Open Source AI Summit 2026ガイド：日程、登壇者、プログラム、ローカルAI

Eva Wong

IceWhale author

Eva Wong は テクニカルライター であり、 生粋の技術好き としてZimaSpaceで活動しています。ホームラボやオープンソースソフトウェア をこよなく愛する生粋のギークで、複雑な技術概念をわかりやすく、実践的なガイドにまとめることを得意としています。Evaは、セルフホスティングは難しいものではなく、楽しむものだと考えています。チュートリアルを通じて、初めてのNAS構築からDockerコンテナの使いこなしまで、コミュニティがハードウェアのセットアップをわかりやすく理解できるよう 支援しています。、初めてのNAS構築からDockerコンテナの習得まで。

Open Source AI Summit 2026 Guide: Dates, Speakers, Agenda, and Local AI - Zima Store Online

2026年におけるオープンソースAIの最も重要な問いは、ノートPCでダウンロードしたモデルを使って数トークンを生成できるかどうかでは、もはやありません。システムを検証し、データの送信先を選び、すべてを作り直すことなくコンポーネントを交換し、ベンダーが価格やポリシー、APIを変更しても役立つ機能を動かし続けられるかどうかです。

オープンソースAIサミットが特に注目に値するのは、そのためです。サンフランシスコで2日間にわたって開かれるこのイベントは、単一のモデル発表を中心に構成されているわけではありません。議題は、ローカル推論、エージェントフレームワーク、プライベートコンピューティング、検証可能なハードウェア、オープンサイエンス、経済学、安全性、そしてコンピューティングの権利にわたります。つまり、AIスタックのより多くの部分を人々が構築、運用、所有するには何が必要かを問いかけています。

オープンソースAIサミット2026は、9月10日～11日にサンフランシスコのプレシディオで開催されます。申し込みはすでに締め切られており、定員に達しています。イベントのウェブサイトでは、9月10日時点で一般向けのライブ配信は告知されていません。このガイドでは、確認済みの事実と推測を分け、ローカルAIの開発者に特に役立つセッションを取り上げ、サミットの幅広いテーマをホームラボやプライベートAIサーバーに役立つ実践的な判断につなげます。

オープンソースAIサミット2026：日程、場所、開催状況

サミットは2026年9月10日（木）と11日（金）の2日間、サンフランシスコのプレシディオで開催されます。公開プログラムでは、両日とも午前9時に朝食が始まります。木曜日はハッピーアワーで締めくくられ、金曜日は午後3時40分に予定されている講演が終了し、その後、自由参加の集まりが開かれます。

詳細	確認済みの情報	計画時の注意事項
イベント	オープンソースAIサミット2026	オープンで、ローカルかつプライベートで、分散型のAIに焦点を当てた2日間の対面イベントです。
日程	2026年9月10日～11日	9月11日は2日目であり、初日ではありません。
場所	サンフランシスコ、プレシディオ	参加が認められた方は、入場方法について確認メールをご確認ください。
タイムゾーン	サンフランシスコの現地時間	9月のサンフランシスコは太平洋夏時間です。
参加	申し込み必須。定員に達しました	現在、申込画面には申し込みを締め切ったと表示されています。
チケット料金	審査に通過した申込者は150ドル	これは予約料金であり、当日参加できるチケットではありませんでした。
ライブ配信	未発表	リモートでのファイヤーサイドチャットがあるからといって、サミット全体がライブ配信されるとは限りません。

開催スケジュールやイベントへの参加方法は、直前に変更される場合があります。移動前や特定のセッションを予定に組み込む前に、公式サミットスケジュールをご確認ください。

Open Source AI Summitとは？

Open Source AI Summitは、人々や組織がより直接的に理解、運用、変更、制御できるAIシステムについて話し合う、厳選された集まりです。2026年のプログラムでは、ビジネス向けローカルAI、オープンモデルのユースケース、推論とコンピューティング、エージェント型フレームワーク、経済と市場、科学におけるAI、安全性とガードレール、検証可能なハードウェア、プライベートAI、コンピューティングの権利、オープンAIとクローズドAI、世界的なAI競争という、相互に関連する12のテーマを取り上げます。

この組み合わせが重要です。重みをダウンロードできるからといって、オープンモデルが有用なプライベートアシスタントになるわけではありません。推論エンジン、ストレージ、権限、インターフェース、コンテキスト検索、ツールへのアクセス、モニタリング、アップデート、セキュリティ境界も必要です。このサミットでは、モデルのベンチマークだけを切り離して議論するのではなく、こうした周辺レイヤーもAIを所有するという課題の一部として扱います。

このイベントは、プライベート技術と分散型技術に注力するサンフランシスコの拠点、Presidio Bitcoinが主催しています。この背景から、プログラムがエンジニアリングにとどまらず、経済学、市民的自由、政策、ハードウェアの信頼性、コンピューティングへのアクセスにまで及んでいる理由が分かります。参加者は、AI市場のあらゆる分野を等しく網羅する中立的な展示会ではなく、明確な視点を持つイベントだと考えておくとよいでしょう。

Open Source AI Summit 2026の登壇者は？

イベントのウェブサイトには、モデルと推論、エージェントとツール、プライバシーとセキュリティ、オープンサイエンス、政策と権利、哲学と経済学の分野から47人の登壇者が掲載されています。注目の参加者には、NVIDIAの応用ディープラーニング研究担当バイスプレジデント、Bryan Catanzaro氏、Hugging Faceのプロダクト担当バイスプレジデント、Jeff Boudier氏、NumPyとSciPyの開発者、Travis Oliphant氏、Google DeepMindのスタッフリサーチエンジニア、Ravin Kumar氏、AI2の研究者に加え、Together AI、Block、Spiral、Google、Prime Intellect、OpenTeams、プライバシー重視のAI企業の実務家が名を連ねています。

登壇者が多いからといって、有益なアジェンダとは限りません。ローカルAIの構築に携わる人にとって、より適切な判断基準は、各セッションでどのシステムレイヤーへの理解が深まるかです。

検討中なら...	これらのトピックを優先する	注目すべきポイント
ローカルで実行できるモデル	ローカルAI、推論エンジン、オープンモデルのカスタマイズ	メモリ使用量、量子化、スループット、コンテキスト制限、ハードウェアのサポート、運用上のトレードオフ。
役に立つエージェントの構築方法	エージェントのループ、ハーネス、プロトコル、ツール	状態管理、再試行、ツールの権限、可観測性、モデルの切り替え、障害からの復旧。
機密性の高いプロンプトを保護する方法	プライベートAI、機密コンピューティング、セキュリティ	平文データが存在する場所、鍵を管理する主体、検証できる内容、信頼が必要な主張。
モデルは本当にオープンなのか	オープンウェイト、オープンサイエンス、ライセンス、モデルのカスタマイズ	学習情報、コード、パラメーターへのアクセス、改変権、再配布の条件。
AIインフラを支配するのは誰か	計算する権利、経済、地政学、検証可能なハードウェア	利用可能性、集中化、規制、ハードウェアの信頼性、中央集権型プロバイダーへの依存。

オープンソースAIサミットのアジェンダ：9月10日の注目ポイント

初日は、オープンAIをめぐる政治的な論点から、推論、モデルのカスタマイズ、ローカルエージェント、オープンプロトコル、ソフトウェアセキュリティの仕組みへと話題が移ります。特に3つのセッションは、技術的な流れを把握するのに役立ちます。

ローカルAIの現状

Ahmad M. Osmanの「ローカルAIの現状」は、自分のハードウェアでAIを動かすことに関心のある読者にとって、最も直接的な入門セッションです。実用的な問いは次のとおりです。どのワークロードがデモの段階を脱し、日常的に安定して使えるようになったのか。メモリ帯域幅とモデルサイズが、今もどこで制約になっているのか。ローカル推論でコストが下がるのはどんな場合で、ハードウェア、電力、メンテナンスへコストを移すだけなのはどんな場合なのか。

推論エンジンの実際の仕組み

Zain Hasanの推論エンジンに関するセッションでは、モデルの能力と実行時の性能を切り分けて考える助けになるでしょう。同じモデルをダウンロードしても、モデル形式、量子化、バッチ処理、コンテキスト長、キャッシュ管理、バックエンドの対応状況、メモリ転送などが速度と安定性に影響するため、結果は大きく異なることがあります。したがって、「このマシンでモデルを実行できるか？」だけでは不十分です。より適切な問いは、必要なコンテキストとワークロードを許容できる応答時間で実行できるかどうかです。

ローカルモデルでエージェントのループとグラフを構築する

Dustin Dannenhauerのセッションでは、単一のプロンプトからエージェントシステムへと話が進みます。この違いは重要です。オープンエンドな推論では最先端のクラウドモデルに及ばない場合でも、分類、抽出、ルーティング、範囲を限定したツール呼び出しにはローカルモデルで十分なことがあります。優れたエージェント設計では、それぞれのモデルに確実にこなせる仕事を割り当て、ツール、認証情報、再試行、状態に制限を設けます。

後半の「エージェント型ハーネスの全体像」と「オープンソースソフトウェアのセキュリティ」のセッションでは、オーケストレーションとサプライチェーンのリスクという、欠けていた2つの層が加わります。ダウンロード可能なコードは検査できますが、それだけで安全とは限りません。モデル、コンテナ、拡張機能、エージェントスキル、Pythonパッケージ、コミュニティ製テンプレートは、いずれも信頼するコンピューティング基盤を広げます。

Open Source AI Summitのアジェンダ：9月11日に何が行われる？

9月11日（金）は2日目です。オープンモデルを使った構築から、プライバシー、企業の主権、科学、地政学、検証可能なハードウェア、そしてオープンAIインフラに関するNVIDIAの見解へと、より引き締まった流れで進みます。

時間	セッション	重要な理由
午前9時30分～9時55分	オープンモデルで独自のAIを構築する方法	Hugging Faceのジェフ・ブーディエが、モデルへのアクセスと、モデルを実用的なシステムにするために必要な要素を結びつけます。
午前10時5分～10時35分	Computing Manifesto ファイヤーサイドチャット	計算資源へのアクセスとユーザーの制御を、インフラの選択だけでなく、社会的・経済的な問題として捉えます。
午前10時45分～11時15分	プライバシーパネル	ローカル実行、信頼実行環境、暗号化サービスと、それぞれのアーキテクチャが裏付けられる主張を比較するのに役立ちます。
午前11時30分～午後12時	設計による主権	インフラ、データ、ソフトウェアの所有権が、企業価値や長期的な依存にどう影響するかを問います。
午後12時10分～12時40分	科学のためのAI	オープンな研究インフラによって、モデル、手法、結果をより簡単に調査し、発展させられる方法を探ります。
午後1時45分～2時15分	AIの地政学	チップ、モデル、規制、計算能力を、技術的な主導権をめぐるより広い競争の中に位置づけます。
午後2時25分～2時55分	検証可能なハードウェア	信頼性の問題をソフトウェアの先にあるファームウェア、ハードウェア、アテステーション、そして物理的なマシンへと掘り下げます。
午後3時5分～3時35分	ブライアン・カタンザロとのファイヤーサイドチャット	オープンAIを支えるモデル研究、推論、ハードウェアとソフトウェアのスタックについて、NVIDIAの視点を紹介します。

短い閉会セッションの後、午後3時40分にイベントは終了します。任意参加のハッピーアワーと懇親会が、38 Keyes Avenueで行われます。最終的な入場方法は、オンラインの概要を入場証明書として扱うのではなく、イベント確認書で確認してください。

オープンソースAIとオープンウェイトは同じではない

「オープンソースモデル」という表現は、しばしば曖昧に使われます。提供者が重みを公開する一方で、重要な学習データ情報や学習コード、あるいはシステムの改変や再配布に必要な権利を公開しない場合があります。それでも非常に有用なことはありますが、同じレベルのオープン性とは言えません。

Open Source AI Definitionは、システムをあらゆる目的で使用すること、仕組みを調べること、改変すること、そして改変の有無を問わず共有することという、4つの自由に焦点を当てています。また、改変に適した形式には、十分に詳細なデータ情報、関連するコード、モデルのパラメーターが含まれていなければならないとしています。

用語	通常わかること	保証されないこと
オープンウェイト	明示された条件のもとで、学習済みモデルのパラメーターを入手できます。	トレーニングの完全な透明性、使用制限がないこと、再現可能性、またはOSIに準拠したライセンスを意味するわけではありません。
オープンソースAI	このシステムは、使用、研究、改変、共有に関する実質的な権利を提供することを目的としています。	特定のダウンロードが小さい、安全、偏りがない、正確、または運用しやすいことを意味するわけではありません。
ローカルAI	推論の一部またはすべてが、近くにある自分の管理下のハードウェアで実行されます。	オープンなライセンス、透明性の高いトレーニング、適切なセキュリティ設定、外部との接続が一切ないことを意味するわけではありません。
プライベートAI	このアーキテクチャは、プロンプト、ファイル、出力、IDへの不正アクセスを制限するように設計されています。	すべてがローカルで動くことや、すべてのプライバシーに関する主張を第三者が検証できることを意味するわけではありません。

これらのラベルは、それぞれ異なる側面を表します。クローズドなモデルでも、プライバシーを重視したサービスを通じて提供できます。オープンウェイトモデルはローカルで実行できます。真にオープンなシステムでも、インターフェースやエージェントツールの設定が不適切なら、データが漏れる可能性があります。購入者や開発者は、ライセンス、実行場所、データの流れ、セキュリティ、運用上の制御について、それぞれ個別に確認すべきです。

ローカル推論はAIを自分のものにする一つのレイヤーにすぎない理由

モデルをダウンロードすると、最も目につく依存関係がなくなるため、自分のものになったように感じます。しかし、目に見えにくい依存関係は残ります。役立つAIサービスには、データストレージ、ランタイム、ユーザーインターフェース、ID管理、検索機能、ログ、バックアップ、ネットワーク制御、場合によっては外部ツールへのアクセスが必要です。

ホームラボでは、スタックを4つのレイヤーに分けると便利です。

データレイヤー: ドキュメント、写真、メディア、埋め込みデータ、データベース、モデルファイル、バックアップ。
計算レイヤー: CPU、GPU、メモリ、推論エンジン、モデル形式、アクセラレーションライブラリ。
サービスレイヤー: API、ローカルAIウェブインターフェース、検索拡張パイプライン、エージェントランタイム、自動化。
制御レイヤー: ユーザーアカウント、権限、シークレット、ネットワーク公開、ログ、アップデート、復旧。

これらのレイヤーを1台の筐体にまとめる必要はありません。GPUワークステーションで推論を実行する一方、常時稼働するホームサーバーにドキュメントを保存し、ウェブインターフェースを動かし、ユーザーアクセスを管理し、設定をバックアップできます。この分離は、ストレージ向けNASを無理にハイエンドAIワークステーションに仕立てるより理にかなうことがよくあります。

このアーキテクチャをゼロから設計するなら、まずローカルAIサーバーの構築から始め、ハードウェアを購入する前にワークロードを明確にしましょう。1人で使う小規模モデルと、共有メディアライブラリをインデックス化するマルチモーダルエージェントでは、必要な要件が大きく異なります。

何をローカルで実行し、何をクラウドに残せるか？

サミットで示されたオープン対クローズドという構図は、すべてをローカルで実行する必要があるという意味ではありません。プライバシー、レイテンシー、性能、保守の要件に応じて、それぞれのタスクに適した実行環境を選ぶのが、より優れた設計です。

ワークロード	通常はローカル実行が適している	通常はクラウドモデルが適している
プライベートなドキュメント検索	機密性の高いソースファイル、繰り返しのクエリ、予測可能な範囲、LANアクセス。	ローカルモデルでは安定して処理できない、非常に長いコンテキストや高度な推論。
分類・抽出	大量の反復的で範囲が限定され、出力形式を検証できるタスク。	より広い知識や高度なマルチモーダル理解が必要な、まれな入力。
コーディングアシスタント	プライベートなリポジトリ、オフライン作業、コード補完、対象を絞ったリポジトリの質問。	高度な推論によって得られる価値が、ローカルでの制御を上回る複雑なデバッグやアーキテクチャのタスク。
エージェントによるツール利用	厳格なアクセス許可で保護されたローカルファイル、ホームサービス、社内API。	機密性の高いコンテキストが削除または管理されている場合の、自由度の高い調査や高度な計画。
画像・メディア分析	個人の写真ライブラリ、監視カメラ映像、プライベートな録音、バックグラウンドでのインデックス作成。	ローカルの高価なアクセラレーターが必要になるような、高性能な生成や分析を時折実行する場合。

ハイブリッドシステムでは、通常のプライベートな処理をローカルモデルに振り分け、ユーザーが送信データを承認した後に限り、選択したタスクをクラウドモデルに移行できます。難しいのは2つのAPIを接続することではありません。振り分けを可視化し、知らないうちにデータが漏えいするのを防ぎ、秘密情報を保存せずに有用なログを保持し、どちらかのサービスが利用できない場合に安全に対処することです。

オープンAIスタックにおけるホームサーバーの役割

ホームサーバーは、ベンチマーク用マシンではなく、常時稼働するインフラとして扱うと最も価値を発揮します。ノートパソコンがスリープ中も稼働を続け、モデルやドキュメントを一元管理し、複数のデバイス向けにウェブインターフェースをホストし、定期的なインデックス作成を実行できます。また、実験用のAI環境とは分けてバックアップを保持できます。

高負荷の生成処理を別の場所で実行する場合でも、低消費電力システムでオーケストレーション、検索、軽量な推論、データベース、インターフェースを処理できます。低消費電力AIワークロードガイドでは、CPUのみの環境や控えめなハードウェアが役立つ場面を解説します。インターフェースを選ぶ際は、見た目だけでなく、認証、モデルとの互換性、検索機能、複数ユーザー向けの管理機能を基準にローカルAIウェブUIを比較しましょう。

ストレージを多く必要とする開発者は、パーソナルクラウドNASのZimaCube 2などをデータとサービスの基盤として使い、より大規模なモデルに必要なGPU計算リソースを別途接続できます。こう分担すれば、大切なファイルや常時稼働するサービスを安定して保ちながら、変化の速いモデル環境を個別にアップグレード、再構築、隔離できます。

サミットから持ち帰りたい5つの問い

サンフランシスコで参加する場合も、後からプロジェクトや登壇者を追う場合も、この5つの問いは単発の発表より長く役立ちます。

実際に何を所有しているのか？モデルのライセンス、ソースコードの入手可能性、データ、設定、プロンプト、埋め込みデータ、エクスポート方法を確認しましょう。
平文データはどこに存在するか？プロンプト、取得したドキュメント、ツールの出力、ログ、一時ファイル、バックアップ、テレメトリーを追跡しましょう。
どのコンポーネントを置き換えられるか？モデル、推論エンジン、インターフェース、ベクトルストア、エージェントフレームワークを本当に交換できるか検証しましょう。
エージェントが誤った場合、どうなるか？権限を制限し、重大な操作には確認を必須にし、復旧ポイントを確保して、障害が分かるようにしましょう。
ローカルで動かす価値のあるワークロードは何か？プライバシー面の価値、利用頻度、レイテンシ、ハードウェアコスト、消費電力、メンテナンス、ホスト型の代替手段との品質差を測定しましょう。

こうした問いに具体的な答えが得られて初めて、オープンAIは意味を持ちます。モデルをダウンロードするのは第一歩です。それを理解し、移行し、修復し、安全を確保し、運用を続けられるシステムこそ、所有により近いものです。

Open Source AI Summit 2026 よくある質問

Open Source AI Summit 2026はいつ開催されますか？

Open Source AI Summitは、2026年9月10日（木）と11日（金）に開催されます。両日とも午前9時から朝食が予定されています。9月11日はサミットの2日目です。

Open Source AI Summitはどこで開催されますか？

イベントはカリフォルニア州サンフランシスコのプレシディオで開催されます。参加が承認された方は、主催者から案内された会場とアクセス方法をご確認ください。

Open Source AI Summitのチケットはまだ入手できますか？

現在、一般向けのチケット販売はありません。参加には申請が必要で、イベントの申請ページによると、サミットは定員に達しています。申請が承認された参加者向けに公表されていた参加費は150ドルで、以前はオープンソースAIの開発者や研究者向けに、無料パスが数量限定で提供されていました。

Open Source AI Summitのライブ配信はありますか？

2026年9月10日時点で、主催者はイベントのウェブサイトで公開ライブ配信を発表していません。プログラムの項目の1つにリモート形式のファイヤーサイドチャットとありますが、これは登壇者の参加方法を示すものであり、イベント全体が配信されることの確認と解釈すべきではありません。

Open Source AI Summitの主な登壇者は誰ですか？

発表済みの登壇者には、Bryan Catanzaro、Jeff Boudier、Travis Oliphant、Ravin Kumar、David Sacks、Allen Institute for AIの研究者のほか、Together AI、Google、Block、Spiral、Prime Intellect、OpenTeamsなど、オープンAIやプライベートAIに取り組む組織の実務家が含まれます。

オープンソースAIとオープンウェイトAIの違いは何ですか？

オープンウェイトとは、モデルが学習で得たパラメーターを、明示された条件のもとで利用できることを意味します。オープンソースAIはより広い概念であり、システムを利用、研究、改変、共有する実質的な自由に加え、改変に必要な推奨形式へのアクセスも含みます。ウェイトの公開が有用であっても、この定義のすべてを満たすとは限りません。

ローカルAIなら自動的にプライバシーが守られますか？

いいえ。ローカル推論を使えば、プロンプトやファイルを外部のモデルプロバイダーに送る必要性を減らせます。ただし、プライバシーはネットワークへの公開状況、認証、ログ、拡張機能、エージェントの権限、テレメトリー、バックアップ、そして接続されているすべてのツールのセキュリティにも左右されます。

オープンモデルをローカルで実行するにはGPUが必要ですか？

必ずしもそうではありません。小型の量子化モデル、埋め込みモデル、分類器、軽量アシスタントはCPUで実行できますが、応答速度やコンテキスト容量が制限される場合があります。大規模モデル、マルチモーダルのワークロード、長いコンテキスト、複数ユーザーの同時利用では、より広いメモリ帯域幅とGPUアクセラレーションが一般に役立ちます。

NASでローカルAIを実行できますか？

現実的な範囲であれば、可能です。NASやホームサーバーでは、小規模なモデル、検索拡張サービス、データベース、インターフェース、自動化を実行できます。高負荷の推論では、データを保存してサービス層をホストし、別のGPUマシンでモデルを実行する方法もあります。

プライベートAIに検証可能なハードウェアが重要なのはなぜですか？

ソフトウェアがオープンであることだけでは、その下にあるマシンのすべてを証明できません。ファームウェア、ブートの完全性、デバイスの識別情報、セキュアエンクレーブ、アテステーション、ハードウェアのサプライチェーンは、システムのセキュリティに関する主張を検証できるかどうかに影響します。検証可能なハードウェアによって、信頼性に関する問いはモデルのコードから物理インフラにまで及びます。