7月11日版 — The Trend Tribune

【田中テック】2026年7月11日

「面接に部品を持ってきて」——AppleがOpenAIを訴えた訴状が生々しすぎる件

2024年、ChatGPTがSiriに統合されるという発表で、AppleとOpenAIは仲良く手を組んでいるように見えた。あれから2年足らず、7月10日（金）、Appleは北カリフォルニア連邦地裁にOpenAIを提訴した。容疑は営業秘密の窃取。今回訴状を読み込んでみたのだが、正直ここまで生々しいディテールが並ぶ企業間訴訟は久しぶりに見た。

発端は「iOのIve」ではなく、元Apple幹部の転職

まず構図を整理しておきたい。OpenAIは2025年、Appleの元チーフデザインオフィサーだったJony Ive氏の会社「io Products」を約65億ドルで買収し、独自のハードウェア開発に本格参入した。このio Products、実はIve氏だけでなく、Appleで24年間キャリアを積み、iPhoneやApple Watchのプロダクトデザインを率いていたTang Tan氏も共同創業者の一人だ。Tan氏は現在、OpenAIのチーフハードウェアオフィサーを務めている。

Appleの訴状が主に標的にしているのは、このTan氏と、Appleで8年間シニアシステム電気エンジニアを務めた後にOpenAIへ移籍したChang Liu氏の2人だ。

訴状に書かれている中身がとにかく具体的

企業間の営業秘密訴訟は往々にして抽象的な主張になりがちだが、今回のApple側の主張は驚くほど具体的なエピソードで埋め尽くされている。いくつか紹介したい。

その1：面接に「実物の部品」を持ってこさせた。 Appleの訴状によれば、Tan氏はまだApple在籍中の求職者に対し、OpenAIの面接で「ショー・アンド・テル」セッションのために、バッテリーやSIP（システム・イン・パッケージ）、ロジックボードといった実際のApple製部品を持参するよう指示していたという。しかもこれは1件だけの逸話ではなく、複数の候補者が同様の依頼を受けていたとされている。

その2：退職手続きの「回避マニュアル」を配布していた。 Tan氏はApple在籍時代の内部文書「Need to Know」——従業員の退職時セキュリティ手続きについて記した管理職向け資料——を退職後も保持し（あるいは何らかの形で入手し）、OpenAIの新規採用者に対して、Appleに退職の意向を伝える前にこの文書を共有していたと訴状は主張している。つまり、Appleのセキュリティチェックを事前に把握した上で、いかにその網をすり抜けるかを新入社員に「予習」させていた、という構図だ。

その3：退職後もラップトップと社内アクセスを保持していた。 Liu氏は退職時にApple支給のノートPCを返却せず、OpenAI在籍中もそのPCを使って複数の機密文書をダウンロードしていたとされる。訴状には、Liu氏が元同僚に「LOL、まだ社内ストレージにアクセスできることに気づいた、めっちゃウケる」とテキストメッセージを送っていたというやり取りまで引用されている。ここまでくると、もはや技術訴訟というよりサスペンスドラマの脚本のようだ。

その4：サプライヤーへの働きかけ。 Appleはさらに、OpenAI側が盗まれた情報を使ってApple提携先の製造委託業者に接触し、「Appleから許可を得ている」と偽って、独自の金属仕上げ加工技術を実演させたと主張している。

Appleの言葉選びがかなり辛辣

訴状の文言そのものも、かなり踏み込んだ表現が使われている。Appleは「これは氷山の一角に過ぎない」「Technical Staffのメンバーからチーフハードウェアオフィサーに至るまで、あらゆる階層で、そしてビジネスパートナーとの連携のもとで、OpenAIはAppleの営業秘密と機密情報を盗み続けてきた」と主張しており、OpenAIの新興ハードウェア事業を「不正流用された営業秘密への違法な依存によって、根本から腐りきっている」とまで表現している。

Appleによれば、今回の提訴に至るまでに2月の時点で懸念を伝える書簡をOpenAIに送っていたが、返答はなかったという。OpenAI側は声明で「他社の営業秘密には一切関心がない。私たちは人々の役に立つ革新的な技術を作ることに集中している」と述べている。

なぜこのタイミングなのか

このニュースの背景を理解する上で欠かせないのが、両社の関係の変化だ。AppleはこのSiri刷新において、当初計画していたOpenAI製の技術ではなく、Googleの Gemini AIモデルを採用する方針に転換したと今年6月に発表している。ChatGPTのApple製品への統合という象徴的パートナーシップから始まった両社の関係は、ここへきて急速に冷え込んでいたわけだ。

また、AppleはOpenAIから現在400人を超える元従業員が転籍しているという数字も訴状で明かしている。人材の流出そのものは競争が激しいシリコンバレーではよくある話だが、Appleが問題視しているのはその「流出のさせ方」だ。

OpenAIにとっては泣きっ面に蜂

タイミングとしても厳しい。OpenAIは今回のIPOに向けて準備を進めている最中であり、こうした訴訟リスクは上場審査の材料としても重くのしかかる。奇しくもこの提訴の2ヶ月前には、共同創業者のイーロン・マスク氏がOpenAIを相手取って起こした訴訟で、OpenAI側が勝訴を勝ち取ったばかりだった。その勢いに水を差す形での今回の提訴は、OpenAIにとって決して小さなダメージではないだろう。

エンジニアとして、この件から考えたいこと

技術系のニュースとしてこの訴訟を見るとき、私が一番気になるのは「情報漏洩」そのものよりも、組織文化として何が許容されていたかという点だ。個々の社員が誘惑に負けて機密情報を持ち出すことと、幹部レベルが体系立てて「回避マニュアル」を用意し、面接で実物部品の持参まで指示することの間には、決定的な質の違いがある。もし訴状の主張が事実であれば、これは個人の逸脱ではなく、組織的な設計の問題として扱われるべき話になる。

もちろん、この段階ではあくまでApple側の一方的な主張であり、法廷でどこまで立証されるかは今後の審理次第だ。OpenAIの正式な反論も、まだこれからだろう。ただ、AIハードウェア競争の裏側で、人材の移動がここまで際どい形で扱われていたという事実だけでも、業界の過熱ぶりを物語る出来事として記憶しておく価値がありそうだ。

参考：techcrunch.com／www.cnbc.com／www.axios.com／www.macrumors.com／www.pbs.org

AppleOpenAI訴訟営業秘密AIハードウェアシリコンバレー

AIが「研究者」になった日——査読を通過した初の全自動生成論文、Nature誌が世に問う

【山本浪漫】

▶ Sakana AI・オックスフォード大学・ブリティッシュコロンビア大学らの共同チームが3月にNature誌に発表した「The AI Scientist」を解説。研究着想から実験、論文執筆、自己査読までを完全自動化するパイプラインと、生成論文がICLRワークショップの査読を通過し人間論文の55%を上回った実証結果を紹介。査読を経て主張が慎重化された経緯や、研究の自動化が制度に突きつける論点も整理する。

AIが「研究者」になった日——査読を通過した初の全自動生成論文、Nature誌が世に問う

研究のテーマを思いつき、コードを書き、実験を回し、データを分析してグラフを作り、論文を書き上げ、最後には自分自身でその論文を査読する——この一連の作業を、人間の手を一切借りずにやり遂げるAIシステムが、ついに学術誌「Nature」に登場した。今回はこの「The AI Scientist（AI科学者）」というシステムの論文を、研究者出身の立場からじっくり読み解いていきたい。

2024年の"荒削りな挑戦"から、2026年の"査読済み論文"へ

このシステム自体は実は目新しいものではない。開発元の東京拠点のスタートアップ、Sakana AIが2024年8月にオリジナル版を発表した際、当時は「まだ予備的な概念実証」という位置づけだった。今回Nature誌に掲載されたのは、その後約18ヶ月にわたる改良を経た成熟版で、Sakana AI、ブリティッシュコロンビア大学、Vector Institute、オックスフォード大学にまたがる研究チームによって仕上げられた。3月25日に掲載されたこの論文は、自律型AI研究ツールとして初めて、Natureの査読プロセスを通過した部類に入る。

査読を通過したという事実だけでも、コミュニティ内では相応の重みを持つ出来事だ。というのも、査読というプロセスは「もっともらしい文章」を作ること自体はさして難しくない一方、方法論の弱さや、比較対象（ベースライン）の不足、根拠のない結論といった穴を見つけ出すよう訓練された査読者を満足させる仕事は、質的に別次元の難しさを持つからだ。

システムがやっていること：着想から査読まで、丸ごと自動

The AI Scientistの動作フローを整理すると、以下のようになる。

1. 大まかな研究方向だけを与えられ、独自に新規性のある研究仮説を生成する 2. 関連文献を検索・読解する 3. 実験を設計する 4. 実験用のコードを書き、デバッグする 5. 並列化されたエージェント的木探索（tree search）を使って実験を実行する 6. 結果を分析し、可視化する 7. 完全な科学論文の原稿を執筆する 8. 複数ラウンドにわたる自己査読を行った上で、提出可能な状態に仕上げる

このパイプライン全体が、研究課題の設定から提出可能な論文の完成まで、人間の介入なしに動くという点が、これまでの「AIによる研究支援ツール」との決定的な違いだ。従来のツールは、文献検索の高速化やコード補完といった、あくまで研究プロセスの個別タスクを助けるものだった。今回は、その個別タスクの寄せ集めではなく、研究サイクル全体を一つのパイプラインとして自律的に完走させた点に意義がある。

「AI生成論文が人間の論文の55%を上回った」という具体的な数字

今回の研究で特に話題になったのが、実証実験の結果だ。研究チームは、The AI Scientistが生成した3本の原稿を、機械学習分野のトップカンファレンスの一つであるICLRのワークショップに実際に提出した。そのうち1本が、査読の第一段階を通過し、スコアは6・7・6（平均6.33）を記録した。これは、同じ会場に提出された人間の著者による論文の55%を上回る評価だったという。

これは単に「それらしい文章を生成できた」という話ではない。ワークショップの一次審査という、実際の研究者コミュニティが運用している評価の関門を、人間の論文と同じ土俵で突破したという意味で、質的な飛躍だと評価する声が多い。

それでも「新しい科学の夜明け」と手放しには言えない理由

ただし、ここは研究者として慎重に受け止めておきたい部分でもある。査読を経てNatureに掲載された今回のバージョンは、Sakana AIが2024年当初に打ち出していた主張と比べて、かなり慎重なトーンに修正されているという指摘がある。査読プロセスを通じて、誇張された主張が是正された、という見方だ。

また、実証で示されたのは「機械学習分野のワークショップ論文としての質」であり、これはNatureの本誌に掲載されるような研究の水準とは別次元の話だ。ワークショップの一次審査通過は確かに実質的な意味を持つ関門だが、これをもって「科学研究そのものが自動化された」と結論づけるのは早計だろう。1本あたり約15ドルというコストでこの水準の論文を生成できる、という点は確かに優れたエンジニアリングの成果だが、これがそのまま「科学のスケーラビリティが無限に広がる」ことを意味するかどうかは、まだ検証されていない前提に依存している。

研究の質は「土台となるAIモデルの性能」に比例して伸びる

もう一つ興味深い指摘は、AI生成研究の質が、土台となる基盤モデルの性能向上に応じて上がっていくという傾向が観測されている点だ。今のところ明確な上限（天井）は見えていないとされる。これが事実であれば、基盤モデルの性能が今後も向上し続ける限り、AIによる研究の質もそれに追随して伸び続けることになる。

余談だが、自己改善するシステムという文脈では、同時期に「Darwin Godel Machine」という別のシステムが、再帰的な自己改良によってSWE-benchというコーディングベンチマークのスコアを20%から50%まで引き上げた、という報告も出ている。自律的に自身を改善していくAIシステムというテーマ自体が、2026年に入って複数の方向から実証され始めている、という大きな流れの中に、今回の研究も位置づけられる。

研究者コミュニティは今後どう向き合うべきか

Nature誌自体が今回の論文に合わせて、「AI科学者が研究を変えつつある——研究機関、資金提供者、出版社は対応が必要だ」という趣旨の論説を掲載している点も見逃せない。ある領域における発見プロセスを自動化する能力は、研究の評価方法、著者性の定義、そして科学的知見の検証プロセスそのものに、制度的な問いを突きつけている。

コードはGitHub上で公開されており（AI-Scientist-v2）、この技術の今後の発展に向けてオープンな形が取られている点は、透明性という観点から評価したい。ICLR 2026の投稿締め切りも近づいており、今回のNature論文を土台にした次の実証——今度はワークショップではなく本会議トラックへの投稿——が試みられる可能性は高いと見ている。査読という関門を、AIが単独でどこまで越えていけるのか。この分野からは、しばらく目が離せそうにない。

参考：www.nature.com／www.nature.com／phys.org／sakana.ai／aihola.com

AI/ML論文Sakana AIAI研究Nature査読

マスク自身が「めちゃくちゃ遅い」と釘を刺した——Optimus量産ラインが動き始めて分かった現実

【高橋呂牡】

▶ TeslaがフレモントのModel S/X旧ラインをOptimus Gen3向けに転用し量産立ち上げを開始。Musk氏自身が約1万点の新規部品によるサプライチェーン未成熟を理由に「初期生産は極めて遅い」と期待値を調整した経緯を解説。同時期に上場承認を得た中国Unitreeの売上成長急減速という目論見書の開示内容も対比しながら、量産フェーズにおける「デモの再現性」と「量産の再現性」の違いを読み解く。

マスク自身が「めちゃくちゃ遅い」と釘を刺した——Optimus量産ラインが動き始めて分かった現実

7月1日、Elon Musk氏がXに1枚の写真を投稿した。フレモント工場のOptimus量産チームと一緒に写ったその投稿には、「Optimusロボットの生産ラインを視察した」という短いキャプションが添えられていた。派手な発表が多いこの業界にあって、今回は珍しくMusk氏自身が期待値を下げにかかっている。ソフト屋として、この「冷や水」の中身をちゃんと読み解いておきたい。

かつてModel S/Xを作っていたラインが、今はOptimusを作っている

まず舞台設定から。フレモント工場のかつてModel S/Xを生産していたラインが、Optimus Gen3向けの自動化ラインに転用された。設計上の年間生産能力は100万台とされているが、Musk氏自身がこの数字を鵜呑みにしないよう釘を刺している。理由は明快で、約1万点にのぼる完全に新規の部品に対して、成熟したサプライチェーンがほぼ存在しないためだという。

生産台数の目標を時系列で見ると、この「じわじわ立ち上げる」姿勢がよく分かる。

• 6月：週あたり数十台 • 7月：週100〜150台 • 8月：週300台前後 • 9月：週1,000台規模まで拡大予定

しかも、2026年にフレモントで作られるロボットは、外部への商用販売には一切使われず、社内工場でのテストとデータ収集専用とされている。本当の意味での量産は、2027年に稼働予定のテキサス州の専用工場を待つ必要がある、というのが現状の建付けだ。

「急ぐより、まず動作を仕上げる」という現実的な優先順位

今の段階でTesla社内が最優先しているのは、出荷台数を稼ぐことではなく、ハードウェアの欠陥を洗い出し、モーション制御アルゴリズムを磨き上げることだとされている。

これはソフトウェアエンジニアとして素直に共感できる姿勢だ。1万点もの新規部品を抱えた製品を、いきなりフル生産速度に乗せれば、初期不良の山を量産することになる。むしろ数十台〜数百台規模でじっくり不具合を潰しながら、生産ラインと制御ソフトウェアの両方を並行してチューニングしていくのは、地に足のついたアプローチだと言える。派手な「即量産」を謳う一部の中国勢の発表と比べると、この慎重さは評価したいポイントだ。

一方、中国のUnitreeは上場承認を取得

同じタイミングで、対照的な動きも起きている。中国のUnitree Technologyが、上海証券取引所STARマーケットへの上場承認を取得した。想定される評価額は1,000億人民元（約147億ドル）を上回る水準だという。

ただし、ここは懐疑的に見ておきたい部分でもある。Unitreeの直近の目論見書を見ると、2026年第1四半期の売上成長率は前年比68.49%まで急減速している（2025年通期の332.64%からの大幅な鈍化だ）。非経常利益（一時的な要因を除いた利益）も前年比52.55%の減少とされている。目論見書自体が「売上成長の減速と業績の変動」を特別リスク要因のトップに掲げているというのは、なかなか正直な情報開示だと思う。

Unitreeの目論見書は、Optimus Gen3の量産試作が始まったことを受け、Teslaを直接の競合として名指ししている。特に部品コスト面での言及が興味深い。Optimus Gen3の部品原価（BOMコスト）は約2万8,000ドルまで引き下げられているとされ、これはUnitree製ヒューマノイドの現在の平均販売価格に接近しつつある水準だという。「安さ」を武器にしてきた中国勢の土俵に、Teslaがコスト面でも本気で入り込みつつある、という構図が見えてくる。

数字の桁が合わない「1万点の新規部品」という壁

正直な感想を言うと、今回の一番の見どころは、派手な生産目標の数字そのものよりも、Musk氏があえて「めちゃくちゃ遅い」と自ら期待値を調整した、という事実そのものだ。

ヒューマノイドロボットの量産というのは、単に「工場のラインを流せば台数が出る」という単純な話ではない。関節のアクチュエーター、センサー、専用の制御基板——こうした新規部品は、自動車のエンジンや変速機のような成熟した部品と違い、歩留まりも、供給網の冗長性も、まだ確立されていない。1万点という規模の新規部品を同時並行で立ち上げるという行為が、いかに難易度の高いオペレーションかは、量産設計に関わったことのあるエンジニアなら肌感覚で分かるはずだ。

現場のエンジニアとして見ておきたいポイント

今回の話を整理すると、ヒューマノイド業界は「派手な発表合戦」のフェーズから、「実際に量産ラインを立ち上げてみて、現実の壁にぶつかる」フェーズへと移行しつつあることがよく分かる。

Teslaのアプローチ（慎重にランプアップしながらデータを蓄積する）と、Unitreeの状況（急成長からの減速という現実に直面しながら上場を目指す）は、対照的なようでいて、実は同じ課題——「デモの再現性」と「量産の再現性」は全く別物——に、それぞれ違う形で向き合っているようにも見える。今後数ヶ月、フレモントの週次生産台数がどこまで計画通りに積み上がるか、そしてUnitreeが上場後にこの成長減速をどう説明していくか。この2つの数字は、ヒューマノイド業界全体の「地に足のついた実力」を測る上で、良い指標になりそうだ。

参考：finance.biggo.com／www.techtimes.com

TeslaOptimusUnitreeヒューマノイド量産フィジカルAI