AIの未来を再定義する：オープンソース、特化型知能、そして10倍のコスト削減がもたらす100倍の利用爆発
はじめに：AIの未来を形作るFireworksのビジョン
近年、人工知能（AI）は、その驚異的な進化によって私たちの生活やビジネスを根底から変革しようとしています。特に、汎用人工知能（AGI）の可能性を巡る議論が活発に行われる一方で、Lynn Qiao氏が創業したFireworksは、AIの未来に対する大胆かつ示唆に富んだビジョンを提示しています。そのビジョンとは、AIの「知能」が少数の企業に独占されるのではなく、誰もがアクセスできるオープンソースの力と、個々の企業やユースケースに特化した「特化型知能」によって、その価値が解き放たれるというものです。
Lynn Qiao氏は、わずか15分のミーティングで1000万ドルの投資を引き出した稀代の起業家であり、その洞察はシリコンバレーのベテラン投資家をして「これまでで最も簡単な投資判断の一つ」と言わしめるほどです。彼の予測によれば、今後3年でトークンコストは10分の1に激減し、それに伴ってAIの利用量はなんと100倍に爆発的に増加すると言います。これは単なる技術的な予測にとどまらず、AI経済の根本的な構造変化を示唆しています。
本稿では、Lynn Qiao氏のFireworksにおける深い洞察と戦略を掘り下げ、なぜ彼がオープンソースと特化型AIに未来を見出すのか、そしてそれがビジネスと社会にどのような影響を与えるのかを詳細に分析していきます。彼の言葉を通して、AGIが支配する未来への疑問符から始まり、オープンモデルの経済性、国家安全保障、そしてAI時代における企業経営のあり方まで、多岐にわたるテーマを探求し、AIの「現実」を紐解いていきます。専門的な視点と分かりやすい解説を通じて、読者の皆様がAIの未来像をより深く理解できるよう努めます。
Lynn Qiao氏の起業家としての旅路：経験が織りなすビジョン
Lynn Qiao氏の起業家としての道のりは、一般的なシリコンバレーの成功物語とは一線を画します。彼がFireworksを創業したのは48歳。今日のテック業界では15歳で起業することが美化される風潮がある中で、この年齢での挑戦は異例中の異例と言えるでしょう。しかし、彼のこれまでの豊富な経験こそが、Fireworksのユニークなビジョンを形成する強固な土台となっています。
Qiao氏は2000年に移民として米国に渡り、分散システム、特にデータベースに焦点を当てたコンピューターサイエンスで博士号を取得しました。データベースは、非常に概念的なシステムであり、さまざまな目的のために最適化される必要がある複雑な分野です。彼は研究室に入ってから、データの処理に関するあらゆる側面を深く経験しました。その後、LinkedInに移り、システムと製品を構築し、実際のインパクトを推進する役割を担いました。この頃、彼は起業への強い願望を抱くようになります。「私はすべての技術を知っている。どのような製品を構築すべきかも知っている。ビジネス提案もあるし、一緒に会社を始めたい人々のリストもある」と、2015年には起業準備が整ったと感じていたそうです。
しかし、この時に彼は重要な気づきを得ます。「それは単に製品や技術についてのものではない。実際には人についてなのだ」と。この洞察が彼を一度立ち止まらせ、起業に必要な「人々を構築するスキルセット」が自分にはまだ足りないと判断させました。そこで彼は、最も多くのことを学べる場所として、当時シリコンババレーで台頭していたFacebookに入社します。当初は1〜2年学んでから独立する計画でしたが、結果的に彼は7年間もFacebookに留まることになります。この7年間で、彼は大規模な組織の中で人々と協働し、文化を形成し、複雑な人間関係を管理する術を深く学びました。
この「人」に関する学習期間があったからこそ、Qiao氏は後年のFireworks創業において、製品や技術の優位性だけでなく、オープンソースがユーザーに与える「コントロール」や、企業独自の「判断」「嗜好」がAIに反映される重要性を強調するようになるのです。彼のキャリアパスは、単なる技術的な専門知識の蓄積にとどまらず、ビジネスの成功には人間の要素が不可欠であるという深い理解を育んだ稀有な例と言えるでしょう。48歳での起業は、決して「遅い」のではなく、むしろ熟練した経験と洞察が凝縮された「最適なタイミング」であったと捉えることができます。
AGI vs. 特化型AI：未来の知能の姿
AIの未来像を巡る議論において、Lynn Qiao氏の視点は、AnthropicやOpenAIといったAGI（汎用人工知能）の実現を目指す企業とは根本的に異なります。この違いを理解することは、Fireworksがなぜ「特化型知能」に賭けるのか、その戦略的意義を把握する上で不可欠です。
AnthropicやOpenAIのAGIへのアプローチとFireworksの相違点
Qiao氏にとって、AGIの定義とは「すべての問題を最良の方法で解決できる一つのモデル」です。もしそのようなAGIが存在するならば、専門化の必要性はなく、その一つのモデルがビジネスのあらゆる側面、あらゆる仕事を遂行できるはずだと彼は指摘します。Anthropicは、企業向けビジネスにおいて「Claw co-work」などの隣接サービスを構築していますが、Qiao氏はこれをAGIがすべてを解決するという信念の延長線上にあると見ています。つまり、AGIが極めて知能が高く、あらゆる知識を持っているなら、なぜわざわざ専門化する必要があるのかという疑問を投げかけるのです。
これに対し、Fireworksは、世界は多様性に満ちており、単一の原理によって支配されるべきではないという哲学に基づいています。異なる地域には異なる価値観、政策、ビジネス様式、ライフスタイルが存在し、これらは私たちの「好み、選択、判断」の組み合わせによって形成されています。Qiao氏は、もし私たちの未来が単一の標準や単一の企業によって決定される「ロボットの軍隊」のような世界になるのであれば、それは非常に憂鬱な未来だと語ります。人間を他の種から区別するのは、創造性であり、新しいものや新しい生き方を追求する深い願望です。この部分はコピーできない、というのが彼の基本的な信念です。
「私的データ」の重要性
Fireworksの特化型知能に対する信念の核心には、「データ」の理解があります。Qiao氏は、知能がデータの派生であるならば、データの大部分は汎用知能モデルのトレーニングには使用されていないと主張します。汎用知能モデルのトレーニングデータは、主に公開されたインターネット上のデータとラベル付けされたデータから来ています。しかし、公開インターネット上のデータは、世界のデータ全体から見ればごく一部に過ぎません。
世界のデータの大部分は、実際には企業やアプリケーションの中に「プライベートにロック」されており、他と共有されることはありません。これは企業の専有IP（知的財産）であるためです。Fireworksは、この膨大な量の「未活用データ」を活性化させ、そこから知能を引き出すことにこそ未来があると信じています。彼らは、知能のフロンティアは「プライベート知能」や「特化型知能」にあると考えており、創業当初からこの価値の追求に焦点を当ててきました。
これは、NVIDIAのJensen Huang氏がQiao氏に語った「特化されない普遍的な会社は存在しない」という言葉にも通じます。すべての会社は、その存在を正当化する何かユニークなことを行っています。このユニークさは、製品設計、ソフトウェア設計、システム構築、そしてユーザーとのインタラクションから生まれるデータ、ユーザー意図への深い理解に深く組み込まれています。これらの独自性は、外部の他の会社が学習したり共有したりできるものではありません。だからこそ、企業は自社のユニークなデータから独自の知能を導き出す必要があるのです。
人間性と多様性の尊重
AGIを推進する人々が、AGIを「避けられないもの」として語る理由について、Qiao氏は彼らの貢献を「皆がその上に構築できる素晴らしい知能源を配布するための送電線」に例えます。この基本的なインフラがなければ、私たちは自宅で様々な家電製品を楽しむことはできません。コーヒーメーカーを愛するが、送電線がなければ使えません。AGIは、このような基盤となる「電力」を提供してくれる存在であり、その貢献は非常に重要だとQiao氏は認めます。
しかし、その送電線が「私たちがすることすべてを置き換えるのか？」という問いに対して、彼は「そうは思わない」と明確に答えます。単一のAIが世界のすべてを支配するのではなく、多様な知能が共存し、それぞれが特定の役割を果たす未来。それは、地域ごとの多様な価値観や文化、個人の嗜好や選択が尊重される、人間性豊かな社会の継続を意味します。Fireworksの特化型知能へのコミットメントは、単なるビジネス戦略に留まらず、AIがもたらす未来に対する倫理的・哲学的スタンスをも示しているのです。
オープンソースAIの台頭と経済性への影響
Lynn Qiao氏とFireworksの戦略のもう一つの柱は、オープンソースAIへの深い信念と、それがAI経済にもたらす劇的な変化です。創業当初からオープンモデルに「大きな賭け」をした彼らの選択は、今日の市場の動向を見る限り、見事に報われていると言えるでしょう。
オープンモデルへの賭け
Fireworksの共同創業者たちは、創業初期に「自社モデルを構築するか、オープンモデルの上に構築するか」という深い議論を交わしました。当時、オープンモデルはまだ初期段階にあり、その方向性が成功するかどうかは大きな賭けでした。しかし、Qiao氏が過去にPyTorchの経験から得た「オープンコミュニティとオープンネスへの信念」が、この決断を後押ししました。「オープンネスはユーザーにコントロールを与える」というのが彼らの基本的なOperating Principle（運用原則）でした。
オープンモデルがリリースされれば、ユーザーはそのモデルのウェイト（重み）を完全に制御できます。自由に修正し、自社のものとしてその上に構築できるのです。この「フルコントロール」こそが、オープンソースの根源的な価値であり、Fireworksが信じるものです。そして、過去2年間で、オープンモデルとクローズドモデルの両方の品質が飛躍的に向上し、様々な問題を解決できる品質閾値を超えました。
Fireworks自身も、採用プロセスでの候補者選定、フィードバック収集、社内財務プロセス、デバッグのためのコーディングなど、多くの社内業務でオープンモデルを活用しています。これはコスト意識の高いスタートアップにとって不可欠な戦略です。さらに、オープンモデルは「チューニングがはるかに容易である」という利点があります。特に、企業が持つ少量のユニークなデータを使ってモデルを操縦し、特定の評価指標（Eval）に向けて改善していくことが容易です。多くの場合、このチューニングの最終結果は、汎用モデルよりも企業独自のデータと問題解決に優れているものとなります。
エンタープライズにおけるコスト問題
Qiao氏は、AI時代における企業が直面する大きな課題として、「スケーリング・ツー・バンクラプシー（倒産へのスケーリング）」という現象を挙げます。これは、SAS（Software as a Service）時代には存在しなかった問題です。SAS時代は、製品市場適合（PMF）を見つければ、あとはCPUがコモディティでありインフラも安価であったため、できるだけ速くスケールアップすれば持続可能なビジネスを築けました。しかし、AI時代ではPMFと持続可能なビジネスは別の概念になっています。
スタートアップは、素晴らしいPMFを見つけ、顧客が製品に価値を見出して対価を支払う用意があっても、スケールアップすれば破産する可能性があるのです。さらに、デジタルネイティブの大企業にとっては、より深刻な問題となります。彼らは膨大なトラフィックを持ち、AI機能を導入すれば即座に多くの顧客にリーチできます。しかし、CFOがコスト予測を見れば、その費用を正当化することは不可能です。革新者たちは新しい破壊的な技術を導入したいが、コストが高すぎてそれができません。
この「手が出せない」という問題に対する代替策が、オープンウェイトモデルを制御し、自社モデルを展開することです。オープンモデルは、基本的にモデルの取得にコストがかかりません。NVIDIAのように自社でモデルをトレーニングし、それをオープンにする企業も存在します。一度モデルが公開されれば、それを利用する側にコストはかかりません（もちろん、運用にはコストがかかります）。一方、フロンティアラボ（クローズドモデルを開発する企業）は、モデル開発と研究開発（R&D）のコストを回収する必要があります。
フロンティアモデルの価格戦略とオープンモデルの優位性
OpenAIが最近、モデルコストを大幅に引き下げたことを受けて、Qiao氏はそれが一つの動きであると認めつつも、オープンモデルとは「非常に異なる運用原則」であると強調します。クローズドな汎用モデルは、APIを通じてそのまま利用するしかなく、ユーザーはコントロールができません。一方、オープンモデルは完全に制御可能であり、ユーザーは好きなようにチューニングし、好きなように使用できます。
Fireworksは「特化型知能プラットフォーム」として、ユーザーが特定のユースケースに合わせてモデルを容易にカスタマイズするためのあらゆるツールを提供しています。高精度にチューニングされたモデルは、推論展開のためにさらに最適化されます。Fireworksは、すべてのモデル展開を「ワンサイズ・フィッツ・ワン」（個々のワークロードに固有）と考えており、品質、速度、コストの観点から個々のワークロードに合わせて最適化します。数百万、数千万、数十億のユーザーに到達するような本番スケールを考えれば、わずか5%のコスト削減でも莫大な影響があるため、過去に見られた5〜10倍のコスト削減は極めて重要であるとQiao氏は述べています。
このオープンソースAIの台頭と経済性は、AIの利用を民主化し、より多くの企業がその恩恵を受けられるようにするための鍵となるでしょう。
国家安全保障と主権モデルの必要性
AIの技術が社会の基盤となるにつれて、その制御と信頼性に関する懸念は、個々の企業レベルから国家レベルへと拡大しています。特に、モデルの「判断」や「嗜好」がもたらす影響、そしてオープンモデルの地政学的な側面は、Lynn Qiao氏が繰り返し強調する重要なテーマです。
モデルにおけるガードレールの重要性
Qiao氏は、あらゆるモデル、オープンかクローズドかを問わず、企業は自社独自のガードレール（安全対策）を設けるべきだと主張します。その根本的な理由は、「モデルプロバイダーは、自身の判断や嗜好をモデルトレーニングプロセスに注入するから」です。そして、その判断や嗜好が、利用企業のそれと一致する保証はありません。
これは、Jensen Huang氏の「特化されない普遍的な会社は存在しない」というコメントと深く関連しています。すべての企業は特殊であり、独自の設計原則、独自の嗜好、独自のターゲットオーディエンスを持っています。この特殊性ゆえに、ある企業の判断や設計原則が、別の企業（特定の課題を持つ）とミスマッチしたり、食い違ったりすることは避けられません。したがって、モデルを自社のニーズに合わせてチューニングすることが不可欠となるのです。
Qiao氏は、未来は少数のAGIモデルが支配する世界ではなく、アプリケーションやユースケースごとに数百万もの特化型モデルが存在する世界になると強く信じています。
中国製オープンモデルの台頭と懸念
最近のOpenRouterのトップ6モデルが中国製であり、その品質と開発速度が驚異的であるという事実は、国家安全保障上の懸念を提起しています。もし中国が自国のオープンモデルへのアクセスを制限し始めたらどうなるでしょうか。Qiao氏は、短期的な影響は大きいと認めつつも、オープンエコシステムの美しさは「単一のプロバイダーに依存しないこと」にあると指摘します。オープンシステムは、通常、多くの関係者を惹きつけ、多様な参加者によって支えられます。
彼は、米国の才能とリソースをもってすれば、自力でオープンシステムを構築できるし、そうすべきだと考えています。「千の花が咲き乱れる」ようなオープンエコシステムこそが、この分野の魅力であると語ります。これは、AIの基盤となるインフラが特定の国家や企業によって独占されることへの強い警鐘であり、各国が自国の「送電線」を所有すべきだという「主権モデル」の考え方につながります。
「電力」としてのAIと主権の確保
AIを電力インフラに例えるならば、各国は自国の送電線を所有すべきです。もし、基盤となるAIインフラが他国によって停止される可能性があれば、その国の経済や日常生活は機能不全に陥る可能性があります。Qiao氏は、自宅の停電やWi-Fiにアクセスできない時のフラストレーションを例に挙げ、国家運営レベルでのAIインフラの独立性がどれほど重要であるかを強調します。
これは国家だけでなく、個々の企業にも当てはまります。企業は誰かによって「切り離される」リスクを負いたくありません。したがって、AIの時代においても、企業は自社のインテリジェンスの独立性を確保することが極めて重要となります。AIが電力のような基本的なユーティリティとなる未来において、「誰がそのスイッチを握るのか」という問いは、国家レベルでも企業レベルでも、ますます重みを増していくでしょう。この文脈において、オープンソースと特化型モデルは、国家や企業が自律性とコントロールを維持するための強力な手段となるのです。
AIの普及と産業の変革
AI、特に生成AIの出現は、すでに様々な産業に計り知れない影響を与え始めています。Lynn Qiao氏は、その中でも特にソフトウェア開発ライフサイクルの劇的な変化と、特定の業界におけるAIの浸透の様子を具体的に語っています。
ソフトウェア開発ライフサイクルの短縮
Qiao氏が最も強く実感している変化の一つは、ソフトウェア開発、特にSaaS（Software as a Service）分野が、コーディングにおける汎用知能によって大きく破壊されたことです。彼は、「アプリケーション開発ライフサイクルが、タイムラインと必要なリソースの面で著しく短縮された」と述べています。
過去には、アイデアを実装し、製品を本番スケールまで持っていくには、多数の非常に優秀な製品エンジニアとプロダクトマネージャーが必要であり、数四半期から数年間の投資が不可欠でした。これは深い参入障壁（Deep Moat）となっていました。しかし今日では、一人の人間が数週間で自分のアイデアを製品として立ち上げ、迅速にスケールアップさせることが可能になっています。この変化は前例のないものであり、競争の定義を根本から変えつつあります。アイデア自体で競争するのは難しくなっており、多くの人が似たようなアイデアを持つ中で、「実装」がもはや大きな障壁ではなくなったからです。
しかし、Qiao氏はエンタープライズ向けの展開においては、この話は少し異なるとも付け加えています。世界最大級の法律事務所と協業する場合など、エンタープライズセールスサイクルは最低でも数年単位に及び、関係構築や非常にカスタマイズされた展開が必要です。これは、11 Labsのような簡単に利用できるコンシューマー向けサービスとは異なる現実です。
法律分野の事例（HarveyとLagora）
特に法律分野は、AIの導入において興味深い課題を抱えています。弁護士は通常より保守的であり、法律はエラーを全く許容しません。したがって、信頼性のあるAIアシスタントを構築することは極めて困難です。この分野で競合するHarveyとLagoraという二つの企業を例に挙げ、Qiao氏は独自のモデルを構築することの重要性を強調します。
1年前はフロンティアモデルの能力向上ペースが速かったため、独自のモデルを構築しない企業が正しい選択に見えましたが、今ではその状況は逆転しているように見えます。Qiao氏は、両社とも訴訟研究などを行うアシスタントを構築するための「プロプライエタリな知識と情報」を所有していると指摘します。彼らは独自のデータを持ち、それを深い理解と組み合わせることで、ワークフロー層で独自のインテリジェンスを所有し、ビジネスを卓越させるためのユニークな立場にいます。どのAIツールを使用するか、どのツールを呼び出すかといったオーケストレーションは特注品であり、その精度は重要です。そして、そのハーネス（連携システム）自体も、それを動かすモデルと共同で訓練される必要があります。
これはタイミングの問題でもあります。コーディング分野では、Cursorがモデルのチューニングを始めたパイオニアであり、今ではほとんどのコーディング会社が自社モデルをチューニングしています。このトレンドは、法律のような専門分野でも同様に加速していくでしょう。
モデル開発のペースと「特化」の加速
AIモデル開発のペースは驚異的であり、毎日新しいモデルが発表され、その優位性は一時的なものです。Qiao氏は、モデルの進歩にはいくつかの層があると説明します。
- ベースとなる汎用IQ（知能）の進歩: これらは「ステップ関数的な進歩」であり、年に1回、あるいは3四半期に1回程度の大きな飛躍として現れます。例えば、昨年初めに「思考プロセス」という新しい概念が登場し、モデルが即座に答えを出すのではなく、自ら思考してから回答を生成するようになったのは、その一例です。
- 専門化の加速: ベースモデルの品質がステップ関数的に向上するにつれて、その上に構築できる専門化の可能性ははるかに広がります。Qiao氏はこれを「木」に例え、幹（ベースモデル）が成長すれば、そこから無数の枝葉（特化型モデル）が伸びると表現します。彼は、汎用知能の部分よりも、世界における「特化」の加速の方がはるかに速くなると見ています。
この予測は、Fireworksが特化型知能に注力する戦略の正当性を裏付けるものです。基盤となる汎用モデルの進化を享受しつつ、特定のユースケースやビジネスロジックに深く適応した特化型モデルが、今後、爆発的に増えていくと見ているのです。
AIエコシステムとFireworksの立ち位置
AIエコシステムは多層構造をなし、それぞれのレイヤーで専門的なプレイヤーが活動しています。Lynn Qiao氏はNVIDIAのJensen Huangが提唱する「5層AIケーキ」（アプリケーション、モデル、インフラ、チップ、エネルギー）のフレームワークに言及しながら、Fireworksがその中でどのような戦略的立ち位置を取るかを明確にしています。
多層AIケーキとFireworksの専門性
Fireworksは、アプリケーションレイヤーへの参入を「絶対にしない」と明言しています。彼らは、NVIDIAのJensen Huangがクラウドインフラを構築しないのと同じように、自社の専門領域に集中することを重視しています。Qiao氏は、Fireworksの企業哲学として「アジリティがすべてであり、何かを構築する権利は獲得する必要がある」と述べ、彼らの強みに基づいて最大の価値を付加できる領域に集中したいと考えています。つまり、アジリティとフォーカスが彼らの成功の鍵であり、他社の強みを活用してその上に構築していく戦略を取っています。
Fireworksの主な事業は、モデルとインフラの間にある「特化型知能プラットフォーム」を提供することです。彼らは、世界中のあらゆるAIチップで動作し、自社データセンターにどれだけのチップを導入できるかに限定されたくないと考えています。長期的に見れば、Metaがかつてはすべてを自社で構築していなかったが、ビジネスが巨大化してトラフィックが膨大になった際には、コスト削減のために自社でインフラを構築するようになった事例のように、Fireworksも将来的にはデータセンターを構築する可能性を否定していません。しかし、それは「タイミングの問題」であり、現時点ではアジリティを保つために、既存のインフラを活用することを選択しています。
チップ開発へのスタンス
OpenAIのJalapeno、AnthropicとSamsungの提携、DeepseekやMetaの自社チップ開発の動きについて問われた際、Qiao氏はチップ構築の「極めて高い困難さ」を強調します。MetaがMTIAプロジェクトに5年以上前から取り組んでいるように、自社チップの開発は膨大な時間と投資を要します。
彼にとって、自社チップを構築する経済的合理性が生まれるのは、ワークロードが安定し、使用量が特定の閾値を超えた時です。チップにロジックを焼き付ける「特化」は、そのワークロードが頻繁に変化しない場合に最も有効です。しかし、現在のAIの世界、特にモデルのカスタマイズは「非常にダイナミック」であり、ワークロードパターンも非常に変化しやすい状況です。アプリケーション空間では、様々な実験が行われ、どれが成功するか、どれが持続するかは予測できません。ワークロードが安定し、そのパターンが明確になった段階で初めて、ハードウェアにそのパターンをエンコードし、データセンターに導入することを検討すべきだとQiao氏は考えています。現在はまだ、ワークロードの成熟度がチップ開発を正当化するほど高くない段階にあると彼は見ています。
Cursorとの協業事例：分散強化学習システム
Fireworksの専門性とイノベーションを示す好例として、Qiao氏はコーディングAIのパイオニアであるCursorとの深い協業について語っています。CursorのCTOであるDimma氏が、数ヶ月間Cursorに密着し、強化学習（RL）インフラを構築したというエピソードは、Fireworksが顧客とどれほど深く連携しているかを示しています。
Qiao氏によると、新しいテクノロジーの初期採用者は、しばしば「ハッカー」（深い専門知識を持ち、多くのことをコントロールしたがる人々）です。Fireworksは、最終的にはよりアクセスしやすく、コントロールの少ない後期段階のユーザーをターゲットにしていますが、その道のりを理解するために、初期のパイオニアと深く協力することが不可欠であると考えています。
Cursorのようなスタートアップは、資本に敏感でありながら、研究革新の速度を落としたくありません。FireworksはCursorと協力し、彼らのトレーニングプロセスを非常に効率的な方法で推進しました。具体的には、彼らは大規模なポストトレーニング、すなわち強化学習ベースのプロセスを開発しました。このプロセスは、モデルのウェイトを微調整する「トレーナー」と、新しいモデルバージョンを合成環境や実際のコーディング環境で展開して報酬を得てモデルの良し悪しを判断する「RLロールアウト」という2つの部分に分かれています。
過去の大規模ハイパースケーラーでは、これらすべてを何万ものGPUが相互接続された高価なクラスターで実行していましたが、FireworksとCursorはこれらを分離し、分散システムを設計しました。彼らは世界中の5〜6のデータセンターリージョンにまたがる分散GPUを活用し、大規模なジョブを実行できるようにしました。ここでの技術的課題は、これらの異なるリージョン間でモデルのウェイトを同期させることです。ウェイトの送信遅延は、報酬の鮮度を左右し、遅すぎるとモデルの学習が非効率になります。しかし、Fireworksは、ウェイトを迅速に配布し、数値的に健全な状態を保ちながら、高価なGPUフリートの展開に縛られない革新的な方法を開発しました。このイノベーションが、Cursorの最近のモデルローンチを支える基盤となっています。
市場の多様化と成長
Fireworksは、当初はCursorのようなコーディングAI企業に集中していましたが、現在は顧客基盤を多様化しています。昨年が「コーディングの年」であったとすれば、今年は「コワーク（協働）の年」だとQiao氏は表現します。コワーク分野は、コーディングよりもはるかに多様です。一般的な目的のコワーク（市場調査など）から、法律、金融、カスタマーサポート、リクルーティング、販売、マーケティング、ヘルスケアといった特殊な目的のコワークまで、非常に幅広いイノベーションの空間が広がっています。Fireworksは、これらの多様な分野のアプリ企業を顧客として獲得しています。
さらに興味深いことに、消費者に直接向けた企業も生成AI技術に注目し始めており、例えばレコメンデーションシステムといった従来のビジネスのあり方を変革しようとしています。Qiao氏は、Metaでの大規模なレコメンデーションシステムの経験を踏まえ、これがAI時代の新たな経済にどのように変容していくかに大きな期待を寄せています。
マルチベンダー戦略とFireworksの差別化
AI推論市場において、顧客が単一のプロバイダーに依存するのか、それとも複数のプロバイダーと取引するのかという問いに対し、Qiao氏は「人々はこの分野でマルチベンダー戦略により傾倒している」と答えます。これは、将来が不確実である現状において、複数のプロバイダーを持つことが安全だと感じるためです。
しかし、Fireworksは自らを単なる「推論プロバイダー」とは見なしていません。彼らは「特化型知能を提供するプラットフォーム」として位置付けています。本日、Fireworksは1日あたり40兆トークン以上を処理しており、その大半は「カスタマイズされたモデル」からのものです。これは、既製のモデルではなく、顧客の特定のニーズに合わせてチューニングされたモデルが、Fireworksのビジネスの中核を成していることを示しています。Qiao氏は、来年末にはこのトークン数が20〜100倍に増加する可能性があると予測しており、AIのS字曲線における非常に初期の「爆発的な成長段階」にあると考えています。
この予測は、Compute（計算資源）に対する現在の設備投資（Capex）の規模が不十分であり、はるかに多くの投資が必要であることを示唆しています。AIの利用が爆発的に増えることで、下位のインフラレイヤー（チップ、エネルギーなど）のサプライチェーンがボトルネックになる可能性も指摘されています。Fireworksは、これらのボトルネックを解決し、特化型知能を広く普及させるための重要な役割を担っていると言えるでしょう。
経済性の未来：トークンコストの劇的変化と使用量の爆発的増加
Lynn Qiao氏が描くAI経済の未来は、トークンコストの劇的な下落とそれに伴うAI利用の爆発的な増加という、まさに変革的なシナリオです。この予測は、単なる希望的観測ではなく、現在の市場の力学と技術の進化に基づいています。
トークンコストの予測：10倍減
Qiao氏は、トークンコストが「劇的に下がる」と断言します。これまでそうはならなかったのは、主にサプライチェーンの制約があったためだと彼は説明します。しかし、私たちは自由経済の中に生きています。品不足があれば価格は高騰しますが、その高価格は多くの人々を問題解決へと誘い、競争を生み出し、最終的には非常に経済的なソリューションへと導かれるというサイクルが働きます。より手頃なインフラは、より多くの利用を促します。
彼の予測では、今後3年間でトークンコストは10分の1に減少します。このコスト削減のメカニズムは、いくつかの側面から説明できます。
- トークン効率化の進展: すべてのトークンが平等ではありません。異なるモデルは異なる方法でトークンを生成し、あるモデルは同じタスクを解決するためにはるかに多弁である場合があります。モデルの品質が向上するにつれて、「正確性」が最適化の一部となり、一つのタスクを解決するために必要なトークン数が減少するでしょう。
- モデルカスタマイズとプラットフォーム最適化: モデルを特定の課題に合わせてカスタマイズし、より正確に問題を解決することで、トークンあたりの価値が向上します。Fireworksのプラットフォームは、このようなカスタマイズされたモデルから生成・処理されるトークンごとの経済性を改善するよう特化しています。
- 基礎インフラの供給改善: GPUやメモリといった基礎となるインフラは、現在、深刻なサプライチェーン制約下にあります。しかし、長期的に見れば（1年半後から2〜3年後）、この状況は改善し、コストが圧縮されるとQiao氏は見ています。
これら複合的な要因により、全体として10倍のコスト削減が実現すると予測されています。
使用量の予測：100倍増
トークンコストが10分の1に削減されることで、AIの利用量は100倍に爆発的に増加するとQiao氏は予測します。これは、AIが「ユーティリティ」として認識されるようになることで起こります。コストが問題にならなくなれば、人々はそれを電力や水道のように、深く考えることなく自由に利用するようになるでしょう。
グロースマージンと成長戦略
AI時代の企業経営における重要な問いの一つは、グロースマージン（売上総利益率）の扱いです。Fireworksのような企業は、従来のSaaS企業が目標とする80%ではなく、30〜40%台の粗利益率で運営されることが多いです。Qiao氏は、これを「ハイパーグロースフェーズ」の現れだと捉えています。
この段階では、「マージン最適化は制約問題」であると彼は説明します。例えば、70%や80%のマージンを目標に設定すれば、それに合わせて制約を課すことになりますが、制約は通常、イノベーションを遅らせます。システム開発の初期段階では、過剰な最適化は意味がありません。システムが安定し、そのスケールが明確になって初めて、徹底的な最適化を行うべきだと彼は考えます。
Fireworksは現在、成長を最大化することに焦点を当てています。異なる地域、異なるユースケース、異なる製品ラインへの拡大を目指しており、これは最適化の時ではありません。彼らは、グロースマージンの過剰な最適化が成長速度を犠牲にすることを避けています。しかし、将来的には「健全なグロースマージン」に向けて継続的に最適化していくべきだと考えており、それは製品差別化を通じて達成されるものです。
データセンターのようなインフラを自社で構築するかどうかという問いも、この「構築か購入か」のトレードオフとタイミングの問題に関わります。Qiao氏は、データセンターはコモディティ化されておらず、そこにも専門的なイノベーションの余地があると指摘します。例えば、NVIDIAが買収したGuac（Grok）のようなSRAMベースのASICアクセラレータとGPUを組み合わせた異種混合のシステム設計は、データセンターのデプロイメントにおいて独自のイノベーションを必要とします。
ハードウェアとモデルの陳腐化サイクル
AI経済におけるもう一つのユニークなダイナミクスは、ハードウェアの減価償却サイクルとモデル・ハードウェアのリリースサイクルの乖離です。過去には、ハードウェアの減価償却期間は6年とされ、ハードウェアのリリースサイクルは3年でした。しかし現在では、わずか1年で一つのベンダーから3種類のSKU（商品コード）がリリースされ、新しいモデルは通常、最新のハードウェアで最高の性能を発揮します。
つまり、「モデルの陳腐化も非常に速い」のです。毎週新しいモデルがリリースされ、次のモデルが登場する前にその価値のピークを迎えます。このペースで、2年前のハードウェアで2年前のモデルを実行することが、果たして価値があるのかという疑問が生じます。ハードウェア自体は6年間持ちますが、モデルとハードウェアのイノベーションの速度がそれを上回っています。この変化は、「構築か購入か」の判断、そしてグロースマージンを計算する際のダイナミクスを根本的に変えています。
Fireworksは、この複雑な環境の中で、成長とマージンの最適化を両立させるためのバランスを常に模索しています。過剰なマージン最適化による成長の犠牲は避け、健全なマージンを維持しながら最大限の成長を追求するというのが彼らの戦略です。
AI時代の組織とリーダーシップ
高速で変化するAI業界において、企業を率いるリーダーシップと、適切な人材を惹きつけ、育成する組織文化は、技術革新と同等かそれ以上に重要です。Lynn Qiao氏は、Fireworksの成長を支える組織と自身のリーダーシップについて深く語っています。
George Hu氏（Salesforce元社長）の採用
Fireworksの目覚ましい成長を示すエピソードの一つに、Salesforce元社長であるGeorge Hu氏の採用があります。Qiao氏は約1年前、Fireworksがまだ従業員50人程度の非常に小規模な段階だった時にHu氏と会いました。彼はHu氏を「伝説的なオペレーター」として尊敬していましたが、その当時のFireworksの規模では「小さすぎる」と感じ、採用を見送ったそうです。Qiao氏は、まず製品をスケールさせることに注力すべきだと考えていました。
しかし、その出会いは無駄にはなりませんでした。Hu氏はアドバイザーとしてQiao氏のチームビルディングを支援し、多くの幹部の面接を行いました。彼のフィードバックは常にバランスが取れており、思慮深いものでした。昨年後半、Fireworksが急速に成長する中で、Qiao氏とHu氏は本格的に話し合いを始め、その初期の関係が実を結び、Hu氏の正式な参加が実現しました。
Qiao氏は、Hu氏のユニークな特性として、「極めて経験豊富であり、ビジネスビジョンに関する高い適性を持っている一方で、非常に好奇心旺盛である」点を挙げます。Hu氏は「私はすべてを知っている、同じ映画を見た」という態度で臨まず、AIの進化が異常に速いことを理解し、自ら学び、AIを完全に受け入れています。実際、彼の率いるGTM（Go-To-Market）チームは、あらゆる種類のAIエージェントを活用し、生産性を最大化しています。この、経験と好奇心という「矛盾する特性」を持つリーダーシップが、AI時代の成功には不可欠だとQiao氏は見ています。
CEO（Lynn Qiao）自身の変化
Qiao氏自身も、このハイパーグロースの中で考え方を変化させてきました。彼は当初、チームが大きくなりすぎること、そしてそれがアジリティと速度を低下させることを深く懸念していました。しかし、Fireworksが独自のツールを開発し、特定のタイプの人材（極度のオーナーシップを持ち、高い速度で前進し、非常にコミュニケーション能力が高く、「ノー」を答えとしない人々）を採用する方法を確立したことで、彼は急速なスケーリングに対してはるかに快適になったと語っています。
「私たちのタイプの人々」
Qiao氏が「私たちのタイプの人々」と表現する人材像は、Fireworksの組織文化の核心を示しています。それは「高い能力を持つこと」だけでなく、より重要な指標として「極度のオーナーシップを持つように本当に構築されているか」を挙げます。
Fireworksでは、人々を箱に閉じ込めるのではなく、自動的に「このエンドツーエンドの問題は私が最後まで見届け、多くの人々と協力して実現させる」と主張する人材が求められています。「何が何でもそれを実現する」という人々は、最も長く成長し、その成長曲線は驚異的だと言います。これは、AIのような急速に変化する分野において、自律的に課題を見つけ、解決へと導く個人の能力がいかに重要であるかを示しています。
Jensen Huangから学んだ教訓
Qiao氏は、NVIDIAのCEOであるJensen Huang氏との交流から得た最大の教訓として、彼の「どこにでもいる」かのような存在感を挙げます。メールを送れば1分で返信が来るなど、Huang氏は常に詳細を把握しています。Qiao氏は、4年間会社を経営して初めて、その理由を理解したと言います。「リーダーシップとは判断力であり、特権ではない」と。
高速な環境では、リーダーはチームのために適切な判断を下すための「適切なコンテキスト」を把握している必要があります。何が起こっているか、何が機能し、何が機能しないか、何が不足しているかを知らなければ、間違った判断を下すことになります。情報が階層を伝わる中で失われたり歪んだりする可能性があるため、高速な環境では待つことができません。Qiao氏自身も、会社の判断を下すためには「現場で何が起こっているか」を知る必要がある、というHuang氏の哲学を実践しています。
マーケティングへの反省
Fireworksの初期の運営において、Qiao氏は「製品がすべてを語る」という考え方を持っていました。彼らはすべての努力と焦点を製品構築に注ぎ、顧客と協力し、製品市場適合性を検証することに集中しました。その結果、マーケティングにはあまり時間を費やさず、顧客にトレンドや価値について教育することを優先しませんでした。
しかし、彼は今、マーケティングの重要性を認識しています。「マーケティングは『フロー』ではなく、『教育』であり、『明確化』である」と彼は語ります。AIのように複雑で急速に進化する分野では、顧客に正しい方向性を示し、自社の価値提案を明確に伝えることが、製品そのものと同じくらい重要であることを痛感しているのです。
これらの組織とリーダーシップに関する洞察は、技術的な専門知識だけでなく、人間的な側面と経営戦略が、AI時代における企業の成功に不可欠であることを浮き彫りにしています。
今後のAI市場への洞察
Lynn Qiao氏の深い洞察は、現在のAI市場の過小投資領域から、今後のビジネス機会、そして数年先のAIが社会に与える根本的な影響にまで及びます。
過小投資領域：ROIとコスト属性のモニタリング
Qiao氏は、現在のAI業界で「過小投資されている」と感じる領域として、「ROI（投資収益率）とコスト属性のモニタリング」を挙げます。AIは、その革新的で創造的な技術としての魅力が前面に出がちであり、その上に何かを構築することに焦点が当てられています。しかし、最終的に重要なのは「どれだけ使ったか」ではなく、「どれだけの利益があったか」です。
彼は、今後数年間でAIがますます本番環境に導入されるにつれて、その明確性と規律の確立に多くの焦点が当てられると予測します。現在の「トークン最大化」から、「ROI最大化」へと素早く移行するだろうと見ており、これはビジネスを運営する上で極めて重要な要素となります。企業は、AI投資が具体的にどのようなリターンをもたらし、どのようなコストがかかり、どのようにその価値が帰属するのかを正確に把握する必要があるのです。
伝統的エンタープライズ市場への拡大
Fireworksはこれまで、伝統的なエンタープライズセグメントにはあまり時間を費やしてきませんでした。それは、まだ会社が非常に小規模だったためです。しかし、会社が成長するにつれて、Geico、Capital One、Mercury Insurance、RBIといった伝統的な大企業が、Fireworksが積極的に売り込まなくても顧客としてやってくるようになりました。Qiao氏は、この伝統的なエンタープライズ市場が非常に大きな市場であると認識しています。
3年後の未来：企業は「独自のインテリジェンス」を所有するようになる
Qiao氏が3年後の未来について最も明確に見通しているのは、「すべての企業が自社のインテリジェンスを『必須の要件』として所有するようになる」というトレンドです。これは、選択肢ではなくなるでしょう。
彼はソフトウェアのアナロジーを用いてこの点を説明します。なぜすべての企業が独自のソフトウェアスタックを構築するのでしょうか？それは、すべての企業が独自のユニークな問題を解決しており、既製の標準化されたソフトウェアではその問題を解決できないからです。そして、企業は「完全なコントロール」を求めてソフトウェアを構築します。もちろん、スタックのどの部分を自社で構築し、どの部分を共通の知識として利用するかは選択しますが、最終的にはすべての企業が独自のソフトウェアスタックを所有します。
AIにおいても同様のことが起こるとQiao氏は予測します。すべての企業は、自社のユニークな問題を解決し、完全なコントロールを持つために、独自のAIスタック、すなわち「独自のインテリジェンス」を所有するようになるでしょう。これは、企業がAIを活用して競争優位性を確立し、自律性を確保するための不可欠なステップとなります。
自身のCEOとしての目標と最終的なビジョン
Qiao氏は、今年の目標として「同じ速度を維持しながら、迅速にスケールできることを証明する」ことを挙げています。これは彼にとって非常に重要であり、もしそれが達成できれば、来年以降も極めて積極的にスケールし続ける自信を持つことができると言います。
Fireworksの最終的なビジョンは、オープンソースと特化型AIの力を通じて、知能の民主化を推進することです。少数のAGIモデルが支配する未来ではなく、数百万もの特化型モデルが共存し、それぞれの企業や個人が独自のデータから独自の知能を引き出し、自社のビジネスと生活に革命をもたらす世界です。このビジョンは、単なる技術的な進歩にとどまらず、人間性、多様性、そして自律性を尊重する、より豊かな未来社会の実現を目指していると言えるでしょう。
結論：特化型AIが拓く、企業の自律性と創造性の時代
Lynn Qiao氏とFireworksが描くAIの未来は、単なる技術的な革新を超え、企業文化、経済構造、そして社会そのものの変革を予見させるものです。彼らのビジョンの核心にあるのは、オープンソースの力と「特化型知能」の重要性です。これは、少数の巨大企業がAGIを通じて世界の知能を独占する未来とは一線を画し、より分散的で、多様性に富んだ、そして何よりも「コントロール」が個人や企業に委ねられた未来像を提示しています。
トークンコストが今後3年で10分の1に激減し、AIの利用量が100倍に爆発するという予測は、AIがこれまでのエリート技術から、誰もがアクセスできる汎用的なユーティリティへと変貌することを意味します。この経済的な変革は、「倒産へのスケーリング」というAI時代特有のコスト問題に直面する企業にとって、オープンモデルと特化型AIが唯一の現実的な解決策となることを示唆しています。企業は、自社のプロプライエタリなデータとビジネスロジックを組み合わせることで、既製の汎用モデルでは達成できない、独自の競争優位性を持つ知能を構築できるようになるでしょう。
国家安全保障の観点からも、特定の国や企業のAIモデルに依存することのリスクは明らかです。Qiao氏が提唱する「主権モデル」の概念は、各国や企業が自らの「電力線」をコントロールする権利を持つべきであるという、AI時代における自律性の追求を強く訴えかけています。数百万の特化型モデルがそれぞれのアプリケーションやユースケースに最適化され、共存する未来は、多様な価値観と創造性が尊重される人間的な社会の継続を可能にします。
Fireworksは、この変革の最前線で、アジリティと専門性に徹することで独自の価値を創造しています。彼らは、Cursorとの協業に見られるように、技術的な境界を押し広げ、資本効率の良い方法でAI開発を可能にするプラットフォームを提供しています。そして、George Hu氏の採用や、自社の人材哲学に見られるように、AI時代の企業経営においては、技術力だけでなく、経験、好奇心、そして「極度のオーナーシップ」を持つ人材が不可欠であると強調します。
最終的に、Qiao氏が提唱する「すべての企業が独自のインテリジェンスを所有するようになる」という未来は、ソフトウェアがそうであったように、AIがビジネスの不可欠な基盤となることを意味します。これは選択肢ではなく、生存と成長のための必須条件となるでしょう。オープンソースと特化型AIの融合は、企業の自律性を高め、無限の創造性を解き放ち、AIが真に人類の進歩に貢献する時代を拓く鍵となるのです。私たちは、まさにその変革の入り口に立っており、Lynn Qiao氏の洞察は、その道を照らす羅針盤となるでしょう。