さくらインターネット、AIデータセンター需要で投資を最大7倍に引き上げ

Bloombergの報道によると、大阪のデータセンター事業者さくらインターネットの田中邦裕CEOは、AI需要に対応するため今期の資本支出を当初計画の約7倍に引き上げる可能性があると明らかにした。具体的には、当初44億円としていた設備投資計画を200〜300億円規模に拡大する方向で検討している。

日本国内のAIインフラ需要は急速に高まっており、データセンターのキャパシティ拡充が喫緊の課題となっている。さくらインターネットはこれまでもGPUクラウドサービスを展開してきたが、需要の伸びが当初の想定を大きく上回っているとみられる。

Huaweiが半導体製造のブレイクスルーを発表——TSMCとの差を縮める

Bloombergの別の報道で、Huaweiがチップ製造技術におけるブレイクスルーを発表し、TSMCとの技術格差を縮めつつあることが伝えられた。

詳細な技術的内容は報道からは読み取りにくいものの、Huaweiは米国の輸出規制下で先端半導体の自社調達を急いでいる。AI向けチップの需要が世界的に拡大する中、Huaweiの半導体技術の進展は地政学的な影響も含めて注目に値する。

Lens：3.8Bパラメータで競合モデルに匹敵する品質を達成したオープンソース画像生成モデル

Hugging Face Daily Papersで「Lens」という3.8Bパラメータのテキストから画像への基盤モデルが発表された。このモデルの最大の特徴は、訓練計算量を大幅に抑えながら競合する大型モデルと同等の品質を実現したことだ。

具体的には、128台のA100 GPUで訓練を行い、Z-Imageの約19.3%の計算コストで競争力のある品質に到達。Lens-Base、Lens-RL、Lens-Turboの3種類が公開されており、Lens-Turboは1024解像度の画像を0.84秒で生成できる。対応解像度は最大1440で、アスペクト比も1:2から2:1まで柔軟に対応する。

完全なオープンソースとして公開されており、訓練パイプラインの全工程が透明に開示されている点も評価できる。

StepAudio 2.5：音声・言語を統合する基盤モデルが登場

同じくHugging Face Daily Papersで、StepAudio 2.5の技術レポートが公開された。StepAudio 2.5は、音声認識、音声生成、音声理解の3つの能力を単一の基盤モデルに統合したもので、それぞれの専門システムに匹敵またはそれを上回る性能を示しているという。

音声とテキストを統合的に扱えるマルチモーダルモデルは、リアルタイム翻訳、音声アシスタント、コンテンツ制作など幅広い応用が期待される分野。詳細なベンチマークは論文を参照する必要があるが、統合型モデルとしての性能評価は注目に値する。

SkillOpt：LLMエージェントのスキルを体系的に最適化する初の手法

Hugging Face Daily Papersで発表されたSkillOptは、LLMエージェントが使用する「スキル」を体系的に最適化するテキスト空間のオプティマイザだ。従来、エージェントのスキルは手作業で作成されるか、一度生成したものを単純に自己改訂する程度だった。SkillOptは、スキル文書に対する編集操作を「学習率」付きで制御し、改善が検証された場合のみ変更を適用する。

52の評価セル（モデル×ベンチマーク×実行環境の組み合わせ）で、全てにおいて最高または同率最高を記録。GPT-5.5ではスキルなしの精度から平均+23.5ポイント、Codex内で+24.8ポイント、Claude Code内で+19.1ポイントの向上を達成した。さらに、最適化されたスキルはモデル間や実行環境間でも転移可能であることも確認されている。