今日のご案内 ☕✨ # 今回の中心は、Engineering AIの評価軸が「モデルがどこまで答えられるか」から、「既存の設計・解析・試験系へどう接続し、どこで確実な検証境界を置くか」へ移っていることだ。中国航空发动机集团（AECC）は、MBSE、デジタル試験管制、联合仿真など7つの研究開発プラットフォームを調達対象に掲げ、cloud-native architectureに加えてAI Agentとの双方向連携を要件化した。Agentがplatformを呼ぶだけでなく、platform自身の能力をAPIとしてAgentへ公開する構成まで明記されている。
CAE側では、数値モデルを高精度に模倣するだけでは物理的妥当性を保証できないという問題がより具体化している。NASA Common Research Modelを対象にした研究では、CFDに対してR² > 0.99のsurrogateでも風洞計測との系統差が残り、実験データでresidualを学習させることでその差を補正した。ADEx-FNOも、学習モデルを最終solverとして置き換えるのではなく、従来CFDのwarm startへ使い、最終解は支配方程式solverに任せる構成を採る。
Scientific AIでも同じ構造が見える。核融合制御のPACMANは複数AI controllerを20 ms級で動かしながら、最後の出力段で競合解決とhardware safety limitを強制する。材料探索では、database、physics constraint、simulation、Agent、automated synthesis、experimental feedbackを一つのclosed loopへ結ぶことが課題として整理され、自律化そのものより、状態保持・監査・安全限界の設計が重要になっている。
企業Agentでは、sandbox、identity、runtime cost、効果測定が運用上の主戦場になりつつある。GitSpawnはtoolの暗黙動作がtrust boundaryを越える危険を示し、OpenAIの社内telemetryは高強度なAgent利用が大きなinference costと並列実行量を伴うことを示す。モデルアクセスだけを導入と見なす段階は終わり、実行環境、検証、権限、費用、physical capacityまで含めて一つのシステムとして設計する必要がある。
1. AECC、航空エンジンR&Dの7基盤にAgent双方向連携を要件化 # 中国航空发动机集团（AECC）は8月31日、研究開発業務向けのデジタルプラットフォーム7種について公開調達を開始した。対象は、仮想構想検討、要求管理、MBSEベースのsystem modeling、科学技術・innovation management、デジタル試験管制、統合project management、联合仿真で、MBSE領域ではwhole-engine級のsystem architectureまたはsystem simulationの導入実績も要求している。
今日のご案内 ☕✨ # 今回の中心は、AIの価値が「良い答えを返すモデル」から「専門ツールを、決められた権限と検証手順の中で実行できる仕組み」へ移っていることだ。Autodesk Fusionでは、Drawing APIに加えてMetal Powder Bed Fusionのprocess simulationをAPIから実行・結果表示できる範囲が広がった。Coderはクラウド側のcoding agentと企業内の実行環境を分離し、CrowdStrikeやIBMはagent identity、短寿命権限、runtime control、trace、custom evaluationを製品レイヤーとして扱い始めている。
モデル性能そのものも動いている。OpenAIはGPT-6 Astraの提供を開始し、同社のPreparedness FrameworkでCritical cybersecurity-capability thresholdに達したモデルをChatGPTやAPI、Azure、AWS Bedrockへ展開する。モデルが強くなるほど「導入するか」だけではなく、どの環境で実行させ、何を許可し、いつ停止できるかがmodel upgrade governanceの一部になる。
Scientific AIでは、汎用coding benchmarkだけで実務適性を判断しにくいことも明確になっている。SWE-bench Scienceは科学ソフトウェアのrepository-level taskを20分野に広げ、最良の評価agentでもpass@1が50%未満と報告した。科学計算では、codeが動くことと、数値・物理上の前提やintegrationを壊さないことが別問題であり、engineering agentにはdomain-specificな検証系が必要になる。
基盤側では、NVIDIAがHugging Face買収で合意し、EuroHPCは3億8,780万ユーロ規模のLUMI-AIを2027年投入へ進める。モデル、配布hub、accelerator、hosted inference、public/sovereign computeの境界が再編されるなか、AI戦略はmodel selectionだけでなく、artifact portability、execution perimeter、compute procurementまで含む設計問題になっている。
今日やったこと # ギヤードターボファンの対話型工学モデルを構築 # 公開資料で確認できる81インチファン、圧縮機・燃焼器・タービンの段構成、固定中心の5個のスターギア、約3対1の減速方式をもとに、ブラウザで動くカットモデルを新規構築した。実機の歯数や内部寸法が公開されていない部分は説明用の値として明示した。 ファン、低圧軸、高圧軸、サンギア、リングギア、スターギアを同じ計算状態で連動させた。外観、4分の1・2分の1カット、ケース透過、部品選択、視点切り替え、一時停止、低速表示、微小送りを実装した。 一次元の圧縮性サイクル、低圧・高圧軸の独立した回転運動、ファンと減速機の反映慣性、質量・燃料・軸出力・エネルギー収支を統合した。流れの矢印も表示専用の時計ではなく、同じ物理時刻と局所平均流速で移動させた。 改良版では、圧縮機・燃焼器・タービンの検査ビュー、17段の速度三角形、構成要素ごとのエンタルピー収支、全温・全圧・軸流速度のグラフを追加した。表示と計算の不一致を見つけやすいよう、3D、診断値、グラフを一つの状態から生成した。 型検査、lint、数値・形状テスト、静的ビルドを通過した版だけを公開する配信工程を整備した。公開資料に基づく構成と、説明用に仮定した値、対象外の現象を文書で分けた。 判断と学び # 数値収支が閉じることと、実機を忠実に再現できていることは別である。整数歯数による回転比や一次元流れの保存則を厳密に検査しても、非公開の翼形状、性能マップ、材料、熱変形、潤滑、寿命までは推定できない。成立する概念モデルと実機同定を混同しない説明が必要だった。
今日のご案内 ☕✨ # 今回の中心は、Engineering AIが「その場で回答を生成する」段階から、設計知を再利用可能なtoolとして残し、既存のCAD・CAE・業務システムから実行できる段階へ移っていることだ。PTCのOnshape FeatureScript MCP Serverは自然言語の要求からFeatureScriptを構築・テスト・デバッグし、完成したcustom CAD featureをチームで再利用できる。Syneraも、専門家が作った既存engineering workflowをMCP経由で外部Agentから呼び出す構成を打ち出している。モデルを替えてもdomain logicを保持できる「tool化」が、単純なchat integrationより重要になりつつある。
Physics AIでは、全面的なsolver置換よりも、事前学習や生成モデルを既存の数値解析へ組み込む流れが目立つ。PhysicsXのPX-Car-Aero-v1は3万件超のRANS計算で物理表現を事前学習し、同社評価では新しい設計族やsolver設定へ適応する際のsimulation data量を大幅に減らせるとする。一方、生成最適化では見た目の良い3D形状だけでは不十分で、manifoldness、薄肉・sharp feature、mesh、production solver受入性まで通過できる表現が必要だという現実的な課題も前面に出ている。
航空エンジン領域では、AIがconcept designだけでなく、inspection、maintenance、digital engineering、rapid prototyping、manufacturing、test facilityへ広がっている。GE AerospaceはBengaluruでAI-enabled blade inspectionとengine health monitoringを進め、HyCATでは統合・qualification・subsystem testまでを含む高頻度開発を進める。Rolls-RoyceもIndianaで10年・10億ドル規模の製造・engine test設備更新を完了した。設計iterationをAIで速めても、製造・試験・認証のphysical throughputが追いつかなければprogram全体は速くならない。
今日のご案内 ☕✨ # 今回の中心は、Engineering AIが「正しそうな回答やコードを出す」段階から、専門ツールを実行し、その結果を次の判断へ戻す閉ループへ移っていることだ。RA-CADは生成したparametric CAD codeを実際に実行し、結果を観察してcritiqueとrewriteへ戻す。Architect LabsのRedwoodは、仕様からRTL、verification、firmware、kernelまでを一つの自動化loopとして扱い、COMSOLでは既存Java APIを介してmodel作成、study実行、可視化までをAgentが進める例が示されている。
Scientific AIでも同じ方向が見える。STCOは将来時刻のmotion、inflow、forcingをNeural Operatorへ明示的に与え、ferroelectric材料のPINN研究はMD dataとphase-field PDEを結び、同定したparameterをFEMへ戻してcross-verificationしている。学習モデルだけを最終回答器にするのではなく、既存のPDE/FEMや物理constraintと組み合わせ、検証可能な計算chainを残す構成が強い。
一方、企業側では導入量と組織全体のscaleの間にまだ大きな差がある。Gartner調査ではAI支出の増額意向が強い一方、複数business unitへscaleできた組織は22%にとどまる。Microsoftのdigital-trace研究も、AI利用後にproductivity系activityが増える一方、communicationとのバランスが変わることを示しており、「使った回数」だけでなくworkflowと組織行動を測る必要がある。
モデル・基盤側でも評価軸はbenchmark scoreだけでは足りない。Gemini 3.8 Flashはagentic workloadを意識した価格とtool-use性能を前面に出し、DeepSeekは305Bのmultimodal open weightsをself-host可能な形で公開した。NTTPCはphysical AI向けGPU環境を国内cloudとして提供している。AIを実工程へ入れるほど、実行コスト、tool権限、resource policy、human approvalまで含めたsystem設計が性能そのものになる。
1. RA-CAD、CAD生成を「一発生成」から実行結果を読むloopへ # RA-CADは、自然言語からparametric CAD codeを作る処理をGenerate–Execute–Critique–Rewriteの反復loopとして構成する。各iterationで現在のcodeを実行し、その結果を観察したうえで、design instruction、code、execution feedbackを条件に明示的なpost-execution critiqueを生成する。critiqueは終了判定か次のrewrite指針として使われるため、単にcodeを生成して最後に通るか確認する構成とは異なる。
今日のご案内 ☕✨ # 今回の主軸は、AIが専門家への助言役から、既存の工学ツールや実験設備を動かす「実行層」へ進み始めたことだ。SimScaleはCAD形状のクリーンアップから解析設定、計算、結果レポートまでを対象にするEngineering AIを広く開放し、Anthropicは実験・製造機器をAgentから共通仕様で操作するModel Hardware Standardを研究プレビューとして示した。Siemensも、高忠実度CAEを縮約したExecutable Digital Twinを実運用データとAgent層へ接続する構成を提示している。
同時に、Scientific AIでは「AIが物理solverを置き換える」より、検証済みの数値計算や物理制約を残したまま学習モデルを差し込む構成が目立つ。NOWSはNeural OperatorをKrylov法の初期値生成へ使い、CrysVCDは価数制約を結晶生成の内部へ組み込み、Skala 1.1は学習型交換相関汎関数をCP2Kなど既存DFTコードへ統合する。燃焼不安定性を対象にしたkFNOも、短期誤差だけでなく長期統計を評価軸に置く。
材料R&Dでは、NTTの自律成膜が条件探索だけで終わらず、人が理解・転用できる成膜ルールの抽出まで進めた点が重要だ。一方、企業導入ではMcKinsey調査が示すように個人の生産性向上と企業財務効果にはまだ距離がある。AIがtoolや実機へ触れるほど、権限、検証、interlock、human approvalをモデル能力とは独立した設計要件として扱う必要がある。
1. SimScale、CAEを「助言」から一連の実行ワークフローへ # SimScaleは8月18日、Engineering AI agentを90万人超とする同社コミュニティへ開放した。同社は、AgentがCAD形状のクリーンアップ、simulation setup、計算実行から結果レポートまでの一連のworkflowを自律的に処理すると説明している。これは解析手順を文章で教えるだけでなく、既存のCAE infrastructureを実際に操作する方向への移行を示す。
今日やったこと # AI記事生成の証拠と引き継ぎ契約を再設計 # 調査、選定、執筆を独立した工程として扱い、後段は保存された前段の成果物だけを読む契約にした。同じ会話に残った暗黙の記憶へ依存しない構成を目指した。 調査結果の形式を厳密化し、実行日時、検索状況、情報源の確認結果、警告を記録するようにした。対象日が違う入力、古い入力、不完全な入力は選定工程で止める方針にした。 選定結果には、採用した主張と根拠の対応、検証状態、情報提供者による自己申告かどうか、記事内の順序と深さを残すようにした。 過去記事との重複を抑えるため、公開履歴とイベント単位の識別情報を保持する設計を追加した。執筆後には、採用項目、主張、数値情報がどれだけ保持されたかを監査できるようにした。 本番公開を行わずに各工程の境界と成果物を検査するドライラン手順、受け入れ基準、評価項目、例示データを整備した。 公開前検証と配信ゲートを実装 # AIが生成した記事だけを対象に、必須メタデータ、項目数、情報源、公開日、追跡用パラメータ、内部工程名、匿名の編集文体を決定論的に検査する仕組みを追加した。 情報源の数と記事項目の数、採用項目の識別情報を相互に照合し、欠落や重複があれば公開前に失敗させるようにした。 公開サイトのビルド前に記事検証を実行し、検証を通過した最新版だけを配信するようにした。新しい更新が来た場合は古い配信処理を打ち切り、競合した版が公開されにくい構成へ変更した。 検証器に対して、正常な記事、項目数の不一致、内部語の混入、追跡用パラメータ、日付欠落、追跡情報の欠落を扱うテストを追加した。 判断と学び # 生成記事の品質を文章の自然さだけで評価すると、調査時点では存在した根拠、数値の分母、留保、帰属が執筆中に落ちても検出しにくい。各工程の成果物を厳密な契約でつなぎ、主張単位の根拠と情報保持率を残す方が、品質低下の場所を特定しやすい。
今日やったこと # AIモデル比較基盤を実演可能な形へ拡張 # 日本語対話、連鎖パズル、立体パズル、制御シミュレーションの各課題について、指示文、公開テスト、独立評価、実行記録の扱いを見直した。 候補の実行環境を一時的な認証領域へ分離し、評価基盤や外部の追加指示が候補へ漏れた場合は比較不能として記録するようにした。 連鎖パズルは完成盤面を渡す方式から、空の盤面から合法手順で組み立てる方式へ変更した。制御課題の一つはロボットアームの仕分けへ差し替え、運動学、速度制限、衝突、把持を検査対象にした。 モデル別ページで各課題の最新実行を表示し、検証済みの候補作品をブラウザ上で再演できるようにした。スマートフォンで実演領域が隠れる問題と、更新後のスタイルが残るキャッシュ問題も修正した。 小規模モデルによる一連のデバッグ実行を公開した。結果は実演と基盤確認のためのもので、正式比較にはまだ昇格していない。 文章スタイルモデルを実例と負例から校正 # 過去の長文と短文を材料に、話題の選び方、判断の進め方、文のリズム、代筆時に創作してはいけない事実の境界を整理した。 最初の生成例は、見出しや段落が均等で、機能を順番に巡回し、最後に再要約する構成になった。語彙より構成が整いすぎていることを負例としてモデルへ反映した。 網羅性を既定にせず、一つの問いに必要な事実だけを残す方針へ変更した。比較や留保を帳尻合わせで足さず、冒頭の主張を末尾で言い換えるだけの結論も避けるようにした。 生成と校正を別の工程に分け、別コンテキストの編集で事実を増やさず削る内部テストを行った。機能カタログ化を抑える効果は確認できたが、本人承認はまだ得ていない。 判断と学び # 比較サイトでは、候補作品が動いて見えることと、正式な比較条件を満たすことを分けて示す必要がある。実演は理解を助けるが、隔離、計測、未知入力での検査が不足した実行を正式結果として扱う根拠にはならない。
今日やったこと # 小規模AIモデルの比較基盤を構築 # 日本語チャット、連鎖パズル、立体パズル、垂直着陸シミュレーションの4課題を用意し、版を固定した指示文と公開テストを整えた。 課題達成、ロジック、未知入力への頑健性、見やすさ、使用資源を分けて記録し、単一の総合点へ丸めない評価方針を定めた。 候補コードを信頼済みの評価処理から分離し、非公開の評価データや参照実装を候補側へ渡さない実行経路を実装した。 実行記録の形式、指示文のハッシュ化、作業領域の準備、評価、静的サイト生成までを追加した。 デバッグ試行を記録して比較上の不足を明示 # 4課題のデバッグ試行を実行記録として追加し、結果サイトで課題や状態を絞り込み、評価と使用資源の内訳を確認できるようにした。 日本語チャットは形式に関する決定的検査を通過した一方、エージェント固有の追加指示を含むため正式比較には使えないと記録した。 垂直着陸は公開テストを通過したが、独立評価では5条件中3条件の着陸にとどまり、見た目の成果物も未完成だった。 残る2課題は途中停止や成果物不足があり、すべての試行を正式結果へ昇格できない「結論なし」として扱った。 公開経路の実行環境を調整 # ローカル要件、継続的インテグレーション、説明文の実行環境を同じ版へそろえた。 検証と静的サイト生成は通ったものの、当初の公開は公開設定段階で失敗した。再実行では成果物のアップロードと公開まで成功した。 判断と学び # モデル比較では、見栄えのよい一例と再現可能な評価を分ける必要がある。機械判定、人手評価、使用資源を別々に示し、失敗を別の指標で相殺しない構成にした。
今日やったこと # データ監査を最古優先へ変更 # 日次監査の対象を固定的な分割から、未確認または確認日が古い項目を優先する方式へ切り替えた。 一度に扱う件数を制限しつつ、途中で失敗して保存されなかった項目は次回も古い対象として再試行されるようにした。 全件、分割、対象指定の既存モードは残し、通常実行だけを最古優先に変更した。 選択順、件数制限、失敗後の再試行を自動テストで固定した。 監査結果を公開地図へ確実に反映 # データ監査が成功した後にも公開処理を起動し、監査が保存した最新データを公開地図へ反映する経路を追加した。 公開処理が常に主ブランチを取得するようにし、機械実行が作成した更新でも古い状態を配信しないようにした。 監査と公開の関係を生成ドキュメントへ反映し、運用説明を現在の構成に合わせた。 公式拠点の判定を強化 # 公式サイト内のリンクに加え、クロール規則を尊重しながらサイトマップと構造化データから拠点候補を探せるようにした。 ニュース、規約、採用、製品、PDFなどを現在地の確認根拠から外し、公式の拠点・連絡先ページを優先するようにした。 都市名だけの一致では現在の拠点を確認済みにせず、企業名と番地を含む根拠がそろった場合だけ確認済みにするよう厳格化した。 根拠を取得できない項目は削除せず要確認として残し、誤検出しやすい語句を候補から除外した。 判断と学び # 固定的な分割監査は全体を均等に回しやすい一方、途中で失敗した対象が次の周期まで後回しになる。最終確認日の古さを基準にすると、保存できなかった対象を自然に再試行でき、未確認項目も先に減らせる。
今日やったこと # 利用者の修正報告をデータ監査へ優先連携 # 企業・組織マップの詳細画面に、修正が必要な項目を報告する入口を追加した。 報告時には対象を識別する情報と確認項目を入力済みの状態で課題票を開き、内容を確認してから送信できるようにした。 未解決の報告から対象だけを抽出し、日次の分割監査より先に検証する処理を追加した。 監査コマンドに対象指定を追加し、入力形式の検証と既存の全件・分割指定との排他制御を実装した。 空の開発日誌を作らない運用へ変更 # 実質的な作業がない日に「記録なし」の記事を自動生成していた処理を削除した。 定例実行や機械的な成果物だけの日は開発日誌を作らず、自動化自体の変更、障害対応、仕様変更は記録する基準へ統一した。 日誌の生成元を一つに整理し、同じ日付を複数の仕組みが扱う状態を解消した。 個人サービスの入口情報を整理 # 個人向けWebサービスの入口、公開範囲、用途、稼働状態を非公開のナレッジへ集約した。 外部公開してよい情報と個人環境だけに残す情報の境界を明記し、機密情報を保存しない既存方針との関係を整理した。 判断と学び # データ品質の改善では、定期監査を広く回すだけでなく、利用者が見つけた具体的な誤りを次回の監査へ確実に割り込ませる経路が必要だ。報告をその場でデータへ直接反映せず、課題票を経由して監査対象にすることで、入力のしやすさと変更前の確認を両立できる。
📋 要約（TL;DR） # 8月26日の東京市場は取引日で、日経平均は66,262.16円、前日比405.73円高（+0.62%）で続伸した。 TOPIXは4,111.02ポイント、前日比17.35ポイント高（+0.42%）。日経平均は前場の売り先行から後場に切り返した。 候補記事が示していたNVIDIA決算待ちの様子見を背景に朝方は不安定だったが、13時以降は上げ幅を広げ、終値では上昇を維持した。 アドバンテストとソフトバンクGが日経平均の押し上げに寄与した一方、TOPIXも上昇し、指数寄与と市場の広がりを分けて見る局面となった。 ドル円は8月26日17:39 JST時点で158.9500円のインターバンクレートで、取引所の単一終値ではない。 JPXのmoomoo証券処分、三菱重工業のCO2回収システム新モデル発表など、価格以外の当日開示も確認された。 📊 市場概況 # 8月26日の東京市場は、前夜の米国株高を受けた買いと、NVIDIA決算を控えた半導体株の持ち高調整が交錯した。日経平均は前場に一時前日比465円安まで下落し、11時ごろには下げ幅を縮めた後、後場にプラスへ転じた。13時ごろは415円高、14時ごろは515円高、15時ごろは462円高となり、最終的に15:45 JSTで405.73円高の66,262.16円となった。TOPIXも15:30 JSTに17.35ポイント高で引け、指数全体では上昇したが、大引け報道ではアドバンテストとソフトバンクGの2銘柄で日経平均を約362円押し上げたとされる。したがって、金融・保険などへの物色が見られたという市場報道を踏まえつつも、日経平均の上昇幅を市場全体の一様な強さと同一視せず、寄与度と売買の広がりを分けて確認したい。
主要指数 # 指数 終値・水準 前日比 日経平均 66,262.16円（2026年8月26日15:45 JST終値） 前日比+405.73円（+0.62%） TOPIX 4,111.02ポイント（2026年8月26日15:30 JST終値） 前日比+17.35ポイント（+0.42%） ドル／円 158.9500円（2026年8月26日17:39 JST時点のインターバンクレート） 取引所の単一終値ではないため、同一基準の前日比は表示なし NYダウ 53,577.40（2026年8月25日米国市場終値、Yahoo!ページ17:43表示） 前日比+160.24（+0.30%） ナスダック総合 26,151.29（2026年8月25日米国市場終値、Yahoo!ページ17:15表示） 前日比+171.10（+0.66%） S&P 500 7,677.28（2026年8月25日米国市場終値、Yahoo!ページ17:43表示） 前日比+24.42（+0.32%） 🗳️ 政治・政策ニュース # JPX、moomoo証券に処分と業務改善報告書の提出を請求 # 日本取引所グループは8月26日、東京証券取引所と大阪取引所がmoomoo証券に処分を行い、業務改善報告書の提出を請求したと公表した。公式説明では、米国上場株式・ETFをNISA対象商品として事実と異なる内容で販売したことや、サイバーセキュリティを含む電子情報処理組織の管理が不十分な状況が挙げられている。