生成AIに、現在のAI技術の動向・関連情報についてサックリと聞いてみました。技術トレンド、技術的な課題、価格変動までを記載しましたので、共有します。
※2026年6月時点の最新動向を基に整理したもの。
※2026年6月時点の記録として残す。
① 最近のAIの新しい技術的話題
ニュースでの話題(重要度順)
| 重要度 | 技術トピック | 内容 | なぜ重要か |
|---|---|---|---|
| ★★★★★ | Physical AI / World Model | NVIDIAがCosmos 3を発表。テキスト・画像・音声・動画・行動を統合したオープンなPhysical AI基盤モデル。ロボットや自動運転向け。 | 「言語AI」から「現実世界AI」への移行が始まっている |
| ★★★★★ | Agentic AI | AIがツール利用・計画立案・長期タスク実行を行うエージェント化が急速に進展。企業システムへの導入が本格化。 | Chat型から実行型AIへ変化 |
| ★★★★☆ | Context Engineering | Prompt Engineeringよりも「必要な文脈をどう管理するか」が主戦場になっている。 | 実運用性能を左右する最重要技術になりつつある |
| ★★★★☆ | 超大規模マルチモーダル統合 | テキスト・画像・音声・動画を別モデルではなく単一モデルで処理する方向。 | AIのアーキテクチャが統合型へ進化 |
| ★★★★☆ | 動画生成の低コスト化 | Veo系などで高速動画生成・低コスト生成が進展。 | 動画AIの実用化が加速 |
| ★★★☆☆ | 非Transformer系研究 | SSM・Diffusion LLM・Recursive TransformerなどTransformer代替技術が再び注目。 | Transformer依存から脱却する可能性 |
| ★★★☆☆ | 自律開発AI | AIがAIを作る研究(AIBuildAI-2など)が進展。 | AI研究自体の自動化につながる |
SNS・研究コミュニティ(X, Reddit, HuggingFace, AI Dev会議等)での話題(重要度順)
| 重要度 | 技術トピック | 内容 |
|---|---|---|
| ★★★★★ | World Modelブーム | 「次はLLMではなくWorld Model」という議論が急増。動画世界を内部シミュレーションする研究が活発。 |
| ★★★★★ | Context Engineering | Karpathy系研究者も含めて「Prompt Engineeringは終わり」という議論が増加。 |
| ★★★★★ | MCP/Agent Memory | Agentの長期記憶・状態保持が重要テーマ。Agent Memory研究が急増。 |
| ★★★★☆ | Agent Benchmark問題 | Agentの実力を測るベンチマークが未成熟という議論。 |
| ★★★★☆ | Multi-Agent構成 | 単一LLMより複数Agent構成の方が高性能という報告が増加。 |
| ★★★★☆ | Hallucination Verification | 出力生成後に別Agentで検証する構成が流行。 |
| ★★★☆☆ | Local Small Model | 小型MoEモデルやローカル実行可能モデルが人気。 |
| ★★★☆☆ | Long Context限界 | 「100万トークン入る」より「何を入れるか」が重要との議論。 |
現在の研究者コミュニティの空気感
2023年: LLMブーム
2024年: Reasoningブーム
2025年: Agentブーム
2026年: World Model + Agent Memory + Context Engineering
に移行しつつある。
② 最近のAIの技術的な問題点(社会問題除く)
重要度順まとめ
| 重要度 | 技術的問題 | 現状 |
|---|---|---|
| ★★★★★ | Hallucination | 大幅改善したが完全には解決していない。特に専門領域や最新情報で残存。 |
| ★★★★★ | 長期推論の不安定性 | 推論ステップが増えるほど誤りが蓄積する |
| ★★★★★ | Agent信頼性 | Agentが複数ツールを使うと途中で誤判断する |
| ★★★★★ | Context汚染 | 長い文脈を与えると重要情報が埋もれる |
| ★★★★★ | Memory管理 | Agentの長期記憶の整理方法が未確立。 |
| ★★★★☆ | World Modelの現実性不足 | 仮想世界では動くが現実世界で破綻する |
| ★★★★☆ | Multimodal Hallucination | 画像や動画理解時の幻覚生成。 |
| ★★★★☆ | Tool Use失敗 | API呼び出しやコード実行で誤動作 |
| ★★★★☆ | Agent評価方法不足 | 人間に近いタスクの評価指標が未成熟。 |
| ★★★★☆ | Explainability不足 | なぜその判断になったか説明が信用できない。 |
| ★★★☆☆ | 学習コスト増大 | スケーリングコストが急増 |
| ★★★☆☆ | 推論コスト増大 | Reasoningモデルは計算量が大きい |
| ★★★☆☆ | データ鮮度問題 | 学習後の新情報を知らない。 |
| ★★★☆☆ | Transformer限界 | 長文処理効率やメモリ消費が依然大きい。 |
研究者の間で特に深刻視されている技術問題
| 順位 | 問題 |
|---|---|
| 1 | Hallucination |
| 2 | Agent Reliability |
| 3 | Context Engineeringの難しさ |
| 4 | Long-term Memory |
| 5 | World Modelの現実世界とのギャップ |
| 6 | 評価指標(Benchmark)不足 |
| 7 | Explainabilityの不十分さ |
| 8 | 推論コスト |
| 9 | 学習コスト |
| 10 | Transformerアーキテクチャの限界 |
特に2026年は、2023～2024年に中心だった「モデル性能を上げる研究」から、「Agentをいかに信頼できるシステムとして動かすか」へ研究の重心が移っている。実際、最新論文や開発者会議では、モデルサイズ競争よりも Memory・Context・Verification・World Model の4分野が非常に活発になっている。
③ AIブームによる需給変化と価格上昇状況
2023～2024年はGPU不足が中心だったが、2025年後半からはメモリ不足が最大のボトルネックへ変化している。
特に、
- HBM
- DDR5
- サーバDRAM
- 光トランシーバ
- 電源IC(PMIC)
- 高多層PCB
が深刻化している。
価格影響ランキング
| 重要度 | 部品 | 1年前比価格変化 | 状況 |
|---|---|---|---|
| ★★★★★ | HBM(HBM3E/HBM4) | +50～100%以上 | AIサーバ需要で逼迫。2030年頃まで不足予測。 |
| ★★★★★ | サーバDRAM(DDR5 RDIMM) | +18～116% | AIサーバ向け優先供給。一般サーバも影響。 |
| ★★★★★ | 一般DRAM(DDR4/DDR5) | +45～90% | HBMへの生産転換で供給不足。 |
| ★★★★☆ | NAND SSD | +20～100% | AIストレージ需要増。 |
| ★★★★☆ | 光トランシーバ(800G/1.6T) | +20～50%程度 | AIクラスタ接続向け需要爆発。 |
| ★★★★☆ | CoWoS先端パッケージ | +30～80%程度 | NVIDIA系需要で不足継続。 |
| ★★★★☆ | 電源IC(PMIC) | +10～40% | AIサーバ優先供給。納期長期化。 |
| ★★★☆☆ | 高多層PCB | +10～30% | AIサーバ向け優先。納期1年近い事例。 |
| ★★★☆☆ | GPUそのもの | +20～150% | HBMコスト増加を転嫁。 |
| ★★☆☆☆ | 銅 | +10～20%程度 | AIデータセンタ需要で増加。 |
AIブームで最も儲かっている部品ランキング
| 順位 | 部品 |
|---|---|
| 1 | HBM |
| 2 | DDR5 RDIMM |
| 3 | CoWoS |
| 4 | 光トランシーバ |
| 5 | AI GPU |
| 6 | NAND SSD |
| 7 | PMIC |
| 8 | 高性能CPU |
TrendForceやOmdiaでは、2026年の半導体市場成長の中心はGPUではなく**メモリ(HBM・DDR5・NAND)**と分析している。
現在のボトルネック構造
AI Agent増加
↓
推論回数増加
↓
KV Cache増加
↓
DRAM需要爆発
↓
HBM需要爆発
↓
DRAM工場をHBMへ転換
↓
一般DRAM不足
↓
PC・サーバ価格上昇
という流れが発生している。
④時期で比較
AI技術トレンド比較
| 時期 | 最大話題 | 次点 | 研究コミュニティの空気 |
|---|---|---|---|
| 1年前(2025年6月頃) | Reasoning | Long Context | 「推論能力を伸ばす」 |
| 半年前(2025年12月頃) | Agent | Tool Use | 「AIを働かせる」 |
| 現在(2026年6月) | World Model | Agent Memory | 「AIを現実世界で動かす」 |
技術キーワード変化
| 時期 | 流行語 |
|---|---|
| 1年前 | CoT、Test-Time Compute、Reasoning |
| 半年前 | Agent、MCP、Tool Calling |
| 現在 | World Model、Context Engineering、Memory |
AI技術問題の変化
| 時期 | 最大問題 | 2位 | 3位 |
|---|---|---|---|
| 1年前 | Hallucination | Long Context | 学習コスト |
| 半年前 | Hallucination | Agent失敗 | 評価不足 |
| 現在 | Agent Reliability | Memory管理 | Hallucination |
興味深いのは、
2025年までは
- AIが賢くない
が問題だった。
2026年は
- AIは十分賢い
- 長時間安定して働けない
が問題になっている。
AI部品需給の変化
| 時期 | 最大ボトルネック | 状況 |
|---|---|---|
| 1年前 | GPU | NVIDIA不足 |
| 半年前 | HBM | HBM3E不足 |
| 現在 | DRAM全体 | HBMが一般DRAMまで圧迫 |
部品価格変化比較
| 部品 | 1年前 | 半年前 | 現在 |
|---|---|---|---|
| HBM | +5～10% | +20～40% | +50～100%以上 |
| DDR5 | +3～8% | +20～30% | +45～90% |
| DRAM全体 | 横ばい | +20～40% | +80～100%近辺も発生 |
| NAND | 横ばい | +10～20% | +20～100% |
| 光トランシーバ | +10%前後 | +20%前後 | +20～50% |
| GPU | +10～20% | +20～50% | +20～150% |
総括
2025年6月頃:
- AI研究の中心はReasoning
- GPU不足が中心
2025年12月頃:
- Agent研究が爆発
- HBM不足が中心
2026年6月現在:
- World ModelとAgent Memoryへ移行
- GPU不足よりも**メモリ不足(HBM・DDR5・DRAM)**が深刻
- AIデータセンタ向け需要が一般PC・一般サーバ市場の価格まで押し上げ始めている
- 半導体業界では「GPU時代」から「Memory時代」へ移行したという見方が強まっている。
ご参考: 生成AIに聞いた質問文
▼質問(人間)
①最近のAIで新しく技術的な話題が出ていないか、ニュースやSNS書き込み内容も含めて最新の情報を基に、表で教えて下さい。(ニュースとSNSを別々で、重要度順に)
②最近のAIの(社会的な問題点ではなく)技術的な問題点をまとめて、表で教えて下さい。(重要度順に)
③AIブームによる需給の変化が価格にどう影響しているのか、どの部品がどの程度価格上昇しているか、ニュースや市場予測のデータも含めて最新の情報を基に、表で教えて下さい。(重要度順に)
④「①,②,③」の内容を、1年前時点/半年前時点/現在で比較して、表で教えて下さい。(縦に項目、横に時期)