人工知能
Coveo、2027年度第2四半期の売上高4,040万ドルを計上、Angleraを買収
Coveo Solutions Inc. 2026年10月29日、2026年9月30日終了の2027年度第2四半期の業績を発表し、SaaSサブスクリプション収益は3,910万米ドル、総売上高は4,040万米ドルとなった。同社は同日、エージェント型の製品データ拡充エンジンを運営する、サンフランシスコを拠点とするY Combinatorの支援を受けた企業、Angleraの買収も発表した。取引条件は公表されていない。 Coveoは国際財務報告基準（IFRS）に基づいて報告している。SaaSサブスクリプション収益は、2025年9月30日終了の3カ月間の3,590万ドルから9％増加した。従来のQubitプラットフォームの完全な廃止に伴い、当四半期のSaaSサブスクリプション収益はすべてCoveoの中核プラットフォームによるもので、同プラットフォームのサブスクリプション収益は前年同期比12％増加した。総売上高は前年同期の3,730万ドルから8％増加した。プロフェッショナルサービス収益は128万9,000ドルで、前年の143万5,000ドルと比べて減少した。売上総利益率は80％、製品売上総利益率は82％で、前期のそれぞれ79％、82％に対し、売上総利益率が上昇した。 営業損失は300万ドルで、前年同期の670万ドルから縮小した。純損失は310万ドル、1株当たり0.03ドルで、前年同期の440万ドル、1株当たり0.05ドルと比べて縮小した。IFRSに準拠しない指標である調整後EBITDAは200万ドルで、前年同期の60万ドルから増加した。営業活動によるキャッシュフローは1,490万ドルの支出となり、前年同期の1,080万ドルから増加した。同社はその要因として運転資本の季節性を挙げた。2026年9月30日時点の現金および現金同等物は8,270万ドルだった。 2027年度上半期（最初の6カ月）のSaaSサブスクリプション収益は7,650万ドルで9％増、総売上高は7,900万ドルで8％増となった。同期間の純損失は900万ドルで、前年同期の1,940万ドルから縮小した。調整後EBITDAは210万ドルで、前年同期のマイナス140万ドルから改善した。上半期の営業活動による現金支出は570万ドルで、前年同期の370万ドルから増加した。総資産は2026年9月30日時点で2億100万ドルとなり、2026年3月31日時点の2億1,300万ドルから減少した。繰延収益は8,330万ドルで、8,610万ドルから減少した。株主資本合計は7,070万ドルで、前年度末の9,200万ドルから減少した。 過去最高の受注と自社株買い 「年間7桁規模の取引を2件獲得したことで、当社史上最高の新規受注を記録した四半期となりました」と、共同創業者兼最高経営責任者（CEO）のLaurent Simoneauは述べた。同社によると、四半期初めに成立した、過去最大として以前発表した取引を除いても、新規受注は第2四半期として過去最高を記録していたという。 年間7桁規模の2件の取引は、以前発表されたFortune Global 500のテクノロジー企業との取引と、Coveoがオーストラリア最大級の総合スーパーマーケット小売企業の一つと説明するColes Supermarketsとの取引だった。発表資料で挙げられたその他の新規顧客獲得先および既存顧客での事業拡大先には、世界的な業務用機器部品販売会社、北米の産業ガス・機器供給会社、US Foods 、LG、Intel、NetApp、Tirlan、CelcomDigi、Rochester Regional、Zespri、Wesfarmers、Keller & Kalmbach、BOC Australiaが含まれていた。同社によると、当四半期の新規受注の50％超を生成AIソリューションが占めた。 主要業績指標の一つである純拡大率は、顧客コホートの年間契約額を12カ月前の水準と比較する指標で、2026年9月30日時点で102％だった。従来のQubitプラットフォームに起因する顧客離脱分を除くと105％となり、いずれも前四半期から300ベーシスポイント上昇した。 当四半期、Coveoは消却を目的に劣後議決権株式2,968,659株を買い戻した。このうち2,615,859株は、カナダドル建てで1株当たり3.75カナダドルから取引手数料を差し引いた価格で、Qatar Investment Authorityの関連会社から買い戻した。買い戻し総額は手数料控除後で約960万カナダドル（690万米ドル）となり、同社はこの持ち分をすべて売却した。さらに352,800株を、通常の発行体買い付けプログラムを通じて約150万カナダドル（110万米ドル）で買い戻した。同社のプレスリリース一覧によると、CoveoはQatar Investment Authorityの関連会社が保有する株式の買い戻し意向を2026年9月22日に初めて発表し、Coles Groupへの採用を2026年10月21日に発表した。 Coveoはマーケティング部門の幹部交代も明らかにした。最高マーケティング責任者（CMO）のPranshu Tewariが退任し、後任の選考が進められている。 Angleraの買収と製品に関する最新情報 2026年10月29日の別途発表で、Coveoは、今回の買収により、Angleraのデータ補完エンジンと、同社のAIコマース検索・商品発見プラットフォームを組み合わせると発表した。発表によると、AngleraはAIを中核に据えた企業で、エージェント型エンジンを使ってメーカーの仕様書、PDF、画像などの情報源から商品詳細を抽出し、各顧客のカタログ要件に照らして標準化・検証する。その際、情報源への参照情報も保持する。Angleraは、Uber Eatsでカタログ向けAIシステムを拡大させた経験を持つスタンフォード大学出身のAmay AggarwalとRay Iyerが創業した。米国、カナダ、欧州の顧客にサービスを提供しており、その中には今回の買収に伴いCoveoの顧客となる複数のFortune 500企業も含まれる。 買収に関する発表では、商品属性の欠落によって商品の見つけやすさが最大30%低下する可能性があるというNielsenIQの推計を引用した。また、アパレル小売業者で実施した30日間のA/Bテストについて、Angleraが報告した結果も紹介した。このテストでは、約300のSKUバリエーションに属性情報を付与したところ、対照群と比べて、属性情報を付与した商品のページでオーガニック検索経由のランディングページ訪問が120%増加し、AI経由の訪問が270%増加した。なお、結果は異なる場合があるとの注記が付されている。 「企業向けコマースに求められる精度と信頼性を満たすソリューションを必要としていたため、社内開発案と幅広い商品情報補完技術を対象にAngleraを評価しました」と、Coveoの最高製品責任者Peter Curranは述べた。両社が示した計画によると、Angleraの顧客は引き続きAngleraのプラットフォームを利用できる。同社の商品情報補完機能は、Coveo Commerceの顧客向けに追加機能として提供される予定で、商品情報の補完を購入者の行動や商品発見の成果につなげる、より高度な連携も計画されている。…
連邦機関での利用に向け、Perplexity EnterpriseがFedRAMPのModerate審査を通過
Perplexityは2026年10月28日、Perplexity EnterpriseがFedRAMP Class C（Moderate）認証を取得したと発表しました。これにより、連邦政府機関のユーザーは、認証済みのプラットフォーム環境でライブウェブ検索を利用し、出典を明記した回答を得られるようになります。認証済みのサービスとして提供されるソフトウェアは、米国一般調達局（GSA）の複数業者契約（Multiple Award Schedule）を通じて連邦機関が直接調達できます。また、各機関はGSAのOneGov施策を通じて、2027年3月31日まで1機関あたり0.25米ドルでEnterprise Pro for Governmentを利用できます。同社によると、このアップデートによりPerplexityは「ライブウェブ検索を備えたFedRAMP（連邦リスク・認可管理プログラム）Moderate認証の唯一のSIサービス」となります。 発表によると、このサービスは認定リセラーを通じて州政府、地方自治体、教育機関にも提供されるほか、政府請負業者はPerplexityから直接利用できます。Perplexityは、調達や導入に関する問い合わせ先として[email protected]を案内するとともに、連邦政府向けサービスを紹介する米国政府向けハブを運営しています。 認証済みの機能とデータ管理 Perplexityによると、同社は独自のウェブインデックスと情報検索基盤を構築・運用し、継続的に更新しています。この基盤は、2,000億件を超える重複のないURLを追跡し、毎秒数万件のインデックス処理を行うといいます。同社の検索システムは、関連性の高い文章を検索して順位付けし、モデルが質問に回答できるよう支援します。また、出典付きの引用により、連邦政府職員は情報の利用方法を決める前に、元の文書を確認できます。開発者はPerplexityのSearch、Agent、Embeddings APIを利用して、ライブウェブ検索、AIエージェント、独自の文書やデータを対象とするセマンティック検索を備えたカスタムアプリケーションを構築できます。 Perplexity Enterpriseでは複数のプロバイダーのモデルを利用できます。同社によると、これにより各機関は、調査を単一のモデル系列に限定することなく、タスクに応じてモデルを選べます。管理者は、組織のポリシーに応じて利用可能なモデルを指定し、個々のモデルプロバイダーに制限を設けることもできます。同社は、ライブ検索がセキュリティ境界内で行われ、政府機関ユーザーのクエリが外部の検索プロバイダーと共有されることはないと説明しています。 ライブウェブ調査に加え、職員はこのプラットフォームを使って、承認済み文書の要約、文書の内容に関する質問、説明資料の草案作成、政策更新の概要作成、確認用の平易な説明文の準備を行えます。発表で紹介された各機関の利用例には、プログラムに関する最新の公表ガイダンスと前の版を比較して該当箇所を引用すること、確認済みの事実と未解決の疑問を分けて出典へのリンクを付けた説明資料を作成すること、中小企業向けの優先枠の適用要件を公式ガイダンスの引用付きチェックリストにまとめることが含まれます。 Perplexityによると、米国政府機関からのリクエストと判定されたものには、データを一切利用しないための保護措置が自動的に適用されます。また、そうしたリクエストのデータは、AIモデルの訓練、改善、評価のために保持されません。管理者は、機関のIDプロバイダーを通じたサインインを管理し、外部共有やファイル操作を制限し、コネクターへのアクセスを制御できます。組織はさらに、セッションの保持期間を設定し、監視用に監査ログを指定のエンドポイントへ送信できます。 同社によると、FedRAMP Class C認証は、独立した第三者評価機関である360 Advancedが独立評価を実施しました。この評価は、連邦機関での利用に必要なセキュリティ、機密保持、運用上の管理策を裏付けるものです。 FedRAMP Marketplaceの登録情報とプログラムの経緯 FedRAMP Marketplaceの登録情報には、Perplexity AIが提供するPerplexity Enterprise and API Platformについて、パッケージID FR2604643715、ならびに当該サービスの認証取得日として記載された2026年2月1日時点でのステータス「FedRAMP Certified」が記載されています。登録情報には認可数が3件とあり、Marketplaceはこの数を、初回認可と再利用認可を含む運用認可（Authority to Operate）および使用認可（Authority to Use）の書簡の合計と定義しています。また、このサービスは「継続認証」段階に位置付けられています。認証プロファイルには「Type 20x Pilot」、プログラム経路、Class B（Low）が記載されています。MarketplaceはClass欄について、文書化要件と継続的な報告要件を反映したAからDまでの評価区分と説明しています。一方、Perplexityは10月28日の発表で、この認証をClass C（Moderate）としています。登録情報によると、このサービスはパブリッククラウドに導入されたサービスとしてのソフトウェアであり、同社の一意事業体識別子はP9N9FFAUBLQ4です。…
AIによるブロックチェーン追跡：ビットコインのプライバシーに何をもたらすのか
ビットコインをはじめとする暗号資産ネットワークの根幹には、強い緊張関係がある。 一方で、こうした暗号資産は、個人の自由と匿名性を最大限に確保できるよう設計されている。 他方、規制の順守、フォレンジック監査、サイバー犯罪の捜査では、暗号資産を、氏名や住所などが特定された人物に結び付ける必要がある。 ビットコインが投資ファンドや銀行、規制下のETFなどに保有される「主流」の資産となったことで、この緊張関係は近年強まっている。 「政府にとって重要な課題の一つは、サイバー犯罪やマネーロンダリング、テロ資金供与を目的として、ビットコインなどの暗号資産が不正に利用されることだ。ビットコインのブロックチェーンが高い匿名性を備えているという通説に反して、このような状況下で個人の本当の身元を明らかにすることは、道徳的にも法的にも許容されるだろう。ただし、論理的には困難を伴う。」 より自由至上主義的だった黎明期を経た現在、匿名性の低下はビットコインの価格にプラスに働く可能性がある。 機械学習をはじめとするAI技術の進歩は、ビットコインの保有者を「非匿名化」する助けとなる可能性がある。ただし、犯罪行為の発見や金融規制当局の要請への対応に活用するには、信頼して使えるだけの信頼性が必要だ。 Pranveer Singh Institute of TechnologyとManipal University Jaipurのインド人研究者による新たな研究は、新しいAI技術の進歩（統合型ニューラルアーキテクチャ）がこの課題の解決にどう役立つかを検討し、約97％の精度を達成した。 「この研究は、非倫理的な手段を用いることなく、経済成長の拡大を促進することを目的としている。ブロックチェーン基盤の暗号資産をめぐる状況を予測するため、データに基づく情報源を探している立法者、ビットコインのブロックチェーン上の取引に関するコンプライアンスと効率的なリスク評価を求める企業、違法行為に関連するアドレスを調査・捜査したい法執行機関は、いずれも本研究の成果を活用できるだろう。」 研究者らは、研究成果を1『Scientific Reports』に発表した。論文の題名は「分散型ネットワークにおいて統合型ニューラルアーキテクチャを活用したブロックチェーン取引の適応的な非匿名化」。 アドレスから身元を特定する パターンを見つける ビットコインアドレスの所有者を特定する従来の取り組みの多くは、個々のアドレスに焦点を当てている。これに対し本研究では、DSUに基づくエンティティ解決を利用し、ブロックチェーンの仮名性を、長期にわたって存続する行為者／エンティティのクラスターへと分解する。 Union-Findまたはmerge-findとも呼ばれる素集合データ構造（DSU）は、名前、メールアドレス、電話番号などの属性を比較し、別々の2つのレコードが現実世界の同じ人物または物体を表しているかどうかを判定する。 ビットコインの場合、これは複数の仮名アドレスをまとめ、現実世界の単一の行為者に属する「エンティティクラスター」を形成することを意味する。 ユーザーは公開アドレスを無制限に生成できるため、個々のアドレスを特定してもあまり役に立たない。少なくとも、非匿名化が最も重要となる対象である、巧妙な犯罪行為者の場合はそうだ。 適切なツールを開発する ビットコインユーザーを特定できるAIツールを開発するため、研究者らは異なるニューラルネットワークの手法を組み合わせた統合型ニューラルアーキテクチャを構築した。 畳み込みニューラルネットワーク（CNN）は、取引の生メタデータに含まれる局所的で細粒度かつ不変のパターンを抽出する。これらのパターンは、特徴ベクトルから特定のエンティティの種類を識別する。 これは、「どのように」取引が行われるか、つまりスクリプトと手数料に見られる特定のパターンを特定するために使われる。 長短期記憶（LSTM）モデルは、資金の流れの速度をモデル化する。 これは、「いつ」：取引の流れに見られる特徴的なパターンとタイミングの間隔を特定するために使われる。 取引の流れに見られる特徴的なパターンとタイミングの間隔は、構造マップとして扱うことで捉えられる。 グラフニューラルネットワーク（GNN）は、バッチ内の動的なk近傍（k-NN）隣接行列を介して埋め込み表現を集約し、近傍の行動を取り込む。 これは、「誰か」：トポロジー上の近傍関係とハブとのつながりを特定するために使われる。 本研究では、427,625件の取引と140,235件の固有エンティティからなるデータセットを用いて手法を検証した。取引履歴はWalletExplorerとBlockchairのアーカイブから取得し、各取引にはblock_id、transaction hash、fee_used、size、timestamp、weightなど22種類の特徴量が含まれていた。 モデルの学習には、Intel(R) Core (TM) I9-10,900 CPU（2.81 GHz）、32…
Jonathan Schramm
Google、AIモード広告を10カ国に拡大、米国では複数ターン広告を開始
Googleは2026年10月28日、対話型AI検索機能「AIモード」の広告を新たに10カ国へ拡大すると発表した。対象国は、オーストラリア、カナダ、インド、ケニア、マレーシア、ニュージーランド、ナイジェリア、パキスタン、フィリピン、シンガポール。さらに2026年第4四半期には、ブラジル、メキシコ、英国など、提供地域を追加する計画だという。AIモードでの追加質問にも広告を表示できるよう、Googleは米国で複数ターン広告も開始する。 この発表は、Google Search AdsおよびGoogleの各種サービス上の広告を担当するバイスプレジデント兼ゼネラルマネージャー、Shashi Thakur氏が「The Keyword」に投稿した記事で行われた。Thakur氏は、AIモード内の広告には「スポンサー」と明確に表示すると述べた。また、広告が有用で関連性の高いものとなるよう、新しい形式のテストを続けるという。 投稿によると、Googleは2026年5月付の米国版「Google AIモードレポート」を引用し、AIモードでの検索クエリは従来の検索より平均で3倍長いと説明した。また、同社の調査では、ユーザーはAIモード内の広告に抵抗を感じておらず、関連性が非常に高いと感じているという。さらに、AIモード内の商品リストでは、スポンサー付き項目とオーガニック項目のクリック率がすでに同程度になっているとしている。これは、2026年8月20日から9月3日までの米国内の社内データに基づく。 広告主向けの広告の仕組み Googleの広告ヘルプのドキュメントによると、AIによる概要やAIモードに広告を表示するために、広告主が新たなキャンペーンを作成したり、別の予算を設定したりする必要はない。既存の検索キャンペーン、ショッピングキャンペーン、Performance Maxキャンペーンは、Google広告のオークションを通じて、両方の機能内に広告を配信できる状態に自動的になる。テキスト広告とショッピング広告はAIによる概要とAIモードに表示される可能性があり、Googleは地域在庫広告や自動車広告など、ほかの種類の広告も試験している。 検索クエリに明確な商業的意図がすでに表れている場合、Googleは広告をそのクエリに直接対応させる。一方、ユーザーが長く探索的な質問や会話形式の質問をし、AIの回答を通じて商業的意図が明らかになる場合は、クエリとAIの回答の両方に文脈的に広告を関連付ける。ドキュメントでは、「プールの水が緑色なのはなぜ？どうすればきれいにできる？」と検索する例を挙げている。質問自体には商品名が含まれていないものの、AIの回答で水質検査、ブラッシング、ゴミの吸引が説明されるため、Google AIはプール用掃除機や藻類処理キットのスポンサー付きテキスト広告やショッピング広告を表示できる。AI Max for Searchキャンペーンを含むAIを活用したターゲティング、検索キャンペーンの部分一致、ショッピングキャンペーン、Performance Maxは、文脈に基づくマッチングと検索クエリへの直接的なマッチングの両方に利用できる。検索キャンペーンの完全一致キーワードとフレーズ一致キーワードは、ユーザーのクエリに直接的な商業的意図が表れている場合に限り利用できる。 一部の掲載枠では、広告とともにAIによる説明文が表示される。ドキュメントによると、これはGoogleのGeminiモデルが生成する簡潔で独立したテキストで、広告または広告グループがユーザーの探しているものとどう関係するかを理解しやすくするものだ。説明文は、スポンサー付きの選択肢を短く紹介したり、ユーザーのクエリやAIの回答、広告主のウェブサイトなど一般公開されている情報を使って、広告の横に役立つ背景情報を示したりする場合がある。広告主はAIによる説明文を自分で作成、編集、承認したり、表示対象から除外したりすることはできない。別のケースでは、広告に固定のセクション見出しが表示される。 AIによる概要とAIモード内の広告には、通常のGoogle検索広告と同じオークション方式と、クリック単価制またはコンバージョンベースの入札モデルが使われ、広告主に追加料金は発生しない。広告主はAIによる概要またはAIモードだけを対象に広告を配信することも、検索広告とは別にこれらの掲載枠を配信対象から除外することもできない。ただし、除外キーワードやブランドの除外など、既存のガードレールは引き続き適用される。これらの掲載枠の実績は、通常のキャンペーンレポートと検索語句レポートに集計値として含まれる。Googleは、有料広告がGoogle AIの生成するオーガニック検索結果に影響を与えることはないとしている。 ドキュメントによると、AIによる概要とAIモード内の広告は、米国、オーストラリア、カナダ、インド、ケニア、マレーシア、ニュージーランド、ナイジェリア、フィリピン、シンガポールで英語に対応している。インドネシアではAIによる概要のみ、パキスタンではテキスト広告のみが対象で、Googleはこの一覧が網羅的とは限らないと述べている。これとは別に、AIによる概要の上または下に表示する広告は、AIによる概要が利用できる200を超えるすべての国・地域で、すべての言語に対応しているという。 AIモードの利用状況とこれまでのテスト GoogleのAIモードレポートによると、AIモードの世界の月間アクティブユーザー数は10億人を超え、サービス開始以降、AIモードの検索クエリ数は四半期ごとに前の四半期の2倍を超える規模に増えている。米国では、AIモードでの追加質問が月平均で40％を超える伸びを示している。また、AIモード検索の6件に1件を超える割合をマルチモーダル検索が占め、画像を入力する検索は同機能で特に成長の速いクエリの種類の一つとなっている。レポートによると、画像入力を使った検索はサービス開始以降、前月比で40％を超える伸びを続けている。 このレポートによると、AI Modeで追加の質問が多い買い物関連の上位トピックは、電子機器、書籍、映画・音楽、アパレルです。また、商品やアパレルを購入する際に人々が重視する小売商品の属性として、価格、場所、色、ブランド、在庫状況が挙げられています。特に記載がない限り、レポートのデータは米国のAI Modeを対象とし、Google Trendsを含むGoogle検索の内部データに基づいています。対象期間は、製品が米国で発売された2025年5月から2026年4月までです。 Googleは2025年5月21日、AI Modeで広告のテストを開始し、関連性がある場合には、AI Modeの回答の下部や回答内に広告が表示される可能性があると発表しました。当時、Performance Max、Shopping、部分一致を使用した検索キャンペーン（AI Max for Searchキャンペーンを含む）をすでに利用している広告主は、AI OverviewsとAI Modeに広告を表示できるようになると、同社は説明していました。2025年5月の発表では、2025年1月の社内データを引用し、Googleではすでに年間5兆件を超える検索が行われているとも述べています。また、米国やインドなどの最大市場では、AI Overviewsが表示される種類のクエリにおいて、Googleの利用が10％を超えて増加しているとしました。この数値は、2024年9月から2025年4月末までの社内データに基づいています。 Google Marketing Liveに関連して発表された2026年5月20日の投稿で、同社はGeminiを活用したAI…
自律型金融で問題が起きたとき、誰が損失を負担するのか？
AIスマートコントラクトの普及には説明責任が欠かせない AIエージェントが市場データを解釈して資金を動かす。スマートコントラクトは指示どおりに取引を実行する。技術は機能しているにもかかわらず、指示が誤っていたために顧客が資金を失う。誰が損失を負担するのか？ この問いへの答えは、自律型金融が信頼できるインフラへと発展するのか、それとも顧客が慎重に接する実験段階にとどまるのかを左右する可能性がある。実行の高速化は価値を生むが、組織での導入には、権限の明確化、実効性のある安全策、そして損失に対処する信頼できるプロセスも必要だ。 Kwok Tung Cheung氏とSridhar Ramamoorti氏が執筆し、AI and Ethicsに掲載された概念研究は、エージェント型AIがスマートコントラクトと連携する際の説明責任を検討している。1研究の中心的な主張は、建設的な方向性を示している。すなわち、障害の発生後に個人の責任を特定するのが難しい場合でも、組織は導入前に説明責任の枠組みを定められるというものだ。 エージェント型AIがスマートコントラクトのリスクをどう変えるのか 従来のスマートコントラクトは、プログラムされた条件に従って実行される。AIエージェントはそこに解釈を加える。情報を評価し、ツールを選び、目標に向けて取引を開始できるのだ。実際には、モデルがブロックチェーンの外部で動作しながら、モデルの判断を実行するコントラクトを呼び出すこともある。 ここでは、異なる二つの問いが生じる。コントラクトは正しく実行されたのか。そして、エージェントがその行動を要求する権限を持ち、その要求に正当性があったのか。技術的に有効な取引であっても、運用上の失敗に当たることがある。 論文では、分散型融資を想定したシナリオを通じてこの問題を説明している。外部の価格データを提供するサービスであるオラクルとの予期しない連携により、AI監視システムが不適切な担保の清算を実行する。その結果生じた損失は、データの提供、モデルの挙動、プロトコルの設定、取引の実行という複数の領域にまたがる。 資金を動かすAIエージェントに注目している読者にとって、これは次に取り組むべきガバナンス上の課題だ。取引の許可によって、ソフトウェアが何をできるかは定まる。許可が損害をもたらしたときに、どの関係者が責任を問われるべきかを定めるのが説明責任である。 AIの説明責任に関する研究が提案するもの 著者らは、行為の帰属、理由の説明責任、制度的な説明責任を区別している。大まかに言えば、これらはそれぞれ、行為が誰のものか、その理由を説明すること、そして結果を伴う制度的な手続きの対象となることに関わる。 著者らの主張は、ほかの二つが不確かであっても、説明責任は成立し得るというものだ。特定の従業員があらゆる結果を予測していたと証明できなくても、企業はシステムの導入に伴う明確な義務を引き受けられる。ただし、その義務は損失が発生した後に恣意的に課すのではなく、公正な形であらかじめ定めなければならない。 以下に、個人の過失を証明しなくても正当な説明責任を成立させるための根拠として、論文が提案する条件をまとめる。 条件 論文が求めること 役割の明確化 責任を事前に明示し、自ら引き受けた役割に結び付ける。 利益と負担 利益を得る参加者は、それに伴う損失も負担する。 リスクへの影響力 責任を負う当事者が、該当するリスクに影響を及ぼし、軽減できる。 事前の周知 導入前に、責任の割り当てが参加者の間で共通認識となっている。 この区別は、個人投資家にとって重要だ。利用規約に同意しても、借り手がモデルの設計やオラクルの選定を左右できるわけではない。そのため著者らは、相当な義務を上流の関係者に課している。これは提案された枠組みであり、その責任配分がすでに各法域で適用されているという主張ではない。 人間による管理には時間と権限が必要 論文は、人間が主導するアプローチを提唱している。人間が目標、許容できる挙動、介入する権利、導入に関する説明責任を定めるという考え方だ。取引が担当者の対応前に完了してしまうなら、その担当者が動作を監視しているだけでは不十分である。 論文で例示される融資の安全策には、25万ドルの清算審査基準、少なくとも15分間の平均価格を反映する価格フィード、そして条件を満たす清算に対する少なくとも60分間の異議申し立て期間が含まれる。これらは設計上の提案値であり、安全性を測定したベンチマークではない。 この但し書きからは、重要な商業上のトレードオフが見えてくる。清算を遅らせれば、誤ったデータから借り手を守れる可能性がある一方、担保価格が実際に急落した場合には、貸し手のリスクが高まる。資産や市場が異なれば、必要な管理策も異なる。一律の待機期間を正当化するのは難しいだろう。 したがって、実用的な導入では、方針に関する人間の判断と自動的な執行を組み合わせることになる。許可された少額の取引は即時に実行し、通常と異なる取引はいったん停止し、緊急時には事前に定めた制限を発動できる。 エージェントがアクセスできる資産、送金先、金額を定める。 一連の取引を通じた累積エクスポージャーを監視する。 介入権限を割り当て、厳しい状況下でも機能するかを検証する。 説明責任は金融インフラの一部 より広い商業的な観点から見ると、自律型金融では取引コストと失敗時のコストの両方に対処する必要がある。決済コストが下がっても、顧客が高額な紛争対応や資金回収の費用、予期せぬ損失を負担しなければならないのであれば、節約効果は限られる可能性がある。 例として、100ドル未満の支払いを許可されたエージェントを考えてみよう。個々にはルールを守った支払いでも、何百件も重なれば、顧客が想定した予算を超えることがある。したがって、管理すべきなのは取引額だけではなく、タスクや一定期間を通じた累計支出である。…
Oracle、Google以外で初のハイパースケールクラウド事業者としてGoogle TPUを提供へ
OracleとGoogleは2026年10月27日、GoogleのTensor Processing Unit（TPU）をOracle Cloud Infrastructure（OCI）経由で利用できるようにすると発表した。Google以外のハイパースケールクラウドプラットフォームでGoogle TPUが提供されるのは、今回が初めてとなる。両社はラスベガスで開催されたOracle AI Worldで発表し、OCI上のGoogle TPUは2027暦年に利用可能となり、顧客のニーズに応じて複数年にわたり段階的に提供を拡大すると述べた。 この取り決めのもと、OCIはGoogle TPUを自社インフラ内で大規模に展開するための電力、冷却、データセンターネットワークを提供する。発表によると、Googleが特定用途向けに開発したTPUをOCIのAIコンピューティング製品群に加えることで、顧客は、ほぼ線形に拡張でき、経済性にも高度に最適化されたインフラを活用し、最も負荷の高いワークロードに適した環境を柔軟に選べるようになる。 「AIワークロードによって、必要とするコンピューティング能力は異なります」と、OracleのOracle Cloud Infrastructure担当プレジデント、Mahesh Thiagarajan氏は述べた。「Google TPUをOCIに導入することで、顧客は1つのクラウド上で、先進的な複数のAIコンピューティングアーキテクチャを利用できます。選択肢が増えることで、それぞれのAIワークロードに必要な性能、処理能力、経済性に応じて、最適なインフラを選べるようになります。」 GoogleでAI・インフラストラクチャ担当上級副社長兼最高技術責任者を務めるAmin Vahdat氏は、TPUは負荷の高い学習および推論ワークロードに特化した選択肢であり、OCIで提供することで、より多くの組織がこの技術を利用できるようになり、最も複雑なAIアプリケーションの構築・運用方法の選択肢も広がると述べた。「次世代のAIには、多様なコンピューティング能力が必要になります」と同氏は語った。 学習および推論のワークロード 発表では、Google TPUを、AIのライフサイクル全体を支えるためにオープンソフトウェアと共同設計されたカスタムアクセラレーターと位置付けている。その用途は、最先端モデルの学習や大規模推論から、エージェント型AIが必要とする多段階推論向けのデータ処理まで幅広い。TPUアーキテクチャは、電力1ワットあたりのAI処理能力を最大化し、モデルデータへの高速アクセスとチップ間の迅速な通信を実現するよう設計されている。 発表資料によると、Google TPUは、大規模モデルの学習と学習後の処理に対応できる。対象には、密なモデルと混合エキスパートモデルに加え、推論、エージェント型アプリケーション、長文脈アプリケーション向けの本番環境での推論も含まれる。顧客はOCI上で、ワークロード、性能要件、コスト目標に合わせて最適化されたGoogle TPUを選択できるようになる。 TPU 8TとTPU 8Iのアーキテクチャ 発表資料によると、GoogleのTPU製品群は10年以上にわたるカスタムAI半導体の開発を基盤としており、第8世代TPUでは、学習向けのTPU 8tと推論向けのTPU 8iという、用途に特化した2つのアーキテクチャが導入される。同資料は、TPU 8tによって最先端モデルの開発期間が数カ月から数週間に短縮され、ポッドあたりのコンピューティング性能が前世代比で約3倍になるとしている。一方、TPU 8iは、多数の特化型エージェントによる反復的な処理に対応するよう設計されている。 Googleは、両システムの技術仕様を2026年4月22日付のインフラストラクチャに関するブログ記事で公表した。同記事によると、TPU 8tは9,600個のチップを1基のスーパーポッドに集積し、121エクサフロップスの演算性能と、チップ間の高速インターコネクトで接続された2ペタバイトの共有メモリーを実現する。統合メモリーと2倍に拡大したインターコネクト帯域幅は、ほぼ線形の拡張性とシステム利用率の最大化を支えることを目的としている。Googleによると、同社のPathwaysおよびJAXソフトウェアを使えば、100万個を超えるTPUチップを1つのクラスター内で協調動作させられる。また、Virgo Networkファブリックは、1つのデータセンター内で13万4,000個のTPUを単一のファブリックに接続できるほか、複数のデータセンター拠点にまたがる100万個超のTPUを1つの学習クラスターに接続できる。 TPU 8iについて、Googleのブログ記事は、チップ上のSRAMを3倍の384 MBに増やし、高帯域幅メモリーを288 GBに拡張するとともに、チップ間インターコネクトの帯域幅を2倍の19.2 Tb/sに高め、ICIネットワークの直径を50％超縮小すると説明している。Googleによると、専用のCollectives…
Snowflake AI Data Cloud、OCIのネイティブなファーストパーティーサービスとして提供予定
OracleとSnowflakeは2026年10月27日、ラスベガスで開催されたOracle AI Worldで、両社の既存のパートナーシップを拡大し、Snowflake AI Data CloudをOracle Cloud Infrastructure（OCI）上のネイティブなファーストパーティーサービスとして提供する予定だと発表した。Oracleが発表した内容によると、顧客はOracleを通じてSnowflake on OCIを直接購入、プロビジョニング、利用でき、価格設定、割引、請求はOracleが一元的な商取引関係のもとで管理する。顧客は既存のクラウド利用契約を活用し、Oracle Universal CreditsをSnowflake on OCIの利用料金に充当することもできるようになる。 両社は、このサービスをすでに開始されたものではなく、提供を予定しているものと説明した。2026年10月27日付で、製品担当エグゼクティブバイスプレジデントのChristian Kleinermanが執筆したSnowflakeのブログ記事によると、Snowflake on OCIの提供開始後は、AI、分析、データエンジニアリング、トランザクション、アプリケーション、コラボレーションにわたるSnowflakeの機能を、Oracleのデータベース、アプリケーション、OCIサービス内にある企業データのより近くで利用できるようになるという。記事では一貫して条件付きの表現が使われ、サービスは計画中、実現を目指すもの、提案中のものとして説明されている。いずれの発表にも、サービスの提供開始日や価格は記載されていない。 「SnowflakeをネイティブなOCIサービスとして提供することで、顧客が利用できるAIおよびデータ機能の選択肢を広げるとともに、こうしたサービスの導入、管理、支払いを簡素化します」とOracleの CEOのClay Magouyrkは発表で述べた。SnowflakeのCEOであるSridhar Ramaswamyは、「Snowflakeは、Oracle Cloud Infrastructure内でファーストパーティーのサービスとして稼働する主要なAIデータプラットフォームパートナーとなることを大変うれしく思います。これにより、共同顧客はガバナンスとセキュリティを確保しながら、自信を持って大規模にOracleのデータ資産をAI対応の基盤へと変えることができます」と述べた。 商取引条件と予定されている統合 Snowflakeの記事では、顧客にとっての「ネイティブ」および「ファーストパーティー」とは、AI Data CloudがOCI上で稼働し、Oracleの商用チャネルを通じて利用でき、OCIと統合された環境からアクセスできることを指すとしている。提案されている商取引モデルでは、顧客はSnowflakeを購入するためにOracleと直接契約し、OCI経由で請求を受ける。OCIのコントロールプレーンを通じてSnowflakeアカウントをプロビジョニングした後は、使い慣れたSnowflakeの機能を使って、ウェアハウス、データベース、データパイプライン、アクセス制御を管理する。 記事によると、予定されているアプリケーション統合には、ERP、HCM、SCM向けのOracle Fusion ApplicationsとNetSuiteが含まれる。また、予定されているデータベース統合には、クラウド上でホストされるOracle Database、Oracle Autonomous Database、MySQL HeatWave、Oracle NoSQL Databaseが含まれる。Snowflakeによると、このサービスではネイティブな統合機能を使い、対応するOracleのアプリケーションやデータベースからSnowflake on OCIへデータを取り込むことで、カスタムパイプラインの必要性を減らす予定だ。さらに、データエンジニアリングとデータ取り込みの機能に加え、分析用データの提供に際してその管理に利用できる、ロールベースのアクセス制御とデータアクセスポリシーも備える予定だ。 Oracleの発表では、このサービスの設計目標として4点を挙げている。第一に、Oracle…
OracleとNVIDIA、OCIでVera Rubinをマルチギガワット規模に拡張する計画
NVIDIAとOracle は2026年10月27日、AIのトレーニング、推論、エージェント型アプリケーションに対する顧客需要の高まりを受け、NVIDIA Vera Rubin NVL72システムを搭載したOracle Cloud Infrastructure Superclusterをマルチギガワット規模に拡張する計画を発表した。両社の共同発表では、NVIDIA Vera Rubin NVL72とNVIDIA Vera CPUがOCIで一般提供を開始したことも明らかにされ、OCIではNVIDIA HGX Rubin NVL8システムの導入も計画していると発表された。 拡大する協業は、最先端モデルのトレーニングや提供に必要なGPU負荷の高い処理と、モデル呼び出しの合間にエージェントが行う、ツールの実行、コードのテスト、データの取得などのCPU負荷の高いタスクの両方を対象とする。顧客はワークロードに合わせてCPUリソースとGPUリソースを個別に拡張できる。 OCI Superclusterは、NVIDIA NVL72のラックスケールシステム、Spectrum-6スイッチとBlueField-4 DPUを採用したNVIDIA Spectrum-X Ethernet対応のOracle Acceleronネットワーク、そしてギガワット級の電力供給・冷却設備を組み合わせている。各ラックではNVIDIA NVLinkのスケールアップネットワークを介して72基のGPUを接続し、OCIの多平面ネットワークは数十万基のGPUにわたって拡張できる。Oracleによると、Vera Rubinは従来のBlackwell世代と比較して、ワット当たりの推論スループットが最大30倍、トレーニング性能が4倍向上する。 計画中のVera Rubin拡張は、OCIにすでに導入されているNVIDIA GB200およびGB300 NVL72インフラと、NVIDIA共通のCUDAソフトウェア基盤を土台とする。OCIで導入が計画されているHGX Rubin NVL8は、NVLinkで接続された8基のRubin GPUを、64コアのIntel Xeon 6 CPUを2基搭載するx86ベースのサーバーに収め、4TBのDDR5メモリーと6.4Tbpsの高速RDMAネットワークを備える。このプラットフォームはAIのトレーニング、ファインチューニング、推論向けに設計されており、x86ベースのアプリケーションとの互換性を維持しながら、顧客が8基のGPUを搭載する小規模な構成でRubin GPU技術を導入できる。 発表によると、OpenAIはテキサス州アビリーンにある、NVIDIA Blackwell GPUを10万基以上搭載したOCI…
MetaでHeliosシステムが稼働するなか、AMDがMetaの株式に10億ドルを投資
Advanced Micro Devices AMDは2026年10月27日、初のHeliosラックスケールAIシステムがMetaで稼働中であること、AMD EPYCプロセッサがMetaのパーソナルAIエージェントMuseを支えていること、そしてAMDのテクノロジーがMetaのMuse Spark OpenおよびMuse Glimmerモデルを導入初日からサポートしていることを明らかにした。カリフォルニア州サンタクララ発の発表で、AMDはさらに、Metaの株式募集に10億ドルを投資すると述べた。 発表によると、今回の取り組みは、MetaのサービスとAIインフラを支えるAMD EPYCプロセッサ、AMD Instinct GPU、AMD Pensandoネットワーキング、AMD ROCmソフトウェアをめぐり、両社が長年にわたって共同設計を進めてきた成果を土台としている。 AMDの会長兼最高経営責任者（CEO）であるLisa Suは、Metaについて、長年にわたる緊密な技術協業を通じて築いてきた戦略的パートナーだと述べた。「HeliosがMetaで稼働を開始した今、超知能の時代に向けて、このパートナーシップを新たな規模へと拡大していきます」と語った。Metaの創業者兼最高経営責任者（CEO）であるMark Zuckerbergも、同じ発表の中で「AMDは、当社の最先端モデルを稼働させるコンピューティング基盤の拡充において、重要なパートナーです」と述べた。 Metaに導入されたハードウェア 同社によると、初期導入分のAMD HeliosラックスケールシステムはMetaに設置され、現在テスト中で、今後、導入規模をさらに拡大する見込みだ。AMDは、HeliosのラックスケールソリューションがMetaの最先端AIモデルとサービスを支えるとしている。 AMD EPYCプロセッサは、Museを支える専用コンピューティング環境に採用されている。発表によると、Metaは複数世代にわたるEPYCプロセッサを数百万個導入しており、AMDの第6世代EPYC CPUの主要顧客でもある。両社は次世代製品の開発でも協業しており、コードネーム「Verano」の次世代EPYCプロセッサもその一つだ。 AMD Instinct GPUは現在、Metaのインフラで、学習、ランキング、レコメンデーションエンジン向けに本番環境で使用されている。AMDによると、MetaはAMD Instinct MI450アーキテクチャの早期の仕様策定に関わった顧客であり、自社のワークロードに最適化したカスタムAMD Instinct GPUを導入する予定だ。両社の協業は、AMD Instinct MI500シリーズGPUや次世代ラックスケールシステムなど、今後のAMDプラットフォームの開発にも生かされているという。またAMDは、ギガワット規模の現在および将来のMetaのワークロードを軸に、両社が製品ロードマップとエンジニアリング上の判断を連携させていると述べた。 発表によると、AMDとMetaはPyTorchを通じてROCmの強化に取り組み、開発者がAMD GPUをそのまま利用できるようにしてきた。AMDは、MetaのMuse Spark OpenモデルをAMD Instinct GPUで、Muse GlimmerをAMD Ryzen…
Honeywell Technologies、Dangote製油所でForge Plant Cognitionを発表
Honeywell Technologiesは2026年10月26日に、Forge Plant Cognitionのローンチを発表しました、NVIDIA AIと高速計算機能、Dell Technologiesの技術を組み合わせた産業用AIプラットフォームです。 AIインフラストラクチャーを活用して構築されています。このプラットフォームは、製油、石油化学、液化天然ガス（LNG）の事業者が既存資産からより大きな価値を引き出し、プラント運営を変革できるよう支援することを目的としています。 このプラットフォームは、ナイジェリアのレッキにあるDangoteの石油精製所で初めて導入されます。発表によると、同製油所は世界最大級の単系列製油所の一つです。このプロジェクトは、処理量の増加を目指すと同時に、製油所の現地エンジニアリングおよび運転チームの能力強化を図ります。予備データに基づき、Honeywellは、Forge Plant CognitionによるAI活用型の最適化によって、レッキ製油所では1バレル当たり29セントを超える運用上の利益が得られる可能性があると見積もっています。フル稼働時の処理量を前提とすると、この施設では年間6,000万米ドルを超える総利益が生じるとしています。 発表の脚注によると、この数値は導入コストを差し引く前の総額であり、保証されるものではなく、当該施設に固有のものです。また、実際の結果は、製油所の構成、運転条件、原油構成、稼働率、基準時の実績、データ品質、製品マージン、顧客による導入状況に左右されます。発表では、この推定利益に加え、Dangoteの処理量および人員に関する目標も、将来予想に関する記述に分類されています。 「Dangoteと協力してForge Plant Cognitionを導入することで、AIが産業運営の変革を支援し、大規模な生産性、信頼性、収益性の新たな水準を実現できることを示しています」と、Honeywell Technologies UOPの社長、Rajesh Gattupalli氏は述べました。 プラットフォームの設計と技術構成 Honeywellが最近発表したForge Cognitionプラットフォームを基盤とするForge Plant Cognitionは、プロセス技術の専門知識、産業オートメーション、AI機能を組み合わせ、運転担当者が性能上の制約を特定し、問題を予測して、運用成果の向上につながる行動へと知見を結び付けられるよう支援します。Honeywellによると、主にデータ分析と提案の生成を行う従来型のAIソリューションとは異なり、このプラットフォームはリアルタイムの運転データ、エンジニアリングの知見、UOPのプロセス専門知識を、信頼性の高い計算および物理ベースのモデルと組み合わせることで、監視や対応にとどまらない機能を提供するよう設計されています。 Honeywellによると、このプラットフォームは3つの領域で価値を生み出すよう設計されています。1つ目の「埋もれた利益の掘り起こし」では、ボトルネックを特定し、相互につながるプロセス全体で処理量、歩留まり、製品価値の最適化を支援します。2つ目の「生産の保護」では、設備やプロセスに生じつつある問題を検知し、是正措置を提案して、計画外のダウンタイムの最小化を支援します。3つ目の「産業知見の活用拡大」では、専門的なプロセス知識をAI活用型のワークフローに組み込み、運転担当者やエンジニアがより迅速かつ一貫性のある判断を下せるようにします。Honeywellによると、UOPは製油所の設計と運転において100年以上の経験を有しており、このプラットフォームの専門AI機能は、その情報に基づく統合的な知見を活用するよう設計されています。 このプラットフォームはDell AI Factory with NVIDIAを基盤とし、Dell Servicesの支援を受けています。NVIDIA Nemotronのオープンモデルを活用したエージェントが運転データを理解・解釈する一方、NVIDIA Omniverseライブラリは、シミュレーションに基づくトレーニングや計画に向けて、プラントとそのプロセスのデジタルツインの作成を支援します。NVIDIA CosmosのオープンモデルとNVIDIA Metropolis VSS Blueprintにより、リアルタイムのアラートや異常検知を行うビジョンAIエージェントを実現します。また、NVIDIA PhysicsNemoフレームワークは、デジタルツインを統合したプラント最適化ワークフロー向けに、物理AIモデルを大規模に構築、トレーニング、微調整するために使用されます。 Forge Plant Cognitionは、Honeywellが2026年10月14日に発表したForge Cognitionの基盤プラットフォームを土台としています。同プラットフォームは、NVIDIAとDell…
フロー電池でAIデータセンターの電力コストを削減できるか？
GPUやメモリーなどのコンピューティングハードウェアが何年にもわたって不足し、その不足がようやく緩和されつつある今、新たなボトルネックがデータセンターの建設を遅らせている。それはエネルギーだ。新たなデータセンター建設の波は計算処理を大量に必要とするため、電力消費も大きい。 その結果、ほとんどの電力網では、需要の急増による数ギガワット規模の負荷に対応できない。理論上は再生可能エネルギーが代替手段になり得る。とりわけ、太陽光発電と風力発電はここ数年で大幅に安くなっている。 しかし、再生可能エネルギーの発電量は変動しやすく、当然ながら太陽光発電は夜間には機能しない。一方、AIデータセンターは継続的な稼働が必要で、稼働率には「ファイブナイン、あるいはシックスナイン」（99.9999%）という極めて高い水準が求められるため、電力不足は許容できない。 そこで代替策となるのがエネルギー貯蔵だ。夜間の電力不足を補うだけでなく、日照の少ない日の発電量低下にも対応できる。実現すれば、独立したマイクログリッドでデータセンターに電力を供給し、このボトルネックを完全に回避できる。 Sejong Universityの研究者2人による新たな研究では、系統に接続しない再生可能エネルギーのマイクログリッドを利用するAIデータセンターに、どのエネルギー貯蔵技術が最も適しているかを分析した。 研究者らは、この用途にはバナジウム・レドックス・フロー電池が最適となる可能性があると結論づけた。一方で、データセンターの負荷が大きくなるほど、リチウムイオン電池の競争力も高まるようだ。研究では、これらの選択肢を水素ベースのバックアップ電源やフライホイールとも比較している。 研究成果は、Journal of Engineering Research1に掲載された。論文のタイトルは「AIデータセンター向けオフグリッド再生可能エネルギーマイクログリッドにおけるエネルギー貯蔵技術の技術経済性比較評価」。 AIの膨大な電力需要 従来世代のデータセンターとは異なり、電力消費という点で、AIデータセンターは重工業に近い。たとえば、ハイパースケールAIデータセンターでは100 MWを超える電力容量が必要になる場合があり、これは約10万世帯の年間電力消費量に相当する。さらに、最新のデータセンターの多くはギガワット規模を目指している。これは100万世帯の電力消費量に相当し、大規模な原子炉1基の発電量を消費するほどの規模だ。 そのため、ESG評価を維持するために、ハイパースケーラーやテクノロジー企業は低炭素電源から電力を調達しようとしている。 「国際エネルギー機関（IEA）によると、データセンターの追加電力需要の約50%は、2035年までに再生可能エネルギーで賄われると見込まれている。GoogleやMicrosoftなどの大手テクノロジー企業は、2030年までの『24時間365日カーボンフリー電力』目標を発表しており、電力消費量とカーボンフリー電力の発電量をリアルタイムで一致させることを目指している」 エネルギー貯蔵の選択肢をシミュレーション 現実的なオフグリッドAIデータセンターの構築 この研究では、韓国・テベクの地域条件を踏まえ、AIデータセンター向けの仮想的なオフグリッド再生可能エネルギー・マイクログリッドを評価している。山間部に位置するため、夏季の平均気温は約26.0°Cと低く、冬季の平均最低気温は約−9.6°Cであり、データセンターの冷却需要を抑えるうえで有利な条件が整っている。 この場所のもう一つの利点は、冬に太陽光発電量が減る一方で風力発電量がピークを迎えることだ。これにより、システムは季節ごとの発電量を均衡させられる。 対象となるのは、太陽光発電（PV）、風力タービン、水素貯蔵、および3種類のエネルギー貯蔵システム（ESS）技術、すなわちリチウムイオン電池、バナジウム・レドックス・フロー電池（VRFB）、フライホイールで構成される統合電力供給システムだ。 電解装置、H₂タンク、燃料電池で構成される水素エネルギー貯蔵サブシステムも含まれており、長期貯蔵と再生可能エネルギーの余剰電力の活用を担う。 HOMER Proのマイクログリッド最適化ソフトウェアを使用し、各構成要素の規模を最適化するとともに、異なるESSベースのシステム構成の経済性を比較した。 精度の高いシミュレーションの設計 データセンターでは、サーバー、冷却システム、関連する電気設備がサービスの中断を防ぐために常時稼働するため、年間を通じてベース負荷が比較的安定している。実際の運用条件における限られた変動を反映するため、1時間ごとに±5%、1日ごとに±3%の負荷変動を適用した。 財務面では、プロジェクトの存続期間を25年、想定インフレ率を2.0%、名目割引率を2.5%と設定し、実質割引率を0.49%と算出した。 各蓄電システム（ESS）の初期費用、交換費用、運用・保守（O&M）費用を、それぞれ基準値の80％、100％、120％に同時に変化させ、各条件でシステムを再最適化した。 冷却性能の向上を想定した簡易シナリオとして、1 MWのデータセンターの施設全体の電力需要を5％削減して評価した。 想定される各設計では、採用する蓄電システムによって異なる利点がある。 リチウムイオン電池は、高効率で応答が速く、短時間から中時間の需給調整に適している。 バナジウムレドックスフロー電池（VRFB）は、出力容量とエネルギー容量を独立して拡張でき、長時間の蓄電や深い放電の繰り返しに適している。 フライホイールは、高出力にすばやく応答でき、短時間の蓄電が可能である。 年間の最大供給力不足は2％に制限した。運転予備力の要件は、現在の負荷の10％、太陽光発電（PV）出力の80％、風力発電出力の50％に設定した。 これは計画段階での比較であり、ミッションクリティカルな信頼性を実証するものではない。年間の未供給電力量は、リチウムイオン電池で1.18％、VRFBで0.684％、フライホイールで0.588％だった。これらの割合は未供給のエネルギー量を示すもので、停止時間を示すものではなく、稼働率に直接換算することはできない。また、このモデルでは、GPU使用率の変動や冷却需要を明示的にシミュレーションせず、簡略化した負荷プロファイルを用いている。 再生可能エネルギーを活用するマイクログリッドの最適な構成を探る リチウムイオン電池を用いる構成を分析したところ、これらの電池と水素システム全体を組み合わせた構成が最も経済的だった。 「リチウムイオン電池のケースでは、最適なシステムは、PV 4,443…
Jonathan Schramm
Coles、オンライン食料品販売でのAI検索と商品発見にCoveoを採用
Coveo Solutions Inc.は 2026年10月21日、Coles Group Limitedが、オーストラリアの小売業者が運営するオンライン食料品販売プラットフォームcoles.com.auのAI検索と商品発見を支える技術として、Coveoを選定したと発表した。選定に関する金銭的条件は公表されていない。 モントリオールおよびオーストラリア・メルボルン発のCoveoの発表によると、この導入は、顧客がColesの幅広いオンライン食料品をより簡単に見て回り、商品をすばやく、安心して見つけられるようにすることを目的としている。Coveoによると、同社のAI-Relevance技術は、買い物客の意図や状況、行動シグナル、商品データを組み合わせ、各顧客に最も関連性の高い検索結果やおすすめ商品を提示する。常に品ぞろえが変化する大規模な食料品販売では、これにより買い物客にとって、より直感的な体験が実現すると同社は述べた。 Colesのデジタルプロダクト担当ゼネラルマネジャー、Ben Levinson氏は、顧客がColesでより便利に買い物できる方法を常に模索しており、検索はオンラインでの体験において重要な要素だと述べた。「Coveoの技術により、お客様が探している商品をより簡単に見つけられることが示されました。Colesのオンラインショッピング体験を今後さらに向上させていくことを楽しみにしています」と同氏は語った。 Coveoのアジア太平洋地域担当マネージングディレクター、Alexander Mahr氏は、オーストラリアの人々が日々の食料品をより速く簡単に見つけられるよう支援することは、同社にとって大きな機会だと述べた。「オーストラリア全土のお客様に、よりスマートで直感的なオンライン食料品購入体験を提供するColesを支援できることを誇りに思います」と同氏は語った。 Colesのオンライン食料品販売事業 Colesは、2026年8月25日にオーストラリア証券取引所へ提出した2026年度通期決算発表で、2026年6月28日までの52週間におけるグループ売上高が456億豪ドルとなり、2.8％増加したと報告した。スーパーマーケット部門のeコマース売上高は26.4％増の56億豪ドルとなった。eコマースの売上構成比は通期で13.6％、第4四半期で14.6％に達した。これらのeコマースの数値には、coles.com.auで販売された酒類が含まれる。Colesによると、売上構成比は2027年度最初の8週間で15.7％に上昇した。同社は、差別化されたeコマースの提供内容が成長を大きくけん引していると述べた。 マネージングディレクター兼最高経営責任者のLeah Weckert氏は、今年度の業績は、自動化とeコマースへの投資、規律ある事業運営、そして顧客への価値提供に注力してきたことの効果を示していると述べた。 Colesによると、2カ所の顧客向けフルフィルメントセンターは、稼働2年目にあたる今年度に、EBITDAが黒字となった。同社はその要因として、配送対象エリアの拡大、センターからの当日配送の開始、倉庫の保管グリッド上で作業するロボット式ピッキングアーム、自動フレーム積載、自動袋詰め技術の導入を挙げた。また、店舗で対応するClick & Collectでは、待ち時間の短縮と処理能力の増強が進んだ。メルボルンとシドニーで当日配送の注文が各センターに移管されたことも、その改善につながったという。 同社は今年度、Uber Eatsとの提携も拡大し、オーストラリアのオンデマンド配送プラットフォームで利用できる食料品としては最大規模の品ぞろえを顧客に提供していると説明した。また、決済手続きの改善や店内検知機能に加え、アプリの「New for You」「My Weekly Specials」機能など、デジタル機能を強化した。さらに、AIと自動化の活用を拡大し、店舗サポートチームのメンバーがChatGPT Enterpriseを利用できるようにした。 Colesは今後2年間、店舗、オンライン販売の処理能力、テクノロジーへの投資を加速する。既存市街地内や高成長エリアに約45店舗のスーパーマーケットを新設し、約150店舗を改装するとともに、効率向上とAIを活用した機能のさらなる導入促進に向けて、テクノロジーを簡素化する計画だ。この計画には、2028年度末までに追加で3億豪ドル、年間約1億5,000万豪ドルを投資する。2027年度の設備投資総額は約15億5,000万豪ドルとなる見込みだ。 発表によると、Colesは2026年6月28日時点でスーパーマーケット870店舗、酒類販売店988店舗を運営しており、グループ全体の店舗数は1,858店だった。 Coveoの業績と見通し 米ドルで決算を報告するCoveoは、2026年7月30日に発表した2027年度第1四半期決算で、2026年6月30日までの四半期におけるSaaSサブスクリプション収益が9％増の3,740万ドルとなり、総売上高は8％増の3,850万ドルだったと発表した。純損失は580万ドルで、前期の1,510万ドルから縮小した。調整後EBITDAは前期のマイナス190万ドルに対し、10万ドルとなった。2026年6月30日時点の現金および現金同等物は1億710万ドルだった。 同社によると、四半期末の直後、Fortune Global 500に名を連ねるテクノロジー企業との間で、同社史上最大の取引が成立し、この顧客の年間換算SaaSサブスクリプション支出は8桁となった。また第1四半期には、Fortune 500に名を連ねる医療製品販売会社との間で、7桁規模の新規事業拡大を獲得した。この顧客は現在、ナレッジとコマースにまたがる複数のユースケースを有している。同社はさらに、B2Bコマースでも引き続き手応えが見られると述べた。 Coveoによると、Coveo Search Agentsを活用したConversational Searchは、5社で本番環境に導入されており、さらに数十社が評価を進めている。また、複数の顧客が、最近リリースされたConversational Product Discoveryの導入を開始している。同社はさらに、Merchandising Hubに組み込まれたエージェント型アシスタント、Merchandising…
OpenAI、ChatGPT Adsを26か国に拡大し、提供国は計89か国に
OpenAIは2026年10月21日に発表し、ChatGPT Adsの提供国をさらに26か国増やして、広告プラットフォームを世界89か国で利用可能にすると明らかにした。また、広告の開始から8か月余りで、10万社を超える広告主がChatGPTでキャンペーンを実施したという。 OpenAIによると、毎週12億人以上がChatGPTを使ってアイデアを探り、選択肢を比較し、意思決定をしている。広告は、ほかでは見つけられなかったかもしれない選択肢も含め、自分のニーズに合った商品やサービスを見つける助けになるという。同社は、広告によって世界中の人々がChatGPTを無料または低価格で利用できる環境を支えていると述べた。 ラテンアメリカ、欧州、中東、アフリカ、アジアの新市場 メキシコとブラジルでの提供開始に続き、OpenAIはアルゼンチン、チリ、コロンビア、ペルーなど、ラテンアメリカのさらに14か国でChatGPT Adsを提供する。今回の開始により、ナイジェリア、南アフリカ、セルビア、ウクライナ、カンボジア、バングラデシュ、パキスタンなど、欧州各地の市場に加え、中東、アフリカ、アジアの市場でも利用可能になる。OpenAIは、今回の展開は欧州、東南アジア、台湾での最近の拡大に続くものだと述べた。 新たに対象となる国の広告主は、テクノロジーパートナーを通じて、またはOpenAIのポータルであるads.openai.comのAds Managerからセルフサービスで、ChatGPT Adsを利用できる。広告が表示されるのはFreeプランとGoプランのみで、Plus、Pro、Enterpriseの各プランには引き続き広告が表示されない。 OpenAIは、利用者が探しているものを説明し、追加の質問をし、会話を通じて選択肢を絞り込む過程で広告が表示されるよう設計していると説明した。発表で示された例では、初めてのマラソンに向けてトレーニングしている人が、大会前の週の食事を考える際、食の好みや調理に使える時間に応じて選択肢を絞り込み、その会話に関連した食料品宅配サービスの広告が表示されることがある。同社によると、このプラットフォームは、利用者がまだ選択肢を検討している段階で、地元企業、地域ブランド、国際企業が商品を紹介できる場を提供する。 L’Oréal GroupのCDMOであるAsmita Dubeyは、発表の中で次のように述べた。「L’Orealでは、『始まりつつあるものをつかむ』ことが企業文化です。何十億もの消費者がAIモデルを使って美容について知り、探求する今日も、私たちの使命は、価値あるものを届け、より深いつながりを築くことにあります。OpenAIと早期にテストを行うことで、発見から評価、エージェント型コマースに至るまで、役立つ体験や顧客の道のりを切り開き、美容についての会話がどこで行われても、L’Oréalが最も信頼される専門的な回答であり続けることを目指します。」 広告の原則とプラットフォームの展開 OpenAIによると、広告に関する原則に基づき、利用者との会話は広告主に開示せず、顧客データも販売していない。ChatGPT内の広告には明確な表示が付き、ChatGPTの回答とは分けて表示される。また、広告がChatGPTの回答に影響を与えることはない。 OpenAIは2026年1月16日に広告に関する原則を公表し、その際、数週間以内に米国の無料プランとGoプランで広告のテストを開始する予定だと発表した。原則には、使命との整合性、回答の独立性、会話のプライバシー、選択と管理、長期的な価値という5つの約束が掲げられている。利用者はいつでもパーソナライズをオフにし、広告に使用されるデータを消去できる。また、OpenAIは、広告のない有料プランを含め、ChatGPTで広告を表示しない選択肢を常に提供するとしている。さらに、同社はChatGPTの利用時間を最大化することを目指さず、収益よりも利用者の信頼と体験を優先すると明記している。 1月の発表でOpenAIは、テスト期間中、利用者が18歳未満だと申告したアカウントや、18歳未満と推定されるアカウントには広告を表示しないとも述べた。また、健康、メンタルヘルス、政治など、慎重な取り扱いが必要な話題や規制対象の話題の近くには広告を表示しないとしている。 その後、プラットフォームは段階的に拡大してきた。OpenAIは2026年5月にAds Managerを導入し、中小企業にもプラットフォームを開放した。2026年8月31日、同社は、ChatGPT Adsが開始から200日未満で年換算売上ランレート10億ドルに達し、数万人の広告主を獲得したこと、40か国超で利用可能になったこと、50社を超えるテクノロジーおよび効果測定パートナーからなるエコシステムを築いたことを明らかにした。2026年9月23日の拡大では、インドネシア、マレーシア、フィリピン、シンガポール、タイ、ベトナム、台湾でChatGPT Adsの提供を開始し、当時の提供国は60か国を超えた。利用はOpenAI Ads Solutionsチームのほか、dentsu、Havas Media、Omnicom Media、Publicis Groupe 、WPPなどの代理店パートナーおよびテクノロジーパートナーを通じて可能だった。 OpenAIによると、次の成長段階では、広告フォーマット、目的、購入方法、効果測定機能をさらに開発する。また、企業がChatGPT内で、より自然な形で消費者と関わる新たな方法も引き続き模索している。
OpenAIの最先端モデルとCodexがGoogle Cloud Model Gardenに登場
OpenAIとGoogle Cloudは2026年10月21日、OpenAIの最先端モデルとCodexのエージェント型ワークフローをGoogle CloudのModel Gardenに導入するため、提携すると発表した。購入手続きはGoogle Cloud Marketplaceを通じて行われ、企業は既存のGoogle Cloud利用契約の支出枠を充当して料金を支払える。 OpenAIの発表によると、この連携により顧客はGoogle Cloud上でモデルをネイティブに利用できるようになり、Google Cloudのデータガバナンスと高性能インフラを基盤として、大規模で複雑なエージェント型ワークフローを実行できる。OpenAIは、この提携によって企業の開発者やデータサイエンティストが、普段利用している環境で同社の最先端モデルを使えるようになり、企業はソフトウェア開発ライフサイクルを近代化し、エージェント型ワークフローを構築できると述べた。 Google CloudでGeminiのプロダクトマネジメント担当バイスプレジデントを務めるMichael Gerstenhaberは、Google Cloudの投稿で、GPT-6 Astra、GPT-6.1 Sol、GPT-6 Lunaが、Model Gardenで一部の企業顧客を対象にプライベートプレビューとして順次提供され、今後さらに対象が広がると述べた。Gerstenhaberによると、顧客はGoogle CloudのAPIを通じてこれらのモデルを利用して開発できるほか、2026年10月21日から、ローカル環境のCodex CLIおよびDesktopのワークフローを推論用にGeminiプラットフォームへ直接接続できる。OpenAIは、数週間以内に一般提供を開始する予定だと述べた。両社は、顧客がアクセスを申請または希望を表明するためのオンラインフォームを公開した。 モデルのラインアップ Google Cloudは、3つのモデルそれぞれについて、想定する作業内容を説明した。GPT-6 Astraは、コーディング、コンピューター操作、専門的な業務、科学研究など、高度な作業向けに設計されている。GPT-6.1 Solは、エージェント型コーディング、コンピューター操作、専門的な業務において、Astraに近い知能をより低コストで提供するとGoogle Cloudは説明した。GPT-6 Lunaは、日常的な作業を大規模に処理するための、高速で費用対効果の高いモデルだ。Google Cloudによると、顧客はアーキテクチャ上のロックインやベンダーごとの個別契約に縛られることなく、性能、レイテンシー、コスト効率を基準に、用途に応じて最適なモデルを動的に選択し、切り替えられる。 Google Cloudによると、今回の追加により、同社は主要なクローズドソースLLM 3種すべてを提供する唯一のハイパースケールクラウドプロバイダーとなった。さらに、統合型の企業向けAIプラットフォーム上で、自社提供モデル、サードパーティー製モデル、オープンモデルを合わせて200種類以上利用できる。 Marketplaceでの請求とデータガバナンスの条件 Google Cloudによると、OpenAIのモデルはGoogle Cloud Marketplaceを通じて取引されるため、すべての利用料金が1つのGoogle Cloud請求書にまとめられる。既存のクラウド利用契約の支出枠が充当され、モデルプロバイダーを問わずFlexible Savings Plansの利用実績にも算入される。 Google…
VertivとNVIDIA、Polarがノルウェーで導入するAIファクトリー構想を発表
Vertiv Holdings CoとNVIDIAは2026年10月21日、NVIDIA GTC BerlinでAIファクトリー構想を発表した。この構想は、事前設計済みのリファレンスアーキテクチャを迅速に構成して仮想検証し、工場で製造したインフラを導入するもので、Polar Data CentersはノルウェーのHerøyaに建設する複数段階のAIデータセンターの第1期（41 MW）に、工場製造型の導入モデルを適用している。所定の前提条件のもと、この構想では、導入済みの設備容量を変えずに、最初の12か月間の累計トークン生成量を最大30%増やすことを目指すと、Vertivは発表で述べた。 AIファクトリーの運営事業者にとって、コンピューティング能力の確保は課題の一部にすぎないと、同社は述べた。従来のインフラ開発では、電力、冷却、施設の各システムを別々の工程で順次設計・統合する必要があり、複雑化や遅延につながる可能性がある。これに対し、VertivとNVIDIAの構想では、顧客や設置場所の要件に合わせて迅速に構成できる、事前設計済みのAIファクトリー向けリファレンスアーキテクチャを起点とする。導入前に仮想環境で検証し、その後、工場製造型のインフラへと展開する。 構成と検証を行い、その後に導入 構成段階では、NVIDIA Vera Rubin DSX AI FactoryリファレンスデザインとNVIDIA Omniverse DSX Blueprintを、Vertiv SimReadyの電力・冷却設備アセットと組み合わせ、Dassault Systèmesの3DEXPERIENCEエージェント型プラットフォームと統合する。統合インフラの設計を一から始めるのではなく、チームはプロジェクトの要件、インターフェース、制約に照らしてリファレンスデザインを構成し、仮想環境で検証する。Vertivがモデル化したシナリオでは、要件の確認からAIファクトリーソリューションの構成・検証までにかかる期間が、約30日から3日に短縮される。同社はこれを10倍の改善と説明している。発表の脚注によると、この数値はモデルに基づくもので、デジタルツイン上で初期統合設計を構成・検証するまでの期間を、従来の30日間の設計工程と比較している。結果はプロジェクトによって異なる。 Vertivは、電力・冷却設備のSimReady OpenUSDアセットを、Hugging Face上のSimReady Central Libraryにも提供している。発表によると、このライブラリを使うことで、エンジニアリングチームはAIファクトリーのデジタルツインで、検証済みの設備アセットを検索して再利用できる。これにより、アセット準備の負担を軽減し、設計段階でインフラの選択肢を評価しやすくなる。 構成の検証が完了すると、Vertivのプレハブ型ソリューションにより、機器が現場に届く前に、組み立て、統合、試験のより多くの工程を工場内で済ませられる。これらのソリューションには、重要電源、熱管理、関連インフラを統合したハイブリッド建築型データセンターソリューションのVertiv OneCoreと、高密度電力配電、液冷、ネットワーク、封じ込めに対応するプレハブ型の頭上インフラシステムVertiv SmartRunが含まれる。モデル化したシナリオでは、工場製造型の方式により、インフラの導入期間が約90日から45日に短縮され、最大50%の短縮となる。脚注では、これをVertivの工場製造型インフラを用いた現地での電力・冷却設備の導入期間と、従来方式で現地導入に要する90日間を比較したものと定義している。結果はプロジェクトによって異なる。 構成・検証段階の短縮と合わせると、モデル上ではこれらの段階にかかる期間が約120日から48日に短縮され、生産的なAI処理能力を約10週間早く利用できるようになる可能性があると、同社は述べた。トークン生成量を30%増やすという数値には、別途脚注が付されている。設計着手から最初の12か月間について、導入済みの設備容量が同じ条件で、生産可能日数を317日と245日として比較したものであり、その内訳はそれぞれ3日＋45日と30日＋90日である。実際の結果は異なる。 HerøyaのPolar Data Centers ノルウェーのHerøyaキャンパスで、Polarは、最大100 MWまで拡張可能な複数段階のAIデータセンターの第1期（41 MW）に、Vertivの工場製造型導入モデルを採用している。Vertivは、プレハブ型の電力・熱管理モジュール、頭上インフラのVertiv SmartRun、Vertiv Unifyソフトウェアで支援するVertiv SmartModを供給する。発表によると、この導入モデルは現地作業の複雑さを軽減し、高密度の液冷設備を備えた容量を顧客がより早く利用できるようにすることを目指している。 「AIファクトリーの収益はトークンによって生まれます。インフラの構成や現地での統合に費やす日々は、二度と取り戻せない生産量の損失です」と、VertivのCEO、Giordano…
