AIの1兆ドルの問題

2025年に入り、人工知能セクターは重要な変化点に立っています。業界は前例のない投資と注目を集め続けています。特に、生成的な人工知能の分野では、数多くの潜在的な市場動態が、今年は人工知能の景観の大きな変化をもたらすことを示唆しています。

人工知能スタートアップを率いて、業界の急速な進化を観察してきた私の経験から、この年は多くの根本的な変化が起こるでしょう。例えば、大規模な概念モデル（LCMs）が大規模な言語モデル（LLMs）と競合するように登場すること、専用の人工知能ハードウェアの台頭、ビッグテック企業が人工知能インフラストラクチャーの大規模な構築を開始し、ついにスタートアップを上回り、人工知能の独占を確立するかもしれません。

人工知能企業の独自の課題：ソフトウェアでもハードウェアでもない

根本的な問題は、人工知能企業が従来のソフトウェア企業とハードウェア企業の中間にある未曾有の地平線で運営していることです。純粋なソフトウェア企業が比較的低い運営費用で人材に投資するのとは異なり、またはハードウェア企業が長期的な資本投資を行い、収益への明確な道筋を持っているのとは異なり、人工知能企業は、現在の資金調達モデルを不安定にする一連の課題に直面しています。

これらの企業は、GPUクラスタとインフラストラクチャに大量の前払い資本支出を必要とし、コンピューティングリソースのみで年間1億ドルから2億ドルを費やします。しかし、ハードウェア企業と異なり、これらの投資を長期間にわたって償却することはできません。代わりに、2年のサイクルで資金調達ラウンドを繰り返し、毎回、次の評価の引き上げを正当化するために、指数関数的な成長と最先端のパフォーマンスを実証する必要があります。

LLMの差別化問題

この構造的な課題に加えて、心配な趨勢が存在します。大量言語モデル（LLM）の能力の急速な収束です。スタートアップ、例えば、ユニコーンのMistral AIのようなものが、オープンソースモデルが閉じたソースのカウンターパートと同等のパフォーマンスを達成できることを実証していますが、以前は空前の評価を正当化していた技術的な差別化が、維持することがますます困難になっています。

言い換えると、毎回の新しいLLMは標準的なベンチマークに基づいて印象的なパフォーマンスを誇りますが、根本的なモデルアーキテクチャーに重大な変化は発生していません。

このドメインの現在の限界は、3つの重要な分野から生じています：データの可用性、高品質のトレーニング資料が不足している（最近、イーロン・マスクによって確認されたことと同様）；キュレーション方法、すべてがオープンAIによって開拓された人間のフィードバックアプローチを採用していること；および計算アーキテクチャー、すべてが同じ限られた特殊なGPUハードウェアに依存していることです。

何が起こっているのかというと、効率性からではなくスケールから利益がもたらされるというパターンが現れています。企業は、より多くの知識をより少ないトークンに圧縮し、グラフRAGs（リトリーバル増強生成）ようなエンジニアリングアーティファクトを開発することに焦点を当てています。基本的に、自然なプレートーに近づいているということです。問題に対してより多くのリソースを投入することで、減少するリターンがもたらされるようになっています。

過去2年の革新のペースが前例のないものであったため、LLMの能力の収束は誰もが予想していたよりも早く起こっています。これは、資金を調達した企業にとって、時間との競争を生み出しています。

最新の研究トレンドに基づいて、この問題に対処するための次のフロンティアは、大規模な概念モデル（LCMs）の出現です。これは、自然言語理解（NLP）というLLMの核となるドメインで競合する、新しい革新的なアーキテクチャーです。

技術的に言えば、LCMsは、いくつかの利点を持ちます。例えば、より少ないイテレーションでより優れたパフォーマンスを達成する可能性と、より小さなチームで同等の結果を達成する能力があります。この次世代のLCMsは、ビッグテックからスピンオフしたチームによって開発され、商業化されるでしょう。有名な‘元ビッグテック’のマベリックが、この革命を先導する新しいスタートアップを設立するでしょう。

収益化タイムラインのミスマッチ

革新サイクルの圧縮により、別の重要な問題が生じています。市場投入と収益化のタイムラインのミスマッチです。人工知能アプリケーションの 垂直化が前例のないスピードで進んでおり、例えば、音声AIエージェントは、わずか数ヶ月で収益を生み出す製品に変わりましたが、この急速な商業化は、より深い問題を隠しています。

例えば、20億ドルの評価を持つ人工知能スタートアップは、4〜5年以内に年間10億ドルの収益を生み出す必要があります。公開時の評価を正当化するために。これには、技術的な優位性だけでなく、ビジネスモデルの劇的な変革が必要です。販売に重点を置いたものに変わり、革新のペースを維持し、巨大なインフラストラクチャーのコストを管理する必要があります。

この点では、2025年に登場するLCMに焦点を当てた新しいスタートアップは、より低い初期評価により、投資家にとってより魅力的な資金調達の対象となるでしょう。

ハードウェアの不足と新たな代替案

インフラストラクチャーに具体的に焦点を当ててみましょう。現在、ビッグプレイヤーがGPUクラスタを購入する前にすでに購入しています。これにより、小規模プレイヤーは、クラウドプロバイダーとの長期契約にコミットするか、市場から完全に排除されるかのいずれかを迫られます。

しかし、ここで本当に興味深いのは、ハードウェアの景観が、まだ広く見落とされている方法で変化していることです。現在のGPUアーキテクチャー、GPGPU（汎用GPU）は、ほとんどの企業が実際に必要とするものに対して、非常に非効率的です。超高速コンピューターで電卓アプリを実行するようなものです。

これが、私が人工知能の専用ハードウェアが業界の次の大きな変化になることを信じる理由です。GroqやCerebras (CBRS ) のような企業は、伝統的なGPUよりも4〜5倍安い運用コストの、推論専用ハードウェアを構築しています。はい、プラットフォームにモデルを最適化するためのエンジニアリングコストは高くなりますが、大規模な推論ワークロードを実行する企業にとって、効率性の利点は明らかです。

データ密度と小型・スマートなモデルの台頭

人工知能の次のイノベーションフロンティアに進むには、特に大規模なモデル seperti LCMsの場合、計算能力の向上だけでなく、豊かで包括的なデータセットも必要になります。

興味深いのは、小型で効率的なモデルが、利用可能なデータでどれほど密に訓練されているかを活用して、より大きなモデルに挑戦し始めていることです。例えば、Microsoft (MSFT ) のFeeFreeやGoogleのGema2Bのようなモデルは、たった2〜3億のパラメータで動作しますが、8億のパラメータを持つより大きなモデルと同等のパフォーマンスを達成します。

これらの小型モデルは、高いデータ密度により、サイズにもかかわらず競争力を持っています。この小型で強力なモデルへの移行は、MicrosoftやGoogleのような企業が持つ戦略的な利点と一致しています。BingやGoogle Searchのようなプラットフォームを通じて、巨大で多様なデータセットへのアクセスが可能になるからです。

このダイナミクスは、人工知能開発で2つの重要な「戦争」が進行していることを明らかにしています。1つは計算能力の戦い、もう1つはデータの戦いです。計算リソースは境界を押し広げるために不可欠ですが、データ密度は同等に、またはそれ以上に重要になっています。巨大なデータセットへのアクセスを持つ企業は、効率性と堅牢性をもって小型モデルを訓練するというユニークな位置にあり、人工知能の進化する景観での支配的地位を固めています。

人工知能戦争の勝者は誰か

この文脈で、現在の人工知能の風景で誰が最も勝利する可能性が高いのか、という疑問が生じます。以下に、考えるための食事です。

大手テクノロジー企業は、建設前にすでにGPUクラスタを事前に購入し、小規模プレイヤーに不足した環境を作り出しています。オラクルの10万を超えるGPUオーダーや、MetaとMicrosoftによる同様の動きは、この趨勢を示しています。

人工知能イニシアチブに数百億ドルを投資したこれらの企業は、数千人の専門のAIエンジニアと研究者を必要とします。このような人才の需要は、戦略的な買収を通じてのみ満たすことができます。多くのスタートアップが近い将来に吸収される可能性があります。

2025年は、これらのプレーヤーにとって、大規模な研究開発とインフラストラクチャーの構築に費やされるでしょう。2026年までに、彼らは、前代未聞のリソースを背景に、以前になく強力なポジションを占めることになるでしょう。

これは、小規模な人工知能企業が絶望的であることを意味するわけではありません。業界は継続的にイノベーションを生み出し、価値を創造し続けるでしょう。LCMsのような分野におけるいくつかの重要なイノベーションは、来年の間に小規模で新興のプレーヤーによって牽引される可能性があります。Meta、Google /Alphabet (GOOG ) 、OpenAI、Anthropicのような企業も、現在、興味深いプロジェクトに取り組んでいます。

しかし、人工知能企業の資金調達と評価の根本的な再構成が見られるでしょう。ベンチャーキャピタルがより選別的になると、企業は、持続可能なユニットエコノミクスの明確な道筋を示す必要があります。特に、資源に富んだ独自ソリューションと競合するオープンソース企業にとって、これは特に大きな課題です。

特に、オープンソース人工知能企業にとって、前進する道は、透明性とカスタマイズ可能な機能が独自ソリューションに対する明確な利点を提供する特定の垂直アプリケーションに焦点を当てることを必要とします。