Tomasz Tunguzの記事「The Beginning of Scarcity in AI」は、かなりストレートに言うと、AI業界は“足りない”時代に入った、という話です。
ここでいう「足りない」のは、お金でも人材でもなく、computeです。
computeとは、AIモデルを動かしたり学習させたりするための計算能力のこと。ざっくり言えば、AIを動かすための脳みそ代わりの電力と機械の総量みたいなものです。
そしてこの不足が、かなり現実的な数字として出ています。
これは地味に見えて、実はかなり大きな変化です。
なぜなら、AIの世界ではGPUが石油みたいなものだからです。石油が高くなれば運送も製造も変わるように、GPUが高くなればAIサービスの作り方そのものが変わります。
記事の中で印象的なのが、OpenAIのCFO Sarah Friarのコメントです。
「computeが足りないので、今はやりたいことの中からかなり厳しい取捨選択をしている」
これ、かなり重い発言だと思います。
OpenAIのようなトップ企業ですら「全部はできない」と言っているわけですから、スタートアップが苦しいのは当然です。
さらにAnthropicは、最新モデルへのアクセスを約40組織に制限しているそうです。
つまり、最先端AIは「公開されている便利な技術」というより、容量と安全性の理由で、限られた相手にだけ開かれる特権になりつつある、ということです。
ここが面白いところで、AIは「民主化される技術」と言われがちでした。
でも実際には、最先端に近づくほどむしろ閉じていく。
この逆転はかなり皮肉で、いかにもインフラ制約らしい話だなと思います。
Tunguzは、この時代を特徴づけるものとして5つのポイントを挙げています。わかりやすく言い換えるとこうです。
最先端モデルは、誰にでも売られるとは限らない。
提供側が、大きな顧客や戦略上重要な相手を優先するようになるという話です。
つまり、「先に申し込んだ人が使える」ではなく、**“誰とつながっているか”が効く世界**になるかもしれません。
これはスタートアップにとってかなりしんどい。技術力だけでなく、営業力や人脈まで重要になるからです。
お金を出せる会社が強い。
すごく単純ですが、これが現実になる可能性があります。
最新AIを使うのに、性能だけでなく資金力が必要になる。
つまり、キャッシュがある会社、あるいは大きな利益を出している会社が有利です。
スタートアップにとっては、夢のある話というより、かなり残酷な選別になりそうです。
使えるけれど、遅いかもしれない。
これも重要です。
仮にお金を払ってモデルを使えても、レスポンスが遅い、待たされる、安定しないということがあり得る。
AIサービスは、速さが命です。チャットでも画像生成でも、待たされると体験が一気に悪くなります。
だから「使える」だけでは不十分で、快適に使えるかが勝負になります。
供給が足りないと、価格は上がる。
これは経済の基本ですが、AIでも同じです。
需要が増え続ける一方で供給が固定されると、GPUやクラウド利用料は上がっていきます。
その結果、ソフトウェア企業は調達コストの管理や利益率のコントロールを、これまで以上に真剣に考えないといけなくなる。
AI時代の経理や購買が、急にめちゃくちゃ重要になるわけです。
一つの道に頼れないので、選択肢を広げざるを得ない。
たとえば：
要するに、AIを全部クラウドの巨大モデルに任せる時代ではなくなる可能性があります。
これは一見後退にも見えますが、実際には現実的な適応です。
私はむしろ、ここから“賢い設計”の腕が問われるようになると思います。
記事の結論はかなりはっきりしていて、
AIがあふれていた時代は終わった。しかも、それは数年単位で続く
という見立てです。
これはかなり強い主張ですが、背景を考えると納得感があります。
AI需要は爆発的に伸びているのに、GPU、電力、data center、サプライチェーンはすぐには増えません。
つまり、需要のスピードに供給が追いついていない。
このギャップがある限り、AIの競争は「いいアイデアを最速で出した人が勝つ」だけでは済まなくなります。
むしろ、
みたいな、かなり泥臭い問題が勝負を分けるようになるはずです。
この話で面白いのは、AI競争の主戦場がモデルの賢さだけではなく、供給網とインフラに移っていることです。
AIって、つい「アルゴリズムがすごい」「モデルが大きい」といったソフトウェアの話に見えます。
でも実際には、巨大なデータセンター、GPU、電力、冷却設備、契約、資金調達が全部つながっている。
つまり、AIはめちゃくちゃハイテクなのに、勝敗を決めるのは意外と物流と設備投資だったりするんですよね。ここがすごく人間臭くて、私はかなり好きです。
スタートアップにとっては厳しい話ですが、逆に言えば、ここに新しい差別化の余地もあると思います。
たとえば、限られたcomputeで最大効率を出す設計、small modelの活用、推論の最適化、ハイブリッド構成などです。
派手さはないけれど、こういう工夫が次の勝者を決めるのではないかと思います。
この記事は、「AIはまだまだ伸びる」という楽観論に冷や水を浴びせる内容です。
でも単なる悲観ではなく、AI業界が“資源制約のある産業”に変わったという、かなり重要な観察だと感じます。
これからのAI企業は、
「どれだけ速く作れるか」だけでなく、
どれだけ安定してGPUを確保し、コストを抑え、供給制約の中で賢く戦えるか
が問われることになりそうです。
正直、これは面倒です。
でも同時に、すごく現実的でもあります。
AIの夢が大きくなったぶん、必要なインフラの重さもハッキリ見えてきた、そんなタイミングなのだと思います。
