生成AI競争は「モデル性能」から総合戦へ――著作権・記憶・AIインフラの最新動向
8月31日朝までに確認できた情報から、昨日の記事と重複しない重要ニュースを5件選びました。週末で当日の大型発表が少ないため、8月25日〜30日に公表・報道された新しい動きを中心にしています。今日は、生成AIと著作権、オープンモデル、AIエージェントの記憶、大規模学習データ、AIハードウェア投資が主要テーマです。
1. Sony MusicとWarner Music、著作権侵害を理由にAnthropicを提訴
Sony Music PublishingとWarner Chappell Musicなどの音楽出版社が、Claudeの開発に関連する著作権侵害を主張し、Anthropicと同社幹部を米連邦裁判所へ提訴しました。訴状では、モデル開発のために著作物を大規模に取得・利用したと主張しています。
Axios：Sony、WarnerがAnthropicを著作権侵害で提訴
Anthropicは出版社側の主張に同意せず、法廷で争う方針を示しています。現時点では原告側の申し立て段階であり、侵害の有無が司法判断で確定したわけではありません。
重要なポイント
- 大手音楽出版社が生成AI企業を直接提訴
- 学習データの取得方法と利用許諾が争点
- 楽曲は権利関係が複層的で、同じ作品をめぐり複数の請求が生じ得る
- AI企業側は訴えに反論し、争う姿勢
実務への影響
生成AIを使う企業も、モデルの性能だけでなく、学習データの出所、生成物の利用条件、補償条項、著作権侵害時の責任分担を確認する必要があります。コンテンツ制作案件では、AI生成物をそのまま公開するのではなく、人間による確認と権利チェックを工程に組み込むことが重要です。
2. Tencent、7700億パラメータのオープンモデル「Hy4 preview」を公開
Tencentは8月28日、次世代大規模言語モデル「Tencent Hy4 preview」を公開し、モデルをオープンソースで提供しました。総パラメータ数は7700億、1トークンあたりの有効パラメータ数は490億、コンテキスト長は100万トークン超とされています。
Tencent公式：Tencent Hy4 previewを公開・オープンソース化
コーディング、オフィス業務、科学研究などの実務タスクを主な用途とし、WorkBuddy、CodeBuddy、Tencent Cloud TokenHub、OpenRouterなどから利用できます。性能値はTencentによる評価であり、第三者による追加検証が必要です。
重要なポイント
- 7700億総パラメータ、490億有効パラメータのMoEモデル
- 100万トークンを超える長いコンテキスト
- モデルをオープンソースで提供
- コーディング・事務・科学研究の実務用途を重視
- APIとTencent製品の双方から利用可能
実務への影響
企業向けAIでは、GPT、Claude、Geminiだけでなく、大規模なオープンモデルも比較対象になります。機密性やデータ所在地を重視する案件では自社環境での運用が選択肢になりますが、7700億規模のモデルは必要な計算資源も大きいため、モデル利用料だけでなく運用インフラ全体の費用を評価する必要があります。
3. Google Researchなど、「失敗経験を蓄積するAIエージェント」の研究を公開
Google ResearchとVirginia Techなどの研究者は、AIエージェントの実行経験を永続的な知識として蓄積する「WikiSkill」を発表しました。タスクごとの実行履歴をそのまま保存するのではなく、経験から得た知見をwiki形式で整理し、次のスキル改善に再利用する仕組みです。
論文：WikiSkill — Compiling Agent Experience into Persistent Knowledge for Skill Evolution
論文では、蓄積した知識を使って改善したスキルが複数のモデルやベンチマークで有効だったと報告しています。また、小型モデルがスキルを利用することで、スキルを持たない大型モデルを上回るケースも示されました。
重要なポイント
- AIエージェントの失敗と成功を永続的な知識へ変換
- 実行履歴、蓄積知識、実行可能なスキルを分離
- 知識とスキルを反復的に改善
- 異なるモデル間でも改善済みスキルを移転可能
- モデルの大型化だけに頼らない性能向上手法
実務への影響
社内AIエージェントにとって重要なのは、毎回ゼロから作業させることではなく、過去の失敗理由、承認された手順、顧客固有のルールを安全に蓄積することです。保守運用、問い合わせ対応、CMS更新などで、作業後の振り返りをスキルへ反映する仕組みがAIの実用性を大きく左右します。
4. LAION、1000万時間規模のオープン動画データセットを発表
LAIONなどの研究チームは、動画・音声・画像を扱うマルチモーダルAIの事前学習向けデータセット「LAION-BVD」を発表しました。Common Crawlから収集した13億件の動画URLを基に、8000万本、合計1000万時間の動画を取得したと説明しています。
LAION公式：LAION Big Video Dataset
大規模な動画データは、映像理解、音声理解、動画生成、ロボット学習などの進歩に寄与する可能性があります。一方で、公開ウェブ上の動画を大規模に収集するため、権利処理、プライバシー、データ品質をめぐる検証も重要になります。
重要なポイント
- 8000万本、合計1000万時間の動画データ
- 動画・音声・画像を統合したマルチモーダル学習を想定
- 研究用途で利用可能な大規模データ基盤
- 映像AIやロボティクスへの応用が期待される
- 著作権・プライバシー・品質管理が課題
実務への影響
次世代の生成AIは文章や静止画だけでなく、長時間の映像から状況を理解し、作業手順を学ぶ方向へ進みます。製造、教育、映像制作、監視、接客などで活用範囲が広がる一方、企業が独自動画を学習に使う場合も、撮影対象者の同意、機密情報、保存期間、二次利用範囲を明確にする必要があります。
5. a16z、AI時代のハードウェアへ11億ドルを投じる「Machine Age Fund」を設立
ベンチャーキャピタルのAndreessen Horowitz（a16z）は、AI時代のハードウェア分野へ投資するため、11億ドル規模の「Machine Age Fund」を設立しました。半導体、メモリー、ネットワーク、ストレージ、ロボティクスなど、AIを物理的に支える技術を対象とします。
a16zは、AIが会話から推論、コーディング、知識労働へ広がるにつれて、処理量と計算資源の需要が桁違いに増えると説明しています。ソフトウェア中心だったAI投資が、物理インフラと製造能力へ移り始めていることを示す動きです。
重要なポイント
- 11億ドル規模のAIハードウェア専用ファンド
- 半導体、メモリー、ネットワーク、ストレージ、ロボットが対象
- AI処理量の急増を支える物理インフラへ投資
- 生成AI市場がソフトウェアから製造・設備へ拡大
実務への影響
企業AIの競争力はモデル選定だけでは決まりません。推論コスト、応答速度、電力、データセンター容量、ネットワーク帯域まで含めたAIインフラ設計が重要になります。特に常駐型AIエージェントを多数動かす場合、キャッシュ、小型モデル、バッチ処理、モデルルーティングなどのコスト管理が不可欠です。
今日の総括
今日の5件を通して見えるのは、生成AI競争が単なるモデル性能比較から、権利・データ・記憶・オープンモデル・物理インフラを含む総合戦へ移っていることです。
企業が生成AIを導入する際も、「どのモデルが一番賢いか」だけでなく、学習データと生成物の権利、過去の経験を安全に蓄積する仕組み、モデルを交換できる設計、そして大量処理を支えるコスト管理まで一体で考える必要があります。