AIエージェントが人間の知識労働に近づき、甚至置き換えるようになる中、計算能力の価格はどのように再評価されるべきか？
最新のブログ記事で、有名なテクノロジーポッドキャストのDwarkesh Patelは、AIラボの収益が継続的に急成長し（例：Anthropicが来年末までに1兆ドルに達する場合）、計算リソースの供給が年間約3倍にしか増加しないならば、計算リソースの価格は10倍以上上昇する可能性があるという大膽な推論を提示した。
シリコンベースの労働力の価格、H100+AI＝25万ドルのシリコンバレーのプログラマー
過去数十年間、計算能力は「ツール」として見なされてきました。コンピューターはより速くなり、サーバーは増え、クラウドコンピューティングは安くなりました。
しかしAI時代にはパラダイムシフトが進行中です：GPUはもはや機械の部品ではなく、デジタル労働力の担い手となる可能性があります。
H100がトップレベルのプログラマーに匹敵するAIエージェントを実行できるならば、その価値は「サーバー時間単価」ではなく、代替される人間の労働価値に基づいて評価されるべきである。
もし、眠らず、いつでも対応し、技術力が人間の最高峰に達した「デジタルソフトウェアエンジニア」がいるとしたら、その年俸をいくら払いたいと思いますか？
シリコンバレーでは、ソフトウェアエンジニアの平均年収は25万ドル以上である。しかし、同等の知的レベルを持つエージェントを実行するには、NVIDIA H100 GPU1枚分の計算リソースで十分である可能性がある。
では、計算してみましょう：
もしこのH100が、年収25万ドルの人類プログラマーを完璧に置き換えることができるなら、純粋な商業的・経済的ロジックに基づけば、このH100の理論的な年間賃料は25万ドル以上であるべきである。
しかし現在、市場でのH100のスポット賃貸料は年間約1万6,000ドルに過ぎません。両者は15倍の差があります。
これが私たちが直面する、人類史上最大の「労働力アービトラージ・ブラックホール」である。
仮想世界の知的繁栄速度が、物理世界の製造限界をはるかに超えたとき、矛盾は爆発した：
デジタルインテリジェンスの価値成長速度は、物理的計算インフラの拡張速度をはるかに上回っている。
この15倍の評価差は、激しい反発を招くでしょう：今後数年間で、算力の実質価格は10倍、あるいはそれ以上の超インフレに直面する可能性があります。
自然ですが、一つ疑問があります。ソフトウェアエンジニアの年収は今後大きく減るでしょうか？
この質問は、ドワルケシュ・パテルも考慮していた。
しかし、労働に関する標準的な経済学の理論を信じるならば、計算能力の限界価値（したがって計算能力の限界価格）は極めて高くなるはずである。
AIがお金を稼ぐ速度は、AIを製造する速度をすでに上回っている
過去数年間、AI業界はシンプルなロジックに従ってきた：より大きなモデル、より多くのデータ、より多くのGPU、より強力な能力。
しかし今、新たな矛盾が浮上しています。AIの成長速度が、計算リソースの供給成長速度を上回っているのです。
Anthropicを例に挙げると、過去1年でその商業収益は約10倍に増加しました。
この成長速度が続く場合、年末までにその年間収益は1000億〜1500億ドルに達する可能性がある。この傾向が継続すれば、来年には「資金の可能性」が兆ドルレベルに達するという、とんでもない課題に直面することになる。
答えは一つだけ：より多くのインテリジェンス。そして、より多くのインテリジェンスとは：より多くのトレーニング、より多くの推論、より多くのGPUを意味する。
しかし、問題は、算力の供給が同じ速度で増加していないことです。
現在、業界をリードするラボの物理的計算能力の拡張は、年間約3倍程度の成長にとどまっている。
そして大きなずれが生じます：
デジタル世界では10キロ走りたいが、物理世界には3キロの道しか用意されていない。残りの距離はどうすればいいのか？
選択肢は三つだけです。第一に、利益率を上げる。第二に、算力の価格を上げる。第三に、より多くの算力を推論業務に投入する。
第三の道は、多くのAI研究所が最も望まないものである。
推論で収益を上げることは、本質的に「AIのビジネスモデルが成り立つ」ことを証明するためだけである。
さらに資金調達を行い、より多くのGPUを購入して、次世代モデルのトレーニングを継続します。
シリコンバレーの本当の循環は：
お金を稼ぐことは目的ではなく、より多くの計算能力を購入するための手段にすぎない。
すべての研究室が真に信じているのは、今日の最先端モデルが1年後には昨日の携帯電話のように、強力だが古くなっている可能性があるということだ。
これにより解決策は前の2つの選択肢、すなわち利益率の急騰か、算力単価の上昇に戻ることになる。
この差額を利益率だけで相殺する場合、来年末までにフロンティアラボの利益率は約95%の中高範囲に達する必要があります。
商業史において、極めて少数の絶対的技術的独占ポイントを除けば、これはほぼ空想である。
したがって、すべての手がかりと論理は、最終的に同じ結論にたどり着いた：算力の単価が前例のない急騰を迎えることになる。
GPUはサーバーから、新时代の工場へと変化しています
多くの人が気づいていない：AI競争はインフラ時代に入っている。
過去のインターネット戦争では、ユーザー、トラフィック、エントリーポイントを巡って争われました。一方、AI時代では、電力、チップ、データセンター、スーパーコンピューティングクラスターを巡って争われています。
なぜですか？トップレベルのAI研究所は一般のクラウドサーバーに頼ることができないからです。
それらには：専用GPUクラスタ；安定したネットワーク構成；極めて高い利用率；データおよびモデルのセキュリティが必要です。
これは通常のサーバーをレンタルするのではなく、未来のスマート生産ラインをレンタルしています。
典型的例として、GoogleとAnthropicがSpaceXから大規模なGPUリソースを賃貸しています。
報道によると、グーグルは約11万枚のGPUクラスターを月額9億ドルで賃貸している。
換算すると、1枚のGPUあたりの時給は、現在の市場でのスポット賃貸単価のほぼ2倍です。そして、現在のスポット価格自体が今年初頭の安値より40%高いことを忘れてはなりません。
なぜですか？
トップレベルの計算能力は、エネルギーや電力網などの戦略的リソースにますます似てきています。
産業革命を想像してみてください。ある工場には蒸気機関があり、別の工場にはありません。
彼らの差は10％ではなく、生産方式そのものの世代差である。
AI時代のGPUも、この新しい「蒸気機関」となっている。
なぜ算力価格がこの程度まで制御不能になってしまったのでしょうか？
答えは供給側の物理的公式にあり——この公式は、TSMCとリソグラフィ機器大手の物理的限界によって厳密に制約されている。
業界で語り継がれてきた「算力が毎年3倍になる」という神話は、分解すれば、三つの係数が限界ぎりぎりで無理やり組み合わされたにすぎない。
算力の年間成長率（3倍）≈ 1.4倍（モールの法則の更新）× 1.2倍（新ファブの建設）× 1.8倍（先進プロセスの生産能力の確保）
そして、この3つの乗数はそれぞれ天井に近づいています。
ムーアの法則：すべての微細化ステップが前回より難しくなり、リーク電流と原子限界により、イテレーションは薄氷を歩くようだ。
新しい半導体工場の建設には時間がかかり、高NA EUVリソグラフィ装置の納品速度が全体のチェーンを停滞させ、2030年までは解決策がない。
過去2年間、算力の成長の唯一の駆動力は生産能力の奪い合いだった——AIチップがスマホやPCから台積電の先進プロセスを奪い取った。
しかし、この最終的な乗数はまもなくゼロになる。2027年末までに、AIチップはTSMCのN3生産能力の86％を占め、60％から86％へ——これは成長ではなく、物理的な意味での完全な飽和であり、これ以上余地はない。
3つの乗数のうち、2つはすでに天井をつけており、最後の1つがまもなく壁に突き当たる。計算能力供給の物語はすでに終わっている。
一方、計算能力が高価になると、逆に安価なモデルを使う人がいなくなる。
直感的には：計算リソースが高くなったので、軽量モデルやオープンソースのカスタマイズ版を使い、節約すべきです。
しかしAI経済学はちょうどその逆です。
核心のロジックはアルチアン・アレン効果である：すべての商品に固定の追加コストが課された場合、高価な商品がより価値があるように見える。
AIにおいて、この「追加コスト」は計算資源の減価償却費であり、どのモデルを使用しても支払う必要がある。
計算してみましょう：H100は1時間あたり20ドルです。
- 最強モデル：1時間で完了、25ドル（20の算力＋5のプレミアム）。
- 平凡なモデル：手数料0ドルだが、知能が足りず、繰り返し試行錯誤して2時間かかり、40ドル損失。
結論：平凡なモデルを使うと、かえって高くなる。無駄な試行で、計算リソースとより貴重なリソースである時間を使い果たしてしまう。
したがって、計算能力が高価になればなるほど、最強のモデルは高額なプレミアムを課す余裕が生まれます。結局計算能力には費用がかかるのですから、少し多く支払って最も賢いモデルを使うことが、本当の節約になります。
平凡なモデルでは、生き残る道はない。
最終的に、社会全体の資金は、絶対的に最強のモデルを構築できる兆単位の寡頭企業へとブラックホールのように吸い込まれる。
計算能力もリソースであり、必ずしも価格が上がるとは限らない。
もちろん、反対する人もいます。
コメント欄でEric Xuは興味深い反論を提示した：25万ドルの年間賃料というロジックは、純粋なデジタル領域でのみ成り立つ。臨床試験の承認プロセスや政府調達の意思決定プロセスなど、物理世界に触れた場合、AIの収益化の上限は25万ドルに達することなく、むしろ5万ドル程度に近くなる可能性がある。
上級ソフトウェアエンジニアのTrevorは、低品質なコンテンツには最高モデルは必要なく、それらは消えるのではなく、より安価な代替案に移行すると指摘した。言い換えれば、洗い流されるのはコンテンツそのものではなく、価格である可能性がある。
歴史もDwarkeshの味方にはならなかった。1980年、スタンフォード大学の生物学者Paul Ehrlichと経済学者Julian Simonは、5種類の金属が10年後に値上がりするかどうかで賭けをした。
十年後、五つすべてが下落し、エールリッヒは敗北して支払った。「資源は必ず値上がりする」と、歴史的にこのように賭けた人々の多くが負けた。
ダワルケシュの返答は：計算能力の供給の弾力性は、コモディティよりもはるかに小さい。銅鉱山は高値の刺激で生産を増やせるが、EUVリソグラフィ装置はそうではない——トランジスタ自体に余剰产能は存在しない。この数年間、供給が年間3倍までしか増加しない中で、代替品は存在しない。
興味深いことに、Dwarkesh自身もこの予測は、歴史的に同類のものほぼすべてが外れたと認めている。
おそらく、計算能力はいつか砂のように安価になるだろうが、その日が来るまで、私たちは最も過酷な計算能力の軍備競争と計算能力のインフレーションを経験しなければならない。
参考資料：
https://www.dwarkesh.com/p/why-compute-might-get-10x-more-expensive
https://x.com/dwarkesh_sp/status/2082482530209411419
本文は微信公众号「新智元」より、著者：ASI启示録；編集：ダビッド