Jevが話題、米国株の関連銘柄は？

ここ数日、AI開発者のタイムラインに新しい名前が頻繁に登場している。Jevだ。

論文の分類に使う人もいれば、Agentが呼び出すツールの選定に使う人もいる。ドローンシミュレーターに組み込み、障害物を回避する動作を選ばせる人もいる。OpenRouterやCloudflareなどのプラットフォームもこの新モデルに対応し、Jevを使ったアプリケーションのデモが次々と登場している。

JevによってAIの意思決定がより速く、より安価になるなら、どの米国株企業に恩恵をもたらすチャンスがあるのだろうか。

投資ロジックを理解する前に、まずJevが一体何なのかを明確にする必要がある。

選択問題を解く

Jevは、TypeSafe AIが9月15日に発表した意思決定モデルだ。同社はこのカテゴリーを「System One」、すなわち「システム1」と呼んでいる。これは行動経済学の金字塔『思考、速く、そして遅く』（原題：Thinking, Fast and Slow）における速い判断の概念を借用したものだ。テキストによる説明を理解し、主に選択肢、スコア、確率を出力して、ソフトウェアが後続処理を行えるようにする。

例を挙げよう。あるネットショップに「昨日カップを買ったのですが、二重に請求されたようです。確認してもらえますか？」というメッセージが届いたとする。

システムには解決すべき小さな問題がいくつかある。この件はカスタマーサポートと財務のどちらが担当すべきか。ユーザーは請求の確認を求めているのか、返金を求めているのか。既存の記録に二重請求が示されているかどうか。

開発者はあらかじめ選択肢を規定し、Jevにそれぞれ回答させることができる。その後、プログラムが注文と支払い記録を照合し、対応する処理フローに入る。顧客への説明が必要な場合は、表現力に優れたモデルに引き継ぐ。

これがJevの基本的な使い方だ。状況を入力し、問題を設定し、選択させる。

汎用大規模モデルでもこれらのタスクはこなせる。Jevの魅力は、分類、スコアリング、選択に特化して最適化されている点だ。小さな判断にかかる時間とコストを削減できる。結果を直接プログラムに渡すため、説明文を生成するプロセスを省ける。

さらに応用すれば、毎日何千件もの業界ニュースを受け取る中で、本当に精読する価値があるのは数十件だけというケースがある。まずJevに各ニュースが自分が関心を持つ企業に関係するか、新しい情報を含むかを判断させ、その後で汎用モデルに選別された内容を要約させることができる。こうすれば、汎用モデルは深く読む価値のある部分だけを処理し、大量の単純な判断作業はより低コストのJevに任せられる。

同様の試みは、ブラウザ操作、検索、ゲームなどのシーンにも広がっている。動察 BeatingのJev特集では、用途別にこれらのプロジェクトを整理し、Jevがどの判断を担っているのかを紹介し、ソースコードや一部のデモへの入口も掲載している。具体的な事例と照らし合わせることで、この「選択問題を解く」能力がどこで使えるのかを理解しやすくなる。

コストを最低限に

TypeSafeが公表した価格によると、Jevは入力トークン100万件あたり0.042ドルで、出力は無料だ。

コスト低下の意義は、これまで抜き取り検査しかできなかった作業を、一件ずつチェックできるようになる点にある。カスタマーサポートの記録は一件ずつ分類でき、検索で取得したデータは一件ずつ関連性を判断でき、エージェントがツールを呼び出す前にスクリーニングを一回増やすこともできる。

例えば、あるニュース分析プログラムがこれまで毎日最も人気のある記事だけを選んでAIに渡していたとする。今ではまず全記事をチェックし、企業、製品、注文、人事異動ごとに分類できる。人気は高くないが、ある重要企業に直接関係する情報も、見つけ出せる可能性が出てくる。

Jevの名前は経済学者ジェボンズに由来する。彼の最も有名な業績は「ジェボンズのパラドックス」の提唱だ。開発者は、判断が安価になれば、ソフトウェアはより頻繁にそれを使うようになると期待している。これまで大規模モデルを単独で呼び出す価値がなかった場所でも、コストを見直せるようになる。

Jevと物理デバイス

開発者のRoman Slackは、ドローンプロジェクトを開発した。MuJoCo物理シミュレーター内で、クアッドコプターが前方のターゲットを追跡し、途中で柱、梁、移動する障害物を通過するというものだ。

プログラムはまずカメラから得たデプス情報とセグメンテーション情報をデータに整理し、前方が遮られているか、左右どちらに隙間があるか、障害物の高さはどれくらいかをJevに伝える。Jevはその後、進路維持、左へ迂回、右へ迂回、上昇、ブレーキなどの動作から選択する。

例えば、梁が通路全体を塞いでいて左右どちらにも迂回できないが、上方にはスペースがある場合、Jevは上昇を選択できる。制御プログラムがその選択をドローンの運動指令に変換する。

飛行中、各モジュールが役割を分担する。Jevはどこへ進むべきかを判断し、制御プログラムはバランス維持、モーター推力の調整、緊急障害物回避を担当する。カメラが環境情報を提供し、意思決定モデルが動作を選択し、コントローラーが動作を実行する。

同様の役割分担は、ロボットアームでカップを掴む場合にも当てはまる。カメラがカップの位置を認識し、センサーが距離と力を測定し、コントローラーが指の動きを調整し、意思決定モデルがどのカップを先に掴むか、障害物に遭遇したらどうするかの判断に関与する。

この種の判断が安価になり、導入しやすくなれば、自動化機器の開発コストが下がる可能性がある。これまでソフトウェア開発が高すぎる、使用シーンが小さすぎるために採算が合わなかった機器にも、新たなビジネスチャンスが生まれる。

これがJevをいくつかの企業と関連付ける。より多くの機器が工場、倉庫、家庭に入るということは、より多くのセンシング、電力供給、コンピューティング、モーションコントロールの需要を意味する。

恩恵を受ける可能性のある銘柄

この流れで見ると、注目すべきは機器が環境を感知してから動作を実行するまでに必要なデバイスだ。ソフトウェアがどのモデルを選ぼうと、ロボットは自分がどこにいるのか、周囲に何があるのかを知り、電力を正確な動作に変換する必要がある。

テキサス・インスツルメンツ（TXN）、センシングと実行をカバーする周辺機器

アナログチップは電圧や電流などの連続的に変化する信号を処理し、電力供給や駆動の役割も担う。TXNのロボット向け製品は、信号取得、モーター制御、電源、組み込み処理をカバーしている。

ロボットが腕を上げると決めた後、電流をどのようにモーターに送るか、力をどのように制御するかは、すべてこれらのデバイスが必要になる。より安価な自動化がより多くのロボット、ロボットアーム、スマートデバイスをもたらすなら、TXNはこれらの機器により多くの周辺チップを販売する機会を得る。

アナログ・デバイセズ（ADI）、より精密なセンシングとモーションに対応

ADIのロボット向けソリューションは、慣性センシング、カメラ接続、産業用通信、モーションコントロールインターフェースに関わる。例えば、倉庫ロボットが暗い通路に入る場合、慣性情報を組み合わせて自身の動きを判断する必要がある。複数のカメラとセンサーが同時に動作する場合、データを同期してプロセッサに送る必要もある。

機器が担う作業が複雑になるほど、センシング精度、接続安定性、モーションコントロールへの要求は高くなる。ADIの受益ロジックは、より多くの自律型機器にこれらの周辺機器を提供することにある。

STマイクロエレクトロニクス（STM）、低消費電力デバイス上のAIに対応

いわゆるエッジAIとは、機器がローカルで一部のデータを処理することだ。STMのSTM32N6マイクロコントローラは、ニューラルネットワーク計算用のアクセラレータを統合しており、コストと消費電力に敏感なビジョンやサウンドなどのアプリケーションをターゲットにしている。

例えば、小型カメラ機器がローカルで物体を認識したり、産業機器が音から異常動作を判断したりできる。Jevをめぐる議論は、投資家の注目をこうした用途に向けさせた。大量の単純で反復的なインテリジェントタスクが、より低価格で小型の機器に入り込むチャンスがある。STMが提供するのは、まさにこうした機器が必要とする処理能力だ。

オン・セミコンダクター（ON）、ビジョンとパワーデバイスに対応

ONがロボット向けに提供する製品には、イメージセンサー、深度センサー、パワートランジスタ、モータードライバーチップが含まれる。前者2つは画像と距離データの取得を担当し、後者2つはモーター制御に必要な電流をサポートする。

倉庫の搬送ロボットを例にとると、カメラ内のイメージセンサーが前方の棚の画像を取得し、深度センサーが障害物との距離を測定し、モータードライバーチップがパワートランジスタと連携して電流を制御し、車輪を回転させる。より多くのロボットやスマートカメラ機器が導入されれば、これらのセンサーやチップの需要が増える可能性がある。

この4社以外にも、ウォッチリストに入れられる企業が3社ある。

NXPセミコンダクターズ（NXPI）

関連事業：i.MXプロセッサ、マイクロコントローラ、接続・制御製品

受益ロジック：より多くのロボットや産業機器にコンピューティング、通信、制御能力を提供する

クアルコム（QCOM）

関連事業：ロボット、ドローン、デバイス側AI向けのDragonwingプラットフォーム

受益ロジック：機器のローカルでのビジョン処理、コンピューティング、接続タスクの需要を取り込む

Cloudflare（NET）

関連事業：Jevサードパーティモデルのアクセスと呼び出しを提供

受益ロジック：開発者がJevをカスタマーサポートの振り分け、データスクリーニング、エージェントのスケジューリングに使用する際、アプリケーションのデプロイ、データ接続、呼び出し管理も必要になる。Cloudflareのチャンスは、これらのアプリケーションを自社プラットフォーム上で実行させることにある。

まだ初期段階

Jevには現在も解決すべき課題がある。判断精度、問題設計、そしてサービスが長期的な業務運用を支えられるかどうかだ。

まず、Jevの「ゼロ幻覚」という宣伝は誤解を招きやすい。A、B、Cの中からしか選べないように規定すれば、プログラムが認識できないDを返すことは防げるが、それでも選び間違えることはある。カスタマーサポートの例に戻ると、プログラムが「財務に回す」と正常に読み取れたとしても、そのチケットが本当に財務で処理すべきかどうかは別問題だ。

ある開発者はJevを使って8種類のタスクをテストし、16,000回の判断を実行した。彼はJevの速度とコスト面の優位性を認めつつ、実際の状況をカバーするには問題と選択肢をさらに調整する必要があると指摘した。また、サプライヤーがより多くの運用経験を積み、市場に代替案が登場するのを待ってから、本番業務に導入したいとも述べている。

Jevがどれだけの仕事を担えるかは現時点では不明だが、一つのトレンドはすでに現れている。大量の反復的な判断をJevに任せ、複雑なタスクは汎用モデルに残すという流れだ。

自動化の開発・利用コストが下がれば、アナログチップ、エッジAI、自律型デバイスは、自らの「ChatGPTモーメント」を迎えるのだろうか。