- 巨額の先行資本と短い技術サイクルが重なり、フロンティアAI研究所は新製品を出すと同時に次世代を準備しなければならない半導体型トレッドミルに入りつつある
- フロンティアモデルの訓練費用は8年間にわたり毎年約2.4倍増加しており、最大規模の訓練ジョブは2027年に10億ドルを超え、2028年には100億ドルに達する可能性がある
- 半導体産業は3〜4年ごとに不況を経験し、少数企業中心に再編されてきたが、Nvidia・Apple・ARMのように製造より一段上で設計・ソフトウェア・エコシステムを押さえた企業は大きな価値を生み出した
- AIでもフロンティアの費用は急騰する一方、同じ性能を実現する費用は一部の推計で毎年10分の1程度まで下落しており、Cursor・Harvey・Abridgeのようなアプリケーション企業は自らモデルを訓練しなくても製品と顧客関係を構築できる
- 規模と資本はフロンティア研究所の中核的な競争力だが、より広い事業機会は安価で豊富になった知能のアプリケーション層にあり、モデル提供者が顧客市場に参入し得るプラットフォーム依存リスクは別途評価すべきである
止まらない半導体トレッドミル
- 次世代半導体企業は、設計、テープアウト、プロセス認定、製造・流通拡大に巨額の資本を投じるが、製品が完成する頃には市場はすでに次世代を求めている
- このサイクルについていけなかった企業は買収・統合されるか、静かに事業を終了しており、技術そのものよりも資本集約度と開発スピードが投資を難しくしてきた
- フロンティアモデル研究所も、大規模な資本を投じて製品をリリースした瞬間に次のモデルを求められるという点で、同じパターンを示している
次世代半導体プロセスのコスト
- 旧世代プロセスでは数十万ドルだったテープアウト費用は、3nmのフルマスク基準で1億ドル以上に達する可能性がある
- 費用の大半はウェハーではなく、マスクセットと非反復エンジニアリングで発生する
- International Business Strategiesが推計した新型チップの総設計費用は、プロセスが微細化するほど急激に増加する
- 28nm: 約4,000万ドル
- 7nm: 約2億1,700万ドル
- 5nm: 約4億1,600万ドル
- 3nm: 約5億9,000万ドル
- 2nm: 7億2,500万ドル以上
- ただし、この数字には議論の余地がある
- SemiAnalysisによると、実際のスタートアップが最先端の7nmチップを総額5,000万〜7,500万ドルで発売した事例があり、高い推計値は上限と見るべきである
- 製造施設まで含めると負担はさらに大きくなる
- 3nm生産施設は150億〜200億ドル
- EUVスキャナー1台は3億5,000万ドル以上
- TSMCの2026年設備投資計画は520億〜560億ドル
- トランジスタ当たりのコストは下がり続けているが、それを相殺できるだけの十分な生産量を確保した企業だけが経済性を得られる
次世代フロンティアモデルのコスト
- GPT-4の最終訓練に投入された償却後ハードウェア費用は、Epoch AIの推計で約4,000万ドルである
- Stanford AI Indexはクラウドのレンタル価格を適用し、約7,800万ドルと計算している
- Sam Altmanは1億ドル以上かかったと明かしている
- Gemini Ultraの推定訓練費は、計算方法によって3,000万〜1億9,100万ドルと幅がある
- 方法論によって最初の桁は変わっても、費用の規模自体は似ており、個別の推計値よりも長期的な増加トレンドが重要である
- Epoch AIによると、フロンティア訓練費は8年連続で毎年約2.4倍増加している
- 最大規模の訓練ジョブは2027年に10億ドルを超える可能性がある
- Dario Amodeiは、2028年に100億ドル規模の訓練ジョブが登場する可能性があると見込んでいる
- 2026年のフロンティア訓練ジョブは、すでに2億〜5億ドル以上と推定されている
- 巨額の先行資本、速いリリースサイクル、リリース直後に次世代を求められる環境が、AI研究所に半導体企業と似た圧力をかけている
AI訓練資産の減価がより速い理由
- 半導体工場は複数のプロセス世代にわたって再利用でき、減価償却が終わった既存の生産ラインも数年間にわたり収益を生み出せる
- 一方、訓練済みのフロンティアモデルは競合がより優れたモデルをリリースした瞬間に価値が落ち、古い半導体工場のような残存価値がない
- この違いにより、フロンティアAI研究所の経済的トレッドミルは半導体製造よりも過酷になり得る
半導体産業のサイクルと統合
- 半導体産業では約70年にわたり3〜4年ごとに不況が訪れ、これまで15回以上のサイクルを経験している
- ドットコムバブル崩壊時、PHLX Semiconductor Sector Index(SOX)は2000年の高値から約82%下落し、Nvidiaの企業価値も約90%減少した
- PitchBook基準で半導体スタートアップへのベンチャー投資は2021年に約145億ドルでピークを付けた後、2022年には46%減の78億ドルを記録した
- 資金市場が凍りつく前に研究開発を売上へ転換できなかったチップスタートアップは、運転資金が枯渇した
- 数千社が存在していた産業は、数十年をかけて少数事業者中心に統合され、特にメモリ市場は寡占構造になった
- 極端な資本集約度と絶え間ない世代交代が重なると、産業は少数の勝者に集中し、好況を恒久的な状態と誤認した企業は次の不況で大きな打撃を受ける
半導体でより大きな価値を生んだ階層
- 半導体産業は、最先端プロセス企業の統合だけを生んだのではなく、テクノロジー産業全体の巨大な価値創出基盤となった
- Nvidia・Apple・Qualcomm・Broadcom・AMDは、自社で工場を所有せず、TSMCなどに最先端製造の資本負担を任せるファブレスモデルで強力な事業を築いた
- ARMはシリコンを直接扱わず、命令セットをライセンスすることで、ほぼすべての携帯電話に入り込んだ
- これらの企業は製造トレッドミルより一つ上の階層で設計、ソフトウェア、エコシステムを押さえ、ファウンドリに財務諸表上のリスクを移した
- より大きな変化は、安価で豊富で継続的に改善された半導体の上で起きた
- ソフトウェア産業
- インターネット
- スマートフォン経済
- クラウドコンピューティング
- Google・Amazonとアプリ経済
- 最先端プロセス競争で消えた企業よりも、その競争が生んだ安価なコンピューティングの上に事業を築いた企業の方が、数十年にわたりより大きな成長を享受した
フロンティア費用の上昇と知能費用の低下
- フロンティアモデルの費用上限は10億ドル以上へ上がっているが、特定の性能水準に到達する費用は一部の推計で毎年10分の1程度まで低下している
- 2023年に訓練費が7,800万ドルだった水準のモデルを、現在では1,000万ドル未満で作れると見られている
- DeepSeekは数百万ドルで高性能なモデルを訓練したとされる
- 正確な数字は議論中で、一部の推計は過度に楽観的かもしれないが、公開モデルで同じ性能を実現する費用が低下する方向性は明確である
- 知能はコンピューティングとともにコスト曲線に沿って低下しており、フロンティア競争とその上のアプリケーション市場は異なる経済性を持つ
AIに移植されたファブレス戦略
- フロンティアモデル訓練には巨額の資金を確保した少数の研究所しか参加できないが、その上のアプリケーション層はより多くの企業に開かれている
- AnysphereはMITの学生4人が2022年に創業し、他社のフロンティアモデルの上にCursorを構築した
- 年換算売上は2025年初めの約1億ドルから、2026年半ばには約40億ドルへ増加した
- SpaceXは2026年6月、約600億ドルで同社を買収することで合意した
- Cursorはフロンティアモデルを直接訓練せず、製品と開発者との関係を所有し、モデル研究所に訓練費を負担させた
- 同じ戦略は複数の産業に適用されている
- Perplexity: 検索
- Harvey: 法務
- Sierra: カスタマーサービス
- Abridge: 臨床現場
- Glean: 企業内業務
- Foundry Robotics: 製造
- これらの企業は訓練トレッドミルに直接乗ることなく、その上で製品と事業を構築している
プラットフォーム依存という別のリスク
- 外部モデルの上に製品を作ると、モデル提供者がアプリケーション層へ上がり、顧客企業の事業と直接競合する可能性がある
- 研究所はすでに、自社モデルを利用する一部の主要顧客と競合している
- Cursorはモデル提供者の自社製コーディングツールと競合しながら小売モデル価格を負担した一方、提供者は卸売水準の経済性を活用できた
- プラットフォーム依存は無視できない投資リスクだが、フロンティア研究所が負担する訓練費・世代交代リスクとは性質と参入コストが異なる
投資で区別すべき2つのタイプ
- 半導体時代には2つのタイプの企業が成果を出した
- 少数の企業は最先端トレッドミルを継続して担える規模を確保した
- より多くの企業は、安価で豊富なシリコンの一つか二つ上の階層で、持続可能かつ高マージンな事業を築いた
- 全体の価値創出規模では、2つ目のタイプが1つ目のタイプをはるかに上回った
- フロンティアモデル時代も同じ方向に展開しており、トレッドミルを市場全体と見なしてはならない
- AIも過去の資本集約的な技術ブームと同様に、一度以上の資金不足を経験する可能性があり、楽観的な市場資金で最新世代を調達する企業はその時期に圧迫されることになる
- より広い機会は、誰がフロンティア競争に勝つかよりも、知能が安価で豊富になった後に何を構築するかにある
- Red Glass Venturesは特に、安価な知能が物理世界と出会うロボティクス、ハードウェア、現実で直接行動するシステムに関心を置いている
まだコメントはありません。