イリヤ・サツケバーのSSI、8月に初のモデルを発表する可能性、ギャビン・ベイカー氏が語る

はじめに

安全超知能会社（Safe Superintelligence Inc.）は、2年以上にわたり開発内容について沈黙を守ってきた。

その沈黙が、まもなく破られるかもしれない。

アトレデス・マネジメント（Atreides Management）のマネージング・パートナー兼最高投資責任者であるギャビン・ベイカー氏は、投資家でポッドキャスト司会者のパトリック・オショーネシー氏との最近の対談で、SSIが8月にモデルをリリースする計画だと述べたことを明らかにした。

この発言は、SSIがこれまでモデル発表の具体的な日付を公にしたことがなかったため、直ちに注目を集めた。

SSIは、元OpenAIチーフサイエンティストのイリヤ・サツキヴァー氏、ダニエル・グロス氏、ダニエル・リービー氏によって2024年に設立され、異常なまでに焦点を絞った使命を中心に構築されている。同社の公式サイトは今もなお、同社を「一直線に突き進む」ラボであり、一つの目標と一つの製品――安全な超知能を持つと説明している。

そのため、初のモデルに関するいかなる議論も、とりわけ重要な意味を持つ。

しかし、最初から明確にしておかなければならない重要な違いがある：

2026年8月7日時点で、SSI自体は公式ウェブサイト上で8月のモデル発表を確認する公式発表を一切行っていない。

8月という時期は、ベイカー氏の発言に基づくものであり、SSIの正式な発表通知ではない。

ベイカー氏の情報が正確であれば、これは外部が最も神秘的な最先端AIラボの一角の技術的成果を初めて垣間見る機会となる。

SSI初の公開モデル、8月に登場か

この重要な発言は、AIインフラ、半導体需要、継続学習、サンプル効率的学習に関する広範な議論の中で、ほぼ付随的に言及されたものだった。

ベイカー氏は、モデルがデプロイ後に効率的に学習できるのであれば、主に大規模な事前学習に依存する場合と比較して、最先端AIの経済構造が大きく変化する可能性があると考える。

この可能性を説明する中で、彼はSSIが8月にモデルを「発表する」と述べたことを明らかにした。

この表現は多くの謎を残している。

それは次のことを教えてくれない：

• モデルの名前
• 公開ダウンロードが可能かどうか
• API経由でアクセスを提供するかどうか
• 研究プレビュー版か商用製品か
• 従来の意味での言語モデルかどうか
• Transformerアーキテクチャを採用しているかどうか
• 継続学習をサポートしているかどうか
• SSIが追求する「安全な超知能」なのかどうか
• 8月というスケジュールが変更されないかどうか

元記事はこの発言をSSIの初のモデル発表として解釈している。

これは合理的な解釈だが、発表の具体的な形態は依然として不明である。

SSIは通常のAI製品企業とは異なる自己定義をしてきた

SSIの公式ミッションステートメントは異常なまでに率直だ。

同社は、以下のようなものに邪魔されることなく、安全な超知能の追求のために設立されたと述べている：

• 製品サイクル
• 短期的な商業的圧力
• 管理上のオーバーヘッド
• 複数の競合する製品ライン

その公開ロードマップは、一連のチャットボット、コーディングツール、検索製品、エンタープライズサービスではない。

宣言されたロードマップは、安全な超知能そのものである。

だからこそ、8月の発表説は多くの憶測を呼んでいるのだ。

もしSSIが超知能に到達する前に従来の最先端モデルを発表するならば、同社の製品戦略に変化があったことを示唆する可能性がある。

もしそのモデルがSSIが開発してきた研究成果のデモンストレーションに過ぎないならば、今回の発表は広範な商業プラットフォームの立ち上げではなく、進捗を示すことを意図しているかもしれない。

現時点では、どちらの解釈も推測の域を出ない。

継続学習こそベイカー氏発言の背後にあるより重要なストーリー

モデル発表に関する一文は、ベイカー氏が継続学習とサンプル効率的学習について議論している中で出てきた。

これらの研究テーマは、AI経済にとって、いかなるベンチマークテストの結果よりも重要かもしれない。

継続学習とは何か？

典型的な基盤モデルは、大規模な段階に分けて訓練される。

簡略化したプロセスは以下の通り：

1. 非常に大規模な訓練コーパスを収集する。
2. そのコーパスでモデルを事前学習する。
3. モデルを微調整またはポストトレーニングする。
4. モデルをデプロイする。
5. 定期的に追加訓練を通じて新バージョンのモデルを作成する。

デプロイ済みのモデルは、コンテキストウィンドウや外部メモリの情報を使用できるが、その基盤となる重みは通常、毎回の相互作用から継続的に更新されるわけではない。

継続学習は、より野心的な目標を追求する。

継続学習システムは、時間の経過とともに有用な能力や知識を絶えず獲得し、ゼロから再構築する必要もなく、既存の知識を壊滅的に忘れることもない。

これにはいくつかの難題を解決する必要がある：

• 絶え間なく流れ込む新しい経験から学習すること
• 有用なフィードバックとノイズを区別すること
• 破壊的忘却を避けること
• 悪意のある相互作用がモデルを破壊するのを防ぐこと
• モデルが変化しても整合性を維持すること
• 時間とともに行動が進化するシステムを評価すること
• モデルの更新にどの経験を使用するかを制御すること

したがって、現実世界で継続的に学習できるモデルは、単なる長期記憶を持つチャットボットをはるかに超えるものになる。

サンプル効率的学習とは何か？

サンプル効率とは、より少ない例から学習する能力のことだ。

人間は通常、1〜2回のデモンストレーションを見るだけで新しいルールを理解できる。

現在の最先端モデルは、広範な能力向上を実現するために、極めて大量の訓練データと計算資源を必要とすることが多い。

サンプル効率の高いモデルは、以下からより多くの学習価値を引き出すことができる：

• ユーザーとの相互作用
• ツールの結果
• 環境からの観察
• シミュレーション
• 実験
• 修正
• デモンストレーション

もし継続学習とサンプル効率が共に向上すれば、事前学習の役割は変わるかもしれない。

デプロイ前にほぼすべての能力を構築する代わりに、ラボは強力な基盤モデルを訓練し、その後、経験を通じて改善させ続けることができるかもしれない。

ベイカー仮説：訓練需要はAIコンピューティングのより小さな部分になる可能性

ベイカー氏はこの研究方向を半導体需要と結びつけた。

彼の基本的な想定は次の通り：

大規模な一回限りの事前学習
↓
モデルのデプロイ
↓
モデルが現実世界の経験から効率的に学習
↓
反復的な巨大再訓練の必要性の低減

このシナリオでは、従来の最先端事前学習は、AI総コンピューティングのより小さな部分になる可能性がある。

推論と継続学習がより重要になるかもしれない。

![画像はAI訓練需要に関する議論の内容。黄色のハイライト部分には「訓練需要のこのような発展が最も興味深い。長期的なものか短期的なものか誰にもわからない。SSIは8月にモデルを発表すると言っている。この問題に注力する新世代のラボが存在する」とある。この内容は文脈と密接に関連しており、文脈はAI訓練需要の一時的な断絶の可能性、および訓練需要が半導体計算需要全体に占める割合が極めて小さくなる状況を探求している。この画像の内容はその見解をさらに強調し、この問題に注目するラボが存在することを示している。](https://we0-cms.oss-cn-beijing.aliyuncs.

com/cms-assets/image/2026/08/978abe63-4b06-4c22-b491-72bdbd9f94ed-39b95ad5-109d-47b5-b0a1-c1c78a939098.png)

ベイカー氏はこれを、トレーニング需要に生じ得る断層として表現した。

これは投資上の論点であり、確定した技術的結論ではない。

このシナリオが現実となるには、複数の条件が満たされる必要がある：

1. 継続的学習が最前線のスケールで確実に機能すること。
2. モデルが比較的少ないインタラクションから有用な情報を学習できること。
3. 新たな学習が既存の能力を損なわないこと。
4. システムの変化に伴い、安全性とアライメントが安定に保たれること。
5. オンライン学習が定期的な再トレーニングより経済的であること。
6. 最終的なシステムが依然として大規模展開から利益を得ること。

それでもなお、総計算需要が必ずしも減少するとは限らない。

デプロイ後に顕著に有用性が高まるモデルは、より多くの推論需要、エージェント活動、シミュレーション、データ生成、強化学習ワークロードを生み出す可能性がある。

計算資源の構造は変化するかもしれないが、総市場が縮小するとは限らない。

トレーニングトークン数は文字通りの基準ではなく、あくまで概算データとして捉えるべき

出典記事は、ベイカー氏の議論における注目すべき数値比較を繰り返している：初期のモデル例は数百億トークン程度であるのに対し、現代のトレーニング規模は数兆トークンに達している。

この比較は、Llamaトレーニングの検証済みの歴史的データとして扱うべきではない。

Metaの公式文書は次のことを示している：

• LLaMA 7Bは約1兆トークンでトレーニングされた。
• LLaMA 33Bおよび65Bは約1.4兆トークンでトレーニングされた。

ベイカー氏自身も、より小さい数値は公式のモデルカード統計ではなく、聞いた情報として述べている。

同様に、最前線の研究所は現在の各専有モデルの完全なトレーニングトークン数を開示していない。

「200億対300兆」という正確な比較に依存しなくても、核心的な論点は依然として成り立つ：

最前線のモデル開発はますます膨大なデータセットと大量の計算資源に依存している。したがって、あるブレークスルーによってデプロイ後のシステムがより少ない新しい経験から効率的に学習できるようになれば、AIインフラの経済的構造を実質的に変える可能性がある。

これはNVIDIAにとって何を意味するか

NVIDIAは多種多様なAIワークロードから恩恵を受けている：

• 事前学習
• 事後学習
• 強化学習
• 合成データ生成
• 推論
• エージェント実行
• 長文脈推論
• シミュレーション
• 埋め込みと検索
• 動画およびマルチモーダル生成

あるカテゴリーの減少は、アクセラレーターの総需要が自動的に減少することを意味しない。

これこそが、ベイカー氏が継続的学習を、彼が確定的だと考える予測ではなく、ストレステストに値するシナリオとして述べた理由である。

AI売りは議論の背景

ベイカー氏は、AI関連株が大幅に下落していた時期にこの対談を録音した。

彼がこのインタビューを宣伝したソーシャルメディアへの投稿では、録音時点で「AIセクター」は6月の高値から約**35%から40%**下落していたと述べている。

BAAI関係者は、この調整の速度を2022年の弱気相場がより短期間に圧縮されたものに例えた。

ベイカー氏の対談での目標は、AIの根底にある投資ロジックがすでに悪化したかどうかを判断するための証拠を探すことであった。

彼は以下の指標について議論した：

• GPU価格
• 推論需要
• オープンソースモデルの進展
• 半導体需要
• 資本支出
• 継続的な技術進歩

彼の論点は、市場がさらに下落する可能性がないということではない。

むしろ、効率的な継続的学習のような真の技術的断層が、短期的な株価変動よりも長期的な計算ロジックにとって重要である可能性があるということだ。

ギャビン・ベイカー氏は数十年にわたりNVIDIAと半導体業界を注視してきた

情報筋は、ベイカー氏のSSIに関する発言がなぜ注目を集めたのかを説明するのに多くの時間を費やした。

ベイカー氏はSSIの従業員でも公式スポークスパーソンでもない。

彼は公開市場の投資家である。

彼は現在、2019年に自身が設立したAtreides Managementの執行パートナー兼最高投資責任者を務めている。

それ以前は、1999年から2017年までFidelity Investmentsで働いていた。

そこでの役職には以下が含まれる：

• 半導体アナリスト
• ポートフォリオマネージャー
• Fidelity OTCポートフォリオマネージャー
• ベンチャーキャピタル

半導体分野での長年の経験は、ベイカー氏が複数のコンピューティング時代を通じてNVIDIAを追跡してきたため、今回の議論に特に関連性が高い。

これらの時代には以下が含まれる：

• PCグラフィックス
• ゲーム用GPU
• CUDA
• 暗号通貨
• ディープラーニングトレーニング
• AI推論
• データセンターシステム
• AIファクトリー

2026年のNVIDIA GTCカンファレンスで、ジェンスン・フアンはベイカー氏をNVIDIA初の主要機関投資家として公に紹介した。

この主張は、NVIDIA自身のGTC基調講演記録によって独立に検証可能である。

人脈チャネルが重要な理由

情報筋はまた、テクノロジー企業、創業者、投資家、半導体エコシステムにおけるベイカー氏の広範な人脈ネットワークを強調した。

このようなチャネルは、市場参加者がSSIに関する何気ない一言を真剣に受け止める理由を説明できるかもしれない。

しかしそれは、その発言が会社の公式発表と同等であることを意味しない。

正しい証拠の階層は以下の通り：

8月7日時点で、証拠は依然として「信頼できる二次的声明」のレベルに留まっている。

SSIは数十億ドルを調達したが公開モデルを発表していない

SSIの神秘性は、外部の期待が異常に高い理由の一つである。

同社は2024年6月に以下の人物によって設立された：

• Ilya Sutskever
• Daniel Gross
• Daniel Levy

Sutskever氏は以前、OpenAIを共同設立し、最高科学責任者を務めていた。

SSIは当初約10億ドルを調達した。

2025年後半の別の資金調達ラウンドでさらに20億ドルを調達し、会社の評価額は約320億ドルになったと報じられている。

2026年7月、NVIDIAとSSIは新たな戦略的パートナーシップを発表した。

ロイター通信はその後、関係筋の話として、NVIDIAの投資は約50億ドルであると報じたが、両社は投資額が大きいと述べるにとどめ、公式発表では具体的な財務額を開示しなかった。

この組み合わせは業界内でも異例である：

• 数十億ドルの資金調達
• 極めて高い非公開評価額
• 小規模な研究チーム
• 公開されたモデルシリーズなし
• 発表された研究がほとんどない
• 通常の製品ロードマップなし

その結果、同社の認識価値は、研究チームへの信頼と、その手法が主流の最先端モデルの道筋と実質的に異なる可能性に対する信頼に大きく依存している。

NVIDIAは現在、SSIの厳重に秘密にされた研究を見ている

7月27日のNVIDIA・SSI発表は、SSIが新たな段階に入ったと自認していることを示す最も強い公開シグナルの一つを提供した。

NVIDIAは、SSIの厳重に秘密にされた研究への稀なアクセスを得た上でこの協力関係に入ったと述べた。

両社は発表した：

• NVIDIAがSSIに大規模な投資を行ったこと。
• SSIがNVIDIA Vera Rubinプラットフォームへのアクセスを得ること。
• この協力によりSSIの計算能力が約一桁拡大すること。
• SSIとNVIDIAが将来のコンピューティングプラットフォームで協力すること。

Sutskever氏は、SSIは「スケールする価値のある」研究を有していると述べた。

この発表は依然として以下の点を明らかにしていない：

• モデルアーキテクチャ
• トレーニング手法
• 安全技術
• ベンチマーク
• 発表日
• モデル名

しかし、それは確かに、SSIが純粋な探求から、有望と見なす研究方向のスケールアップへと移行したことを裏付けている。

Vera RubinがSSIにより大規模な計算基盤を提供

NVIDIAのVera Rubinプラットフォームは、同社の次世代AI計算アーキテクチャである。

NVIDIAはRubinが以下を改善すると述べている：

• トレーニング性能
• エージェント推論スループット
• エネルギー効率
• トークンコスト
• 大規模ネットワーキング

具体的にSSIに関しては、公式の提携発表によると、投資とVera Rubinへのアクセス権の組み合わせにより、同社の計算能力が**一桁（10倍）**増加するとのことだ。

これが「10倍の計算能力」という広く語られる表現の由来である。

表現は重要である。

NVIDIAはSSIが正確に10倍のGPU数を得ると述べたわけではない。

それは、この提携により

SSIの全体的な計算能力が一桁向上する、と述べたのである。

NVIDIAとの提携は8月のリリースを支援できるか？

タイミングは当然、憶測を呼ぶ。

タイムラインは以下の通り：

NVIDIAとの提携は、差し迫ったモデルリリースや将来の拡張段階を支援する可能性がある。

現時点で、このハードウェア契約が8月のリリースを支援するために特別に締結されたという公開証拠はない。

より説得力のある結論は次の通り：

この提携は、影響力のある投資家が同社がモデルをリリースする可能性があると述べたのと同時期に、SSIに大幅に増強されたインフラを提供するものだが、これらの出来事間の関連は公式には説明されていない。

「ウォール街のウォルター・クロンカイトとしてのClaude」という考察

その後、話題はSSIから、AIと金融市場に関するBakerのより広範な考察へと移った。

彼はClaudeを、放送テレビ時代に高い公的信頼と結び付けられた影響力のあるアメリカ人テレビジャーナリスト、ウォルター・クロンカイトと比較した。

Bakerの見解は、Claudeが実際に市場の真実を決定づけるというものではない。

彼が描写したのは、金融分析において起こり得る多様性の喪失である。

生成AI以前

複雑な決算報告書、半導体政策文書、規制当局の発表は、以下の人々によって独立に解釈される可能性があった：

• 何千人ものアナリスト
• ポートフォリオマネージャー
• トレーダー
• 業界専門家
• ジャーナリスト
• エコノミスト

これらの人々は意見を異にするだろう。

異なる前提は異なる市場観を生み出す。

生成AI以後

現在、多くの市場参加者が同じ文書を、少数の最先端モデルに送信する可能性がある。

彼らは類似した質問をする：

これは何を意味するのか？
強気か弱気か？
どの企業が恩恵を受けるのか？
二次的影響は何か？
予想と比較して何が変わったのか？

多くの人々が同じモデルに大きく依存する場合、彼らは類似した分析枠組みと類似した結論を得る可能性がある。

これはモデル仲介によるコンセンサスを形成する可能性がある。

同質化された分析が重要な理由

金融市場は意見の相違に依存している。

買い手と売り手には異なるものがある：

• 時間軸
• 情報
• モデル
• 前提
• リスク許容度
• 解釈方法

分析の大部分が同じAIシステムを通じて標準化されると、以下のようなことが起こり得る：

• 反応速度が速まる。
• コンセンサスが早期に形成される。
• 類似した取引が同時に実行される。
• 価格変動がより激しくなる。
• 逆張りの機会がより早く現れる可能性がある。
• 単一モデルの解釈における誤りが広く伝播する可能性がある。

Bakerはこれを分析的多様性の衰退と表現した。

これは、現代市場に関する経験的な実証規則ではなく、興味深い仮説である。

AIは多様性を増やすこともできる

別の可能性が存在する。

AIツールは

アナリストがより多くのシナリオをテストし、より多くの文書を精査し、より多くの情報源を翻訳し、より迅速にコンセンサスに疑問を呈することを可能にする。

ユーザーはまた、以下のモデルやツールの出力を比較できる：

• Claude
• ChatGPT
• Gemini
• オープンウェイトモデル
• 専門金融モデル
• カスタマイズされた社内リサーチエージェント

AIが市場の多様性を増やすか減らすかは、人々がそれをどのように使用するかにかかっている。

リスクは、独立した検証なしに、判断を同じモデルに委託することにある。

SSIモデルが明らかにする可能性のあること

SSIが実際に8月にモデルをリリースする場合、最も興味深い質問は標準的なベンチマークの問題ではないかもしれない。

人々は自然に以下の点で比較するだろう：

• 推論能力
• コーディング能力
• 数学的能力
• エージェントタスク
• 長いコンテキストでのパフォーマンス
• マルチモーダル理解

しかし、SSIが宣言した使命は、いくつかのより深い疑問をより重要にする。

1. 継続的に学習できるか？

Bakerのコメントは、継続学習に関する議論の中で出たものである。

これはSSIのモデルが継続学習能力を示すという証明にはならない。

もしそうなら、研究者は以下を知りたいと思うだろう：

• デプロイ後に何が変わるのか？
• 重みはオンラインで更新されるのか？
• 学習は段階的か継続的か？
• 忘却はどのように制御されるのか？
• 悪意のあるフィードバックはどのようにフィルタリングされるのか？
• 更新はどのように評価されるのか？

1. よりサンプル効率的か？

SSIがより少ない例からより多くを学ぶ方法を見つけた場合、これはトレーニングの経済性に影響を与える可能性がある。

有力な証拠には、逸話ではなく透明性のある評価が必要である。

1. 「安全性」は技術的に何を意味するのか？

SSIは、安全性と能力は共に進歩すべきだと述べている。

リリースは、これが実際に何を意味するかを示す機会を創出する。

可能性のある分野は以下を含む：

• アライメント
• 解釈可能性
• 頑健性
• スケーラブルな監督
• 敵対的耐性
• 制御可能な自己改善
• 安全なツール使用

SSIは、これらのメカニズムのどれが自社のアプローチを定義するのかをまだ公開していない。

1. 製品なのか研究マイルストーンなのか？

公開APIは製品方向性を示すだろう。

論文、デモ、ベンチマーク、または限定的な研究リリースは、異なる意味を持つ。

SSI自身が発信するまで、「モデルリリース」という表現はこの質問に答えるには曖昧すぎる。

この噂がリリース前であっても重要な理由

SSIは、中核となる研究目標が準備できるまで通常の製品競争を避けるという明確な前提で設立された、数少ないフロンティアラボの一つである。

これにより、リリースは単なるモデル品質の試練ではなくなる。

それは2024年以来、同社を取り巻くいくつかの信念を試すことになる：

• 小規模で精鋭のチームがより大規模なラボと競争できる
• 研究優先の組織が迅速な製品サイクルを回避できる
• 安全性と能力が共に発展できる
• 異なる研究方向が数十億ドルの資金を正当化できる
• フロンティアの進歩は、単に同じスケーリングの道をより速く進むことを必要としないかもしれない

NVIDIAとの提携は、NVIDIAが多額の資本と次世代計算力を投入する前にSSIの研究成果を見たと述べたため、期待を高めている。

Bakerのコメントは潜在的なタイムラインを追加した。

これらのいずれも、モデルが実際に何であるかを我々に教えてはくれない。

確認されていること、報道されていること、未知のままのこと

確認済み

• SSIはIlya Sutskever、Daniel Gross、Daniel Levyによって2024年に設立された。
• SSIは、その唯一の目的と製品は安全なスーパーインテリジェンスであると公に述べている。
• NVIDIAとSSIは2026年7月27日に長期的な戦略的パートナーシップを発表した。
• NVIDIAは、この提携によりSSIの計算能力が約一桁向上すると述べた。
• NVIDIAは、提携確立前にSSIの厳重に秘匿された研究への稀なアクセスを得たと述べた。
• Gavin BakerはAtreides Managementの管理パートナー兼最高投資責任者である。
• Jensen HuangはGTC 2026でBakerをNVIDIAの最初の主要機関投資家であると述べた。

Gavin Bakerによる報道

• SSIは8月にモデルをリリースする計画であると述べた。

SSIによる公的確認がまだない事項

• 正確な発売日
• モデル名
• アーキテクチャ
• パラメータ数
• トレーニングトークン数
• ベンチマーク結果
• アクセス方法
• 価格設定
• ライセンス
• 継続学習能力
• サンプル効率の主張
• そのリリース自体がスーパーインテリジェンスシステムであるかどうか

よくある質問

安全超級智能公司は2026年8月にモデルを公開するのか？

Gavin Baker氏は最近のインタビューで、SSIが8月にモデルを公開すると述べた。2026年8月7日時点で、SSIは公式サイトでこの日付を確認する公開発表を行っていない。

これはSSI初の公開モデルとなるのか？

モデルが公開されれば、これはSSIにとって初めて公になるモデルまたは製品レベルのシステムとなる。同社は設立以来、基本的に秘密主義で運営されており、通常のモデルシリーズを公開していない。

SSIの8月モデルはスーパーインテリジェンスと確認されているのか？

いいえ。SSIの公式ミッションは安全なスーパーインテリジェンスの構築だが、噂されている8月モデルがその水準に達していることを確認する公開情報はない。そのモデルの能力、アーキテクチャ、ベンチマーク、公開形態は依然として不明である。

AIにおける継続学習とは何か？

継続学習とは、システムが時間の経過とともに新しい経験から継続的に学習する能力であり、ゼロから繰り返し再トレーニングする必要もなく、以前の能力を忘れることもない。信頼性の高い継続学習は、特に大規模なデプロイ済みモデルにおいては、依然として活発な研究課題である。

なぜ継続学習がGPU需要に影響を与える可能性があるのか？

デプロイ後にモデルが効率的に学習できるようになれば、計算の一部が大規模な定期的な事前学習から、推論、オンライン学習、シミュレーション、後学習へと移行する可能性がある。これによりアクセラレータ需要の構成は変わるが、AI全体の計算需要が減るとは限らない。

NVIDIAは安全超級智能公司に投資したのか？

はい。NVIDIAとSSIは2026年7月に大規模な投資と長期的パートナーシップを正式に発表した。ロイターは投資額が約50億ドルと報じているが、両社は公式発表で金額を開示していない。

NVIDIAのVera Rubin協力はSSIに何をもたらすのか？

NVIDIAは、SSIが次世代Vera Rubinプラットフォームへのアクセスを得ると述べており、この協力によりSSIの計算能力はおよそ一桁向上する見込みである。両社は将来の計算プラットフォームの共同開発も行う。

Gavin Bakerとは誰か？

Gavin BakerはAtreides Managementのマネージング・パートナー兼最高投資責任者である。

それ以前はフィデリティ・インベストメンツで約20年間勤務した。2026年のNVIDIA GTCカンファレンスで、Jensen Huangは彼をNVIDIA初の主要な機関投資家であると評した。

関連ツール

• Safe Superintelligence Inc.：SSI公式サイトであり、そのミッション、会社概要、今後の公式発表の主要な情報源。
• NVIDIA Vera Rubin：NVIDIAの次世代AI計算プラットフォームであり、SSIの拡張された計算インフラを支える。
• Atreides Management：Gavin Bakerの投資会社であり、その公式プロフィールには半導体およびテクノロジー分野への投資経歴が詳述されている。
• NVIDIA On-Demand：NVIDIA GTC基調講演、技術セッション、文字起こしの公式アーカイブ。
• Meta Llama：Metaの公式モデルシリーズサイト。歴史的なモデル規模の主張を比較する際に、公開されているトレーニングおよびアーキテクチャ情報を確認するために使用できる。

関連リンク

• Safe Superintelligence公式サイト：SSIの公式声明。同社にはただ一つの目標と一つの製品しかない：安全なスーパーインテリジェンス。
• NVIDIAとSSIの戦略的提携：NVIDIAの2026年7月27日付公式発表。SSIへの投資、Vera Rubinへのアクセス、計算能力の拡張を網羅している。
• NVIDIAのSSI提携に関する投資家向けプレスリリース：同じ公式提携発表の投資家向けバージョン。
• Gavin Baker — Atreides Management：Bakerの公式プロフィール。Atreidesでの役職とフィデリティでの経歴を網羅。
• NVIDIA GTC 2026基調講演の文字起こし：公式基調講演の文字起こし。Huang氏がBakerをNVIDIA初の主要な機関投資家と称した講演。
• OfficeChai：Gavin Baker氏がSSIは8月にモデルを公開する可能性があると発言：Bakerの発言のうち継続学習に関する議論を含む部分を保存した二次報道。
• Meta：LLaMAの発表：Metaの公式記録によると、最初のLLaMAモデルは約1〜1.4兆トークンでトレーニングされており、トークン数の議論の文脈を理解するのに役立つ。

要約

Gavin Baker氏は、Safe Superintelligenceの公開時期に関する初の信頼できる公開的な示唆を与え、SSIが2026年8月にモデルを公開する予定であると述べた。8月7日時点では、SSI自体がこのスケジュールを公に確認しておらず、したがってこの日付は公式な発表ではなく、メディア報道による発言と見なすべきである。

このコメントが重要であるのは、その文脈のためでもある。Baker氏は継続学習とサンプル効率的な学習について語っていた——これらの研究方向はAI計算を大規模な事前学習から、デプロイ後も継続的に学習するシステムへと移行させる可能性がある。

現在、モデル分野はますます大規模化する事前学習が支配的であり、デプロイ後も学習を続けるシステムへと向かっている。

SSIはまた、NVIDIAと大規模な戦略的提携を結んだばかりである。この正式な契約により、同社はVera Rubinシステムを利用でき、その計算能力はおよそ一桁向上すると見込まれており、NVIDIAはSSIの非公開研究への特別なアクセスを得た上でこの提携を決めたと述べている。

今日の重要な事実は、SSIがスーパーインテリジェンスを確実にリリースしたということではなく、人脈が特に広い投資家が、その最初のモデルがついに公開に近づいている可能性があると述べたこと——そして同社が現在、構築してきたものを大規模に展開するための大幅に増強された計算リソースを手にしているということである。