WAIC観察：混雑したコンセンサス、巨大なバブル

作者：小饼、深潮 TechFlow

1.WAICはもっと早く開催すべきだった。見学後に早めにテクノロジー株を手仕舞えたからだ。

天井シグナルがあまりに多い。各種サイドイベントの暗号資産化、高颜值の美人が一堂に会し、会場の製品は極めて同質化している……一つのセクターがギークの遊びから大衆の饗宴へと変わった。

プライマリー市場でもセカンダリー市場でも、全員が同じストーリーを信じ始め、コンセンサスが過度に集中すると、リスクが蓄積され始める。

なぜなら強気相場で並走していたロング勢は、下落時には雪崩を打って売り手に転じるからだ。

ロングの踏み合い（多殺多）！

2. 大規模言語モデルに真の堀はない

AGIの土台は依然としてスケーリング則である。

モデル能力とパラメータ規模、学習計算量、データ品質の間には、依然としてべき乗則の関係が成り立つ。

より安価にGPU計算資源を調達し、より高品質なデータを入手し、より優秀な研究者を抱え、より効率的に資金を燃やせるかどうか。

したがって、大規模モデル企業の堀は、多くの人が想像する以上に脆い。

モデル能力は絶えず収斂し、先行優位は絶えず追い上げられ、価格は絶えず下落する。

この波で本当に継続的に儲けているのは、あらゆるモデル企業にツルハシを売る者たちだ。どうせ皆、少数の大手企業の設備投資から吸い上げているのだから。

GPU、HBM、高速相互接続、データセンター、電力、データサービス……

軍拡競争の上流で一杯を分け合い、あるいは単にリソースをつなぐブローカーに徹することこそ、いま最も儲かるビジネスだ。

3. データのボトルネックは今回の大会で見えた潜在的チャンス

何人かの友人と意見交換してわかったのは、このAIブームで稼いでいる企業はきわめて目立たず、そもそも出展すらしないということで、その一つがデータ分野だ。

統一的マルチモーダル表現の成否は、本質的に高品質なマルチモーダル学習データにかかっている。高品質にクリーニングされ、正確にアノテーションされ、クロスモーダルにアライメントされ、継続的な反復が可能なデータ資産が深刻に不足している。

モデルはますます安くなり、GPUも最終的には増え続けるが、本当に優良なデータはますます稀少になる。

マルチモーダルデータの産業チェーンは、非常に高い利益率を誇る儲かる分野へと変貌しつつある。

データクリーニング、データアノテーション、データ合成、バーティカルデータ資産、ロボットデータ収集……さらにはクロスモーダル統一表現やマルチモーダル事前学習エンコーダーを専門に手がけるアルゴリズム企業まで。

GPUは一度限りの設備投資だが、データは継続的な設備投資だ。

データの方向性を現在私は三つに分類している。第一はエキスパートデータ（Expert Data）。第二はRL Environment / Agent Data。将来エージェントを訓練する際、単にquestion-answerを収集するだけではなく、Environment → Task → Trajectory → Reward → Verifierを構築する必要があり、これは将来最大の増分市場の一つになる可能性がある。

第三はEmbodied / Robotics Dataで、これはLLM向けデータよりもさらに不足しており、収集が極めて困難だ。

4. AIアプリの苦境、かつての暗号資産の縮図

現在のAIはかつての暗号資産とよく似ている。ファットプロトコルであり、L1が価値の大半を獲得する。だから暗号資産VCはこぞってパブリックチェーンに資金を投じ、アプリには見向きもしなかった。

いま、AIも同様だ。

大規模モデルは一つのPOW的レイヤー1であり、モデルそのものがアプリケーションですらある。

ここ数年、大半のAIアプリは危険なことに手を染めてきた。モデルがまだ一時的に備えていない能力をプロダクトとしてラッピングしてきたのだ。

しかしモデルの能力境界は常に外側へ拡張している。モデルがアップグレードされるたびに、あたかもL1が本来アプリ層に属していた機能を直接プロトコルに組み込むかのように、検索、Deep Research、コーディング、画像生成、動画生成、Computer Use、Agent……が飲み込まれていく。

モデルがアップグレードされるたびに、自社製品の価値が一層削られるなら、本質的にそれはAIの一機能（Feature）であって、AIアプリケーション（Application）ではない。

したがって必ず、「モデルにできるが、容易に奪えないもの」をやるべきだ。考えてみると、それは結局のところデータ、コンテクスト、ワークフロー、権限、流通網に尽きる。

AIアプリの堀とは、自らがモデルの顧客になることであり、モデルの競合にならないことだ。

5. 具現化知能、巨大なバブル

二階のH4ホールで、同じサプライチェーンから生まれた似たようなモデルのロボットが、ゆっくりと同じような動作をするのを大量に見ながら、各社のバリュエーションを思うと、頭皮が痺れ、投資家の資金が不憫に感じられた。

具現化知能の今の問題は、資本が「ソフトウェアのスケーリング則」で「ソフト・ハード複合システム」を価格付けしている点にある。

大規模モデルの奇跡は、ある企業がGPT-5を訓練すれば、理論上はほぼゼロの限界費用で世界の数億人にサービスできる点だが、ロボットにはそれができない。

ロボットは一人のユーザーにサービスを追加するたびに、物理的な機械をもう一台製造する必要があり、BOM、製造、サプライチェーン、納品、メンテナンス、減価償却が伴う。

AIの知能は指数関数的に進歩できる。たとえばモデルが一度アップグレードすれば世界中のユーザーが同時に賢くなる。しかし物理世界のコストは指数関数的には下がらない。

もし知能がムーアの法則に従うとしても、具現化の部分は依然として製造業の法則に従う。具現化知能は最終的に巨大な産業にはなるかもしれないが、大規模モデルのような利益率を享受できる産業とは限らない。

また、まだ時期尚早でもある。

自動運転はすでに高度に制約された具現化知能の問題であり、目標は明確で、行動空間は限られ、道路ルールは標準化され、膨大な実データと成熟した自動車産業体系が存在する。それにもかかわらず、この業界は数千億ドルを費やしても、道路上の一部のロングテール問題を依然として完全には解決できていない。具現化知能が直面する実際の難易度は、自動運転の何倍にも達する。

6.ブローカーにとって最高の時代

残酷な真実は、現在のAIスタートアップの大半はほとんど儲けておらず、利益ですら曲曲大女人が自分のスキルを売るほどではないということだ。

そこで面白いことに気づいた。表向きはある事業を掲げている企業の多くも、よく話を聞いてみると「なんだ、あなたもトークン売りだったのか」「なんだ、あなたも計算資源の転売屋だったのか」という具合で、大手モデル企業でさえ計算資源を仲介転売して利ザヤを抜いている。

本当に儲けているのは、やはりブローカーたちだ。

FA、既存株式の仲介、B300の転売、トークン販売、データセット販売、計算資源販売、さらにはある創業者に会える機会の販売まで……

AIはブローカー市場が繁栄するすべての条件を同時に満たしている。技術変化が十分に速く、情報の非対称性が十分に大きく、資本が十分に潤沢で、ストーリーが十分に魅力的だ。

VCは最終的な着地の判断で稼ぎ、FAはコンセンサスの判断で稼ぐ。トレンドが最終的に正しいかどうかを証明する必要はない。

むしろ、曖昧で壮大な物語であればあるほど、FAの腕の見せ所が広がる。

たとえば具現化知能、ワールドモデル……これらのセクターに共通する特徴は、未来の物語が十分に壮大で、技術が十分に複雑であり、しかも短期的には反証がきわめて難しいことだ。

大手企業は資金を燃やしてモデルを訓練し、投資家は十年後のAGIに賭け、ブローカーが利益を上げている。

大手企業の設備投資を吸い上げるか、

あるいはLPのFOMO支出を吸い上げるかだ。

7.金こそがすべて

AI競争にはまだ長い距離が残されている。「AI時代に最も稀少な資源は何か」とよく問われる。

多くの人が人材、計算力、データ……と答えるが、結局のところそれらはすべて、ただ一つの名前を持つ──金だ。

AI業界の最大の競争優位性は技術ではなく、資金調達力である。

創業者がいま為すべきことは絶え間ない資金調達だ。たとえ口座の資金がすでに十分でも、それでも調達し続けるべきだ。

本当の戦いは、将来の業界の下降サイクルにある。

資金さえあって生き残り続けられれば、競合が資金切れになった後に、彼らの人材、技術、顧客を安値で獲得できる。

セカンダリー市場でも同じことだ。予見し得る今後2～3年の間に、バブル大崩壊が起こる可能性は高く、その時に十分な資金で底値を拾えれば、99％の人々に勝つことができる。