TL;DR
Anthropic CEOのDario Amodei氏が「フロンティアの速度制限」を提唱し、AI安全問題が再び半導体セクターのセンチメントを圧迫する可能性がある。
バーンスタインは、「AI減速」はモデル能力の向上速度を指すものであり、トレーニングの停止や設備投資の削減を意味しないと見ている。
AI計算需要はモデルトレーニングから推論へと拡大しており、Agentアプリの大量呼び出しがチップ需要を持続的に拡大させる。
より強力な新モデルがなくても、現在の計算能力では既存モデルの大規模展開を十分に支えることができない。
バーンスタインは、この倡议が米中AI競争とも関連しており、特にチップ輸出、モデル蒸留、重み保護に関わると推測している。
より厳格な安全評価は短期的に規制圧力を高めるが、長期的にはAI商業化が直面する政治的・社会的抵抗を軽減する可能性がある。
バーンスタインは引き続きAIインフラを強気に見ており、トップピックはNVIDIA、Broadcom、および半導体製造装置株である。

ここ数週間、半導体セクターのセンチメントは持続的に回復し、7月の安値から約13%上昇、年初来の上昇率は67%に達した。相場を支える核心的な論理は、市場が大手テック企業のAI支出が依然として継続すると再び信じるようになったことである。

しかし、Anthropic CEOのDario Amodei氏が突然「フロンティアの速度制限」を提唱したことで、すでにやや沈静化していた問題が投資家の視野に再び戻ってきた。もしトップAIラボが自発的にモデル能力の向上を鈍化させれば、チップ需要やデータセンター建設もそれに伴い減速するのだろうか？

バーンスタインが9月14日に発表したレポートで示した答えは、「必ずしもそうではない」というものである。

その核心的な判断は、モデルの反復は減速できるが、計算需要に同時にブレーキをかけることは難しいというものである。AI計算の重心がトレーニングから推論へと拡散するにつれ、特にAgentアプリが徐々に実用化される中で、半導体需要はもはや次世代フロンティアモデルだけに駆動されるものではなくなっている。

AIラボはなぜ突然「減速」を議論し始めたのか？

Amodei氏は三段階の「速度制限フレームワーク」を提唱した。

第一段階は、AIラボ内部に独立した第三者評価機関を導入し、企業がすでに表明した安全コミットメントを遵守しているかを検証することである。第二段階は、米国規制を推進し、すべての米国AI企業に統一ルールを確立することである。第三段階は、グローバルな調整であり、中国との何らかの協力または拘束メカニズムの構築を試みることを含む。

この倡议が登場した時期は、AI安全をめぐる議論が再び高まっているさなかであった。最近、複数の大規模基盤モデルラボの安全・アラインメント担当者が公開的に退職し、自己改善可能な超知能を競い合う業界が十分に信頼できる拘束メカニズムを構築していないと批判した。Amodei氏の表明にはその後、Sam Altman氏、Elon Musk氏、Satya Nadella氏らテック業界のリーダーが反応を示し、「フロンティアモデルの研究開発を減速すべきか」がラボ内部の議論から公共・規制の議題へと移行したことを意味している。

半導体投資家にとって真に敏感なのは、セキュリティ議論そのものではなく、「定速」が直接的に計算力投資に触れる可能性があることだ。Amodeiは、規制は訓練計算力、訓練の実行方法、そしてAIを利用してAIを改善するなどの重要な环节に制限を設けることができると述べている。一旦制約がクラスター規模や訓練リソースに及べば、市場は当然AIチップとデータセンター支出が影響を受けることを懸念するだろう。

バーンスタインは、この懸念は短期的に半導体セクターのセンチメントを押し下げる可能性があるが、実際の需要を変えるには至らないと考えている。

まず、Amodeiは訓練の停止を主張しているのではなく、フロンティアモデルの能力向上速度を「極めて速い」から「やや速い」に落としたいだけだ。現在のAI産業の拡張速度を考慮すれば、モデル反復がやや減速しても、背後に対応する訓練投資は依然として相当な規模になり得る。

さらに重要なのは、AIチップ需要の原動力がすでに変化していることだ。

モデルは減速しても、推論需要は止まらない

これまで、AIチップ需要は主に大規模モデル訓練によって牽引されてきた。モデルパラメータの増加、訓練データの拡張、訓練期間の延長が、GPUクラスター規模の不断の拡大を直接もたらした。しかし、モデルが大規模応用段階に入ると、推論が新たな計算力消費の中心になりつつある。

特にAgentシナリオでは、モデルはもはや一度の質問に対して一度の回答を生成するだけではなく、継続的にタスクを計画し、ツールを呼び出し、結果を読み取り、経路を修正し、出力を検証する必要がある。一つのユーザーリクエストが複数回、さらには数十回のモデル呼び出しを引き起こす可能性があり、その推論消費は従来のチャットボットよりも著しく高い。

これは、フロンティアモデルが一時的に急速なアップグレードを停止しても、既存モデルの大規模展開が依然として計算力需要を継続的に増加させることを意味する。バーンスタインは、現在すでに投入されている計算リソースは現在のモデルの需要を十分に満たすことすら難しく、ましてや将来登場する可能性のある新モデルやより複雑なAgentアプリケーションについてはなおさらだと指摘する。

同時に、大手テクノロジー企業のAI資本支出はすでに実際の実行段階に入っている。チップ調達、データセンター、電力システム、ネットワークインフラの建設サイクルは長く、一度の業界提言で即座に調整される可能性は低い。バーンスタインはしたがって、現在のAI企業の直近収益目標は基本的に顧客の支出計画をすでに反映しており、関連計画に重大な変化が生じる可能性は低いと判断している。

言い換えれば、「AI減速」がまず打撃を与えるのは、チップ受注ではなく、バリュエーションと市場センチメントである可能性が高い。推論呼び出し量、企業展開、Agentアプリケーションが依然として成長している限り、AIインフラ投資が本当に止まることは難しい。

安全倡议の裏側には、米中のAI競争もある

バーンスタインは、Amodeiの倡议は必ずしも安全問題だけではなく、米中のAI競争にも関わっていると見ている。

Amodeiは、米国のAI発展に対する制限は、中国に主導権を握らせることを代償にしてはならないと強調している。同氏は、先端AIチップおよび半導体製造装置の対中輸出制限を継続しつつ、未承認のモデル蒸留への取り締まりと、モデル重みの保護強化を主張している。

バーンスタインはこれに基づき、中国のAIラボが蒸留を通じてモデル格差を急速に縮めていることが、この倡议を後押しする重要な要因の一つである可能性があると推測している。ここで注意すべきは、これはバーンスタインの判断であり、Amodeiが直接認めた政策的動機ではないという点である。

米国のトップラボにとって、一方的な減速には明らかなリスクがある。自らがより厳格な安全審査と計算資源の制限を受ける一方で、オープンソースモデルや海外の競合他社が同じルールに縛られなければ、減速はかえって自らの主導的地位を弱めかねない。したがって、Amodeiが米国の統一規制とグローバルな協調を提唱するのは、本質的にはルールを競争環境全体に及ぼそうとする意図でもある。

こうしてみると、いわゆる「AI安全」は技術競争と交差しつつある。訓練算力、モデル重み、蒸留手法は安全問題であるだけでなく、新たな産業参入障壁にもなり得る。関連政策は世界のチップ販売の地域構造を変える可能性があるが、米国テクノロジー企業全体の投資を必ずしも弱めるわけではない。

バーンスタインは引き続きエヌビディア、ブロードコム、装置株に賭ける

バーンスタインは、より厳格な安全評価は短期的な規制圧力を増すものの、AI業界の長期的発展には有利になり得ると考えている。監査可能で制約されたAIシステムは、政府、企業、国民に受け入れられやすく、データセンター建設や商業展開が直面する政治的抵抗の低減にも役立つ。

したがって、報告書は「フロンティア定速」を理由にAIインフラへの判断を引き下げることはなく、むしろエヌビディア、ブロードコム、半導体製造装置企業を引き続き最優先方向として挙げている。

エヌビディアは「アウトパフォーム」評価、目標株価400ドルを付与された。バーンスタインは、そのデータセンター市場の余地は依然として巨大であり、訓練と推論の需要がともにGPU成長を支えると見ている。

ブロードコムも同様に「アウトパフォーム」評価、目標株価575ドルを付与された。報告書は、同社の2026年のAI成長軌道が2027年から2028年にさらに加速し、カスタムAIチップとネットワーク事業が引き続き主要なけん引役になると予想している。

装置分野では、アプライド マテリアルズ、ラムリサーチ、KLAがいずれも「アウトパフォーム」評価を付与され、目標株価はそれぞれ700ドル、385ドル、250ドルとなっている。バーンスタインは、GAA、先端パッケージング、HBM、NANDのアップグレードがもたらす装置需要を強気に見ている。なかでもKLAは、構造的な成長原動力、強固な競争地位、比較的低い中国代替リスク、厳格な資本配分により、プレミアム評価を得る基盤を備えている。

バーンスタインの最終的な判断は、「AI減速」は半導体セクターの新たなセンチメント変数となるが、当面はAIインフラのサイクルを反転させるには至らないというものだ。フロンティアモデルの研究開発は減速する可能性があるが、トレーニングは止まっておらず、推論需要は加速しており、Agentがさらに一回あたりのタスクの計算消費を押し上げている。

AIラボはブレーキを踏む議論を始めたかもしれないが、計算力産業にとって、需要を決めるのはもはやモデルの反復速度だけではなく、AIが利用される規模と頻度である。この変数が成長し続ける限り、AIチップの需要ロジックはまだ終わっていない。

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