今年1月、人工知能のスタートアップDeepSeekは、新しいモデルR1を通じて2つのブレークスルーをリリースし、人工知能の経済性を静かに再定義しました。このモデルは、以前のモデルのコストの1/40で最高のパフォーマンスを達成します。 2024年12月の時点で、DeepseekのV3大手言語モデルは、トレーニングコストを90％以上削減しています。
Deepseekの2つのブレークスルーが広範囲にわたる注目を集めました。最初に、Deepseekは、AIモデルに推論プロセスについて詳しく説明するように依頼することを明らかにしました。第二に、DeepSeekは人工知能を使用して、データの手動ラベルとは完全に独立したデータセットを生成します。 Deepseekが主張するほど安くはないという議論がありますが、これらのブレークスルーは確かにAI経済学の新しい時代を案内してきました。
人工知能のコスト構造は劇的に変化しています。パフォーマンスの急増ごとに、新興企業、エンタープライズアプリケーション、インフラストラクチャへの投資に大きな影響があります。このシフトは市場の力を覆す可能性があり、最終的には、利益率を高めながら、短期的には機敏なスタートアップがハイテクの巨人に追いつくのを助けます。
Tech Giantsはすでに1,000億ドル以上をAIインフラストラクチャ開発に投資しており、増加し続けています。今、彼らはこれらの巨大な投資の利益を生み出し、より機敏で小規模な市場競合他社に対するアルゴリズムよりも優位性を維持する方法を検討する必要があります。急速に変化する環境に直面して、ハイテク大手と新興企業の両方が明確なシグナルに直面しています。技術の進歩の機会を迅速に押収するか、排除されます。
Deepseekの上昇の前に、新興企業はハイテクジャイアンツによるインフラ支出と競争するのに苦労していました。これは、四半期ごとに数十億ドルを大規模なデータセンターの構築に注ぎ込み、人工知能技術の進歩から大きな利点を獲得しました。これらの巨人は大規模なデータリソースを持っているだけでなく、多数の博士課程の才能を集めており、アルゴリズムの進歩も彼らの強力な技術的強さに依存しています。さらに、老化した流通ネットワークにより、製品を既存の顧客に迅速に移動し、フィードバックループを通じて技術の進歩を加速できます。
しかし、今日では、スタートアップはハイテクの巨人と競争するのに十分な大きさです。 2025年だけでも、トレーニングモデルのコストは95％減少し、ハイテク大手のインフラストラクチャの利点を大幅に削減します。推論コストは過去3年間で1000倍近く急落しており、将来さらに低下すると予想されています。アルゴリズムの利点の持続時間は45〜100日に減少しており、引き続き減少する可能性があります。
トレーニングコストが重要なボトルネックではなくなった場合、推論パフォーマンス（つまり、AIモデルがリアルタイムアプリケーションでどれだけうまく機能するか）が新しい焦点になります。私たちは新しいフェーズに入ります：より大きなモデルに匹敵するパワーを提供し、より低いパフォーマンスGPUで実行して、古いGPUの寿命を延ばすことができる、より小さい、安価なモデル。よりスマートなAI製品を非常に低コストで配信できる場合、スタートアップは最終的に利益を増やしながらハイテク大手を上回る機会があります。
効率的な人材配分は、チャレンジャーの利点をさらに強化します。競争力のあるAIチームを組み立てるために多数のPHDレベルの才能を雇う必要がなくなったため、スタートアップは技術の巨人よりもはるかに低コストでモデルを開発、最適化、配布できます。そして、彼らは主にアプリケーションレベルに焦点を当てているため、チャレンジャーは、15年前にユニットの経済学を改善することでクラウドのスタートアップが利益を得るのと同じ方法でより高い利益率を享受することができます。
この傾向は、スタートアップだけに適しているわけではありません。また、Nvidiaのような企業をより大きなリスクに陥れます。 Deepseekの発表の後、Nvidiaの株価は12％下落しましたが、それは反発してからです。需要がトレーニング中心のハードウェアからより効率的な推論ソリューションに変化しているため、チップメーカーのリスクは高まります。消費者グレードのニューラル加工ユニット（NPU）の上昇により、このシフトが加速され、AIモデルがスマートフォンやラップトップなどのデバイスでネイティブに実行できるようになります。
チャレンジャーにとって良いことは、ハイテク大手にとって悪いことです。 AIジャイアンツは、スタンフォード大学を含む米国の研究者がDeepseekの技術を再現し、それを上回ることさえできるという事実を無視して、同様の技術の開発を支持するために、Deepseekの支配を国家安全保障への影響にほぼ本能的に結び付けてきました。今後、データインフラストラクチャプロジェクトに多額の金額を投資している企業は、AIモデルの研究開発への膨大な支出が無駄になっていますか？安価なテクノロジーが高価なテクノロジーと同様に機能する場合、なぜそんなにお金を使うのでしょうか？
歴史的傾向は、ほとんどのAIの進歩が実際に規模への過剰な資本投資に依存していることを示唆しています。変圧器アーキテクチャは、過剰トレーニングのために成功し、当時アルゴリズム的に最適だと考えられていたものを超えていました。新しい技術の進歩は、低コストで同じパフォーマンスを達成できることを証明しています。 DeepSeekのような効率的なソリューションは効率を大幅に改善しましたが、それでもハイパースケールクラウドプロバイダーの拡大には依然としてより大きなデータセンターが必要であり、バルーン推論コストを負担する必要があります。
しかし、ハイテクの巨人はじっと座っていません。 GoogleのGeminiモデル、MicrosoftのAzure AI Foundry、MetaのオープンソースのLlamaがすべてを支配しているような、Deepseekの業績のための軍拡競争がすでに見られています。オープンソースモデルは重要な役割を果たすことができます。 METAのCEOであるMark Zuckerbergは、パーソナライズされたAIの重要性、つまり個々のユーザーのニーズ、文化、好みに合わせたモデルを強調しました。このビジョンは、AI開発におけるより広範な傾向と一致しています。大規模なクラウドインフラストラクチャを必要とせずに高性能を提供できる、より小さく、より専門的なモデルです。
同時に、オープンソースとクローズドソースの巨人は異なる目標を持ち、チャレンジャーの利点をさらに高めます。 Metaのような企業によって作成されたオープンソースモデルは、引き続きエコシステム全体でコストを競い合い、削減しますが、クローズドソースモデルは、より良いテクノロジーを通じてより高い料金を請求しようとします。スタートアップは、2つのキャンプ間の競争を活用して、それぞれの使用に対して最高の価格/パフォーマンス比率を達成しながら、利益率を増やすことができます。
ビジネスの規模に関係なく、メッセージは明確です。彼らが利用できる特定の利点（市場のダイナミクス、コンピューティングパワー、才能）が迅速に、または顔の失敗を活用してください。技術の進歩のサイクルは、新しいパフォーマンス基準を設定するのにかかっていた数か月または数年から、Deepseekの技術的ブレークスルーに、41日もかかることを示唆しています。イノベーションは前例のない速度で進歩しており、断層トレランススペースは急速に縮小しています。
