営業秘密、蒸留、データの閉ループ：AIの境界線が問い直される
ポストスマートフォンを巡るAppleとOpenAIの営業秘密訴訟
2026年7月10日、AppleがOpenAIを相手取り、営業秘密の窃取で訴訟を提起した。主張はかなり衝撃的だ。元Apple社員がOpenAIへの転職面接でAppleの機密情報を引き出そうとした。ハードウェアをAppleのオフィスから持ち出してOpenAIで「show and tell」をしようと持ちかけた例もあるという。ある元社員はAppleのサーバーにアクセスした後、「LOL! So funny that I can access this」とメッセージを送っていたとされる。OpenAIはこれを否定しているが、法的な対応はこれからだ。
なぜAppleがこれほどの力を入れるのか。背景にはハードウェア戦略がある。OpenAIは2025年にJony Iveが率いていたAIハードウェアスタートアップio Productsを65億ドルで買収した。Iveは言うまでもなくAppleの伝説的デザイナーだ。Appleにとって、元社員とIveの知見がOpenAIに流れることは、次世代デバイスの設計図を渡すに等しい。この訴訟の本質は、ポストスマートフォン時代を誰が定義するかという争いだ。
Appleの訴訟履歴は示唆に富む。1990年代にはMicrosoftを著作権侵害で訴えた。2000年代から2010年代にはSamsungを特許侵害で訴え、Samsungは約10億ドルの損害賠償を支払った。だが結果として、WindowsもAndroidも止まらなかった。Samsungにとって10億ドルの支払いはGalaxyを立ち上げるための投資だったとも言える。著作権、特許と来て、今度は営業秘密。Appleが知的財産の三番目の武器を持ち出した形だ。
ではOpenAIはMicrosoftやSamsungと同じように「金で解決」できるのか。おそらく、そう簡単ではない。OpenAIはまだ多額の資金を燃やしている状態で、経営陣の交代も頻繁だ。エンタープライズとコンシューマーの両面で競争を迫られ、戦略的に漂流しているとの指摘もある。Appleは執拗な訴訟相手として知られる。金も時間も惜しまない。訴訟が長引けば、OpenAIのデバイス計画そのものが頓挫するリスクがある。
開発者にとっての論点はどこにあるか。一つは、AIハードウェアの生態系がどう構築されるかだ。もしOpenAIがJony Iveの知見を活かしたデバイスを市場に出せば、API経由ではなくローカルで動くAIの使い方が変わる。もう一つは、人材の流動と営業秘密の境界線だ。面接で「前職で何を知っているか」を聞くのはグレーゾーンだが、そこを意図的に攻めるのは別次元の行為になる。今回の訴訟がどう着地するかで、AI業界における人材獲得のルールが書き換えられる可能性がある。
中国AI企業への制裁警告が示す、モデル蒸留の境界線
米財務省のScott Bessent長官が、中国のAI企業Moonshotに対して制裁を検討すると警告した。理由はAnthropicのFableモデルを「不適切に蒸留（distill）した」という指摘だ。
蒸留という言葉が急に現場感のあるものになった。大規模モデルの出力を使って、より小さなモデルを訓練する手法だ。
（具体的には、巨大な「教師モデル」が生成した回答を、軽量な「生徒モデル」に学習させることで、低コストで高性能な小型モデルを実現する手法を指す）API経由で出力を収集し、それを教師データにする。コストを劇的に下げられるため、多くの開発者が日常的にやっている。しかし、各社の利用規約には蒸留を明示的に禁じる条項がほぼ確実に含まれている。Moonshotがどこまでやったのか、詳細は分からない。ただ、米財務省が国家レベルの制裁というカードを切る段階になっている。
NvidiaのJensen Huangは「米国は中国AIを恐れる必要はない」と主張している。一方でRest of Worldの報道では、中国のモデルはすでにグローバルなAIインフラの一部になっていると指摘されている。Hugging Faceがハッキング対処で中国製モデルに頼ったという話も出ている。制裁で技術の流れを完全に止められるのか、かなり怪しい。
開発者にとっての論点は別のところにある。どこからが蒸留で、どこからが通常の学習なのか。APIを通じて出力を得て自社モデルの精度を上げる行為は、人間がドキュメントを読んで知見を取り込むのと何が違うのか。境界線が曖昧なまま、制裁という強い手段が前面に出ている。今後、API利用規約の蒸留禁止条項の書き方が厳格化されるだろう。クラウド事業者がログ解析で蒸留を検知する仕組みを入れる可能性もある。自分がどのモデルを、どういう目的で呼んでいるのか。今のうちに利用規約を読み直しておいた方がいい。
創薬AIはデータの土壌と閉ループで回る
2026年7月23日にMIT Technology Reviewで報じられたアストラゼネカの取り組み。創薬におけるAIの使い方が、ソフトウェアエンジニアリングのそれに近づいていると感じる。バイオ医薬品の設計は、10の60乗もある分子の組み合わせから標的に結合し、安定して製造できるものを探す作業だ。McKinseyの推計によれば、生成AIと計算ツールの組み合わせで創薬タイムラインを50%短縮できるという。
アストラゼネカのPuja Sapra氏は「設計・製造・テスト・分析のすべてが計算で強化されている」と語る。ここで気になるのは、AIモデルそのものよりも「データモート」の存在だ。同社のデータセットはプロプライエタリでマルチモーダルであり、分子構造、結合測定、安全性プロファイル、製造結果を含んでいる。実験の成功も失敗もデータとしてモデルに戻す。このフィードバックループこそが差別化要因だ。
さらに面白いのは、マサチューセッツ州ケンドールスクエアに建設中の「ラボ・オブ・ザ・フューチャー」施設だ。AIが予測し、ロボットシステムが実験を実行し、計器がデータを生成し、それがモデルに直接戻る。自律型の閉ループ発見システムを目指している。自動運転車がセンサーとモデルで環境をナビゲートするように、このシステムはAIで予測しロボットで実行する。
バックエンドエンジニアの視点で見ると、これはCI/CDパイプラインの物理世界版に見える。コードのビルド・テスト・デプロイのサイクルが、分子の予測・合成・テスト・データフィードバックに置き換わっている。アストラゼネカはエンジニアリングチームを積極的に構築しているという。ソフトウェアのパイプライン設計やデータ基盤構築の知見が、物理世界の実験自動化に直結する領域が広がっているのかもしれない。
最終目標は「de novo」設計だ。
（de novoとはラテン語で「新たに」を意味し、既存のタンパク質を改変するのではなく、目的の機能を持つ配列をゼロから設計することを指す）AIがゼロから新しいタンパク質配列を生成し、構造、安全性、体内挙動、製造可能性まで最適化する。創薬不可能とされた標的にも手が届くようになるという。モデルの性能を語る前に、どのようなデータパイプラインと自動化基盤でモデルを回すか。そこがこれからの創薬の勝負どころだと読める。
まとめ
3つの話題は「知識の流動と境界線」という共通の筋で繋がっている。Appleの訴訟は人材の移動に伴う営業秘密の持ち出しを問題にしている。Moonshotへの制裁警告は、API経由の出力を使った蒸留というグレーゾーンに国家の力が介入した事例だ。どちらも、これまで暗黙の了解で動いていた領域に明確な線を引こうとしている。
アストラゼネカの事例はその対極にある。プロプライエタリなデータを閉ループで回すことで差別化を図っている。外部に知見を求めるのではなく、自前の実験データをモデルに戻し続ける。この閉じた循環こそが競争力の源泉になるという見方だ。
開発者にとって、この2つの方向性は実務に直結する。APIを叩いて出力を集める行為が蒸留とみなされるリスクは、利用規約の読み直しだけでなく、ログ解析による監視の強化という形で迫ってくる。一方で、自社のデータパイプラインをどこまで閉じた形で構築できるかが、モデルの精度以上に勝負を分ける場面も出てくる。境界線の外でリスクを負うか、内側でループを回すか。選択肢の見え方が変わってきている。