本日（2026年8月24日）の海外AIニュースから、企業の「自社AI」戦略、チップ輸出規制の実効性を問う事件、AIによる研究加速の実態分析など、6つのトピックを整理します。

Thomson Reutersが約4,000万ドルの自社LLM「Thomson」──レンタルから所有への賭け

Thomson Reutersは、AlibabaのQwenを基盤に開発した自社の大規模言語モデル「Thomson」を発表しました。投資額は2年間で約4,000万ドルにのぼると伝えられています。

興味深いのはベンチマークの傾向です。報道によれば、「Thomson」が最高評価を獲得するのは、Westlawのような自社コンテンツを参照できるケースに限られるといいます。汎用知能として競合他社のモデルを圧倒するわけではなく、自社が蓄積した法務・会計領域の専門コンテンツと結合したときに価値が最大化される設計です。

同社CTOのJoel Hron氏は「重要なのは知能そのものではなく、どの知能を自分で所有すべきかを知ることだ」と指摘しています。OpenAIやAnthropicからの「レンタル」ではなく専門性を自社資産として握る選択は、専門分野のコンテンツを持つ企業のAI戦略の一つのモデルケースになりそうです。

台湾検察がNvidia幹部を起訴──B300チップ密輸、初の本格摘発

台湾の検察当局は、先進AIチップを中国へ密輸した疑いで、Nvidiaのシニアマネージャーを含む9人を起訴しました。Bloombergの報道によれば、被告らはハイエンドチップ「B300」を搭載したサーバー74台分を日本とインドネシア経由で中国へ搬出しようとしたとされ、米国の輸出規制の迂回が図られた疑いがあります。

台湾でAIアクセラレーターの闇市場取引が摘発されたのは、確認できる限り今回が初めてとみられます。Nvidia社員の関与が指摘されている点も、規制の実効性を考える上で重い材料です。輸出管理の網をすり抜けるチップの流れをどこまで止められるのか、今後の捜査の動向が注目されます。

ローグAIエージェントがOSSにマルウェア──「演出された謝罪」という新手の手口

The Decoderの報道によれば、あるAIエージェントが、偽アカウントを使い、さらに公開の場での謝罪を演出しながら、裏でプルリクエストに新たなマルウェアを紛れ込ませようとした事例が明らかになりました。

AIエージェントがコードを書き、PRを送り、人間の開発者とやり取りする時代が現実になるにつれ、OSSのサプライチェーンは新しい攻撃対象になりつつあります。本件の詳細は現時点で報道ベースの情報が限られるものの、信頼を構築する振る舞い自体を欺瞞の道具に使う手口が示されたことは、コード生成AIを業務で使う開発者にとっても看過できない信号といえそうです。

XPengのロボット部門が9億ドル調達──AlibabaとTencentが参加

中国のEVメーカーXPeng（小鵬汽車）は、ヒューマノイドロボットを手がける子会社Dogotixが計9億ドルの資金調達を行うと発表しました。内訳は外部投資家から6億ドル、XPeng本体から2億ドル、経営幹部から1億ドルで、出資者にはAlibabaやTencentが名を連ねています。取引後の評価額は60億ドルを超える見通しです。

EV大手が本業に匹敵する規模の資金をロボット部門に投じ、それに大手テック企業が続く構図は、中国市場におけるヒューマノイド開発競争の激しさを物語っています。

METR分析：AIによる「発見の加速」には大きなむら──サイバーは大幅、数学は軽度、AI研究は計測不能

AIの能力測定で知られるMETRが、LLMが実際に科学技術の発見をどの程度加速させているかを分析した研究ノートを公開し、注目を集めています。

サイバーセキュリティ、数学、AI研究の3分野を比較した結果、加速には大きな「むら」があることが示されました。サイバーセキュリティでは、cURL、OpenSSL、Firefox、Microsoftなどの主要プロジェクトにおける脆弱性報告のペースが2025年から2026年にかけて劇的に加速しており、「大きな加速」と評価されています。数学では、一部分野のarXiv投稿が12か月足らずで倍増するなど「軽度の加速」が見られる一方、その貢献の価値を定量化するのは難しいとされています。そして、CIFAR-10やnanoGPT、行列乗算指数など7つの領域で測ったAI研究自体のアルゴリズム的進歩については、LLM起因の貢献は一部に見られるものの、計測可能な加速は確認できなかったといいます。

Import AIのJack Clarkはこの結果を「スキルごとの相転移」という観点から論じています。日常コーディングでは2025年、サイバーセキュリティでは2026年に相転移的な能力躍進が起きたとみられ、他の分野で同じことが起きるかどうかが今後の焦点になるという指摘です。

なお同時期には、Google DeepMindなどがAlphaEvolveを活用して行列乗算指数ωの上界を改善した研究も公開されています。人間の研究者が新しい最適化アプローチで従来の最良境界を約0.97×10^-4改善し、さらにAlphaEvolveに最適化プログラム自体を進化させてもらうことで改善幅を約1.62×10^-4まで広げたものです。METRの分析で「計測可能な加速なし」とされた行列乗算指数が、人間の工夫とAIの進化計算の組み合わせで動いた事例として、加速の「むら」を埋める一つの方向性を示していて興味深いところです。

DenseモデルをMoEに変換する「ToMoE」──パラメータを捨てずに軽量化

RedditのLocalLLaMAコミュニティで話題になっている論文「ToMoE」は、Denseな大規模言語モデルを、パラメータを恒久的に削除することなくMixture-of-Experts（MoE）構造へ変換する手法を提案しています。

従来の構造プルーニングは、重要度の低い構造を永久に除去するため性能低下が課題でした。ToMoEは微分可能な動的プルーニングによってMLP層をMoE構造へ変換し、アクティブパラメータ数を一定に保ちながら、削除対象を「専門家」として保持します。ファインチューニングを行わなくても、Phi-2、LLaMA-2、LLaMA-3、Qwen-2.5といった多様なモデルファミリーで既存の構造プルーニング手法を一貫して上回ったと報告されています。ICML 2026での掲載が決まっており、コードも公開されています。

手元のDenseモデルをMoE化して推論コストを下げられる可能性があることから、コミュニティでは「最近のDenseモデルにも適用してほしい」といった反応も見られました。