AIデータセンターの急増が電力網を圧迫するなか、米エネルギー省（DOE）が送電網のアップグレードに52.5億ドルを提供する見通しであることが報じられました。一方で「AIが新卒の雇用を奪う」という予測について、失業データは現時点でそれを裏付けていないとの報道も。フランスの文学界ではAI使用疑惑の作家が賞の候補から除外されました。ローカルLLM界ではllama.cppのCPU高速化と、手頃なGPUでの27Bモデル運用が話題です。

AIデータセンターの電力の壁──米エネルギー省が52.5億ドルの電力網更新へ

The Registerが伝えるところによると、米エネルギー省はAIデータセンター向けの電力網アップグレードに52.5億ドルを投入する見通しです。報道では、データセンターが「電力の壁」にぶつかりつつある状況が背景にあるとされています。

生成AIブーム以降、データセンターの電力需要は急増し、既存の送電網では新設データセンターへの供給が追いつかない地域が出ています。クラウド各社は自前の発電設備まで視野に入れた電力調達を進めていますが、送電網という「共有インフラ」の増強は事業者単独では進めにくい部分です。政府資金がそこに投入されるという点で、単発の企業ニュースとは異なる重みがあります。

詳細な使途や対象地域は収集できた情報の範囲外のため割愛しますが、AI開発の制約が「計算資源」から「電力・インフラ」へと移りつつあるなかで、公的資金による送電網対応が具体化しつつあること自体が注目点です。

「AIが新卒の雇用を奪う」予測、失業データは現時点で別の推移

Ars Technicaの報道です。エントリーレベルの職を中心に新卒の雇用がAIに打撃を受ける──そんな予測はここ数年、経済や労働をめぐる議論で繰り返し語られてきました。しかし同媒体によれば、これまでに公表されている失業率のデータは、この見立てとは異なる推移を示しているといいます。

影響が統計に現れるのに時間がかかっているだけなのか、それとも実際の置き換えの速度が予測より緩やかなのかは、現時点のデータだけでは判断できません。ただ、「大規模な雇用ショックが迫る」という言説と実際の統計とを並べて確認する姿勢自体は、AIの社会影響を冷静に測るうえで価値があります。今後のデータの積み上がりを見守りたいところです。

仏ゴンクール賞、AI使用疑惑の作家を候補リストから除外

The Guardianの報道です。フランスの権威ある文学賞であるゴンクール賞の候補リストから、AIを使って小説を執筆したとされる作家が除外されました。

AI生成の文章が書籍として商業出版される事例は増えており、文学賞がその線引きをどう示すかは各国の文学界で共通の論点になっています。候補リストからの除外という形で線が引かれたことは、出版・文学界における「AI利用の申告と信頼」をめぐる議論が動き出したことの表れといえそうです。賞の運営側や作家側の詳細なコメントは収集した情報の範囲外のため、続報を待ちたいところです。

ローカルLLM戦線──CPU処理が3〜7倍に、RTX 3060×2でも27Bモデルが実用速度

llama.cppに、CPUでの行列積算処理を大幅に高速化するプルリクエストが提出されています。投稿者によると、k-quant系の量子化モデルを対象にmul_matをタイル化し、CPUのVNNI命令を活用。その結果、CPUでの処理が3〜7倍高速になるといいます。「最小限の複雑さで」という点も投稿者自身が強調しています。

LLMのプロンプト処理（長い入力の読み込み）はCPUが担う場面が多く、この高速化はGPUを増設できない環境での実用性を直接高めるものです。プルリクエスト段階のため、今後のレビューとマージの行方を見守りたいところです。

同じくLocalLLaMAコミュニティでは、RTX 3060×2という手頃な2枚構成でQwen3.8-27B（Q4_K_M量子化）を実用速度で動かした実測報告も注目を集めています。2枚の3060にテンソルを分散し、ngram-modとdraft-mtpという2種類のスペキュレーティブデコーディングを併用。実際の利用では毎秒44〜50トークンで生成でき、プロンプト評価は毎秒198トークンに達した場面もあったといいます。普段は4枚のRTX 3090で動かしている環境を別作業に使うための代用として試したら、予想以上に使えたというのが経緯です。ただしコンテキスト長は50,000トークンに抑えており、長時間のエージェントセッションには足りない場面もあるとのこと。ミドルレンジGPU中古2枚で27Bクラスが回るなら、ローカルLLMの裾野は着実に広がっています。

また、Qwen系の「Swift 1.5 27B」もHugging Faceで公開されました。投稿者は「速くなった」と手応えを述べており、ローカル向けモデルの開発が今も活発に続いていることがうかがえます。

日本語コミュニティから──「43ファイル変更」はgit showの誤報だった

Qiitaに、ローカル環境でgit show --statを実行したら「このコミットで43ファイルが変更された」と表示されたのに、GitHub APIで確認したところ実際には1ファイルだった──という経験をまとめた記事が投稿されています。別のリポジトリでは50ファイルと表示されたといいます。

AIエージェントにgitコマンドの出力を渡して作業させる運用では、ツールの出力が実態と食い違う可能性まで想定しておく必要がある、という注意喚起として実践的な記事です。エージェントの判断材料となるコマンド出力をどこまで信用するかは、自動化の信頼性を左右するテーマです。

まとめ

AIの影響が電力網・雇用・文学という異なる層で同時に報じられた一日でした。電力面では政府によるインフラ支援の報道、雇用面では予測とデータのギャップを確認する報道と、「大きな変化の言説」を統計で検証する視点が並んだのが印象的です。ローカルでは、GPUを増設しなくてもCPUの高速化や2枚のミドルレンジGPUでここまでできるという報告が続くなど、実用の裾野も広がり続けています。