海外AIニュース
Valveは、初期出荷分のSteam Machineが16GBメモリ1枚（シングルチャネル）構成であることを認めました。デュアルチャネル構成に比べパフォーマンスへの悪影響が懸念されますが、コスト削減または供給上の制約が理由とみられます。将来的な仕様変更の可能性も示唆されています。
ZTEはMWC Shanghai 2026にて、AIファクトリーから6G対応ネットワークまでを網羅するフルスタックAI機能を公開しました。トークン運用の効率を最大化し、運用コストを削減する技術を紹介しています。
IBMは、1オングストローム（0.1ナノメートル）以下まで微細化が可能な新しいプロセスノードを披露しました。半導体技術の限界を押し上げる次世代の製造プロセスへの展望を示しています。
Qualcommは、メモリの壁を打破する新たなAIアーキテクチャ「HBC（High Bandwidth Controller）」と、AI250・AI350アクセラレータを発表しました。HBM比でワット当たりの帯域幅が6倍、オンチップSRAM比で容量が200倍と高い性能を誇ります。
デジタルIDに関する専門家会議が非公開で実施されており、予算やメンバー選定基準について政府からの説明が不足していると批判が集まっています。議事録も公開されず、透明性への疑問が投げかけられています。
Metaは、Facebook Creator Studioを「AIコンパニオンアプリ」として再構築し、復活させました。AI Creator Assistantを中核に据え、クリエイターの成長支援や視聴者とのエンゲージメント強化を効率化することを目指しています。
Corsairの14.5インチ液晶タッチスクリーン「Xeneon Edge」が、Prime Weekに合わせて再び20%オフの199.99ドルで販売されています。PCのサブモニターや操作パネルとして便利な小型デバイスをお得に手に入れるチャンスです。
エージェント型AIシステムがクラウドやデータセンターで拡大する中、CPUは依然として調整役の「コントロールプレーン」として重要な役割を担っています。性能と効率を両立させるインフラの核心に迫ります。
AIによって直感的にコードを書く「Vibe Coding」が流行する中、Infosys会長はソフトウェア開発の本質はコーディングだけではないとし、これによる収益減少を否定しました。AIは逆にサービス組織の業務を増加させると予測しています。
OpenAIがBroadcomと共同開発した独自AIチップ「Jalapeño」は、Nvidiaへの依存を減らし、膨大なインフラコストを削減するための戦略的投資です。高収益なNvidiaのハードウェアから脱却し、推論コストを最適化することが狙いです。
ASMLのCEOは、米国が計画する対中半導体製造装置の輸出規制拡大に対し懸念を示しています。対象となるのは旧世代の深紫外線露光装置であり、欧州は米国の主導する厳しい規制路線が自国の産業や中国市場との関係に及ぼす影響を注視しています。
Infosysの元トップ、ヴィシャル・シッカ氏がSAPやVianAIなどのベテランを集め、新たなベンチャーを立ち上げました。MayfieldやAramco Venturesの支援を受け、既存のITサービス業界に変革をもたらすことを目指しています。
多くの企業がAI導入を急ぐあまり、適切な準備を怠っています。調査によると、組織の93%がAIに関連したインフラトラブルを経験しており、計画なき導入がもたらすリスクと実態が浮き彫りになっています。
AIチップメーカーのCerebrasが上場後初の決算を発表。利益率の低下を示唆する予測が投資家の不安を招き、株価が急落しました。CEOは市場が利益率の見通しを誤解していると説明しています。
AIによる雇用削減が懸念される中、SignalFireのデータによれば、エンジニア職はむしろ新規採用の割合を増やしています。AI普及時代においてもエンジニアの需要は依然として高いことが示唆されています。
ジョナス・アドラー氏やアレクサンダー・プリッツェル氏ら、GoogleのトップAI研究者が同社を去り、Anthropicへの移籍を決定しました。Noam Shazeer氏らに続く退社となり、人材流出が止まりません。
モバイルチップの巨人Qualcommが、データセンター向け市場を次の成長の柱と位置づけました。Snapdragonの技術を武器に、遅れてきた挑戦者として市場シェア拡大を狙います。
メモリーチップ不足を追い風に、ある米国企業の売上が前年同期比で4倍に急増しました。利益も18.8億ドルから282億ドルへと劇的に拡大しており、市場環境の変化が業績に大きく貢献しています。
従業員によるAIの過剰利用を防ぐため、企業が予算管理を強化しています。以前の無制限な利用から、現在は「トークン・ラショニング（配給）」と呼ばれる効率化を重視する時代へと移行しています。
AIの自動化が進む中で注目される「ループエンジニアリング」ですが、プロンプトに頼らず自動化を追求することにはコストとリスクが伴います。最終的な判断や最適化には、依然として人間が必要です。