AIは5層構造のケーキ

AIは、現代社会を形成する最も強力な原動力の一つです。単なる巧妙なアプリや一つのモデルではなく、電気やインターネットと同様に不可欠なインフラストラクチャです。

AIは、実際のハードウェア、実際のエネルギー、そして現実の経済の上に成り立っています。原材料を大量の知能へと変換します。すべての企業がAIを活用し、すべての国がAIを構築します。

AIがこのように展開している理由を理解するには、根本原理から考え、コンピューティングの本質的な変化を見極めることが重要です。

事前記録型ソフトウェアからリアルタイム知能へ

コンピューティングの歴史の大半で、ソフトウェアは事前記録型でした。人間がアルゴリズムを記述し、コンピューターがそれを実行する。データは慎重に構造化され、テーブルに格納され、正確なクエリによって取得されていました。SQLは、その世界を機能させる不可欠な存在となりました。

AIはこのモデルを打ち破ります。

初めて、コンピューターが非構造化情報を理解できるようになりました。画像を認識し、テキストを読み、音を聞き、意味を理解します。文脈や意図を推論することも可能です。最も重要なのは、リアルタイムで知能を生成する点です。

すべての応答は新たに生成されます。すべての回答は、提供された文脈に依存します。これは、保存された命令を取得するソフトウェアではありません。これは、要求に応じて推論し知能を生成するソフトウェアです。

知能がリアルタイムで生成されるため、その下のコンピューティングスタック全体が再構築される必要がありました。

インフラストラクチャとしてのAI

AIを産業的に見ると、5層構造に分解されます。

エネルギー

基盤となるのはエネルギーです。リアルタイムで生成される知能には、リアルタイムで生成される電力が必要です。生成されるトークンの一つひとつは、電子の移動、熱管理、エネルギーの計算への変換の結果です。これより下の抽象レイヤーは存在しません。エネルギーこそがAIインフラの根本原理であり、システムが生み出せる知能量の制約となります。

チップ

エネルギーの上にはチップがあります。これらは、大規模なスケールで効率的にエネルギーを計算へと変換するプロセッサです。AIの処理には膨大な並列性、高帯域幅メモリ、高速インターコネクトが求められます。チップ層での進歩が、AIのスケールの速さや知能のコストを決定します。

インフラストラクチャ

チップの上にはインフラストラクチャがあります。土地、電力供給、冷却、建設、ネットワーク、数万個のプロセッサを一台のマシンとして統合するシステムなどを含みます。これらのシステムはAIファクトリーです。情報を保存するためではなく、知能を製造するために設計されています。

モデル

インフラストラクチャの上にはモデルがあります。AIモデルは、言語、生物学、化学、物理学、金融、医学、そして物理世界そのものなど、多様な情報を理解します。言語モデルはその一カテゴリに過ぎません。プロテインAI、ケミカルAI、物理シミュレーション、ロボティクス、自律システムなど、最も革新的な取り組みが進行しています。

アプリケーション

最上層はアプリケーションで、経済価値が創出される場です。創薬プラットフォーム、産業用ロボティクス、リーガルコパイロット、自動運転車など。自動運転車はマシンに組み込まれたAIアプリケーションです。ヒューマノイドロボットは身体に組み込まれたAIアプリケーションです。同じスタックですが、異なる成果となります。

これが5層構造です：

エネルギー → チップ → インフラストラクチャ → モデル → アプリケーション

すべての成功したアプリケーションは、その下のすべての層、電力供給まで引き上げます。

この構築は始まったばかりです。数千億ドルが投入されましたが、数兆ドル規模のインフラがまだ必要です。

世界中で、チップ工場、コンピューター組立工場、AIファクトリーが前例のない規模で建設されています。これは人類史上最大級のインフラ構築となりつつあります。

この構築を支える労働力は膨大です。AIファクトリーには電気技師、配管工、パイプフィッター、鉄鋼作業員、ネットワーク技術者、設置者、運用者が必要です。

これらは高度な技能を持つ高収入の職であり、供給が不足しています。コンピューターサイエンスの博士号は必要ありません。この変革に参加できます。

同時に、AIは知識経済全体の生産性を向上させています。例えば放射線科。AIは現在、画像診断を補助していますが、放射線科医の需要は依然として増加しています。これは矛盾ではありません。

放射線科医の目的は患者のケアです。画像診断はその過程の一つです。AIが日常業務を担うことで、放射線科医は判断、コミュニケーション、ケアに集中できます。病院の生産性が向上し、より多くの患者に対応でき、より多くの人材を雇用できます。

生産性が能力を生み、能力が成長を生みます。

この一年で何が変わったか？

昨年、AIは重要な閾値を超えました。モデルが十分な品質に達し、スケールで役立つようになりました。推論能力が向上し、ハルシネーションが減少、グラウンディングが劇的に改善されました。初めて、AIを基盤とするアプリケーションが実際の経済価値を生み出し始めました。

創薬、物流、カスタマーサービス、ソフトウェア開発、製造などのアプリケーションは、すでに強いプロダクト・マーケット・フィットを示しています。これらのアプリケーションは、下層のすべてのレイヤーを強く引き上げます。

オープンソースモデルはここで重要な役割を果たします。世界の大半のモデルは無料です。研究者、スタートアップ、企業、国全体が、先進的なAIへの参加にオープンモデルを活用しています。オープンモデルが最前線に到達すると、単にソフトウェアを変えるだけでなく、スタック全体の需要を喚起します。

DeepSeek-R1はその強力な例です。優れた推論モデルを広く公開することで、アプリケーション層での導入を加速し、トレーニング、インフラ、チップ、エネルギーの需要を高めました。

この意味

AIを不可欠なインフラと捉えると、その意味が明確になります。

AIはTransformer LLMから始まります。しかし、それだけではありません。エネルギーの生産・消費、工場の建設、仕事の組織化、経済成長のあり方を再構築する産業変革です。

知能がリアルタイムで生成されるため、AIファクトリーが建設されています。効率が知能のスケールを決めるため、チップが再設計されています。エネルギーが生み出せる知能の上限を決めるため、中心的存在となっています。モデルがスケールで実用的な閾値を超えたため、アプリケーションが加速しています。

各層が互いを強化します。

だからこそ、この構築は巨大なのです。だからこそ、多くの産業に同時に影響を与えます。そして、単一の国や産業に限定されるものではありません。すべての企業がAIを活用し、すべての国がAIを構築します。

まだ始まったばかりです。インフラの多くは未整備です。労働力の多くは未育成です。機会の多くは未実現です。

しかし、進むべき方向は明確です。

AIは、現代社会の基盤インフラとなりつつあります。そして、今私たちがどれだけ速く構築し、どれだけ広く参加し、どれだけ責任を持って導入するかが、この時代の姿を決定します。

免責事項：

1. 本記事は[nvidia]より転載しています。著作権は原著者[nvidia]に帰属します。転載にご異議がある場合は、Gate Learnチームまでご連絡ください。速やかに対応いたします。

2. 責任免責：本記事に記載された内容や意見は著者個人のものであり、投資助言を目的としたものではありません。

3. 本記事の他言語訳はGate Learnチームが行っています。特記がない限り、翻訳記事の無断転載・配布・盗用を禁止します。