Deepseek Shakes AI業界：次のAIリープは、推論での計算の増加に依存する可能性があり、それ以上のデータではありません

AI産業は絶えず変化しており、2025年には業界を揺さぶる革新的な進展がいくつか見られます。大きな変動の一つは、中国のAIラボであるDeepSeekが新しいモデルを発表し、Nvidiaの株価を17％下落させ、他のAIデータセンター関連株にも影響を与えたことです。DeepSeekのモデルに対する話題は？ それは、米国の競合他社と比べて大幅に低いコストで最高のパフォーマンスを提供し、AIデータセンターの将来について大きな議論を巻き起こしている点です。

しかし、DeepSeekが何をしているのかを本当に理解するには、視野を広げて全体像を見る必要があります。AIの世界では、トレーニングデータの不足が問題となっています。主要なプレイヤーはすでに公開されているインターネットデータのほとんどを活用し尽くしており、事前トレーニングの改善が限界に達しています。その結果、業界は「テスト時計算」（TTC）へと方向転換しています。これは、AIモデルが回答前に「考える」時間を取るもので、OpenAIの「o」シリーズのようなものです。TTCは、かつて事前トレーニングがもたらしたようなスケーリングの改善をもたらし、次なるAIの大きなブレークスルーを引き起こす可能性があると期待されています。

これらの変化は、2つの大きな変革を示しています。第一に、低予算のラボが最先端のモデルを生み出し、ゲームに参加しています。第二に、TTCがAIを前進させる新たなフロンティアとなっています。これらのトレンドと、AIの風景や市場にとってそれが何を意味するのかを詳しく見ていきましょう。

AI産業への影響

TTCへの移行と推論モデル間の競争の激化は、ハードウェア、クラウドプラットフォーム、基盤モデル、エンタープライズソフトウェアのいくつかの面でAIの風景を再構築する可能性があると考えています。

1. ハードウェア（GPU、専用チップ、計算インフラ）

TTCへの移行は、AI企業が必要とするハードウェアやその管理方法を変える可能性があります。トレーニングのためにますます大規模なGPUクラスタに投資する代わりに、TTCの需要に対応するために推論能力の強化に焦点を当てるかもしれません。GPUは推論において依然として重要ですが、トレーニングと推論のワークロードの違いは、これらのチップの設定や使用方法に影響を与える可能性があります。推論ワークロードはより予測不可能で「スパイク的」であるため、キャパシティの計画が難しくなるかもしれません。

また、この変化は、低レイテンシーの推論に特化したハードウェア、例えばASICの市場を後押しする可能性があると考えています。TTCがトレーニング容量よりも重要になるにつれ、汎用GPUの支配は弱まり、特殊な推論チップメーカーに道が開かれるかもしれません。

2. クラウドプラットフォーム：ハイパースケーラー（AWS、Azure、GCP）とクラウドコンピューティング

企業におけるAI採用の大きな障害の一つは、正確さの問題を除けば、推論APIの信頼性の低さです。一貫性のない応答時間、レート制限、同時リクエストの問題などは大きな悩みの種です。TTCはこれらの問題をさらに悪化させる可能性があります。このシナリオでは、これらの問題に対処するために高いサービス品質（QoS）を保証できるクラウドプロバイダーが大きな優位性を持つ可能性があります。

興味深いことに、新しい手法がAIをより効率的にしても、ハードウェアの需要が減少しない可能性があります。ジェヴォンのパラドックスに従い、効率が上がると消費が増えるため、より効率的な推論モデルは推論モデルの使用を増やし、コンピューティングパワーの需要を高める可能性があります。最近のモデル改善は、推論および小型で特殊なモデルのトレーニングの両方でクラウドAIコンピューティングの需要をさらに刺激する可能性があると考えています。

3. 基盤モデルプロバイダー（OpenAI、Anthropic、Cohere、DeepSeek、Mistral）

DeepSeekのような新参者が、大手企業と低コストで互角に競える場合、独自の事前トレーニングモデルの牙城が崩れ始めるかもしれません。トランスフォーマーモデルのTTCにおけるさらなるイノベーションも期待でき、DeepSeekが示したように、これらのイノベーションはAIの通常の有力企業以外からも生まれる可能性があります。

4. エンタープライズAIの採用とSaaS（アプリケーション層）

DeepSeekの中国に根ざした背景を考えると、セキュリティとプライバシーの観点から彼らの製品に対する継続的な監視が予想されます。中国拠点のAPIやチャットボットサービスは、米国、カナダ、その他の西洋諸国のエンタープライズAI顧客には受け入れられにくいでしょう。多くの企業はすでにDeepSeekのウェブサイトやアプリをブロックしています。西洋のデータセンターでサードパーティがホストする場合でも、DeepSeekのモデルは監視の対象となり、エンタープライズでの採用が制限される可能性があります。研究者は、ジェイルブレーキング、バイアス、有害なコンテンツ生成などの問題を指摘しています。一部の企業はDeepSeekのモデルを試すかもしれませんが、これらの懸念から広範な採用は難しいでしょう。

一方で、垂直特化が進んでいます。過去には、基盤モデル上に構築された垂直アプリケーションは、カスタマイズされたワークフローを作成することに重点を置いていました。検索拡張生成（RAG）、モデルルーティング、関数呼び出し、ガードレールなどの技術は、汎用モデルを特定のユースケースに調整する上で重要でした。しかし、基盤モデルの大きな改善がこれらのアプリケーションを時代遅れにする可能性が常に懸念されていました。サム・アルトマンはかつて、モデルの能力の大きな飛躍がこれらのイノベーションを「押し潰す」可能性があると警告しました。

しかし、トレーニング時の計算の向上に限界が見られる場合、すぐに追い抜かれる脅威は軽減されます。モデルのパフォーマンス向上がTTCの最適化から得られる世界では、アプリケーション層のプレイヤーに新たな機会が生まれるかもしれません。構造化プロンプト最適化、レイテンシー対応推論戦略、効率的なサンプリング技術などのイノベーションは、特定の垂直分野で大きなパフォーマンス向上をもたらす可能性があります。

これらの改善は、OpenAIのGPT-4oやDeepSeek-R1のような推論重視のモデルにとって特に重要で、これらは応答に数秒かかることがあります。リアルタイムアプリケーションでは、特定のドメイン内でレイテンシーを削減し、推論の品質を高めることが競争優位性を提供する可能性があります。その結果、深いドメイン知識を持つ企業は、推論効率の最適化と出力の微調整において重要な役割を果たす可能性があります。

DeepSeekの取り組みは、モデルの品質向上のために事前トレーニングだけに頼る時代から脱却していることを示しています。代わりに、TTCがますます重要になっています。DeepSeekのモデルがエンタープライズソフトウェアで広く採用されるかどうかは、監視のために不透明ですが、他のモデルの改善に対する影響はますます明らかになっています。

DeepSeekのイノベーションは、既存のAIラボに同様の技術を採用させ、既存のハードウェア優位性を補完していると考えています。モデルのコスト低下が予想されることは、ジェヴォンのパラドックスのパターンに適合し、モデルの使用をさらに増やしています。

Pashootan VaezipoorはGeorgianの技術リーダーです。