今年1月に 人工知能のスタートアップ DeepSeekが 新しいモデルR1で 2つの突破を発表したことで 静かに人工知能の経済性を再定義しましたこのモデルは前モデルより 1/40のコストで最高性能を達成します2024年12月現在,DeepSeekのV3大型言語モデルは 訓練コストを90%以上削減しました
2つの突破が広く注目されましたDeepSeekはAIモデルに 推論のプロセスを詳細に説明するよう求めることで 思考連鎖誘導として知られる研究アプローチが 精度と効率を向上させたことを明らかにしました2つ目は,DeepSeekは人工知能を利用して データを手動で表示することなく 独自のデータセットを作成しますディープ検索が 言うほど安くないという議論がありますこの発見は AI経済学の新たな時代を もたらしました
人工知能のコスト構造は劇的に変化しています 性能の上昇の1ドル"ドルは スタートアップや企業向けアプリケーションにインフラストラクチャ投資この変化は市場の力を揺るがし 最終的には機敏なスタートアップが短期的に技術巨人と追いつきながら 利益率を上げるのに役立ちます
テクノロジー大手企業は AIインフラ開発に 100億ドル以上を投資しており その額は増え続けています柔軟なアルゴリズムに対して優位性を維持する方法を考える必要があります急速に変化する環境の中で,技術大手企業とスタートアップ企業の両方には明確なメッセージがあります.技術進歩の機会を迅速に把握し,排除される.
ディープサーチ前後におけるAI市場景観
テクノロジー大手によるインフラ投資に 競争しようと苦労していました膨大なデータセンターを建設し 人工知能技術の進歩から 大きな利点を得ましたこれらの巨人は,膨大なデータ資源を持っているだけでなく,多くの博士の才能を集めており,アルゴリズムの進歩も,彼らの強力な技術力に依存しています.長期にわたって確立された流通ネットワークにより,既存の顧客に迅速に製品を移動し,フィードバックループを通じて技術的進歩を加速できます.
しかし今日では スタートアップは 技術巨人と競争できる規模で 2025年までに 訓練モデルのコストは 95%低下します技術巨人のインフラメリットを大幅に削減する過去3年間で理由化コストはほぼ千倍に減少し,将来的にはさらに減少すると予想されています.アルゴリズムの優位性の期間が45日から100日まで短縮され,今後も短縮する可能性がある..
訓練コストが重要なボトルネックではなくなったとき,推論性能 (つまり,リアルタイムアプリケーションにおけるAIモデルのパフォーマンス) は新しい焦点になります.より安価なモデルで,より大きなモデルと同等の電力を提供し,低性能GPUで動作できるよりスマートなAI製品が非常に低コストで提供できれば スタートアップはついに 利益を上げながら テクノロジー巨人を上回るチャンスを得ることができます
競争力のあるAIチームを組むため,多くの博士課程の才能を雇用する必要がなくなり,スタートアップは成長し,最適化するテクノロジーの巨人よりも安価なモデルを販売する. 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,15年前 クラウド・スタートアップが ユニット・エコノミーを改善することで 優位性を得たように.
この傾向はスタートアップに有利であるだけでなく,Nvidiaのような企業もリスクにさらしている.DeepSeekの発表後,Nvidiaの株価は12%下落したが,その後回復した.チップメーカーにとってリスクは高まる. 需要は,トレーニングを中心としたハードウェアから,より効率的な推論ソリューションへと移行しているため.消費者向けのニューラル・プロセッシング・ユニット (Npus) の出現は,この変化を加速させ,スマートフォンやラップトップなどのデバイスでAIモデルをネイティブで実行できるようにします.
人工知能の支出
挑戦者にとって良いことは テクノロジー大企業にとって悪いのですAIの巨人は,ほとんど本能的に, ディープ検索の支配を, 国家の安全保障への影響と結びつけています.スタンフォード大学を含む米国の研究者が ディープ検索の技術を複製し 超えることができましたデータインフラストラクチャプロジェクトに莫大な資金を投資する企業は:AIモデルの研究開発に費やした膨大なお金は無駄だった?安価な技術が高価な技術と同じくらいうまく機能しているなら なぜそんなにお金を費やしたのか?
歴史的な傾向によると AIの進歩の大半は 過剰な規模投資に頼っているようです トランスフォーマー・アーキテクチャは 過度な訓練によって成功しましたその時点でアルゴリズム的に最適と考えられていたものを上回る低コストで同じパフォーマンスを達成できると証明しています DeepSeekのような効率的なソリューションが 効率を大幅に向上させたにもかかわらずハイパースケールクラウドプロバイダの拡大は,依然としてより大きなデータセンターを必要とし,膨張する推論コストを負わなければなりません.
テクノロジー大手たちは じっとしているわけではなく ディープ検索の成果を競う軍拡競争を 目にしており グーグルのジェミニモデルやマイクロソフトのAzure AI FoundryとMetaのオープンソースのLLaMAが 支配権を争っていますオープンソースモデルは重要な役割を果たす. メタのCEOであるマーク・ザッカーバーグは,個人化されたAIの重要性を強調しました.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です..このビジョンは AI開発のより広範な傾向と一致しています 巨大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 より専門化されたモデルです
スタートアップは新しいチップを獲得する
同時に オープンソースと閉鎖ソースの巨人は 異なる目標を掲げており 競争相手の優位性をさらに高めていますメタのような企業が作成したオープンソースモデルは,エコシステム全体で競争し,コストを削減し続けますスタートアップは,両者の間の競争を活用して,各用途の価格/パフォーマンス比を最大限に高めることができます.利益率を上げながら.
ビジネス規模に関係なく メッセージは明確です 市場動向や コンピューティング能力や才能といった 特定の利点から 早く利用するか 失敗するかです技術 的 進歩 の サイクル は 短く なり ます新しい性能基準を設定するのに 数ヶ月,あるいは何年もかかりましたが DeepSeekの技術革新により 現在では41日しかかかりませんイノベーション は 前例 が ない 速度 で 進歩 し て い ます速やかに縮小している.
