3月12日、OpenAIの最高経営責任者Sam Altmanは、米国ワシントンで開催されたブラックロック米国インフラサミットで円卓対話を行った。この対話では、AIが大きな経済的効果を生む転換点、AGIの量的な門槛と2028年のシンギュラリティ予測、算力が公共事業として進化する道筋、超大規模インフラ「スター・ゲート」の建設詳細、自社開発の推論チップの戦略的配置、そしてグローバルなAI競争の現状などが詳しく議論された。
Sam Altmanは、モデルがすでに大きな経済的効果を生む門槛を越え、技術的なバックログ段階から実際の作業能力の爆発へと移行していると指摘した。AGIに対して、彼は2つの明確な量的門槛を提示した。1つ目は、2028年末までにデータセンター内部の認知能力が外部の人類全体の合計を上回る可能性があること。2つ目は、大規模組織（大国や多国籍企業など）の意思決定者が、AIに大きく依存せずには仕事ができなくなる点である。彼は、今後の管理パラダイムが根本的に変わり、人間の役割が直接的な事務処理から、24時間稼働し全局のコンテキストを把握するAIエージェントチームの監督へとシフトすると考えている。
Sam Altmanは、将来の核心競争力はアルゴリズムの秘密ではなく、大規模な工業的統合能力、訓練データの深い活用、そしてインフラの総量にあると考えている。彼は、知能は電力のように「計測不要ほど安価であるべき」と強調し、OpenAIはスター・ゲートプロジェクトを通じてギガワット級の超大規模データセンターを構築し、エージェント向けの低コスト専用推論チップを開発している。アルゴリズムとエンジニアリングの両面から最適化し、コストを1000倍削減しようとしている。さらに彼は、将来的に生産性の急増と生活の質の向上が見られる一方で、GDPがむしろ低下し続ける長期的なデフレーション現象が起こり得ると予測している。
グローバルなAI競争の状況について、Sam Altmanは米国が現在最も脆弱な点は、グローバルサプライチェーンへの依存と、経済におけるAI導入の遅れであると述べている。米国が経済レベルでAIを急速に普及させなければ、競争優位を失うと警告している。
01
現在のAI世界において、私たちはまさにどの位置にいるのか？
現在のAIの進展において、私たちはどの位置にいるのか？企業は本当にAIによる業務の恩恵を理解し、そのモデルを再考しているのか？
Sam Altman：「過去数ヶ月のある時点で、我々は確かに一つの門槛を越え、モデルが大きな経済的効果を生む段階に入った。この転換はおそらくもっと早く起きていたかもしれないが、我々がこれらのモデルの使い方を本当に見極める前に、業界内には大きな技術的なバックログが存在していた。我々はモデルの知能レベルを継続的に向上させるだけでなく、底層のインターフェースとなる基盤インフラを整備し、使いやすくする必要がある。」
現在、これらのモデルが示す作業能力は人々を驚嘆させている。この変化はプログラミング分野で最も顕著だが、科学研究や多くの知識労働分野でも驚異的なスピードで進行している。人々はしばしば「こんなに早く実現するとは思わなかった」と嘆く。私自身の仕事も変化し、技術的または法律的な事項を直接処理する代わりに、これらの作業を行うAIエージェントチームを管理する立場となった。
これはまだ始まりに過ぎず、我々は成長曲線の中で最も急勾配の段階にある。現時点では、数時間のタスクをこなせるAIソフトウェアエンジニアを信頼できるかもしれないが、すぐにその期限は数日、あるいは数週間に延びる。その直後にはパラダイムが再び変わる。AIは私たちの生活や企業に深く関与し、主に考え、24時間稼働し、必要なすべてのコンテキスト情報を把握し、熟練した従業員を信頼するかのように事務を処理する。
（企業へのAI活用について）一部の企業は理解しているが、まだ理解していない企業もある。確かなのは、新世代のスタートアップの考え方は過去と完全に異なるということだ。以前はスタートアップが我々に「何人雇うべきか」と相談していたが、今は通常、人員を増やすとスピードが落ちると考え、あまり多人数を採用したくない。彼らの中心的な焦点は、どれだけの演算能力を確保できるかだ。例えば、容量を確保できるか、クラウドサービス契約を結べるか、またはどれだけのトークンを取得できるかと尋ねる。この考え方の変化は大企業ではゆっくりだが、一部の企業はすでに行動を開始している。具体的には、あるエンジニアリングおよび製品部門が今年の納品量を2〜3倍に増やすことを議論しているが、これは以前には考えられなかったことである。
02
AGIの再定義と2028年のシンギュラリティ
AGIはいつ到来するのか、そしてCEOとして日常業務でどれほどAIとエージェントに依存しているのか？
Sam Altman：この点では、AGIの定義が非常に重要だ。一部の人々はすでに達成されたと考え、一部はすぐそこにあると考え、また一部はまだ1年かかると考える。つまり、AGIという言葉はもともとの具体的な意味を失いつつある。興味深い2つの門槛がある。まず第一に、データセンター内部にある認知能力が外部の人類全体の合計を上回るのはいつか？誤差は大きいし、私が間違っている可能性もあるが、これが起こるのはおそらく2028年末頃だろう。これが起これば、世界規模で非凡な転換となる。第二に、大企業のCEO、大国家の元首、あるいはノーベル賞受賞者が、AIを大量に使わなければ仕事ができなくなるのはいつか？これはAIがCEOや大統領になるという意味ではない。人間の役割は代替不可能であり、依然として意思決定に責任を持ち、人間の判断を下し、重要な組織を運営するために必要なさまざまな理解を提供しなければならない。しかし私の役割においては、実際の仕事のかなりの部分がAIに依存せざるを得ない。なぜなら、どの管理者も全従業員・全顧客と直接話すわけではなく、全ての会議に出席し、全分野の専門家になることはできないからだ。したがって、将来の管理業務はより多くがAIチームの監督、方向性の指示、出力結果への信頼の判断となる。AIに大きく依存せずには大規模組織を運営できなくなるという点が、もう一つ興味深い門槛だ。この日が来るには多少時間がかかるかもしれないが、決して遅くはない。
（個人の仕事への依存度について）この依存度は極めて急速に高まっている。ビジネスモデル、戦略転換、製品方針に新たなアイデアが生まれたとき、私はまず人々に相談する前に、自分のツールに尋ねる。これらのツールがより多くのコンテキストを得るにつれて、これは次の大きなブレークスルーとなるだろう。AIが社内文書、コミュニケーション記録、コード、顧客データなど、企業全体のコンテキストに近づくほど、その回答の質と思考の深さは増していく。
03
知能は電力のように「計測不要ほど安価」になる
OpenAIは過去最大規模の1100億ドルの資金調達を完了し、複数の戦略パートナーを迎えた。この巨額資金はどのように使われるのか？そして算力と収益の関係はどのように考えているのか？
Sam Altman：この業界には多くの難点があるが、最も難しいのはインフラが極めて高コストであることだ。巨額の投資が必要であり、かつずっと先を見越して予測とコミットメントを行わなければならない。私はこれまでに類似した業界を見たことがない。歴史的には資本集約的な業界はいくつかあったが、今後数年の動向を見ると、成長曲線が現在の状態を維持し需要が継続的に拡大すれば、非常識な手段を取らざるを得なくなる。
OpenAIの多くの取り組みは外から見ると奇妙に映る。収益を上げる前に巨額の資金をインフラ構築に投じ、広告など新しいビジネスモデルを試す。これは必ずしも最も儲かる選択肢ではないように見える。しかしわれわれは、知能が豊かな時代へと突入すると確信している。将来で最も重要なことの一つは、知能をエネルギー業界の昔のスローガンのように「計測不要ほど安価」にすることだ。知能を世界中に行き渡らせ、どんな状況でも誰もが利用できるようにしたい。これを次の世代が当たり前と感じ、どの分野でも十分な天才アシスタントにアクセスできるようにしたい。この核心原則が、我々の多くの非常識に見える行動を導いている。その中でも最も重要なのは、生産能力の制約から脱却することだ。もしやり方を変えなければ、私たちは常にこの制約に縛られ続けることになる。
（算力＝収益について）根本的に言えば、私たちのビジネスおよびすべてのモデルプロバイダーのビジネスは、基本的にはTokenを販売しているに過ぎない。これらのTokenはモデルの規模によって異なり、価格もさまざま。推論の程度にもよるため、コストも変わる。一部のAIはバックグラウンドで絶えずあなたのために稼働し、一部は必要なときにのみ呼び出されて動作する。極めて価値の高い難問に対しては、何千万、何億、あるいは何十億ドル規模の演算リソースを投じて解決することさえある。
私たちは、知能が電力や水道のように公共事業となり、必要に応じて利用料を支払う形になると予見している。この需要は現在指数関数的に増加している。もし算力が不足すれば、供給が追いつかず価格が高騰し、知能が富裕層のみの特権となるか、あるいは社会が限られたアルゴリズムリソースをどのプロジェクトに割り当てるかという複雑な資源配分の決定を迫られる。革新の歴史を振り返ると、市場に十分な供給を提供することが常に最善の策である。
04
スター・ゲートの進捗
Stargate スター・ゲート プロジェクトは巨大なインフラ計画だが、現在米国および世界での進捗状況はどうなっているのか？建設および拡張の過程で最大の驚きと課題は何だったのか？
Sam Altman：率直に言って、これは私が仕事の中で最も楽しい部分の一つだ。建設中・運用中のスーパーデータセンターに実際に足を運ぶことができる。ギガワット級の敷地の規模は言葉では表しきれず、写真を見ても大きいと感じるだけだが、実際に現地に立ち、異なる建物の間を行き来し、さまざまな技術者が忙しく働く姿を見て、内部が宇宙船のように構築されているのを目の当たりにすると、本当の衝撃を受ける。
現在、私たちはアビリンの第一サイトで次世代モデルの訓練を行っており、世界水準を大きく上回ることを目指している。建設期間中の複数回の現場視察を経て、その規模と複雑さを本当に体感すると、ある日OpenAIの研究者がコマンドを入力しEnterを押すと、何万ものGPUが一斉に起動し、この巨大な単一演算タスクを開始する瞬間があり、そのときの達成感はたまらない。
（建設の課題について）予想通りの課題が次々と現れ、そこに予測不能な変数も加わる。例えばアビリンでは、予定外の極端な天候が発生し、プロジェクトが一時停止したこともあった。さらにサプライチェーンの課題もある。このような巨大規模では、どこかの工程でミスが起こり得る。順調に進む時も多いが、このように複雑なシステムを日夜築き上げていると、さまざまな予期せぬ事態が起こる。最も驚かされたのは、極めて短期間でこれほど多様な組織がプレッシャーの中でも緊密に連携し、まさに一つのチームとして闘い抜いたことだ。
05
エネルギー危機の中でのモデル効率革命
世界中が注目する電力不足に対し、人間がこの問題を解決できると楽観視しているか？また、モデル効率の技術的突破によってエネルギー pressãoを和らげることは可能だろうか？
Sam Altman：長期的には非常に楽観的だ。人間が大規模発電の方法を見つけ出すことを疑わないし、AI自身もそれに貢献すると考えている。天然ガス、太陽エネルギー、核分裂、核融合など、さまざまな技術の組み合わせがあり、将来の電力供給能力に確信を持っている。
需要がこれほど急速に増加していることを考えると、モデル効率において奇跡的な改善が起こり、1ワットあたりの性能を大幅に向上させてインフラ構築に猶予を与えることを期待している。実際、われわれはこの分野での記録が驚異的である。たとえば、われわれの最初の推論モデルo1が約16か月前に誕生して以来、現在では推論能力が最新モデルに統合されている。同じ難題を解くために、あの初期モデルから今のバージョンまで、コストは実に1000分の1にまで低下した。このように短期間でコストを1000倍削減するのは、正直言って信じがたい。
これは二つのことを示している。第一に、われわれはまだこのパラダイムの初期段階にあり、モデルの開発・訓練・効率的運用においてまだ大きな向上の余地がある。過去のやり方と今のやり方の一部は実はかなり非効率的だったが、これからはますます賢明になっていくだろう。第二に、制約された環境で問題を解決する人間の創造力は常に驚きをもたらす。これはモデル自身の進歩だけでなく、コアエンジニア、電力エンジニア、データセンター設計者が協力して得た結果でもある。
06
エネルギー制約の未来におけるAgent需要向けの高効率自社開発推論チップ
OpenAIはこれまでチップ大手の主要顧客であり、クラウドサービスプロバイダーとも契約していたが、今では自社チップの開発を選択した。その理由は何か？推論チップと訓練チップの違いを説明し、現在の開発状況を教えてほしい。
Sam Altman：われわれが開発しているこのチップは推論専用である。その考え方は、将来的に直面するさまざまな難問を解決するために、特定の用途に特化したチップが必要だという点にある。速度が最速である必要はなく、コストが最低で、1ワットあたりの効率が最高であることが重要だ。これは今後膨大な数のAIエージェント需要を満たす上で不可欠である。これは明確な判断を伴う賭けである。機能が制限されたチップではあるが、エネルギーに制約のある世界では極めて重要な役割を果たすだろう。
（推論と訓練の違いについて）AIのワークロードは大きく二つの段階に分かれる。まず訓練段階があり、膨大な数のGPUが巨大なデータセットに対して何週間、あるいは何ヶ月にもわたって演算を行う。これを人間の教育に例えるなら、乳児期から物事の法則を学び始め、22年かけて大学で物理学を深く理解するまでのプロセスに似ている。訓練が終了し、モデルに物理の問題を解かせると、このプロセスを推論と呼ぶ。推論は非常に効率的であり、人間も同様である。人々がAIモデルの効率に驚嘆するとき、通常は人間の22年間の訓練プロセスと、成熟した人間が1秒で問題を解くプロセスを比較している。もしこの解答の段階だけを比較すれば、モデルの現在のエネルギー効率は人間をすでに上回っている可能性がある。しかし訓練プロセス自体は依然として莫大な演算能力を必要とし、その結果として生じるものは結局、膨大な数値を保存したファイルとなる。このファイルに質問を投げかけることで応答を得ることができる。
（チップの開発状況について）その通りだ。最初のチップサンプルは数か月後に手に入る見込みだ。すべてが順調に進めば、今年末までに大規模導入を達成できると予測している。現状の進捗は非常に良好だ。
07
熟練技工が米国のAIインフラ建設の鍵となる理由
今日は北米建設労働組合と新たなパートナーシップを発表したと聞いた。この協定の具体的な内容と行動計画は何か？
Sam Altman：以前にも話したが、そして世界中で過去にも何度も指摘されてきたように、AIインフラへのニーズは現実的かつ物理的なものだ。世界は発電所、送電線、データセンター機室、冷却設備、そしてラック、GPU、そこに入るすべてのコンポーネントといった実際の物理インフラを必要としている。私は誰もがいつかこれらの超大規模データセンターを見学する機会を持つべきだと考えている。なぜなら、そこにはまさにこれほど複雑な仕組みがあるからだ。ChatGPTに質問をして回答を得るまでに、それを実現するために必要な莫大な規模を直感的に理解するのは難しい。
人々はしばしば、タービンの数や電圧互換器、あるいはストレージチップ工場、さらにはデータセンターの建設進捗など、さまざまな要因によって制約されていると言う。これらすべてに共通しているのは、それらが極めて複雑な物理インフラであり、それを完成させるためには大勢の熟練した技工が必要だということだ。サプライチェーンのボトルネックがいつ現れようとも、私が人々にどうやってプロセスを加速させるかを尋ねると、答えはいつでも「より多くの熟練した技工が必要だ」となる。これらの仕事の将来性は極めて明るい。さらに重要なのは、これらの仕事が次世代の米国インフラと経済繁栄の基盤を築くことだ。われわれはこのプロセスを共に推進できることを大変うれしく思っている。
08
グローバルAI競争の核は再び工業力とインフラ総量に戻る
世界規模の技術競争において、米国の現在の状況はどうなっているのか？そしてリードを維持・拡大するために何をすべきか？
Sam Altman：まず全体的な考え方を共有し、それから具体的に答える。ディープラーニングの発見は、ある元素や物理学の基本的性質を発見したのに近いと考えている。ある種の秘密の技術を習得したわけではない。つまり、最終的に、そしておそらくすぐに、強力なモデルを構築する核となる考え方は単純化され、広く知られるようになる。物理学の基本法則を理解するように、われわれは科学原理の視点から人工知能の核となる仕組みを理解するようになる。われわれはOpenAIが約7年前に発表したScaling Lawからこのことを強く感じた。モデルに投じられるリソースと、最終的に現れる知能の間には、極めて精密で美しい相関関係がある。当時、この科学原理レベルでの必然性はゾッとするほどだったが、確かに極めて明確だった。それ以降、われわれは多くの細部を発見し、これからもさらに発見があるだろうが、他の科学の最前線と同様、時間の経過とともにこれがより単純明快になっていくだろう。最終的に、このレシピは科学原理として十分に理解され、長期間のビジネス上の機密として扱われることはなくなる。もしかするとTシャツにプリントできるほどだ。
技術史における私の好きな例えはトランジスターである。トランジスターも基盤となる科学的ブレイクスルーであり、その発見は極めて困難かつ偶然的だった。われわれはそれを改善するために時間を費やしたが、一度原理が明らかになれば、誰もが理解できるようになる。もちろん、それを取り巻く製造プロセスの知識はまだ膨大であり、たとえばTSMCは今でも世界最高の水準を維持している。したがって、この工業化プロセスは依然として大きな競争優位をもたらすだろう。同時に、ワークフローの統合、訓練データ、モデルの使いやすさにおいても大きな差別化ポイントが生じる。おそらく最も重要な差別化点は、誰がインフラを所有しているか、そしてどれだけ所有しているかだろう。ただし、基本的な科学原理は透明であり、前述のようにTシャツにプリントできるほどだ。
（競争の現状について）現状を見ると、世界最高峰の最先端モデルにおいて米国は依然としてリードしている。より安価な旧世代モデルの推論利用においては、他の先進経済体が力強く伸びている。インフラ面では米国が現在リードしているが、他地域の追い上げ速度は非常に速い。工業化と製品化のプロセスにおいては、米国は閉源分野でリードしているが、他の競争勢力はオープンソース分野で優位を占めている。総合的に判断すると、米国は全体的に見てまだリードを保っていると考えられる。
09
インドのAI市場
最近インドを訪れたが、インドがAIの課題と機会にどう向き合っているかに非常に刺激を受けた。これは米国で顧客と話しているときの感覚とどう違うのか？
Sam Altman：インドのスタートアップと話した後、私は非常に衝撃を受けた。彼らはこの技術を非常に優れた形で応用しており、私が到着した当初のレポートでは、インドにおけるCodexの使用量がわずか数か月で10倍に増加していた。最初はデータの間違いだと疑ったが、実際に事実だった。
インドのスタートアップと話すと、彼らは米国よりもさらに勢いがあることがわかる。ある者は「世界は変わった。皆がひとりスタートアップについて話しているが、彼らは『ゼロ人スタートアップ』を目指している」と言う。彼らは単一のプロンプトだけで会社全体を動かし、AIにソフトウェア開発、顧客サポート、法律業務を任せ、自分は休暇を取ることを試みている。
インドの大企業が示す前向きな姿勢と推進スピードは驚異的だ。彼らは「どれだけの容量を購入できるか？どれだけ前もって予約できるか？今すぐ交渉できるか？」と尋ねる。契約が成立する前に、彼らは相手に部屋から出ていかせたくないほどだ。インドのビジネスランドスケープをAIが塗り替えるという確固たる信念は本当に印象的だ。全体的なトレンドは一致しているが、彼らはそれ以上に進み、スピードも速い。
10
米国のAI競争における3つのボトルネック
グローバルなAI競争について考え直すと、米国の最も脆弱な点はどこだと考えているのか？そしてリードを守るために何をすべきか？
Sam Altman：私は次の3点を挙げる。
第一は、グローバルサプライチェーンへの依存と米国のインフラ建設だ。これはもう古い話だが、改めて強調しなければならない。もし我々のインフラが遅れをとり、追い越せないか、あるいはグローバル化が何らかの形で崩壊し、米国が独自にAIインフラを構築できなくなれば、これは大きな欠陥となる。現在の世界的地位については、私は決して不満を抱いていないが、満足とも言えない。
第二は、経済へのAI導入の速度だ。もし他国のように経済レベルでAIを急速に普及させなければ、米国が従来持っていた経済大国としての優位性を失うことになる。これは企業、科学者、さらには政府が技術を採用する速度にかかっている。前向きに捉えれば、これはここ数世紀でまれに見る経済再興の機会だ。うまく対応すれば、これは弱点ではなく、むしろわれわれ最大の競争優位となるだろう。
（現状の抵抗要因について）今のところ、われわれが理想的な軌道に乗っているかどうかはまだ断言できない。現状を否定するわけではないが、もっと速く進められるはずだと感じている。また確かに抵抗勢力も存在する。たとえば、米国におけるAIの評判が芳しくなく、データセンターが電気料金の上昇の原因だと非難されている。ほとんどのリストラを実行した企業がAIを言い訳にしているが、本当のところはどうなのかわからない。さらに、政府と企業の間での権力争いも続いている。
第三は、AIの世界規模での拡散だ。今後の世界におけるAI技術スタック―チップ、モデル、アプリケーションなど―は、主に米国の体系に基づいて構築されるだろうか？あるいはわれわれの何らかの政策によって反対側に押しやられるだろうか？
11
AIが生産性爆発の基盤となるとき、どのようにその生産性を測るべきか？
もしAIが生産性爆発の基盤となるなら、どのようにその生産性を測るべきか？以前、測定方法も変わらざるを得ないと述べたが、その論理を説明してほしい。
Sam Altman：その通りだ。しかし、生産性の測り方もそれに合わせて変える必要があると思う。私は次のような世界を予見している。生産性が狂乱的に爆発し、生活の質が着実に向上し、私たちが関心を持つほとんどの事柄がどんどん良くなる。しかし従来の測定基準によると、GDPはむしろずっと低下し続ける。これは長期的なデフレーション過程に似ている。永続的なデフレーションの世界での生活がどんなものか、また知的資産がデータセンター内部に集中し外部に少ない世界では、GDPと生活の質の関係がどうなるかは分からない。しかしおそらくすぐに答えが出るだろう。今後数年、「正しい測定基準とは何か」についての議論が間違いなく活発化する。
この考え方はすでに芽を出している。もし昔から単純な合答が存在していたら、今頃とっくに解決されているはずだ。だから現在、誰もはっきりとした答えを持っていない。われわれ社会が長らく依存してきたルールは、どうやらほぼ同時に疑問視されている。何週間か前にネットで見た一文が強く印象に残っている。大意は、「何百年、あるいは何千年にもわたって、私たちは希少資源を管理する社会の作り方を学んできた。しかし今、急速に豊富な資源を管理する方向に舵を切らなければならないとき、過去の経験はほとんど役に立たない」ということだった。
| 文章来源：数字开物