済である——「we try to serve one model at scale」、そして一人ひとり違う記憶を持たせたモデルを配るのは「would be really … painful to have to serve one model … with different memories … to users」。退路も残している。重みへ入れることが本当に最良の道なら、「hardware design that would allow you to have more personal weight, so to speak」(いわば、より個人的な重みを持てるハードウェア設計)へ投資する、と(Unsupervised Learning インタビュー、2026-05-22 収録)。この発言はなぜ重いのか。先月、Allen Institute(米国の非営利 AI 研究機関)の研究者 Nathan Lambert が、まさに同じことを推測していた。フロンティアラボの規模の経済——少数のモデルで全員に配る——は、一人に一組の重みを構造的に排除する。だから個人化という軸の価値は、ラボの API ではなくオープンウェイトのモデルの基盤(記憶の層、ローカルの微調整)へ沈む、と(Interconnects の原文、2026-06)。当時は単一ソースの推測だった。今日、推測されていた当の側が同じ機構を口に出した。理由も、その推測が名指ししていたその 1 つである。
検証: 書き起こしからの一次の発言であり、身元は 3 か所で交差確認した。3 点を断る。インタビューの収録は 5 月下旬で、処理の待ち行列へ入ったのは先週である。すでに 2 か月前の話であり、能力の現況についての彼の言い方はもう古い可能性がある。Vinyals の会社は構造的に「個人化は重みへ入れない」という答えを好む立場にあり、この発言は誘因の順向である。格上げの根拠は「機構が当事者に裏づけられた」ことであって、新しい定量のデータではない。対照は帳面に残す。チップ会社 Cerebras の複数利用者向けのカスタム重みのサービスは、「絶対にできない」という強い読みに対する既存の反例である。
判断更新: 「個人化はオープンモデルの陣営に属する」は、暫定の推測から正式な判断へ上がる。ただし半段だけである。Vinyals は機構を裏づけると同時に、ラボ側の解の形も差し出したからである。ファイル方式の外付けの記憶——それはまさに「中央の路線が浅い解で個人化の市場を畳みにいく」ときの具体的な姿である。答え合わせの点は一文へ収斂する。ファイル方式の記憶で、個人化の主たる需要を満たせるのか。この判断を覆す条件:フロンティアラボが重みの水準の個人カスタムを、成り立つ値付けで出してきたら、機構の脚は弱まる。
投資への含意: 「個人化と記憶の層の基盤」へ賭ける語りは、より具体的な対抗の筋書きを得た。ラボの答えは外付けのファイルであって、個人の重みではない。語り全体に対しては中立からやや強化である(ラボが重みの水準の個人化を自ら明け渡した)。ただし市場の境界は「ファイル方式の記憶では足りない場面」へ縮む。デューデリジェンスの問いは「ラボがやるのかどうか」から「ファイル方式はどこで足りないのか」へ替えるべきである。
メール版はこの 3 本をそれぞれ 1 行に畳んでいる。完全版であるここでは全文を展開する。順番はメールと同じである。
今日の中核の第 1 項と同じ回の、別の一節である。OpenAI が対外的に出している「1,000 万」という利用者数について、司会の swyx は面と向かって、それが Codex(OpenAI の agent 型のコーディング製品)と ChatGPT Work(同社が 7 月に出した知識労働の agent の作業空間)の合算だと指摘した。harness が同じ一式である以上、別々には数えられないからである。受け手のプロダクト責任者は否定せず、「the harness is shared」「the underlying harness of capabilities should be the same」と直に答えた。ここでいう harness とは、モデルの外側の実行の枠組みである。ツール呼び出し、サンドボックス、プロンプトの組み立て——そのあたりの層を指す(Latent Space インタビュー、07-28 公開)。同じ一節に、使える細部が 3 つある。アクティブの口径(週間／月間／累計)は最後まで定義されなかった。ChatGPT Work は既存の利用者へ既定では開かれておらず、いまは有料の利用者に限られる——この 2 点は自社の声量に不利な開示であり、そのぶん信頼度は高い。そして経路の選択はモデル自身が決める。表計算をしていると検知すれば、モデルのほうから Work のモードへ押し出してくる。「チャットの画面が Codex の枠組みに置き換えられつつある」は司会の言い回しであり、受け手は既存の harness は「like still exists today」(ChatGPT Classic として今日もある)と部分的に訂正した。公式の廃止の宣言として記帳してはならない。公式には 7 月 9 日に「Codex の週間アクティブは 500 万超」という別の口径もある。2 つは定義が違い、引き算して成長率にしてはならない。
検証: 一次のその場の発言である。ただしプロダクト発表の宣伝の窓での自社従業員のインタビューであり、採用の面の自述はすべて単一ソースである。合算の口径は司会の陳述に受け手が黙認したものであって、公式の明文ではない。アーキテクチャの共用と経路の選択の挙動は、公開されたプロダクトの挙動から部分的に検証できる。
判断更新: 2 つある。OpenAI のプロダクトの数字を読むときは、まず口径を問うこと。「1,000 万」にはプロダクトの内訳もアクティブの定義も付いていない。桁の目安としてしか引けない。より構造的なのはもう 1 つのほうである。OpenAI は一般の知識労働を「agent に自由に操作できるコンピュータを 1 台渡す」という枠組みへ振った。チャットの箱が長年最適化してきたのは、応答の速さと寄り添いである。本番の仕事は別の土台へ渡された。応用をつくる会社にとって、想定すべき相手は agent の作業空間であって、チャットボットではない。
投資への含意: 「Codex の週間アクティブ 1,000 万」は、AI のコーディング道具の浸透率の証拠として出回っている。この証拠が示すのは、その数字が 2 つのプロダクトの合算であり、口径が定義されていないことである。単一の数字に支えられた浸透の語りに対しては弱化であり、「agent の作業空間が知識労働の入口を食う」という方向の判断に対しては強化である。
今日の中核の第 3 項、および直前の項と合わせて読む(いずれも「モデルの外側の層は誰のものか」という同じ線である)。「汎用の方法と計算資源は、人が手で組んだ精巧な構造にいずれ勝つ——AI 業界でいう bitter lesson——と長年主張してきたが、いまどこがまだ守られていないか」と問われた Vinyals は、agent の scaffold そのものを名指しした。scaffold とは、開発者がモデルの外側に手で書くオーケストレーションのコードである。いつ子 agent を立ち上げるか、どう委譲するか、長いタスクをどう管理するか。彼の判断はこうである。この層はいずれ「人が書いたコード」から「モデルがその場で自分で書くコード」へ変わる——「that system itself is a piece of code that eventually the … model itself could write on the fly」。極限では「not having just a system that is very general but actually maybe no system」、系そのものが無いところまで行くかもしれない。形は未定である(ゼロから生成するのか、正しい構造を自動で探索するのか)(Unsupervised Learning インタビュー、2026-05-22 収録)。この判断は、本紙の帳面にある逆向きの判断へ正面から当たる。出したのは、オープンソースの agent harness の作者 Peter Steinberger である。Steinberger のいう harness(モデルの外側の実行の枠組み)と Vinyals のいう scaffold(外側のオーケストレーションのコード)は、同じ地面の 2 つの断面である。以下、本紙はまとめてオーケストレーション層と呼ぶ。彼の主張は、ロックインのてこの点がモデル層からオーケストレーション層へ移りつつある、というものである。いちばん澄んだ読み方は誘因の構造である。モデルを売る側はオーケストレーション層がモデルへ吸収されると言い、オーケストレーションの生態で食べている側は価値がオーケストレーション層へ沈みつつあると言う。どちらの立場も自分の利害と同じ向きであり、信頼度では勝負がつかない。時間でしか答え合わせできない。折り合う読み方があるとすれば時程である。いまの判例(同じモデルでオーケストレーションを替えると、その差はモデルを替えるより大きくなりうる)に対する、「極限の話」としての終局、という対比である。OpenAI の Codex のチームは Vinyals と同じ立場だが、同じくモデルを売る側の席であり、独立した誘因の第二のソースにはならない。同じ人のなかの張力もある。同じ Vinyals が、「記憶」はモデルの外に置くべきだと主張し(今日の中核の第 3 項)、「オーケストレーション」はモデルへ食わせるべきだと主張している。何がモデルへ入り、何が外に残るのか。その境界線を彼は言っていない。これがいまの agent のアーキテクチャで最も中心にある未解の問いである。この線のこれまでの経路はこうである。
進行中 ?
判断更新: 帳面にある既存の読みを引く。その場での書き換えはしない。この路線の争いについての現在の読みは「領域で分かれた対峙」である。オーケストレーション層のコモディティ化は中低難度のタスクではすでに起きており、難度の階段を上へ這っている。高難度の端では、統合の割増しがなお厚くなりつつある。単一の終局ではなく、動く前線である。Vinyals の極限の主張はこの読みを変えない。「分離不能」を覆すには、「高難度のタスクを純正でないオーケストレーションへ移しても品質が落ちない」という検めうる企業の事例が要るが、いまそれは無い。実務の対沖も変わらない。オーケストレーション層は「モデルに書き換えられる」前提で設計すること。薄く、捨てられるように。堀をオーケストレーションそのものへ賭けないこと。
投資への含意: agent のオーケストレーション層のスタートアップの評価の語りは、オーケストレーションが堀であることを前提している。この証拠が示すのは、モデルを売る側が正面から逆を主張していること、そして双方の誘因が対称で、信頼度では決着がつかないことである。「オーケストレーションの堀」という語りに対しては張力の警告であり、中立からやや弱化である。
a16z 自身の番組 The a16z Show で、グロース・ファンドのパートナーの David(David George と推定される。書き起こしには名だけが出て、姓は出ない)が、いまの第一の篩を自ら述べた——「you have to be in the token path」。会社の売上か原価の構造が、AI の利用量に基づく課金の流れへ直に乗っている、という意味である。機構は買い手の予算の押しのけである。客は前の世代のソフトウェアへ予算を足さないし、古いソフトウェアを削って浮いた金でさえ、AI が持ち込む原価の増分を埋められない(The a16z Show、2026-05-29 公開)。これは自社のチャネルが自社の投資先を位置づける一文であり、誘因は高い。「何が token の流れの上にいることになるのか」の操作的な定義も無い。この枠組みを丸ごと呑むなら、参考の値打ちは大きくない。本当に珍しいのは、互いに相容れない 3 つの定量の口径が同じ回に同席したことである。発言者は取り違えないこと。パートナーの David が出したのが 1 つ。上位 1% の出口の閾値が 24 か月で 100 億ドルから 320 億ドルへ上がった(成立済みの案件のみを数える)。向かいに座る LP(リミテッド・パートナー。ベンチャーファンドへ出資する側であり、自らベンチャーファンドへ 34 年投資してきたと述べる)が出したのが、残る 2 つである。1 つは、Forbes AI 50(Forbes が毎年出す AI 未公開企業 50 社の一覧)に昨年載った会社の 4 割が、今年は落ちたこと。もう 1 つは、自分の初期段階のファンドの歴史的な損失率が 6 割であるのに対し、この 2 年の AI 領域は「だいたい 1 桁パーセント」であることである。LP は「これは持続しない」と言い切り、David はその場で「上がっていく」と受けた。
検証: すべて口頭の自己申告である。出口の閾値は標本の母集団が定義されておらず、損失率はファンドの年度も認識の時点も定義されていない。一覧の入れ替わり率は外部で計算し直せる。3 つの数字は対立する席(運用者と出資者)から出ており、互いに独立している。この構造のほうが、どの 1 つの数字よりも信頼できる。損失率は自らに不利な開示であり、信頼度は上げる。
判断更新: 買い手と売り手は「損失がまだ認識されていない」ことで一致しており、割れているのはいつ認識するかだけである。これはどんな強気や弱気の見立てよりも硬い。双方が自分に不利な向きで重なった点だからである。付随する規律。「誰が勝つか」という枠組みはどれも、まず「年に 4 割が落ちる」という入れ替わり率と突き合わせること。未明の深掘りレポートとの接点はこうである。「token の流れの上にいるかどうか」が篩っているのは、そもそも増分の予算を取れるかという入場券である。深掘りレポートの 3 つの変数(下の深掘りレポートの節を見よ)が篩っているのは、入ったあとで粗利率を稼げるかである。1 つは入場を、1 つは生存を測る。2 本の物差しは衝突しない。重ねて使う。逆から言えば、プロダクトの売上が AI の利用量とともに伸びないなら、この篩の下では増分の予算を取れない側へ分類される。
投資への含意: 「AI 投資の勝率は高い」という語りは、LP が開示した損失の構造とぶつかる。1 桁の損失率は、同席した双方が一時的な現象だと認めている。高い勝率の語りに対しては弱化であり、「篩の閾値が利用量課金の流れへ収斂しつつある」という観察は中立の追加である。
同じインタビューの束から落選したが、1 行の値打ちはあるもの(初出の日付は各項に付す。いずれも単一ソースの口述であり、向きの参考にとどめる):
中核の判断: 半年前、台湾の投資ポッドキャスト股癌(謝孟恭が司会を務める、台湾で最もダウンロードされる投資系ポッドキャストの一つ)が 1 本の分裂線を引いた。ソフトウェア会社は「AI の計算の原価を客へ転嫁できるかどうか」で 2 つの群へ裂ける、と。本紙が未明に付印した深掘りレポートは、この線に対して 6 か月の答え合わせをした。分裂そのものは超過で実現している。同じ 1 つのソフトウェア指数(IGV)のなかで、年初来の最強と最弱の構成銘柄はおよそ 140 パーセントポイント開いた。最強の端は Datadog が 8 割超の上げ、最弱の端は Atlassian が 6 割超の下げである。投資銀行はすでに、この裂け目に沿って買いと売りを組み合わせた取引を出している。だが「転嫁」という分裂線は死んだ。18 か月のうちに転嫁の配管はコモディティ化した。相反する出発点から来た 5 社の指標的なソフトウェア会社が、「サブスクリプションへの同梱+利用量の下限+超過分の従量計量」という同じ 1 枚の課金の設計へ収斂し、「AI は無料で付ける」会社の割合は 1 年で 34% から 15% へ落ちた。誰もが転嫁できるなら、転嫁はもう生死を分けない。本当の分裂線は、3 つの変数の積へ改判された。消費に上限があるか——1 回押せば 1 回の生成なのか、夜通し走らせる agent なのか。この標本のなかで、予測力が失われなかった唯一の変数がこれであり、同じ期間のおよそ 100 パーセントポイントの粗利率の差は、ここに落ちる。「唯一」と言う根拠は消去法である。agent を掛けっぱなしで長いタスクを走らせる側の会社は、プロダクトの力が業界で最強と衆目の一致するところであり、プロダクトの力で粗利率を予測する読み方は、このデータの上では端的に失効した。口径には上限を付ける。この粗利率の数字はメディアの転述であって監査を経ておらず、本紙は単一ソースとして扱う。下の段へ降りられるか——作業の負荷を旗艦のモデルから安いほうの段へ移せるかである。移せる側は、同じ能力の値段の低下を取れる。この低下の口径は Epoch AI から出ている。モデルの能力を固定したうえで、同じ能力を手に入れる値段は年に 9 倍から 900 倍まで下がり、中央値は 50 倍である。複製されにくいか——業務の論理が、客の内製に耐えるかどうかである。3 つを掛けたものが、はじめて本当の分裂線になる。粗利率の本当の経路は「まず原価を呑む→最適化する→取り返す」であり、「転嫁したから粗利率が広がった」という例は、提出書類をいくら繰っても 1 件も出てこない。
なぜ今掘ったか: 分裂線は半年前の帰属の枠組みであり(ソフトウェア株が 1 日で崩れた翌日に出された)、本紙の帳面ではずっと検証中の判断だった。6 か月後、市場はすでにそれで取引を出しているのに、帳面の課金の証拠は「転嫁」という判定基準と衝突している。突き合わせをしなければならない時点へ来ていた。
この判断のこれまでの経路:
進行中 ?
日中のバッチとの接点。Benedict Evans(本紙 7/31 号の OpenAI の 3 段階の値下げの項で、彼のコモディティ化の終局論を引いた)は、07-28 公開のインタビューのなかで、1 つの断言を、反駁されうる論証の鎖へ自ら置き換えた(主張の強度を下げたのは彼自身である)。反駁の条件を 3 つ出している——能力が並ぶラボが 2 社だけになること、機能の大半がモデル本体へ吸収されること、ラボが上の層でプロダクトのてこを取ること——どれか 1 つでも成り立てば、自分の誤りを認める、と。この一組の条件は、対立する「価格決定力の持続論」が成り立つ条件と初めて重なった。樹の経路 B は、ここから監視できる。
この判断を覆す条件: どこか 1 社が提出書類のなかで、粗利率の拡大を「原価を客へ転嫁したから」と明文で帰属させたら、「転嫁は分裂線ではない」を取り下げる。コーディング系でない会社が利用量の関門を付けてもなお粗利率が崩れるなら、「消費に上限があるか」の変数を格下げする。
答え合わせの日(検証期日): 近い窓が 3 点ある。明日(08-03)の引け後の Palantir の決算。09-01 に、Anthropic の Sonnet の販促価格が予定どおり終了するかどうか(今号の時点で、公式のページはなお 8-31 終了と載せている)。そして ICONIQ(およそ 300 社のソフトウェア会社の経営データを追う投資機関の調査)の年央の実測値が出ること——いま出回っている年央の値は予測であって、実測ではない。突き合わせの窓の全体は 2027 年 8 月までである。
以上は濃縮版である——完全な深掘り版は今夜、米国中部時間 7:30 に別のメールで同じ受信箱へ届く。
[トレンド観察]（素材の初出は 2026-04-22 ／ 04-29）MediaTek の Google TPU の出荷個数は、Intel のパッケージングの歩留まりに縛られている。同じ話者が 6 日後に、もう半分を自分で足した。 4 月下旬、股癌はその週の自分の持ち高に不利な情報を 1 つ流した。Google は、台湾のファブレス半導体設計会社 MediaTek が設計を担う TPU(Google が自社設計する AI チップ)を、Intel の EMIB パッケージング(Intel の先端チップ実装技術)で走らせると決めた。MediaTek の出荷個数は、そのぶん Intel の歩留まりへ強く縛られる。彼は、相場が最も良いときに潜在的な脅威をあえて話しているのだと明言し、反転の余地も自ら残した。TSMC がより多くの生産枠を保証できるなら、TSMC の CoWoS パッケージングへ戻す目も排除しない、と(股癌 EP655、2026-04-22)。6 日後、彼はリスクのもう半分を自分で足した。自ら当たったところ、Intel の後工程のパッケージングの歩留まりはすでに 9 割に達している。一方で市場はなお、基板の側の 3〜4 割の歩留まりから「Intel には作れない」と推し量っている。この認識の落差そのものが情報である(股癌 EP657、2026-04-29)。2 つは並べて読む。第 1 のものの持続する値打ちは「縛りの関係が明るみに出たこと」であり、第 2 のものが成り立つなら、リスクの大きさは大幅に削られる。すべて単一ソースの口述であり、会社の公表による裏づけは無い。「Google が EMIB で行くと決めた」は彼の業界情報であり、向きの参考にとどまる。この一群の証拠は「インターコネクトと実装」という追跡の線に落ちる。これまでの経路はこうである。
進行中 ?
判断更新: 帳面にある既存の読みを引き、その場での書き換えはしない。ラック内のインターコネクトについては「銅が近い期間は勝ち、光は後ろへずれる」である。コパッケージ光学(光学の部品をスイッチのチップと一緒に封止して消費電力を抑える、次世代のインターコネクトの方式)は系全体の歩留まりと保守のしやすさで詰まっており、クラウド事業者は最新の世代でも、電気は食うが今日量産できる従来の方式へ退くほうを選んだ。省電力より安定である。この判断を覆す条件:コパッケージ光学の歩留まりが破られ、かつどこかのクラウド大手が量産の配備へ入る(試験配備ではなく)なら、「銅が近い期間は勝つ」は失効する。逆に、光の歩留まりが 3 年破られないなら、後ろへのずれは構造的なものへ改判する。「早く光へ切り替えよ」と最も強く唱えている Gelsinger(元 Intel の最高経営責任者)本人が、光インターコネクトのスタートアップの投資家である。利益相反は覚えておき、双方の言い分は残す。
今週のスキャンでは、名前のある重量級の新しい読みが出なかった(冒頭で断ったとおり)。古いが重要な 1 本を出す。（初出は 2026-05-22 収録）世界モデルの主場で、当事者が全面的に熱を下げた。 自社の世界モデルのプロダクトの発表の翌日、しかも主場の条件で、Gemini 共同責任者の Vinyals は、世界モデルの路線(行動によって世界がどう変わるかを AI に学ばせる内部のシミュレータ。DeepMind が賭けている方向)へ次々とブレーキを踏んだ。映像と画像の領域の「GPT の瞬間」(言語モデルがかつて迎えた能力の跳ね上がりの点の類比)はまだ来ていない——「the GPT moment of video and images. I'm not sure we quite have seen that」。ロボットは粗い粒度の計画の層でだけ先に恩恵を受け、触覚という感覚の通路は「a modality we currently obviously don't even have data for」(いまのところデータすら無い通路)である。物理の評価は空白である。そして最も重いのがこの一言である——「do we need world models? I mean if we make it work, it definitely will need it. If we don't, maybe it's okay」(世界モデルは要るのか。うまくいけば必ず要る。いかなければ、なくてもいいのかもしれない)(Unsupervised Learning インタビュー、2026-05-22 収録)。発表の翌朝に、主場の題目で熱を下げている。誘因は逆向きであり、信頼度は高い。並べて読んで、はじめて完全になる。Meta の研究部門は「ラベル無しの純粋な視覚」の路線を、測れるものへ押し上げつつある。V-JEPA 2.1 モデルは、実機のロボットの把持の成功率で、前の世代の V-JEPA-2 AC より 20 パーセントポイント高い(論文の自己申告)。この発言より 2 か月早い(V-JEPA 2.1 論文、2026-03)。「計画の層でだけ恩恵を受ける」という強い読みには、すでに反例がある。双方の誘因はちょうど逆を向いており、並べるのが最も正確である。本紙のどの判断を動かしたか。帳面にある「AI の次の戦場は言語の外にある」という楽観の検証中の判断(これまで読者へは出していない)に、逆向きの重りが付いた。会社が推している路線について、内部の温度がそろっていないこと自体が情報である。
[トレンド観察]（インタビューの初出は 2026-05-22 収録、学術との対照は 2026-06 ／ 07）狭い領域での学習が生む汎化は Vinyals を驚かせた。だが彼が賭けた「モデルを判定者にする」ほうは、いま測定に打たれている。 昨夜新しく入った 15 本の論文はまだ処理しておらず、この欄に単日の増分は無い。「言い分と学術」の対照を 1 組出す。Vinyals はこの 1 年で変わった考えを自ら述べている。数学やコーディングといった、答えが自動で照合できる狭い領域で学習させると(AI 業界でいう RLVR、検証可能な報酬による強化学習)、領域をまたぐ汎化が生まれる——「creates this generalization. I think that is not something I quite predicted to work as well as it … did」。ただしこの問いが未決であることも、彼は明言する。数学とコードだけで汎用の問題解決の力を誘発できるのか——「I don't know. I mean, I think it could go either way」。彼が賭ける解は、モデル自身に判定させて、自動で採点できない領域を開くことである(Unsupervised Learning インタビュー、2026-05-22 収録)。学術の測定は、ちょうどこの賭けの上に落ちている。2026-07 の評価研究は、参照の答えが無い場面で AI の判定が体系的に甘く付き、参照の答えを足すと判定がひっくり返る割合が最大 85% に達すると測った(arXiv 論文、2026-07)。2026-06 の採点器の設計の研究は、単体テストを採点器に充てると特定の誤りの型への検出力がゼロになりうること、そして誤った採点器が返す助言は、助言が無いよりも悪いことを測った(arXiv 論文、2026-06)。並べて読む。「採点器を書けない領域」こそ、AI の判定がいま最も当てにならない領域である。賭けが張れないという話ではない。いまの測定が、その側に立っていないという話である。
[トレンド観察]（帳簿の区間は 2025–2026、本紙 2026-07-23 の深掘り分析）「長く走る力が試験の点数に取って代わる」は、3 本の脚に割って別々に判じる。 今年前半に流行した語りはこうだった。試験の問題が次々に破られ、モデル事業者の売上が立ち上がった。だから「モデルがどれだけ長く有効に働き続けられるか」が、試験の点数に代わって新しい主軸になった、と。本紙は当時これを 3 本の脚へ割って体を検めた。その結論は、今日でもまだ使える。測定の脚は、たしかに立つ。評価機関 METR の「時間軸」の物差し(モデルが 5 割の成功率でこなせる人間のタスクの長さ)は、能力が倍になる周期が長期のおよそ 7 か月から、推定の方法によって 3 か月から 6 か月へ縮んだことを示す。マギル大学のチームは、完全に独立した心理測定の方法で、同じ加速の曲線を組み直した(METR 時間軸 1.1、2026-01;BRIDGE 研究)。売上の脚は、そこまで硬くない。相関だけがあり、因果は無い。レジがあるのは実のところ agent のプロダクトと企業の席であって、長く走る力は入場券であり、請求書の品目ではない。最も硬い反証は値付けである。2026 年 7 月の時点で、「タスクの完了」や「稼働の長さ」で課金しているフロンティアラボは 1 つも無い。信頼性の脚は 4 倍から 5 倍ずれる。成功率の閾値を 5 割から 8 割へ上げると、見出しの「2 営業日」は半日級へ落ちる。機構は誤りの複利である。タスクの長さが倍になると、失敗率はおよそ 4 倍になる(agent の信頼性の研究、2026-02)。モデルに模擬の商売を 1 年まるごと自律で回させた実測では、どのフロンティアモデルも、人間の名手の収益のごく一部しか取れなかった(Vending-Bench 2)。使い方はこうである。「モデルは X 時間、自律で働ける」と聞いたら、まず成功率の口径を問うこと。8 割の口径がこの 1 年で 8 時間を越えられるかどうかが、この語りの答え合わせの時計である。
過去 24 時間。 昨夜、未読として入ってきたのは 32 本:arXiv の論文 15 本／ポッドキャストの書き起こし 10 本／企業と個人のブログ 6 本／業界ニュースレター 1 本。この束は今日はすべて待ち行列であり、まだ処理していない。X の側では 380 アカウント、合わせて 410 件のオリジナル投稿を見た(リポストと返信は数えるだけで分析しない)。うち 353 アカウントは、昨日オリジナルが無かった。日中に実際に処理したのは、待ち行列の滞留分である。07-28 に入れたインタビューの書き起こし 4 本(Latent Space、Unsupervised Learning、a16z 系の 2 本)であり、すべて分析を終えた。検証記録は合わせて 16 件(SEC への狙い撃ちの裏取り 1 件を含む)。カバレッジについての断り:上の数字は、昨夜の取得ログをバッチごとに突き合わせたものである。自動の棚卸しのファイルは今号にも存在するが、X 側の口径が取得ログと合わないため、ログで突き合わせた値を採る。保証できるのは、このスキャンの範囲内の信号だけである。
一度きりの遡り分(過去 24 時間ではない)。 インタビュー 4 本の初出は 2026-05-22 から 07-28 までであり、7-28 に待ち行列へ入れた滞留分を本日片づけた。SEC への提出書類 3 本(Amazon の 2026 年第 1 四半期、Alphabet の 2026 年第 1 四半期と 2025 年第 4 四半期)は、狙い撃ちの裏取りのために当日取得した。チップの欄の股癌の書き起こし 2 本(初出は 2026-04)は、以前に分析を終えていた素材であり、読者へ出すのは今号が初めてである。いずれも昨夜の定例のバッチには数えない。
ソース集中度の注意。 今号の本線と「そのほかに起きたこと」の素材のおよそ半分は、a16z 自身の発信チャネルから出ている(a16z Podcast と The a16z Show で、日中のバッチのおよそ 47%)。うち Evans は独立系のアナリストであり、誘因は比較的独立している。The a16z Show は自社の資金調達の語りであり、誘因は高く見積もる。4 本ともすべて単一ソースの口述であり、1 件ずつ上限を付けて扱った。独立した第二の視点は、SEC の監査級の突き合わせと、股癌のチップの線が担っている。
本紙が追いかけているソース。 本紙の判断の土台にあるソースは、いまのところこれらである——X 305 人(Elon Musk、Andrej Karpathy、Greg Brockman、Nathan Lambert ほか)、ポッドキャスト 90 人(Satya Nadella、Dario Amodei、Demis Hassabis ほか)、報道機関 51 社、個人ブログ 48 人(Simon Willison、Chris Olah ほか)、論文著者 48 人(Noam Shazeer、Percy Liang、Tri Dao ほか)、ニュースレター 46 本(Dylan Patel、Ben Thompson、Ethan Mollick ほか)、決算と説明会 26 社、基調講演 23 件。
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おり、すべての主張は一次資料へのリンクを備えています。
本紙はニュースのまとめではありません。毎日の AI 情報の奔流から、本当に重要な洞察と、長く追う価値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「どの判断が硬くなったか、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 · 18 のソース · ご返信いただくことが、最良のフィードバックです