7月21日、Futurismが「There's a Gigantic Problem at the Heart of the AI Industry That Could Cause the Whole Thing to Collapse」と題した記事を公開した。AIモデルの大規模化が収益性の向上につながるという前提が崩れ始めており、AI産業全体がバブル崩壊のリスクに晒されているという構造的問題を詳しく論じている。

スケーリング則への信仰と、崩れ始めた現実

AI企業がここ数年、投資家に売り込んできたロジックはシンプルだ。「モデルを大きくすればするほど、AIは賢くなる」——いわゆるスケーリング則への信仰である。しかし現実は、その前提を裏切る方向に動いている。

The Atlanticの報道によると、LLM（大規模言語モデル）は深刻な「収穫逓減」に直面している。問題の核心は推論コスト（inference cost）——つまり、学習済みモデルが新しいデータを処理するたびに発生するコスト——が指数関数的に上昇している点だ。

推論コストとは、ChatGPTに質問を投げるたびに発生する計算コストのこと。モデルが大きくなるほど1回の処理に必要な計算量も増えるため、ユーザーが増えれば増えるほどコストが膨らむ構造になっている。

通常のビジネスモデルであれば、ユーザーあたりのコストはスケールに伴って下がるはずだ。しかしAI産業では逆のことが起きており、半年前と比較しても収益性が著しく低下しているという。

こうした構造的問題が今になって顕在化してきた背景には、ChatGPTをはじめとする生成AIサービスの急速な普及がある。2022年末のChatGPT登場以降、各社は競うようにモデルの大型化・多機能化を進めてきた。その結果、推論コストの累積が企業財務に無視できない影響を与えるフェーズに突入したと見られる。OpenAI、Anthropic、Googleといった主要プレーヤーが軒並み大規模な設備投資を続ける一方で、収益化の速度がそれに追いついていない状況が続いている。

数兆円規模の投資、見えない黒字化の道筋

この収益構造の悪化が直撃するのが、全米で建設が進む巨大データセンターへの投資だ。AI企業は数千億〜数兆円規模の資金をインフラに注ぎ込んでいるが、近い将来に黒字化できる見通しは立っていない。

アナリストたちはAIバブル崩壊を「起きるかどうか」ではなく「いつ起きるか」の問題として捉え始めている。仮に崩壊が現実になれば、AIテクノロジーに過度に依存した経済圏全体を道連れにする可能性がある、と記事は指摘する。

ハードウェアの壁も迫っている

もう一つの制約がハードウェアだ。AIの急増する計算需要を満たすには、半導体技術の飛躍的な進歩が必要だが、ムーアの法則の終焉が近づいているとの警告が専門家から出ている。

ムーアの法則とは「トランジスタ数が約2年ごとに倍増し、コンピューターの性能が向上し続ける」という経験則で、半世紀にわたって半導体産業の指針となってきた概念だ。その限界が見えてきた今、AIモデルの大規模化に必要な計算能力を確保するコストはさらに高騰する可能性がある。

研究者からも「現行アーキテクチャは行き詰まり」との声

技術的な懸念を声高に訴えてきた人物の一人が、「AIの父」とも称されるYann LeCun（ヤン・ルカン）だ。現在はMetaの主任AIサイエンティストを務める彼は、LLMを「行き詰まり（dead end）」と繰り返し表現しており、現在のアーキテクチャでは人間レベルの知性には到達できないと公の場で主張している。これはLeCun自身が長年主張してきた立場であり、元記事もその文脈でその発言を引用している。

しかし、すでにスケーリングに多額を投じたOpenAIやAnthropicといった企業のリーダーたちが、こうした警告に耳を傾ける可能性は低い。ChatGPTやClaudeはOSへの統合やカスタマーサービスへの導入など日常のあらゆる場面に入り込んでおり、社会的な反発も強まる中、産業全体が惰性で走り続けている構図だ。

コストは上がり、効率は落ち、黒字化の道筋は霞む——この軌跡がこのまま続けば、AI産業だけでなく、それに乗っかった経済全体が危うくなる可能性がある、というのが記事の主張だ。

詳細はThere's a Gigantic Problem at the Heart of the AI Industry That Could Cause the Whole Thing to Collapseを参照していただきたい。