メインコンテンツへスキップ
見出し画像

【速報】MetaとAppleがまさかの協力!超高性能AIを「自分のパソコンで動かす」時代が来た?

    こんにちは!高橋です(*'▽')

    2026年10月15日、AI業界からまたまた面白いニュースが飛び込んできました!

    なんと、あのMetaとAppleが協力して、超大規模なAIモデルをMac上で動かせるようにしたというのです。

    ……MetaとApple!?

    個人的には、今回のニュースは新しいAIモデルが発表されたこと以上に、「この2社が協力した」という部分がかなり気になりました。

    MetaといえばFacebookやInstagramを運営する企業。
    一方のAppleは、プライバシー保護を重視する姿勢で知られています。

    特に2021年のAppleによるアプリ追跡の透明性(ATT)導入をめぐっては、両社のビジネス上の利害が対立していました。

    そんな2社が、今度はAI分野で手を組んだわけです。

    しかも今回の発表、単なる企業提携という話ではありません。

    これまで巨大なデータセンターで動かすイメージが強かった最先端クラスのAIを、自分の机の上に置いたパソコンで動かせるようにする。

    そんな方向性を具体的に示した発表なんです。

    ただし、最初にお伝えしておくと、普通のMacBookを持っていれば誰でも動かせる、という話ではありません…!

    今回は、

    • Metaの新モデル「Muse Spark Open」とは何なのか

    • どのくらい高性能なのか

    • なぜAppleと協力したのか

    • クラウド型AIと何が違うのか

    • AIコーディングやエージェントはどう変わるのか

    • 今後、私たちのAIの使い方はどう変化していくのか

    このあたりを、技術的な部分も含めて深掘りしていきたいと思います!

    ■ Metaが公開した「Muse Spark Open」とは?

    まず、今回発表されたAIについて整理しておきましょう。

    2026年10月15日、Metaは「Muse Spark Open」という新しいAIモデルを公開しました。

    このモデルは、MetaのMuse Sparkシリーズをベースにした、オープンウェイト型の大規模AIモデルです。

    簡単にスペックを紹介すると、

    • 総パラメータ数:8160億

    • 推論時に主に使用するパラメータ数:420億

    • コンテキスト長:最大100万トークン

    • テキスト・画像・音声・動画の入力に対応

    • コーディング、複雑な推論、AIエージェント向け

    • モデルの重み(ウェイト)を公開

    • AppleのM5 Ultra搭載Mac Studioでのローカル実行に対応

    という内容です。

    Metaは今回のモデルを、米国で開発されたオープンウェイトモデルの中でも特に高い能力を持つモデルとして紹介しています。

    ただし、これはMeta側の評価であり、
    「世界中のあらゆるAIより優れている」と証明されたわけではありません。

    それでも、かなり大規模で本格的なモデルであることは間違いありません。

    ■ 8160億パラメータって、どのくらいすごいの?

    ここは少し技術的なお話になります。

    AIの「パラメータ」とは、ものすごく簡単にいえば、AIが学習を通じて獲得した大量の数値情報のことです。

    数が多ければ必ず賢いわけではありませんが、AIの規模を知るための目安になります。

    今回のMuse Spark Openは、なんと8160億パラメータ。

    ……桁が大きすぎて、もうよくわかりませんね(笑)

    ただ、面白いのはここからです。

    Muse Spark Openは「Mixture of Experts(MoE)」という仕組みを採用しています。

    これは、ものすごく単純化すると、たくさんの専門家を用意しておいて、質問に応じて必要な専門家だけを働かせるような仕組みです。

    例えば、会社に816人の専門家がいたとして、毎回816人全員で会議をするのは非効率ですよね。

    そこで、相談内容に応じて必要な人だけを呼ぶ。

    そんなイメージです。

    Muse Spark Openでは、8160億のパラメータを持ちながら、推論時に主に使うのは420億パラメータとなっています。

    つまり、巨大な知識や能力を持つモデルでありながら、毎回すべてを計算するわけではないのです。

    ただし!

    使わないパラメータがあるからといって、メモリが420億パラメータ分だけあればいい、というわけではありません。

    大量のモデルデータそのものを保持する必要があるため、実行環境には非常に大きなメモリが必要になります。

    そして、この問題を解決するために登場するのがAppleです。

    ■ Mac Studioを2台つなげて、巨大AIを動かす!

    今回の発表で個人的に一番驚いたのが、この部分です。

    MetaとAppleは、M5 Ultraを搭載したMac Studioを2台使用して、Muse Spark Openをローカル環境で動かせるようにしました。

    「え、2台も必要なの?」

    と思った方。

    そうなんです(笑)

    現時点では、家庭用の一般的なMac1台で気軽に動かせるモデルではありません。

    今回の構成では、それぞれ最大512GBのユニファイドメモリを搭載したMac Studioを使用します。

    2台合わせると、合計1TBものメモリ容量になります。

    Appleの技術資料によると、Muse Spark Openは元の精度のままだとモデルのパラメータだけで約1.6TB以上のメモリが必要です。

    そこで、数値の精度を下げてデータ量を削減する「量子化」という技術を使用します。

    今回の4ビット量子化版では、モデル本体のメモリ使用量を約493GBまで削減しています。

    しかし、AIを動かすには計算途中のデータなどを置く場所も必要です。

    そのため、512GBのMac Studio1台では足りず、2台に処理を分散させる必要があるわけです。

    ■ 2台のMacを、1つの巨大なAIコンピューターにする

    ここで重要なのが、Appleの「MLX」という技術です。

    MLXは、Apple Silicon上で機械学習モデルを効率よく動かすためのオープンソースのフレームワークです。

    今回Appleは、MLXとThunderbolt 5による高速な通信技術を活用し、複数のMac StudioにAIの処理を分担させています。

    簡単にいうと、

    1台目のMacがAIモデルの一部を担当し、もう1台が残りを担当する。

    あるいは、同じ計算を細かく分割して、複数のMacで並行して処理する。

    このような仕組みです。

    Appleの検証では、Mac Studioを4台使った構成で、Muse Spark Openが毎秒36トークン以上の文章を生成できたと報告されています。

    具体的には、8192トークンの入力を与えたテストで、2台構成の並列方式では毎秒約25トークン、4台構成では約36.7トークンという結果でした。

    もちろん、文章の生成速度は入力の長さや処理内容によって変わります。

    それでも、8160億パラメータという巨大モデルが、データセンターではなく机の上のMacで実際に動作する。

    これはかなり大きな技術的成果だと思います。

    ■ でも、実際に買うといくらするの?

    さて、ここまで読むと、

    「自分のパソコンで超高性能AIを動かせるなんて最高じゃないか!」

    と思うかもしれません。

    ……ただし、現実的なお話もしなければなりません( ;∀;)

    2026年10月16日現在、日本のApple公式サイトでは、M5 Ultra搭載Mac Studioは税込949,800円からとなっています。

    しかも、これは今回の実行環境に必要な512GBメモリ構成の価格ではありません。

    512GBメモリ搭載モデルは、日本では10月下旬からの販売予定です。

    つまり、今回の構成を再現するには、非常に高額なMac Studioを2台用意する必要があります。

    安い買い物ではありません。というか、一般ユーザーにはなかなか現実的ではないですね(´;ω;`)

    「AIを自由に使うために、まず超高級Macを2台買ってください!」

    と言われても、私はちょっと無理です(笑)

    ただ、ここで注目したいのは現在の価格よりも、この技術が今後どう進化するかという部分です。

    最初は研究機関や大企業しか扱えなかった技術が、数年後には一般ユーザーにも手の届くものになる。

    コンピューターの歴史では、そうした変化が何度も起こってきました。

    今回も、その始まりになる可能性があると思っています。

    ■ そもそも「ローカルAI」って何がそんなにいいの?

    ここで、一度AIの使い方そのものを考えてみましょう。

    普段私たちが使っているChatGPTやClaude、Geminiなどは、基本的にクラウド上のAIモデルにアクセスする形で動いています。

    例えばChatGPTに質問した場合、

    質問を送信する → インターネットを通じてサーバーへ届く → AIが処理する → 回答が返ってくる

    という流れですね。

    一方、ローカルAIでは、AIモデルそのものを自分のPCに配置します。

    そのため、必要な計算を自分のPC内で完結させることができます。

    この違いは、想像以上に大きいです。

    ① 機密情報を外部に送らずに処理できる

    例えば、社内の資料や顧客情報、開発中のプログラムなど。

    クラウド型AIを利用する場合、サービスの契約条件やデータの取り扱いについて確認する必要があります。

    しかし、ローカルAIであれば、モデルの推論処理自体は社内のPCで完結させられます。

    もちろん、外部ツールとの連携やログの保存先などによって情報が外へ出る可能性はあるため、「ローカルなら絶対安全」というわけではありません。

    それでも、情報を外部サービスへ送信せずにAIを動かせるという選択肢は、企業にとって非常に魅力的です。

    ② APIの従量課金から解放される可能性がある

    AIコーディングをしている方なら、ここは気になるのではないでしょうか。

    AIエージェントが大量のファイルを読み込み、何度も考え、コードを書き直し、テストを繰り返す。

    こうした作業では、使用するトークン数が膨大になります。

    クラウド型AIでは、その処理量によってAPI料金が増えていく場合があります。

    しかし、ローカルAIであれば、モデルの推論そのものに外部APIの従量料金は発生しません。

    もちろんPCの購入費用や電気代、保守費用は必要です。

    なので、すべての人にとってローカルAIの方が安いとは限りません。

    ただ、長時間AIを動かし続ける開発環境や、大量の処理を行う企業では、十分に検討する価値があると思います。

    ③ インターネットに依存しないAIを作れる

    これも個人的にはかなり重要です。

    クラウド型AIは、通信障害やAPIの利用制限、サービス側の仕様変更などの影響を受けます。

    普段Antigravityを使っていると、利用制限やモデル変更に振り回されることもありますよね(笑)

    一方、必要なモデルやツールをローカルに用意しておけば、インターネット接続がなくてもAIを動かすことができます。

    ただし、AIがWeb検索やクラウドサービスへのアクセスを必要とする作業は別です。

    「AIの頭脳をオフラインで動かせること」と「すべての仕事がオフラインで完結すること」は、分けて考える必要があります。

    ■ 今回のモデルは、単にチャットができるだけではない

    もうひとつ重要なのが、Muse Spark Openの得意分野です。

    今回Metaが強調しているのは、単純な文章生成よりも「エージェント型の仕事」です。

    AIエージェントとは、人間から目的を伝えられると、必要な作業を考え、ツールを使いながら複数の工程を進めていくAIのことです。

    例えばソフトウェア開発なら、

    • プロジェクト全体のコードを調べる

    • 不具合の原因を特定する

    • 必要なファイルを修正する

    • テストを実行する

    • エラーがあれば再修正する

    といった一連の作業ですね。

    実際にMetaは、Muse Spark Openを使ったローカル環境での検証として、オープンソースのiOSアプリに対する不具合修正や機能追加、ビルドまで行う事例を紹介しています。

    さらに、動画編集ソフトのDaVinci Resolveを操作し、映像をフレームごとに確認して、使いたい場面を選び、縦型動画へ加工するといった作業も試しています。

    ここ、かなり面白いと思いませんか?

    これまでのローカルLLMは、クラウドの高性能モデルと比較すると、複雑な仕事を最後まで任せるには力不足な場面もありました。

    もちろん、今でも軽量モデルで十分こなせる仕事はたくさんあります。

    しかし今回のような大規模モデルがローカルで動くようになると、「簡単な文章作成を任せるAI」から「実際の業務を進めるAI」へと、ローカルAIの用途がさらに広がっていきそうです。

    ■ では、なぜMetaとAppleが協力したのか?

    ここからは少し企業戦略のお話です。

    今回のニュースで、私が一番考察したいのはこの部分です。

    なぜMetaとAppleは、わざわざ協力する必要があったのでしょうか?

    公式発表から確認できるのは、MetaのモデルとAppleのハードウェア・MLXを組み合わせ、大規模AIのローカル実行を最適化したという事実です。

    そのうえで、ここからは私なりの考察になります。

    ■ Metaの狙い:AIを動かす場所を増やしたい

    MetaはこれまでLlamaシリーズなど、モデルの重みを公開する取り組みを進めてきました。

    今回のMuse Spark Openも、その方向性にあると考えられます。

    モデルの重みを公開すれば、開発者や企業がそのモデルを自社の環境で利用し、独自のシステムに組み込めるようになります。

    これはMetaにとって、非常に大きなメリットがあります。

    なぜなら、AIを利用するすべての人がMetaのクラウドサービスにアクセスする必要はなくなる一方、Metaのモデルを中心とした技術や開発環境が広がっていく可能性があるからです。

    ChatGPTやClaudeのようなクラウド型サービスとは、少し異なる方向からAIの影響力を広げられるわけですね。

    つまり、Metaが目指しているのは、自社のAIアプリを利用してもらうことだけではなく、自社のAIをさまざまな環境で動かしてもらうことなのではないかと思います。

    ■ Appleの狙い:「AIを動かすためのパソコン」という価値

    一方のAppleにも、大きなメリットがあります。

    これまでPCの性能を比較するときは、CPUやGPUの速さ、メモリ容量、動画編集やゲームの性能などが注目されてきました。

    しかし、これからはどうでしょうか。

    「このパソコンでは、どれくらい高性能なAIを動かせるのか?」

    これがPCを選ぶ重要な基準になる可能性があります。

    特にApple Siliconの特徴であるユニファイドメモリは、CPUとGPUが大きなメモリ領域を共有できる仕組みです。

    大量のデータを必要とするAIモデルでは、この構造が有利に働く場合があります。

    Appleとしては、Macを「動画編集やプログラミングに強いパソコン」だけでなく、「高度なAIを自分の手元で動かすためのコンピューター」として位置づけたいのではないでしょうか。

    AIの性能競争が激しくなるほど、それを動かすハードウェアの価値も高まっていく。

    そう考えると、今回の協力は両社にとって合理的な選択に見えます。

    ■ 敵同士でも、AIのためなら協力する時代?

    ここも面白いところです。

    MetaとAppleは、広告、プライバシー、プラットフォームの主導権などをめぐって対立してきました。

    しかし、AIという巨大な競争分野では、企業同士の関係も変わり始めています。

    AIモデルを開発する企業。

    そのAIを高速に動かすハードウェアを作る企業。

    AIを利用するためのアプリや開発環境を提供する企業。

    それぞれの強みを組み合わせなければ、最先端のAIを十分に活用することが難しくなってきているのだと思います。

    今回の協力は、MetaとAppleが全面的に仲直りしたことを意味するわけではありません。

    しかし、AI分野では競争相手と協力することも必要になる。

    そんな新しい企業間関係を象徴する出来事なのかもしれません。

    ■ 今後の考察①:AIは「クラウド一択」の時代ではなくなる?

    ここからは、少し未来のお話をしてみたいと思います。

    私が今回の発表から強く感じたのは、AIを動かす場所の選択肢が増えていくということです。

    現在は、最高性能クラスのAIを使おうとすると、クラウドサービスを利用するのが一般的です。

    しかし、今後ハードウェアや量子化技術が進化すれば、現在は大規模な設備が必要なモデルも、より小さなPCで動かせるようになる可能性があります。

    もちろん、最先端モデルそのものも進化し続けるので、すべてのAIを家庭用PCで動かせるようになるとは限りません。

    ただ、数年前にはクラウドでしか現実的に扱えなかった規模のAIが、後に個人のPCで動くようになる。

    こうした流れは、今後も続くのではないでしょうか。

    そして個人的には、クラウドAIがなくなるのではなく、クラウドとローカルを使い分ける時代になると考えています。

    例えば、

    • 簡単な文章作成や要約:ローカルAI

    • 社内の機密資料の分析:ローカルAI

    • 複雑な研究や高度な推論:クラウドAI

    • 長時間の定型作業:ローカルAI

    • 最新情報の調査や外部サービス連携:クラウドとの組み合わせ

    といった形です。

    全部を最高性能のクラウドAIに任せる必要もなければ、すべてをローカルで処理する必要もない。

    必要な仕事に対して、適切なAIを選ぶ。

    将来的には、これが当たり前になっていくのかもしれません。

    ■ 今後の考察②:「24時間働く自分専用AI」が現実的になる?

    個人的に、一番期待しているのはこちらです。

    AIエージェントをローカルで動かすことができれば、自分のPCを使って、長時間の作業を自動化しやすくなります。

    例えば、寝ている間にAIが、

    • 開発中のアプリをテストする

    • 不具合を見つけて修正案を作る

    • 必要なドキュメントを整理する

    • 大量の資料を分析する

    • 翌朝の作業予定をまとめる

    といった仕事を進めてくれる。

    しかも、外部APIの従量料金を気にせず、PCの計算資源を活用できるわけです。

    もちろん、PCの電力消費や機器の寿命、保守、AIの誤操作への対策など、考えるべきことはたくさんあります。

    それでも、AIを使うたびに外部サービスを呼び出すのではなく、自分の手元に常駐させられるというのは大きな変化です。

    これまでのAIは、必要なときに質問する「便利な相談相手」でした。

    しかし、ローカルAIが成熟していくと、常に自分の環境で仕事を進めてくれる「専属の作業担当者」のような存在になるかもしれません。

    先日、AIが仕事を高速化することで、逆に人間の負担が増えているのではないか、という記事を書きました。

    今回のような技術が進化すれば、その傾向はさらに強まる可能性もあります。

    AIが24時間仕事を進めてくれるようになったとき、人間はその成果物をどこまで確認できるのか。

    何をAIに任せ、どこで人間が判断するのか。

    技術の進化だけでなく、仕事の設計そのものが重要になっていくと思います。

    ■ 今後の考察③:AIコーディングの勢力図も変わる?

    ここは普段Antigravityを使っている私としては、かなり気になる部分です。

    以前、Antigravity SDKがローカルLLMに対応したという記事を書きました。

    【Antigravity】ついにオフラインでAIエージェントが動く!?ローカルLLM正式対応を試してみたい

    当時から感じていたのは、AIコーディングにおいて、モデルの性能だけでなく、どの環境で動かせるかが重要になってきているということです。

    例えば、クラウド型の高性能AIを利用する開発環境と、ローカルのAIを利用する開発環境があったとします。

    高度な設計や難しいバグ修正ではクラウドAIの方が優秀かもしれません。

    一方で、単純なコード修正や大量のテスト、ドキュメント作成などは、ローカルAIでも十分対応できる可能性があります。

    そうなると、これまでのように、

    「どのAIモデルが一番賢いか?」

    という比較だけではなく、

    「どのAIモデルを、どこで、どのような仕事に使うか?」

    という設計が重要になってきそうです。

    今回Appleが公開した技術資料では、ローカルLLMのサーバーを立ち上げ、OpenCodeのようなエージェント型開発ツールと接続する例も紹介されています。

    ただし、今回の発表によってAntigravity IDEにMuse Spark Openが直接搭載されたわけではありません。

    ここは誤解しないようにしたいところです。

    それでも今後、AI開発環境がクラウドとローカルの両方を柔軟に扱えるようになれば、開発者にとって非常に面白い選択肢が増えると思います。

    ■ 今後の考察④:個人が「自分だけのAI」を所有する時代へ

    もう少し長期的に考えてみましょう。

    これまでのAIは、基本的に企業が提供するサービスを利用するものでした。

    どのモデルを使えるか、どれくらい利用できるか、いつモデルが変更されるか。

    こうした条件の多くは、サービス提供側が決めています。

    しかし、オープンウェイト型のAIを自分の環境に配置できれば、話が少し変わってきます。

    例えば、特定の業務に合わせてモデルを調整したり、自社専用のデータベースと接続したり、独自のルールを設定したりすることができます。

    モデルの提供が終了した場合でも、ライセンスや必要なソフトウェアが許す範囲で、手元のモデルを利用し続ける選択肢があります。

    もちろん、学習データを自由に変更できるわけではありませんし、高性能なAIを自分で管理するには相応の知識や費用が必要です。

    それでも、AIが「誰かのサービスを借りるもの」から「自分の環境に組み込むもの」へ変化していく可能性はあります。

    私は、この変化にはかなり大きな意味があると思っています。

    スマートフォンが単なる電話ではなく、さまざまなアプリを動かす個人用コンピューターになったように、将来のパソコンも、ただアプリを動かす機械ではなく、自分専用のAIが常駐する環境へと進化していくのかもしれません。

    ■ ただし、ローカルAIにも大きな課題がある

    ここまで期待できる話を中心に書いてきましたが、当然ながら課題もあります。

    ① ハードウェアの価格

    今回のMuse Spark Openは、実行するために高額なMac Studioが複数台必要です。

    一般家庭や小規模事業者が気軽に導入できるものではありません。

    今後は、より小さく軽量なモデルでも、どこまで高い性能を実現できるかが重要になりそうです。

    ② 最新モデルへの追従

    クラウド型AIの場合、サービス側がモデルを更新してくれます。

    しかし、ローカルAIではモデルの更新や動作環境の管理などを自分で行う必要があります。

    また、モデルを所有していても、その性能が自動的に向上するわけではありません。

    最新のAIを使い続けたい場合には、新しいモデルの導入やハードウェアの更新が必要になることもあるでしょう。

    ③ 安全性と責任

    AIエージェントが自分のPCで自由に作業できるようになると、便利な反面、誤操作の影響も大きくなります。

    例えば、AIが重要なファイルを削除したり、誤ったプログラムを実行したりする可能性もあります。

    ローカルで動かしているからといって、AIの判断が必ず正しくなるわけではありません。

    むしろ、開発者や利用者が安全な実行環境を整える必要が出てきます。

    Meta自身も、Muse Spark Openには誤った回答や複数工程の推論ミスが起こり得ると説明しています。

    AIエージェントに取り消せない操作を任せる場合は、人間による確認などの追加対策が推奨されています。

    ④ 「オープンウェイト」と「完全に自由」は違う

    もうひとつ、意外と重要なのがライセンスです。

    Muse Spark Openはモデルの重みを公開していますが、利用にはMeta独自のMuse Model Licenseが適用されます。

    このライセンスには、利用時の表示義務や特定の商用サービスに関する条件などがあります。

    そのため、「公開されているから何をしても自由」というわけではありません。

    AIを自社製品へ組み込む場合には、必ずライセンス条件を確認する必要があります。

    ■ 私が今回のニュースで一番重要だと思ったこと

    ここまでいろいろ書いてきましたが、今回のニュースを見て個人的に一番感じたのは、

    AIの進化は、モデルの性能競争から「AIをどこで、誰が、どのように動かすか」という競争へも広がってきた

    ということです。

    これまでは、

    GPTが賢くなった!

    Claudeのコーディング性能が上がった!

    Geminiの推論能力が向上した!

    といったニュースが中心でした。

    もちろん今後も、モデルの性能競争は続くと思います。

    しかし、どれだけ賢いAIでも、利用料金が高すぎたり、情報管理の問題で使えなかったり、インターネット接続が必要だったりすれば、活用できる場面は限られます。

    今回のMetaとAppleの協力は、そうした制約に対するひとつの答えを示したように感じます。

    Metaは高度なAIモデルを提供する。

    Appleは、そのモデルを動かすためのハードウェアとソフトウェア環境を提供する。

    そして開発者は、その組み合わせを使って独自のAIシステムを作る。

    この構造が広がれば、AIサービスの選択肢は今よりずっと多様になっていくかもしれません。

    ただし、今回の協力がApple IntelligenceやSiriへのMuse Spark Open搭載を意味するわけではありません。

    現時点で確認できるのは、あくまでMac上でのローカル実行に向けた最適化と技術的な協力です。

    今後どこまで協力関係が広がるのかは、まだわかりません。

    ■ まとめ:AIの頭脳が、自分の机の上にやってくる?

    今回は、MetaとAppleが協力して公開した「Muse Spark Open」について解説しました!

    今回のポイントをまとめると、

    • 2026年10月15日、MetaがMuse Spark Openを公開

    • 総パラメータ8160億、最大100万トークンのコンテキストに対応

    • コーディングや長時間のAIエージェント作業を想定

    • AppleのM5 Ultra搭載Mac Studio 2台でローカル実行が可能

    • 4台構成では毎秒約36.7トークンの生成速度を記録

    • モデルの重みが公開され、独自環境での利用や調整が可能

    • ただし現在は高額なハードウェアが必要

    • 将来的にはクラウドとローカルを使い分けるAI環境が重要になりそう

    という内容でした。

    個人的には、今回のニュースはAIモデルそのものよりも、MetaとAppleという異なる強みを持つ企業が協力して「AIを動かす環境」を作り始めたことに、大きな意味があると感じています。

    数年前、私たちはAIに質問をして、返ってきた文章に驚いていました。

    それが今では、AIがコードを書き、アプリを作り、ブラウザを操作し、複雑な仕事を進めるようになっています。

    そして今回、そんなAIの頭脳を自分の机の上に置いて動かすという選択肢が、より現実的なものになり始めました。

    今はMac Studioを2台も必要とする世界です。

    ですが、数年後にはもっと身近なパソコンで、かなり高性能なAIエージェントが動くようになっているかもしれません。

    そしてその頃には、私たちは「どのAIサービスを契約しよう?」ではなく、「自分のパソコンにはどのAIを住まわせよう?」なんて会話をしている可能性もありますね(笑)

    個人的には、クラウドAIの進化も楽しみですが、ローカルAIがどこまで賢くなっていくのかにも注目していきたいと思います。

    皆さんは、高性能なAIを自分のパソコンで動かせるようになったら、どんな仕事を任せてみたいですか?

    私はとりあえず、利用制限やトークン消費を気にせず、AIに延々とデバッグを手伝ってもらえる環境が欲しいです(笑)

    ではまた次回〜(*'▽')ノシ

     
     
    ダイアロゴスの仲間たちが交代でつぶやくnote。 AIやITを「むずかしい」から「わかりやすい」へ。 身近な視点で楽しくお届けします。

    あなたへのおすすめ