
人工知能

人工知能
-

2026年5月28日 著者 Gaurav Roy
AI暗号価格予測モデルがボラティリティテストに直面する
By Gaurav Roy人工知能(AI)は現代の最も重要な技術的進歩の一つであり、私たちの働き方だけでなく意思決定の方法も変革しています。国境を越えて24時間取引が行われる暗号通貨市場において、AIモデルは特に急激で極端な価格変動を予測するために注目と採用が急増しています。このボラティリティは暗号通貨を非常に魅力的な機会にする一方で、予測不可能さも極めて高くしています。技術がますます高度化し広く採用される中、市場参加者はノイズを除去し、パターンを識別し、予測的洞察を生成するために機械学習システムへとますます依存しています。しかしながら、暗号通貨市場は予測を行う上で最も過酷な金融環境の一つです。極端なボラティリティが大きな要因ですが、投機的センチメント、マクロ経済ショック、規制の変化、ソーシャルメディア主導の取引行動など、暗号通貨予測を極めて困難にする要素が他にも多数あります。高度なディープラーニングアーキテクチャと膨大なオンチェーン・市場データを武器に、研究者、トレーダー、投資家は人間のアナリストが一貫して失敗してきたこと、すなわち暗号通貨の価格が次にどこへ向かうかを予測しようとしています。しかし、現在の重要な問いはAIが暗号通貨価格を予測できるかどうかではなく、これらのモデルがボラティリティの高い市場環境下で一貫して信頼できる実世界の取引上の優位性を提供できるかどうかです。暗号通貨の採用が拡大し、従来の金融セクターとの統合を通じて主流化が進む中、新たな研究は極端な価格変動がもたらす課題を克服し、正確な予測を生成する信頼できるモデルの提供を目指しています。本研究は主要な4つの暗号通貨(ビットコイン、イーサリアム、ドージコイン、ライトコイン)に対してディープラーニングモデルを評価し、先進的な機械学習アルゴリズムが特定の条件下で予測精度を向上させることができる一方で、ボラティリティが依然としてロバスト性、スケーラビリティ、実用的な導入を制限していることを明らかにしました。The AI Boom Reaches Crypto Markets今日、AIは至る所にあり、私たちの生活の不可欠な一部となっています。そして、AIが突然現れたように見えるかもしれませんが、実際はそうではありません。AIは1950年代から開発が進められ、数十年にわたる研究と技術的ブレークスルーを経て進化してきました。しかし、長い歴史にもかかわらず、この技術は新興分野から主流のビジネスツールへと驚異的な速さで移行しました。その加速は、2022年後半にChatGPTがリリースされたことで無視できないものとなりました。OpenAIの広く人気のあるチャットボットChatGPTは、Microsoft Microsoft の支援を受け、わずか5日で100万人のユーザーに到達し記録を破りました。強力な大規模言語モデル(LLM)を日常ユーザーが簡単に利用できるようにしたことで、ChatGPTはAIをニッチな技術概念から主流へと押し上げました。現在、世界で週あたり9億人のアクティブユーザーを抱えており、世界人口のかなりの割合が何らかの形でAIとやり取りしています。この採用は消費者をはるかに超えて広がっています。今日の企業は自動化、ソフトウェア開発、サイバーセキュリティ、医療診断、マーケティング、カスタマーサービス、物流、予測などにAIツールをますます活用しています。マッキンゼーによると、約88%の調査対象組織は2025年までに少なくとも1つのビジネス機能でAIを使用する予定であり、AIを組織変革の触媒として、ワークフローの再設計とイノベーションの加速に活用しています。AIの魅力は膨大なデータを処理し、反復作業を自動化し、非線形な関係性を識別し、人間よりはるかに速く予測を生成できる点にあります。その結果、企業は生産性向上、運用コスト削減、顧客体験のパーソナライズ、イノベーションサイクルの加速のためにAIを急速に導入しています。マッキンゼーは、AIが世界的に長期的な生産性向上で数兆ドルの貢献ができると見積もっています。驚くべきことではなく、AI導入が最も活発な分野の一つは金融セクターであり、銀行や投資会社は機械学習モデルを用いて詐欺検出、マネーロンダリング防止(AML)規則への準拠、リスク管理、取引の自動執行を行っています。一方、暗号通貨市場はデジタルネイティブな構造と高頻度データ生成という特性から、AI実験に特に魅力的な環境として浮上しています。暗号分野におけるAIは、一般に機械学習、ディープラーニング、自然言語処理、強化学習、予測分析をブロックチェーンベースの金融システムに適用することを指します。現在、AIツールは暗号取引ボット、市場センチメント分析、詐欺検出、ブロックチェーン分析、スマートコントラクト監査、ポートフォリオ最適化、自律リスク管理、分散型金融(DeFi)分析、トークン価格予測などに利用されており、ブロックチェーンは透明性と監査可能性を提供しています。AIと暗号の融合は自然な進化であり、次世代の金融商品を形作り、投機を超えて実際の収益創出アプリケーションへの採用を促進すると期待されています。さらに重要なのは、暗号市場の制度化が進み、デジタル資産が拡大する中で、ボラティリティの高い価格環境をナビゲートできるより高度な予測システムへの需要が高まっていることです。The Search for an Edge in a Chaotic Market暗号通貨が金融市場の機会における重要な要素として浮上する中、投資家は情報に基づいた意思決定と利益増大のために正確な予測を求めています。しかし、暗号価格の予測は容易ではありません。2020年の研究が指摘するように、これは「その混沌と非常に複雑な性質」ゆえに困難な課題です。暗号価格予測は、過去データ、テクニカル指標、取引行動、マクロ経済情報、そしてソーシャルメディアのセンチメントやブロックチェーン活動といった他のデータセットを用いて将来の価格変動を予測するプロセスです。これは大きな金融リスクと実際の科学的課題が交差する領域に位置しています。投資家にとって、将来の価格変動を予測できる能力は利益獲得の可能性を伴います。現在、5億人以上が少なくとも1つの暗号通貨を保有しており、ビットコインだけで暗号市場全体の58%を占め、時価総額は1.5兆ドルです。これほど多くのユーザーと資本が動いている中、わずかにでも予測モデルが改善すれば、多くの人にとって大きな財務的優位性をもたらす可能性があります。特に急速な価格上昇と短期間の大きな下落は、投機的トレーダーにとって利益機会を生み出します。過去の暗号サイクルは、ボラティリティが急上昇した際に、ステーブルコインへとタイミングよくローテーションするトレーダーがより良い成果を上げることを示しています。しかし、これらの変化に対応するには単なる規律だけでなく、予測モデルが約束する先見性も必要です。暗号通貨は24時間取引され、短期的な大きな変動があるため、予測ツールはエントリータイミングの最適化、ポジションサイズの決定、ポートフォリオのバランス調整、リスクエクスポージャーの管理、さらにはアービトラージ機会の活用にも有用です。しかし、暗号価格の予測は従来の金融資産の予測ほど簡単ではありません。暗号の固有の高いボラティリティは、投機的に利益を上げやすい市場である一方で、予測価格分析を複雑にします。さらに、暗号市場は感情、ニュース、主要トークン保有者(ホエール)の行動によって動きます。ホエールは単一の取引で市場を動かすことができます。同様に、ソーシャルメディアのナラティブ、規制の動向、マクロ経済状況、オンチェーンデータの流れが暗号価格に大きな影響を与えます。さらに、暗号通貨は分散型であり、取引速度やエコシステムの違いといった独自の特徴、技術的進歩、政府政策、世界的な出来事、世論などの要因に敏感であるため、正確な予測を行う難易度がさらに高まります。したがって、AIシステムが正確な暗号価格の動きを予測するのは困難です。技術はデータ品質の問題、一般化の不足、レジーム変化、ブラックスワンイベントに苦戦しています。AIモデルは実際には、価格ターゲットの正確な予測よりも、方向性シグナル、センチメントスコア、短期トレンド確率の方が得意です。制限はあるものの、AIを暗号予測に応用する取り組みは大幅に拡大しています。 予測環境 従来の予測 AI主導の予測 市場への影響 データ処理 人間のアナリストは限られた過去データとテクニカルデータセットに依存していました。 AIモデルは膨大な市場、センチメント、オンチェーンデータセットを処理します。 予測システムははるかに大規模な分析スケールで動作します。 パターン認識 統計モデルは暗号価格の非線形な挙動に苦戦しました。...
-

2026年5月25日 著者 Daniel Martin
銀行業におけるエージェントAI:TDが示す次の展開
By Daniel Martin人工知能は従来の銀行の運営コアにますます深く浸透しています。長年にわたり、金融セクターは詐欺検出、信用スコアリング、顧客セグメンテーション、コンプライアンススクリーニング、チャットボットサポートに AI を活用してきました。しかし、これらのシステムの多くは狭く、タスク固有で、明確に定義された人間のワークフローに依存していました。次のフェーズは異なります。Agentic AIは、銀行に目標を解釈し、情報を収集し、複数ステップのタスクを実行し、例外をエスカレーションし、直接的な人間の介入を減らして利用可能な出力を生成できるソフトウェアエージェントを提供します。これは、銀行が信用決定を監視されていないアルゴリズムに委ねることを意味するわけではありません。むしろ、文書、ルール、ポリシー、顧客データ、従業員の判断が交差するワークフロー層に AI を組み込むことを開始しているということです。TD Bank Groupが不動産担保ローン向けに初のエージェントAIモデルを導入したことは、この変化が向かう方向性を示す明確な例です。同銀行は、住宅ローンおよび住宅エクイティラインオブクレジット(HELOC)申請プロセスの一部を自動化・効率化するためにエージェントAIを活用しています。最初の展開は事前審査に焦点を当てており、システムは文書を分類し、重要情報を抽出し、収入を算出し、同意を確認し、選択されたポリシー要件に照らして数値を検証し、矛盾を特定し、簡潔なファイル要約を作成してアンダーライター向けのサマリーメモを生成します。TDによると、初期結果では従来平均15時間かかっていたプロセスが3分未満に短縮されました。銀行にとってこれは単なる技術アップグレードではなく、貸付業務のルーティング、レビュー、測定、スケーリング方法の潜在的な再設計です。金融におけるエージェントAIとは何かエージェントAIとは、単一のプロンプトに応答するだけでなく、一連のアクションを通じて目標を追求できるAIシステムを指します。従来の生成AIツールは、要求に応じて文書を要約することができますが、エージェントシステムは関連文書を検索し、分類し、必要なデータを抽出し、そのデータをポリシーと比較し、不整合をフラグ付けし、要約を作成し、ファイルを人間の意思決定者にルーティングすることができます。銀行業においてこの区別は重要です。なぜなら、ほとんどの高付加価値ワークフローは単一ステップのタスクではないからです。住宅ローンの審査、商業信用審査、マネーロンダリング防止調査、資産オンボーディング、保険請求、規制報告はすべて、複数のシステム、文書、ルール、承認、監査要件を伴います。エージェントAIが標準的な自動化と異なる点従来の自動化は、プロセスが繰り返し可能で構造化されている場合に最適に機能します。たとえば、ロボティック・プロセス・オートメーション(RPA)は、入力形式が予測可能であればデータをあるシステムから別のシステムへ移動できます。エージェントAIはより柔軟で、半構造化文書、自然言語、内部ポリシー、変化する顧客ファイルを横断して処理できます。この柔軟性が銀行の関心を引く理由です。コスト構造は、繰り返し作業であるものの単純ではない知的業務で満ちています。従業員は意思決定が行われる前に、情報の読取、照合、要約、チェックに多くの時間を費やしています。エージェントAIはその中間層の作業を対象とします。 手動の文書レビューを削減できます。 複雑なワークフロー全体で一貫性を向上させることができます。 従業員が判断、例外処理、顧客関係に集中できるよう支援します。 大手銀行が貸付から始める理由貸付は、顧客の緊急性、大量の文書、高い運用コスト、厳格なリスク管理が組み合わさっているため、エージェントAIの最初のターゲットとして論理的です。住宅ローンや担保付き貸付の申請では、銀行は収入、雇用、資産、負債、物件情報、同意、ポリシー遵守、例外リスクを評価する必要があります。その作業の多くは事務的ですが、エラーは信用、規制、評判リスクを生む可能性があります。TDの導入が重要なのは、AIをアンダーライターの代替と位置付けていない点です。代わりに、より強固な事前審査層を構築しています。AIはファイルを準備し、矛盾を検出し、メモを生成します。その後、人間のアンダーライターがより完全で構造化されたパッケージをレビューできます。このモデルは従来の銀行にとって支配的なパターンになる可能性が高いです。短期的な機会は完全に自律的な銀行業ではなく、AIエージェントが準備、検証、ワークフローのオーケストレーションを担当し、顧客向けプロセスの遅延を解消する、人間主導の銀行業です。 銀行業務フロー エージェントAIの役割 期待できる効果 住宅ローン審査 文書を分類し、収入データを抽出し、ポリシー要件を検証し、要約を作成する 審査の迅速化と単位処理コストの削減 コンプライアンス監視 アラートをレビューし、裏付けデータを収集し、調査メモを作成する アナリストの生産性向上と文書の一貫性向上 顧客オンボーディング フォームをチェックし、欠落情報を検証し、例外をルーティングする 遅延の減少と放棄率の低下 ウェルスマネジメント支援 顧客ブリーフ、ポートフォリオノート、適合性レビュー資料を作成する...
-

2026年5月5日
著者 Jonathan Schramm
ソフトバンク Roze IPO: AI データセンター ロボティクス ベット
By Jonathan Schrammテクノロジートレンドに早期投資する際、ソフトバンクほど比較できる企業はほとんどありません。日本の投資ファンドで、孫正義が創設したソフトバンクです。例えば、ソフトバンクはAlibaba 、Nvidia 、Arm Holdings 、そしてOpenAIに早期投資しています。同社は現在、別の投資先であるRozeの評価額を確定させようとしています。RozeはAIとロボティクスの企業で、AIデータセンターの建設を自動化しています。金融セクター向けのAI企業であるRoseAIや、韓国のAI災害ソリューション企業RozeAIと混同しないでください。特に混乱のリスクが高いのは、RozeAIが2026年5月にティッカーROZEで公開IPOを計画しているためです。ソフトバンクのRozeは近いうちに、できれば2026年初めに上場される予定です。これはソフトバンク(SFTBY)にとってもう一つの大きな成功となり、投資家が再び同社株式に注目する理由となるでしょう。データセンター建設の加速過去数年でAIの性能が飛躍的に向上したのと同様に、これらのAIを商業用途に訓練・適用するための計算力を提供できる「ハイパースケール」AIデータセンターの建設活動も急増しています。データセンターの建設だけで、運用を除くと、2025年の市場規模は2,610億ドルで、今後12.7%の年平均成長率で6,620億ドルまで拡大すると予測されています。AIワークロードは2025年の需要の約25%を占めており、2030年までにデータセンター全体の計算の50%から70%を占めると予測されています。合計で、3.7兆ドルから8兆ドルがAIデータセンターインフラに費やされる可能性があります(今後5年間)。しかし、多くのデータセンター建設プロジェクトが遅延しており、これらの予測が狂う可能性があります。遅延の一部はエネルギー供給や電力網の容量、そして何よりもこれら施設の膨大なエネルギー需要に起因しています。もう一つの課題は熟練した人材で、電気技師、HVAC技術者、配管工などが含まれます。データセンター特有のスキル、例えばスーパーバイザー、機械・電気・配管コーディネーター、ビルディング情報モデリング(BIM)リーダー、コミッショニングマネージャーなどになると問題はさらに深刻になります。データセンター提供者の60%以上が、空いているポジションに適格な候補者を見つけることに課題があると報告しています。「全国で約3,000件のデータセンタープロジェクトが建設中または計画中であり、多くの大規模建設が含まれていますが、各プロジェクトは通常、建設ピーク時に1,500〜3,000人の労働者を雇用します。より大規模なプロジェクトでは4,000人もの労働者が必要となり、これは小さな町と同規模です。」このため、ソフトバンクはデータセンター建設の最前線に立ち、5,000億ドル規模のプロジェクト「Stargate」やOpenAI、Oracle と共に、ロボティクスとAIを活用して、まもなく独立上場するRoze社とともにAIデータセンターの容量を構築しようとしています。Rozeはどのように構築されるのか?新しいデータセンター建設手法の創出現在、Rozeは独立した会社として正式には存在せず、独自のウェブサイトも持っていません。しかし、ソフトバンクが数十億ドルで完全または部分的に取得した複数の補完的な企業や部門の統合により構築される予定です: ABBのロボティクス部門は54億ドルで取得されました。 Ampere Computingは65億ドルで取得されました。 DigitalBridgeのデータセンター資産は30億ドルで取得されました。 結果として、RozeのIPOは1000億ドルの評価額を目指すと報じられており、これはソフトバンクがこれらの個別の能力を統合し、特にOpenAIを中心としたAIハイパースケーラーエコシステムとの深い連携を活用するシナジー効果による大幅な価値増加となります。ソフトバンクの他の部門がRozeに統合されるかは不明です。候補としては、データセンター向けエネルギー供給システムの提供に注力するソフトバンクグループのSB Energyが挙げられます。シナジーの構築Rozeに組み込まれる資産が発表されたことで、ソフトバンクの将来の新部門のモデルが予測できます。DigitalBridgeは、デジタルインフラへの投資に特化した資産運用会社としての既存の専門知識を持ち込みます。同社はRozeの中核事業であるデータセンターだけでなく、セルタワー、光ファイバーネットワーク、エッジインフラにも経験があります。DigitalBridgeは、AIデータセンター建設プロジェクトの設計、コミッショニング、管理を迅速化するために必要な知識と人材を提供すると期待できます。“DigitalBridgeはデジタルインフラのリーダーであり、この買収は次世代AIデータセンターの基盤を強化し、ASIプラットフォームのリーディングプロバイダーになるというビジョンを前進させ、人類を前進させるブレークスルーを解き放つのに役立ちます。” Masayoshi Son – SoftBank Group Corpの会長兼CEOAmpere Computingは約1,000人の半導体エンジニアを抱えるチップ設計会社で、次世代クラウドコンピューティングとAIワークロード向けに高性能でエネルギー効率の高いプロセッサを設計しています。Arm Holdingsと共に、この部門はAI展開を加速させるコンピューティングハードウェアとチップの専門知識を提供します。ABBロボティクスは、建設、ケーブルの引き込み、配管の接続、サーバーラックの設置などにおいて、人手を代替したり作業者の生産性を向上させることで、労働力不足の解決を担う部門となります。Rozeをユニークにする要素は何か?Rozeをユニークにするのは、ABBのロボティクス部門である可能性が高いです。ABBはAIを非常に積極的に統合しており、さまざまな用途で産業ロボットに活用しています。例えば、すでに導入されているユースケースとして以下が挙げられます: 品質検査: 22マイクロメートルの精度で欠陥を検出し、人間の20倍の速度でスポットチェックを行う機械ビジョン対応ロボットセル。 予知保全: AIベースの評価基準学習を備えたロボットは、99.9%の診断精度と生産停止なしを実現します。 自律掘削: センサーとAIシステムを搭載したロボットが、エレベーターシャフトの掘削と設置を支援し、精度と作業安全性を向上させます。 アイテムピッキング: 3DビジョンとAIディープニューラルネットワークにより、未知の物体を1時間あたり1400回ピックできるロボット。...
-

2026年4月23日 著者 Gaurav Roy
AI設計の3Dプリント鋼: 超高強度 & 錆びない
By Gaurav Roy鋼は現代文明の主要な材料の一つです。その耐久性、延性、そして高強度により、製造、輸送、建設、エネルギーなど、私たちの生活のほぼすべての側面で不可欠です:。興味深いことに、鋼は全くリサイクル可能で、品質、強度、構造的完全性を失うことなく、持続可能な経済発展にとって重要です。2025年、世界は総計1,849.4 Mt(百万トン)の粗鋼を生産し、前年度の1,882.6 Mtから減少しました。データは中国が主要な鋼生産国で、続いてインドと米国が続くことを示しています。世界中で数百万人を雇用し、鋼業は重要な経済原動力となっています。しかし、鋼とは正確には何でしょうか?鋼は合金であり、二つ以上の元素の混合物です。具体的には、金属元素の鉄(Fe)と少量の非金属炭素(C)に加えて、マンガン(Mn)、リン(P)、硫黄(S)、シリコン(Si)、酸素(O)、クロム(Cr)またはニッケル(Ni)などの追加元素が含まれ、材料の強度、靭性、耐食性を向上させます。したがって、鋼は一種類だけではなく、化学的・物理的特性が異なる何百もの鋼種があります。鋼の製造方法としては、主に高炉-転炉(BF-BOF)と電気アーク炉(EAF)の手法が用いられます。両者の主な違いは使用する原料の種類です。BF-BOF方式は主に鉄鉱石、石炭、リサイクル鋼を使用し、EAF方式は主にリサイクル鋼と電力を利用します。過去数十年にわたり鋼業は環境汚染削減に大きな努力をしてきましたが、鉄鉱石から鋼を製造する支配的な方法は依然として化石燃料を還元剤として使用しています。しかし、パイロット規模や商業規模の施設で新技術が導入され、低炭素鋼生産への転換が進んでいます。さらに、科学者は既存の鋼よりもはるかに優れた特性を持つ、より環境に優しい鋼の開発に取り組み続けています。例えば、超高強度鋼は、Advanced High-Strength Steel(AHSS)やUltra-High-Strength Steel(UHSS)として分類され、降伏強さが550〜1000 MPaを超えます。この種の鋼の研究は、軽量で安全かつ耐久性の高い材料を求め、効率向上と炭素フットプリント削減を目指す産業のニーズに支えられています。このような鋼を実現するために、科学者は合金のナノスケール構造を操作する傾向があります。約10年前、浦項工科大学のチームが鋼合金を発明1し、ミサイル、ジェットエンジン、宇宙船、医療インプラントの製造に使用される超高強度金属であるチタンと同等の強度重量比を、コストの10分の1で実現しました。その後、数年前にローレンス・バークレー国立研究所と香港大学の科学者が、“脱層強靭化と相変形誘起塑性の活性化”により超鋼を作り出しました。科学者は錆びにくい鋼の開発にも取り組んでおり、高湿度環境での構造破壊防止と耐久性確保に役立ちます。これは、鋼が錆びやすいためです。湿気と酸素にさらされると、元の形、すなわち酸化鉄に戻ります。この問題を克服するために、塗装や亜鉛メッキなどのさまざまな保護コーティングが使用されます。クロムやニッケルもステンレス鋼の製造に用いられ、耐食性は大幅に向上しますが、特定の過酷な条件下では依然として錆びることがあります。科学者は現在、人工知能(AI)の助けを借りて新しい合金を開発し、金属の強度を30%向上させ、延性を2倍にし、錆びにくくしました。また、この超鋼は3Dプリントが可能です。鋼イノベーションのゲームチェンジャーとしての付加製造付加製造(AM)は、しばしば3Dプリントと呼ばれ、過去10年間で広く採用されてきました。単なるニッチな試作ツールから主流の生産方法へと進化し、航空宇宙、自動車、医療産業のミッションクリティカル部品に積極的に使用されています。このプロセスでは、デジタルモデルに基づき材料を層ごとに追加して3Dオブジェクトを構築します。プラスチック、ポリマー、金属などさまざまな材料が利用されます。研究者や企業にとって、3Dプリント技術の最大の利点はスピードです。高速試作はコストを削減し、開発サイクルを加速し、反復を可能にします。さらに、3Dプリントは少量生産において最もコスト効果の高い製造プロセスであり、高価な機械や熟練技術者が不要です。また、部品をゼロから構築するため、廃棄物も大幅に減少します。さらに、複数の材料からユニークで複雑、カスタム部品を作成できる柔軟性があります。3Dプリントにおける部品の段階的組み立ては、一貫性と高品質を実現します。持続可能性も3Dプリントの大きな利点です。自社で製品全体を開発でき、外部委託の必要性を減らせます。鋼メーカーにとって、この製造技術は開発時間と材料廃棄を大幅に削減し、社内での実験や試作テストを迅速に行えるようにします。また、エンジニアは新しい合金組成を迅速に検証し、性能を最適化し、従来の高価な金型や外部製造に依存せずに設計から生産へと移行できます。従来の製造技術と比較して、AM は特有の特性2を持ち、層ごとの積層、材料相互作用、高速冷却率、サイクル加熱などがあります。これらの特徴により、微細粒、密度の高い転位、金属セル構造、相組成などの独自の微観構造が形成され、超高強度鋼に驚異的な機械的特性を付与します。優れた機械的特性を持つ超高強度・高延性鋼(UHSDS)の3Dプリントに関しては、航空宇宙、自動車製造、海運などの分野で大きな適用性が示されています。しかし、新しい国際研究が指摘するように、ニッケル(Ni)、コバルト(Co)、モリブデン(Mo)などの高含有で高価な合金元素や複雑な熱処理が必要で、耐食性が低いため、工学的応用は大きく制限されています。機械学習はこの制約を克服する手段を提供します。2020年、米国空軍とテキサスA&M大学の科学者は超強度鋼の3Dプリントの可能性3をレーザーで鋼粉を溶融させて実証しました。彼らはEagar‑Tsaiモデルを用いてレーザー設定を最適化し、印刷欠陥を削減しました。印刷されたサンプルは最大1.4 GPaの引張強度を示し、これまでの3Dプリント合金で最高値であり、プロセス最適化だけでも材料性能を大幅に向上させることが示されました。機械学習を用いた高性能鋼の組成と加工パラメータの最適化には、組成‑加工‑特性(CPP)モデルなどのさまざまなモデリング手法が使用されます。しかし、CPP‑MLモデルはデータセットの品質に高い要求を課します。CPIP‑MLモデルは、物理冶金(PM)モデル、CALPHAD、物理化学的特徴(PF)スクリーニングから得られる中間変数を組み込むことでこれを緩和します。最新の研究が指摘するように、UHSDSの多成分複雑性はPM主導のMLとCALPHAD併用のML最適化の両方に課題をもたらします。そこで、華南大学とパデュー大学の研究者はPF‑ML戦略に転じ、コスト効果的にUHSDSを開発しました。錆びない超高強度鋼の3DプリントInternational Journal of Extreme Manufacturing4に掲載された研究者は、元素の81の物理化学的特性を解析する「解釈可能な機械学習」モデルを構築しました。AIに組み合わせを推測させるのではなく、チームは原子半径や電子挙動などの特定の特徴を分析させ、超高強度で錆びにくく、3Dプリント可能な合金を作成しました。 主要領域 現状 技術的シフト 重要性 Industry Direction 2025年の世界の鋼生産は1,849.4 Mtに達し、中国が支配的で、主に量ベースの生産が牽引しています。 特定の高付加価値用途向けに設計された性能指向の合金へのシフト。 鋼をコモディティ産業から高マージンでイノベーション主導の材料セクターへと転換させます。 Production & Emissions BF‑BOF生産は鉄鉱石と石炭に依存し、鋼は最大の産業炭素排出源の一つです。...
-

2026年4月21日
著者 Jonathan Schramm
UiPath:AIエージェント時代を受け入れたリーディングオートメーション
By Jonathan Schrammここ数年、AIの能力の爆発的な向上により、多くのタスクが自動化されつつあることが明らかになっています。これは最近の現象であり、変革的なものと感じる人もいるでしょう。しかし実際には、物理的タスクと認知的タスクの自動化は何十年も続いており、AIの汎用的な活用はこのプロセスの最新段階に過ぎません。例えば、現在の多くの工場は高度に自動化されており、産業ロボットが部品の取り扱い、機械加工、溶接、組立などを行っています。同様に、ホワイトカラーの仕事において既に行われている自動化の量を過小評価しがちです。自動的に更新される請求書システム、HR向けの履歴書フィルタ、給与処理、顧客サービスチケットの自動振り分け、送金など、以前は人間が担当していた多くのタスクがほぼ完全にソフトウェアで管理されています。したがって、多くのAIアプリケーションにとって最も重要かつ最も収益性の高い道は、企業機能の自動化である可能性が高いです。特に、過去10年でほとんどの企業が生産や顧客管理システムをデジタル化してきたことが背景にあります。多くの企業は、このソフトウェアを大規模に作成・最適化することで成長してきました。これらの企業は、顧客が自動化ニーズで信頼しているネットワーク内に最新のAIエージェントを展開するのに理想的な立場にあります。そのような企業の一つが、2005年に設立されたエンタープライズオートメーションの長年のリーダー、UiPathです。UiPath 概要UiPath 歴史UiPathは2005年にルーマニアのブカレストでDeskOverという名前で設立されました。エンジニア主導の同社は、長年にわたりブートストラップしながら適切な市場適合を模索し、当初はアウトソーシングや開発者向けソフトウェア開発キット、さまざまなタスク自動化ツールの構築に取り組んでいました。最終的に、エンタープライズビジネス顧客向けタスクの自動化という「ロボティック・プロセス・オートメーション」カテゴリ(RPA)で正しい方向性を見つけました。同社は2013年にこのセグメントへ転換し、2015年に社名をUiPathに変更しました。RPAはAPIとユーザーインターフェース(UI)操作を組み合わせ、エンタープライズと生産性アプリケーション間で繰り返しタスクを統合・実行します。この形態の自動化は、ルールベースのソフトウェアを使用して大量のビジネスプロセス活動を実行し、人的リソースを解放してより複雑なタスクに優先的に取り組めるようにします。Source: IBMしたがって、名前にもかかわらず、RPAにおける「ロボット」は物理的なロボットではなくソフトウェアボットです。ただし、AIとロボティクスの両方が進展するにつれて、この違いは近い将来徐々に薄れる可能性があります。現在のUiPathはRPAに限定されていませんが、RPA自体は大きな市場であり、爆発的な成長が見込まれています:2025年の市場規模は46億8,000万ドルで、年平均成長率29%で2033年には358億4,000万ドルに達すると予測されています。RPAへのこのシフトは当初、大手インド企業による試験的導入で行われ、後に顧客獲得のテンプレートとなり、爆発的に成長しました。「当時、私たちは非常に新しいビジュアル“ローコード”を持っていました。RPA分野では、私たちとBlue Prismだけがこの“ローコード”アプローチを持っていました。そのため、デザインと自動化のための見やすいフローチャートがあり、当時他に同様のものはありませんでした。実際、彼はBlue Prismに対して何らかの優位性を得ようとしており、Blue Prismはかなり柔軟性に欠けると見なされていました。」Daniel Dines – UiPath Co-founder2016年4月までに、同社はフロントオフィスおよびバックオフィスサーバースイートをリリースし、すでに250社のエンタープライズ顧客と1万人以上のユーザーを確保していました。2019年、同社はプロセス文書化およびプロセスマイニング分野の複数の企業を買収し、世界で5,000社の顧客に達しました。2021年4月、同社はNYSEでIPOを実施し、13億ドルを調達し、当時の米国ソフトウェアIPOとして最大規模の一つとなりました。2022年、UiPathは自然言語処理開発企業のRe:inferを買収し、2024年以降に多数のAIツールをリリースしました。2025年までに、同社はOpenAI、Microsoft、Google、Nvidia、Snowflakeなど多数の企業とパートナーシップや協業を結んでいました。UiPath 数字で見るRPA市場への転換以降、UiPathはサービスをサブスクリプション形式で販売し、継続的な収益を生み出しています。2019年以降、UiPathは顧客基盤を2倍以上に拡大し、2026年には約10,750社の企業が同社のソフトウェアとAIソリューションを利用しています。そのうち2,565社は年間継続収益(ARR)が10万ドル以上です。顧客基盤の半数以上は金融・製造・政府部門から来ており、顧客の約半数は米国に所在し、UiPathにとって最大の市場です。次いでインドと英国が続きます。同社は2025年に総ARR1.8億ドルを達成し、前年比11%増加しました。クラウドサービスのARRはさらに速く成長しており、年率20%の複利成長です。同社のビジネスで最も印象的な指標は、107%のドルベースのネットリテンション率です。これは、顧客がUiPathに留まるだけでなく、サブスクリプションビジネスで一般的に見られる自然な解約率を上回るペースでビジネスを拡大していることを示しています。別の印象的な指標は、粗利益率83.2%と営業利益率31%で、2026年には従業員一人当たり最大404,565ドルの収益を上げるなど、ビジネスモデルの資本効率の高さを示しています。同社は真にグローバルで、4,000人以上の従業員の3分の2がリモートまたは多地域で勤務しており、米国、欧州、インドに多数の拠点が散在しています。UiPath の戦略急速な展開同社は成功したニッチを見つけ次第、非常に積極的なグローバル展開戦略で成長しました。その攻めの姿勢は、経営陣がチンギス・ハーンからインスピレーションを得ているほどです。「当時、ダニエルが3500万ドルから2億ドルへ成長する計画を提示した取締役会のことを覚えています。非常に、非常に攻めの成長計画でした。チームに冗談で、我々の戦略はチンギス・ハーンの戦略のようだと言いました。彼らは中国を征服したとき、軍が中国軍より速く、すべての都市を制圧し、追いつかれなかったのです。だから私の戦略はこうです:行こう、広げよう、どこで効果があるか見て、そこに注力しよう、というものです。」Daniel Dines – UiPath Co-founderこの戦略は現在も継続しており、例えばUiPathは医療市場への参入を急速に進め、病院や診療所の医療記録要約、請求却下防止と解決、事前承認などの機能支援を行っています。UiPath の自動化を超えてRPAでの成功を基盤に、UiPathはより効率的なビジネスプロセスだけでなく、繰り返し行われるホワイトカラー業務の自動化も提供します。また、経営陣がデータと販売プロセスを体系化する手段も提供します。これにより自動的に監査可能なデータセットが生成され、コンプライアンスコストが削減されます。これは、金融、製造、政府といった高度に規制されたセクターでのUiPathの商業的成功に大きく寄与しています。2026年に金融犯罪コンプライアンス向けAIエージェントの先駆者であるWorkFusionを買収したことで、UiPathはコンプライアンス分野での重要な貢献をさらに強固にしています。「UiPathは、私たちが単独で成長できる以上の規模を提供し、私たちの本質である人々、製品、ミッションを失うことなく成長させてくれます。共に、私たちは単一企業を超える何かを創造しています:金融犯罪コンプライアンスを近代化しているのです。」Adam Famularo – CEO of WorkFusion経営者の利用や監査向けに生成されたこのデータは、UiPathを非常に有用なツールにし、ソフトウェア会社のゴートゥーマーケットパートナーとして活動するコンサルティング・監査会社からしばしば推奨されています。このように、UiPathは自社の販売活動だけでなく、大企業がプロセスや業務改善のために信頼する重要なパートナーとの卓越した評判からも成長しています。これには、Cognizant、PWC、Deloitte、Infosysといった主要なコンサルティング、会計、HR企業が含まれます。UiPathは、既存のマーケットプレイスにもRPAとAIエージェントツールを適応させており、例えばSalesforceのAgentExchangeのような大規模プラットフォームと自動的に統合し、UiPathソリューションは「自動化、AIエージェント、ヒューマンインタラクションを統合し、スムーズでエンドツーエンドのビジネスプロセスに変換」しています。また、既に確固たる評判を持つビジネス領域で、業界特化型ソリューションを多数展開しています。例えば、2026年3月に小売と製造に特化した複数のAIエージェントをリリースしました。その内容は以下の通りです: UiPath ソリューション(商品構成最適化):売上データ、パフォーマンストレンド、需要シグナル、在庫状況を分析し、製品ラインナップを最適化します。 UiPath...
-

2026年4月17日
著者 Jonathan Schramm
主権AIデータセンター:新たな戦略的備蓄
By Jonathan Schramm経済システムがますますデジタル化する中で、直接的に制御する重要性が多くの国にとってますます明らかになっています。しばらくの間、これは支払い・銀行システム、ソーシャルメディア、検索エンジンなど、国家にとって最も重要なソフトウェアの管理を推進する形で現れました。この傾向は、主に中立的なシステムであった米国など主要国のデジタルサービスが、地政学的なレバレッジとして利用されるようになるため、ますます重要になっています。たとえば、SWIFT決済システムは、ロシアやイランといった米国と対立する国々に対する制裁の主要なツールへと徐々に転換されています。AIがソフトウェアや検索エンジンをすぐに置き換え、重要なデジタルインフラとなるにつれて、デジタル主権の問題は急速に進化しています。AIが直接ソフトウェアを自動生成できる(時に「バイブコーディング」と呼ばれる)ようになると、十分なAI能力を持つことが国家のデジタル主権をさらに高める助けとなります。したがって、今日最も重要な問いは主権AIインフラストラクチャです。AI開発の初期段階では、主な制約は計算能力と必要なハードウェアであり、GPUは供給不足で半導体産業は追いつくのに苦労していました。メモリハードウェアの供給など、一部の不足は徐々に解消されつつありますが、完全に解決されたわけではありません。しかし、ますます大規模なAIデータセンターが建設されるにつれて、新たな制約が浮上しています。それは、エネルギー供給という、短期間で解決が難しい問題です。したがって、AIデータセンター企業だけでなく、ほとんどすべての国が、信頼性の高い低炭素エネルギー源を迅速に確保することが緊急課題となっています。グローバルクラウドの死グローバルクラウド = グローバルリスク最近まで、世界のほとんどは米国のITインフラをクラウドコンピューティングのニーズに利用してきました。中国企業のAlibabaとHuaweiを除けば、全世界のクラウド市場シェアのわずか6%しか占めておらず、2025年の世界トップクラウドインフラプロバイダーはすべて米国企業でした。これは、特に米国とその同盟国との間で地政学的な不安定性が高まる中で、ほとんどの国にとって大きな脆弱性を生み出します。たとえば、グリーンランド支配を巡る最近の争い、欧州諸国のイスラエルに対する立場、イランへの空爆に欧州軍事基地を利用することや、ホルムズ海峡での貿易護衛に欧州艦船を派遣することなどが挙げられます。中東でイランの攻撃により、Oracle、OpenAI、Oracleのデータセンターが停電した事例が示すように、海外のデータセンターは実際の被害から安全とは言えません。このような文脈では、機密性や戦略的価値の高いデータは、国家の地政学的立場に関係なく、海外にホストすべきではないかもしれません。これは、医療、金融、軍事といった国家データベースだけでなく、大企業の商業データにも当てはまります。主権クラウドの台頭このトレンドの証拠として、カナダは2026年4月に新たな「主権AIコンピュート」イニシアチブを開始しました。このイニシアチブは、カナダ主権AIコンピュート戦略の一部であり、カナダ国内のみの利害関係者が直接所有する独立したAI計算能力の創出を目指しています。「これらのシステムはカナダのデジタルバックボーンの核心部分となり、医療、エネルギー、先端製造、科学的発見といった分野でのブレークスルーを可能にします。これによりカナダの世界競争力が強化され、世界トップクラスの研究が支援され、カナダのイノベーターに対して安全で信頼できる重要なデジタルインフラへのアクセスが確保されます。」カナダのAI戦略は3本の柱で構成されています: 民間セクター投資の動員。政府がすでに投資した7億ドルに加えて、民間資金が補完されます。 公共スーパーコンピューティングインフラの構築。主権AIコンピュートイニシアチブに焦点を当て、既存の公共計算インフラを拡充するために2億ドルの短期投資を行います。 AIコンピュートアクセス基金、3億ドル規模の基金で、民間企業に対しAI計算能力へのクレジット形態で補助金を提供します。 一方、EU全体は2015年4月から「€2000億 AIコンチネントアクションプラン」を展開しています。これには、複雑なAIモデルの訓練と開発のための5つのAIギガファクトリーの建設と、今後5〜7年でEUのデータセンター容量を3倍に拡大する計画が含まれます。2025年10月、EUは「AI適用戦略」を発表し、10の主要産業でAI導入を促進します: 医療・製薬 モビリティ、輸送、車載ロボティクス 製造業 エンジニアリング・建設 気候・環境 エネルギー 農食産業 防衛 安全保障・宇宙 電子通信、文化、クリエイティブ、メディア部門 したがって、かつては中国やロシアなどが主導していた主権クラウドとAI計算能力の構築が、2025年・2026年には米国のテックジャイアントやグローバルクラウドハイパースケーラーから独立した形で、主要な経済ブロックや先進国でも進められるようになっています。SMR:ベースロードソリューションAI = エネルギーこれらのAIデータセンターを稼働させるには、安定かつ信頼できるエネルギー供給が必要です。以前は、国内の電力網が十分であると考えられていました。しかし、「エネルギー‑コンピュートパラドックス」または時にAIエネルギーパラドックスと呼ばれる新たな現象がこの前提に挑戦しています。これは、AIのエネルギー効率を向上させると、総エネルギー消費が減少するどころか大幅に増加するというものです。この現象の核心は、ジェボンズのパラドックスと呼ばれる経済現象のAI版です。AIの効率が上がりコストが下がると、AI駆動ソリューションへの需要が増大し、結果としてエネルギー需要も増加します。つまり、効率的なAIほど、より多くのエネルギーが新たに拡大するAIシステムを支えることになるのです。その結果、AIの電力需要は国内電網のアップグレード速度の10倍で拡大しています。したがって、はるかに多くのエネルギー供給を追加する必要があります。たとえ追加電力が電網に組み込まれたとしても、電網を通じてデータセンターへ電力を供給するための新しい送電線や変圧器が十分に速く建設されないという課題があります。AIデータセンターの核オプション理想的には、再生可能エネルギーをさらに大規模に導入すれば、Tier 4 データセンターに炭素フリー電力を供給できるはずです。しかし、実際には太陽光設置に必要な面積や風力発電の立地制約により、電力網の飽和は深刻な問題のままです。電力網の混雑は現在、データセンター展開の主要なボトルネックとなっています。テキサス州では、CenterPoint Energyが大規模負荷接続要求が700%増加したと報告しており、2023年後半から2024年後半にかけて1GWから8GWへと拡大しました。ComEd、PPL、Oncor といったユーティリティも、過去の最大ピーク需要を上回るGW規模のデータセンター申請を報告しています。Camus Energyさらに、AIデータセンターは24時間365日の稼働と高品質な電力供給が求められるため、再生可能エネルギーの変動性が別の問題となります。巨大なバッテリーパークの導入は依然として高コストで供給が限られており、この課題を完全に解決するには不十分です。このため、AIブームは核エネルギーセクターのルネサンスも同時に引き起こしています。具体的には、建設が迅速で革新的な設計が可能なSMR(小型モジュール原子炉)が注目されています。SMRはGW規模のデータセンターに供給できる適切な出力範囲にあり、モジュールの追加・削除で正確な電力容量を調整できる点が大きな利点です。これは、産業用途向けのオンサイト発電に最適であり、従来の大型原子力発電所は電網への供給に特化しているため、個別のデータセンターへの直接供給には不向きです。低炭素排出という特性と相まって、SMRはAIデータセンターに電力を供給する理想的な選択肢となります。(当記事に関連するSMR技術の詳細は「AIのエネルギー危機が核SMR投資ブームを加速させる」をご覧ください。)「コンピュート‑GDP」相関AI技術が進歩すればするほど、国家レベルでの経済成長の原動力となります。これは、各国が自国のAI戦略を迅速に策定すべきという強力な根拠となります。国内のAIインフラにも同様のことが言えます。データセンターとそれを支えるエネルギー生成に何十億、あるいは何兆もの資金が投入される中で、各国はこの投資の大部分を自国経済内に留めたいと考えるのは自然です。実際の結果は国によって異なるものの、一般的に「主権」コンピューティング容量への投資は3対1の経済乗数効果をもたらすと考えられています。つまり、データセンターや専門的AIハードウェアへの1ドルの投資が、国内総生産(GDP)において3ドル相当の広範な経済活動を創出します。この要因の一つは、AI導入自体がもたらす生産性向上です。労働者の効率が上がり、システム全体がより効率的になることで、付加価値が高まります。また、AIは高度な資格と高収入の雇用を多数創出し、未開発地域や遠隔地に活力をもたらす可能性があります。もう一つの要因は、ソフトウェアとは異なり、AIインフラは物理的な投入物と労働力を大量に必要とする点です。建設から運用までの全工程が地域・国家経済に還流します。主権クラウド特有の要因として、国内AIインフラの信頼性と安全性が高まることで、AI導入速度が加速し、民間投資が促進され、リスクが低減します。これらすべてが国家経済とそこに存在する企業の競争力向上につながります。主権AIインフラの未来これまで、グローバルクラウドインフラは米国企業が支配してきました。これは、米国のソフトウェア支配力、先行者利益、そして米国市場とウォール街の資金力が企業成長に与える自然な優位性によるものです。しかし、クラウドとAIインフラが拡大するにつれ、規模の経済が中国や米国ほど大きくなくても、多くの中小規模国がそれを実現できる臨界質量に達しています。さらに、デジタル主権の重要性が認識され始めたことで、主要国は自国のITインフラ、特にAI能力の管理権を取り戻す動きを加速させています。その結果、EUはもちろん、カナダ、日本、韓国などの先進国も、主権AIインフラの構築を段階的に推進する可能性が高まっています。ブラジルのような比較的発展途上の国でも、すでに国内決済システムPixで完全に自立しており、トランプ前大統領による一時的な攻撃を受けたほどです。「米国通商代表部は米国議会への報告書で、PIXは米国企業に対して不公平な優位性を持っていると指摘しています。これはブラジル中央銀行が運営・監督しているためです。また、ブラジル政府はネットワーク使用料を課し、消費者の個人データを共有しないことで米国企業を不利にしています。」これにより、米国のハイパースケーラーは将来的に国際的な成果がやや鈍化する可能性があります。なぜなら、各国の選択肢が米国企業にとってますます危険な競争相手になるからです。しかし、AIの電力需要は米国支配型でも、分散型の主権AIインフラでも、今後も増大し続けることは確実です。主権AIとエネルギー‑コンピュートソリューションへの投資BWX...
-

2026年4月15日 著者 Gaurav Roy
M2Mエコノミクス:AIエージェントと機械支払いの未来
By Gaurav Roy人工知能(AI)は、さまざまな業界でますます多くの企業に浸透しています。データによると、組織の88%がAIを使用していることが分かり、2022年の50%から増加しており、2030年までにこの技術は$15.7兆の世界経済への貢献が予測されています。採用が加速するにつれ、先進的な機械学習によって駆動されるシステムの役割は、限定的な支援的役割から商取引、金融、物流、その他の産業への深い組み込みへと変化しています。これらのAIシステムは、情報に基づく意思決定とリアルタイムでのワークフロー最適化により、効率性を向上させ、コストを削減し、オートメーションを可能にします。しかし、これらは人間に依存しています。この依存は現在、より大きな自律性へと進化しています。技術とその採用が成熟し続ける中で、深遠な変化が現れています。AIはもはや単なるツールではなく、経済的主体となりつつあり、Machine-to-Machine(M2M)エコノミクスが生まれています。この変化の中心にあるのは、AI「エージェント」と呼ばれる自律的なソフトウェアエンティティで、いくつかの重要な要素からなる基盤アーキテクチャ内で動作します。その核心はモデルであり、エージェントが意図を理解し、目的の結果を達成するためにアプリやシステム全体で取るべき手順のシーケンスを提供します。次に、これらの手順を実行するには、在庫ツール、物流プラットフォーム、決済ゲートウェイとの安全な統合が必要で、エージェントは注文の発注、配達のスケジューリング、返金の発行などの操作を行えます。これを支えるのがカスタマーデータプラットフォーム(CDP)で、ユーザーの好み、サービス履歴、同意情報を保存し、製品とポリシー間の関係をマッピングするナレッジグラフと共に、エージェントが推測ではなくコンテキストに基づいて動作できるようにします。時間が経つにつれ、クリック、コンバージョン、苦情といったインタラクションからの強化学習により、エージェントはどの行動がより良い結果につながるかを学習し、体験の信頼性が向上します。これらの層が連携したシステムを構成し、成功するエージェント型コマースを可能にします。AIエージェントは単に支援するだけではなく、意思決定を行い、タスクを実行し、他のシステムと相互作用しますが、人間の監督は最小限、あるいは全く必要ありません。さらに注目すべきは、これらの能動的で成果志向のエージェントが、互いに製品やサービスの売買を行えるようになったことです。あるAIモデルはクラウドプロバイダーに計算リソース代金を自動で支払い、別のモデルはAPIアクセスを交渉します。彼らはリソースを割り当て、コストを自律的に最適化します。NvidiaのCEO、Jensen Huangによれば、これらのAIエージェントは多くの産業に対して「数兆ドル規模の機会」を創出できるとし、彼らを「新しいデジタル労働力」と呼んでいます。「AIエージェント時代が到来した」と、Huangは2025年のCESで発表しました。これは、小売大手のWalmartがAIエージェントを活用してパーソナルショッピング体験を自動化し、商品計画を支援している例で見られます。金融大手のJPMorgan Chaseでさえ、詐欺検出、金融アドバイス提供、法務・コンプライアンスプロセスの自動化にこれらを活用することを検討しています。一方、Google、Microsoft、IBM、Salesforceは、エージェント型AI機能を自社のソフトウェアプラットフォームに直接組み込んでいます。現在目の当たりにしているのは、機械が単なる参加者ではなく、自律的な買い手・売り手としてユーザーやシステムに代わって活動する経済の初期形成です。AIが経済主体として:デジタルマネーでの売買AIエージェントが取引を開始すると、問題は「どのように支払うか」です。従来の金融システムは人間中心に設計されているため、これらの機械には機能しません。手動承認、実際の出席、人間の身元確認基準、銀行の営業時間といった要件は、自律的でリアルタイムな機械間インタラクションには適合しません。AIエージェントに必要なのは、プログラム可能で、グローバルに相互運用可能、かつ常時利用可能な決済システムです。ここでデジタル通貨が登場します。ステーブルコインは、米ドルなどの資産に価格を連動させて価値を安定させるよう設計された暗号通貨の一種で、機械間取引に特に適しています。まず第一に、ステーブルコインはプログラム可能であり、取引にインテリジェンスを組み込み、AIエージェントが必要とするものそのものです。つまり、ロジックやルール、条件を資金の移動に直接組み込むことができます。スマートコントラクトを通じて支払いを自動的に実行できることで、ステーブルコインはAIエージェントが条件付き取引を行えるようにします。例えば、サービスが提供されたら自動で資金を解放したり、リアルタイムの状況に応じて支出を調整したりしますが、これは従来の銀行システムでは支援が困難です。USDTやUSDCといったステーブルコインは即時決済も提供します。従来システムが数時間から数日かかるのに対し、ブロックチェーンベースの取引は数秒、場合によっては数分で決済されます。リアルタイムで動作するAIエージェントにとって、この速度は不可欠です。さらに重要なのは、ステーブルコインは国境を越えて利用できることです。AIエージェントが国境に縛られないことで、通貨換算や規制上の遅延を排除し、スムーズでシームレスな国際送金を実現します。さらに、許可不要のブロックチェーンネットワークは常に稼働しているという事実があります。暗号領域では週末や祝日が資金の流れを制限することはありません。24時間365日稼働することで、ステーブルコインは営業時間に縛られない自律システムと完全に合致します。これらの利点により、AIエージェントは数センチの一部という極小額でも支払えるマイクロトランザクションが可能になり、支払い摩擦が原因で実現できなかった新たなビジネスモデルが開かれます。ドル未満の取引では、従来の支払い経済はあまり意味を持ちません。VisaやMastercardといった銀行や決済プロセッサは取引ごとに固定手数料を課すため、少額送金は経済的に成立しません。したがって、第2位のステーブルコインUSDCを発行するCircleは、機械取引向けに特化した独自の決済システムを現在構築しています。先月、同社はナノペイメントを開始し、エージェントは新しいArcブロックチェーン上で手数料なしでUSDCで$0.000001という極小額を送金できるようになりました。ステーブルコインは広く採用されています。2025年には、ステーブルコイン全体の取引量が$33兆に急増し、採用は暗号取引者を超えて拡大しました。ある報告書によると、世界の金融リーダーの33%がすでにステーブルコインを事業運営に使用しており、驚くべきことに86%が今後数年で導入を検討しています。したがって、「デジタルドル」を使用することで、AIエージェントはほぼ瞬時に、24時間365日、グローバルに取引できるようになります。「まもなく、取引を行うAIエージェントの数は人間を上回るだろう」と、CoinbaseのCEOブライアン・アームストロングはXの投稿で述べ、彼らが銀行口座を開設できないことを指摘しました。「しかし、暗号ウォレットは所有できる」と付け加えました。そして、これが暗号取引所が「全社的にAIファーストの考え方へ」移行している理由であり、アームストロングが最近共有しました。これには、CoinbaseがインキュベートしたBaseが含まれ、エージェントはオンチェーンでミニビジネスのように動作し、L2をエージェントネイティブにすることを目指しています。次に、暗号ベンチャーキャピタルのParadigmが、主流金融企業のStripeと提携し、グローバルな支払い、マイクロトランザクション、AIエージェント向け決済をステーブルコイン優先の設計で処理する「Tempo」という決済特化型ブロックチェーンを立ち上げました。これらすべての開発は、重要な新しい経済層を形成しており、McKinseyは2030年までに消費者取引で3〜5兆ドルを仲介できると予測しています。AIエージェントは新たな顧客層としてAI技術の進歩とM2Mエコノミクスの拡大により、AIエージェントが新たな顧客タイプとして浮上しています。人間の消費者とは異なり、これらのエージェントは疲れたり飽きたりすることなく継続的に稼働します。また、感情や気分の影響を受けずに永続的に動作できます。意思決定は感情ではなく、データと最適化に基づいています。さらに、この新しい顧客層はコストと効率性を最優先し、即座にスケールできます。AIエージェントは少数のタスクから大量の処理へと非常に速く、ほとんど追加労力なしで拡大できます。これらの要因は、経済における需要パターンを根本的に変えるでしょう。これまで、企業は人間を主な対象としてきましたが、もはやそうではありません。現在、機械が消費することを前提に、API、データフィード、コンピュートサービスなどの製品やサービスを設計し始めています。つまり、人間向けのマーケティングではなく、アルゴリズム選択に最適化された提供物にシフトし、AIエージェントが意思決定する際に最速、最安、最も信頼できるオプションとなるように企業はサービスを調整します。「これは、投資環境や製品開発に対する考え方を大きく変えます。今や本当にエージェント優先で考え、顧客の大半が人間ではなくエージェントになると想定しなければなりません。」– Matt Huang、Paradigmのマネージングパートナーこの文脈では、プログラム可能なデジタル決済の役割がさらに中心的になります。そして、AIエージェントが高速で低コスト、プログラム可能な資金を必要とする中で、ステーブルコイン業界はそのユースケースを見出しました。Pantera Capitalの創設者で5億ドルのデジタル資産を管理するダン・モアヘッドによれば、AIは金融取引に暗号通貨を使用せざるを得ません。AIエージェントは現金を扱えないからです。また、最終的にどの企業がAIレースで勝っても、資金移動にはブロックチェーンインフラが必要になると彼は考えています。ステーブルコインはエージェント型コマースを可能にする有望さを示していますが、依然として課題に直面しています。「ほとんどの人はステーブルコインのウォレットを持っていません」と、Visaのグローバル成長責任者ルバイル・ビルワドカーはBloombergに語りました。この物語的勢いとインフラ実態のギャップは、スケールで動作するエージェントにとって深刻です。「ステーブルコインがエージェント世界で受ける非常に価値ある注目と、実際の現実を分けることが極めて重要です」とビルワドカーは付け加えました。インフラのギャップは課題の一部に過ぎません。規制の不確実性も同様に大きく影を落としています。AIエージェントの法的ステータスは未定義であり、エージェントが法違反やエラーを起こした際の責任は誰にあるのかといった責任問題は未解決のままです。また、取引を開始・処理する主体がプログラムであり人間でない場合、マネーロンダリング防止(AML)規制への準拠が困難になります。しかし、ステーブルコインに関しては、EUの暗号資産市場(MiCA)枠組みがステーブルコイン発行者に厳格な準備金要件を課すなど、明確さが増しています。米国ではGENIUS法が米ドル連動ステーブルコインの連邦規制枠組みを確立しました。これらの展開により、暗号企業は規制遵守が可能となり、決済における大規模な採用が進み、ステーブルコインはニッチ資産から主流の金融インフラへと移行しています。自律的な契約と決済を可能にする技術AIエージェントが新たな大規模顧客層となる中で、問題は支払い方法だけでなくインフラにも及びます。AIエージェントが経済に完全に参加するには、合法かつ安全に取引できる必要があり、新たな技術的・法的基準が求められます。これを可能にする主要なイノベーションの一つは、AIエージェントがサービスを発見し、条件を交渉し、支払いを実行できるプロトコル群です。インフラ層は現在、AnthropicのModel Context Protocol(MCP)やOpenAIのAgentic Commerce Protocol(ACP)など、いくつかの新興プロトコルによって構成されています。 主要領域 現状 システムの焦点 重要性 AI導入 AIは現在、商取引、金融、物流、エンタープライズソフトウェア全般に広く組み込まれています。 支援ツールから自律的で成果志向のエージェントへのシフト。 機械が独立した経済参加者として行動し始めることを示す。 エージェントアーキテクチャ エージェントは依然としてモデル、ワークフロー、構造化されたビジネスコンテキストに依存しています。 モデル、統合、CDP、ナレッジグラフを組み合わせる。 エージェントが信頼性のある意思決定とタスク実行を可能にする。 学習ループ パフォーマンスはクリック、コンバージョン、苦情、その他実世界のフィードバックにより向上する。 強化学習を用いて将来の行動を洗練する。 エージェント型コマースの信頼性が時間とともに向上する。...
-

2026年4月7日 著者 Daniel Martin
原子工学: 新しいAIチップが1300°Fの熱バリアを突破
By Daniel Martin現代のコンピューティングの基盤は、静かだが決定的な熱の壁に直面しています。何十年もの間、私たちはシリコンベースのチップに依存して世界のデータを処理・保存してきました。これがノートパソコンの動作方式であり、グローバルインターネットを支えるサーバーが稼働し続ける仕組みです。しかし、より強力な人工知能や過酷な環境への探査を推進するにつれ、標準的な電子機器は物理的な融点に近づいています。この転換は、シリコンが失敗する場所でも生き残れる「極端環境」電子機器への大きな文明的シフトを意味します。解決策は、原子レベルの工学: 高温メムリスタにあります。先進的な界面工学を活用することで、科学者は他のデバイスが蒸発するような環境でも動作するメモリーデバイスを作り出しました。これらの部品は特殊なセラミック層と耐久性のある電極で構成されているため、従来のハードウェアが溶けてしまうような高熱でもデータを保持し計算を実行できます。現在、この技術は実験室を超えて、エンジニアリング: 最も根深いボトルネックの一つである、地球上およびそれ以外の最も過酷な条件で機能的インテリジェンスを提供する課題を解決しつつあります。700°Cのマイルストーン: 熱バリアの突破エンジニアは最近、ジャーナルScienceに掲載された新しいクラスのチップ1で可能性の境界を押し広げました。現在のハイエンド電子機器は150°Cを少し超える温度で故障し始めますが、この新デバイスは700°C(1300°F)でも完全に動作し続けました。視覚的に言えば、これは溶岩の熱を超える温度であり、ナノスケールの部品に対して以前は到達不可能と考えられていた耐久性の飛躍を示しています。これは自動化の未来に向けた大きな前進です。金星の表面やジェットエンジン内部を模した環境でこれらのチップをテストすることで、研究者はデータ保存に大型の冷却システムが不要であることを実証しました。しかし、熱耐性だけがこれらの小型デバイスが変革をもたらす唯一の領域ではありません。同じアーキテクチャが将来的に地上でのAIハードウェア構築方法を革命的に変える可能性があるという新たなデータも示されています。AI革命の基礎的ツールこれらの「メムリスティブ」システムへのシフトは、ハードウェア自体が人間の脳の効率性を模倣し始めるという広範な動きの一部です。熱に耐えるだけでなく、これらのデバイスはメムリスタとして機能します—情報を保存し同時に処理できる部品です。これにより、現在のコンピュータを遅くする「メモリ壁」が解消され、深宇宙ロボティクスから次世代AIに必要な大規模サーバーファームまで、あらゆる領域に影響を与えます。最もエキサイティングな成長分野の一つは、「ニューロモルフィック」コンピューティングの開発です。これらの小型メモリセルは、極めて高い効率で大規模な並列処理を可能にします。同時に、新しい界面工学技術が登場しており、材料層を極めて高精度で積層することで、高熱下でチップがクラッシュする原因となる原子レベルの「漏れ」を防止します。これらの進歩により、電子機器はこれまで不可能だったスケールと温度で「考え」そして「記憶」できるようになり、インテリジェンスが産業用炉や宇宙船エンジンの中心部に組み込まれる世界が実現します。極端な科学を産業の現実へ研究者が真空チャンバーでこれらの概念を実証している間に、産業界はすでにこの技術を商業部門に導入する方法を模索しています。研究では、エンジニアはこれらのチップが単に熱に耐えるだけでなく、むしろ熱の中で繁栄し、テスト装置の限界においても劣化の兆候を示さないことを実証しました。エネルギーおよび航空宇宙分野にとって、これは重いシールドから軽量で冷却不要なセンサーへとシフトすることを意味し、地熱掘削や高性能タービン内部での使用が可能になります。この新システムの美しさはその原子レベルの安定性にあります。特殊な層構造を用いることで、原子自体が激しい熱エネルギーで振動していても電気信号がぼやけることを防ぎます。これにより長期的なデータの完全性が保たれ、チップは高熱環境で数年にわたり動作し続けてもメモリを失わないことが可能になります。これは、従来の「ハード化」電子機器がしばしば遅く、高価で、突然の故障しやすいという問題に比べて大きな改善です。計算速度と電力の向上現代AIにとって最大の障壁の一つは、プロセッサとメモリ間でデータを移動させる際に大量のエネルギーが無駄になることです。このプロセスは熱を発生させ、結果としてコンピュータの速度を低下させます。研究チームが開発したメムリスタは、この二つの作業を同時に行うことで解決します。メモリセル内で直接計算を行うことで、システムは無駄な熱を減らし、従来のシリコンハードウェアに比べてはるかに高速に動作します。信頼性の低い環境での安定した性能高性能技術に対する一般的な不満は、その壊れやすさです。データセンターで冷却ファンが故障すれば、システム全体が数秒で破壊されてしまいます。新しいメムリスタ規模のシステムは、これらの熱スパイクに「免疫」を持つことでこの問題を解決します。これにより、ハードウェアははるかに信頼性が高く、火山モニタリングステーションや原子力発電所、惑星ランダーなど、修理やチップ交換が不可能なプロフェッショナルな環境でも容易に使用できるようになります。コンピューティングアーキテクチャの比較 チップ世代 一般的な用途 故障点 主な利点 標準シリコン 消費者向けラップトップ ~150°C (300°F) 低コスト生産 産業用ハード化 自動車 / 航空 ~250°C (480°F) 実証済みの信頼性 高温メムリスタ AI・宇宙フロンティア 700°C以上 (1300°F) メモリ内計算効率 セラミック界面...
-

2026年3月26日 著者 Daniel Martin
フュージョン‑AI ネクサス: なぜAIが無限のエネルギーの鍵なのか
By Daniel Martin私たちは現在、進歩のパラドックスを目の当たりにしています。人工知能は人類史上最大の生産性飛躍として称賛されていますが、その上昇は崩壊しつつある20世紀のエネルギーグリッドに物理的に縛られています。大規模言語モデル(LLM)に電力を供給するデータセンターは、中規模国家に相当する電力を消費しています。AIがその約束を実現するためには、存在的なボトルネックを解決しなければなりません: 現在のインフラが安定的に供給できる以上の電力が必要です。一般的な考えでは、私たちは壁に向かって進んでいるとされています。しかし、新たな思想の流派は、AIは単なる問題ではなく、解決策であると示唆しています。核融合などの技術開発を加速させることで、AIは実質的に自らの未来を支えるエンジンを構築しています。この共生関係、すなわち「フュージョン‑AI ネクサス」は、2026年の主眼がAIである一方、実際には二次的な技術であることを示しています。融合は未来を切り開く核心技術であり、AIはそれを最終的に征服するために使用する単なるツールです。 戦略的文脈: 2026年3月23日、報告が浮上し、OpenAIが核融合スタートアップHelion Energyから50ギガワットのエネルギー取引を確保するための高度な交渉を行っていることが明らかになりました。これはMicrosoft による画期的な電力購入契約に続くもので、テックジャイアントが融合の突破口に全ロードマップを賭けていることを示しています。 The Bottleneck: Why the AI Ascent is SlowingAI成長の数学は過酷です。現在、最先端モデルを1つ訓練するだけで、24時間稼働する数万台の特殊GPUが必要です。しかし、真のグリッドの静かな破壊者は「推論」フェーズ、すなわち数十億人が日常的にAIを使用する段階です。1回のAIクエリは従来の検索の10倍のエネルギーを消費します。2026年後半までに、データセンターは米国全体のエネルギーミックスのほぼ12%を占めると予測されています。私たちはすでにこの「エネルギー制限ボトルネック」の実態を目の当たりにしています。主要なテックハブでは、利用可能な電力不足によりプロジェクトが最大6年遅延しています。ベースロード発電の根本的な飛躍がなければ、「AIサマー」は銅と石炭インフラの物理的限界により早期に終わるでしょう。Fusion: The Answer AI is Searching For核融合—太陽にエネルギーを供給するプロセス—は長らくエネルギーの「聖杯」とされてきました。原子を分裂させ放射性廃棄物を残す核分裂とは異なり、融合は原子を結合させ、高密度の炭素フリー電力をメルトダウンのリスクなしに放出します。何十年もの間、冗談として「核融合は30年先で、常にそうだ」と言われてきました。しかし、この冗談はシリコンバレーのエリートにはもはや笑えません。サム・アルトマンなどのリーダーは、核融合がなければAIはグローバルな公益ではなく高級品になると認識し、数十億ドルを核融合スタートアップに投資しています。目標は「1セント/kWh」――エネルギーが極めて安価になり、人間の野望に対する制約とならなくなる時代です。The Modern Paradox: A Technological Chicken...
-

2026年3月23日
著者 Jonathan Schramm
IREN(IREN): グリーンビットコインマイニングからAIコンピューティングへ
By Jonathan Schramm過去数年間、最も重要なコンピューティングハードウェアはGPU(Graphics Processing Units)でした。GPUはビデオゲームやグラフィックレンダリングに使用されるニッチなハードウェアから、特にビットコインの暗号通貨マイニングにおいて最も効率的なツールへと変化しました。これによりGPUへの最初の需要波が生じ、業界リーダーであるNvidiaの地位が高まりました。しかし、GPUがAI計算にも最適なツールであることが判明し、すべてが変わりました。これによりNvidiaは世界で最も価値のある企業となっただけでなく、GPUを多く保有する企業すべてが高く評価されるようになりました。その結果、多くの暗号マイニング企業が部分的または完全にクラウドAIコンピューティングプロバイダーへと転換しました。良い例がCoreWeaveで、ビットコインマイニング事業者として成功裏にAIクラウドコンピューティング企業へと転換し、GPU中心の計算を小規模から大規模のAI企業に提供しています。(CoreWeaveに関する専用投資レポートをご覧ください。)同様のプロファイルを持つ別の企業がIRENです。ビットコインマイニング事業者でありながら、GPUの大規模取得と$9.7B AIクラウドMicrosoftとの取引に支えられたAIインフラ株へと変革しています。今後、IRENは世界のハッシュレートの5%を占める主要なビットコインマイニング企業であると同時に、クラウドAIのリーダーになることを計画しています。同社は野心的な成長目標を掲げており、業界の多くの専門家が予想したよりも容量拡大が困難で遅い時期に、AIコンピューティングの主要プロバイダーとなる可能性があります。IRENは事前に豊富なエネルギー供給を確保する戦略を取ってきました。IRENとは何か? 会社概要Iris EnergyからAIインフラへIREN(旧称 Iris Energy Limited)は、経験豊富な資金運用者であるダニエル・ロバーツとウィル・ロバーツ兄弟によって設立されました。ダニエルはMacquarie Groupの副社長、ウィルはインフラ資産6億ドルを管理するPalisade Investment Partnersの共同所有者です。二人は数年間暗号通貨の世界に足を踏み入れた後、2018年にIris Energyを設立して本格的に参入しました。現在、兄弟は多数の資金調達ラウンドを経て、会社の5%以上を直接所有しています。同社の重要なコンセプトは、ビットコインマイニングにおけるエネルギー消費と持続可能性の問題でした。そのため、再生可能エネルギーが豊富で、地域需要や蓄電容量を上回る場所を探しました。カナダ・ブリティッシュコロンビア州のカナルフラッツで、紙パルプ工場の閉鎖によりエネルギー消費が大幅に減少し、同時に水力発電の大規模な増設が進んでいたため、未使用の容量と高い電力価格が生じていることが分かりました。すでに一部の投資家がこの機会を捉えて現地にデータセンターを建設しており、ロバーツ兄弟がそれを買収しました。「そこで私たちは『この電力を使い切ります。市場価格で電力を支払い、電力価格を下げる圧力をかけます』と言いました。」Daniel Roberts – IREN Co-Founderこのベンチャーは、産業衰退に苦しんでいた小さな農村コミュニティにも活力を取り戻させました。「彼らは最初から非常に責任ある企業市民であることを証明しており、非営利団体に年間10万ドルのコミュニティ助成金を提供しています。そのような資金は、苦境にある小さなコミュニティにとって大きな支援となります。」Joan Atkinson – Mackenzie mayor同様の手法は他の地域にも適用されました。例えば、テキサス州のChildress郡は32GWの風力・太陽光容量を有していましたが、ダラスやヒューストンへ電力を輸送する送電線は12GWしかありませんでした。この余剰エネルギーはビットコインマイニングに安価に利用でき、当時IRENは電力を受け取ることで報酬を得ていました。「2023年8月、ビットコインの採掘コストは1枚あたりマイナス28,000ドルでした。電力を受け取っていたためで、そしてそのビットコインをさらに28,000ドルで売却しました。」Daniel Roberts – IREN Co-FounderIRENは2021年11月にNASDAQに上場しました。その時はビットコイン価格が史上最高値に達しており、その後の暴落が続きました。その直後、AI市場への参入を狙い、さらに多くのGPUを注文し始めました。最初の取引はPoolside AIとのもので、以降も続きました。現在、Microsoft、Together.ai、Fluidstack、Fireworks AIなど、最大手企業と提携しています。しかし、同社は依然として暗号通貨事業にも携わっており、100%AI市場へ転換した他の暗号マイナーとは明確に異なります。2023年1月、Iris...
-

2026年3月20日
著者 Jonathan Schramm
Visa、エージェント主導のコマースを新プロトコルで受け入れる
By Jonathan Schramm現代インターネットアーキテクチャの始まりから、eコマースとオンライン経済の前提は比較的一貫してきました:広告、検索、またはソーシャルメディアがウェブサイト/アプリへトラフィックをもたらし、顧客は価値のあるものを見つけて購入・サブスクライブ・フォローなどを行います。AIの台頭により、これはすぐに変わる可能性があります。人が書いた検索に応じて自動システムが発見を行うだけでなく、AIエージェントがタスクを実行し、オンライン購入まで行うようになると、デジタルインタラクションへのアプローチが根本的に変わります。現在、多く、あるいはほとんどの品目やサービスがオンラインで購入されているため、将来的に経済構造が根本的に変わる可能性があります。 この画像は、eコマースプラットフォームだけでなく、支払いシステムにとっても大きな転換点を示しています。なぜなら、今後は人間だけでなくAIエージェントからの注文とそれに伴うリスクも処理しなければならなくなるからです。この正確なトピックは、当社の記事「AIエージェントコマースへの8兆ドルシフト」で詳細に議論しました。また、AIエージェントの影響については「エージェンティックAI:次の兆ドル規模の効率化プレイ」でも取り上げています。このため、Visaのように世界の支払いの大半をネットワークとクレジットカードで処理している企業にとって、関心と懸念が急速に高まっています。たとえば、Visaの競合であるMastercardは暗号通貨とステーブルコインの採用に向けた積極的な動きを見せています。これは、長年の抵抗と足踏みの後、ほとんどの金融機関が新しい金融技術を完全に受け入れつつあることと一致する重要な変化です。Visaのエージェンティック時代に対するビジョン2026年3月17日の出版物で、Visaのチーフ・プロダクト&ストラテジー・オフィサーであるJack Forestellは、AIエージェントに関する同社の見解を説明し、戦略が4つの柱に基づいていると述べました。最初の柱は、AIエージェントが購入時の摩擦を減らすことです。遅いウェブサイトや不明瞭な指示、あるいは人間の購入者の注意散漫がエージェントによって軽減され、潜在的な購入成功率が上昇します。「成功率が上がれば、取引量も増加し、消費者やマーチャント、発行者、そして広範なエコシステム全体に利益がもたらされます。」もう一つは、過去10年間で固定手数料が消失または低減したことにより、取引がますます小額化する長期的なトレンドです。たとえば、かつては数百ドルの一括購入だったソフトウェアが、月額の小額取引に置き換わっています。「エージェントはこのトレンドを加速させ、購入をより小さな取引に分割し、消費を月や年単位ではなく、時間、分、さらには秒単位で価格付けできるようにします。」さらに重要なのは、B2B取引における支払いプロセスです。現在、企業間の請求書支払いは非常に遅く非効率的で、見積もりや請求データ、承認、署名などのメールやり取りに日々、場合によっては数週間を要します。AIエージェントが意思決定を行えるようになると、特に既に検証済みの関係や、パートナーオンボーディングのような労働集約的タスクにおいて、これらはすべて変わる可能性があります。「エージェントはサプライヤーのオンボーディング、請求書発行、照合、支払い実行における摩擦を除去し、規模でのデジタル化を加速させます。」最後に、VisaはAIエージェントとAI全般が広範な経済に影響を与えると見込んでいます。取引がより効率的になり、意思決定がよりインテリジェントかつ自動化されることで生産性が向上し、結果として経済成長が「すべての船を上げる」形で取引量を増大させます。取引量の増加は、Visaのような仲介業者にとっての主要な成長源です。「エージェンティックシステムから得られる効率向上は、世界GDPを実質的に拡大させる可能性があり、GDPが成長すれば支払いエコシステムもそれに伴って成長します。」AIエージェントは史上最速の技術採用曲線の一つを描いており、数十年前にPCユーザーがインターネットを採用した速度と比べてもはるかに破壊的になる可能性があるため、Visaにとっては緊急の課題です。AIエージェント向け決済の構築適切なプロトコルの設定Visaは、AIエージェントが多く、あるいはほとんどのオンライン購入を実行するシフトを受け入れる立場を取っています。公平に言えば、同社はデジタルと法的インフラを提供し、インターネット初期と従来の銀行をつなげることで、オンライン購入を主流にした柱の一つでもありました。「我々の歴史を見ると、複雑性とリスクが増大するたびに、商取引の各フェーズで基盤技術を構築し、技術を継続的に適応させてきました。eコマースでの新しい認証方法や、モバイルコマースでのトークンによるセキュリティ向上を実現しました。」しかし、AI企業が独自の標準を急速に開発し、AIエージェントの安全な利用を可能にしようとする中、この領域はすぐに混雑する可能性があります。たとえば、Model Context Protocol (MCP)は、Anthropicが2024年末に導入したオープンソース標準です。また、Agentic Commerce Protocol (ACP)はStripeとOpenAIが開発しました。過去1年間で、米国の小売ウェブサイトへのAI駆動トラフィックは4,700%以上急増し、AIを利用して買い物をした85%の消費者がショッピング体験が向上したと回答しています。このため、Visaは自社の「Visa Intelligent Commerce and Trusted Agent Protocol」を開発し、Visaの信頼できるインフラ上により優れたエージェンティックプロセスを構築することを目指しています。Visaのエージェントプロトコル戦略Visaのエージェントプロトコルの目標は、既に世界の支払いエコシステムの大部分を所有しているという固有の優位性を活かし、ほぼ即座にスケールアップできる準備済みシステムを提供することです。最終的に重要になるのは、VisaがAI企業や開発者に自社プロトコルの使用を主に促すか、少なくともエージェントがそれに対応できるようにすることで、業界で認知された確立された標準になるよう説得することです。「商取引エージェントを構築する場合、エージェントは消費者に代わって行動し、消費者の好みに合わせる必要があります。実験的なものではなく、リーチ、セキュリティ、信頼を提供する支払い方法を求めるでしょう—Visaのコア強みです。」このビジョンの下、Visaは単に支払いを促進するだけでなく、AIエージェントによる支払いの採用を加速させる重要な役割を果たします。同社はそのルーツと確立された評判に忠実であり、ユーザー体験だけでなく信頼性と安全性に重点を置いています。「我々は、支払いエコシステム全体が、販売者がAIエージェントを最高の顧客やネットワークと同等に信頼できるようにする責任があると考えています」 Jack Forestell – チーフ・プロダクト&ストラテジー・オフィサー at Visa Visaのエージェントプロトコルの解説Visaは、AIエージェントを支払いに組み込む問題に両面から取り組んでいます。一方では、プロトコルはウェブサイトや支払いボット検出システムを管理する必要があります。これまで自動化された活動は原則として悪意があると見なされていましたが、正当なエージェント取引と脅威を区別できるようにする必要があります。他方では、エージェント主導のゲストおよびログイン済みチェックアウトをサポートし、消費者がエージェントの行動を理解し、制御し、可視化できるようにする必要があります。“過去1年間、販売者、発行者、パートナーと緊密に協力し、エージェントが開始する取引が現在の支払いと同様にシームレスで安全であることを確保してきました。” Jack Forestell – チーフ・プロダクト&ストラテジー・オフィサー...
-

2026年3月17日 著者 Gaurav Roy
スペース 2.0: 自律ロボットとAIの台頭
By Gaurav Roy人類が星の向こうの世界をより深く理解する必要性は、画期的な成果につながってきました。この宇宙への関心が、アポロ11号の月面着陸などのマイルストーンを達成させ、人類が地球を超えて初めて踏み出すこととなりました。この大きな一歩により、野心的で好奇心に駆られた宇宙探査の時代が始まりました。しかし、天体探査への道は決して容易ではありませんでした。実際、放射線の高レベル、極端な温度変動、真空状態、機械的故障、未知の環境に伴う不確実性など、宇宙の危険にさらされることで人間に重大なリスクがありました。より安全で効率的なシステムが明確に求められ、ロボティクスと人工知能の開発・導入が進みました。これらの技術的進歩により、広大な宇宙を探査するためのより安全で確実な方法が提供されました。その結果、ロボットは現在、宇宙ミッションの重要な一部となっています。これらの機械は、人間にとって危険すぎる環境での主要な探査者となりつつあります。私たち脆弱な人間とは異なり、ロボットシステムは宇宙の過酷な条件に容易に耐えることができます。さらに重要なのは、疲れや飽きることなく継続的に稼働できる点です。そのため、NASAはロボットを広範に活用しています。例えば、Astrobeeのフリーフライングロボット(Bumble、Honey、Queen)を国際宇宙ステーション(ISS)の乗組員支援に使用しています。これらの立方体形ロボットは、物資の追跡、システムの操作、ビデオの記録などの日常的な作業を支援し、宇宙飛行士はより重要な作業に集中できます。しかし、それだけではありません。AIと統合することで、これらの機械はリアルタイムで膨大なデータを処理し、自律的に意思決定できるようになり、さらに強力になります。この分野の継続的なイノベーションは、これらの能力をさらに拡大することを目指しています。最近、中国のロボティクス企業Engine AIは、世界初のヒューマノイドロボット宇宙飛行士を宇宙へ送るという野心的な計画を発表しました。PM01は宇宙へ送られるヒューマノイドロボットです。この軽量でオープンソースのインテリジェントヒューマノイドプラットフォームは、人間に似た動きと高度なロボット知能を融合させています。バイオニック構造は人間の動きを模倣し、超高速の動作応答、高精度の環境センサー、そして自律的な意思決定機能を備えた高度にインタラクティブなコアディスプレイを持ちます。複雑な認識、動作制御、リアルタイムワークロードを管理するために、NVIDIA Jetson OrinモジュールとIntel N97 CPUを組み合わせたデュアルチップアーキテクチャを採用し、高性能コンピューティングを実現しています。したがって、ロボットがより耐久性、適応性、自律性を高めるにつれ、宇宙ステーションの外部保守や、宇宙飛行士が重大な危険にさらされる長期モニタリング作業など、高リスクの任務を担えるようになります。宇宙探査の未来は、明らかに自動化が進む方向へ向かっています。宇宙飛行士を危険にさらす代わりに、ミッションは広大な距離で協働できるインテリジェントロボットのネットワークに置き換えるだけです。では、実際にこの変革がどのように進んでいるか、2つの主要な取り組み―月と火星の地下溶岩チューブを探査する自律ロボット、そして火星の地形を安全に走行するためのAI生成ルート―を見てみましょう。概要: ロボット探査者: 自律ロボットとAIは宇宙の主要な探査者となりつつあり、過酷な条件に耐え、人間にとって危険すぎる環境でも継続的に稼働できます。 AI駆動ナビゲーション: NASAのパーサヴィアランスローバーは、火星で初めてAIが計画した走行を完了し、生成AIを用いて地形を分析し、人間の介入なしに安全なルートを描きました。 地下探査: 協働ロボットチームが開発され、月と火星の溶岩チューブを自律的にマッピング・探査し、将来の人類居住地となり得ます。 宇宙外の溶岩チューブのマッピング & ナビゲーション:ロボット月で最初にクレーターが発見されてから約20年、火星で巨大な溶岩チューブが検出されてからは半世紀以上が経過しています。これらの巨大な洞窟は町を収容できるほどの大きさです。火山活動によって形成されたこれらの溶岩チューブは、アイスランド、ハワイ、シチリア、オーストラリア、ガラパゴス諸島など、地球上でも見られます。火星や月のこれらのチューブは、宇宙線、太陽放射、頻繁な隕石衝突から保護することで表面より安全なため、将来の人類基地としての可能性がありますが、容易にアクセスできるわけではありません。内部は非常に鋭く、地形は不均一で、詳細な調査が必要です。しかし、地下構造に関する情報を収集することは困難です。チューブの天井が崩壊した部分であるスカイライトや、軌道画像で見られる長く曲がりくねった通路は、大規模な地下空洞を示唆していますが、画像だけではどのチューブが居住に適しているかは判断できません。岩だらけの地形、限られた入口、危険な条件という課題に対処するため、マラガ大学(UMA)の宇宙ロボティクス研究所の研究者は、3台のスマートロボットを用いてこれらの地下環境を自律的に探査する新しいミッションコンセプトを発表しました。ロボットは現在、スペイン・ランサロテ島の火山洞窟でテストされており、チームは将来の月ミッションでの使用を目指しています。科学誌『Science Robotics』に掲載されたこのコンセプトは、SherpaTT、LUVMI-X、Coyote IIIローバーという3種類のロボットを組み合わせ、火星と月の過酷な地下空間を自律的に探査するものです1。チームが提案するミッションは4段階で構成されています。まずロボットが洞窟入口をマッピングし、詳細な標高モデルを生成します。次に、センサー搭載のペイロードキューブが洞窟内に投入され、初期測定を行います。その後、偵察ローバーが入口から降ろされ、最終段階として過酷な地形を横断し、データを収集し、内部の詳細な3Dマップを作成します。2023年初頭にランサロテ火山島で実施された実地試験により、チームのアプローチが計画通りに機能することが実証されました。ドイツ人工知能研究センター(DFKI)が試験を主導し、マラガ大学(UMA)と企業GMVが協力しました。UMAの宇宙ロボティクス研究所の焦点は、軌道ミッションと惑星ミッションの両方でロボットの自律性を高める新技術と手法の開発にあります。研究所は欧州宇宙機関(ESA)と緊密に連携し、ローバーがルートを計画し、より独立して動作できるアルゴリズムを開発しています。この試験により、4段階のミッションアプローチが技術的に実現可能であることが確認され、将来の惑星探査における協働ロボットシステムの可能性が浮き彫りになりました。惑星ローバー向けAI駆動ナビゲーションシステム別の重要な進展として、NASAのパーサヴィアランスローバーは、古代微生物の痕跡を探し、将来の地球へのサンプルリターンを目的としたサンプル収集を行う火星サイズのロボット科学者であり、初めてAIが計画した走行を「赤い惑星」で完了しました。したがって、人間のオペレーターが計画したルートではなく、AIが組織したルートを利用して火星探査機は歴史的な成果を上げました。ルートを作成するために、ビジョン対応AIはまず画像と地形データを分析し、人間のローバープランナーが使用する危険(岩や砂の波紋)を特定し、次に安全なパスを火星表面に計画しました。しかし、AI生成パスを実際に使用する前に、まず6輪ローバーの仮想レプリカでテストされ、パーサヴィアランスはそれらを自律的に数百フィート走行し、成功しました。NASAのジェット推進研究所が主導し、ローバーの日々の運用を監督する中で、パーサヴィアランスは生成AIが計画したウェイポイントで別の惑星での初走行を完了しました。「この実証は、我々の能力がどれほど進歩したかを示すとともに、他の世界を探査する方法を広げます」とNASA管理官のジャレッド・アイザックマンは述べました。「このような自律技術は、ミッションがより効率的に運用でき、困難な地形に対応し、地球からの距離が増すにつれて科学的成果を高めるのに役立ちます。これは、チームが新技術を慎重かつ責任を持って実際の運用に適用した強力な例です。」昨年12月初旬のマイルストーン実証では、エンジニアがビジョン・ランゲージモデルを使用してJPLの表面ミッションデータセットから既存データを分析しました。人間のプランナーが使用する同じ情報と画像を分析することで、システムはパーサヴィアンスが困難な火星地形を安全に横断するためのウェイポイント位置を特定しました。この成果は、JPLのローバーオペレーションセンター(ROC)とAnthropic社のClaude AIモデルとの協調的な取り組みでした。「地球上だけでなく、ローバー、ヘリコプター、ドローン、その他の表面要素におけるエッジアプリケーションでも、NASAのエンジニア、科学者、宇宙飛行士の集合知で訓練されたインテリジェントシステムを想像してください」とJPL探査システムオフィスのマット・ウォレスマネージャーは述べました。「それが、月への恒久的な人類存在を確立し、米国を火星以降へ導くために必要なインフラとシステムを構築するためのゲームチェンジング技術です。」火星は地球から約1億4000万マイル離れており、通信遅延のためローバーをリアルタイムで制御することは不可能です。長い間、ローバーのナビゲーションは人間が地形データを綿密に調査し、事前にルートを計画することに依存してきました。これらのパスは、ローバーが危険に遭遇するリスクを減らすために約100メートルごとにウェイポイントが配置されています。計画が完了すると、NASAの深宇宙ネットワーク(DSN)通信インフラを通じて指示が送信され、ローバーは指示を実行します。しかし、パーサヴィアンスが火星の第1,707日目と第1,709日目に走行した際、この責任は生成AIに委ねられました。システムはMRO宇宙船のナディア側に搭載されたHiRISEカメラが取得した高解像度軌道画像と、デジタル標高モデルからの地形傾斜データを分析しました。この情報により、AIは岩礫帯、岩盤、砂の波紋、露出岩、その他重要な表面特徴を特定し、必要なすべてのウェイポイントを含む連続走行パスを作成しました。JPLのローバーエンジニア、ヴァンディ・ヴェルマは次のように述べました:「生成AIの基本要素は、惑星外走行の自律ナビゲーションの柱である認識(岩や波紋を見ること)、位置特定(自分の位置を知ること)、計画と制御(最も安全な経路を決定し実行すること)を効率化する上で大きな可能性を示しています。」これらの指示はJPLのデジタルツイン(ローバーの仮想レプリカ)で実行され、500,000以上のテレメトリ変数をチェックして、パーサヴィアンスのフライトソフトウェアと安全に動作することを確認しました。このAI生成プランを使用し、NASAのパーサヴィアンスは12月8日に210メートル、12月10日に246メートル走行しました。「我々は、生成AIやその他のスマートツールが表面ローバーのキロメートル規模の走行を支援し、オペレーターの作業負荷を最小化し、膨大なローバー画像を解析して科学チームに興味深い表面特徴を提示する時代へと向かっています。」– Verma宇宙探査におけるロボティクスとAI 技術コンポーネント 動作原理 探査における役割 期待される利益 自律ローバー AI搭載車両はセンサーとオンボード処理で地形をナビゲートします。 火星と月の表面探査の主要手段。...
-

2026年3月3日 著者 Daniel Martin
機械間支払い:AIエージェントのための金融レール
By Daniel Martinシリーズナビゲーション: 全6部のうち第1部、The AI Agent Economy Handbook課金ボトルネック:機械が即時決済を必要とする理由現在の金融システムは人間のリズムに合わせて設計されています。月次の請求サイクル、クレジットリミット、3〜5日の決済ウィンドウは個人には管理可能ですが、自律エージェントにとっては致命的なボトルネックとなります。複雑なリサーチを行うAIエージェントは、50種類のAPIを呼び出し、GPUクラスターを3分間レンタルし、ローカライズされたデータセットを購入する必要があり、すべてが単一の実行ループ内で行われます。AIエージェント経済が拡大するためには、支払いは思考と同じ速さである必要があります。これには、数センチの一部に相当するマイクロペイメント—即時に決済される取引—への転換が必要です。私たちのDePINハンドブックで取り上げたように、ハードウェアリソースはすでに民主化されつつあります。M2M層は、エージェントがリアルタイムでリソースに入札し確保できる金融的な接着剤です。ストリーミングマネー:エージェント型決済のアーキテクチャ従来の経済では、価値は「塊」で転送されます。エージェントウェブでは、価値はストリームです。ストリーミングマネープロトコルにより、エージェントはサービスプロバイダーとオープンな支払いチャネルを維持でき、サービスが稼働している限り資本が継続的に流れます。エージェントが分散型ストレージノードを利用する場合、アクセスされた瞬間のすべてのバイトに対して支払います。このマイクロレベルの「従量課金」(PAYG)モデルは、エージェントがタスク途中でクレジット切れになるというカウンターパーティリスクを排除します。また、真の自律的ROIの初実装を可能にします。エージェントはミリ秒単位で自らのコスト対利益比率を算出し、計算コストが生成するアウトプットの価値を上回る場合は活動を一時停止できます。このような細粒度の金融管理は、自律金融システムの核心要素です。M2Mテックスタック比較 プロトコルタイプ メカニズム エージェントのユースケース L2スケーリング オフチェーンバッチング 高ボリュームDeFiスワップ ペイメントチャネル 直接M2Mトンネル トークン単位のAPI呼び出し ストリーミングマネー 継続的フロー リアルタイムGPUレンタル ステーブルコインと「プログラマブル・ドル」従来の暗号通貨の価格変動は、エージェントが正確な予算管理に使用することを困難にします。その結果、USDにペッグされたステーブルコインがM2M経済の準備通貨として台頭しています。これらの資産はプログラム可能であるため、エージェントのウォレットは「権限付与」され、例えば「クラウドコンピュート」や「検証済みデータセット」など特定のタスクカテゴリにのみ資本を支出させることができます。このプログラマビリティは「ウェルスホルダー」仮説に不可欠です。エージェントは単なるユーザーではなく、財務の管理者です。スマートコントラクトを活用することで、親組織はエージェントに予算を付与し、エージェントはそれを自律的に管理します。RWAトークン化とのシナジーにより、エージェントはトークン化された利回り資産を運用費用の担保として使用することさえ可能です。「Inference-as-a-Service」への転換主要なテクノロジープロバイダーは、エージェント顧客に対応するためにAPI構造の再設計を始めています。SaaS(Software-as-a-Service)からStaA(Software-to-Agent)への移行が見られます。このモデルでは、「顧客」はクレジットカードを持つ人間ではなく、デジタルウォレットを持つエージェントです。投資機会は「機械のためのVisa」にあります—機械駆動の商取引の認証と自動税務コンプライアンスを処理するプラットフォームです。自律的な活動が増加するにつれ、これらのマイクロ決済は金融向けAIミドルウェアの専門家によって監視されます。これらのエージェントが取引時にどのように身元を証明するかを理解するには、The Turing Wall:Proof of Personhood vs. Proof of...



