いのちゃん@AIを部下にした60代

【安くなるAI　その裏にある巨大投資とクラウドへの依存】 日曜の夜なので 最近AIと話しながら長く考えていたことを少しまとめます。 ここしばらく気になっていたのは AIを動かす半導体やデータセンターのニュースです。 同じくらいの能力を以前より安く使えるAIが増えています。 その一方で企業は巨大な施設を建て 半導体や電力の確保に大きなお金を投じています。 使う側には安くなっているのに 提供する側ではなぜこれほど大きな設備が必要になるのでしょうか。 順番にたどると AIの料金だけでは見えないお金と依存の話が見えてきます。 ──────── ■スマホの向こう側で大きな機械が動いている ──────── まず普段使っているクラウド型のAIについて。 スマホに質問を打っていても 答えを作っているのは遠くにあるコンピューターです。 そのコンピューターを大量に置く施設が データセンターです。 そこでAIの計算を支えている半導体の一つがGPU。 大量の計算をまとめて進めるのが得意な部品です。 AIを使うたびに、 画面の向こうで機械が動き、電気を使い、熱が出ています。 利用者が払う料金の裏には 半導体、建物、電気、冷却、通信などの費用があります。 ──────── ■半導体と使い方の工夫が計算を安くする ──────── AIの計算を支えるのは NVIDIAのGPUだけではありません。 GoogleにはAI向けに設計したTPUという半導体があります。 10月にはOracleが自社のクラウドでGoogleのTPUを提供する計画を発表しました。 提供開始は2027年の予定です。 こうして選択肢が増えると 仕事に合った半導体を性能や費用から選べるようになります。 ただし別の半導体へ移すには 使っているプログラムの調整も必要です。 部品の性能に加えて 実際に使えるソフトまで含めた競争になります。 AIそのものの工夫も進みます。 小さなAIで済む仕事は小さなAIに任せる。 同じ計算を繰り返さないようにする。 難しい仕事にだけ多くの計算を使う。 半導体と使い方の両方を改善して 一つの処理にかかる費用を下げていくわけです。 その改善を利用料金の値下げへどこまでつなげるかは 企業の競争や料金設定によって変わります。 ──────── ■安いAIでも仕事が安く終わるとは限らない ──────── ここで分けて考えたいのが 一回の料金と仕事を終えるまでの総額です。 説明のための単純な例なら 一回10円で5回試して50円かかるAI。 一回30円で一度で終わるAI。 この場合仕事一件では後者の方が安く済みます。 料金表が安くても 間違いが多く修正や確認を何度も繰り返せば費用と時間が増えます。 逆に高いAIが難しい問題を短い手順で解ければ 結果として安くなることもあります。 見るべきなのは 使える成果を一つ得るまでにいくらかかったか。 AIの安さは仕事の内容と組み合わせて考える必要があります。 ──────── ■安く使えるようになると使う量も増える ──────── 計算が効率よくなれば 設備や電気は減っていきそうにも思えます。 ただ安くなった分だけ これまで使わなかった仕事にもAIを使いやすくなります。 文章を一つ直すだけで終わっていた利用が 調査、比較、資料作成、確認まで広がるかもしれません。 AIが自動で何工程も進めるほど 一件の依頼の裏で行う計算も増えます。 例えば一回に必要な電気が半分になっても 使う回数が4倍になれば単純な計算では合計2倍です。 一回ごとの効率が上がることと、 社会全体で必要な設備が減ることは、別の話なのです。 安くする競争と、大きな設備を増やす競争が 同時に進む理由の一つがここにあります。 ──────── ■半導体だけを買ってもAIは動かせない ──────── AIを動かすには 電気を安定して届け出た熱を冷やす必要があります。 計画した建物が完成しても 送電設備や冷却の準備が間に合わなければ予定どおり使えません。 さらにAIが資料を読み 検索やプログラムの実行まで行うようになると 処理を進めるCPUや作業中の情報を一時的に置くメモリ 保存装置、通信の働きも重要になります。 高価なGPUを用意しても 周りの処理が遅ければ待ち時間が増えてしまいます。 AIの競争には 半導体、電力、土地、冷却、通信が一緒に関わっています。 発電所との連携や 排熱を暖房・給湯へ利用する話が出てくるのも 設備全体をどう効率よく動かすかという問題につながっています。 ──────── ■計算料金が下がっても建物の賃料は上がる ──────── AIが安くなったというニュースでは 何の値段が下がったのかを確かめることも大切です。 半導体を買う値段。 計算設備を借りる料金。 データセンターの場所や電力容量を確保する費用。 AIを利用する料金。 これらはそれぞれ違います。 AWSは2025年一部のGPU計算サービスの値下げを発表しました。 一方CBREの2026年前半の調査では 北米の主要市場でデータセンターの賃料が上昇しています。 計算を効率よく処理できるようになっても 条件のよい土地や電力まですぐ増えるわけではありません。 一部の料金の値下がりを 設備全体が余っている証拠として見ると話を取り違えてしまいます。 ──────── ■利用者が増えても投資した企業が利益を出せるとは限らない ──────── 設備を造る側は 先に大きなお金を払います。 半導体を買い施設を整え その後の利用料金で何年もかけて回収する計画を立てます。 ところが 利用者の増加が見込みより遅い。 料金が想定より早く下がる。 電力工事が遅れて、稼働を始められない。 こうしたことが起きると AIへの需要が伸びていても支払いの方が先に来ます。 長期契約で設備を確保している場合 契約条件によっては使う量が少なくても一定の支払いが残ります。 新しい半導体が登場すれば 古い設備で高い料金を取り続けることも難しくなります。 またすでに払った金額と 将来何年もかけて払う契約額は違います。 巨額投資の記事を見るときは いつ払い、いつ回収する計画なのかまで見る必要があります。 ──────── ■企業同士のお金と利用者から入るお金 ──────── 設備を提供する企業がAI企業へ出資し そのAI企業が出資元の計算設備を利用する関係もあります。 こうした協力は 必要な資金と設備をそろえる助けになります。 ただ長く続く商売になるかを見るには その先でAIを使う人や企業から どれだけ継続して料金を受け取れるかも重要です。 出資された金額。 契約された金額。 実際に利用され得られた売上。 大きな数字でもそれぞれ表しているものが違います。 そして、設備会社、AI企業、半導体メーカー、資金を貸す側は 契約でつながっています。 一社の資金繰りや建設の遅れが 他社の供給計画にも響く可能性があります。 AIの便利さを支える裏側には こうしたお金のつながりもあります。 ──────── ■投資の失敗と技術の普及は分けて考える ──────── 仮に設備へ投資した企業の経営が苦しくなっても AIの使い道や造られた設備が一度に消えるわけではありません。 設備が別の会社へ引き継がれ 事業が続く場合もあります。 安く設備を取得できた会社なら 以前より低い負担でサービスを提供できる可能性もあります。 先に投資した側が損をする一方で 後から使う側には恩恵が届く場合があるのです。 もちろん古い設備の使いやすさや 維持費によっても結果は変わります。 ここで考えたいのは AIが役に立つことと AIへ投資した全員が利益を得ることは同じではないという点です。 相場の熱気が落ち着いても 仕事や生活に組み込まれた用途は残り得ます。 ──────── ■クラウドに集めると高価な設備を共有できる ──────── では利用者はなぜ 遠くにある設備を使うのでしょうか。 一人ひとりが高価な機材を買う代わりに 大きな設備を多くの人で分けて使えるからです。 使う時間の違う人たちで設備を共有できれば 設備が使われずに空いている時間を減らせます。 機材の更新や保守も 提供する側でまとめて行えます。 利用者は大きな設備を自分で所有しなくても 必要な計算を借りられます。 手元の機材が軽くても高度なAIを使える。 これはクラウドの大きな価値です。 ただその便利さは ネットの向こう側の設備を使い続けられることが前提になります。 ──────── ■ネットが速いことと待たずに使えること ──────── ここで外せないのが通信環境です。 大量のデータを運ぶ速さと 操作してから反応が返るまでの短さは別の話です。 調べものの結果を数秒待つ場面 文字を打つたびに画面の反応を待つ場面では 同じ遅れでも使い心地が変わります。 回線が混む。 移動中に接続が切れる。 提供するサービスに障害が起きる。 遠くの設備へ任せるほど こうした影響を受ける範囲も考える必要があります。 AIへ文章を送り答えを受け取ることと PCがメモリへ繰り返す細かな読み書きを そのままネット越しに置き換えることでは通信への要求も違います。 手元のPCの性能をどこまで減らせるかは 何の作業を遠くへ移すかで変わります。 設備を集めることで得られる効率と 通信を挟むことで増える待ち時間。 両方を見て使いやすさを考える必要があります。 ──────── ■手元で動かすAIにも機材代がかかる ──────── 通信に左右されにくい方法として 手元のPCでAIを動かすローカルAIもあります。 モデルや必要な資料を端末にそろえれば ネットにつながらない場所でも進められる仕事があります。 一方大きなAIを十分な速度で動かすには それに合った処理能力やメモリが必要です。 公開されているモデルを入手できても 動かすための機械代、電気代、保守の負担は残ります。 ここで現実的だと感じるのが 仕事に応じて手元とクラウドを使い分ける形です。 繰り返す文章の整理などは端末側で。 大きな計算が必要な仕事はクラウドで。 AIの判断はクラウドで行い 実際のアプリは手元で動かすといった組み合わせも考えられます。 どの仕事をどのくらい使うか。 必要な機材と料金を合わせて配分を決めていく。 AIをどこに置くかも 使い方に合わせて選ぶ時代になっていくのだと思います。 ──────── ■安さと一緒に負担と依存先も見ていきたい ──────── AIが安く使えることは 利用する側にとってできることが増える大きな変化です。 その裏では 誰かが半導体を買い電力を確保し 先に投じたお金を回収しようとしています。 そしてクラウドへ任せるほど 手元で必要な機材を減らせる一方で 通信や提供する会社への依存が増えます。 機材を買う費用が減っても 月額料金や通信費として払い続ける形へ変わることもあります。 利用者にとって大切なのは いくらでどれだけ仕事が進み どんな環境なら使い続けられるか。 AIの値下げのニュースを見るときは その裏の設備と電気 費用を負担する人、頼ることになる相手まで 一緒に見ていきたいと思います。 #生成AI #AI