ビデオタイトル：AI トークンの供給と需要 | Dylan Patel インタビュー
ビデオ作成者：Invest Like The Best
翻訳: Peggy，BlockBeats

Editor's Note: Against the backdrop of continuous leaps in AI model capabilities and widespread enterprise adoption of tools like Claude Code and Cursor, industry discussions are shifting from "how strong is the model" to "how does the model enter production." However, as AI programming, automated analysis, and data modeling become a new consensus, a more fundamental question emerges: as execution costs rapidly decrease, what is truly scarce - human resources, capital, or the rights to cutting-edge models and tokens?

Left: Host Patrick O'Shaughnessy, Right: Dylan Patel

This article is a summary of a dialogue between Patrick O'Shaughnessy and SemiAnalysis founder Dylan Patel. Dylan has long focused on AI infrastructure, the semiconductor supply chain, and model economics. In this conversation, he discusses how AI is transforming enterprise organization, information services, token demand, computing power supply chains, and societal sentiment, starting from the sharp increase in spending within his company Claude Code.

What is most noteworthy about this conversation is not another model breaking a benchmark, but it offers a way to understand the AI economy - viewing AI as a production system that is reassigning execution capabilities, organizational efficiency, and industry profits, rather than just a software tool upgrade.

This conversation can be understood from five perspectives.

First, execution costs have been pierced. In the past, ideas were not scarce, and the real challenge was turning ideas into products, systems, and deliverable services. Now, Claude Code enables non-technical users to write code, create applications, and perform data analysis. Work that used to require a team for long-term maintenance is now being done by a few people with the help of models. SemiAnalysis' annual Claude Code spending has exceeded $7 million, more than a quarter of its payroll expenses, indicating that AI is no longer just a productivity tool but is becoming a new production asset for enterprises.

次に、情報サービス業界が最初に再構築された分野です。 Dylan の事業は、基本的には分析、コンサルティング、およびデータセットの販売ですが、これはAIによって最も簡単に商品化される分野です。チップリバースエンジニアリング、エネルギーグリッドモデリング、マクロ経済指標の構築は、過去には長期間にわたるチームの取り組みが必要でしたが、現在では少数の人々によって数週間で製品化できるようになりました。これは、AIが情報サービス企業に対して「人間を置き換えるか」ではなく、「誰が同業の製品をより速く再構築できるか」という圧力をかけています。AIを採用していない企業は、より迅速な企業に商品化され、AIを採用している企業も基準を継続的に向上させ、次世代のより効率的な競合他社に逆置換されるのを回避しなければなりません。

さらに深く掘り下げると、トークンは新たな生産要素になっています。 以前は企業がソフトウェアサブスクリプションを購入し、核心問題はツールの使いやすさでした。しかし、今では、先進的モデルへのアクセス権、レートリミット、企業契約、およびトークン予算が、生産能力を直接決定し始めています。より強力なモデルが必ずしもより高コストを意味するわけではありません。なぜなら、よりスマートなトークンは、より少ないステップでより高い価値のあるタスクを達成する可能性があるからです。真の競争は、「誰がAIを使用するか」から「誰が最強のモデルを取得し、最も高価なトークンを最高の価値のあるシーンで使用できるか」という点に移行しています。

この需要は引き続きサプライチェーン全体に伝播するでしょう。 トークンの使用量が急増すると、最終的にはGPU、CPU、メモリ、FPGA、PCB、銅箔、半導体機器、およびウェハファブに対する資本支出に持続的な圧力がかかるようになります。この記事で言及されている「鞭の牛効果」は、このロジックです。下流ではモデルの呼び出し需要の増加のように見えますが、上流に伝わると数倍に拡大した注文、生産拡大、および値上がりとなる可能性があります。その結果、AI産業の利益配分は、モデル企業やNVIDIAだけでなく、半導体およびデータセンターサプライチェーンに沿って継続的に拡大されることでしょう。

最後に、AIの社会的反発が進行する可能性があります。 AIが実際にワークフローに導入されると、一般大衆の雇用置換、エネルギー消費、データセンターの拡大、および権力集中への懸念も同時に高まるでしょう。 Dylan は、AIに対する大規模な抗議が3か月以内に起こる可能性さえあると予測しています。モデル企業にとって、「AIは世界を変える」と強調し続けることが不安を和らげる必要があるとは限りません。それどころか、一般市民のAIに対するコントロール不能感情を強化する可能性があります。AI産業が次に証明する必要があるのは、技術力だけでなく、それが現在具体的で知覚可能な公共価値を生み出す方法です。

今日、AIの核心問題は、「モデルが何ができるか」から、「誰がモデルを取得できるか、モデルをどのように使用できるか、およびモデルが創造した価値を誰が捉えることができるか」に移行しています。この意味で、本稿で議論されている対象は、もはやClaude Code、Anthropic、または一つのAI企業だけではなく、生産性、資本支出、組織効率、そして社会的受容度に関連する構造的再編の周辺で展開されています。

以下是原文内容（为了便于阅读理解，原文有所整理）：

总结

· AI の中心的な変数は、「できるかどうか」から「する価値があるかどうか」に移行しています。実行コストが急激に低下した後、本当に希少なのはモデルが拡大できる高付加価値のアイデアです。

· Claude Code の給与コストに占める支出はまだ 25% にすぎません。AI はソフトウェアツールから企業の新しい生産資本へと変わりつつあります。

· 先進モデルの競争は、能力競争だけでなく、トークン獲得権の競争に変わっています。最強のモデルをより早く、より安定して手に入れられるかが勝敗を分けるようになりました。これにより新たなビジネスの壁が形成されます。

· AI が最初に変革されるのは情報サービス業界です。なぜなら、データ、分析、研究の生産コストが急速に低下しており、遅れた企業は、より迅速な企業によって商品化されるでしょう。

· 旧モデルの価格が下がっても、トークンの需要は鈍化しません。なぜなら、モデルが強力になるたびに、新しい高付加価値ユースケースがリリースされ、ユーザーがより高価な先進モデルに向かうからです。

· AI にもたらされる最大の変化は、人々が働く時間を減らすことではなく、少数の人々が同じ時間で何倍もの生産性を達成することです。トークン価値を創造し捕捉できない人々は、「永久的に下位層」に閉じ込められるでしょう。

· コンピューティングパワーの不足は、半導体サプライチェーン全体に広がっています。GPU、CPU、メモリからPCB、銅箔、装置メーカーまで、AI 需要は産業連鎖全体の価格を押し上げています。

· AI の経済的価値は従来の GDP ではほとんど捉えられません。本当の問題は、モデル企業がどれだけ利益を上げたかではなく、トークンの生成がもたらす意思決定、効率、および連鎖的影響が、「幽霊GDP」をどれだけ創出しているかです。

インタビューの原文：

Claude Code が新しい労働力になりました

Patrick O'Shaughnessy（ホスト）：
以前、チームが今年のトークン利用量で大きな変化を遂げたストーリーについて、すでにお話ししていただいたことがありますね。もう一度教えていただけますか？これは、あなたにこの世界で何が起こっているかの理解をもたらしましたか？

Dylan Patel（SemiAnalysis 設立者）：
昨年、私たちは自分たちがすでにAIの重度のユーザーだと思っていました。皆がChatGPTを使用し、皆がClaudeを使用していました。また、チームにはさまざまなサブスクリプションを提供しました。その時、企業のこの分野への支出は、おおよそ数万ドルのレベルでした。

しかし、今年に入って支出は急増し始めました。本当の始まりはおそらく昨年12月末で、Opusが登場したことが大きな転機でした。ここには私たちの社長であるダグラス・ローラーも含まれています。彼は非技術者にAIを使ったコーディングを推進し始めました。言ってしまえば、彼は会社全体を徐々に巻き込んでいったと言えるでしょう。もちろん、エンジニアたちは元々使用していましたが、今年の1月から、支出が急激に増加し、急速に拡大していきました。

その後、Anthropic社と企業契約を結びました。前回お話ししたとき、私たちの年間支出はおおよそ500万ドルほどでしたが、現在は700万ドルに達しています。

パトリック・オショーネシー：
しかも、それは先週の数字です。

ディラン・パテル：
はい、そのうちのかなりの部分が利用そのものに起因しています。本当に面白いのは、以前コードを書いたことのない人たちが、今ではクロードコードを使用し、中には1日で数千ドルを使ってしまう人もいます。しかし、会社全体としては、現在、クロードコードに年間で700万ドルを費やしており、給与支出はおおよそ2500万ドルです。つまり、クロードコードに対する支出は給与支出の25%を超えています。

この傾向が続くと、年末までには給与総額を超える可能性さえあります。これは少し驚くべきことです。幸いなことに、私は今、「人間」と「AI」の間で選択する必要はありません。なぜなら、会社の成長が速いからです。むしろこうでしょうか：急いで人を雇う必要はありませんが、AIにより多くのお金を使うことができ、そしてそれは実際に効果的であり、会社もより速く成長することができます。

しかし、他の企業もいつかはこの問題に直面することになると思います。1人の人がクロードコードを使って5人、10人、または15人分の仕事を完了できる場合、次に何をすべきでしょうか？第一に、実際に人員整理を行うべきかもしれません。第二に、現時点ではこれらの使用シナリオは非常に幅広いです。

例えば、私たちはオレゴンに逆向工学ラボを持っており、既に1年半の歴史があります。その中には顕微鏡や走査型電子顕微鏡などの高度な機器が多数あります。このラボの中核的な目的は、チップを逆解析し、チップアーキテクチャを取り出し、製造に使用される材料を分析することです。これらは私たちが販売しているデータの一部でもあります。

ただし、この種のデータの解析は以前は非常に時間がかかるプロセスでした。現在、私たちのチームには、たった数千ドルのクロードトークンだけでアプリを作成した人がいます。このアプリはGPUを使用した高速化が可能であり、CoreWeaveに配置されたサーバーで実行されています。チップの画像を送信するだけで、このアプリは自動的に各材料の位置を画像上に示し：ここには銅、ここにはタンタル、ここにはゲルマニウム、ここにはコバルトがあります。そして、全体のチップのスタックアップ構造を素早く有限要素解析することができます。その上、視覚化され、完全なグラフィカルユーザーインターフェースとダッシュボードも備えています。

この人は以前インテルで働いていたが、彼は言った、過去にはこれを行うためには完全なチームが必要であり、それを維持する必要があった。今は同様のことが会社全体で行われているのを見ると、信じられない。

興味深い例として、Malcolm という人物がいます。彼は以前大手銀行の経済学者でした。その銀行の経済学部門にはおそらく100から200人の人がいました。彼が現在行っていることは非常に驚くべきものです。

彼はさまざまなデータを取り込みました。たとえば FRED データ、雇用統計など、さまざまな API からのデータセットを含みます。また、いくつかのデータプロバイダと契約して、API アクセス権を取得しました。そして、彼はすべてのデータを取り込み、回帰分析を実行し、さまざまな経済変化が経済のインフレーションやデフレーションにどのような影響を与えるかを分析し始めました。

アメリカ労働統計局には約2000個のタスク分類があります。Malcolm は AI を使用して、どのタスクが現在AIによって実行できるか、できないかを評価し、それらに基づいて一連の基準に従って評価しました。その結果、約3%のタスクが現在AIによって実行可能であることが示されました。

彼はこの概念に基づいて、どのタスクがAIによって実行される可能性があり、それらがAIによって実行された場合、どの程度のデフレ効果がもたらされるかを測定する指標を作成しました。生産性は向上するかもしれませんが、コストが大幅に削減されるため、理論上はGDPが縮小する可能性があります。彼はこれを「幽霊GDP」と呼んでいます。

彼はこの概念に基づいて包括的な分析を行い、約2000の評価項目を含む新しい言語モデルのベンチマークを作成しました。

Patrick O'Shaughnessy：
これらすべてを1人でやっているのですか？

Dylan Patel：
はい、すべて1人でやっています。彼は私に言いました。「兄弟、これは以前、200人の経済学者チームが1年かかってやっと完成できた作業だったはずだよ。」彼は今、完全にClaudeに没頭しており、すべてが変わったと言っています。

Patrick O'Shaughnessy：
企業経営者として、この事態をどのように受け止めていますか？支出がほとんどなかった状態から、今では給与支出に近い25%にまで達しており、さらに増加の一途をたどっています。いつ支出を抑制すべきだと感じるでしょうか？ブレーキをかけるべきか？支出を制御すべきか？たとえばOpus 4.7のような常に最新のモデルではなく、もう少し安価なモデルに切り替えることもできるのではないか？

Dylan Patel：
基本的に、私たちのしていることは情報ビジネスです。私たちが売っているのは分析であり、コンサルティングを行い、データセットを作成しています。これらのものがかなり早い速度で完全に商品化されない理由は見当たりません。

私が継続的に改善を続けなければ、私が最初に販売したデータ製品はすでに他の多くの人が同様のことを始めています。私たちがまだ売れている理由は、私たちがそれをより良く、より洗練されたものにし続けているからです。しかし、私たちが2023年にこのことを行う方法は、実際、他の人がすでに行っている方法と大きく変わりません。私が基準を向上させ続けなければ、私は商品化されてしまいます。私の行動が速すぎないと、私は優位性を失います。

ですので、問題は次のとおりです：はい、AIは多くのものを商品化するでしょう、それはソフトウェアを商品化しているように。しかし、行動が速く、顧客関係を築き、優れたサービスを持続し、サービスを継続的に改善する人々は、縮小するのではなく、むしろより速く成長します。無力で何もしない人々が負けます。

したがって、これは実際には生存の問題のようなものです：私がAIを採用しなければ、他の誰かが採用し、そして彼らは私を打ち負かすでしょう。

別の簡単な例はエネルギー分野です。過去1年ほど、エネルギーアナリスト数名がエネルギーモデルを構築しようとしていました。このモデルは非常に複雑であり、エネルギーデータサービス市場は約9億ドル規模ですので、これは私が参入したい巨大な市場であることは明らかです。しかし、われわれのチームが1年間も取り組んでいるにもかかわらず、実際にはエネルギーデータサービスビジネスに本当に足を踏み入れていませんでした。

そして、「クロード・コード症候群」がやってきました。私たちには、データセンターのエネルギーと産業ビジネスを担当するJeremyという人物がいます。彼はClaude Codeを使い始めた後、状況は一変しました。わずか3週間で、彼は多額のお金を使いました、1日あたり約6000ドル、それは確かに非常に過激です。しかし、彼はアメリカのすべての発電所、ある電圧レベルよりも高いすべての送電線を取得し、さまざまな公開データソースからアメリカ全土の電力網マップを構築し、さらに多くの需要側データにアクセスしました。

私たちはそれをダッシュボード化し、アメリカのさまざまなサブリージョンの電力不足と過剰状況、およびさまざまな詳細を表示および分析できるようにしました。このものは数週間で立ち上がりました。

その後、すでに私たちのデータセンターデータセットを購入しているいくつかの顧客、エネルギートレーダーを含む、にそれを披露しました。彼らは見て、言いました、「Wow、これはどのくらいの時間かかった？ これはとても素晴らしいですね、某社よりも優れています。」その後、詳細をさらに理解するために、その「某社」は100人であり、このことに取り組んで10年ですでにいますことがわかりました。

もちろん、現時点では当社の製品は彼らのものほど完全または堅牢ではありませんが、特定の側面では既に優れています。ですので、私は現在、これらのエネルギーデータサービス企業を商品化しています。しかし、その逆もまた真であり、私が走らない限り、誰が私を商品化してくれるでしょうか？

したがって、企業家の観点からは、「たくさんのお金を使ったかどうか」が問題ではありません。「はい、確かに多くのお金を使いました。」しかし、問題は、そのお金が私に何をもたらしたかですか？それによって収入が増えたのでしょうか？もしそうなら、そのお金は価値があります。

Patrick O'Shaughnessy：

最終的には、資本をコントロールし、資本を投資する責任がある人々、つまりあなたたちの行動によってしばしば雇われる人々が、「私たちにもアナリストがいますし、彼らも非常に賢いです。自分たちでやればいいのでは？」と言うことを心配していますか？もしそのようなことが容易になった場合、いつかはそれが投資機関の内部に完全に戻るのではないかと心配しています。結局、これらのデータと洞察を通じて最大のレバレッジを得る可能性が最も高いのは投資機関です。

Dylan Patel：
まず、どの情報サービスビジネスも本質的にはこうです：私が得る情報からの付加価値は、顧客がその情報から得る付加価値よりも大きいということです。

私が1ドルで情報を販売すると、あなたはその1ドルを支払う価値があると考える理由は、その情報を使って意思決定を行い、その意思決定が1ドル以上の利益をもたらすと知っているからです。つまり、あなたはアービトラージの機会を得ます。あなたが私から稼いだ金額は、私がその情報を販売することで得る金額よりも多いです。

投資ファンド自体にももちろん独自の情報サービス能力があります。特に Jane Street、Citadel などの機関は、データに関する非常に詳細で深い知識を持っています。しかし、これらの機関は私たちのデータをまだ購入しており、引き続き購入しており、また当社とのパートナーシップを拡大しています。

私はここに何か「it factor」があると考えています。私たちはより速く行動し、より柔軟であり、チームはより少なく、非常に特定の領域に焦点を当てています。つまり、AIインフラストラクチャと、AIおよびトークン経済を含む大きな変革を促進しています。私たちは方向性をより早く把握し、物事をより迅速に構築できます。

ですので、投資プロフェッショナルはもちろん、私たちが行っていることを自分で試みるでしょう。しかし、それらはより多くの場合、私たちのデータを直接購入し、それを基に構築を続けることになります。彼らにとって、私たちのデータを購入してそれを更に活用する方が、ゼロから構築するよりもコストが抑えられることが一般的です。もちろん、最終的には誰かが自分で試みるでしょう。

トークンが新しい生産要素に変わる

Patrick O'Shaughnessy：
私があなたと話すたびに、最終的には常に同じ問題に戻ると感じています：トークンの供給と需要です。今、私が世界で最も興味があるのはこの部分です。あなた自身の経験から、需要側に対する新たな理解はありますか？自分自身がこれを非常に自覚的に感じた後、トークンの需要に関するあなたの考え方は変わりましたか？

Dylan Patel：
一歩後ろに退いて、マクロ的な視点から見ると、AnthropicのARRはおそらく90億ドルから350億ドル、400億ドル程度に成長している可能性があります。このエピソードが公開される頃には、おそらく既に400億ドルから450億ドルに達しているかもしれません。

しかし、彼らの計算リソースの増加は同じ幅に達していません。計算すると、彼らが研究開発の計算リソースを減らしていないと仮定すると（明らかに減らしていないと言えるのは、Metis、Opus 4、Opus 4.7などの新しいモデルをリリースしているからです）、それは一つを示しています：彼らが追加した計算リソースは、すべてが推論に当てられた場合でさえ、彼らの最低限の売上総利益率が約72％であることを示しています。

実際には、追加された計算リソースの一部はおそらく研究開発のために使われているため、彼らの実際の売上総利益率は72％よりも高くなる可能性があります。この年初に、彼らの資金調達文書の一部が漏洩したとき、売上総利益率は30％台という数字が表示されていました。

ビジネスがこれほど短期間でどのようにして売上総利益率をここまで向上させることができるのか？原則として、それは需要が非常に高いためです。彼らは使用クォータやレート制限、さまざまな制約を引き締めることができます。本当に重要なのは、あなたがAnthropicのカスタマーアカウントマネージャを持っていること、企業契約を持っていること、そして必要なレートリミットの向上を得ることができることです。さもなければ、最終的にトークンは非常に希少になります。

支払える人こそが受け取ることができます。Anthropicが直面しているのも同じ問題です。もちろん、これは問題ではなく、これは資本主義の運営方法の現実です。はい、顧客は年にAnthropicに対しておそらく400億ドルの価値のトークン料金を支払うことになりますが、これらのトークンが顧客側で生み出す価値は、おおむね400億ドルをはるかに上回ります。

さまざまな企業が持つ各トークンが生み出す価値は異なります。しかし、モデルがますます知能化されるにつれて、本当に重要なのは、誰がこれら最も知的なトークンを取得し、それらを最も価値のあることに使用するかです。

個人としてあなたが決めなければならないのは、どのようにしてこれらのトークンを使用してビジネスを成長させ、価値を生み出すかです。多くの人はトークンを望み、トークンを消費します。しかし、サンフランシスコでClaudeを使ってソフトウェア製品を生成している通常のSaaSスタートアップは、実際には巨大な価値を生み出していない可能性があります。ですので、いずれにしても、トークン価格によって排除されるでしょう。

Patrick O'Shaughnessy：
私は今日、飛行機の中でこの状況に直面しました。 Opus 4.7 がリリースされると、私はすぐに 4.7 を使いたいと思いました。そして、すぐに使おうとしました。しかし、私はレート制限を受けて全く使えませんでした。私はもはや 4.6 を使い続けることすら想像できませんでした。前数週間、私は 4.6 に非常に満足していましたが、それはすでに非常に強力であったはずです。

最も贵重で最先端のモデルを使いたがる人々に驚くでしょうか？

Dylan Patel：
全く驚きません。過去1か月半ほどで最も笑えた思い出の1つは、私と友人のLeopoldがAnthropicの共同創業者の前でほとんど土下座してMetisへのアクセス権を懇願したことでした。

私たちはそれが存在することを知っていたので、「お願い、使わせてください。」と言いました。その後、彼は「何を言っているのかわかりません。」と言いました。

Patrick O'Shaughnessy：
その価格表や評価カードが出たときのあなたの反応は何でしたか？

Dylan Patel：
実際、湾岸地域に行く前に噂が流れており、我々はそれが非常に強力である可能性があることを大まかに知っていました。ベンチマークを見ると、もちろんベンチマークは常に変化しますが、Mephisto/Metisは過去2年間でモデルの能力が最も大幅に向上した可能性が非常に高いです。

私はこの点が非常に重要だと思います：それはAnthropicが完全に公開したくないほど強力です。一部の顧客に価格を公開し、セキュリティ関連のシナリオに焦点を当てたように、選択的にリリースを行っているにもかかわらず、それは実際の世界に与える影響を懸念しています。そのトークンのコストは5倍から10倍にもなるかもしれませんが、彼らはまだそれを完全にリリースしたくないと考えています。

したがって、私たちに提供されるのは、より劣った、より弱いバージョンであるOpus 4.7です。そして、彼らはモデルカードで明確に述べています：実際、セキュリティ能力において意図的に最適化を悪化させました。その部分を読んだかどうかわかりません。

だから私が言いたいのは：誰であっても、十分な資本があれば、Anthropicの企業サブスクリプションを購入し、トークンで支払うべきだということです。一般的なサブスクリプションを使用するよりも優先されます。なぜなら、それにより制限を受ける可能性が低くなるからです。

そしてあなたは考えなければならない：これらのトークンをどこに最大の価値のある任務に使い、どれだけお金を稼ぐかです。根本的には、おそらく1年後、2年後、多くのビジネスはトークンアービトラージを行っているのです。トークンは非常に強力ですが、重要なのはそれをどこに向けるかを知っていることです。

さらに3〜4年後、モデル自体がどのようにトークンを使用し、最大価値を創造すべきかを知るようになるかもしれません。

過去のある能力レベルに到達するために必要だったコストがXであったことを振り返ってみると、今では以前の1/100、さらには1/1000のコストで済むようになったことがわかります。たとえば、DeepSeekがGPT-4レベルの能力に到達する際のコストは、おおよそGPT-4の1/600でした。その後も、GPT-4レベルモデルのコストは引き続き下がっています。

もちろん、今では誰も実際にGPT-4レベルのモデルを気にしていません。みんなが求めているのは先端のモデルです。なぜなら、先端のモデルは本当に経済的な価値のあるものを創造できるからです。ただし、GPT-4レベルのモデルは引き続きいくつかのシナリオで使用される可能性がありますが、通常はより小規模なものです。

したがって、需要を本当に推進しているのは、古い能力が安くなったことではなく、新しいユースケースが続々と現れていることです。あなたが現在使用しているのはOpus 4.6またはOpus 4.7のレベルのモデルです。1年後、今日と同等の品質のモデル能力を得るために私が支出する金額は、たぶん7万ドルだけで済むでしょう。コストは100分の1になるかもしれません。

しかし、これは重要ではありません。なぜなら、その時点では、私は確実により強力なモデルを使用して、より価値のあることを行うからです。

AnthropicのMetisはモデルそのものが高価ですが、同じタスクを達成するために必要なトークンの量ははるかに少ないです。したがって、ほとんどのタスクでは、実際にはOpus 4.6よりも安価です。

Dylan Patel：
なぜなら、それがはるかに効率的だからです。各トークン自体はより「賢い」かつ高価かもしれませんが、タスクを完了するために必要なトークンの量が少ないためです。

Patrick O'Shaughnessy：
前回お会いしたとき、Metisはたぶんちょうどリリースされたばかりだったか、モデルカードがちょうど出てきたばかりだったと思います。そのとき、あなたはそれが少し怖いほど強力であると言いました。それはどういう意味ですか？

Dylan Patel：
Anthropicの2025年の目標は、2024年から始まっているとも考えられますが、2025年末までに、モデル内にL4レベルのソフトウェアエンジニアを持ちたいと考えています。全般的に言って、彼らはOpus 4.6でそれをほぼ達成しました。

しかし、彼らが言及していないのは、Metisを見て、さらにベンチマークを比較すると、それはよりレベルの高いL6エンジニアのように見えるということです。L4はおおよそ初心者のソフトウェアエンジニアであり、一方でL6はかなり経験豊富なエンジニアです。

私はAnthropicが述べたことを覚えています。このモデルはおそらく2月から内部で使用可能になりました。つまり、2か月の間に、彼らはL4エンジニアからL6エンジニアに昇進しました。次に何が起こるのでしょうか？

モデルの進化を考えると、実際にはそれがまだ加速していることに気付きます。Anthropicのリリーススケジュールが短縮されており、OpenAIのリリーススケジュールも短縮されています。なぜでしょうか？なぜなら、通常、より優れたモデルを作成するにはいくつかの要素が必要だからです。

まず第一に、強力な計算リソースが必要です。計算リソースは非常に高価であり、時間尺度があります。これらの要素には注意を払いながら、それらは確かに成長していますが、短期的には基本的なものです。締結した計算リソースは大まかに決まっています。もちろん、遅れや調整があるかもしれませんし、少し追加しようとすることもできますが、全体としてはかなり固定されています。

次に、非常に優秀な研究者が必要です。企業は今、これらの人々に数千万ドルを支払うことに同意しています。

最後に、実装能力があります。歴史的に、実装は非常に難しいものでした。私が考えを持っていても、それを実現する必要があり、実現は非常に困難なものでした。しかし今、アイデアは至る所にあり、実現が非常に容易になりました。それは高価ですが、非常に容易です。

したがって、問題は次のようになります：個人がどのアイデアを実現するかをどのように決定するのでしょうか？結果として、実現が非常に簡単になりすぎると、より多くのアイデアを実現し、このランニングマシンでより速く走ることができます。

これはAIモデル研究において起こりうることであり、モデルのリリーススケジュールは過去の6ヶ月から2ヶ月に短縮されています。他の領域でも同様に起こり得ます。例えば、私はアメリカのすべての発電所や送電線路をモデリングし、回帰を実行し、マイクロ地域の需給関係を分析したいと思っても、それができるようになりました。

アイデア自体は安く済みます。重要なのは、どのアイデアが意味を持つか、どのアイデアが資本を投入し、トークンを購入して実現する価値があるかです。なぜなら実装能力はすでに存在しているからです。これが最も重要な変化です。

実装コストが引き続き低下すれば（実際、それは実際に低下しています）、私たちはMetisをまだ手に入れていません。Opus 4.7はわずか数時間前にリリースされたばかりですが、私たちのチームは既に非常に興奮しています。

次に、これが世界にもたらすものは何でしょうか？私はそれが経済の運営方法を再構築すると考えています。

過去には、実行が非常に重要でした。なぜなら実行が困難だったからです。一方、アイデアは非常に安価でした。今、アイデアは安価であり、非常に豊富ですが、実行も非常に簡単になりました。したがって、本当にやるべきことは、非常に優れたアイデアだけです。それらは証明できるべきです。実装が非常に安価であっても、それに費用をかける価値があるということを。

Patrick O'Shaughnessy：
では、あなたは本当に恐れていますか？それとも、ただ、掴みどころのない不確実性が導入されたと感じていますか？

Dylan Patel：
不確実性は確かに存在します。しかし、私は確かにある種の恐れを感じています。問題は、社会がどのように再編成されるかです。

あなたが「何かを実現する能力」自体がそこまで重要ではなくなった世界に生きている場合、重要なのは何でしょうか？重要なのは、AIに正しいアイデアを選択させ、それを実現させることができるか；そのアイデアを販売できるか、またはAIが実現したものを販売できるか；その方向に資本を調達できるかです。これらが重要になるのです。

これは、前述の問題にも関連しています：常に最新のモデルを持っていることが非常に重要です。それでは、誰が最新のモデルを取得できるのでしょうか？

Anthropicにはプロジェクトがあります。それがEarwigと呼ばれているわけではないことはわかっていますが、私は意図的にそれをEarwigと呼んでいます。それはAnthropicの人々をからかうためです。彼らはMetisを一部の企業に提供し、ネットワークセキュリティシナリオで使用しています。私はこのようなことが続くと考えています：モデルの展開範囲がますます狭くなり、一般市民向けではなくなります。

注：Earwigの本来の意味は、「ハナカマキリ」であり、小さな昆虫の一種で、中国語ではしばしば「耳のクリップ昆虫」と呼ばれます。ここでは、冗談を交えたあだ名のような感じです：一方でEarwigはある種の昆虫のように聞こえ、もう一方では何か「こっそり耳に潜り込む」「人をこっそり影響する」という連想もあります。

私は、OpenAIやAnthropic、他の企業がみんなにパワフルなAIを提供したいと言っていることを知っています。しかし、AIは非常に高価です。誰が数兆ドルものインフラを購入するのでしょうか？それは、お金持ちであり、そしてAIを構築して有益なものを作ることができる人たちです。

さらに、他の人々があなたのモデルを蒸留するのを望んでいないため、広範囲にリリースしないでしょう。それをますます少ない一握りの顧客に提供するでしょう。そして、これらの顧客間でもトークンを巡って争い始めることになります。

Anthropicが価格を大幅に引き上げない限り。彼らはOpusの価格を倍にしても問題なく、私は支払い続けるでしょう。私は、ほとんどのユーザーも同様に支払い続けると断言します。しかし、それでも彼らの膨大な生産能力の問題を解決することはできないと考えています。

したがって、問題は次のようになります：このサイクルはどこで終わるのでしょうか？トークンの使用量や、これらのトークンがもたらす付加価値がますます少数の企業に集中していくと、どうなるでしょうか？

私は現在Metisを持っていません。しかし、誰が持っていますか？ トップ銀行が持っています。現時点では、彼らはネットワークセキュリティのためにそれを使用しているかもしれませんが、私は想像することができます：私はAnthropicの企業契約を持っているので、また、Anthropicの人々は私を気に入っていると言えるので、彼らは私たちに少し早めのアクセス権を与えたり、若干高いレート制限を与えたりする可能性があります。もちろん、そのようなことが起こることを望みます。

そして、私の競争相手がそのようなアクセス権を持っていない場合、私は彼らを打ち負かすことができるでしょう。

別のシナリオも考えられます。CitadelのKen Griffinのような人物がOpenAIやAnthropicと契約し、次のように言うかもしれません。「毎年先に100億ドルのトークンを買います。新しいモデルがリリースされるたびに、最初に100億ドルのトークンを買い、他の人が使います。」

それが起こるとどうなるでしょうか？ 彼は市場で他の人たちを圧倒する可能性があります。

これは単なる例です。これはネットワークセキュリティの領域で起こる可能性があり、例えば、Anthropicがモデルがシステムに侵入しやすくなることを懸念しているかもしれません。また、私のような情報サービス業界でも起こる可能性があり、私はそれを利用して他を圧倒します。

私は、このことが非常に広範囲に影響すると考えています。私たちはこれらのモデルが実際に何をするかを知りません。Anthropicも知りませんし、OpenAIも知りません。最終的には、エンドユーザー自身が発見する必要があります：これらのトークンはどこで使用できるのか？ 何を構築できるのか？ 何を想像できるのか？

これは生産性を大幅に向上させることが間違いありませんし、人類にとって非常にポジティブな側面も持っています。しかし、資源と使用権はどのように集中するのでしょうか？

ロボットは次の需要波につながるでしょう

Patrick O'Shaughnessy：
現在、ロボットまたはロボティクスが消費するトークンは、他の領域と比較してほとんど無視できるレベルです。あなたはどう思いますか？ これは第2の需要曲線になりますか？ ここでは、毎日新しいロボットスタートアップ企業が1マイル四方に登場し、何か面白いものを作ろうとしています。

Dylan Patel：
ここには「ソフトウェアだけのシンギュラリティ」という概念があります。つまり、世界で最初にソフトウェアの中だけで発生するAIのシンギュラリティが起こるかもしれません。しかし、問題は、世界の大部分は物理的であるということです。最終的には、世界はハードウェアを中心に形成されることになるでしょう。だから私は、「ソフトウェアシンギュラリティ」は最終段階ではなく、単なる短い段階であると考えています。最終的には我々は物理世界に入っていくからです。

ソフトウェアが非常に簡単になると、ロボットの本当に難しい部分は何ですか？プログラミング、マイクロコントローラー、アクチュエータ、およびそれらすべてを制御することです。これらは現在非常に難しいです。

AIモデルには非常に興味深い特性があります：その学習効率は実際には低いです。データが膨大であるためだけに、モデルは何かを学習し、人間をいくつかの面で凌駕しています。

ただし、現在のロボットモデル（たとえば Vision-Language-Action、視覚言語アクションモデル）は非常に人気がありますが、これが継続的に拡大することができる最終的なものではない可能性があると考えています。データ効率が低く、かつ、ロボットデータのスケールを迅速に拡大することはできません。

将来的には、ロボットモデルに大規模な事前トレーニングを施す方法が確実に現れるでしょう。人間が一生涯にわたってさまざまなデータを見続けるのと同じように。人間の真の達人の能力は、私たちが非常に「サンプル効率」が高いことにあります。1つの例、2つの例で私たちは学ぶことができます。

この能力をロボットに適用すると、状況は全く異なります。ソフトウェアレベルのシンギュラリティが発生すると、実装は非常に安価になり、誰もがこれらのモデルの構築を始めることができます。その後、人々は本当に役立つロボットの構築を始めることができます。

したがって、私は、将来の6〜18か月以内に、ロボット分野で本当のブレイクスルーが起こると思います。鍵となる能力は、few-shot learning（少サンプル学習）であり、その時点で事前にトレーニングされたロボットモデルがあり、いくつかの例を示すと、それがタスクを完了できるようになります。

それにこれら2つのものを重ねろと言うと、それができます。それに、このものは実際にはバランスを保つことができると伝えると、それは試行を始め、完了します。信じてください、私自身、こぼれたものをたくさん経験しました。

したがって、私は、ロボットが少数のサンプルを用いた学習能力を持つようになると考えています。

現在、多くの企業が実際にロボットを製造しており、一部は広告デモのために、他は非常に単純なタスクのために行っています。しかし、次は非常に細分化されるでしょう。たとえば、洋服をたたむためだけのロボットがあり、またはもっと細かく、黒板をきれいにする専門のロボットもあります。それはリースサービスかもしれませんし、モデルパッケージかもしれません。あなたは標準のロボットにダウンロードして、そのタスクを実行することができますし、それを使用した分だけ料金を支払うことになります。

とにかく、物理的な商品分野は急速な加速を迎えるでしょうし、デフレ効果が生じます。そして最終的には、トークン需要が狂った成長を続けることになるでしょう。だから個人的には、トークン需要が鈍化するとは思いません。

Patrick O'Shaughnessy：
Metisの結果とその構築方法から、この世界について新しいことを学びましたか？つまり、スケーリング則の各構成要素、たとえばプレトレーニングなどを分解して考えると……

Dylan Patel：
これは、以前のモデルよりもはるかに大きなモデルです。10万ブロックのブラックウェルは、前世代の数十万個のブロックと同等です。もちろん、TPUとTritonにはそれぞれ異なるリリースペースがあり、完全に対応はできません。しかし、最終的には、Metisは明らかにより大きなモデルです。これは、スケーリング則がまだ有効であることを証明しています。それが示すすべては、トレンドラインが継続していることを示しています：モデルにより多くの計算リソースを投入すると、モデルはより優れたものになります。

そしてこのプロセス全体で、ただ単に「より多くの計算リソースがモデルを向上させる」というだけではありません。同時に、私たちは計算効率性も向上し続けています。研究所が投入したすべての開発用計算リソースは、最終的には1つのことに変換されます：特定の能力レベルのモデルを望む場合、6か月ごとに、さらには今では2か月ごとに、それを達成するためのコストが大幅に削減されます。ただし、スケールを大幅に引き上げると、引き続き大きな能力向上を実現できます。

したがって、これは今も進行中であることを証明しています。GoogleとAnthropicはトレーニングサイドでGPUを積極的に使用しているわけではありません。OpenAIは今後、新世代のモデルをリリースするはずです。彼らはスケーリングにおいて、より合理的で原則的な段階的アプローチを取っていると思います。一方、Anthropicは今回、大きな飛躍を達成しました。

今年はさらに優れたモデルが登場し、リリースペースもますます速くなるでしょう。

Patrick O'Shaughnessy：
私たちのこの会話は長引きましたが、ほとんどOpenAIについて触れていません。これは以前では非常に奇妙だったでしょう。

Dylan Patel：
これが面白いところです。今では多くの人がこう言うでしょう：つまり、Anthropicはすでに勝利したのですよね？2月にMetisが登場しましたが、さらなるリリースは行われていません。それは不要だと判断したからです。彼らの計算リソースは完売し、収入は月々100億ドル増加しています。そして今日、Opus 4.7がリリースされ、これらすべてはOpenAIが噂されているSpudのリリース前に起こったことです――同じ情報源などがこの噂を報じています。

したがって、表面的には、Anthropic が明らかにリードしており、OpenAI は終了しているようです。しかし興味深いことに、Anthropic は明らかにコンピューティング パワーに制限を受けており、拡大する能力には限界があります。Dario は以前、OpenAI がコンピューティング パワーへの投資に過剰に積極的であり、一方 Anthropic のスケーリングはより合理的だと自慢げに述べていました。しかし、今は Anthropic も「私たちは当初、もっと多くのコンピューティング パワーを持っているべきだったかもしれない」と考えているかもしれません。

一方、OpenAI はこれらの請求書を支払う能力を持っています。実際、彼らは多額の資金調達を行い、さらなるインクリメンタルなコンピューティング パワーを獲得するためにそれを使用しています。さらに、彼らは Oracle、CoreWeave、SoftBank、Microsoft などの企業から非常に積極的で、時には「責任を持たない」とさえ言える規模でコンピューティング パワーを購入していました。そして今、彼らは Amazon から Trainium を取得しました。

そのため、OpenAI はコンピューティング パワーに関して非常に狂ったことをしており、さらに多くのコンピューティング パワーが必要だと自覚しています。

興味深いことに、Opus 4.6 を見ると、モデルの強化を考慮せず、単にこの技術の普及を見ると、あなたや私はおそらくモデルがリリースされた日にすぐに使用するかもしれませんが、他の企業には時間が必要です。人々も時間が必要です。その「Claude の覚醒の瞬間」がすべての人に同時に訪れるわけではありません。したがって、年末までに、Opus 4.6 レベルのモデルが想定される経済全体がそのために年間 1000 億ドルを支払う用意があるということは、私にとっては誇張ではないと思います。何しろ、今ではすでに 400 億ドルを費やしています。

Patrick O'Shaughnessy：
基本的には線形の外挿に過ぎません。

Dylan Patel：
はい、これは線形の外挿であり、指数関数的な外挿ではありません。指数関数的な成長を実現するには、より優れたモデルが必要です。しかし、Anthropic にはそれらの需要を満たす十分なコンピューティング パワーがありません。したがって、OpenAI や Google がすぐにこの能力レベルに到達すれば、誰もがそれを達成できるでしょう。

Anthropic は恐らく 70% のグロス マージンを得るかもしれませんが、OpenAI が同等の能力を獲得すれば、50% のグロス マージンしか得られない場合でも、OpenAI はそのすべての増分需要を獲得するでしょう。さらに、おそらく彼らもすべてのユーザーに対応する十分なコンピューティング パワーを持っていないでしょう。そのため、たとえ Metis のようなモデルが世界中で十分なコンピューティング パワーが利用可能であれば、5000 億ドル以上の収入をもたらす可能性があります。市場はこれらのトークンへの需要が非常に強いため、コンピューティング パワーの供給は極めて限られています。

これはすでに H100 の価格急騰から見て取れます。GPU の寿命も延び続けています。明らかに、セカンドラインの実験室でさえ、彼らのトークンは売り切れるでしょう。ファーストラインの実験室の話などおこるはずもありません。ファーストラインの実験室はより良い利益率を持つでしょうが、セカンドラインの実験室も売り切れ、三線の実験室すら売り切れに近づくかもしれません。

最も強力なモデルが創造できる経済的価値は、基盤を通じて人々にこれらのトークンを提供する能力がより速く成長しています。したがって、このギャップは続いて広がるでしょう。モデル実験室の利益率も引き続き上昇し、ハードウェアサプライチェーンとインフラサプライチェーンの人々が気づくまで、利益率をなぜ上げないのか？という反応があります。

Patrick O'Shaughnessy：
つまり、今日の需要側の判断は、特に SemiAnalysis の例を取ると、完全に爆発的です。そして、一般的には、「AI精神病」と言われる状態における人々が自分の可能性に気づき、達成の難しさがほぼ完全に消失したことを感じている中で、私自身も同様の経験をしています。数週間で、私自身のトークン支出が急激に増加しました。

これはかなり良い需要側の判断のようです。したがって、需要側において、私たちが見落としている要素はありますか？より多くのトークンを使用しなければ、「永久底層」から永遠に脱却することはできません。この言葉について話していただけますか？

つまり、もしあなたがもっと多くのトークンを使用し、これらのトークンによって超過経済価値を創造しない場合、多くの人は今の使い方がつまらないと感じ、怠惰になります。彼らは考えます。「だから私は毎日1時間働き、8時間働かないで、AIに大部分の仕事をやらせることにする。」

Dylan Patel：
それはつまらない方法です。もっとクールな方法は：私は毎日8時間働きますが、8倍の仕事をこなし、たぶん5倍のお金を稼ぎます。5倍になる保証はありませんが、進むべき方向はそうでしょう。

もちろん、1つの仕事だけをしている場合は難しいです。確かに、複数の仕事を同時にしている人もいますし、企業を興し、商品を売る人もいます。みんながAIを使用し、それが業界標準になる前に、AIがもたらす経済的価値を捉える必要があります。なぜなら、それがまだ完全に普及していないからです。もしもっと多くのトークンを使用せず、これらのトークンから価値を創造し、その価値を捉えない場合、あなたは永遠に「永久底層」から脱却することはできません。

ここには実際に3つの異なる問題があります：1つ目は、もっと多くのトークンを使用すること。2つ目は、これらのトークンから価値を創造すること。3つ目は、あなたがトークンを使用して創造した価値を捉えること。これら3つのことを成し遂げられない場合、モデルの能力がますます急上昇し、リソースがさらに集中する可能性があり、あなたは永遠に「永久底層」から脱却することはできません。

よし、ではサプライサイドについて話しましょう。では、現在何が起こっているのでしょうか？需要曲線が急上昇した場合、すべてのこれらのトークンを処理するために、サプライスタック全体でどのような変化が起こっているのでしょうか？需要の急激な上昇に伴い、サプライサイドのすべてのものが価格上昇しています。NVIDIA GPUであろうと、他の部分であろうと、価格は上昇しています。同時に、これらの機器の寿命も延びています。

H100 の価格動向がその典型です。過去にはGPUの有用寿命は5年未満と考えていた人もいましたが、これは完全な誤解です。今、3〜4年前のsome Hopperクラスターが、さらに3年または4年の契約を結び直しています。一部のA100クラスターも将来数年間の契約を更新しています。

したがって、GPUの有用寿命は明らかに5年ではなく、おそらく7年または8年である可能性があります。どうなるかはまだわかりませんが、Hopperが実際の段階に達したときに見てみましょう。しかし、明らかに5年ではありません。そして契約更新時に価格は上昇しています。

これは、クラスターのマージン率が実際には35%ではなく、それ以上であることを意味しています。クラウドの利益率が拡大しています。ハードウェアレイヤの利益率も非常に健全であり、NVIDIAは今も約75%のマージンを徴収しています。サプライチェーンの下流に進むと、メモリセグメントの利益率は明らかに大幅に上昇しています。光モジュール、ロジックチップなどの領域も大規模な前払い金が発生し、利益率が徐々に上昇しています。

さらに重要なのは、チップを製造するNVIDIAなどの企業が巨額の前払い金を支払っているということです。したがって、マージン率が著しく上昇していなくても、資金コスト、キャッシュフローのタイミング、または投資の資本収益率が上昇しています。

この傾向はサプライチェーン全体に広がっています。ASMLは完全に品切れており、Carl Zeissが生産を迅速に拡大する必要があります。サプライチェーンをたどると、各セグメントが売り切れてマージンが上昇しているか、または前払い金を受け取っているため、実際に投入する資本が低いため、投資の資本収益率が向上しています。

これはサプライチェーン全体にわたる一貫性のあるトレンドです。PCBでさえも同様です。PCBの製造には銅箔が必要であり、銅箔も売り切れているため、人々は銅箔の前払いをしています。

このものが「生きている」限り、それがサプライチェーンに存在し、すでに品切れの状態である限り、人々はさらなる増分供給を求め、将来数年間の供給を先取りしようとします。

ハッシュレートの不足が全産業連鎖に伝播

Dylan Patel：
サプライチェーンは通常、迅速に反応します。しかし、今回の場合は非常にユニークであり、今日のサプライチェーンは途中でどれだけ複雑かを示しているという点があります。これまで以上に複雑なものを構築しており、供給の追加そのものが数年を要しています。

メモリはこのようなものです。メモリの生産能力は毎年、20%、30%程度といった比較的低い二桁の割合でしか増加しません。NAND はさらに低く、DRAM は少し高いです。2025年末に需要シグナルが非常に強くなったとしても、メモリ企業はすぐには反応を開始しますが、本当の追加生産能力はすぐには現れません。

本来の毎年20%から30%の成長に加え、もちろん、もう少し生産能力を引き出すことはできます。しかし、本当の意味での追加供給は、2028年まで登場しません。もっとも早くても2027年末かもしれませんが、おそらくは2028年です。これは非常に特異な状況です。最速で生産を拡大したいとしても、供給はすぐには現れません。

その結果、メモリの価格は急騰しています。そして、断言しますが、特にDRAMの場合、価格は少なくとも2倍から3倍になるでしょう。

「メモリの話はもう飽きたし、みんなが理解している」と言う人もいますが、実際にはそうではありません。DRAMは今後も2倍から3倍になる可能性があります。なぜなら、必要な生産能力がそうであるからです。彼らは他から生産能力を奪わなければなりません。そして、資本主義経済の中で、他から生産能力を奪う唯一の方法は、より高い価格で需要の一部を壊滅させることです。私たちは配給制度をやっていないので、最終的にはこのような事態が起こることは避けられません。利益率はさらに上昇するでしょう。

私はロジックチップにも大きな生産能力問題があると考えています。台湾のTSMCはつい先日、決算を発表し、資本支出を引き上げ続けています。しかし、ファブの建設にはかなりの時間がかかります。彼らはあらゆる努力をして、各現存工場から最大の収量を引き出そうとしています。しかしTSMCは急速に価格を上げていません。なぜなら彼らは「いい人」だからです。彼らの価格上昇は一桁台にとどまり、メモリメーカーのような3桁の上昇は見られません。

結局、市場は次のような状況になるでしょう：TSMCは素晴らしい企業ですが、それがすべての価値を引き出すでしょうか？必ずしもそうとは限りません。

さきほど触れたように、PCBに必要な銅箔やガラス繊維、レーザーなども、比較的理解されているが細分化されたサプライチェーンであり、現在非常に緊張しています。さらに上流を見ると、半導体のウエハ製造装置サプライチェーンは、非常に重要だと思われる市場が依然として過小評価されていると考えます。

TSMCの今年の資本支出予測は560億ドルです。私たちが1月から行っている予測では574億ドルであり、さらにわずかに上方修正される可能性があります。しかし、人々が本当に注目すべき点は、それが来年にどう影響するか、そして再来年にはどうなるかです。

その結果、3年後には TSMC は資本支出を 1000 億ドルに引き上げるかもしれません。おそらく2年後、つまり2028年には、本当に1000億ドルを資本支出に費やす可能性があります。私は真剣です。TSMC は2028年に1000億ドルを資本支出に費やすかもしれません。

多くの人がこの数字を想像することができません。しかし、これはその下流サプライチェーンにとって何を意味するのでしょうか？Lam Research、Applied Materials、ASML などの企業にとっては何を意味するのでしょうか？MKS Instruments などのより下流のサプライチェーンにとっては何を意味するのでしょうか？

バルウィップ効果はさらに拡大されます。

注：ここで言う「バルウィップ効果」とは、サプライチェーン内の増幅効果を指します。具体的には、AI の需要が最下流ではトークンの使用量の急増に見えるだけですが、上流サプライチェーンに伝播すると、段階的に拡大され、最終的にはより誇張された生産拡大、価格上昇、および生産能力の争奪に変わります。

TSMCが本当に2028年に1000億ドルの資本支出をしたいと考えているなら（私はこれが実現可能だと考えています）、多くの人がそれを狂気だと感じるかもしれませんが、これは実際に起こり得ることです。

Patrick O'Shaughnessy：
それでは、チップエコシステムの他の部分は？GPU は常に圧倒的な地位を占めていました。しかし、CPU、ASIC、または他のものが新たな機会やボトルネックとして現れる可能性はありますか？NVIDIA GPU の主導地位だけでなく、注目すべき側面は他にもありますか？

Dylan Patel：
はい、ASIC は明らかに急速に成長しています。ただし、ますますAIチップそのものから離れて、他のことを少し話してみたいと思います。私たちはFPGAに関するプロジェクトを行いましたが、次世代AIフレームワークごとに約120個のFPGAが必要だという結果が出ました。これはすべてのFPGA企業にとって何を意味するのでしょうか？

CPUに関しても同様です。すべてのこれらの強化学習環境に加えて、私たちが生成する「クソコード」が実行されていますが、現在それらはVercelインスタンス、AWSインスタンス、または私たちが手軽に立ち上げるクラウドリソースのどこかで実行されています。これらすべてはCPUを必要とします。したがって、CPUも完全に売り切れており、需要が急速に増加しています。

Patrick O'Shaughnessy：
皆さんに理解していただくために、CPUはシステム全体でどのような役割を果たしているのでしょうか？

Dylan Patel：
主にCPUを大量に必要とする理由は2つあります。

まず第一に、強化学習です。強化学習を行う際には、CPUが非常に重要です。

過去、インターネット全体のデータをモデルに投入してトレーニングし、モデルがいくつかの結果を吐き出すことが一般的でした。しかし今では、インターネットデータをモデルに入れた後、そのモデルを環境に入れて「さあ、試してごらん」と言うことになります。モデルはさまざまなことを試みます。最終的に、その環境はモデルが試した結果が成功したかどうかを評価し、スコアをつけます。これらの環境は何でもかまいません。それは単純なものであってもよいし、例えば出力テキストが正しい形式であるかどうかをチェックするか、構造化された出力が正しいかどうかを確認するかもしれません。また、非常に複雑なものであってもよいです。

現在、人々は非常に複雑なシナリオに参入し始めています。例えば、「あなたにこのファイルを開いて、編集して、更新して、あるウェブサイトに提出してほしい」といったものです。あるいは、「あなたにシーメンスの物理シミュレーションソフトウェアを開いて、このCADモデルを編集してほしい」といったものです。そのため、これらの環境はますます複雑になります。そして、これらの環境はGPUやASICではなくCPU上で実行されます。

ASICやGPUはモデル自体を実行します：環境から入力データを受け取り、それをモデルに送り、異なる出力パスを生成します。つまり、モデルが問題を解決すると考える異なる方法です。その後、これらのパスは評価されスコアがつけられます。成功したパスは、モデルのトレーニングや更新を継続するために使用され、繰り返されます。したがって、これはCPUが非常に有用な最初の領域です。

2番目の領域はデプロイメントです。

非常に強力なモデルができ上がり、それらを展開するとき、モデルはコードを生成し、さまざまな有用な出力を生み出します。しかし、これらの出力はGPUから直接人の脳に入るのではありません。それらはGPUやASICから出てきて、展開されたアプリケーションに入りますが、そのアプリケーション自体は通常CPUで動作します。

したがって、これはまた別の非常に需要の大きい領域です。CPUは大いに必要とされています。

人工知能の価値はGDP統計では計り切れない

Patrick O'Shaughnessy：
供給と需要の動向を持続的に評価し、世界で最もこれら2つのことを理解している人になろうとしている際、あなたが知りたいと思っているが、まだ知らないことは何ですか？

Dylan Patel：
私たち、実際には誰もが最も理解が難しいと考えている部分は、トークノミクスでしょう。すなわち、トークン経済です。インフラ運用に必要なコスト、トークンのコスト、モデルのコスト、これらの実験の利益率などに関しては、私たちは非常に良い判断を持っています。しかし、本当にモデル化が難しいのは利用量と採用速度です。

私たちは 1 月に、2 月について非常に過激な予測を行いましたが、結果として Anthropic は軽々と超えました。このモデルをどのようにキャリブレーションすべきか？どのデータソースを使用すべきか？2 月になると、再び 3 月について非常に過激な仮定をしましたが、結果として再び成功しました。皆が「100 億ドルの収入増加」の数字を見たとき、反応はどうだったか？この100億ドルの収入は具体的にどのように増加したのか？誰がこれらのトークンを使用しているのか？なぜ使用しているのか？彼らは具体的にどのようなものを構築しているのか？さらに重要なのは、彼らがトークンを使用して構築したものが経済にどのように浸透しているか？どれだけの価値が生み出されたか？

これは GDP 統計で簡単に捉えることができるものではありません。例えば、私がトークンを使用して生み出したすべての価値は、最終的にはより良い情報に変換されます。そして、私はこの情報を売却し、過去に他の人々が情報を売却した価格に比べて、より低い価格で売却しています。

この情報はその後、全体の経済システムに入り、人々がより良い投資判断や競争判断を下せるようにします。たとえば、それらが半導体企業、データセンター企業、またはハイパースケーラーである場合、この情報の価値は具体的にどれくらいですか？それは経済にどのような影響を与えていますか？

どの主観的指標から見ても、これは明らかに非常に驚くべきことです。しかし、問題は、「幽霊 GDP」がどこにあるのか？Phantom GDP とは具体的に何か？真の経済価値をどのように追跡すべきか？

なぜなら、現在の GDP 指標は正確ではないのです。たとえば、あなたが Dylan Patel がいかに多くの GDP を生み出したか尋ねたら、その数字は非常に小さく、実際に自分が生み出したと考える価値とは比較になりません。

したがって、最終的な問題は次のとおりです：これらのトークンは具体的にどれだけの価値を生み出したのでしょうか？直接収入だけでなく、その連鎖効果も考慮する必要があります。彼らが達成したすべてのことが、その後どのような影響をもたらしたのでしょうか？

私はこれこそが真の問題であり、最も難しい測定の課題だと考えています。私たちは供給側に対して非常に良い理解を持っていると思います。需要側の多くのシグナルにも、非常に良い理解を持っています。しかし、これらのトークンが具体的にどのような価値を生み出したのか、それを量ることが困難であると考えています。変化が速すぎるため、私は3か月に1回このような議論を行うことを望んでいます。

反 AI プロテスト、おそらく3か月以内に勃発する可能性

Patrick O'Shaughnessy：
次に何が起こると予想していますか？たとえば3か月後、再びサンフランシスコに行き、あなたに会うことを計画しています。そこで何を見る予定ですか？

Dylan Patel：
大規模な反対運動。

Patrick O'Shaughnessy：
AI に対する抗議？詳しく教えて。

Dylan Patel：
人々はAIを嫌っている。今やAIはICEや政治家よりも歓迎されていない。Pewがどのように調査したかは分からないが、明らかにAIは政治家よりも歓迎されていないようだ。

Anthropicの収入がこれほど増加すると、下流でビジネスの変化が始まるだろう。人々はますますAIを恐れるようになる。彼らはますます自分たちの問題や長年のグローバルな根源的な問題の多くを、AIに帰するようになるだろう。

これらの問題が表面化し、それらがAIに帰せられるであろう。おそらく、いくつかの政治家やソーシャルメディア上の人物、インフルエンサーが、他者を攻撃するためにAIを武器として使用し始めるかもしれない。

あなたはいくつかのニュース記事のコメントセクションを見てみてください。Sam Altmanの家には2週間で2回も火炎瓶が投げ込まれましたが、コメントセクションには喝采する声があったというのです。これはまだ序章に過ぎません。ですので、私は3か月以内にAIに対する大規模な抗議を見ると考えています。

Patrick O'Shaughnessy：
その感情を和らげる力は何ですか？AI業界はどのようにして予め対処すべきですか？

Dylan Patel：
まず第一に、Sam AltmanとDarioはインタビューを受けるのをやめるべきです。彼らにはあまり個人的な魅力がありません。彼らが一体何をやっているのか本当に分かりません。どのインタビューも一般大衆をますます彼らから嫌悪させるだけです。たとえば、Sam AltmanがTucker Carlsonの番組に出演したことは、おそらく共和党員全員がOpenAIをより嫌うようになったかもしれません。Darioも同じです。彼らには本当に魅力がありません。これが第一のポイントです。

第二に、彼らはAIが達成できる積極的で励ましのある事例を示す必要があります。

第三に、彼らは「AIの能力が世界全体をどのように変えるか」ということについて繰り返し話すのをやめる必要があります。なぜなら、人々はそのような能力を聞いて、ただただ恐怖を感じるだけだからです。特に、彼らがその技術と何の実質的なつながりも持っていない場合にはそうです。

Patrick O'Shaughnessy：
彼らはそれを使いこなす方法を知りません。

Dylan Patel：
そして彼らはそれとつながりがありません。一般大衆はAnthropicやOpenAIの従業員を知りません。これらの人々が誰なのか、どんな目標を持っているのかを知りません。彼らはこれらの企業を何らかの陰謀集団だと見ています：何千人もが一つの会社に集まって、世界を変えよう、すべての仕事を自動化しよう、社会を破壊しようとしている。多くの人々にとって、それが全体像です。

さらに、これらの企業は多くのデータセンターや発電所の建設を後援および推進しており、一般大衆からは世界を汚染するものと見られています。人々は実際に何が起こっているのかを理解していません。そのため、これらの企業はその「将来起こり得る巨大な変革」について話すのをやめ、現在に焦点を当てる必要があります：AIが現在どのようにポジティブな影響をもたらしているか。私は、これが大規模な組織改革とブランド改革を必要とすると考えています。

Patrick O'Shaughnessy：
このような対話をすることができて嬉しいです。お時間をいただきありがとうございます。

Dylan Patel：
素晴らしいです、ありがとうございます。

[Video Link]

BlockBeats の公式コミュニティに参加しよう：

Telegram 公式チャンネル：https://t.me/theblockbeats

Telegram 交流グループ：https://t.me/BlockBeats_App

Twitter 公式アカウント：https://twitter.com/BlockBeatsAsia