大規模言語モデル

主要ニュース

1. 1

   Micronのメモリ需要、エージェントAIの拡大で成長か

   エージェント（自分で判断して作業するAI）の採用拡大がMicronなどメモリ企業の成長機会を広げる可能性が指摘されています。 エージェントAIはより多くのメモリとコンピュータ性能を必要とするため、半導体メーカーの需要が増加する可能性があります。

   この見方はMicronを含むメモリ企業の投資戦略や市場見通しに影響を与える可能性があります。

2. 2

   CitiのアナリストがBaiduのAIコンピュート機会とLLM競争下でのERNIE注力を指摘

   Citiのアナリストである Alicia Yap が、Baiduの最新決算について論じ、中国の競争激しい大規模言語モデル（LLM）環境におけるAIモデルへの新たな注力と企業のポジションを強調した。 Baiduは中国で競争が激しいLLM市場で事業を展開しており、同アナリストによるコンピュート基盤とAIモデル「ERNIE」を中心とした企業戦略についてのコメントは、業界のライバル企業に対して同社がどのようにポジショニングしているかについての洞察を提供している。

   議論は2つの領域に集中している。1つはコンピュートリソースの近期的な機会であり、もう1つはERNIEモデル開発への長期的な注力である。また、同アナリストが特に注目した自動運転車事業「Apollo Go」のパフォーマンスも注視する価値がある。

3. 3

   マイクロソフト、ガバナンスとコンテキスト制御によりAIを学校教育に深く浸透させる

   Microsoft 365 Educationが、既存の教育機関システム内で機能するように設計されたエージェントとCopilot体験を導入しており、教育者が授業計画、評価、個別化学習を効率化し、学生支援スタッフが繰り返しの引き継ぎなしに支援とアドバイスを調整できるようになります。この転換により、AIは孤立した実験から機関全体の使用へ、実際のワークフローに紐付いた形へ移行しています。 マイクロソフトの2026年AI in Education報告書によると、調査対象の学生と教育リーダーの92%、および教育者の88%が既に学校の目的でAIを使用しています。しかし汎用AIは、学校が必要とする機関固有のコンテキストおよびプライバシー・整合性保護が欠けています。Microsoft 365 Educationは、各学校のアイデンティティ、権限、コンプライアンス、データガバナンスにAIを根拠付けることでこれに対応し、機関データを学校の管理下に保ちながら、ユーザーが閲覧を許可されているものへのアクセスを制限します。

   機関はCopilot Chat（Microsoft 365に含まれる）から開始し、ガバナンスと準備が成熟するにつれてより豊富なCopilot体験とエージェントに拡張できます。モデル選択は、タスクと学校のデータ処理要件に基づきます。最新のモデルがどれかではなく、です。このアプローチにより、学校は機関全体にコミットする前に、単一の高い影響をもたらすワークフローをパイロット実施できます。

4. 4

   Aily Labs、AI意思決定プラットフォームをGoogle Cloud Marketplaceに展開

   AI意思決定インテリジェンスプラットフォーム企業のAily Labsが、Google Cloudと提携し、自社プラットフォームをGoogle Cloud Marketplace上で利用可能にした。この施策により、医薬品およびバイオテクノロジー企業は、既存のGoogle Cloudの契約を通じてAilyのAIエージェントを直接購入でき、その購入額は確約クラウド支出にカウントされるため、個別のベンダー審査や新たなセキュリティ評価を引き起こさない。 医薬品およびバイオテクノロジー企業は、R&D、臨床試験、規制対応、サプライチェーンを通常、数多くの連携していないシステムで運用しており、治験実施施設の選定、医薬品候補の優先付け、在庫管理の決定の遅延がしばしば生じている。Google Cloudを通じてAilyのプラットフォームを提供することで、企業は調達の手続き上の摩擦やセキュリティ監査を追加することなく、医薬品開発および規制業務用のAIエージェントを活用できるようになる。

   AilyのSuper Agentは、R&D、臨床開発、規制申請、資本配分、サプライチェーン、商業運営にわたって数千の特殊化したAIサブエージェントを統合し、Google CloudのエンタープライズAIアプリケーションであるGemini Enterprise内のAgent Galleryを通じてすべてにアクセス可能である。

5. 5

   Salesforce、エンタープライズAI向けの階層化データアーキテクチャを構想

   Salesforceのデータアーキテクチャ責任者であるTristan Bakerは、ナレッジグラフがエンタープライズAIシステムの基盤層になりつつあることについて説明した。彼は、レイクハウスと運用データベースがメタデータレイヤーの下に位置し、グラフテクノロジーがそれら全体の関係性とコンテキストを管理する階層化スタックの構造を述べた。これにより、AIエージェントは単に情報を検索するのではなく、信頼できるデータから推論することが可能になる。 エンタープライズの指導者たちは、数秒で信頼できる回答を返す会話型インターフェースを求めているが、そのためには単一のデータベースでは不十分である。Bakerは、困難な課題は、断片化したデータ環境全体でAIが理解できるようにエンタープライズ情報を正確に記述することだと強調した。ガバナンスとセマンティックアクセスポリシーが重要な課題として浮上しており、法務チームは個別のデータベース内だけでなく、セマンティックレベルでデータ保護を定義する必要がある。

   Bakerは、ほとんどの組織がまだこのアーキテクチャ課題を完全には解決していないことに言及した。彼は、たとえ最高のテクノロジーであっても、そこに入力されるコンテンツが十分に厳選されていなければ「ゴミを入れればゴミが出る」という結果になると警告した。これは多くのエンタープライズが現在直面している課題である。

6. 6

   みずほフィナンシャルグループ、クラウドではなくオンプレミスGPUを導入

   みずほフィナンシャルグループがクラウドインフラではなく、オンプレミスGPU（NVIDIA製8台）を導入し、AIエージェントの活用に向けて態勢を整えた。 オンプレミス導入により、みずほはAIインフラとデータを直接管理できるようになる。これは、顧客の機密情報を扱う金融機関にとって、また外部クラウドプロバイダーへの依存を減らしたいという観点から、極めて重要な意味を持つ。

   同社は自律的にタスクを実行できるエージェントシステムであるAIエージェントの導入準備を進めており、金融業務のオートメーションが一段と高度化していく見通しが示唆されている。