需要が供給成長を上回り、AIコンピューティングコストが15倍に上昇する可能性

著者：Dwarkesh Patel

編集：深潮 TechFlow

深潮導読：AIモデルの能力がトップレベルのソフトウェアエンジニアに追いつくとき、H1001台の適正賃料は年間25万ドルを超える——これは現在のスポット価格の15倍である。これは遠い予測ではなく、Anthropicの収益が10倍の成長率で拡大する一方で、計算リソースが3倍の成長率で拡大しているという構造的な張力が推進する現実のトレンドである。投資家にとって、誰が最初に計算リソースを確保し、最も効率的なモデルをトレーニングできるかが、次なる競争格局を決定する。

私は極めて簡潔な書き方を試してみたい：2時間の制限を設けて、素早く1本のブログ記事を仕上げる。重要なサブトピックの多くを深く掘り下げられないが、こうしないと、私が興味を持つ多くのテーマは常に先延ばしのまま、進展がなくなる。

今日は、今後数年間のAIラボにおける計算リソースの状況についてお話ししたいと思います。

Anthropicの収益は年間で10倍に成長している。この傾向が続くと、Anthropicの今年末の収益は1000億～1500億ドルの範囲に収まる可能性が高い。この傾向が継続すれば、来年末には1兆ドルの収益を達成しなければならない。もちろん、この傾向が必ず続くという確実な理由はない——これは結局のところAIの能力の問題である。しかし、もし本当に継続すると仮定すれば、この世界ではどのような条件が成立しなければならないのか？

実験室の計算能力は年間3倍に成長している。実験室が計算能力が3倍しか成長しない状況で収益を10倍に伸ばすには、以下の3つのうち複数が同時に発生しなければならない：一、実験室の利益率の向上；二、計算能力の価格上昇；三、実験室がより大きな割合の計算能力を推論に使用すること。

私の理解では、この三つの出来事は基本的に同時に起こっています。第一に、Anthropicの利益率は2025年の40％から、今年のFable推論業務では80％以上に上昇した可能性があります（ただし、限界計算リソースの利益率については別途説明します）。第二に、計算リソースのスポット価格は今年2月の安値以来、40%以上上昇しており、実際の実験室が支払う価格の上昇幅はさらに大きい可能性があります（後で詳しく説明します）。第三に、Epochのデータによると、OpenAIは2024年に計算リソース支出の約四分の一を推論に費やしていましたが、現在はこの割合が50％に近づき、それ以上になっている可能性があります。

研究機関は実際、第三の道（ますます多くの計算リソースを推論に割くこと）を選びたくない。あるジョークが的確に指摘しているように、推論の収益の意味は、投資家にさらに資金を提供させ、より多くの計算リソースを購入してより大きなモデルを訓練させるための説得手段である。もし大部分の計算リソースを推論に割き続けると、ある意味でAIの進歩が停滞したことを宣言していることになる——なぜなら、訓練へのさらなる投資はもはやコストパフォーマンスが悪く、あなたのビジネスはほぼクラウドサービスプロバイダーと変わらないからだ。しかし、各大手研究機関はそうは考えていない。彼らは現在展開しているモデルが1年後には非常に陳腐化していると感じており、現在のビジネスは、より賢いモデルの訓練を継続するための商業的実績を蓄積するためのものだと考えている。

残りの選択肢は二つある：一、実験室の利益率を向上させる；二、計算能力のコストが上がる。もしトップの数社の実験室が競合他社を大きくリードしているなら、最初の選択肢がより顕著になる。市場競争において、利益率はあなたが次善の選択肢よりもどれだけ優れているかに依存する。最初の効果が支配的になるためには、来年末までに利益率が90％以上に達する必要がある。これは私には非常に異常な数字に思える。しかし、AI実験室の収益が驚異的な速度で継続して成長する可能性は確かに感じている。

したがって、「来年末の売上高が1兆ドルに急増する」という世界が現実となるための最後の効果は、計算能力の大幅な価格上昇です。私が述べたように、これはすでに始まっています。実際の研究室が求めるレベルの計算能力を見ると、価格上昇はさらに顕著です——彼らはスポットインスタンスに頼ることができず、モデルの重みとユーザーのデータのセキュリティを確保し、十分なスケールを確保して高い利用率と柔軟性を得る必要があります。この市場がどれほど異常かを見てみましょう：GoogleとAnthropicがSpaceXから計算能力を賃貸する価格です。Googleは毎月9億ドルを支払い、11万枚のGPUをレンタルしています。このGPUはGB200とGB300の混合体です。換算すると、これはこれらのGPUのスポット価格のおよそ2倍です。そして現在のスポット価格自体が2月より40%上昇しています。

私は核心的な結論を強調したい：AIモデルがますます強力になるにつれて、同じ計算リソースから生み出される価値も高まっている。もし、人間レベルのソフトウェアエンジニアがH100級のデバイス上で動作すると仮定すれば、現在のソフトウェアエンジニアの市場給与水準に基づけば、このH100の年間賃料は25万ドルを超えるはずだ——現在の現物価格の15倍である。

もちろん、突然1000万人のソフトウェアエンジニアが増加すれば、限界エンジニアの価値は当然下がるため、そのH100が現在の収益の15倍を生み出すとは限らない。しかし、私はこの論理が成り立つのか確信がない。この主張をAIではなく人間に適用すれば、これは古典的な「労働力総量の誤謬」である。経済学者たちは一般的に、高スキル移民は長期的に賃金を押し下げないと考えている。なぜなら、専門化とイノベーションが労働力の価値を高めるからだ。おそらく今回の労働力供給ショックの規模が大きすぎ、速すぎるために、この経験則が無効になっているのかもしれない。しかし、標準的な経済学が労働力に対して示す見解を信じるなら、限界労働力の価値（および算力の限界価格）は驚異的な水準で維持されるはずである。

この世界では何が起こるのでしょうか？

トップモデルは計算リソースからますます価値を引き出しており、追いつく難易度はますます高まっています。2028年までにソフトウェアエンジニアリングが自動化され、計算リソースの価格が現在の15倍に上昇した場合、収益がゼロの状態でトップラボと計算リソースを競い合うことは極めて困難になります。

最良で最も効率的なモデルを訓練できれば、得られる利益率は今日よりもはるかに高くなる。これはアルチン・アレン効果である：固定コストが品質の異なる二つの商品に同時に上乗せされると、高品質な商品の方が相対的にコストパフォーマンスが良くなり、需要はそれへとシフトする。H100の1時間あたりの価格が20ドルに上昇すると、より弱く効率の低いモデルを使用することは極めて高額で馬鹿げた選択になる——同じ結果を得るために、より多くのトークンを消費し、より高価な計算リソースを消費しなければならないからだ。したがって、より少ない計算リソースでトップレベルのモデルを訓練できる人物は、非常に高いプレミアムを課すことができる。基礎となる計算リソースのコストはすでにこれだけかかるのだから、同等の計算リソースで最も効率的なモデルを使うために、わずかに多く支払わない理由があるだろうか？

現在人気のある多くのAIアプリケーションは、価格の面で淘汰されるでしょう。AIは現在、人間の労働力に比べて比較的安価です。これは、AIがトップレベルの人類が行える多くのことをまだ実現できないためです。しかし、その状況はいずれ変わります。そのとき、GPUを使って短い動画のゴミコンテンツを生成するコストは、見合わなくなるほど高くなるでしょう。

しかし、このような予測は、過去の希少性に関する誤った予測と類似しています。私が思い出すのは、サイモン・エリッチの賭けです：ポール・エリッチは、1990年までの10年間で、一籠の商品価格が下落するのではなく上昇すると予測しました。この賭けは、通俗的な経済学の議論で有名であり、エリッチのマルサス的 Weltanschauung が否定されたとされる理由となっています——彼は、市場シグナルと人間の知恵が希少資源を節約する役割を過小評価したとされています（ただし、この賭けを別の10年間で行えば、エリッチが勝っていたという分析もあります）。

私は、計算能力には商品という参照枠が適していないと推測します。なぜなら、計算能力の供給の弾力性は金属採掘よりもはるかに低く、大規模な需要ショックを吸収したり代替策を見出したりする能力もはるかに弱いからです。毎年3倍の計算能力成長は、以下の3つの数値の積によって導かれます：モールの法則による1.4倍、新製造工場の建設による1.2倍（少なくとも2030年まではEUV装置の供給に制約される）、そしてAIが他のデバイスから先進プロセスウエハの割当を奪うことで生じる1.8倍（この項目は2027年頃に壁に突き当たり、AIがN3ウエハの割当を60％から86％まで引き上げるためです）。この3つの乗数のいずれも、さらに引き上げるのは難しく、最後の項目はウエハ割当が飽和する1〜2年以内に頂点に達します。

私が言いたいのは、将来のある時点で計算能力が再び安くなるということです。いずれ、ロボットが海辺の珪砂や地下の銅鉱を直接コンピューターに変える時代が来るでしょう。そのとき、計算能力の価格は原材料とツールのコストに近い水準まで下がるはずです。私が今議論しているのは、この現段階だけです——AI計算能力は年間3倍しか成長しておらず、この速度では、AIが年々価値を高めることによる価格上昇効果には到底追いつけません。

ちなみに、Anthropicの収益は年間10倍成長しているのに対し、計算リソースは3倍しか成長していない。これは、モデルビジネスに非常に強いスケールエコノミーが存在することを示している。論理的に考えれば納得できる——モデルを訓練するには一度だけ学習コストがかかり、そのコストをすべてのユーザーに分散できる（人間の労働力とは異なり、各インスタンスを最初から訓練する必要はない）。智能にこのような強いスケールエコノミーが存在する世界に住みたくない（権力の集中が心配だから）。しかし現実はまさにそのようになっている。