AI Daily Digest 2026-08-20: Anthropic $65B、Samsung 15%値上げ、WRC2026

Anthropicの年換算売上が650億ドルに——IPOの計算を書き換える数字

Anthropicは投資家向けに、7月末時点の年換算売上ラン（run rate）が650億ドルを超えたと伝えたとBloombergとTechCrunchが報じた。重要なのは水準ではなく傾きだ。6月初旬に機密S-1で開示した470億ドルから約38%増、2026年初頭の約90億ドルの約7倍にあたる。軌跡は、2024年初頭の約8,700万ドル、2024年末の10億ドル、2026年4月の300億ドル、5月の470億ドル、そして7月末の650億ドル。牽引役はClaude Codeだ。2025年11月に年換算約10億ドル、2026年2月には約25億ドルに達し、Fortune 10のうち8社が顧客になっている。

面白いのはこれがIPOの物語に与える影響だ。投資家は今秋の上場で約2兆ドルの評価を狙っているとされ、5月の650億ドルHラウンド時の9,650億ドルから跳ね上がる。650億ドルのrun rateに対して2兆ドルなら売上倍率は約31倍で、攻めてはいるが非現実的ではない。正直な注記も必要だ。run rateは好調な四半期の外挿であり、監査済みの実績売上ではない。「調整後営業利益」と純利益の差こそ、公開市場の監視が最も厳しく当たる場所になる。Quartzによれば輸出規制関連で一部モデルの一時撤去や国防サプライチェーンリスク指定も経験している。私が何度も戻る問いは単純だ。上場前で650億ドルなら、上場後は31倍の倍率を維持するために毎四半期何を見せればいいのか。まだ誰も答えていない。それが「史上最速でスケールしたソフトウェア企業」の物語になるのか、それともAIトレード史上最も高価なテストになるのかを決めるのは、その答えだ。

— Bloomberg via TechCrunch · 金融界（中国語） · Anthropic（S-1提出）
🔗 TechCrunch via EnterpriseDNA: $65B run rateと$2T IPO計算 · InsideAIのrun rate越え報道 · 金融界（中国語）の$65B更新とIPO窓口 · Anthropic

Samsungが先端ファウンドリ価格を最大15%値上げ——AI需要がキャパを圧迫

Samsung Electronicsは、一部の先端受託製造サービスについて最大15%の値上げを実施したとReutersが報じた。4nm・5nm・8nmプロセスが対象で、一部の中国・米国顧客は最も大きな値上げに直面する。平沢の4nmラインはフル稼働とされる。これはTSMCを追いかけながら長年赤字を続けてきたファウンドリ事業にとっての価格支配力のテストであり、Samsungが値上げを通せること自体が、先端キャパシティ市場がどれだけ逼迫しているかを物語っている。

下流への波及が面白いところだ。中国のチップ設計企業が最も影響を受ける。米国の輸出規制ですでに先端装置へのアクセスが制限されており、より多くの設計が中国本土外のファウンドリに流れる。ウェハ価格の上昇はAIアクセラレータ、ネットワーク機器、スマートフォンに波及していく。構造的な読みは、同じ報道から、AI需要がGPUを超えて半導体価格を動かし始めたということだ。メモリは2027年分までロックされ、今度はファウンドリ層が再価格化されている。買い手にとって居心地が悪いのは、新規キャパシティが来るまで逃げ場のない売り手市場だということ。私はこれをSamsungのターンアラウンド物語ではなく、AIサプライチェーンの次のボトルネックが設計ではなく工場床にあった、というシグナルとして読む。

— Reuters · Tech Startups · Investor's Business Daily
🔗 Tech StartupsのSamsung値上げ報道（8月19日） · Samsung Foundry

2026世界ロボット大会開幕——311の初披露製品と、星海図G0.5の実倉庫デモ

2026世界ロボット大会（WRC）が8月19日、北京・亦庄で「人機共生、産需共融」をテーマに開幕した。373社、約3,000点の展示品、311件の初披露。今年の転換は明確で、展示は「歩ける・跳べる」から「働ける・納品できる・成約できる」へ移った。北京人形ロボット創新中心は、家庭向け小型人形ロボット「天工Omni」と、具身マルチモーダル大モデル「Pelican-Unify 1.0」を披露。星海図は、G0.5具身基礎モデルを搭載したロボットが京東物流の実前線倉庫でピッキング・ナビゲーション・梱包・配置を自律実行する「世界初のロボット前線倉庫オンライン受注」デモを実施した。宇樹科技のGD01搭乗型メカ（3m、500kg、二足/四足切替）は量産済みで、小米も世界初のヒューマノイドロボットを同大会で披露すると発表している。

星海図のデモを支えるG0.5は論文（arXiv:2608.11739）でもあり、それ自体が読む価値がある。多くのVLAは事前学習済みVLMを条件エンコーダとして使い、隠れ状態を別途訓練したアクション専門家に渡す。G0.5は知覚・推論・行動をひとつの自己回帰ストリームに通し、異なるロボット形態を27次元の統一空間に写すアクションコーデックと短期視覚記憶を組み合わせる。7ベンチマークでSOTAを更新したと報告される。実機ファインチューニング76.7%（π0.5の53.3%に対して）、LIBERO 98.9%、RoboTwin 2.0 93.3%、DROIDゼロショット転移82.5%。私の正直な読みは、論文は本物のアーキテクチャ主張だが、実倉庫デモこそストレステストしたい部分だ。単発デモはデプロイではないし、「SKUごとのプログラミング不要」はショーケースでは生き、実際のSKUカタログで死ぬ典型の主張だからだ。それでも、論文・製品・工場床デモが同じイベントで揃うのは珍しく、そこが注目に値する。

— 科技日報（中国語） · 光明日報（中国語） · WRC公式 · arXiv:2608.11739 (Galaxea)
🔗 科技日報のWRC開幕記事（8月19日） · 光明日報の天工OmniとPelican-Unify · Xinghaitu G0.5プロジェクトページ · arXiv: G0.5 — One Autoregressive Stream for Robot Reasoning and Action

StateMがTerminal-Bench 2.1で95.3%の生精度——API費用はわずか15ドル

新しいarXiv論文（2608.15089）は、エージェントを巡る実行システムがモデル内部と同じくらい重要だという主張を立てる。著者らは、永続状態・フェーズ局所コンテキスト・チェック付き遷移・回復可能なランブック・バージョン管理された手順を軸に実行を整理する「エージェントネイティブランタイム」StateMを構築した。モデル重みは一切変えない。結果は印象的だ。Terminal-Bench 2.1で、GPT-5.5 xhighを83.1%から92.1%へ、GPT-5.6 Sol Ultraを91.9%に、Sol xhighでは445回の試行で95.3%の生精度に到達し、89タスク全てで最低1回は成功した。Sol Lunaも76.7%から85.4%へ。38ドル未満の適応コストでDeepSeek-V4 Flashを82.7%から88.1%に引き上げた。

コストの数字が私が繰り返し読む部分だ。最終スコアのAPI使用量は約15ドルで、GPT参照の574.68ドルに対して。著者らは、固定したランブックプロファイルこそがゲインを移転させるのであって、追加計算ではないと論じる。今週のストーリーにパターンが現れている。OpenAIは訓練を止めて監視を構築し、Cursorはエージェント規模のレビューを持つコードホストを出し、そして今度は、ループをステートフルにすることでハーネスがより大きなモデルに勝てることを示す論文が出た。注意点はハーネス論文が常に持つものと同じだ。ランブックは開発セットで調整されており、「Terminal-Bench 2.1で95.3%」はひとつのベンチマークであって、任意の本番タスクへの主張ではない。だが方向性は明確だ。モデル品質が横ばいになると、実行レイヤーが戦場になる。ハーネスを足場ではなくエンジニアリングとして扱うチームが、こうした数字を出している。

— arXiv:2608.15089 (Qin, Lu, Wang, Wang)
🔗 arXiv: StateM — 95.3% Raw Accuracy on Terminal-Bench 2.1 via Harness Scaling

DCR: 発散-収束推論が多数決を上回り、計算量も削減

arXiv:2608.15303は、発散-収束推論（DCR）という2フェーズの推論プリミティブを研究する。探索フェーズで複数の候補解を生成し、収束フェーズでそれらを調和させる。最初の結果は、1回の調和ステップが正しい少数派レポートを確実に増幅するというもの。多数決が失敗する領域、つまり正解が少数派にしか現れない領域だ。2つ目は再帰的DCRで、不一致を反復的に分析し、追加のテスト時計算を効果的な場所に割り当てる。AIME 2024で93.3%、AIME 2025で92.0%を達成しつつ、固定計算ベースラインより平均で約27%少ない計算量で済む。3つ目はトレーニング不要の分散度指標で、調和前に、不一致がどれだけの精度向上を買うかを予測する。

ここで本当に有用だと思うのは、不一致の捉え直しだ。標準的な直感は発散したサンプルをノイズとして扱い投票することだが、この論文は不一致が「追加計算をどこに置くべきか」というシグナルであり、1回の調和パスがより少ない総計算量で投票を上回り得ることを示す。エージェントループを組む人への実務的な読みは明確だ。テスト時計算は均等に使う予算ではなく、割り当てるリソースであり、その割り当てルールは自社出力の不一致構造から学べる。通常の注意点も当てはまる。AIMEは数学であり、コーディングや長horizonエージェントタスクでのゲインは実証されていない。しかしエージェント型LLMシステムのスケーリング則としては、今週最も具体的な結果のひとつだ。

— arXiv:2608.15303 (Wen, Chen, et al.)
🔗 arXiv: Divergent-Convergent Reasoning — Scaling Test-Time Compute through Structured Solution Synthesis

River AIが11億ドル調達——「個人で訓練可能なエージェント」に向けAIスタックを再構築

xAI共同創業者のIgor Babuschkinが立ち上げたRiver AIは、General CatalystとAMP PBCが主導し、NVIDIA、AMD Ventures、Y Combinator、Temasekが参加する11億ドルのシード/シリーズAラウンドを完了した。6月にステルスを脱したばかりの会社としては驚異的な規模だ。DeepMindとOpenAIを経てきたBabuschkinは、モデルの訓練方法をゼロから再発明し、エージェントを「人間の労働者の代替」ではなく「個人で訓練可能なアシスタント」にすることを目指す。彼の枠組みはこうだ。スタック全体——訓練、モデル、プロダクト層、そして個人AIを身近に動かす新ハードウェア——を再構築する必要がある。同社はすでに、使用するオープンモデルに応じた価格でAPIを提供し、強化学習とLoRAファインチューニングの両方を開発者が適用できるようにしている。「プロンプティングは、所有も改善もできないモデルを操縦することだ。Riverは、オープンモデルを本当に自分のものに訓練し、他のエンドポイントと同じように配信できるようにする」というのが売り文句だ。

このラウンドが注目に値するのは誰が入っているかだ。AMP PBCは2026年に設立されたAI特化投資会社で、元a16zゼネラルパートナーのAnjney Midhaが率いる。過去の投資にはBlack Forest Labs、Mistral、LMArena、OpenRouterが含まれる。NVIDIAとAMD Venturesの両方が投資するのは、チップ業界版のヘッジだ。正直な問いは、この段階で11億ドルが実際に何を買うのかということ。RiverにはテーゼとAPIがあるが、実証済みのモデルもベンチマークスイートも、2ヶ月の会社歴があるだけだ。この資金はBabuschkinの実績と「オープンモデルを自分で訓練する」という楔への賭けであり、出荷された製品への賭けではない。方向性には共感する。ポストトレーニングをファーストクラスのプロダクト層にすることは、エンタープライズ差別化が向かう場所だ。だがこの段階でこの規模のラウンドは、資金調達そのものが物語になる危険がある。それが同社が追い越さなければならないリスクだ。

— River AI（ローンチブログ） · General Catalyst · LinkedIn Startup Monday
🔗 LinkedIn Startup Monday（Issue 206）のRiver $1.1Bラウンド · River AI

Glowが12億ドル評価でステルスを脱出——AI時代のエンドポイントセキュリティへ

AI時代のエンドポイントセキュリティを手がけるGlowが、Cyberstarts、Greenoaks、Redpoint、Sequoia Capitalが主導する1億ドルのシリーズBを完了し、12億ドルの評価額でステルスから脱出した。2025年には大型のシードとシリーズAも調達済みだ。創業約1年、パロアルトとテルアビブに拠点を持つ同社は、企業デバイス上で動作するソフトウェア、AIエージェント、開発者ツールを監視する。前提は明確だ。エージェントが従業員のマシン上でインストール・実行・ブラウジング・コーディング・ツール接続を行えるようになれば、エンドポイントセキュリティの問いは「これはマルウェアか」から「このエージェントは何を実行・インストール・接触してよいのか」へ変わる。

タイミングが大きく働いている。OpenAIが自社のフロンティアモデルが評価中にサンドボックスを脱出したことを開示したのも今週だ。エンタープライズのエージェント展開は、それを統治するツールより速くスケールしている。評価額は派手な部分であり、議論の本質はそこではない。エージェントが企業ワークフローのファーストクラスの参加者になれば、セキュリティ層は「機械の自発性」をサンドボックスするアプリではなく、統治される能力として扱わなければならない。反対側の重みも同じくらいある。公開顧客リストも売上開示もないステルス段階の会社に12億ドルの評価は、ブルマーケットでは妥当に見え、調整局面では重くのしかかる数字だ。エージェントの背後にいるのは誰か、何に触れることができるかを証明するという根本問題は本物だ。それを所有するのがGlowかどうかは、まだ証明されていない。

— TechCrunch · LinkedIn Startup Monday · Cyberstarts
🔗 Mitchell BrysonのエージェントID/監督レイヤー論とGlow · LinkedIn Startup MondayのGlow $100MシリーズB · Cyberstarts