GPU

特設リングでの演出と現実の乖離 OpenAIの焦りを映し出すようなニュースが立て続けに報じられました。 OpenAI、ミレニアム懸賞問題「ナビエ・ストークス方程式」をAIが解決したと発表　数学者は経緯に反発 GPT-6 Astra が 3Dパズルゲーム『Portal』を自律クリア 数学の難問へのアプローチや、パズルゲームの自律クリアといった成果は、一見すると「自ら試行錯誤して課題を突破するAGIの萌芽」に見えます。 長時間の自律的な探索や環境からのフィードバック処理が技術的な前進であること自体は、誰も否定しないでしょう。 しかし、これらをビジネスの現実に照らし合わせたとき、致命的な疑問が浮かび上がります。 それは、投じられた計算資源と得られる対価のバランス、すなわち投資対効果（ROI）です。 『Portal』の自律クリア実験では、エンドクレジットに到達するまでに約24時間の実行時間と、API利用料として約571ドル（約9万円相当）が費やされました。 ナビエ・ストークス方程式の特異点構成に至っては、約1万ものAIエージェントを並列稼働させ、88時間もの計算を回し続けたと発表されています。 画面のピクセル情報と操作入力を紐づけ、無数のフレームを回して強化学習と探索で突破させる手法は、現代の巨大モデルと青天井の計算リソースをつぎ込めば成立して当然の構造です。 問題は、1つのパズルを解くために数万円から数十万円の推論コストを平然と消費するエージェントを、誰が実ビジネスで雇うのかという点にあります。 どれほど高度な知性を演出しようとも、1回のタスクにこれほどの費用がかかるのであれば、商業的な道具としては成立しません。 これらはすべて、「AIにとって最も都合が良い特設リング（箱庭）での演出」に過ぎないのです。 サム・アルトマンが掲げてしまった「AGI時代の到来」という公約を正当化するため、莫大な電力を燃やして自己成就的予言を買い支えているのが実情ではないでしょうか。 月額20ドルの幻想と逆ザヤの限界 生成AIビジネスの最大の弱点は、従来のITビジネスが持っていた「限界コストの低さ」が存在しない点です。 ソフトウェアやWebサービスは、一度作ってしまえばユーザーが1人増えようと10万人増えようと、追加コストはほとんどゼロに抑えられます。 対してLLMの推論は、トークンを1文字吐き出すたびに高価なGPUと莫大な電力をリアルタイムで消費し続けます。 現在、業界の基準となっている月額20ドル前後のサブスクリプションは、本来の従量課金レートに換算すれば、とっくに破綻しています。 上限近くまでモデルを使い倒すヘビーユーザーの場合、プロバイダ側が負担する推論コストは優に月額200ドルを超えます。 月額20ドルで提供できているのは、サービスをほとんど使わないライトユーザーがコストを肩代わりしてくれる「スポーツジムの会費モデル」に依存しているからです。 しかし、自律型エージェントの普及によって、この前提は崩壊しつつあります。 象徴的な出来事が、AnthropicによるOpenClawなど外部エージェントツールからのOAuth利用規制です。 もし月額定額のサブスクリプションが本当に採算に乗っているのなら、ユーザーが公式のブラウザ画面から利用しようと、サードパーティのCLIエージェント経由で利用しようと、プロバイダ側には何の問題もないはずです。 それにもかかわらずAnthropicが外部からの接続を遮断し、従量課金APIへと追いやった事実は、何を物語っているでしょうか。 機械的に大量のトークンを消費し続けるエージェント環境に定額枠を開放すれば、逆ザヤの出血に耐えきれなくなるという、ビジネスモデルの限界をプロバイダ自らが認めたに他なりません。 60階からのコードレスバンジージャンプ AI産業は、将来訪れるはずの巨大な需要を担保にして、投資家から天文学的な資金を引き出してきました。 投資家が求めているのは技術のデモではなく、投じた資本が利益を伴って回収されることです。 ハイパースケーラー各社による2026年の設備投資（CapEx）は、年間数千億ドル規模に達しています。 もちろん、大手テック企業は本業のクラウドや広告事業で巨額の営業キャッシュフローを稼ぎ出しているため、AI投資が失敗したからといって即座に倒産するわけではありません。 しかし、市場が許容している高い株価は、「AIが非連続な利益成長をもたらす」という過剰な期待を前提にしています。 この構造は、クレジットカードの限度額いっぱいまで高額な買い物を続け、リボ払いでしのいでいる状態によく似ています。 第一に、期待していた「未来の給料」は上がっていません。 実際のビジネス現場における実務需要の8割から9割は、ローカル環境で動く10B〜30B前後の小型モデルと適切なRAGの組み合わせで十分に解決してしまいます。 高価なフロンティアモデルを無理して呼び出す必要性は、日常業務の多くの場面で存在しません。 結果として、入ってくるのは月額20ドルのわずかな会費だけであり、投じた元本を回収できるほどのキャッシュフローは生まれていません。 第二に、購入した固定資産の減価償却費が、容赦なく企業の利益を削り始めます。 買い揃えた数十万枚から数百万枚のGPUは、技術の進歩に伴い3年から5年で陳腐化します。 十分な利益を生み出せないまま時間が過ぎれば、毎年数兆円規模の減価償却費だけが重くのしかかり、損益計算書を圧迫し続けます。 第三に、支払いを正当化するために、さらなる投資を呼び込む循環参照に陥っています。 半導体メーカーが記録する天文学的な売上は、一般社会の末端ユーザーが支払った対価ではありません。 ビッグテックが調達した資金や本業の余剰キャッシュをGPUへと転換し、そのインフラを担保にさらなる資金を調達するという、閉じた輪の中で資本が回転しているだけです。 通常の技術におけるハイプサイクルの頂上が「ビルの2階」だとすれば、怪我をしても骨折程度で済むかもしれません。 しかし、今回のAI狂騒曲が登りつめた頂上は「ビルの60階」です。 命綱もつけずに飛び降りた場合、単なる失望や株価の調整では済まない衝撃が市場を襲うことになります。 セーフティネットなき専用ハードウェアの末路 さらに深刻なのは、今回積み上げられたハードウェアが、過去のバブルと異なり「他の用途へ転用できない」という点です。 かつての暗号資産マイニングバブルが崩壊した際、市場には大量のグラフィックボード（GeForce RTX 3080や4090など）が放出されました。 それらは中古市場を通じて一般のPCゲーマーやクリエイターに買い取られ、安価なハードウェアとして二段ロケットのように社会へ再吸収されていきました。 民生用のセーフティネットが存在していたため、一定の流動性が保たれていたのです。 しかし、NVIDIAのB200をはじめとする最新のAIインフラには、そのような逃げ道が物理的に存在しません。 Blackwell世代のラックシステム（NVL72など）は、1ラックあたり約120kWという、一般家庭数十軒分に相当する電力を消費します。 冷却は液冷（ダイレクト・ツー・チップ）が前提であり、一般家庭はおろか、通常のデータセンターですら受電設備や冷却塔の改修なしには稼働させられません。 さらに、基板は専用のバックプレーンや高速スイッチと不可分に結合されており、画面を出力する端子すら持っていません。 「科学技術計算（HPC）や気象予測、創薬シミュレーションに転用すればよいのではないか」という意見もあるかもしれません。 しかし、それらの学術・研究分野の市場規模は、ハイパースケーラーが調達している数百万枚単位のGPUを買い支えるには、あまりにも小さすぎます。 通常のWebサーバーやデータベース処理に使うには、消費電力と運用コストが高すぎて採算が合いません。 加えて、ハードウェアの製造構造そのものも不可逆です。 高帯域メモリ（HBM3e）は、シリコンインターポーザーを介してGPU本体と2.5D実装で密着成型されています。 物理的に分解して「メモリ部分だけを取り出して別の用途に使い回す」ことは技術的に不可能です。 AIの大規模モデル学習という特定の需要が減速した瞬間、これらの高価なシステムは二次市場での流動性を完全に失います。 残るのは、中古価格がつかないまま会計上で特別損失として処理される、巨大な固定資産の残骸だけです。 かつて家庭用ゲームの過剰在庫が砂漠に埋められたように、莫大な電力を要求する特殊なシリコンの塊は、引き取り手のないまま倉庫の奥で減損処理を待つことになります。 ...