企業がAI利用にブレーキ――「モンスターを創ってしまった」
Financial Timesは6月19日、企業がAI導入のコスト増大に直面し、利用の抑制に動いていると報じた。記事では「モンスターを創ってしまった」という関係者の言葉が引用されており、当初期待された生産性向上よりも、API利用料やインフラ費用が想定以上に膨らんでいる実態が浮き彫りになっている。
Hacker Newsでも話題になっており、AIコーディングツールのROI測定が困難であるという指摘や、「1つのモデルでは済まない」と複数モデルの組み合わせが必要になるアーキテクチャの複雑化も、コスト要因の一つとして議論されている。企業にとってAIは依然として強力な武器だが、その「飼い慣らし」に予想以上の費用がかかる状況が鮮明になりつつある。
サンダース氏が7兆ドルの「AI産業民主化」計画を発表
米国のバーニー・サンダース上院議員は、7兆ドル（約1,050兆円）規模のAI産業の民主化を目的とする計画を発表した。Ars Technicaが報じたところによると、AI産業を少数の巨大テック企業に独占させず、米国市民がAIの恩恵と利益を広く共有できるようにすることを目指す。
具体的な手段として、AIインフラの公共投資や、労働者保護、データ権利の確立などが想定されているとみられる。同計画はHacker Newsでも議論を呼んでおり、AIの経済的影響が拡大する中で、規制と分配の在り方が政策課題として浮上している。
GoogleがNvidiaの戦略を参考にAIチップ事業を強化
Wall Street Journalは、GoogleがNvidiaの成功モデルを参考に、AIチップ事業の対抗軸を構築していると報じた。NvidiaがCUDAエコシステムで築いた「デベロッパーの囲い込み」戦略と同様に、Googleも自社のTPU（Tensor Processing Unit）を軸に、クラウドから開発者ツールまで縦割りでエコシステムを強化しているという。
AIチップ市場はNvidiaが圧倒的なシェアを持つが、GoogleのTPUは社内利用にとどまらず、外部顧客向けにも提供を拡大している。また、ASMLの最先端露光装置が中国に存在するかどうかを巡る米中の摩擦も報じられており、半導体サプライチェーンをめぐる地政学的緊張は続いている。
オハイオ州立大が32基のH100でDeep Researchエージェントを訓練・完全オープンソース化
オハイオ州立大学のNLPチームは、約32基のNVIDIA H100と約8,000件の合成サンプルを使って訓練したオープンソースのDeep Researchエージェント「QUEST-35B」を公開した。訓練レシピ、コード、モデル重み、データセットすべてが公開されている。
ベンチマークでは、一部のフロンティアクラスのクローズドシステムと競争力のある性能を示しており、少数のGPUリソースでも実用的なDeep Researchエージェントの構築が可能であることを示唆している。RedditのLocalLLaMAコミュニティでも注目を集めており、オープンソースとクローズドの差がどこにあるかについて活発な議論が行われている。
「In the Weights」――AIモデルがあなたのことを知っているか確認できるサイト
元OpenAI社員2名が、「In the Weights」というウェブサイトを公開した。このサイトは、AIモデルの学習データに特定の人物がどの程度含まれているかを「strength score」（最大996）で可視化する。モーツァルトやシェイクスピア、テイラー・スウィフトのような著名人は当然高いスコアを持つが、一般個人の名前を入力しても、予想以上にモデルに「記憶」されているケースがあるという。
AIモデルのプライバシー問題を直感的に体験できるツールとして、The Decoderでも取り上げられた。自身のデータがAIにどれだけ取り込まれているかを可視化することで、学習データの透明性という議論に新たな視点を提供している。
AI業界の「重力」が動いている――GoogleからOpenAIへの人才流出とAIによる化学プロセス改善
Zennの記事で話題になっているのが、AI業界の人材の流れと技術の進展が同時に起きている現象だ。Transformerアーキテクチャの共同開発者の一人であるNoam ShazeerがGoogleからOpenAIへ移籍したことは象徴的であり、トップ研究者の「重心」が移動していることを示唆している。
同じ時期、AIが薬品の製造プロセスを自力で改良したという報告もあり、AIの応用範囲がソフトウェア領域を超えて化学・製薬分野にまで広がっている。人材の流動化と技術の応用拡大が同時に進む中で、どの企業・分野が次のAIブレイクスルーを牽引するのか、注目が集まっている。