Mary MeekerのTrends Report - "AI"

• 5年ぶりに公開されたメアリー・ミーカーのトレンドレポート。今回は AI が中心。全340ページ
• AIの利用と普及のスピード はインターネットよりはるかに速く、機械が人間を追い越す時点 が到来しつつある
• グローバルなインターネットインフラ（55億人が利用）、30年以上蓄積されてきた デジタルデータセット、そして ChatGPT を筆頭とする大規模言語モデル（LLM）の登場とユーザビリティ／速度の革新が、これを後押ししている
• 新興AI企業 はイノベーション、投資、製品投入、資金調達などで非常に積極的に動いており、既存のビッグテック企業も AI中心の投資 と成長を加速させている
• 中国と米国のAI競争 など、グローバルな技術覇権争い が激しく展開されており、このレポートが技術・財務・社会・物理・地政学的変化に関する議論に貢献することを願っている

文書のアウトライン

1. 変化は過去より速く起きているのか？
   → その通りで、実際にさらに加速している
2. AIユーザー + 利用量 + 設備投資（CapEx）の成長 =
   → 前例のない成長率（Unprecedented）
3. AIモデルのコンピュート（Compute）コストは上昇し、推論（Inference）コストは低下 =
   → 性能は収束（Performance Converging）し、開発者利用（Developer Usage）は増加
4. AIの利用量（Usage）+ コスト（Cost）+ 損失（Loss）の増加 =
   → 前例のない水準（Unprecedented）
5. AIの収益化（Monetization）を脅かす要因 =
   → 競争激化、オープンソースの勢い（勢力拡大）、中国の台頭
6. 物理世界とAIの融合（Ramps） =
   → 高速かつデータ主導型（Fast + Data-Driven）
7. AIに促進されたグローバルなインターネット利用者の増加 =
   → これまでにない成長
8. AIと仕事（Work）の進化（Evolution） =
   → 現実の中で、急速に進行中（Real + Rapid）

Overview

• 「世界は前例のない速さで変化している」という表現でさえ控えめに思えるほど、変化のスピードと範囲が急速に拡大している
• 技術革新 と急速な 採用（adoption）、そして グローバルリーダーシップ（leadership）の変化 が、こうした変化すべての基盤（Underpinnings）を成している

• Googleの創業ミッション（1998）: 「世界中の情報を整理し、誰もがアクセスして使えるようにする」
• Alibabaの創業ミッション（1999）: 「どこにいても簡単にビジネスができるようにする」
• Facebookの創業ミッション（2004）: 「人々がより多くを共有し、世界をよりオープンでつながったものにする」

• 今日では AI（Artificial Intelligence）、加速したコンピューティングパワー（Computing Power）、そして 国境を越える資本（Borderless Capital） が結びつき、情報の整理、接続、アクセス性を飛躍的に高めながら大きな変化を主導している

• スポーツで 選手の記録 がデータ／入力／トレーニングによって絶えず改善されるように、企業も 膨大なデータセット をコンピュータが学習することで、ますますスマートかつ競争力の高い存在へと変化している
• 大規模モデル（Large Models）の革新、トークン単価（cost-per-token）の低下、オープンソースの拡大（Open-Source Proliferation）、半導体性能（Chip Performance）の向上 などが、技術の経済性、パワー、アクセス性をいずれも劇的に高めている

• OpenAIのChatGPT は、ユーザー数、利用量、収益化指標の面で、歴史上もっとも速い「一夜にしての成功（overnight success）」の事例（創業から9年で達成）
• AI活用は 消費者、開発者、企業、政府 のすべてで爆発的に増加している
• Internet 1.0革命の時代には技術は米国で始まり、徐々に広がっていったが、ChatGPT は世界同時多発的に導入され、急速に成長した

• 既存の プラットフォーム大手（incumbents） と新たな 挑戦者（challengers） は、エージェンティックインターフェース（agentic interfaces）、エンタープライズコパイロット（enterprise copilots）、現実世界の自律システム（real-world autonomous systems）、ソブリンモデル（sovereign models）など、AIインフラの新たなレイヤー を先取りするために競争している
• AI、コンピュートインフラ、グローバル接続性（global connectivity） の急進的な発展は、仕事（Work）のあり方、資本配分（Capital Deployment）、そしてリーダーシップの基準そのものを、企業と国家の全体にわたって根本から再編している

• 同時に各国ではグローバルリーダーシップの変化が進んでおり、主要大国は互いの競争力と比較優位を積極的にけん制している
• 世界各国は経済・社会・領土的な野心（Economic / Societal / Territorial Aspiration）に応じて、再び加速している

• いまや二つの巨大な力、すなわち 技術（Technological） と 地政学（Geopolitical） が、ますます深く絡み合っている
• Meta Platforms CTO Andrew Bosworth は最近「Possible」ポッドキャストで、「いまのAIはまるで 宇宙開発競争（Space Race） のようで、とりわけ中国などの主要国は非常に高い能力を持ち、秘密はほとんどなく、誰もが着実に進歩している」と述べた

• AIリーダーシップ（AI Leadership） は、そのまま 地政学的リーダーシップ（Geopolitical Leadership） につながり得る（その逆は成り立たない）
• この現象には大きな不確実性（Uncertainty）が伴うが、元T. Rowe Price会長 Brian Rogers の「統計的に見れば、世界はそう頻繁には終わらない」という言葉のように、楽観的な視点が重要だ

• 投資家の立場では、常にあらゆることがうまくいかない可能性を想定するが、何が正しく大きくうまくいくのかへの期待こそが、本当の 希望（Optimism） の源泉である
• AIが代わりに仕事をしてくれる姿は、メールやウェブ検索の初期 の魔法のようであり、より良く、より速く、より安く（Better / Faster / Cheaper） という効果が、はるかに速く広がっている
• もちろん危険（Danger）や不確実性も大きいが、長期的には 強力な競争（Competition）、イノベーション（Innovation）、安価でアクセスしやすいコンピュート（Accessible Compute）、急速に普及するAI技術、慎重で緻密なリーダーシップ（Thoughtful and Calculated Leadership）が、相互確証抑止（Mutually Assured Deterrence） のような均衡を生み出すとの期待がある

• ある人々にとってAIの進化は 底辺への競争（Race to the Bottom） になり得るが、別の人々にとっては 頂点への競争（Race to the Top） の始まりでもある
• 資本主義（Capitalism） と 創造的破壊（Creative Destruction） の投機的かつダイナミックな力が、巨大な地殻変動を引き起こしている
• とりわけ 米国（USA）、中国（China）、そしてグローバルなテックリーダーたちの激しい競争は、すでに 「Game On」 の状態にある

• 本レポートは、さまざまなサードパーティデータ、リサーチ、ベンチマークをもとに、現在のような ダイナミックな時代（Dynamic Time） のトレンドを立体的に示そうとしている
• 最終的にこの議論に貢献することが、本レポートの目的である

1. 変化は過去より速く起きているのか？

Technology Compounding = モメンタムを支える数字

「技術の複利的成長 = 爆発的成長のモメンタムの裏にある数値とデータ」

• コンピューティングサイクルの歴史とAI時代の到来
  • 1960年代のメインフレーム(Mainframe, ~100万台) → ミニコンピュータ(Minicomputer, ~1,000万台) → PC (~3億台) → デスクトップインターネット(Desktop Internet, ~10億人/ユーザー) → モバイルインターネット(Mobile Internet, ~40億台) → AI時代(AI Era, 数十億〜数百億単位)
  • 蓄積されたコンピューティングインフラ(CPU, GPU, クラウド/ビッグデータ)がAI普及の基盤となった
  • AIデバイス時代には、過去のメインフレーム比で数万〜数十万倍以上のデバイス数が見込まれる
• AIモデルの学習データセット(単語数)の成長
  • 1950〜2025年の主要AIモデルの学習データセット規模(単語数)は年平均260%成長
  • 2018年以降、GPT-2、GPT-3、GNMTなどの大規模モデルが登場し、データ使用量が幾何級数的に増加
  • 最近ではAramco Metabrain AIなど最新モデルが、数十兆単位の単語を使って学習
• AIモデル学習に使われたコンピュート(計算量、FLOP)の成長
  • 1950〜2025年の主要AIモデルの学習計算量は年平均360%成長
  • GPT-4、Grok、AlphaGo、Swiftなどの大規模モデルの登場とともに、FLOP指標が急上昇
• アルゴリズム革新がもたらしたコンピュート効率の向上
  • 2014〜2023年のAIモデルの実効コンピュート(Effective Compute) は年平均200%増加
  • Chinchilla、OPT-175Bなどのアルゴリズム最適化が性能向上とコンピュート削減に大きく寄与
• AIスーパーコンピュータの性能成長
  • 2019〜2025年のAIスーパーコンピュータ(クラスター)性能は年平均150%成長
  • Sunway OceanLight、GPT-3/4クラスター、Frontier、El Capitan、xAI Colossusなど
  • チップ性能とクラスター当たりのチップ数が同時に成長
• 強力な大規模AIモデル数の爆発的増加
  • 2017〜2024年に年167%増加: 10^23 FLOP以上の大規模AIモデルのリリース数が急増
  • DeepMind(AlphaGo)、xAI、Anthropic、Meta、NVIDIA、Mistralなど多様なプレイヤーが続々登場
• ChatGPTのユーザー・購読者・売上成長
  • 2022.10〜2025.4時点で、週間アクティブユーザー(Users, MM)、購読者(Subscriber, MM)、売上高(Revenue, $B) がいずれも幾何級数的に成長
  • 800万人超の週間ユーザー、2,000万人超の購読者、年間売上高40億ドルに接近
• 年間3,650億検索達成までの速度: ChatGPT vs Google
  • ChatGPT: 2年で年間3,650億検索を達成 (2024年)
  • Google: 同じ数値に到達するまで11年(2009年)を要した
  • ChatGPTはGoogle比で5.5倍速い普及スピードを記録

• 1998年、インターネット普及が始まった頃、Googleは「世界中の情報を整理し、誰もがアクセスできて役立つものにする」という目標で出発した
• 約30年にわたり、人類が経験した最速級の変化の中で、現在はほとんどの情報がデジタル化され、アクセス可能で、活用可能な状態に至っている
• AIベースの情報アクセスと移動の仕方の変化は、これよりはるかに速く展開している

• AIはインターネットインフラ上のCompounder(複利的に成長する存在) であり、
  誰もが簡単に使え、大衆の関心を集めるサービスがきわめて高速に普及する現象を生み出している

知識伝達の進化 (Knowledge Distribution Evolution)

• 1440〜1992: Static + Physical Delivery
  • 1440年の印刷機(Printing Press)の発明から1992年まで、知識は静的(Static)かつ物理的(Physical)な方式で配布されていた
  • つまり、紙の本、新聞、雑誌など印刷物中心の知識伝達構造が数百年にわたり維持された
    – 1993〜2021: Active + Digital Delivery
  • 1993年のインターネット(World Wide Web)公開以降、能動的(Active)でデジタル(Digital)基盤の知識伝達へ転換
  • 誰もがウェブサイトを作り、リアルタイムで情報にアクセス・流通できるようになった
  • インターネットは「知識の公開と流通」において根本的な変革を引き起こした
    – 2022+: Active + Digital + Generative Delivery
  • 2022年のChatGPTの公開とともに、生成AIベースの知識伝達時代に突入
    • Generative AI: テキスト、画像、音声、コードなど多様なコンテンツを生成できるAI
    • ChatGPTは公開から5日で100万ユーザーを突破するという記録的成長を達成
  • いまや知識は単なる保存・検索ではなく、AIが創造的に生成し即座に伝達する時代

「知識とは事実の蓄積だが(wisdom)、知恵とはそれを単純化することにある」 – Martin H. Fischer

• AI = Many Years Before Lift-Off
  • AI技術は短期間で爆発的に成長したように見えるが、本格的な大衆化の前に数十年の準備と発展の過程があった
• 1950〜2025 AI Milestone Timeline (Stanfordまとめ)
  • 1950.10: Alan Turing、チューリングテストを発表(コンピュータの知能評価という概念を提案)
  • 1956.6: Dartmouth Conference開催、John McCarthyが「Artificial Intelligence」という用語を創出
  • 1962.1: IBMのArthur Samuel、チェッカーゲームで自己学習プログラムにより全米チャンピオンを破る
  • 1966.1: StanfordのShakey、初の汎用モバイルロボットを配備
  • 1967〜1996: 「AIの冬」(AI Winter) – 大きな進展がなく、投資/関心が低下
  • 1997.5: IBM Deep Blue、チェス世界王者Kasparovを破る
  • 2002.9: Roomba、初の量産型ロボット掃除機を発売
  • 2005.10: Stanfordの自動運転車Stanley、DARPA Grand Challengeを完走
  • 2010.4: Apple、Siriを買収後、iPhone 4Sに統合
  • 2014.6: Eugene Goostmanチャットボット、チューリングテストに合格
  • 2018.6: OpenAI、初の大規模言語モデルGPT-1を発表
  • 2020.6: OpenAI、GPT-3を公開し、Microsoftが独占ライセンス取得
  • 2022.11: OpenAI、ChatGPTを一般公開
  • 2023.3: OpenAI、GPT-4(マルチモーダル)を公開 / Microsoft、Copilotを統合 / Google、Bardを公開 / Anthropic、Claudeを公開
  • 2023.11: 米国・EU・中国など28か国、Bletchley AI Safety宣言に署名
  • 2024.3〜5: Meta、Llama 3(オープンソース)を公開 / 米国国土安全保障省のAIロードマップ / Google、AIベース検索機能を導入 / OpenAI、GPT-4o(完全マルチモーダル)を公開
  • 2024.7: Apple、Apple Intelligenceを発表(開発者向け)
  • 2024.9: Alibaba、オープンソースQwen 2.5モデル100種を公開(西側と同等の性能)
  • 2024.12: OpenAI、o3(最高性能モデル)を発表
  • 2025.1: DeepSeek、R1・R1-Zeroオープンソース推論モデルを公開 / Alibaba、Qwen2.5-Maxを発表(GPT-4o、Claude 3.5の推論性能を上回る)
  • 2025.2: OpenAI、GPT-4.5を公開 / Anthropic、Claude 3.7 Sonnetを発表 / xAI、Grok 3を公開
  • 2025.4: ChatGPT、週間8億人ユーザーに到達

Circa Q2:25 - 今日のAIができる10のこと (ChatGPTによれば)

1. あらゆるものを執筆・編集：メール、エッセイ、契約書、詩、コードなどを即座に流暢に作成・編集
2. 複雑な資料の要約と説明：PDF、法律文書、研究、コードをわかりやすく解説し、平易な英語に変換
3. ほぼあらゆるテーマのチューター役：数学、歴史、言語、試験対策などで段階的な学習を支援
4. 思考のパートナーになる：アイデアのブレインストーミング、論理のデバッグ、仮説の検証などで思考を補助
5. 反復作業の自動化：レポート作成、データ整理、スライド要約、テキストの書き換えなど
6. 必要な役割を演じる：面接準備、顧客シミュレーション、会話のリハーサルなど多様な役割を遂行
7. ツール連携：API、スプレッドシート、カレンダー、Webコードなどさまざまなツールと連携するコードを作成
8. 心理的支援と伴走役：一日の出来事を一緒に話したり、考えを整理し直したり、あるいはただ話を聞いたりする
9. 人生の目的探しを支援：価値観の明確化、目標設定、実行計画の策定など
10. 生活の整理：旅行計画、ルーティン設計、一週間や作業フローの構造化など

Circa 2030? - 今後5年以内にAIができると予想される10のこと（ChatGPTによると）

1. 人間レベルのテキスト、コード、論理生成：チャットボット、ソフトウェアエンジニアリング、事業計画、法務分析などで人間並みの成果物を生成
2. フルタイムの映画・ゲーム創作：脚本、キャラクター、シーン、ゲームプレイメカニクス、ボイスアクティングなどコンテンツ全体を自動制作
3. 人間のように理解し話す：感情認識型アシスタント、リアルタイム多言語音声エージェントなど
4. 高度な個人アシスタント役：人生設計、記憶の想起、あらゆるアプリ・デバイス間での予定・情報連携など
5. ヒューマノイドロボットの運用：家事支援、高齢者ケア、小売・ホスピタリティの自動化など
6. 自律的なカスタマーサービス・営業運用：End-to-endの問題解決、アップセル、CRM統合、24時間365日対応など
7. 個人のデジタルライフ全体の最適化：適応型学習、動的コンテンツ推薦、パーソナライズド健康管理など
8. 自律的なビジネスの構築・運営：AIベースのスタートアップ、在庫・価格最適化、全面的なデジタル運営など
9. 科学的発見の自律化：新薬設計、新素材合成、気候モデリング、新たな仮説のテストなど
10. パートナーのような創造的協業：小説の共著、音楽制作、ファッションデザイン、建築など多様な創作協業

Circa 2035? - 今後10年以内にAIができると予想される10のこと（ChatGPTによると）

1. 科学研究の遂行：仮説生成、シミュレーション実行、実験設計および分析など
2. 先端技術の設計：新素材の発見、バイオテック設計、エネルギーシステムのプロトタイプ制作など
3. 人間類似のマインドのシミュレーション：記憶、感情、適応行動を備えたデジタルペルソナの生成
4. 自律企業の運営：R&D、財務、物流などを最小限の人間介入で管理
5. 複雑な物理作業の遂行：道具の操作、部品の組み立て、実環境内での適応など
6. グローバルシステムの調整：物流、エネルギー使用、危機対応などを大規模に最適化
7. 生物学的システムのモデリング：細胞、遺伝子、生物個体のシミュレーションおよび治療・研究への活用
8. 専門家レベルの意思決定支援の提供：リアルタイムの法務、医療、ビジネス助言を提供
9. 公共討論と政策形成：フォーラムの仲裁、法案提案、利害調整など
10. 没入型仮想世界の構築：テキストプロンプトだけで対話型3D環境を生成

AI開発のスピードは予想を超える水準

• 機械学習モデル開発主体の変化（2003〜2024）
  • 2003〜2014年までは 学術界(academia) が機械学習モデル開発を主導（Academia Era）
  • 2015年以降は 産業界(industry) がデータ、コンピュート、資本投入量で学術界を大きく上回り、イノベーションを主導（Industry Era）
  • 2024年時点で、産業界では毎年60件あまりの注目すべきMLモデルが開発されている
• AI開発者数の急増（NVIDIAエコシステム基準、2005〜2025）
  • NVIDIAエコシステム内の 世界の開発者数が7年で6倍に増加（2025年に600万人到達見込み）
  • 2018〜2025年の間に最も大きく成長
• Google AIエコシステム内の開発者数（2024〜2025）
  • 2024年5月：140万人 → 2025年5月：700万人
  • 1年で5倍成長、Geminiプラットフォームを中心にAI開発者コミュニティが爆発的に拡大
• コンピューティング関連の米国特許の爆発的増加（1960〜2024）
  • 2003年のNetscape IPO以降8年間で+6,300件、2004〜2022年の18年間で+1,000件増加
  • ChatGPT公開(2022)以降、1年で+6,000件 急増
  • コンピューティング/AI技術関連のイノベーション特許が大規模に流入
• AI性能、2024年に人間レベルを突破
  • MMLUベンチマーク（一般知識+推論） で、2024年時点のAIシステムが人間（89.8%）を上回る 92.3%の正確度 を達成
• AIの人間判別能力（2025 Q1）
  • GPT-4o（ペルソナなし）：回答の73%が人間の返答だと誤認された
  • GPT-4.5（ペルソナあり）：90%以上で人間判別に失敗（AIだと見抜けない）
  • AI応答の人間らしさ/現実感が飛躍的に向上
• AI対話のリアリティ（チューリングテスト事例）
  • GPT-4.5を活用した実際のチューリングテスト対話の例
  • 実験参加者の87%が人間だと誤認した側（A）は実際にはAIであり、
    逆に人間（B）は「AIっぽい雰囲気」だと判断された
  • 現代AIの自然な対話能力 が人間を上回る
• AI画像生成性能の進化
  • Midjourney v1(2022)とv7(2025)のバージョン比較：
    3年で ジュエリー（ひまわりのネックレス）生成結果が圧倒的にリアル へ進化
• AI生成画像 vs 実画像（2024）
  • 2024年時点でAIが作った人物写真（StyleGAN2）は実写真とほぼ見分けがつかないほど精巧になった
  • 生成画像のリアリティ が飛躍的に高まった
• AI音声生成/翻訳の現実性（ElevenLabs事例）
  • ElevenLabsのAI音声生成ツールが
    • 音声の自動吹き替え、リアルタイム多言語翻訳、原音保持などを高度化
    • 世界のサイトトラフィックが2年で月間2,000万回を突破、Fortune 500企業の60%が導入
  • AIオーディオ生成・翻訳も爆発的に進化中
• AIベースの音声翻訳の大衆化（Spotify、2025年5月）
  • Spotifyが ElevenLabs と協業し、29言語でオーディオブックのAI翻訳の受け入れを開始
  • 「誰もが母語でコンテンツを作り、AIがリアルタイムで翻訳して世界中に届ける時代」をビジョンとして提示（CEO Daniel Ek）
  • 2025年第1四半期時点で、月間アクティブユーザー6億7,800万人、加入者2億6,800万人、年間売上168億ユーロ
• AI性能の加速：新たな応用事例（2024年11月、Morgan Stanley）
  • タンパク質折りたたみ(Protein Folding)： DeepMind AlphaFold、ほぼすべてのタンパク質構造を予測
  • がん診断(Cancer Detection)： Microsoft & Paige、世界最大の画像ベースがん診断モデルを構築
  • ロボティクス(Robotics)： Google、LLMを活用して人間の指示を理解・実行するロボットのデモ
  • エージェント型AI(Agentic AI)： Amazon、ユーザー指示に従ってタスクを実行するツールを公開
  • ユニバーサル翻訳(Universal Translation)： Meta、多言語の通訳・翻訳を行うマルチモーダルAIモデルを公開
  • デジタル映像生成(Digital Video Creation)： Channel 1 AI、GenAIベースのカスタマイズ可能なニュース映像制作を実演

AIの利益とリスク (Benefits & Risks)

• AI開発の利点(benefits)
  • 人類文明のあらゆる成果は人間の知能の産物であり、機械知能(machine intelligence) の水準が高まるほど、人類の野心(ambition)も大きく拡張される
  • AIとロボットは反復的な労働から人類を解放し、生産性の向上によって平和と豊かさの時代を開く可能性がある
  • 科学研究の加速により、疾病・気候変動・資源問題の解決を早められる
• AI開発のリスク(risks)
  • Demis Hassabis(Google DeepMind): "AIをまず解決してこそ、そのほかのすべても解決できる。しかし、その機会を得る前にAIの誤用・悪用や意図しないリスクが発生する可能性がある"
  • すでに明らかになっているリスクと今後さらに大きくなるリスク: 致死的自律兵器(lethal autonomous weapons)、監視(surveillance)、偏った意思決定(biased decision making)、雇用への影響(employment impact)、安全性およびセキュリティ(safety-critical applications, cybersecurity) など

"AI開発の成功は人類文明史上最大の出来事になり得るが、同時に、私たちがそのリスクを回避する方法を学べなければ最後の出来事になるかもしれない" - スティーブン・ホーキング

AI User + Usage + CapEx Growth = Unprecedented

• ChatGPTでは17カ月で週間アクティブユーザー8億人(+8倍)を突破
• AIのグローバル採用(Global Adoption)の速度も、インターネット導入初期と比べて前例のない拡大（3年で北米以外のユーザー比率90%に到達、インターネットは23年を要した）
• ChatGPTは1億ユーザー到達まで0.2年（約2カ月）で、TikTok・Instagram・YouTubeなど主要インターネットサービスと比べても圧倒的に速い成長
• 100万ユーザー(顧客)到達まで Ford Model T: 2,500日、iPhone: 74日、ChatGPT: 5日 — コストも$0でアクセシビリティは最高水準
• 米国では世帯の50%がAIを活用するまで3年と予想され、モバイルインターネット(6年)、デスクトップ(12年)、PC(20年)、産業革命(42年)と比べて半分に短縮
• AI導入と拡散の速度は歴史上どの技術よりも速く、その影響範囲と規模も予想を上回る

テック企業のAI導入、最優先課題

• ビッグテックおよび主要テック企業は、AIを中核的な経営テーマとして集中的に推進
  • NVIDIA, Google, Microsoft, Meta, Amazon, Baidu, IBM, C3.ai など
  • 2020~2024年の決算発表資料でAIへの言及頻度が急増し、AI中心の競争が本格化
• Amazon (CEO Andy Jassy)
  • "生成AIはほぼすべての顧客体験を革新するだろう"
  • コーディング、検索、ショッピング、金融、ヘルスケア、ロボット、バイオなどあらゆる分野でAI導入・効率化
• Google (CEO Sundar Pichai)
  • "AIは、私たちのミッション（情報を体系化し、誰もが利用できるようにすること）を前進させる最も重要な手段だ"
  • "AIの機会はこれまでとは次元が違う"
• Duolingo (CEO Luis von Ahn)
  • "生成AIがデータ生成、新機能、全社的な効率化に貢献している"
  • チェスのカリキュラムもAIだけでプロトタイプを完成
• xAI (CEO Elon Musk)
  • "Grok AIは真実探求(truth-seeking)が本質であり、AI安全性に不可欠だ"
  • "可能な限り真実志向のAIを作るべきだ"
• Roblox (CEO David Baszucki)
  • "AIは個人の能力を最大化する加速ツールであり、今後は誰もが自分だけのAIと共に生きることになる"
• NVIDIA (CEO Jensen Huang)
  • "10年以内にAIはあらゆる産業、あらゆる国、あらゆる企業のインフラになる"
  • "AIデータセンターは本質的に『AIファクトリー』であり、莫大な価値を生み出す"
• グローバルなテックリーダーたちはAI導入とインフラ拡張に総力を挙げており、AIが未来の企業・社会競争力の中核であることを声をそろえて強調している

伝統的企業のAI導入も優先順位が急上昇

• S&P 500企業のAIへの関心が急騰
  • 2024年第4四半期時点で、S&P 500企業の50%が決算発表で「AI」に言及（2015年比で急増）
  • 企業全般でAIが戦略上の中核アジェンダとして浮上
• グローバル大企業のAI導入目標は「売上成長」
  • 今後2年間の生成AI(GenAI)投資目標の多くは生産性、顧客サービス、売上、マーケティング効果など「成長と収益性」に集中
  • コスト削減(cost reduction)は比較的優先順位が低い
• グローバルCMO(最高マーケティング責任者)の75%がAIツールを実験・導入
  • 大多数のマーケティング組織が初期テストまたはパイロットを実施中で、かなりの割合がすでにAIを全面導入
• 実際の導入事例
  • Bank of America: Erica Virtual Assistant
    • 4,000万人の顧客、累計25億件のやり取り、50,000回以上の性能アップデート
    • 24/7のデジタル金融アシスタントとして定着
  • JP Morgan: エンドツーエンドのAIモダナイゼーション
    • AI/ML導入により、2023~2025年の収益・効率性がそれぞれ+35~65%見込み
  • Kaiser Permanente: AIベースの医療記録(AI Scribe)
    • 数千人の医療従事者が導入し、文書化の負担を軽減、患者体験と診療品質を改善
  • Yum! Brands: Byte by Yum!
    • 2025年時点で25,000店舗のレストランにAIベースの注文・運営システムを導入
• 伝統的な大企業もAI導入を「コスト削減」ではなく成長・革新中心の戦略的優先課題としている
  • 各業界で具体的なAI活用の成功事例が急速に蓄積されている

教育・政府・研究分野のAI導入も優先順位が急上昇

• 教育(教育機関)分野におけるAI統合事例
  • Arizona State University: AIツール開発の専任組織を新設('AI Acceleration')
  • Oxford-OpenAIパートナーシップ: 5年間にわたり研究・AIリテラシー強化で協力
  • NextGenAI: MIT, Harvard, Caltechなど15の研究大学が参加する5,000万ドル規模のコンソーシアムが発足
  • ChatGPT Gov: 米連邦政府機関専用のChatGPTをリリース(2025年1月)
  • 米国立研究所: 原子力、サイバーセキュリティ、先端科学分野でAIインフラ協力
• 政府(Sovereign AI)導入政策の拡大
  • NVIDIA Sovereign AI Partners: フランス、スイス、スペイン、エクアドル、日本、ベトナム、シンガポールなどで国別AIインフラ整備が本格化
  • "各国がAIインフラに投資する姿は、かつての電力やインターネットのインフラ整備に似ている" (NVIDIA CEO Jensen Huang)
• 研究(R&D)・医療分野でのAI適用拡大
  • FDA承認のAI医療機器: 2023年時点で年間223件承認、2015年比で爆発的に増加（米連邦政府 FY21~FY25 AI予算 147億ドル）
  • AIベースの新薬開発: 従来方式と比べて前臨床(Pre-Clinical)段階まで到達する時間を30~80%短縮(1.5~12倍高速化)
• 教育・政府・研究・医療など非営利/公共部門でもAI導入・統合が急速に拡大
  • インフラ投資、規制緩和、共同研究などにより、産業以外の領域におけるAIイノベーションの速度も加速している

AI User + Usage + CapEx Growth = Unprecedented

• 米国の成人におけるChatGPT利用率の現状
  • 米国の全成人のうち、ChatGPTを使ったことがある人の割合は23年7月の18%から25年1月には37%へと急増
  • 18〜29歳は55%、30〜49歳は44%で、若年層ほど活用度が高い
  • OpenAI CEOのSam Altmanは「若年層はライフアドバイザーとして、高齢層は検索の代替として使っている」と評価
• ChatGPTアプリの1日平均利用時間の増加
  • 23年7月〜25年4月、米国のChatGPTアプリ利用者ベースで1日平均利用時間が202%増加
  • 1日あたり約7分から20分近くまで増え、AIアプリに対するユーザーの没入度が急上昇
• ChatGPTアプリのセッション数およびセッションあたり時間の増加
  • 23年7月〜25年4月、平均セッション数は106%成長し、セッションあたり時間も47%増加
  • ユーザーがアプリをより頻繁に、より長く利用するようになり、AIツールが日常に定着
• ChatGPTとGoogle Searchの週間維持率の比較
  • 23年1月〜25年4月時点で、ChatGPTの週間維持率は80%とGoogle Searchの58%を大きく上回る
  • AIサービスに対するユーザーのロイヤルティが従来型検索より高く表れている
• 米国の職場におけるAIチャットボット活用の効果
  • AIチャットボットを使う米国の会社員のうち72%以上が「より速く、より良い」業務成果を経験
  • 業務効率と作業品質の両方で前向きな変化が報告されている
• 米国の大学生によるChatGPT活用事例
  • 米国の大学生（18〜24歳）のChatGPT利用目的は、論文・プロジェクトの着手、テキスト要約、アイデアのブレインストーミング、問題解決、試験準備、研究、チュータリングなど、研究・学習・進路助言が中心
  • 実際の課題解決、創造的な作業、進路設計に至るまでAIが積極的に活用されている
• AIベースのディープリサーチ自動化サービス
  • Google Gemini、OpenAI ChatGPT、xAI Grokなど主要企業がディープリサーチ機能を拡張
  • Web上の自動調査、インサイト抽出、数十ページ規模のレポート自動生成、ファクト探索など、高度な知識業務の自動化が加速

AIエージェントの進化 = チャット応答から実務の自動化へ

• 従来のチャットボットは限定的な対話と簡単な質問応答にとどまっていたが、AIエージェントは自ら推論・実行・多段階タスクを処理するサービス提供者へと発展しつつある
  • 例: 会議の予約、レポート提出、ツールへのログイン、複数プラットフォーム間のワークフロー自動化など
  • 自然言語の命令だけで複雑な業務を直接実行
• この変化は、2000年代初頭に静的WebサイトからGmail、Google Mapsのような動的Webアプリへ移行した流れと似ている
  • 単純なメッセージングインターフェースから実際の作業を実行するインフラへと進化
• AIエージェントは、明確な入力や限定的な結果だけを提供していた初期のアシスタントと異なり、目標中心・自律性・ガードレールまで備え、意図の解釈、メモリ管理、アプリ間連携など複雑なプロセスを実行できるようになっている
• 企業が最も速く導入を進めており、単なる実験を超えてフレームワーク投資とエージェントエコシステム構築を本格化させている

• AI Agentへの世界的関心が急増（Google検索トレンド、2024〜2025）
  • 「AI Agent」というキーワードのGoogle検索量が16か月で1,088%急増
  • 2025年3月にOpenAIがAI Agent開発ツールを公開して以降、検索量はさらに急勾配で増加し、業界の技術的転換点となったことを示唆

• AI既存大手（Incumbent）によるAI Agent製品投入の加速化（2024〜2025）
  • Salesforce、Anthropic、OpenAI、Amazonなどの代表的ビッグテック企業がAIエージェントベースの新製品を相次いで投入
    • Salesforce Agentforce: カスタマーサポート自動化、リード発掘、注文追跡など
    • Anthropic Claude 3.5 Computer Use: コンピュータ画面の直接操作、Webデータ抽出、オンライン購入など
    • OpenAI Operator: 複雑なオンライン作業の自動化
    • Amazon Nova Act: ホームオートメーション、情報収集、購入、スケジュール管理など
  • AI Agent製品は既存のチャットボットを超え、実際の「仕事」を代行する実用的な自動化ツールへと拡張している

AIの次なるフロンティア = Artificial General Intelligence

• Artificial General Intelligence(AGI) とは?
  • AGIは、人間の知的作業全般（推論、計画、小規模データからの学習、異なる領域間での知識の一般化など）をすべて遂行できるシステムを意味する
  • 現在のAIモデルが特定領域内で優れた性能を示すのに対し、AGIは分野を問わず再学習なしで新しい問題にも柔軟に対応できる
  • 近年のモデル規模、学習データ、計算効率の幾何級数的な成長がAGI開発を前倒ししている
• AGI到達時期と期待感
  • AGIの実現時期は依然として不確実だが、専門家の期待はここ数年で大きく前倒しされている
  • OpenAI CEOのSam Altmanは2025年1月、「私たちは伝統的に理解されてきたAGIをどう作れるかについて、今や確信している」と言及
  • これはモデル構造、推論(inference)効率、大規模学習環境の発展によって研究と実運用の隔たりが縮まっていることを示唆する
    • 推論(inference)とは、完全に学習済みのモデルがユーザー入力に対して予測、回答、コンテンツ生成を行う過程。この段階は学習よりはるかに速く効率的
  • AGIはもはや仮想的な到達点ではなく、到達可能な臨界点として認識され始めている
• AGI到達の意味
  • AGIが実現すれば、ソフトウェアとハードウェアの本質的な役割が再定義される
  • 事前にプログラムされた作業を繰り返すのではなく、目標の理解、計画立案、リアルタイムの自己修正が可能なシステムへと変化
  • 研究、エンジニアリング、教育、物流など多様なワークフローを人間の監督なしでも運用可能
  • 新たな問題に直面しても再学習なしで文脈に応じて適応し、人間の専門家のように機能する
  • AGIベースのヒューマノイドロボットは、物理的環境と働き方を根本から変える可能性がある
• AGIがもたらす社会的影響
  • AGIは最後のゴールではなく、能力の段階的転換である
  • 制度、労働、意思決定構造はAGIの導入方法と統制装置に応じて再編される
  • 生産性向上の効果は大きい可能性がある一方、恩恵が不均衡に分配される可能性もある
  • 地政学的・倫理的・経済的変化は漸進的に進行する見通し
  • 産業革命、デジタル転換、アルゴリズム革命と同様に、技術が何をできるかだけでなく、社会がどう受け入れ、どう規律するかによって結果が変わる

AI User + Usage + CapEx Growth = Unprecedented

• 過去20年間、テクノロジー分野のCapExはデータ中心のアーク(arc)に沿って急速に増加してきた
  • 初期はストレージとアクセス（保存／アクセス）への投資、その後は分散／拡張へ、現在はコンピューティング／インテリジェンスへと重心が移っている
• 第1の波では、大規模サーバーファーム、海底ケーブル、初期データセンターなどに資金が集中し、Amazon、Microsoft、Googleなどがクラウドコンピューティングの基盤を築いた
  • この段階では「保存、整理、サービス提供」が中核目標だった
• 第2の波（現在進行形）は、AIワークロード向けコンピューティングインフラの強化が中心
  • Hyperscaler（超大規模データセンター事業者）のCapExは、GPU、TPU、AIアクセラレータ、液冷、先進的データセンター設計などの特化型インフラへ移っている
  • 2019年にはAIは研究機能だったが、2023年にはCapEx（設備投資）の中核項目に組み込まれた
• Microsoft会長Brad Smith（4/25ブログ）:
  • 「電気のような汎用技術と同様に、AIとクラウドデータセンターは次世代産業化の段階を代表する」
• 世界のビッグテック各社は年間で数兆円規模の投資を進めている
  • 単にデータを収集するだけでなく、高速に学習し、深くパーソナライズし、広く展開する能力が競争力の核心になっている

• AWS、NVIDIA、MSFT、Google、Apple、Metaなど大手テクノロジー企業のCapEx（設備投資）支出は、ここ数年一貫して増加している

Data Centers = AI CapEx支出の主要な受益者

• AIインフラの経済性を理解するには、データセンター建設の速度と規模を見る必要がある
  • AI中心の需要爆発により、**グローバルIT企業のデータセンターCapEx（設備投資）**は過去最高に達し、2024年時点で4,550億ドルに上り、さらに加速している
• HyperscalerとAI-first企業の双方が、ストレージだけでなく、リアルタイム推論と大規模モデル学習のための高性能・高電力ハードウェアインフラ構築に数十億ドルを投資
  • AIが実験的技術から必須インフラへと移行するにつれ、データセンターもそれに対応して中核的な位置を占めるようになった
  • NVIDIA CEOのジェンスン・フアンは「もはやAIデータセンターはAIファクトリーだ」と強調
• 米テネシー州メンフィスのxAI Colossusデータセンターは、418棟規模の建物をわずか122日で完成させ、前例のない速度と効率を達成（米国の平均的な住宅建設期間の半分以下）
  • プレハブモジュール、迅速な認認可、電気・機械・ソフトウェアの垂直統合により、データセンターがIT製品開発のスピードで建設される時代が到来
• データセンターCapExは土地、電力、チップ、冷却設備に左右され、AIワークロードは従来のエンタープライズコンピューティングよりはるかに高い熱・電力需要を生み出す
  • OpEx（運用費用）はエネルギーコストとシステム保守が中心で、特に高密度AI学習クラスターは常時最大負荷で稼働する
• **収益はコンピュート販売（AI API、エンタープライズプラットフォーム料金、社内生産性向上など）**から生まれるが、先行投資で構築を進める企業は投資回収期間が長引く可能性がある
  • 新興企業はインフラ構築後、収益化まで数四半期から数年を要することがある
• サプライチェーン面では、電力インフラ（変圧器、変電所、タービン、GPU、ケーブルなど）の確保が新たなボトルネック要因として浮上
  • データセンターは単なる物理資産ではなく、不動産、電力、物流、コンピュート、ソフトウェア収益化のための戦略的インフラハブとして機能する
• この複雑なパズルを正しく解いた企業が、今後のAI経済の地理的勢力図を左右することになる

Data Centers = Electricity Guzzlers

• AIとエネルギーインフラの緊張関係が徐々に深まっている
  • AIの高度化により、AI特化型データセンターが従来の重工業に匹敵する電力消費を記録している
  • AIモデルの学習とサービスに必要な莫大な演算能力が、電力需要を爆発的に押し上げる主因となっている
• データセンターは2024年に**世界の電力消費の約1.5%**を占めた
  • 2017年以降、グローバルなデータセンターの電力消費は年平均**12%**増加
  • 電力消費全体の増加ペースの4倍以上に相当する
• 国別の電力消費比率では、米国が45%で1位、次いで中国（25%）、欧州（15%）
  • 米国のデータセンター容量のほぼ半分が5つの主要地域クラスターに集中
  • 新興国・発展途上国（中国を除く）はインターネット利用者の50%を占める一方、データセンター容量は10%未満にとどまる
• AIの普及に伴い、電力網（grid）と供給インフラがAI性能のボトルネックとして浮上
  • もはやデータやアルゴリズムではなく、電力供給がAI成長の主要な制約となりつつある
• 一方で、AIはエネルギー産業の中で運用効率化とイノベーションを加速させている
  • 発電、鉱物、送電、消費などエネルギーサプライチェーン全体でAIベースの最適化が本格適用されている
  • しかし、AI需要とエネルギーコストが増え続ける限り、データセンターは最終的にコストを支払える顧客だけを対象にサービスを提供することになる

AI Model Compute Costs High / Rising + Inference Costs Per Token Falling = Performance Converging + Developer Usage Rising

• 大規模言語モデル（LLM）の訓練は人類史上でも最もコスト集約的な作業の一つであり、性能向上のためにパラメータ数とアルゴリズムの複雑性が増すにつれて、訓練コストは数十億ドルへと急騰している
  • 最も優れた汎用モデルの構築競争が激化するほど、成果物の品質差別化はますます難しくなり、収益性も悪化する「収束」現象が起きている
• 一方で、推論（inference）コストは急速に低下している
  • たとえば、NVIDIA 2024 Blackwell GPUは2014年のKeplerと比べて、トークン当たりのエネルギー消費が10万5,000倍減少
  • ハードウェア革新とモデルアルゴリズム効率の向上により、トークン当たりの推論コストは急速に下がっている
• 推論コストの低下は、LLM提供者間の競争を激化させる
  • 精度だけでなく、レイテンシ、可用性、トークン当たり単価でも競争
  • ドル建てコストは今や数セント、そしてまもなく1セント未満へと下がりつつある
• ユーザー（開発者）にとっては、低コストで強力なAIにアクセスできるようになり
  • 新サービスや新製品開発が活性化し、実際のユーザー数と活用度も急速に増加している
• モデル提供者にとっては、収益性の悪化とビジネスモデル変化という新たな課題が浮上
  • 訓練は高価で提供は安価になることで、垂直統合・水平統合、特化型LLM市場などの新戦略が模索されている
  • 汎用LLMは収益性のない消耗戦の様相を見せ始めている
  • 小型・カスタムモデルの登場により、既存の大型モデルとは異なる収益構造の実験が本格化する流れにある

Inference Costs Per Token Falling

• AI推論コストの低下は、コンピューティング発展の代表的なパターンを繰り返している
  • 1997年にMicrosoft CTOのNathan Myhrvoldが「ソフトウェアはガスのようなもので、与えられた容器をすべて満たす」と語ったように、AIもインフラを使い切るほど需要が拡大している
  • モデル性能が向上するほど、使用量（クエリ、トークン、モデル数）が爆発的に増加し、人工知能の活用範囲と頻度も急速に広がっている
• インフラの進化速度も過去最高水準
  • 2024年のNVIDIA Blackwell GPUは2014年のKeplerに比べ、トークン生成時のエネルギー効率が10万5,000倍改善
  • これは単なるコスト低下ではなく、ハードウェアアーキテクチャと素材革新の成果であることを意味する
• ハードウェア効率の向上は、急増するAIとインターネット需要による電力負荷を相殺する重要な要素
  • しかし、これまでの改善だけでは電力需要全体の増加を完全には食い止められていない
  • この現象は1865年のジェボンズのパラドックス（Jevons Paradox）に似ている
    • 資源効率が高まるほど総消費量がさらに増える逆説的現象がAIでも繰り返されている
• 結果として、コスト低下・性能向上・使用量増大というテクノロジーの古典的な公式がAIでも繰り返されている
  • インフラの進化がAI利用の増加をさらに促し、電力インフラとエネルギー生産に関する新たな課題を生み出している

Performance Converging

• AIモデル上位群の性能が急速に収束している現象
  • Stanford HAIのLMSYS Chatbot Arenaデータ（2024〜2025年）によると、Google、OpenAI、DeepSeekの3モデルのチャットボット評価スコアは1,385、1,366、1,362で、差はわずか1〜2%程度にまで縮小している
  • この1年で上位モデル間のスコア差は着実に縮まり、性能競争が事実上平準化しつつある傾向が明確になっている
• 最新の大規模言語モデル（LLM）間で品質差別化が難しくなっている状況
  • ユーザー視点では「どのモデルを使ってもほぼ同じ」と感じられる環境が生まれている
  • モデル提供企業は、コスト・サービス安定性・特化機能など、性能以外の要素での競争へ移行する可能性が高い

Developer Usage Rising

• AI開発者の活動が爆発的に増加している現象は、推論（inference）コストの劇的な低下と高性能なモデルへのアクセス拡大に起因する
  • 2022年～2024年の間に、言語モデル実行のトークン当たりコストが約99.7%減少
    • 背景には、ハードウェアとアルゴリズム効率の飛躍的な進歩がある
    • かつては大企業しか利用できなかった技術が、今では個人開発者、独立系アプリ開発者、研究者、小規模事業者にまで容易に活用可能になった
  • コスト崩壊によって実験が安価になり、反復や製品化が迅速化
    • 誰でもアイデアさえあれば容易にAIサービスを開発できる
• モデル性能が急速に収束することで、モデル選定の方程式が変化
  • 最上位の大規模モデルとより小さく効率的な代替モデルとの格差が縮小
  • 要約、分類、抽出、ルーティングなど多くの実運用タスクで、実際の性能差はほとんどない
  • 開発者は今や、高価なプレミアムモデルの代わりに安価なモデルやローカル実行／低価格APIを通じて、同様の結果を得られるようになった
  • 特にタスク特化データでファインチューニングした場合に効果が最大化
• この変化はモデルの「既得権」が持つ価格レバレッジを弱め、AI開発の平準化を促進
  • 単一事業者（ベンダー）に依存するのではなく、多様なエコシステムのモデルを組み合わせ・分散活用
  • OpenAI ChatGPT, Meta Llama, Mistral Mixtral, Anthropic Claude, Google Gemini, Microsoft Phi など
    • それぞれ強みの異なるモデルの中から、技術的・財務的ニーズに合った最適なモデルを選択可能
  • プラットフォームロックイン（依存）から脱し、開発者主導の選択と分散の時代へ移行
• 開発者主導のインフラ成長フライホイールが形成されつつある
  • より多くの開発者がAIネイティブアプリを作ることで、ツール／ラッパー／ライブラリ／フレームワークのエコシステムが急増
  • フロントエンドフレームワーク、埋め込みパイプライン、モデルルーター、ベクターDB、サービングレイヤーなど
    • 開発者活動の波が起こるたびに、次の波の参入障壁を下げる効果が生まれる
• アイデアからプロトタイプ、プロトタイプから製品までにかかる時間が短縮
  • コストだけでなく複雑性まで急速に低下
  • プラットフォームの変化を超え、創造性が爆発する時代が開かれつつある
• 歴史的にも、開発者が多く（利用・活用が継続的な）プラットフォームが最終的に勝者となるパターンが繰り返されてきた
  • マイクロソフトのスティーブ・バルマーによる「Developers! Developers! Developers!」のスピーチが示したように、開発者は重要だ
  • 開発者に採用され、継続的なスケールと改善を引き出したプラットフォームが、最終的に市場を支配することになる

The AI Developer Next Door

• AI開発ツールの採用率が急上昇（2023～2024年、Stack Overflow）
  • 2023年比で2024年は、AIツールを活用する開発者の比率が大幅に増加
  • プロ開発者では44% → 63%、コーディング学習者では55% → 65%へ上昇
• AI開発者のオープンソースリポジトリが急増（GitHub、2022.11～2024.3）
  • GitHub内のAI開発者リポジトリ数が16カ月で約175%増加
  • ChatGPT、Stable Diffusionなど主要モデル／ツールの登場以降、開発エコシステムが爆発的に成長
• AI開発者エコシステムの拡大（Google基準、月間トークン使用量）
  • 2024年5月の10兆トークン → 2025年5月の480兆トークンへ、1年で50倍増加
  • Google Gemini、AI APIなどを通じて開発者利用が大幅に拡大
• Microsoft Azure AI Foundryエコシステムの成長（四半期ごとのトークン使用量）
  • 2024年第1四半期の20兆 → 2025年第1四半期の100兆トークンへ5倍成長
  • 7万社以上の企業・開発者が活用中
• AI開発者の活用事例の多様化（2024年、IBM基準）
  • コード生成、バグ検出／修正、テスト自動化、プロジェクト／ワークフロー管理、ドキュメント化、リファクタリング／最適化、セキュリティ強化、CI/CD、UXデザイン、アーキテクチャ設計など、幅広い領域でAI活用が加速

AI Usage + Cost + Loss Growth = Unprecedented

• AIの成長とコスト、損失の規模が前例のない水準まで拡大
  • 「今回は違う」「規模の経済で収益化できる」「後でユーザーを収益化する」といった危険信号は従来失敗を招くことが多かったが、ビッグテック投資では実際に成功例も存在
  • 今回のAI競争は、前例のない規模の資本と創業者主導の大企業が同時に参入する様相を呈している
  • 米国、中国など世界の主要国による競争がAIイノベーションを加速
• 主要技術の導入局面ごとに転換点が存在
  • パーソナルコンピュータはMacintosh（1984）・Windows 3.0（1990）、インターネットはNetscape IPO（1995）、モバイルはiPhone App Store（2008）、クラウドはAWS（2006～09）、AIは**NVIDIA A100（2020）、ChatGPT（2022）**などが決定的な契機
  • 2025年、中国DeepSeekの登場がグローバルAI競争激化の号砲となった
• AI成長のための資金は、巨大IT企業の莫大なキャッシュフローとグローバル資本から生まれている
  • 熾烈な競争・資本・起業家精神の組み合わせがAIの発展を加速
• ただし、最終的な勝者となるビジネスモデルが何かは依然として不確実

Technology Disruption Pattern Recognition = Hundreds of Years of Consistent Signals

• 技術革新の歴史では、初期の過熱、資本流入、競争激化、勝者と敗者の選別というサイクルが繰り返される
  • 例：19世紀の鉄道、1840年代のバブル、期待の崩壊など
• 大規模な資本投入を必要とする技術は、初期には期待外れの収益率を示すことがあるが、成功すれば長期的に産業構造を変える
  • ただし、競争から守られなければ高いリスクを内包する
• 最終的な勝者は常に最高の技術を持つ者ではなく、市場と産業の流れを最も明確に読み取った主体である
• 参入障壁のない市場では先行者利益が急速に失われる
  • 「新技術の勝者は予測しにくいが、敗者は見えやすい」という教訓を改めて思い起こすべきだ

AI-Related Monetization = Very Robust Ramps

• AIハードウェア戦略の進化：チップ設計の主導権が従来ベンダーからプラットフォーム企業へ移行
  • NVIDIA GPUは長年にわたりAIトレーニング／推論の基本エンジンとして機能し、独自の地位を確立
  • 需要の爆発的増加により、NVIDIAの急速な生産拡大にもかかわらず供給不足が続き、ハイパースケーラーやクラウド事業者はサプライチェーンの多様化に乗り出している
• カスタムチップ（ASIC）の台頭：汎用GPUに比べ、特定のAI演算に最適化されたASICの導入が加速
  • GoogleのTPU、AmazonのTrainiumチップが各社AIスタックの中核要素として定着
    • Amazon Trainium2は一般的なGPU比で30～40%優れた価格性能を提供し、大規模推論コストの削減が可能
  • こうしたカスタムチップは単なる実験ではなく、性能・経済性・アーキテクチャ制御のための中核戦略
• AIインフラの経済性改善への取り組みが拡大
  • Amazon CEO Andy Jassy: "AIが必ずしも今のように高価である必要はなく、今後はさらに安くなる"
  • カスタムシリコンはAIインフラのコスト削減における重要な手段の一つ
• AIインフラ専業企業の成長
  • CoreWeave: ゲーミング・暗号資産向けハードウェア供給網をAI向けGPUクラウドへ再構成し、急成長
  • Oracle: 従来型ITからAI特化GPUクラウドプラットフォームへ転換
  • Astera Labs: GPUとメモリ間の超高速接続装置を供給し、大規模モデルの性能限界克服に貢献
• これら企業はファウンデーションモデルを直接開発してはいないが、そのエコシステムに不可欠なインフラを構築している
  • 演算需要の急増に伴い、速度、可用性、効率性が競争力の中核として浮上

AI Monetization = Chips

• NVIDIA、Google、Amazon など主要企業のAIチップ売上が急速に成長している
  • NVIDIAの四半期売上高は前年同期比 78%増 で390億ドルを突破し、主力はデータセンター部門
  • 過去10年間でNVIDIAの売上高は 28倍成長 し、米国ビッグテック（Apple、Microsoft、Alphabet、Amazon、Meta、NVIDIA）のCapEx + R&D投資も6倍に拡大
  • Googleの TPU（Tensor Processing Unit）売上 は年間 116%増 で、89億ドル規模と推定される
    • Google TPUはAIモデル学習に特化したASICチップで、2015年の初版リリース以降、累計10万個以上を生産
  • Amazonの AWS Trainiumチップ売上 は年間 216%増 となり、2025年には36億ドルに到達する見通し
    • Trainium2は従来のGPUベースインスタンス比で30〜40%の価格性能優位を持ち、最大4倍の性能を提供
• AIチップ市場成長の背景
  • AI学習および推論需要の急増に伴い、GPU、ASICなど高性能チップへの需要が爆発的に増加している
  • 主要クラウドおよびhyperscaler企業は独自チップ設計とサプライチェーン強化に注力し、価格競争力とインフラ効率を高めている
  • GPU、TPU、Trainium などのAI特化チップはデータセンターの中核的な収益源であり、AIインフラ競争力を左右する要素として定着している

AI Monetization = Compute Services

• AIコンピューティングサービス市場 の成長
  • AIインフラ特化クラウド企業CoreWeaveの 2024年売上高は前年比730%増 となり、19億ドルに到達
  • OpenAIなど主要顧客との大型契約、IPO、Weights & Biases買収などにより事業成長が加速
  • AIワークロード向け高性能クラウドインフラ需要が爆発的に増加し、インフラ提供企業の 超高速な売上成長 が続いている
• AIインフラ市場の拡大
  • Oracleの AIインフラ売上高は2年で50倍成長 し、2024年には9億5,000万ドルに到達（Morgan Stanley推定）
  • AIインフラ需要の増加により 大規模な新規顧客契約 が控えており、まだ本格提供されていない大規模予約も存在する
  • OracleのCEOは、AIインフラ顧客が殺到しており「10億ドル以上の新規契約だけで40件超」と言及
• AIインフラ接続性の成長
  • Astera Labsは 2024年売上高が前年比242%成長 し、3億9,600万ドルを記録
  • PCIe、CXL、イーサネットなどの高速接続製品群が多数の顧客企業およびプラットフォームに採用され、GPU接続、バックエンドAIアクセラレータクラスタ などAIデータセンター内の必須インフラとして定着
• AIデータ収集とスーパーコンピューティング
  • Teslaは Dojoスーパーコンピュータ とGPUの大規模導入により、AIトレーニング容量が2021年6月比で 8.5倍増加 （2024年9月時点）
  • Dojoは自社トレーニングコストの革新にとどまらず、AWSのように外部サービスへ転換できる潜在力も非常に大きいと評価されている
  • Elon Muskは「Dojoの潜在力は非常に大きい」と述べた

AI Monetization = Data Layer

• AIデータレイヤーの収益化が加速している
• Scale AI は2023年の3億3,500万ドルから2024年の8億7,000万ドルへと売上高が160%増加
  • データラベリング、評価、パイプライン構築など、フロンティアLLM拡張 のための中核インフラを提供
  • 「データの豊かさは選択であり、AIの限界をデータ不足に置かない」というビジョンを提示
  • 2024年の新規契約だけで 15億ドル 以上を確保
• VAST Data は2019年1月から2025年5月までの累計売上高 20億ドル を達成
  • AIインフラレイヤーを単純化し、データストレージ・管理・処理サービスを提供
  • AI Reasoningモデルの台頭とともにデータインフラの重要性が際立っている
  • 「AI時代に最大の潜在力を実現するには、基本的な問題を単純化することが鍵だ」と強調

高い売上成長、莫大な現金消費、高い企業価値、大規模な投資 = 消費者には追い風、それ以外はまだ未定

• グローバルなデジタルユーザー基盤の成長と利用量の急増可能性が高まる中、企業投資 の領域はますます 競争的かつ資本集約的 に変化している
  • AI技術サイクルの創造的破壊は、過去の主要IT企業の成長過程と類似点を見せている
• Apple、Amazon、Google、Uber、Tesla など 過去の主要テック企業 の事例:
  • Apple: 1997年に破綻寸前だった時価総額 17億ドル から、現在は 3.2兆ドル に成長
  • Amazon: 2000年単年で5億4,500万ドルの赤字、創業後27四半期で累計30億ドルの赤字だったが、直近27四半期の純利益は 1,760億ドル、時価総額は 2.2兆ドル
  • Google: 2004年のIPO時、売上高3億9,000万ドルのうち 22%をCapExに投資、IPO時の時価総額 230億ドル から現在は 2兆ドル
  • Uber: 2016〜2022年に170億ドルの現金を消費し、2023年に初の 黒字転換、IPO時の時価総額 820億ドル から現在は 1,890億ドル
  • Tesla: 2009〜2018年に92億ドルを消費し、2019年に初の 黒字転換 後、5年間の純利益は 400億ドル、現在の時価総額は 1.1兆ドル
• これらの企業はいずれも 大胆な投資と長期赤字 を受け入れながら、データ駆動のネットワーク効果 と 技術基盤の競争優位 を構築し、最終的に市場で価値を証明した
• 最終的に、企業価値（valuation）は将来のフリーキャッシュフローの現在価値 によって正当化されなければならない
• AI分野 でもまた、最終的にどのプレイヤーが持続可能な収益を生み出せるのかは時間が証明するだろう

Usage + Cost + Loss Growth = 前例のない水準…未来の収益化と利益は？

AI Monetization Possibilities = New Entrants & / Or Tech Incumbents?

• AIモデルの経済構造 の行方を理解するには、能力とコストの間の緊張関係 を見る必要がある
• 超大規模LLMの訓練 は人類史上でも最もコストのかかる試みの一つであり、パラメータ数とアーキテクチャの複雑性増大によって費用は数十億ドル規模へと急騰している
• 一方で、推論（Inference）コスト はハードウェア革新とアルゴリズム効率化によって劇的に低下している
  • 例: NVIDIA 2024 Blackwell GPU は2014年のKepler比でトークンあたりエネルギーを105,000倍削減
• 推論が安価になるほど、精度・遅延・可用性・トークン単価 をめぐるLLM提供者間の競争は激化し、従来は高価だった作業が今ではほぼ無視できるコストで可能になっている
• ユーザーと開発者にとっては 単価下落 が機会となり、新規サービスと活用が爆発的に増加している
• 一方で モデル提供者 にとっては、収益化と利益モデルが不確実になっている
  • 訓練は依然として高コストである一方、提供（サービング）は安価になり、価格決定力 が弱まっている
  • カスタム小型モデル市場が登場し、既存のビジネスモートも弱体化
• 例: Googleは AI Overviews を2024年5月から検索に導入（2025年4月時点で15億MAU）、最近は一部に 広告 の適用も開始
• 今後は プラットフォーム戦略（水平展開）、特化型アプリケーション、サブスクリプション・広告など多様な収益化モデル をめぐる競争が加速する見通し
• 短期的には、汎用LLMの経済性は ベンチャー級の赤字とコモディティ化競争 にますます近づいている

AI – New Entrants = Rapidly Laying Groundwork

• AIベースの主要なファウンデーションモデル事業者による消費者向けサブスクリプションモデル導入状況（2025年5月時点）
  • OpenAI ChatGPT、xAI Grok、Google Gemini、Anthropic Claude、Perplexity など多様なモデルで無料／有料サブスクリプションを提供
    • OpenAI ChatGPT: $0（無料） / $20（Plus） / $200（Pro）（月額）
    • xAI Grok: $0（無料） / $3（Basic） / $8（Premium） / $40（Premium+）（月額）
    • Google Gemini: $0（無料） / $19.99（AI Pro） / $250（AI Ultra）（月額）
    • Anthropic Claude: $0（無料） / $17（Plus） / $100（Max）（月額）
    • Perplexity: $0（無料） / $20（Pro）（月額）
• AIベースのファウンデーションモデル事業者による開発者向けAPI料金プラン導入状況（2025年5月時点）
  • OpenAI、xAI Grok、Google Gemini、Anthropic Claude、Perplexity などでAPI呼び出し単位の課金を実施
    • OpenAI ChatGPT: 100万トークン当たり $0.40（GPT-4.1 nano）～ $40（o3）
    • xAI Grok: 100万トークン当たり $0.50（grok-3-mini-beta）～ $25（grok-3-fast）
    • Google Gemini: 100万トークン当たり $0.15（1.5 Flash-8B）～ $15（2.5 Pro Preview）
    • Anthropic Claude: 100万トークン当たり $1.25（Claude 3 Haiku）～ $75（Claude 3 Opus）
    • Perplexity: 100万トークン当たり $1（Sonar）～ $15（Sonar Pro）

AI – New Entrants = Rapid Revenue Growth

• OpenAIの有料加入者数および年商の成長（2022年10月～2025年4月）
  • ChatGPTの有料加入者数は年率153%増加し、2025年4月時点で約2,000万人に到達
  • OpenAIの年商は1050%増加し、2025年4月時点で37億ドルを突破
• AnthropicのAPIおよび生成AI検索ベースの年換算売上は18カ月で20倍（20億ドル）成長
  • Claude 3.7 Sonnet などのReasoning中心の新モデル戦略と、実務中心のAI活用拡大
  • 1年間で6.4倍成長
• Perplexityの生成AI検索ベースの年換算売上は14カ月で7.6倍（1億2,000万ドル）成長
  • すべての回答に根拠ソースを提示し、パーソナライズされたリサーチ支援機能を強調
• Gleanのエンタープライズ検索およびエージェントの年換算売上は24カ月で10倍（1億ドル）成長
  • 大企業のAI導入を支援し、組織全体の知識を活用できるよう設計
• AI企業（上位100社）が年換算500万ドルの売上に到達するまでに平均24カ月を要する
  • 既存SaaS企業より35%速いペース（SaaS平均37カ月、AI平均24カ月）

AI –Tech Incumbents = Broad & Steady Product / Feature Rollouts

• ChatGPTユーザー数（8億人）と比較されるTech IncumbentのグローバルAIユーザーおよびデバイスの現状
  • Google、Meta、Apple、TikTok、Microsoft、Spotify、Amazon、X、Canva などは数億～数十億人のユーザー基盤をもとに、AI製品を段階的に拡大中
• Canva – Background Remover & Magic Media (12/19)
  • 2019年にリリースされた画像背景除去機能は継続的な人気を集め、累計30億回以上利用された
  • 2024年にリリースされたMagic Media（テキスト→画像／動画）は、リリース1年で2億9,000万点以上の作品を生成するなど、コミュニティから高い反応を得ている
• Spotify – AI DJ (2/23)
  • AI DJやAIミュージックビデオなどの革新的機能を2023年2月から世界市場で展開し、2024年5月時点で60カ国以上で提供
  • AI DJはパーソナライズされた音楽推薦とインタラクション、データベースのリアルタイムreasoning機能によって、ユーザー満足度とSpotifyのサービス品質を高めている
• Microsoft – Copilot (2/23)
  • 2023年2月にBingおよびEdgeへCopilotを導入し、2024年12月までに累計150億件以上の会話数を記録
  • CopilotはWeb検索、ブラウザー、オフィスツール全般にAIベースの新たなユーザー体験を提供し、日常業務の効率性と創造性向上に貢献
• Meta Platforms – Meta AI (9/23)
  • 2025年4月時点でMeta AIはInstagram、Messenger、WhatsAppなど全アプリ合計で月間アクティブユーザー（MAU）10億人に迫る
  • 今後は中級エンジニア水準のAIエージェント開発と、AI研究・現場適用における主導権確保を目指す戦略が強調されている
• X – Grok (11/23)
  • xAIのGrokは2025年2月の3.0バージョン公開と同時に、デスクトップのグローバル訪問者数が前月比42倍に急増し、1億5,000万人超を記録
  • AIの真実追求（value alignment）と大規模展開が強調され、Xプラットフォーム内でAI体験を拡張中
• Google – Gemini & AI Overviews (12/23)
  • 2024年5月時点でGeminiチャットボットのMAUは4億人、AI OverviewsはGoogle検索に組み込まれ、月間ユーザー15億人に到達
  • 多様なデータタイプ（テキスト、コード、画像、音声など）を扱うマルチモーダルAIモデルと、検索内AI要約機能が強み
• Amazon – Rufus (2/24)
  • 2024年2月に北米リテール分野でRufus AIを導入し、製品情報やレビュー要約などでパーソナライズ推薦を改善
  • リテール事業の総取引額（GMV）成長とともに、AI活用度は継続的に拡大中
• TikTok – Symphony AI Assistant (6/24)
  • 2024年6月のSymphony Assistant導入以降、TikTokのグローバルWebサイト訪問者数は20億人超と集計
  • AIを活用したブランド・クリエイター向けコンテンツ生成、広告効率、ブランド好感度などで実質的な成果を創出
• Apple – Apple Intelligence (10/24)
  • 2024年9月～2025年3月、iPhone 15 Pro/Pro Max、iPhone 16シリーズなどApple Intelligence対応機器の販売台数は5,000万～7,000万台に到達
  • ハードウェアとソフトウェアの融合を通じて、パーソナライズ、プライバシー、ローカルコンピューティングベースのAI体験提供に重点

AI –Tech Incumbents = Rapid Revenue + Customer Growth

• MicrosoftのAI製品収益
  • 2024年時点で、MicrosoftのAI製品部門の年間売上推定は130億ドルに達し、前年比175%増
  • Azure AIサービス、Microsoft 365 Copilot、Dynamics 365 Copilotなど多様なAI製品ラインアップが売上成長を牽引
  • Satya Nadella CEOは「AI投資収益率（ROI）の実現を支援し、巨大な機会を捉えている」と言及
  • 2025年第1四半期の決算発表では、商業部門の受注（Commercial bookings）が18%増加したことを強調
• xAI: Generative Search
  • 2025年にxAIの年間売上が本格的に増加する見通し
  • 最新モデルGrok 3は、Colossusスーパーコンピュータ基盤で10倍以上の計算能力を背景に、強力な推論・数学・コーディング・知識ベース作業で性能が向上
  • Elon Musk CEOは「政治的に不都合な真実であっても追求する、真実探求型AI」であることを強調
• Palantir USA Commercial Customers
  • Palantirは米国内の商業顧客数が1年で65%増加し、432社に到達
  • 自社AIプラットフォームAIP（Artificial Intelligence Platform）が新規顧客獲得および既存顧客拡大に貢献
  • 2025年の年間ベースで米国内商業売上が10億ドルを突破
  • 「AI Ontologyを通じて企業内のコンテキスト（context）を最大化し、差別化された実行力を提供」することがPalantirの競争力

AI Monetization Possibilities – Enterprise = Horizontal Platform &/Or Specialized Software?

• エンタープライズAI収益化の方向性
  • 従来のビジネスソフトウェアは、**特定の業界・業務に特化したツール（Vertical SaaS）**として成長してきた
  • Toast（レストラン）、Guidewire（保険）、Veeva（ライフサイエンス）など、各業界向けの特化ソリューションが市場をリードしている
  • しかし、基盤モデルと生成AIの登場により、さまざまな分野で新たな収益化の機会が開かれている
• 水平型プラットフォームの台頭
  • AIネイティブな生産性、検索、コミュニケーション、ナレッジ管理を1つのインターフェースに統合する水平型エンタープライズプラットフォームが登場
  • 例: Slack + Notion + ChatGPTを組み合わせた形で、従来の個別SaaSと比べ、組織全体の業務コンテキストにAIインテリジェンスを内在化
  • SaaSライセンス販売から、AI組み込み成果物ベースの料金体系へと価値の移動が起きている
• 水平型プラットフォーム vs. 特化ソフトウェアの競争
  • MicrosoftはCopilotを全社的に統合し、Zoom/Canvaはユーザーワークフローに生成AIを組み込んでいる
  • Databricksなどはデータおよび開発者スタックにAIを統合中
  • スタートアップのGleanなどは、AIファーストのワークフローで従来のスイートモデルに挑戦
  • 一方で、既存の特化ソフトウェアベンダーもAIの組み込み、ワークフロー自動化、業界別データでカスタマイズされたモデルの迅速導入によって対応
  • これらの特化ベンダーは、すでに信頼、構造化データ、現場ワークフローを確保しており、ドメイン特化AIの展開で優位性を持つ
• 今後の展望
  • 水平型プラットフォームは、多様な機能統合と全社ナレッジ接続に強み
  • 特化ベンダーは、業界別の規制、契約、顧客コンテキストに合わせた深いAI機能で差別化
  • 誰が中核レイヤーを抽象化し、ユーザーインターフェースと業務ロジックを掌握するかが鍵
  • AI時代の収益化は単純な利用量ではなく、『Attention』、『Context』、『Control』に従って決まる

SaaS既得権者たち（Incumbents）

• Microsoft GitHub Copilot
  • 2022年6月に正式リリース
  • 77,000社以上で導入
  • 2年間で前年比180%成長
  • 1億5,000万人の開発者コミュニティ、2年間で50%増加
  • 年間売上5億ドル以上（四半期ベース）
• Microsoft 365 Copilot
  • 2023年3月発表、2023年11月に企業向け正式提供開始
  • リリース後1四半期以内に既存顧客の多くが座席数を10倍以上拡大
  • 四半期ごとにユーザー数が2倍以上増加
  • 従業員の利用率も急増し、直近では60%以上増加
  • CIOの75%以上が今後12カ月以内の導入を計画
• Adobe Firefly
  • 2023年3月にパブリックベータ、2024年2月にAI動画モデルを商用化
  • ブランドとクリエイターから高い評価
  • Firefly全体のアセット生成数が200億件を突破
  • 有料ユーザーの90%以上が動画生成を体験
  • Photoshop/Lightroom GenAIの月間アクティブユーザーはそれぞれ35%、30%を記録
• Atlassian Intelligence
  • 2023年12月にベータ版、2024年12月に100万MAUを突破
  • 1年でAI機能の利用量が25倍に増加
  • 顧客の10%以上がAtlassian Intelligenceを導入
• Zoom AI Companion
  • 2023年9月リリース、2024年12月に350万アカウントが導入
  • 四半期ごとのアクティブアカウント数が68%増加
  • AI Companion 2.0でメモリ・推論・統合などの高度な機能を提供
• Canva Magic Studio
  • 2023年10月リリース、2025年5月時点でAIツールの累計利用回数160億回
  • クリエイティブ、エンタープライズ、非営利を含むコミュニティ全体で活用
  • AIツールの利用記録は100億件以上
• Salesforce Agentforce
  • 2024年9月発表、2025年2月時点で3,000件の有料契約を締結
  • データクラウドと連携し、大規模な顧客体験の革新を推進
  • 年間120%以上のAI ARR成長率を維持

OpenAI ChatGPT = Potential Horizontal Enterprise Platform?

• Microsoft Office Suite
  • Outlook、Word、Excel、PowerPointなど9つのアプリケーションで構成
  • 34年間で4億人以上の有料ユーザーを獲得（1990〜2024年）
• OpenAI ChatGPT
  • 単一アプリケーションであるにもかかわらず、わずか2.5年で2,000万人の有料ユーザーを達成（2022年11月〜2025年4月）
• ChatGPT Enterpriseの拡大
  • リリースから9カ月でFortune 500企業の80%以上でチーム導入
  • 利用企業は、導入が容易で安全な方法であることを好むと回答
  • 初期導入企業は、社内コミュニケーション改善、コーディング作業の加速、複雑なビジネス上の質問への迅速な回答、クリエイティブワーク支援などでChatGPT Enterpriseを積極活用
  • ChatGPT Enterpriseはすべての利用制限がなく、無料版比で最大2倍高速な性能を提供
  • 高度なデータ分析（旧Code Interpreter）機能にも無制限でアクセス可能
  • 2023年8月〜2025年2月の間に企業/チーム/教育ユーザー数が200万人へと急速に増加

AI-Enabled Specialized Software @ Large Service Industries = 急速に成長中

• ソフトウェアエンジニアリング
  • Cursor AI: 25か月でARR（年間経常収益）$1M → $300Mを達成
  • CursorはAIコードエディタとして、コード作成、リファクタリング、自動化などで革新的なユーザー体験を提供
  • 1日10億文字以上を編集し、$100M超の経常収益を記録
• 製品開発（No-Code Product-Building）
  • Lovable: 5か月でARRが13倍成長し、$50Mを達成
  • 自然言語で製品アイデアを入力すると、フロントエンド／バックエンドコード、DB統合、デプロイまで自動生成するAIベースのノーコードプラットフォーム
  • 誰でもすばやく製品を作り、ビジネスを始められるよう支援
• ヘルスケア（臨床対話）
  • Abridge: 5か月でCARR（契約経常収益）$50M → $117Mに成長
  • 約25,000人の医療従事者と40の病院、600の医療機関が導入し、患者来院記録の要約に1,000万件以上利用
  • 利用する医療従事者から肯定的なフィードバックが多数
• 法律（ワークフロー自動化）
  • Harvey: 15か月でARR $10M → $70Mに成長し、42か国で235社の顧客を確保
  • 米国の上位10大法律事務所の大半が採用し、法律／専門サービスのワークフロー自動化と効率性革新を主導
• カスタマーサポート（AI Support Agents）
  • Decagon: 1年でARR約$1M → $10Mに成長
  • AIサポートエージェントが反復業務を自動化し、カスタマーサポート職務はAIマネージャーの役割へ移行
  • 2025年の追加成長を見込む
• 金融サービス（リサーチと分析）
  • AlphaSense: 2年でARR約$150M → $420Mに成長
  • AIベースのインサイトが市場標準として定着し、高度な市場情報・ワークフローソリューションを提供
  • 製品革新と技術投資に集中し、2025年も高成長を継続

AI Monetization Threats = Rising Competition + Open-Source Momentum + China’s Rise

Rising Competition = AI Model Releases

• 2017年のGoogleによる「Attention is All You Need」トランスフォーマー論文以降、LLM（大規模言語モデル）を中心とする第1のAIイノベーションが始まった
  • OpenAIのGPT-3、MetaのLlama-1などは、大規模なテキスト予測学習を通じて汎用的な推論能力の可能性を実証
• しかし、人間のコミュニケーションはテキストだけに限定されない
  • 画像、音声、動画、センサーデータなど多様なシグナルが、実際の状況の文脈を豊かに伝える
  • Google、Anthropic、xAIなど複数の企業が言語モデルをマルチモーダル（複数データ形式の処理）へ拡張
    マルチモーダルAIモデルの進化
  • テキスト、写真、音声、映像情報を1つのベクトル空間に統合して理解・生成
  • 1つの問い合わせに対して段落と図表を同時に参照し、回答は音声要約や注釈付き画像として返すことが可能
  • システム切り替えを必要とせず、あらゆるデータ形式を自由にまたぐ構造
• 主な段階ごとの進化事例
  • 2021年 OpenAI CLIP: 視覚＋言語の統合
  • 2023年 Meta ImageBind、2024年 Chameleon: 画像・音声・映像の融合
  • 2024-2025年 GPT-4o、Claude 3、Chameleon: 完全なマルチモーダル・フロンティアモデルが登場
• 実運用での効果
  • 現場エンジニアがスマートフォンのカメラで設備異常診断をリアルタイムに確認
  • 医療従事者がX-ray添付と同時に構造化された診療レポートのドラフトを生成
  • アナリストがチャート、文字起こし、オーディオクリップを一度にクエリして統合分析
  • テキストベースモデルと比べてコンテキストスイッチが減少し、より豊かな情報把握と、ビジョン・音声中心サービスの革新を実現

Open-Source Model Momentum

• AIモデル開発は初期（2012-2018年）にはオープンソース中心で進んだ
  • 学術界と協業文化に基づき、モデル、コード、データが公開された
• 2019年以降、商用化、セキュリティ、競争激化によりクローズドソースモデルが登場
  • GPT-2公開時点から主要モデルの重み・学習データは非公開へ転換
  • OpenAI GPT-4、Anthropic Claudeなどは大規模な独占データと資本投入のもと、API形式で提供
  • 性能、使いやすさ、信頼性で強みがあり、大企業・政府・消費者に好まれる
  • 一方で、訓練データ・モデル構造・ファインチューニング方式に対する透明性不足が限界
• 最近はオープンソースモデルが再び台頭
  • 開発・利用コストが低く、アクセス性に優れるため、スタートアップ・開発者・学術界で人気
  • Hugging Faceのようなプラットフォームを通じて、Meta Llama、Mistral Mixtralなど最新モデルを簡単にダウンロード・活用できる
  • AI開発は巨大な研究所から、再び個人・コミュニティベースの実験環境へと拡張
  • 迅速な実験、協業、コミュニティ参加によってイノベーションが加速
• 中国はオープンソースの大規模AIモデル公開数で、2025年時点の世界1位
  • DeepSeek-R1、Alibaba Qwen-32B、Baidu Ernie 4.5など、2025年に大規模モデルを公開
• クローズドソース vs オープンソースの明確な分化
  • オープンソース: ソブリンAI、ローカライズ言語モデル、コミュニティ主導のイノベーションを牽引
  • クローズドソース: 消費者市場と大企業導入で優位、最適化と使いやすさが中心
  • 開放性／速度／自由 対 セキュリティ／最適化／統制という2つのパラダイムが競い合い、AIの未来を左右する

Rising Performance of Open-Source Models + Falling Token Costs = Explosion of Usage by Developers Using AI

• 初期にはGPT-4、Claude、Geminiなどのクローズドソースモデルが消費者市場と大企業市場を主導
  • 容易なオンボーディング、洗練されたUI/UX、高い信頼性により、大衆認知と企業導入で強み
  • 非技術系人材でも使いやすいセキュリティと利便性、ブランド力を提供
• 最近はオープンソースモデルの性能差が急速に縮小
  • Llama 3、DeepSeekなどは推論力、コーディング、多言語対応でクローズドモデルと競える水準に到達
  • 自由にダウンロード・ファインチューニング・ローカル展開が可能で、コストははるかに低い
• 開発者を中心にオープンソースAIモデルの採用が加速
  • 開発者は完成度の高いUXよりも、カスタマイズ性と低コスト／高性能を好む
  • アプリ、エージェント、パイプラインなど多様な領域で、オープンソースモデルベースのイノベーション実験が活発
• トークン価格の下落とオープンソースモデルの性能向上を背景に、AIを活用する開発者数が爆発的に増加
  • 以前はクローズドAPIへの依存度が高かったが、今ではローカル・クラウドの両方で直接構築・拡張が可能
• なお、消費者市場／大企業への本格普及にはまだ限界
  • オープンソースはブランド力、ユーザーフレンドリーなUX、マネージドサービスなどで弱みがある
  • しかし、インフラがさらに便利になり、コスト／性能差が維持されれば、大衆市場へ拡大する可能性がある

China’s Rise

• MetaのCTOであるAndrew Bosworthは、現在のAIを「宇宙開発競争（space race）」になぞらえ、特に中国の能力を非常に高く評価している
  • かつての宇宙開発競争が体制間競争という性格（イノベーションの速度・グローバルな信頼性）を持っていたように、AI競争も世界秩序に影響を与えうる
• 中国は「中国製造2025」（Made in China 2025）政策を契機に、低価格製造から先端技術主導国へと急速に転換
  • ロボット、電動化、情報技術、そして世界水準の人工知能を中心に、戦略産業で急速に能力を強化
• 中国AIの軍事・国家戦略への適用
  • 戦場物流、目標認識、サイバー作戦、自律的意思決定プラットフォームなど、国家安全保障全般でのAI活用が拡大
  • 2025年には国営メディアが、軍支援（非戦闘）分野、たとえば軍病院などへのAI適用も強調
  • 科学技術部は「自主的イノベーション（indigenous innovation）」を国家の中核課題として明確に提示
• 中国AI優位のグローバルな影響
  • OpenAIのSam Altmanは2024年の寄稿文で、「権威主義体制がAIで優位に立った場合、米国および他国の企業にデータ共有を強要し、自国民監視やサイバー兵器開発にAIを活用しうる」と警告
• 米中の技術覇権競争の激化
  • AIだけでなく、レアアース、半導体、先端技術分野でも主導権争いが拡大
  • 中国はレアアース（先端電子機器・国防・クリーンエネルギーの中核素材）供給で世界的強者の地位を維持し、米国はこれを牽制するため半導体のリショアリング（国内生産回帰）や同盟国（日本、韓国、オランダなど）との協力を強化
  • 台湾TSMCは世界の半導体ファウンドリの中核であり、米中両国の戦略的計算の中心に位置する
• 米国内の政策基調の変化
  • 20年にわたる消極的対応から脱し、両党とも先端技術産業を「国益の中核」として積極的に認識
  • バイデン政権は輸出規制、トランプ政権は経済ナショナリズムとリショアリングなど、さまざまなアプローチを採用
  • 上院議員John Cornyn、Mark Warner：「米国の半導体イノベーションは経済全体を支えてきたが、慢心が競争国（敵対国を含む）に追いつかれる隙を与えた」
• 米国の技術知的財産権（IP）保護の重要性
  • OpenAIは、「中国などの競争国は米国先導のAIモデルをリバースエンジニアリングしようと継続的に試みており、政府との緊密な協力が不可欠だ」と言及
• 米中関係を見る視点の変化
  • WTO加盟初期（2000年代）とは異なり、現在の米国は、AI、半導体、重要鉱物などの先端技術が経済・産業資産を超えて、国家のレジリエンスと地政学的パワーの中核軸であることを明確に認識

Public Market Capitalization Leader Tells of Last Thirty Years = Extraordinary USA Momentum…China Rising

• 過去30年（1995〜2025年）における世界時価総額上位30社のうち、継続して残っている企業は6社
  • Microsoft, Walmart, Exxon Mobil, Procter & Gamble, Johnson & Johnson, Coca-Cola
  • 新たに上位入りした企業
    • NVIDIA, Apple, Amazon, Alphabet(Google), Saudi Aramco, Meta Platforms(Facebook), Tesla, Broadcom, Berkshire Hathaway, TSMC, JP Morgan Chase, Visa, Eli Lilly, Tencent, Mastercard, Netflix, Costco Wholesale, Oracle, Home Depot, SAP, Bank of America, ICBC, AbbVie, Palantir
  • 1995年の国別構成比
    • 米国: 53%（30社中16社）、
    • 日本: 9社、
    • スイス: 3社、
    • 英国: 2社
  • 2025年の国別構成比
    • 米国: 83%（30社中25社）
    • 日本/スイス/英国: 0社
    • 中国2社、サウジアラビア1社、台湾1社、ドイツ1社
• 過去30年間の世界のテクノロジー企業（tech companies）時価総額上位30社のうち、継続して残っている企業は5社
  • Microsoft, Oracle, Cisco, IBM, AT&T
  • テクノロジー企業の新規参入企業
    • NVIDIA, Apple, Amazon, Alphabet(Google), Meta Platforms(Facebook), Tesla, Broadcom, TSMC, Tencent, Netflix, SAP, Palantir, ASML, Alibaba, Salesforce, T-Mobile, Samsung, China Mobile, Reliance, ServiceNow, Intuitive Surgical, Siemens, Uber, AMD, Intuit
  • 1995年のテクノロジー企業の国別構成比
    • 米国: 53%（16/30）、
    • 日本: 30%（9/30）、
    • 英国/シンガポール/香港/メキシコ/マレーシアが各1社
  • 2025年のテクノロジー企業の国別構成比
    • 米国: 70%（21/30）
    • 日本/英国/シンガポール/香港/メキシコ/マレーシア: 0社
    • 中国3社、ドイツ2社、台湾1社、オランダ1社、韓国1社、インド1社
  • 台湾TSMC: 台湾は上位に1社（TSMC）のみだが、2024年第2四半期時点で
    • 世界の先端半導体の80〜90%、半導体全体の62%以上を生産
• 1世代のうちに起きた驚異的な変化
  • インターネットの普及が新たな世界的上位企業誕生の基盤となり、
  • AIの台頭は今後30年間で、これを上回るさらに速く根本的な変化を促すと見込まれる

USA vs. China in Technology = China’s AI Response Time Significantly Faster vs. Internet 1995

• AI大規模言語モデル（LLM）のリーダーシップ: 米国と中国がグローバルAI開発のスピードを主導
  • 2017〜2024年の累積大規模AIシステム構築状況を見ると、米国と中国が突出して先行している
  • 米国は2024年時点で150件以上、中国も100件を超える大規模AIシステムを発表
  • フランス、英国、カナダ、香港、ドイツなどは、依然として米中と大きな差がある
• China AI = 急速な追い上げ、DeepSeek R1
  • DeepSeekは、中国のAI開発力が米国との格差を3カ月まで縮めたと発表（2025年1月）
  • DeepSeekのCEOは、中国が単なる模倣を超え、独自のイノベーションが不可避だと強調
• Alibaba Qwen 2.5-Max: DeepSeek・OpenAI ChatGPTを上回ると主張
  • Qwen2.5-Maxは、さまざまなベンチマークでDeepSeek V3、OpenAI ChatGPTより優れた性能を実証
  • データ規模とモデルサイズ、ポストトレーニング技術の革新を通じて、モデル性能を継続的に向上中
• Baidu Ernie 4.5 Turbo: マルチモーダルAI、低コスト・高性能
  • テキスト・画像・動画をすべて処理するマルチモーダルAIで、「スイスアーミーナイフ」にたとえられる
  • 入力100万トークンあたりRMB 0.8、出力RMB 3.2で、DeepSeek V3の40%、GPT-4.5の0.2%水準のコスト
  • GPT-4.1と同等で、GPT-4oより一部のマルチモーダル作業で優れた性能を実証
• LLM性能: 米国と中国、実際のスコア差が縮小
  • Stanford HAI & LMSYSの2025年2月時点のChatbot Arena結果では、米国1,385点、中国1,362点で接近
• 中国AI: 低い学習コストで性能を達成
  • Epoch AIの資料によると、DeepSeek V3など中国モデルはGPT-4比で著しく低いコストでリリース
• 現地半導体へのAI学習移行
  • 米国の輸出規制により、Huaweiなど現地AIチップクラスターが急速に拡大している
  • Financial Timesによると、Huaweiは中国テック企業向けAIクラスターの供給を本格化
• 中国: 産業用ロボット設置基盤も世界最高水準
  • 2023年時点で中国は27万6,000台、その他の世界は26万5,000台、米国は4万台前後で差がある
• 結論: 中国のAIイノベーションのスピードはインターネット導入期（1995年）よりはるかに速い
  • 技術、コスト、インフラの面で米国との格差を急速に縮めており、グローバル産業の主導権競争は一段と激化している

China Consumer AI Usage = DeepSeek Rose Quickly

• グローバル生成AI市場は、地域別・チャネル別・ユーザー選好によってますます分化する傾向
  • 世界全体ではOpenAIのChatGPTがデスクトップ・モバイルの両方で明確な1位を占めているが、プラットフォーム別の競争は激化している
  • AnthropicのClaude、Google Geminiも徐々にシェアを拡大しており、xAIのGrokは2025年2〜3月時点で月間訪問者294%増となり、最も急成長するAIアシスタントとして記録
• 中国ではDeepSeekなど現地AIモデルが優勢
  • ChatGPTは大半の国で1位だが、ロシア・中国ではサービス利用不可のため、DeepSeekなど現地モデルが主流
  • Roland Bergerコンサルティングによると、中国国内の月間アクティブユーザー基準AIアプリTOP10はすべて国産（DeepSeek、Kimi、Nami AI、ERNIE Botなど数千万人規模のユーザー）
  • 中国を除く世界全体ではChatGPTが圧倒的で、中国国内では完全に別個の市場が形成されている
• 中国のプラットフォーム規制と環境
  • Facebook, Twitter, Google, YouTubeは2010年またはそれ以前から中国国内でアクセス不可
  • Instagram、WhatsApp、Wikipedia、Telegram、Spotifyに加え、最近ではChatGPT, Google Gemini, Claude, Meta AI, Microsoft Copilotなども遮断
  • こうした規制環境がローカルAIチャンピオンの台頭を後押し
• AIに対する認識の違い
  • Stanford HAIとIpsosの調査結果では、中国市民の83%がAIの純効果を肯定的に評価（2024年時点、2022年比5ポイント増）
  • 米国市民は同じ質問に39%のみが肯定回答し、2年間で大きな変化はない
  • 社会的・哲学的観点から、AIへの接近と受容のあり方は国ごとに異なる
• プラットフォーム選択は性能や価格を超え、次第に国家的・文化的アイデンティティの領域にまで拡大
  • 単に「誰がうまく作るか」ではなく、「どう受け入れ、どう使うか」がより重要な分岐点として作用

AI & Physical World Ramps = Fast + Data-Driven

• これまではデスクトップ／モバイルソフトウェアにおけるAIの普及と収益化に注目が集まってきたが、現実の物理世界におけるAIのイノベーションと収益化は、それ以上に速く劇的な様相を見せている
  • いまや知能はデジタルアプリケーションだけでなく、車両、機械、防衛システムにも深く組み込まれている
  • Waymo、Teslaのような自動運転車フリートは、もはや実験室のプロジェクトではなく、実際に収益を上げながら数百万マイルの無人走行データを蓄積し、高度化されたソフトウェアループへと急速に進化している
  • Applied Intuitionは、ハードウェアに依存しないソフトウェア定義車両システムとシミュレーションプラットフォームを開発し、メーカーが人工知能を部品のように容易に適用できるよう支援している
  • **防衛産業（Anduril）**では、AIがあらゆるエッジノード（ドローン、センサーなど）に搭載された自律システムを出荷し、防衛のパラダイムを転換している
  • **農業（Carbon Robotics）**分野では、AIベースのコンピュータビジョンにより除草剤を使わずに雑草を除去するなど、物理世界の資本資産がそのままソフトウェアエンドポイントになる大転換を迎えている
  • AIがもはや画面の中だけにとどまらず、現実を動かす力（kinetic）になりつつあることを示唆
• Tesla Vertically-Integrated Electric Vehicles
  • 2022年6月から2025年3月までに、完全**自動運転（Full Self-Driving）**の累積走行距離が100倍成長
  • バージョン12の導入により、33万行のC++コードをニューラルネットに置き換え、完全なend-to-end AIアーキテクチャを適用
  • 物体認識、経路計画、車両制御など、あらゆる段階でAIが中心的な役割を果たしている
  • テスラは世界で最も効率的なAI推論企業である可能性がある
• Waymo Fully-Autonomous Vehicles
  • 2023年8月～2025年4月、サンフランシスコのライドシェア市場シェアが0%から27%へ急成長
  • マルチモーダルAIベースのperception、planning、predictionにより、堅牢な商用システムを構築
  • 実市場において商業的に成立する自動運転車製品を実証
• Applied Intuition Vehicle Intelligence
  • 2024年時点で、世界の主要自動車OEM18社にAI車両知能ソリューションを提供
  • 自動車、トラック、建設、防衛分野まで、さまざまな産業でシミュレーションプラットフォームと自動運転ソフトウェアを拡張
  • 国防分野では、オフロード自動運転およびディフェンステクノロジー製品群を強化
• Anduril AI-Enabled Autonomous USA Defense Systems
  • 2022～2024年に2年連続で年間売上高が2倍成長し、2024年には10億ドルを突破
  • AIおよび自律システムを活用して、現代の戦場環境におけるより迅速かつ精密な意思決定を支援
  • 分散された各エッジノードにAIを配置し、セキュリティおよび防衛システムを革新
• KoBold Metals AI-Driven Mining Exploration
  • AIベースのマシンプロスペクター技術により、1975年以降で最低効率だった鉱物探査分野の探索効率を劇的に改善
  • 大規模な地理・地球物理データと統計的関連モデルを組み合わせ、有望な探査候補を迅速に特定
  • 業界平均の2倍以上の効率で新たな金属サプライチェーンを確保
• Carbon Robotics AI-Driven Agricultural Modernization
  • 2023年1月～2025年5月に累計23万エーカー超で除草を実施し、グリホサート（除草剤）10万ガロン超の使用を回避
  • AIベースのディープラーニングとコンピュータビジョン技術により、農作物の周囲の雑草をレーザーで除去
  • 自動化機械は1時間あたり2エーカー、1日あたり20万本の雑草を除去可能
• Halter AI-Driven Intelligent Grazing
  • 2025年時点で、牧場向けスマート首輪の新規契約件数が年平均150%以上成長
  • AIベースの放牧管理により、資源利用を効率化し、土壌の健全性を改善、持続可能性を強化
  • 現代農業への技術導入が遅れている現実を打破する、大規模な生産性向上と炭素削減効果を実証

Global Internet User Ramps Powered by AI from Get-Go = Growth We Have Not Seen Likes of Before

• 低コスト衛星インターネットの普及により、世界人口の32%に当たる26億人の未接続人口が新たにオンラインへ流入する可能性が急速に高まっている
• これらの人々は従来と異なり、最初のインターネット体験からAI機能が標準搭載された状態で始めることになる
• 検索窓に直接入力したり従来型ブラウザを経由したりせず、すぐに自然言語でAIと対話しながら情報を得て、さまざまな技術サービスを利用していく見通しだ
• このようなAIエージェントベースのインターフェースは、アプリではなくインターフェースを所有するプレイヤーに市場価値を集中させ、既存プラットフォームの序列を揺るがす可能性がある
• 今後はプラットフォーム所有よりインターフェース所有のほうがさらに重要になり、現地言語や文脈、ユーザー意図を理解するAIが中核的な競争力になる見込みだ

New Internet User Growth = Enabled by AI + Satellites

• Orbital / Satellite Launch Market Share, Global = SpaceX Rising
  • 2008年以降、商業および国家主導の宇宙打ち上げルネサンスが始まり、SpaceXが年間打ち上げ回数で大きな比重を占めている
  • 米国（非SpaceX）、中国、ロシアもそれぞれ成長を見せているが、SpaceXの急増が際立っている
  • Cold War～1990年代後半までは国家主導だったが、近年は民間主導の打ち上げ増加傾向にある
• SpaceX Starlink @ 5MM+ Subscribers = +202% Annual Growth Over 3.2 Years
  • Starlinkは2021年の約10万人から2024年には500万人超へと加入者が増加
  • 年平均202%の成長率を記録し、グローバルなインターネットユーザー基盤を急速に拡大
• SpaceX Starlink Ecosystem = Coverage Expanding Globally
  • 2025年時点で、Starlinkは北米、南米、欧州、オセアニア、アフリカの一部、アジア主要地域までサービスエリアを拡大
  • まだサービスが提供されていない国は、中国、ロシア、イランなどに限られている
• Starlink = Unlocking Previously-Inaccessible Internet Access in AI Era
  • Coco, Monterrey, Mexico: メキシコの農村地域に高速で信頼性の高いインターネットを提供し、コミュニティWiFiによってデジタルアクセスを拡大
  • Chile School District: チリの学校で36台のコンピューターが同時接続可能な高速インターネットを提供し、生徒と教師の双方が授業環境の革新を体験
  • Brightline Trains, USA: 米国の高速鉄道で安定した衛星インターネットを提供し、乗客体験と運行効率を向上
  • Seaspan Corporation, Global: グローバル海運会社に衛星インターネットを導入し、船内の遠隔オフィス化、乗組員の安全性と運航効率の改善、従来は不可能だったソリューションを実現

AI & Work Evolution = Real + Rapid

• AI導入による仕事の本質的変化
  • ロボットやドローンなどの物理的自動化に加え、認知的自動化が急速に広がっている
  • AIシステムが 推論、創作、問題解決 の能力を備え、業務領域を拡大
• AIの認知能力の成長速度
  • ChatGPT公開（2022年11月）以降の3年間で、高校生レベルから 博士級の推論能力 へと進化
  • 膨大な構造化データに基づくルール・判断業務は、AIの強みへと移行
• 労働単位の変化
  • 従来の人間中心の労働から、データセンターとAIモデル の計算能力中心へと転換する可能性
  • 特定の労働力の供給と品質をAIインフラが決定する時代が到来しつつある
• エージェント基盤の未来と人間の役割
  • 一部では AIエージェントがホワイトカラー職 を代替すると予測
  • しかし、生産性・効率向上とともに新たな人間の職務が登場してきた歴史的パターンを考慮する必要がある
  • 完全なエージェント中心社会でも、監督・訓練・指導 など人間の役割は残る
• 未来の労働構造および社会的変化
  • RLHF（人間のフィードバックに基づく強化学習）のように、人間はAI・ロボットの性能を 訓練・微調整 する役割へ移行
  • 歴史的にも仕事の進め方の変化は常に繰り返されており、AIもまた 生産性と仕事の進化 を促進する技術である

Summary

• インターネットのない生活が想像しにくいのと同じように、これからはAIのない世界も想像できなくなる見通しである
  • AIは顧客支援、ソフトウェア開発、科学、教育、製造など、産業全般の中核インフラ として急速に定着しつつある
• AI大衆化の加速要因
  • ChatGPTなどの マルチモーダルAIツール のグローバルな普及、推論コストの低下、多様なモデルの登場が後押し
  • 個人開発者から大企業まで アクセスと実験が容易になり、イノベーションの拡散が加速
• 技術インフラと投資
  • 大手クラウド、半導体、ハイパースケーラーによる 設備投資の急増
  • チップ・データセンター・ネットワーク・エネルギーシステムなど、物理とデジタルの境界が ますます曖昧になる傾向
• 米中の戦略競争とグローバルAI主導権
  • 米国がモデル革新、カスタムチップ、クラウドインフラで先行する一方、中国もオープンソース、インフラ、政策支援で急成長 している
  • 両国ともAIを 経済成長 と 地政学的影響力 の中核的なテコとして認識している
• プラットフォーム・インターフェースの変化
  • AIは既存のアプリ生態系を超えて、エージェント基盤の対話型インターフェース へと進化
  • 衛星インターネットなどにより、今後の 新規インターネット利用者はAIネイティブな体験 から始める可能性が高い
• 雇用と働き方の変化
  • 職場でのAI導入が加速し、労働単位が人間から計算能力・AIへと段階的に転換 している
  • より多くの人々がAIと共に働き、AIが業務環境を再編していく流れが鮮明になっている
• 国際情勢と技術の結合
  • 情報・資本の流れ、兵器化される技術、民主主義と権威主義の対立激化により、不確実性 が高まっている
  • しかしイノベーションは国家競争力の核心であり、迅速な実行と同盟戦略が重要 との指摘
• 結論
  • AIのゲームタイム が到来し、それはますます激しさを増している
  • Genie（ジーニー）は再び瓶の中には戻らない（もはや後戻りできない地点 を越えた）

[xguru]

PDFファイルでも公開されています https://www.bondcap.com/report/pdf/Trends_Artificial_Intelligence.pdf