チップを作ってチップ不足を解く人たち、ほか9本

OpenAIは8月25日、同社初のカスタム推論チップ「Jalapeño」の初期性能結果を公開した。SemiAnalysisの公開ベンチマーク「InferenceX」を使った同社の比較では、GPT-OSS 120B、DeepSeek R1 670B、Kimi K2.5 1Tの3モデルにおいて、比較対象システムよりピーク時の電力当たり処理量が1.5〜1.9倍、エンドツーエンド遅延が1.7〜3.6分の1だったとしている。Jalapeñoは、プロンプト処理、トークン生成、チップ間通信で異なるボトルネックが生じる推論処理向けに、計算・メモリー・ネットワークを一体設計したという。定格電力は700Wだが、同社の試験では持続消費電力は550W以下だったと説明している。

同社は、モデルの状態を含むKVキャッシュを局所的に保持してデータ移動と通信待ちを減らす設計を採った。開発では自社モデルも活用し、初期設計からテープアウトまでを9カ月で進めたほか、CodexとGPT-Astraで一部の注意機構・MoEブロックを最適化したとしている。TechCrunchによれば、OpenAIはBroadcomとの協業で開発したこのチップを年末に小規模導入し、より本格的な展開は2027年になる見通しだ。今回の数値は同社が公開した比較結果であり、実際のサービス環境や他社構成での性能は、今後の独立した検証と量産状況を見極める必要がある。

OpenAIはJalapeñoを単発製品ではなく複数世代のプラットフォームとして位置付け、次世代は開発の深い段階、3世代目も構想中だとしている。同社は今後もNVIDIAを含む複数のアクセラレータを学習・推論の両方で広く使う方針を明示した。これは、AIサービスの競争がモデルの能力だけでなく、推論1回当たりの電力、待ち時間、供給量を自社でどこまで制御できるかという全スタック競争へ移っていることを示す。特に対話型エージェントでは処理手順が連鎖するため、単発の高速化よりも、各段の待ち時間を削ることが体験とコストの両方に影響する。

Googleは法律事務所向けに、Gemini Enterprise for Legalを発表した。契約書のレビュー・交渉、規制変更の追跡、訴訟・社内文書の検索などを対象とする事前構成済みのスキルとエージェントを提供する。Everlaw、Relativity、iManage、NetDocuments、DocuSignなどの既存システムとの連携を用意し、HarveyやLegoraなどもパートナーに含める。Googleは、顧客データ、モデル出力などを基盤モデルの学習に使用しないとしている。

Google Cloudは、資本市場と法人銀行向けにGemini Enterprise for Financial Servicesをプレビュー提供すると発表した。Google管理のFinancial Research agent、50以上の用途別スキル、13のデータコネクター、第三者エージェント連携を含む構成で、調査、KYC、ポートフォリオ分析、債券発行支援などを対象にする。接続先には市場データ、ニュース、規制提出書類、社内データベースが含まれ、出典とデータ来歴を伴う出力をうたう。Deutsche BankがFinancial Research agentの設計パートナーとして参加した。

Poolsideは8月24日、エージェント型コーディング向けの1180億パラメータ・オープンウェイトモデル「Laguna S 2.1」を公開した。重みはOpenMDW-1.1ライセンスでHugging Faceに提供され、同社は単一のNVIDIA DGX Sparkで動作可能だとしている。PoolsideはTerminal-Bench 2.1とSWE-Bench Proで、より大規模な複数モデルと同等以上の結果を示したと発表した。トレーニングには4,000基のH200 GPUを使い、4週間未満で完了したという。

Thomson Reutersは、社内開発した初の独自大規模言語モデル「Thomson」を発表した。強力なオープンソース基盤に、Westlaw、Practical Law、Checkpoint、Reutersなどの専門コンテンツと専門家の評価を組み合わせて学習したという。同社は人材・計算資源を含め4,000万ドルを投じ、一般的なフロンティアモデルに比べて低い推論コストを目指したとしている。最初の導入先はCoCounsel LegalのTabular Analysisで、法律事務所・企業法務部門向けの文書レビューに展開する予定だ。

Linux Foundationは、OPAQUEから提供されたTRACE（Trust, Runtime Attestation and Compliance Evidence）を受け入れた。AMD、Intel、Microsoft、OPAQUE、Technology Innovation Instituteが共同開発した仕様で、AIエージェントや機密ワークロードについて、実行環境、ソフトウェア、適用ポリシー、データ分類、ツール利用を暗号学的に検証可能な証跡にまとめる。既存のRATS、EAT、SLSA、SCITT、SPIFFE、EARなどを組み合わせ、クラウドや機密計算環境をまたぐベンダー中立の証拠層を目指す。仕様、技術文書、参照実装は公開済みである。

CiscoはSupermicroとの連携により、NVIDIAとのSecure AI Factoryを拡張すると発表した。液冷・空冷対応の高密度計算機をCiscoのAIインフラ製品群に加え、企業、ネオクラウド、ソブリンクラウド向けに提供する。NVIDIA Vera Rubin NVL72やHGX Rubin NVL8を使う大規模学習・高スループット推論を想定し、ラックからファブリックまでの液冷構成も扱う。Supermicroの計算機を含む提供は2026年10月開始予定である。

カリフォルニア大学サンディエゴ校のSan Diego Supercomputer Centerは、カリフォルニア州エネルギー委員会が資金を拠出する848万ドルの実証事業を開始する。中電圧交流を800V直流へ変換する双方向固体変圧器と、AI計算の電力需要を調整するソフトウェアを組み合わせ、2MWのAI計算負荷を対象に試験する。事業は電力設備の設置面積を50％超削減し、約25％の省エネを目標に掲げる。大学側は、AIデータセンターを単なる大口負荷ではなく、系統状態に応じて需要を調整できる資源として扱うことを目指す。

AIデータ企業Micro1は、グロス年換算ランレートが8カ月で1億ドルから5億ドルに増えたと公表した。同社は、モデル開発企業と技術分野の専門家を結び、モデルの改善に必要なデータ作成・評価を担う。記事では、同様に人間の専門知識をAI開発へ供給するMercorやHandshakeも急成長していると指摘される。公開インターネット由来のデータが広く使われるなか、専門性や独自性を持つデータの価値が高まっていることを示す動きといえる。

ワシントンD.C.地域のEmerald AIは、オーバーサブスクライブとなった資金調達ラウンドで評価額10億5,000万ドルに達した。データセンターの電力管理を手がける同社は、2024年の創業以降で累計2億1,500万ドルを調達しており、NVIDIAは各ラウンドに出資している。AIデータセンターの電力需要が高まるなか、計算ワークロードを電力系統の状態に応じて調整する技術を展開する。AIインフラへの投資が、GPUそのものから電力を制御するソフトウェアにも広がっていることを示す事例である。