大規模言語モデル（LLM）の躍進と同様に、パラメータ数が少なく、コンパクトで効率的、高い適応性を備える小規模言語モデル（SLM：Small Language Model）の開発も進んでいる。マイクロソフトの「Phi-3」、グーグルの「Gemma」「Gemini 1.5 Flash」などに加え、スタートアップも多数、SLM開発に乗り出している。日本企業もNTTの「tsuzumi」、NEC「cotomi」などが（SLMとはうたわないながらも）小型・特化型に取り組んでおり、開発競争は激化の様相だ。SLMとは何か、SLMはLLMと何が違うのか。小規模言語モデルの開発状況を探ってみたい。

GPT-4を超える大規模言語モデル（LLM）が乱立する「ポストGPT-4」フェーズに突入した生成AI市場だが、生成AIを爆速化する次世代GPUの開発競争にも拍車がかかっている。トップを走るNVIDIAは、次世代GPU「Blackwell（ブラックウェル）」を発表。前世代と比べ、最大30倍のパフォーマンス向上を実現するとともに、コストとエネルギー消費を1/25に抑えることに成功したという。一方、スタートアップの動きも活発化しており、GroqはChatGPTを13倍高速化できるGPUの開発を終え、すでに販売拡大に乗り出している。激化するGPU開発競争、その最前線を追ってみたい。

これまでOpenAIのGPT-3.5やGPT-4が火付け役になって進んできた大規模言語モデル競争。SambaNova Systemsが発表した1兆パラメータの大規模言語モデル（LLM）「Samba-1」も注目されるモデルの1つだ。GPT-4より少ない計算リソースで動作しつつ、同等以上の能力を持つというSamba-1とは一体どんなモデルなのか。また、Samba-1を生み出したSambaNovaとはどのような企業なのか。GPT-4と比較しつつ、わかりやすく解説する。

デジタルツインはじめ、産業用メタバース（インダストリアル・メタバース）への期待が高まる製造業界だが、データのサイロ化や連携の課題など、本格活用には大きな障壁が存在している。この課題を解決すべく注目が集まっているのが、3Dファイルフォーマット「OpenUSD（Universal Scene Description）」だ。本規格を開発したピクサーのほか、NVIDIA、アップル、Autodesk、アドビなどの名だたる企業が同フォーマットへの対応を表明している。ここではOpenUSDの基礎からそのメリット、実際の大手企業の活用事例などをわかりやすく紹介する。

イーロン・マスク氏が率いるxAIが、大規模言語モデル（LLM）「Grok-1.5」を発表した。同社によると、Grok-1.5はOpenAIの「GPT-4」やアンソロピックの「Claude 3」に匹敵する推論・問題解決能力を持つという。ここにきて同サービスが注目を集める理由は、同発表からわずか2週間後にマルチモーダル版である「Grok-1.5V」を発表したこと。これにより、テキストプロンプトに加えて、図表や写真、空間情報などを処理できると主張する。さらには、X（旧Twitter）において話題のニュースやトピックを要約する「Stories on X」に同モデルが採用されることも明らかになった。Grok-1.5の実力を確かめるとともに、競合モデルと比較しつつ、今後リリースされる「Grok-2」について占っていこう。

現在、メタバースを産業用途に活用する「産業メタバース」の動きが広がりつつある。中でも注目されているのが、ドイツの大手製造企業シーメンスの動きだ。同社はこの分野でソニーやアマゾンとの提携を相次いで発表するなど積極的な取り組みを行っている。産業メタバースとは具体的に何を指すのか。そしてシーメンスが目指す産業メタバースの在り方とはどんなものなのかを解説する。

人型ロボットを開発するスタートアップFigure（フィギュア）が、マイクロソフト、OpenAI Startup Fund、NVIDIA、ジェフ・ベゾス氏らから6億7,500万ドル（約1,020億円）もの巨額資金を調達し、評価額は26億ドルに達した。ボストン・ダイナミクス、テスラ、グーグル・ディープマインドなどの出身者が集う同社、AIモデル開発に向けOpenAIとの提携も発表した。Figureとはどのような企業なのか、なぜ注目されているのか、その全貌を探ってみたい。

企業のAI利用が急増し、2023年4月から2024年1月の9カ月でAI＆ML（機械学習）ツールへのトラフィックは約6倍となる月間31億回に増加したことがわかった。ChatGPTなどの定番のほか、動画・画像編集やマーケティング用コンテンツ生成AIなども人気となっているという。一方、セキュリティ懸念からこれらのAIツールをブロック（遮断）する件数も同9カ月で577％に増えており、企業は活用とリスクのバランスを見極めることに注力している。

米国では近年、製造業の空洞化が社会的・政治的分断を生み、地政学的にも不安定な状況を招いている。しかし2022年8月に成立したCHIPS法を境に、半導体など製造業の国内回帰・外資誘致の動きが加速している。TSMCやインテル、GlobalFoundriesなどが数百億ドル規模の投資を発表している。 この流れを受け、製造スタートアップへの関心も高まっている。米国製造業でいま何が起こっているのか、半導体分野の動向、そして製造スタートアップをめぐる動きを追ってみたい。

商品やサービスを選定する上で、利用者のレビュー（口コミ）の重要性が高まる一方、その信頼性が問題視されている。直近では、Googleマップに投稿された口コミにより利益が侵害されたとして、全国の医師らがグーグルを集団提訴したほか、世界最大のECサイトのアマゾンの商品レビューにはサクラやステマが横行し、それを見抜くための専用サイトすらある状況だ。レビューの真贋を判定することは容易ではないが、レビューを提供するプラットフォーマー側にも一定の責任が求められつつある。こうした中、Web3スタートアップKarma3 Labsが開発した分散型評判プロトコル「OpenRank」は、レビューや口コミの信頼性を担保する画期的な仕組みと話題を集めている。その革新的なアプローチを解説しよう。

オープンソースのLLM（大規模言語モデル）がこれまでにないほど大きな注目を集めている。OpenAIのGPTモデルなどクローズドな大規模言語モデルが圧倒的なシェアを有する状況だが、それらに匹敵するオープンソースのLLMの開発が進んでいる。メタの「Llama 2（ラマツー）」を筆頭に、日本でもそれをベースにした日本語LLM「ELYZA-japanese-Llama-2-13b」が公開された。直近ではメタに対抗して、Databricksも「DBRX」をリリース。オープンソースLLMとは何か、クローズドモデルに比べてどのような利点があるのか。オープンソースLLMが注目される理由を探ってみたい（追記：最新のLlama 3（ラマスリー）については別記事を参照のこと）。

生成AIの導入は、マーケティングやコンサルティングが先行する状況だ。しかし、2024年からは金融業界でも生成AIへの支出が増加し、さまざまな取り組みが開始される見込みとなっている。特に注目されるのは、ファンドマネジメントやM&Aなどの専門領域をターゲットとする生成AIアプリケーションの登場と、それらがもたらす生産性へのインパクトだ。金融産業における生成AI活用の現状はどうなっているのか。金融サービス向けAI企業をうたうMetalなどの登場と合わせて、その動向を探ってみたい。