10月21日（日本時間昼まで）に届いた海外AIニュースから、推論インフラと半導体供給、エージェントのビジネス適用をめぐる6本をまとめた。最大の話題は、DeepSeekが自社の本番推論スタック「DeepInfer」をオープンソース公開したこと。1クラスタで1日155兆トークンを処理する本番数値と、推論マージン80%超という経済性の内訳が、PyTorch Conference初日に合わせて一気に開示された。一方、半導体側ではSamsungが2027年分のHBMを完売したとの報道があり、GPU価格上昇の観測も強まっている。

DeepSeekが本番推論スタック「DeepInfer」をOSS公開──155兆トークン/日、マージン80%超の経済学

DeepSeekは10月20日（米国時間）、推論モデル「DeepSeek V4.1 Flash」の提供を支える本番推論エンジン「DeepInfer」をオープンソースとして公開した。PyTorch Conference 2026の初日に合わせた投入で、ライセンスはApache 2.0。ベースはvLLMのカスタマイズで、SGLangとTensorRT-LLMへのクレジットも明記されている。分散推論・投機的デコーディング・構造化出力に対応し、NVIDIA製とHuawei Ascendの両プラットフォームで動作する。API処理層の「deepseek-recipe」も併せて公開され、今後のモデル実装や最適化も同リポジトリに追加されていくという。

注目は、コードと同時に開示された本番運用の数値だ。1クラスタあたり1日155兆トークンを処理し、入力キャッシュのヒット率は96%。最初のトークンまでの平均応答時間は400ms、生成速度は230トークン/秒（コーディングでは300トークン/秒）に達するという。オフピーク価格帯では1加速器あたり1時間38ドルの売上があり、総コストを1カード5〜8ドルとすると推論マージンは80%を超える計算になる。日あたり売上は約2,200万ドル、投資回収期間は約81日という試算も出ている。ただしこれらはすべて同社の自己申告による生産数値であり、独立した検証が済んだものではない点には留意が必要だ。

プロンプトキャッシュの保持期間は最大72時間で、OpenAIが先日発表した12時間の6倍にあたる。ただし「完全なオープンソース」といえど、高効率の鍵を握るKVキャッシュ管理とロードバランシングは内部インフラと結合しているため今回のリリースには含まれておらず、公開コードだけで同社のサービス全体を再現できるわけではない。さらにvLLMチームがGB200での追試で、同等構成のデコードスループットが公開値の6%以内に収まることを示しており、「DeepSeekにしか到達できない効率」とまでは言えない状況も見えてきた。前回記事では発表の概要のみを伝えたが、公開された数値とコミュニティの検証を踏まえると、クローズドな推論事業者が優位を主張してきた領域へのオープンソース側の本格的な反撃といえそうだ。

Samsungが2027年分のHBMを完売──HBM価格は来年最大200%高騰の予想

GSMArenaの報道としてRedditのLocalLLaMAコミュニティで伝えられているところによると、Samsungは2027年分のHBM（高帯域幅メモリ）生産能力をすでに100%売り切ったという。HBM価格は来年最大200%上昇するとの見方が広がり、DRAMも2桁の値上げが予想されている。HBMは生成AIの学習・推論用GPUに不可欠なメモリで、需要の中心はAIチップ企業だ。供給を確保できた事業者とそうでない事業者の間で、来年以降のGPU価格、ひいては推論コストに差がつく可能性がある。ローカルLLM界隈でも「GPU価格上昇への備え」として注目を集める話題となっている。

Muskの「Terafab」が前倒しで進行──ASMLらが製造装置の供給を加速

Bloombergの報道（10月20日）によると、Elon Musk氏はASMLなど半導体製造装置の主要メーカーが、TeslaとSpaceXによるファブ「Terafab」への装置供給を前倒ししていると明かした。SpaceXはTerafabで2028年第3〜第4四半期を目標に量産チップ生産に入るとしており、野心的な半導体プロジェクトが急ピッチで進んでいるシグナルという。AI需要を背景に先端チップの製造能力をめぐる競争が激化するなか、建設の速度を武器にするMusk流のやり方が半導体分野でどこまで通用するかは今後の焦点だ。

Alibabaの研究者が「AIに店を経営させる」シミュレーション──200万円が最大14倍の例も

AlibabaのQwenチームと香港科技大学（HKUST）の研究者らが、LLMエージェントに1年間のネットショップ経営を任せて長期的なビジネス運用能力を測るベンチマーク「E-Commerce Bench」を発表したと、ITmediaが報じている。初期資金約200万円を与えられたエージェントが仕入れや販売、価格設定などを自律的に続ける設定で、資産を14倍に伸ばした例もあったという。チャット応答やコード生成のような短時間のタスクと異なり、1年という時間スケールでの判断の積み重ねを評価する設計が特徴だ。エージェントの実務適用の現実味を測る素材として興味深い。

Nvidiaも出資するフランスPigmentが2.5億ドル調達──Microsoftへの挑戦が本格化

Bloombergの報道（10月20日）によると、ExcelやPowerPointの代替となるAIソフトを展開するフランスのPigmentが2億5,000万ドルの資金調達を実施した。評価額は23億ドル。Scaleup Europe Fundがラウンドを主導し、NVIDIAのほか米日に拠点を置くWorld Innovation Lab、既存投資家のIconiq・IVP・Meritechらが参加した。同社は財務予測・スライド作成・事業計画を支援するツールを提供し、年間経常収益（ARR）が1億ドルを突破して前年比2倍となり、来年も倍増を見込むという。Anthropicの財務計画システムとして採用されているほか、L'Orealが9万5,000人の従業員の給与計画に展開するなど、エンジニア以外の一般業務へのAI浸透という難題に挑む欧州勢の代表格となっている。

Apple Siliconのローカル推論がさらに高速化──Kapitsa 0.2の「KFlash」と極限量子化

ローカル推論の動きも続いている。先日本サイトで扱ったApple Silicon最適化エンジン「Kapitsa」の開発者が、新版0.2で「KFlash」という新しい投機的デコーディング手法を公開した。従来のDFlash2がドラフトモデルの推測を一本の鎖として検証するのに対し、KFlashは候補を木構造でbest-firstに検証し、ドラフトが迷った場面でも次善の候補を救える設計という。開発者によるベンチマークでは、MacBook Pro M4 Pro（48GB）でQwen3.8 27B（4ビット量子化）が63トークン/秒、Qwen3.6 35B-A3Bが161トークン/秒、Qwen3.5 4Bでは201トークン/秒に達し、Splash 1.4.0やmlx-serve、Ollamaといった既存エンジンを上回った。

量子化の側でも、Qwen3.8-Flash-Nextのexl3形式・1.66bpwという極限量子版が公開され、RTX 5090のVRAM 32GBにモデル全体を載せて200〜300トークン/秒で安定動作したとの報告が話題になった。推論コストの議論はデータセンターだけでなく、手元のマシンでも続きそうだ。