ベンダー・製品

Waymo、Appleの自動運転車試験場を2億2000万ドルで買収

Waymoは2026年6月13日(現地時間)、Appleがかつて自動運転車開発に利用していたアリゾナ州ウィットマンの広大な試験場を2億2,000万ドルで買収したと発表した。この施設は5,500エーカーの敷地を持ち、Apple Carプログラムの中止後、同社が売却を進めていた。買収額は、Appleが約10年にわたるプロジェクト「Project Titan」に投じたとされる100億ドルと比較すると一部に過ぎない。売却元はAppleに関連すると見られるRoute 14 Investment Partners LLC。

ベンダー・製品

Apple、WWDC 2026でSiri刷新とiOS 27新機能発表へ

Appleは2026年6月8日(現地時間)開催の年次開発者会議WWDC 2026で、Siriの大規模AIアップグレード、Apple Intelligenceの更新、iOS 27の新機能などを発表すると見られる。会議は同日午前10時(PT)に開幕し、ライブストリームも予定。特にSiriは、より自然な会話と文脈理解、複数ステップのタスク処理、アプリ連携が可能になると期待されており、GoogleのGemini技術活用や、ChatGPT、Claude、Geminiと競合するスタンドアロンアプリの登場も予測されている。

ポッドキャスト・動画

元OpenAI、Meta、Apple幹部ケイリン・カリノウスキー氏、AIハードウェアの未来と課題を語る

Lenny's Newsletter (レニーズニュースレター) が2026年5月17日(現地時間)付けで報じたところによると、元OpenAI (オープンAI)、Meta (メタ)、Apple (アップル) に所属したケイリン・カリノウスキー氏のインタビューが公開された。同氏はAIハードウェアブームの始まり、サプライチェーンの脆弱性、消費者向けVRの失敗、人型ロボットの現状など多岐にわたるテーマについて詳細な見解を披露した。特にVR向けに開発された技術が現代戦の基盤となった経緯や、来たるメモリ価格ショックへの警鐘も鳴らし、注目を集めている。

リサーチ・論文

Apple、セマンティックな視覚表現学習向け「Text-Conditional JEPA」を提案

Appleは2026年5月(現地時間)、セマンティックに豊かな視覚表現を学習する新手法「Text-Conditional JEPA (TC-JEPA)」を発表した。この手法は、画像キャプションを用いて、既存のImage-based Joint-Embedding Predictive Architecture (I-JEPA) が持つマスク領域予測における視覚的不確実性を低減する。具体的には、細粒度テキストコンディショナーが入力トークンに対しスパースなクロスアテンションを計算し、予測パッチ特徴をテキストの関数として変調、予測可能にする。

リサーチ・論文

Apple、知覚品質と高速性を両立させた画像コーデック研究発表

Apple Machine Learning Researchは2026年5月(現地時間)、知覚品質と実行速度の双方を最適化する実用的な学習型画像コーデックに関する包括的な研究成果を発表した。この研究では、主要なモデリング選択肢を詳細に検討し、新たなコーデックを構築。従来のコーデックだけでなく、既存の学習型コーデックと比較しても、大幅な圧縮性能の向上と高速な処理能力を実現している。特に、iPhone 17 Pro Maxにおいては12メガピクセル画像のエンコードを230ミリ秒、デコードを150ミリ秒で完了できる性能を示しており、モバイルデバイスにおける高画質コンテンツの処理に新たな可能性を開くものと期待される。

リサーチ・論文

Apple ML Research、KVキャッシュ削減新手法「Stochastic KV Routing」を発表

Apple Machine Learning Researchは2026年5月(現地時間)、Transformer言語モデルのKey-Values (KV) キャッシュのメモリ要件を削減する新手法「Stochastic KV Routing (ストキャスティック KV ルーティング)」を発表した。この研究は、オートレグレッシブ生成におけるKVキャッシュの大きなメモリフットプリントとサービングコストへの対処を目指す。従来のKVキャッシュ削減手法が時間軸での最適化に焦点を当てていたのに対し、本手法は深さの次元での最適化を提案する点で特徴を持つ。これにより、メモリ効率の向上と計算コストの削減が期待される。

リサーチ・論文

Apple、推論時フィードバックでエージェントを強化

米Appleは2026年5月(現地時間)、機械学習研究部門のウェブサイトで、ツール呼び出しエージェントの性能向上に関する研究論文「Reinforced Agent: Inference-Time Feedback for Tool-Calling Agents」を発表した。この研究は、大規模言語モデル (LLM) を利用するエージェントにおける従来の事後評価の限界を克服するため、推論時の実行ループ内で評価を行う専門のレビュアーエージェントを導入する手法を提案している。