2026年9月16日夜のAIニュースまとめ。OpenAIが広告事業の新たな方向性を示した一方、AIインフラをめぐっては電力網との協調やAppleのサーバー市場復帰など、物理レイヤーに絡む話題が目立った。ローカルLLM界隈では、限られたVRAMで長い文脈を扱う手法が注目を集めている。

OpenAIが広告を「再構想」──エージェント広告「Sponsored Agents」

OpenAIは9月16日、「Reimagining advertising with AI(広告をAIで再構想する)」と題した発表を行い、AIを活用した新しい広告体験を公開した。中心となるのは「Sponsored Agents」で、マーケター向けのツール群や、HubSpot・Shopifyとの統合も合わせて示されている。

チャットUIへの広告導入は利用体験を損なうという懸念が常につきまとうテーマだが、OpenAIは「エージェント」の文脈で広告を再定義する姿勢を打ち出した形だ。発表時点では料金体系や展開スケジュールなどの詳細は明らかになっていない。

Emerald AI・Google・NVIDIA、電力融通データセンターの業界連合「AEMA」を発足

Emerald AI、Google、NVIDIAの3社は9月16日、AIデータセンターが電力網の状況に応じて自らの電力使用量を動的に調整できるようにすることを目指す業界連合「AI Energy Management Alliance(AEMA)」の発足を発表した。

背景にあるのは、米国のAIインフラ拡大における電力制約の深刻化だ。NVIDIAの発表では、電力は米国のAIインフラ拡大を規定する要因になっていると指摘されており、従来の系統接続手続きは平坦で静的な需要を持つ施設を想定して設計されたため、系統が逼迫した際に知的に応答できる計算基盤に対応できていないと述べられている。

柔軟なデータセンターは、計算ワークロードの移動、蓄電の放電、併設発電の活用、緊急時への応答などによって、系統から取り込む電力を調整できる。これにより既存設備の容量をより効率的に使えるようになり、系統ストレス時の需要を減らし、高額な設備増強の回避や先送りも可能になるという。

AEMAの特徴は技術中立でパフォーマンスベースの運営だ。特定のハードウェアやソフトウェアではなく、レスポンス速度・持続時間・予測可能性・緊急時の挙動といった「測定可能なサービス」に焦点を当てる。接続前に、短時間の系統擾乱への追従や出力抑制、緊急応答の義務を定義することや、技術要件・性能指標・運用データ共有の標準化、柔軟性のコミットメントに対するより迅速な接続経路の整備などを掲げている。AIプラットフォームから電力会社、地域の系統運用者まで価値チェーン全体を結集し、「系統に接続するだけでなく系統と協調する」AIインフラの構築を目指す。

Apple、Nvidia技術を組み合わせたAIサーバーで市場復帰を検討か

Appleが「M8」シリーズのチップを中心としたAIサーバーの提供を検討しており、Nvidiaのネットワークハードウェアの採用を協議していることが、The Informationの報道で明らかになった。MacRumorsが9月16日に伝えたもので、同システムは外部顧客への販売が想定されており、2011年にXserveを終了して以来となるサーバー事業への復帰となる可能性があるという。

想定する顧客は、自社の設備でAIモデルを運用したい企業で、特に訓練済みモデルから応答を生成する推論処理に焦点が当てられている。協議されている選択肢の一つが、チップ間でデータをやり取りするためのNvidia「NVLink Fusion」の活用で、これを使ってM8プロセッサ同士を接続する構想も描かれている。ただし、Nvidiaとの契約もサーバー自体もまだ確定しておらず、実現すれば2029年ごろの投入とみられるが、それまでに中止される可能性もあるとされる。

RTX 3090×3で100万トークンの文脈──Qwen3.8-Flash-NextのKVキャッシュをRAMへ

LocalLLaMAコミュニティで、Qwen3.8-Flash-NextのKVキャッシュの大部分をシステムRAMにオフロードしても、デコード速度はほとんど落ちないという検証が注目を集めている。投稿者によると、vLLMでこの構成を実現し、RTX 3090×3で100万トークンのコンテキストを運用できているという。短い文脈では約80トークン/秒、疎な選択機構(QSA)が2048トークンの予算に達した後も約60トークン/秒を維持し、文脈が伸びてもデコード速度はほぼ平坦なままだ。4並列のリクエスト時には150トークン/秒のスループットも出ているとされる。

この構成が成立する理由はアーキテクチャにある。同モデルの48層のうちKVキャッシュを持つのは12層だけで、残る36層は再帰状態のサイズが固定の線形注意(gated delta-net)のため、文脈長が伸びても状態が膨らまない。さらにKVキャッシュを持つ層も、疎なインデクサが圧縮済みキーから最大2048位置だけを選んで参照するため、1ステップあたりの読み出し量は文脈長ではなく選択数で決まる。投稿者の試算では1層あたり約4MiB、12層合計でトークンあたり48MiB程度に収まり、PCIe 4.0 x16(約32GiB/秒)の帯域のごく一部で済むという。

VRAMにちょうど収まる量子化モデルでも、KVキャッシュの量子化なしに最大文脈長を扱えるのが実用上の魅力で、Qwenの次期ローカルモデルの基盤となる「qwen4exp」系のモデルなら同じ手法が使えるはずだという見方も示されている。

Perplexityが「CobbleDB」を公開──2人のエンジニアとAIエージェントで構築

Perplexityがストレージエンジン「CobbleDB」を公開した。「2人のエンジニアとAIエージェント」によって構築された点が特徴で、Hacker Newsでも話題になっている。データベースのような複雑なシステムソフトウェアを、ごく少人数のチームとAIエージェントでどこまで構築できるかを示す実例として、今後の開発の進め方を占う一例になりそうだ。

SK Hynix、Intelとの米国メモリチップ生産協議が報じられる

SK Hynixが、米国内でのメモリチップ製造をめぐりIntelと協議しているとの報道が9月16日に伝わった。同社はTechCrunchの問い合わせに対し、まだ計画や取り決めは何も確定していないとコメントしており、現時点では報道段階にとどまる。