もしこれが真実なら、ハイパースケーラーは終わる

もしこれが真実なら、ハイパースケーラーは終わる Joachim Klement 2026年8月19日 2927963 共有 私の通常の調査（ペイウォールあり）で、AIの未来は大規模言語モデル（LLM）ではなく、ローカルデスクトップコンピュータ、あるいはスマートフォンで実行される小型言語モデル（SLM）であると、しばらく前から述べてきました。5月には、スタンフォード大学のチームが、これらのSLMとデータセンターで実行されるLLMのパフォーマンスを比較した研究を発表しました。もし彼らの結果が真実であれば、将来的にデータセンターはほとんど必要なくなり、ハイパースケーラーは数百億ドルの投資を無駄にしていることになります。 真剣に、もしあなたがAIの熱狂にどこに投資すべきかを見極めようとしている投資家なら、この論文を全文読む必要があります。しかし、始めるにあたって、いくつかのハイライトをお伝えしましょう。 まず、ローカルPCにダウンロード可能な一連のSLM（QWEN 3、GEMMA 3、GPT-OSS、GRANITE 4.0）を実行し、クラウドベースの最先端LLM（ChatGPT 5、Claude Sonnet 4.5、Gemini 2.5 Pro）と比較しました。 これらSLMは、NvidiaチップまたはApple M4チップを搭載したローカルPCで実行されました。これらのチップは現在のハイエンドデスクトップコンピュータで容易に入手可能です（研究全体は、NvidiaがPC向けAIチップを発表する前に行われましたが、これはデータセンターからデスクトップで実行されるモデルへの移行を加速させるだけでしょう）。 次に、2023年から2025年10月までのチャットタスクと推論タスクの両方で、これらのSLMとLLMのパフォーマンスを追跡しました。 以下のグラフは、今日でも大多数を占めるチャットリクエストにおけるSLM対LLMのWin/Tie率を示しています。ご覧のとおり、すべてのドメインで、最高のSLMは90%以上のケースでLLMと同等かそれ以上の回答を見つけることができ、全ドメインの平均は98.6%です。 チャットリクエストにおけるSLM対LLMのWin/Tie率 出典: Saad-Falson et al. (2026) 明らかに、より要求の厳しい推論タスクに関しては、SLMは急速に追いついています。平均して、62.5%のケースでLLMよりも優れているか、少なくとも同等の回答を提供します。 チャットおよび推論タスクにおけるSLM対LLMのWin/Tie率 出典: Saad-Falson et al. (2026) しかし、実際の生活では、SLMとLLMのタスクは通常、チャットリクエストと推論タスクの混合であるため、3番目のグラフは、各ドメインでのタスクの頻度に基づいたチャットリクエストパフォーマンスと推論パフォーマンスの加重平均を示しています。ご覧のとおり、平均して、SLMは81.2%のケースでLLMと同等かそれ以上であり、LLMはエンジニアリング、生命科学、輸送、コンピュータサイエンスなどの分野でしか顕著な利点はありません。 チャットおよび推論タスクにおけるSLM対LLMの加重平均Win/Tie率 出典: Saad-Falson et al. (2026) しかし、精度だけではありません。SLMは、使用されるSLMとコンピュータのハードウェアによって異なりますが、LLMと比較してエネルギーとコンピューティングコストが50%から85%低く、このパフォーマンスを達成しています。 さらに、SLMは推論タスクで急速に追いついています。最後のグラフは、推論タスクのみの難易度レベルとモデル世代の関数としてのSLMのパフォーマンスを示しています。2023年には、推論タスクにおけるSLMの成功率は、通常、5つの難易度レベルすべてで約50%でした。2025年10月までに、SLMは最も簡単な推論タスク（レベル1および2）で99%の成功を達成し、より難しいタスク（レベル3および4）で85%から92%の成功を収め、最も難しいタスク（レベル5）でLLMに遅れをとったのは51.5%の成功率でした。 推論タスクにおけるSLMの成功率 出典: Saad-Falson et al. (2026) これはすでに、5つのユースケースのうち4つで、データセンターとその高価な最先端半導体インフラストラクチャを置き換えることができることを意味します。研究報告書は、米国におけるSLMの対象市場が約10兆ドル、つまり米国の総GDP 30兆ドルの3分の1に成長したと推定しています。LLMが繁栄する余地はほとんどなく、毎年、SLMに対するその優位性は縮小しています。 LLMが依然として大きく先行している分野、特にエージェント型AIアプリケーションは確かに存在しますが、SLMは現在、50%未満の精度と成功率しか達成していません。同様に、現時点ではスマートフォンでこれらのSLMを実行することは困難です。iPhoneで実行できるモデルは、デスクトップPCで実行できるモデルよりも大幅に劣ります。 しかし、そしてこれは重要ですが、デスクトップPCで実行されるモデル、さらに言えばスマートフォンで実行されるモデルは、クラウドで実行されるモデルよりもはるかにエネルギー効率が良いです。これらのSLMのワットあたりの推論能力は、通常、LLMの7倍です。そしてそれは、デスクトップまたはモバイルデバイスで解決できるタスクに遭遇した場合、データセンターに送信するよりもローカルで実行する方が安価であることを意味します。 これは、私の見解では、投資家にとって重要な意味を持ちます。 私たちが考えているよりもはるかに少ないデータセンターが必要です。LLMで実行されると予想されるタスクの70%から80%をSLMで置き換えることができる場合、ハイパースケーラーは将来的に設備投資を正当化するのに十分な収益成長を全く持っていません。実際、この研究が真実であり、この傾向が続けば、データセンターはAI分野で今最も悪い投資になる可能性があります。 あらゆる種類の半導体への莫大な投資は引き続き必要ですが、最も高度なNvidiaチップに投資する必要はありません。デスクトップPCで動作するより安価なチップで十分でしょう。Nvidiaにとって最良のシナリオは、新しいデスクトップPC向けチップでハイエンドデータセンターGPUを置き換えることができることです。それが将来のNvidiaのマージンと収益成長にどのような影響を与えるでしょうか？ 最も高度なタスクには依然としてLLMが必要であり、OpenAI、Anthropicなどの企業はモデルをSLMに「ダウングレード」してLLMの代わりに販売できるようになります。しかし、QWENのような中国のプロバイダーやIBMのGRANITEからの激しい競争を考えると、これらのモデルの利益率はLLMよりもはるかに小さくなるでしょう。では、それらの企業のIPO計画や成長軌道に対する評価はどうなるのでしょうか？ エージェント型AIは依然としてLLMの方が優れていますが、これは推論タスクや単一チャットリクエストで見られたものと同様に、一時的な利点に過ぎないかもしれません。もしそうなら、AIブームの真の勝者は、高度なハードウェアとデータセンターのプロバイダーではなく、DellやAppleのような地味なデスクトップコンピュータメーカーになるでしょう。 このレースの展開を見るのは楽しいでしょうし、多くの人々が間違ったテクノロジーに投資するためにひどい目に遭うだろうとますます確信しています。 2927963 共有 前へ 次へ