10兆ドル市場への序章：AI推論が変革する未来、そして隠されたインフラの真実
ナヴィーン・ラオ氏――この名前を聞いて、単なる連続起業家と片付けるのは早計です。彼は、Mosaic MLを13億ドルでDatabricksに売却し、現在はUnconventional AIを立ち上げ、その評価額はすでに50億ドルに迫る人物。複雑なテクノロジーと市場の動向を驚くほど明確かつ論理的に分析する、現代で最も先見の明を持つ思想家の一人と言えるでしょう。
彼が描く未来は、私たちが慣れ親しんだ「ソフトウェアの時代」とは大きく異なります。ラオ氏は「推論市場は10年以内に10兆ドル規模の市場になる」と断言し、同時に「純粋なソフトウェア投資家であれば、かなり厳しい状況になるだろう」と警鐘を鳴らします。これは単なるバブル論ではありません。エネルギー、ハードウェア、そして知能の本質に根ざした、深遠なパラダイムシフトの予兆なのです。
本記事では、ラオ氏の鋭い洞察を基に、AIがもたらす未来の市場構造、その基盤となるインフラの課題、計算処理の進化、そして投資家や起業家が今、何を考え、どう行動すべきかについて、詳細に掘り下げていきます。
第1章：AI時代の新たな基盤 - エネルギー革命の到来
AIの進化は、現代社会におけるエネルギーの重要性をかつてないほど高めています。ナヴィーン・ラオ氏は、この分野こそがAI時代の真のボトルネックであり、その重要性は多くの人々に見落とされていると指摘します。
1.1 エネルギー供給構築の困難さと見過ごされた現実
私たちは「ギガワット」という単位を簡単に口にしますが、その構築がいかに困難であるかを理解している人は少ないとラオ氏は言います。彼が示す業界の平均的な数字では、1ギガワットの発電容量を構築するには約500億ドルもの費用がかかります。これは、最新の半導体工場を建設するコスト（200億〜300億ドル）をはるかに上回る規模です。この莫大な費用と複雑さが、エネルギーインフラ構築の難しさを物語っています。
過去数年間、データセンターのエネルギー需要は、既存の電力網に存在する「過剰な需要」を吸収することで賄われてきました。電力網は常に100%の出力で稼働しているわけではなく、ピーク時に対応できるようある程度の余剰容量を持っています。米国の電力網を例にとると、平均出力が約900ギガワットであるのに対し、ピーク時には1.2〜1.3テラワット（1,200〜1,300ギガワット）まで対応可能です。これまで、この余剰分を活用することで、AIやデータセンターの急増する電力需要に対応してきたのです。しかし、この「手軽にアクセスできるリソース」は急速に枯渇しつつあります。
ラオ氏は、AIの成長率を控えめに見積もったとしても、数年以内にはこの余剰能力が完全に使い果たされ、エネルギーが枯渇するだろうと予測します。一度余剰能力がなくなれば、私たちは新たな発電施設を建設するペースに依存せざるを得なくなります。しかし、「年間40ギガワットの建設」といった目標は、現在のところ非現実的です。これまでの歴史を振り返っても、そのような規模の建設が実現したことはありません。現実的な目標として、年間10ギガワット程度の建設が可能かもしれませんが、それでも5,000億ドルという巨額の投資が必要となります。
1.2 中国のエネルギー戦略と米国の遅れ
エネルギーインフラの構築において、中国が米国を大きくリードしている現状は、私たちに重要な教訓を与えます。ラオ氏によれば、過去20年間で中国は米国より6倍の速さでエネルギーインフラを構築し、2023年には総容量で米国を追い越しました。彼らは石炭火力発電などの「ダーティーな手法」を批判されながらも、急速な成長を追求し、今ではその一部を改善し始めています。
一方、米国はエネルギーインフラへの十分な投資を怠ってきたため、追いつくには時間がかかり、これがAI時代の成長の足かせとなるでしょう。中国の中央集権的な計画経済は、大規模なインフラ展開において優位性を持つことは間違いありません。しかし、ラオ氏は同時に、イノベーションや最先端技術の分野では米国が圧倒的に優れていると強調します。「AIはあちらではなくここで生まれた。最新のイノベーションはすべてここから生まれている」と。私たちは自分たちの強みを活かし、効率的かつ持続可能なエネルギーソリューションを模索しなければならないのです。
1.3 電力コストの二極化とデータセンター向け新技術
エネルギー枯渇の危機は、電力市場の価格構造にも影響を与えています。ラオ氏は、すでにデータセンター向けの電力価値が一般用途よりも高くなっており、キロワット時あたりはるかに高い料金を支払う「メーター裏」での契約が横行していると指摘します。データセンター事業者は、計算能力の提供によって高い利益を得られるため、より高い電力コストを許容できるのです。例えば、1ギガワット分の計算能力を売る場合、その電力コストの5倍程度の価格で提供できるため、30〜40%の電気代上昇も吸収可能です。
このような状況は、ブルーム・エナジーのような新しい発電技術への投資を加速させています。アリゾナ州での数ギガワット規模の発電計画のように、これらの技術が成功すれば、エネルギー問題解決への道筋となるかもしれません。しかし、その経済性は従来の電力網とは異なり、まだ十分に証明されていません。AI時代のエネルギーインフラは、単なる発電容量の拡大だけでなく、効率性、コスト、そして新しい技術の統合が鍵となるでしょう。
第2章：計算の物理限界とアーキテクチャの進化
エネルギーという基盤の重要性を理解した上で、次にラオ氏は、そのエネルギーを利用する「計算処理」そのものの進化について、深い洞察を提供します。彼は、物理的な効率向上が限界に達しつつある現代において、計算アーキテクチャとモデルレベルでの革新が、今後の効率向上の主要な推進力となると説きます。
2.1 ムーアの法則の終焉と物理層の限界
私たちは長年、ムーアの法則に代表されるように、半導体デバイスの小型化と集積度向上による物理的な効率向上を享受してきました。ラオ氏はコンピューターの構築方法を三つのレベルに分けて説明します。
- 物理層: ビットを伝送する物理的な効率。デバイスの小型化（デナード則）による電力効率の向上。
- アーキテクチャ層: コンピューターの設計とデータ処理の方法。
- モデル層: 実行されるソフトウェアモデルの効率性。
残念ながら、最初の「物理層」における技術革新は、劇的な変化を見せなくなっています。近年のGPUや他のチップ世代を見ても、物理的な側面での効率向上はほとんど見られません。トランジスタの性能は、もはやそれほど劇的には向上していないのです。これは、過去数十年にわたる技術進化の常識を覆す事実であり、私たちが計算能力の向上を考える上で、根本的な発想の転換を迫るものです。
2.2 データ型削減とモデルレベルの最適化
では、物理層の限界に直面する中で、計算処理の効率はどのように向上してきたのでしょうか。ラオ氏は、近年の効率向上の大半は「アーキテクチャ層」に起因すると説明します。具体的には、データ型を32ビットから16ビット、8ビット、さらには4ビットへと小さくすることです。扱うビット数が減れば、計算負荷も大幅に削減され、結果として効率が向上します。
さらに、まだ十分に活用されていないものの、将来的な大きな可能性を秘めているのが「モデル層」での最適化です。これは、モデルレベルでデータの移動を削減するために「局所性（locality）」を強制するというアプローチです。ラオ氏が以前手掛けたMosaic MLでも、この領域に一部着手していました。数年前までは、モデルが計算の主要な推進力ではなかったため、このような考え方は主流ではありませんでした。しかし、現在では状況が一変しています。
2.3 「知能提供」を目的としたコンピューター設計へのパラダイムシフト
従来のコンピューターは、ウェブサイトのホスティング、データベース管理、ビデオ編集など、汎用的な目的のために設計されてきました。ENIACの時代に遡れば、その目的は砲弾の弾道計算を人間よりも速く正確に行うことでした。常に「スピード」が最優先され、次世代機は前世代機よりも高速であることが求められてきました。しかし、ラオ氏は「今、コンピューターを『知能を提供するために設計された物理デバイス』と見なすと、その考え方は一変する」と語ります。
この新しい視点に立つと、モデルからアーキテクチャ、そして物理層に至るまで、すべてを統合的に設計することが可能になります。ラオ氏がUnconventional AIで追求しているのは、まさにこのアプローチであり、「モデルを絶対視しない。何よりもエネルギーを優先する」という設計思想に基づいています。これまでの「スピード第一」の設計とは根本的に異なり、エネルギー効率を究極まで高めることで、AI時代の計算能力を次のレベルへと引き上げようとしているのです。物理層の限界を超え、上位レイヤー、特にモデルとアーキテクチャの協調設計に、無限の可能性が残されているという認識が、この新たなパラダイムの核心を成しています。
第3章：モデルとハードウェアの共進化 - 専門化が拓く未来
AIの時代において、計算能力の向上はもはや汎用的なアプローチだけでは達成できません。ナヴィーン・ラオ氏は、モデルとハードウェアが密接に連携し、互いに最適化される「共進化」の重要性を説き、特定のワークロードに特化した専門チップの必然性を強調します。
3.1 脳に学ぶ協調設計の重要性：疎性と効率
ラオ氏は、モデルと物理的なハードウェアの間で「真の協調設計」がまだ十分に行われていない現状を指摘します。標準的なGPU上のソフトウェアで効率を向上させることは可能ですが、物理ハードウェアの構造には限界があります。この問題に対するヒントとして、彼は「私たちの脳」を挙げます。脳は知能層と物理層が共進化してきたため、知能層における事象を物理層で活用する能力を持っています。
その一例が「疎性（sparsity）」です。疎性とは、例えば演算ユニット間に接続を持たない状態を指します。GPUで疎性を利用すれば一定の効率向上は見込めますが、標準的なチップ外のランダムアクセスメモリを使っている限り、その向上には上限があります。物理的なハードウェアが疎性を活用するように設計されていない場合、真のブレークスルーは生まれません。もし疎性を活用できるようなハードウェアを構築できれば、大幅な性能向上が可能になるでしょう。私たちの脳がそのように共進化したように、AIハードウェアもまた、知能の要件に合わせてその物理構造を進化させる必要があるのです。
3.2 特定ワークロード向け専門チップの必然性
この共進化の思想に基づくと、Etched、Fractal、Olex、Cerebrusといった企業が開発しているような、特定のワークロードを追求する専門的なチップの台頭は必然であるとラオ氏は語ります。これはチューリングが最初に知的な機械を作ろうとしたビジョンへの回帰であり、コンピューターの目的を「知能を提供すること」と再定義する動きと合致します。
汎用コンピューターとしてのCPUは、あらゆるタスクに対応できるように設計されていますが、GPUはすでに特定のワークロード（グラフィックスレンダリング、AI計算）に最適化されたアーキテクチャへと進化しています。このトレンドはさらに加速し、AI時代のコンピューターは、知能の提供に特化し、その目的のためにハードウェアとソフトウェアが密接に統合された「知能の物理的顕現」へと進化していくでしょう。これにより、いつの日か何でも作り出せる知的なマシンが構築可能になるとラオ氏は信じています。
3.3 Nvidiaの成功から学ぶ市場拡大の洞察
金融的な視点を持つ投資家は、チップの専門化が進むことでNvidiaのような水平展開型プロバイダーの市場規模（TAM）が縮小するのではないかという懸念を抱くかもしれません。しかし、ラオ氏はこれを「狭い考え方」だと一蹴します。「まだ始まったばかりだ。伸びしろは50倍もある」と。推論市場はとてつもなく巨大になるため、専門化が進んでも全体の市場規模が縮小するわけではありません。
Nvidiaは、2014年にNirvanaを立ち上げたラオ氏自身も当時完全に理解していなかったニューラルネットワークを中心とした新しいコンピューティングアーキテクチャの必要性を、比較的早い段階で認識していました。ジェンスン・フアンCEOがGTC 2014で人工知能について語り始めた際、多くのグラフィックス担当者が不満を漏らしたというエピソードは、Nvidiaがいかに先見の明を持っていたかを示しています。彼らはAIが重要になると正しく認識し、その方向に多額の投資を行い、実行力を伴って成功を収めました。
今やコンピューティングアーキテクチャの進化は、「マシンを何に使うか」という汎用的な問いから、「ニューラルネットワークをいかに効率的かつ拡張性高く実行するか」という特定の目的に特化する方向へとシフトしています。これが、AI時代の評価基準となるでしょう。
3.4 知能への無限の需要とチップの非コモディティ化
マイクロソフト、Google、Amazon、Anthropicなど、多くの大手企業が独自チップを開発している現状を見ると、チップのコモディティ化は避けられないように思えるかもしれません。しかし、ラオ氏は「チップがコモディティ化するとは全く思っていない」と断言します。彼は、この現象を進化の過程と捉えています。
ラオ氏のシンプルな世界観は、「知性には無限の需要がある」というものです。宇宙は本質的に敵対的であり、生存と競争には知性が必要です。バクテリアが日光を求めて移動し、真核細胞から多細胞生物へと進化する過程も、エネルギーと知性への需要が駆動力となっています。人間社会における国家間の競争や、未来のカルダシェフ・スケール的な宇宙規模の文明競争においても、知性こそが燃料であり経済となります。
この無限の知性への需要がある限り、それを生み出す「エネルギーを知性に変換する能力」を持つハードウェア（チップ、システム、クラウド、ネットワークを含むスタック全体）の価値は増大し続けます。より効率的に知性を生み出せる者が、より多くの価値を得るため、市場はすぐにコモディティ化するどころか、ますます専門化・差別化が進んでいくというのが、ラオ氏の主張です。
第4章：AIが加速する開発サイクルと「検証」の課題
AIの進歩は、私たちの開発サイクルを劇的に加速させる一方で、新たな課題も生み出しています。ナヴィーン・ラオ氏は、AIによる思考と生成の速度向上を認めつつも、「AIスロップ」という質の低いAI生成物の問題と、それに伴う「検証」の重要性を指摘します。
4.1 開発スピードの劇的向上と「AIスロップ」問題
ラオ氏は、AIが開発のスピードを桁違いに速くしている現状を説明します。例えば、結合発振器のノイズ伝播をモデル化するような複雑な問題について、AIが登場する前の世界では、研究チームに依頼して数週間かけてモデル化・検証を行う必要がありました。しかし、今ではAIモデルに質問を投げかければ、数時間以内にはコードと答えを生成してくれます。これは、思考をまとめるのに2週間かかっていた作業が、わずか1時間で完了するようになったことを意味します。AIのおかげで、単位時間あたりにより多くのことを思考し、試行錯誤できるようになったのです。
しかし、この速度向上には裏側があります。ラオ氏は「AIスロップ（質の低いAI生成物）」の問題を指摘します。AIモデルは大量の情報を生成しますが、その中には「ゴミのような情報」も多く含まれており、その真偽を確認するのが非常に困難です。良いものもあれば、そうでないものも多く、大規模に検証する方法を見出す必要があります。
この「AIスロップ」の問題は、私たち人間がAI生成物を見る際の直感的な判断力にも影響を与えます。例えば、AI生成された政治家の画像や動画を見て、高齢者がそれを本物だと信じてしまうケースは、検証の難しさを象徴しています。企業内でも同様の問題が発生しており、AIが生成するコードやモデルの成果物を、プロセスを完結させ、一つひとつが正しいことを確認する必要があります。その結果を本当に信頼できるかが重要であり、それが「生成」から「検証」へのボトルネックの移行を生み出しているのです。
4.2 エージェントの意思決定と人間の判断力：信頼性の問題
AIの進化に伴い、エージェント主導の意思決定が注目されていますが、ラオ氏は「まだ人間ほどエージェントの決定を信頼すべきではない」という見解を示します。人間は、脳外科医が7年間の訓練を積むように、長年の経験と特定の訓練を通じて判断力を養います。これは、縫合のような物理的・機械的な部分だけでなく、「どの方向に進むべきか」という微妙な判断力を持つことが重要だからです。十分な事例を見て、出力を確認し、人々がどのように問題を考えるかを知ることで、初めてその判断力が育まれます。
現在のAI（確率的モデル）は、何度もプロンプトを試すことで異なる種類の出力を生成し、考えられる解決策の分布を探索します。しかし、生成される出力のほとんどは良いものではありません。人間も同様に、意思決定の際に様々な選択肢を検討し、経験則に基づいて「何が良いか」を見極めます。AIは思考の連鎖を吐き出しますが、その中から良いものを選び出す「決定を下す」という要素は、まだ十分に理解されていません。決定の連鎖が長くなればなるほど、AIが軌道から外れてしまう可能性が高まるため、完全に信頼することはできないとラオ氏は警告します。
しかし、この状況は将来変わるでしょう。ラオ氏は、いつか人間自身よりもエージェントを信頼するようになる日が必ず来ると信じています。その時、専門知識は廃れることなく、形を変えるでしょう。AI時代の未来では、私たちは「モデル」と呼ぶものを構築し始めますが、それは実際には「知能層と物理層が一体となった機械」であり、様々なタスクの専門家として教え込むことができる有機体のような存在になるでしょう。人間が教育によって価値ある存在になるように、機械もまた、その学習の過程と検証された結果の導き出し方によって価値が生まれるとラオ氏は説きます。
4.3 強化学習の役割とポスト・トランスフォーマーの世界
強化学習（RL）が現在これほど注目されている理由について、ラオ氏は「私たちが何かを学ぶ仕組みは主に強化学習によるものだから」と説明します。テニスのサーブを学ぶように、あるべき姿のパラダイムを提示され、自分自身の行動と比較し、上達しているかどうかを評価するループこそが強化学習です。
強化学習が重要なのは、世の中のあらゆる課題を解決するのに十分なデータを集めることが不可能だからです。単純なデータ収集による事前学習だけでは、この問題を解決することはできません。ラオ氏は「現在のモデルはそのデータを活用できるほど効率的ではない」とまで言い切ります。そこで必要となるのが、重要なタスクを特定し、それに対して「検証可能な報酬」を持つパラダイムです。良いサーブが、強く打ってコートに入る状態のように明確に検証可能であれば、「自分が行った行動が、その良い結果につながったのか？」を判断できるようになります。強化学習は、この構造を提供することで、あらゆる一般的なタスクを解決する鍵となります。
また、ラオ氏は「ポスト・トランスフォーマーの世界が来る」というヤン・ルカン氏の理論を支持しています。トランスフォーマーは多くの要素を混同させており、特に「推論」、つまり情報がない時にどう動くかという論理的思考においては非効率だと指摘します。トランスフォーマーは検索メカニズムを通じてサンプリングを行い、推論に近いものを得ていますが、これは私たちの脳が推論を行う方法とは異なります。脳は巨大な痕跡を構築し、それを別のモデルの入力に送り込むような働き方はしていません。ラオ氏は、もっと効率的でアルゴリズム的に高性能な推論方法が必ず存在し、それによって私たちはトランスフォーマーを超えていくことになるだろうと展望しています。
第5章：投資家と起業家が見るAI市場の変革
AI時代は、起業家と投資家の双方に新たな機会と課題をもたらしています。ナヴィーン・ラオ氏は、未来へのビジョンの重要性が増し、従来の投資パラダイムが通用しなくなることを強調します。
5.1 偉大な創業者に必要なビジョンと実行力
偉大な創業者に必要な要素は、時代とともに変化しているのでしょうか。ラオ氏は、基本的な原則は変わらないとしながらも、「将来に対する自分のビジョンを持つことの重要性は、以前よりも増しているかもしれない」と指摘します。AIが登場する前の世界では、単に実行力さえあれば優れた創業者になれました。大手企業が動きの遅い中、迅速に実行することでスタートアップを立ち上げ、売却したり、会社を成長させたりすることが可能でした。しかし、今日では実行力だけに頼っていては、あまり遠くへは行けないとラオ氏は警告します。明確なビジョンと、それを実現するための深い技術的洞察が不可欠なのです。
5.2 コモディティ化する層と専門化する層の識別
AI時代において、どのレイヤーがコモディティ化し、どのレイヤーに価値が集中するのかは、投資家にとって重要な問いです。ラオ氏は、議論の余地はあるものの、エネルギーは既にコモディティであり、ある程度の知能（例えば、6ヶ月前のオープンモデルのようなもの）も実際にコモディティ化し始めていると指摘します。最先端だけが重要なわけではなく、特定の課題に対してはオープンモデルで十分に役立つため、これがコモディティ化の証拠であると言います。
しかし、コモディティ化は必ずしも悪いことではありません。それは単に利益率が大きく下がるというだけで、市場自体が非常に巨大になることを意味します。トマトがコモディティであっても、私たちはそれを必要とするように、知能もまた巨大な市場を形成し続けるでしょう。
一方で、ラオ氏は、スタック全体の利益をモデル企業が独占するとは考えていません。今日のAIスタックの利益の大部分をNvidiaが握っているように、ハードウェア層にはまだ大きな優位性があります。「エネルギーをより効率的にインテリジェンスに変換する」という点での伸びしろが大きいため、今後10年間はハードウェアの時代になるという彼の予測は、この認識に基づいています。
5.3 SaaS投資家への警告と新しいSaaSの形態
ラオ氏は、純粋なソフトウェア投資家、特にSaaSに投資してきた人々に対して、「もうおしまいだ」とかなり厳しい見方を示します。2010年代から私たちはSaaSの「シュガーハイ（高揚感）」を味わってきましたが、AWSなどのクラウドサービスによって参入障壁が低くなり、市場の巨大な断片化が引き起こされました。しかし、今や私たちはアプリケーションがインテリジェンス層に関するものであるという段階に来ており、20年後にソフトウェアが巨大な市場になるとは考えにくいとラオ氏は言います。
ただし、これはSaaSという言葉の定義が変わるだけかもしれません。ラオ氏は、AIと人間を組み合わせることで、従来のエンジニアリングタスクをはるかに速く、安価にこなす企業が次々と現れていることを認めます。例えば、法律事務所向けのHarveyのような企業は、AIを使って人間が検証することで、少人数のスタッフで同等以上の品質の成果をより早く提供し、市場を破壊しています。これは、AIを活用した「新しいSaaSの形」として、依然として投資の機会を生み出すでしょう。
ラオ氏は、このような新しいSaaSの形を「言葉の遊び」と捉え、ベンチャーキャピタルが「数兆ドル規模のサービス」といった話で市場を過剰に魅力的に見せようとしている部分もあると指摘します。本質的には、それは法律事務所に投資するのと変わりませんが、従来の法律事務所の「アップグレード版」と見なすことができます。彼は、自らが法律事務所を運営するよりも、LegalやHarveyのように法律事務所にツールを売るビジネスの方が好ましいと語ります。
5.4 推論市場の巨大な潜在力と利益率の変化
多くの専門家が、今後数年で推論コストは大幅に下がり、推論市場のコモディティ化が進むだろうと予測しています。ラオ氏も、推論の価格（トークンに支払われる対価）は下がると同意しますが、これが必ずしも悪いことではないと強調します。なぜなら、市場自体が桁違いに巨大になるからです。
推論市場のプレイヤー（モデル提供者）の価値提案は、オープンモデルなどを活用し、稼働時間の保証を付けてインフラ上でコスト効率よく実行することにあります。彼らはモデルを物理ハードウェアにマッピングするインフラの役割を担っています。将来もこの層に価値はありますが、トークン配信の利益を確保するためには、ハードウェアの性能を極限まで絞り出す必要があります。ラオ氏は、この層の「うまみ」は減っていき、利益率は低くなると予測します。
しかし、モデル自体はある程度コモディティ化する一方で、ハードウェア側は崩壊することはないとラオ氏は見ています。なぜなら、「エネルギーをより効率的にインテリジェンスに変換する」という点にまだ大きな伸びしろがあるからです。このインフラ層にこそ、今後10年間で最も大きな価値が生まれると彼は主張します。
5.5 投資判断の軸の変化：市場検証から技術的進捗へ
ラオ氏は、過去12ヶ月で投資における「進捗を測る指標」についての考え方が変わったと述べます。以前は「市場の検証」こそが主要な指標だと考えられていましたが、これはSaaSに由来する古い考え方だと彼は指摘します。深い技術的根拠がない場合、市場の検証は確かに重要ですが、「がんを治療する」というように、一目瞭然で正しいとわかるものがある場合、市場を検証する必要はありません。必要なのは、技術的な課題に対する進捗を検証することだけです。
現在、投資家は二つの陣営に分かれています。一つは、評価額を気にせず、深い技術的課題を解決する企業に積極的に投資する陣営。もう一つは、「市場検証ができていない」と批判する陣営です。ラオ氏は、後者の考え方が根本的に間違っていると主張します。ロボット工学、コンピューティング、生物学といった深い技術的課題に取り組むフェーズにおいては、市場は既にそこに存在し、問題を解決さえすれば人々は必ずそれを購入するからです。重要なのは、問題を解決するための技術的な進歩なのです。
5.6 資金制約がない場合の理想：自社製造への回帰
もしリソースの制約が全くないとしたら何をしたいかという問いに対し、ラオ氏は「自社で製造を開始する」と即答します。原材料の源泉により近づきたいという欲求は、現在のハードウェアエコシステムが抱える多くの供給制約に対する彼の危機感を表しています。独自の工場を持つことで、必要な層を極限まで最適化し、他の汎用的な目的のために作られたコモディティ製品に合わせる必要がなくなります。自分に必要なものを正確に作り、より良い製品を生み出すことが可能になります。彼にとって、コンピューターの価値はすべて知能を提供することから生まれるため、シリコンの加工からスライスに至るまで、そのすべてを最適化できるなら、絶対にそうしたいと語ります。
第6章：ロボティクス - 物理世界への知能の拡張
ナヴィーン・ラオ氏は、AIの最も革新的な応用先として「ロボティクス」を挙げ、その市場規模がエージェント型コーディングよりも桁違いに大きくなる可能性を指摘します。これは、知能が物理世界へと拡張されることで、これまで不可能だった価値創造が実現するという未来像です。
6.1 ロボティクス：エージェント型コーディングの100倍の市場
投資家の中には、ロボット工学への投資を時期尚早と考える人もいます。タイミングのリスクを重視し、まだ理想的な状態からは程遠いと感じるからです。しかし、ラオ氏はこれに強く反論します。彼は、ロボティクスがエージェント型コーディングよりも「100倍大きな市場になる」と断言します。
その理由は、私たちがまだ知能の成果をどう捉えるかという段階の入り口に過ぎないからです。物理世界はこれまで、真の意味で知能が全く関与してこなかった領域です。現在の産業用ロボットは、単調な作業を繰り返すだけであり、私たちが与えたタスクを機械的にこなしているに過ぎません。それは新規性のある問題解決ではありません。
しかし、近い将来、私たちは「物理的な問題解決」の領域に足を踏み入れることになります。何十億ものロボットが物理世界を走り回り、「あれが問題だ」「あれが壊れた」「片付けに行こう」「交換しよう」と認識し、動的に問題を解決する世界を想像してみてください。世界のあらゆる清掃、新しい建物の建設、物理的な問題解決にかかるコストは、ゼロにはなりませんが、大幅に削減されるでしょう。この莫大な市場は、現在私たちが仮想世界で見ているものよりも、はるかに大きなものになるとラオ氏は予測します。
6.2 非ヒューマノイドロボットの進展と指数関数的成長の予測
ロボティクスの中でも、ラオ氏は「ヒューマノイドと非ヒューマノイドの間には明確な線引きがある」と指摘します。非ヒューマノイドロボットには明確な進展の道筋が既に見えているのに対し、ヒューマノイドロボットはまだ遠い存在だと考えています。ただし、この「遠い」という感覚は、指数関数的な開発サイクルの現実を考慮すると、思ったよりも早く実現する可能性があります。ラオ氏は、今後2〜3年でいくつかのタスクにおいて実用的なプロトタイプが登場し、市場は5〜7年で本格的に立ち上がるだろうと予測しています。
AIと人間によって同じタスクが低コストで実行できるようになるからといって、仕事がなくなるわけではありません。むしろ、需要が高まることで、これまで以上に多くのタスクをこなすようになるでしょう。供給が安価になれば、需要の側面も変化するため、最終的には私たちの活動量が増えることになります。例えば、建物の建設にロボットが導入されれば、建設コストと時間が劇的に短縮され、同じ期間により多くのビルが建てられるようになるでしょう。これは、ジェヴォンズのパラドックス（効率性が向上すると、かえって資源の消費量が増える現象）の好例と言えます。AIとロボットが協調することで、社会全体の生産性が飛躍的に向上し、新たな価値創造のサイクルが生まれるのです。
6.3 ロボティクス投資の焦点：テクノロジースタックへの注力
ロボティクスへの具体的な投資について、ラオ氏はアプリケーション層はまだ時期尚早だと考えており、よりテクノロジースタックに重きを置いています。彼は、ロボットを動かすモデルを開発している企業に投資しています。これらの企業は最終的に、モデルを搭載したエンドツーエンドのデバイスを構築し、特定の何かを非常にうまくこなすようになるだろうと予測します。モデルとデバイスは一体化し、切り離して考えることはできなくなるでしょう。
このような巨大な市場の可能性を考えると、投資における価格はそれほど気にしないとラオ氏は言います。資産の一定割合をこの分野に投じる必要があり、そこにこそ膨大な成長があるからです。バリュー投資家や伝統的なVCが「高すぎる」と批判する中で、1兆ドル規模の市場を語る上で価格はほとんど意味をなさないという彼の見解は、AI時代における投資哲学の根本的な転換を示唆しています。
第7章：Naveen Rao氏の個人的洞察と未来への希望
最後に、ナヴィーン・ラオ氏の個人的な価値観、彼が投資家として見据える未来、そしてAIが人類にもたらす究極の希望について掘り下げます。彼の洞察は、テクノロジーの未来だけでなく、私たちの生き方そのものに深い示唆を与えてくれます。
7.1 お金と価値観：変わらないもの
ラオ氏は、お金を持っても自分の価値観は変わらないという興味深い洞察を共有します。リソースには限りがあることを認識しつつも、特定の物事に対して特定の価値観を持ち続けていると言います。例えば、彼はいまだに服や旅行に対して「ケチなところがある」と自認しています。「ジーンズ一着にそんな大金を払えるか！」と感じたり、旅行に対して「うわ、高すぎる」と感じれば、それを避けることもあるそうです。これは、お金を使うことと使わないことの結果が必ずしも変わらないわけではなく、単純に「価値を感じない」からだと言います。価値を感じるものには惜しみなく投資し、そうでないものには一切お金を使わないという彼の姿勢は、自己認識とリソース配分の哲学を映し出しています。
7.2 過大評価されるAI分野と市場の二極化
AIの分野で最も過大評価されている投資先はどこかという問いに対し、ラオ氏は「カスタマーサポート向けのAI」を挙げます。これは最も普及している一方で差別化ができておらず、単にSalesforceのような既存プレイヤーを打ち負かすための入り口のような安易な発想だと指摘します。人間が行っている標準的な作業を自動化しようとするような領域は、現時点で投資するには最悪の場所だと感じると言います。
また、「エージェント型コーディング関連」も市場としてはかなり過大評価されていると見ています。結局のところ、価値はモデル提供側に移っていくため、Cursorのようなツールが素晴らしい成果を上げても、その価値の源泉はモデルそのものにあります。開発環境（ハーネスやIDE）は流動的で定着性が高くないため、モデル提供元を別にすれば、今の彼なら投資対象にはしないと語ります。
AI市場の将来的な二極化についても言及しています。3年後には、トークン通信量の80%がオープンモデルになると予測し、これは携帯電話市場のiPhone（市場全体の20%だが利益の80%を占める）に似た構造になるだろうと見立てています。フロンティアモデルが必要とされる非常に重要な問題は比較的少なく、そうした部分には高い対価が支払われる一方で、日常的なルーチンタスクはすべてオープンモデルが処理することになるため、支出は概ね50対50に分かれるものの、フロンティアモデルが占めるトークン数は20%程度にとどまるだろうと予測しています。
7.3 最高の投資家ミーティングと起業環境の地域差
ラオ氏は、Nirvanaを立ち上げてから1000回近く投資家とミーティングをしてきた中で、最も印象的だったのがスティーブ・ジャーベットソン氏との出会いだったと語ります。彼から「最高に頭が切れるから、徹底的に詰められるぞ」と言われ緊張していたものの、実際に話すと数値表現の話題で盛り上がり、まるで技術的な同僚と話しているような感覚だったそうです。2014年当時、まだ誰も提案していなかったハードウェアのスタートアップに、ジャーベットソン氏自身も同じことを考えており、即座に投資が決まったというエピソードは、大きな賭けに出て成功を収めるためには、世の中の合意に縛られず、人とは違う意見を恐れないことの重要性を示しています。
また、ラオ氏は米国と欧州の起業環境の違いにも触れています。ヨーロッパでは、起業家になることが流行のようになり、アイデアの質が低下していると指摘します。投資家ネットワークや人々の考え方が保守的であるため、とんでもないアイデアを持っていくと「あいつはイカれてる。投資する価値はない」となる傾向があります。しかし、米国では「あいつは凄い。大きな夢を描いている」と評価され、より大きなことを考える許可が与えられているとラオ氏は感じています。技術サイクルの初期段階では、技術者は皆、未来のストーリーを語るものですが、そのストーリーが100%正しいことはありません。重要なのは、バス（アイデア）そのものではなく、そのバスを運転する人（チーム）であり、彼らがピボットや技術的な決断を下し、価値ある場所へと導けるかどうかが鍵となるのです。
7.4 AIが拓く人類のフロンティア：宇宙と科学への探求
ラオ氏が最も興奮しているのは、「AIは、宇宙に関するより大きな問いを投げかけることを可能にするツールであり、能力である」という点です。科学にはまだ理解できていないことが非常に多く、それはそれらが近づきがたいものだからです。その問題を考え、実際に前進させられる人間の数が限られているという点で、近づきがたいのです。
AIの登場により、私たちが取り組んで解決できる問題の領域が広がり始めています。ラオ氏は「AIが全人類を滅ぼす」といった見方を「聞いた中で最も愚かな世界観」だと一蹴し、完全に飽き飽きしていると語ります。むしろ、AIこそが人間がより大きな問題を解決し始めるための鍵なのです。
例えば、どうすれば宇宙をもっと探査できるか？物理学のより深い部分を理解し始めた時に、それが可能になります。ワームホールのようなアイデアはまだ理論上の構築物に過ぎませんが、私たちは今、AIを活用して進歩を始められる段階にいます。AIを活かして、実際にそのような物理現象を再現できるのか、あるいはそれが実在するのかどうかといった疑問を問い始められるようになったのです。以前は、こうした問題に取り組めるだけの人間が十分にいなかったため、ただ不可能でした。
科学を発展させ、人類の理解を前進させられるということは、ラオ氏にとって言葉では言い表せないほど刺激的なことです。「子供のような気持ちになります。私たちが想像すらできなかった驚異の世界が、そこに広がっているんです。私たちは自分の能力を過小評価し、『これしか見ることができない』と思い込まされてきました。それが今、突然その世界全体が私たちに開かれたのです」と彼は語り、未来への限りない楽観主義を示しています。
結論：変革の時代を生きる知性
ナヴィーン・ラオ氏の洞察は、AIが単なる技術革新に留まらず、エネルギー、計算、経済、そして人類の存在そのものに深く根ざしたパラダイムシフトをもたらすことを明確に示しています。10兆ドル規模の推論市場は、知性への無限の需要と、それを効率的に提供するハードウェア、そしてモデルと物理層の共進化によって実現されるでしょう。
この変革の時代において、私たちはエネルギーの重要性を再認識し、計算の物理的限界を超えたアーキテクチャとモデルレベルでの革新を追求しなければなりません。また、AIが加速する開発サイクルの中で、「検証」の重要性を理解し、人間とエージェントの協調による新しい価値創造の形を模索する必要があります。
投資家や起業家は、市場検証に固執する古い思考様式から脱却し、深い技術的課題の解決と未来への明確なビジョンを持つことが求められます。そして、物理世界への知能の拡張、特にロボティクスがもたらす巨大な市場の潜在力を理解し、長期的な視点でテクノロジースタックへの投資を行うべきでしょう。
ラオ氏が描く未来は、AIが人類を滅ぼすという悲観的なものではなく、むしろ人類がこれまで到達できなかった科学のフロンティアを切り拓き、宇宙のより大きな問いに取り組むことを可能にする、希望に満ちたものです。私たちは今、想像を絶する驚異の世界への扉が開かれた時代に生きています。この変革の波に乗り、知性を最大限に活用し、人類の未来をより豊かにする機会が私たちには与えられているのです。