更新：2026年8月。
AIモデルの競争は2025年からその性質を一変させ、2026年前半にかけて加速するだろう。 2023年から2024年が「より大規模で、より多くの知識を持つモデルを持つのは誰か」という競争だったとすれば、2025年は「実際に仕事をこなし、しかもより低コストで実現できるのは誰か」という競争となる。 3つの要素が同時に変化した。モデルが能力を生み出す仕組み、モデルが収益を生み出す仕組み、そして誰が主導権を握っているか、という3点である。
年初からの飛躍的な伸び
- 実行時推論（test-time compute）。OpenAIのo1 → o3の流れは、「答える前に考える」というアプローチの幕開けとなった。 2025年初頭、オープンソースのDeepSeek R1が、はるかに低いコストで同様のことを実現した。「DeepSeekの瞬間」は市場に衝撃を与え、推論能力がもはや独占的なものではないことを証明した。 Google、Anthropic、xAIはいずれも「thinking」モードを備えている。これは能力を拡張する新たな軸である。つまり、学習時だけでなく、推論の段階でも計算リソースを投入するのだ。
- エージェントによる実行。 モデルは「回答」から「実行」へと移行している――ツールの起動、ウェブ閲覧、コンピュータ操作、そしてとりわけコーディングだ。エージェント型のプログラミングアシスタントは飛躍的な進歩を遂げ、多くの実プロジェクトにおいて、コーディング・修正・テストの大部分を担うようになった。
- マルチモーダル＆長文コンテキスト。生来のマルチモーダルモデル（テキスト、画像、音声、動画）、数百万トークン規模のコンテキストウィンドウ、動画や画面の内容の理解が可能。
- 効率性とオープンソースが追いついている。MoE、モデル蒸留、小規模モデルが昨年の大規模モデル並みの性能を達成。オープンソースファミリー（DeepSeek、Qwen、Llama、Mistral）はトップとの差を縮め、基盤層を汎用レベルへと引き上げた。
経済の飛躍的な発展が、競争をこれほどまでに激化させている
この激しい競争は、ベンチマークの数値が優れているからではなく、能力が初めて直接、測定可能な経済的価値へと換算されたからである：
- プログラミング。AIが実際にコードを記述できる――ソフトウェア業界で最もコストのかかるエンジニアの生産性を向上させると同時に、明確な収益源（サブスクリプション、API）となる製品でもある。
- 知的業務の自動化。エージェントが調査、顧客サポート、運用、資料分析を行う。そのターゲット市場は労働力であり、その規模は数兆ドルに及ぶ。
- 推論コストの崩壊。100万トークンあたりの価格は年々大幅に低下しており、あらゆる製品にAIを組み込むのに十分なほど安価になっている。ジェヴォンズのパラドックス：安くなる ⇒ 使用量が増える ⇒ 総計算需要が再び増加する。
- プラットフォーム報酬。リーダー企業は経済の「AI層」を掌握する：企業契約、開発者エコシステム、データループ。したがって、チップやデータセンターへの巨額の投資は合理的である――ハードウェアコストをはるかに上回る価値の創出が期待されるからだ。
まさにこのフライホイールこそが、世界的なメモリチップ危機の背後にある原動力となっている。回転するたびにHBMやGPUの需要が増加し、物理的・時間的な制約によって阻まれている供給にさらなる圧力をかけているのだ。
2026年前半：競争の行方は
2025年が「考えるモデル」と「実行するモデル」の実証の年だとすれば、2026年前半は、それらが実際の生産に導入される年であり――同時にその限界も露呈する年となる：
- プログラミングエージェントは、業務の基盤となった。もはやコマンドを提案するアシスタントではなく、コードリポジトリの読み取り、複数のファイルの修正、テストの実行、プルリクエストの作成といった、複数のステップからなるタスクも処理できるようになった。評価基準は、「パズルを解けるか」から、人の介入なしに長めのタスクを完了できる割合へと移行した。
- 信頼性が主戦場となった。エージェントの最大の問題は「知能が足りない」ことではなく、長いプロセスの中で軌道から外れてしまうことにある。目標から逸脱したり、ループに陥ったり、20番目のステップで失敗したりするのだ。 この問題をめぐって、一連の技術が花開いた――自己検証、サンドボックスでの実行、ロールバックのためのチェックポイント、そして重要なノードに配置された監視者などである。
- 長期記憶と膨大なコンテキストがデフォルトの機能となる：アシスタントは複数のセッションにわたってプロジェクトを記憶し、組織の習慣や制約を記憶する。これは同時に、最も膨大なメモリを消費する要素でもある。
- スパースモデル（MoE）、蒸留、量子化、そして新しいハードウェアのおかげで、能力単位あたりのコストは低下し続けているが、ジェヴォンズのパラドックス通り、総支出は依然として増加している。
- オープンソースは急速に追いついている。最高のオープンモデルと最高のクローズドモデルの差は、もはや年単位ではなく月単位となっており、基盤層の一般化が進んでいる。
- 制約はハードウェアと電力へと移行している。2026年にどちらがより速く走れるかを決定づけるのは、もはやアイデアではなく、十分なHBM、GPU、電力を確保できるかどうかであり、これはメモリチップの危機に直結している。
各当事者の地図（2026年半ば）
- OpenAI — 消費者向け製品、推論、エージェントに注力；インフラへの巨額投資。
- Google（Gemini） — マルチモーダル処理と長文コンテキスト処理に強み、TPUチップの独自開発が強み。
- Anthropic (Claude) — プログラミングとエンタープライズ向けエージェントに強みがあり、安全性を重視している。
- xAI（Grok）— 急速な成長を遂げており、Xプラットフォームと連携、モデレーションは比較的緩やか。
- Meta（Llama） — オープンな戦略、幅広い普及。
- 中国（DeepSeek、Qwenなど） — 高効率でオープンな姿勢をとり、他社に迫り、業界全体に価格上昇の圧力をかけている。
共通点：トップ層における差が縮まりつつある。「よりスマートなモデル」という概念が、信頼性、コスト、そして実際の業務への統合度へと焦点が移っている。
2026年後半および2027年の動向
- 長期タスクに信頼できるエージェント。「できる」から「正しく、持続的に実行できる」へ：信頼性、自己検証、多段階のチェーンにおけるエラー処理。
- ツール呼び出しを組み合わせたより深い推論――テスト時の演算にはまだ多くの余地がある。
- オープンソースの普及により基盤層は急速にコモディティ化 → 価値（および利益率）は「重み付け」ではなく、エージェント層、製品、データ、インフラストラクチャへとシフトしている。
- メモリとコンテキスト。モデルには永続的な「記憶」と極めて長いコンテキストがあり、膨大なメモリを消費するため、チップ不足の波に直結している。
- 現実世界への多面的な進出 — 世界モデル、ロボット、そして身体を持つ（エンボディッド）エージェント。
- デバイス上での実行と主権。小型モデルはデバイス上で直接実行され、国ごとの「主権AI」が実現される。
予測
- 「生IQ」から「信頼性＋コスト＋統合性」への軸の転換が加速している。トップクラスのモデルは互いに似通っているが、勝敗を分けるのはエージェントとそれを支える製品だ。
- 2026年後半：信頼性の高いエージェントが勝利を収める。ベンチマークの最高スコアではなく、長期タスクの完了率が最も高い側が、企業との契約を獲得する。
- 利益率は「重み付け」からシフトする。基盤層は急速に追いつき、資金はアプリケーション、インフラ、および独占的なデータへと流れ込む。
- メモリ、ロングコンテキスト、実行時の推論はいずれもハードウェアを大量に消費するため、チップへの需要は2026年から2027年にかけて引き続き高まるだろう――メモリチップ危機に関する記事で指摘された通りである。
- 期待が現実を上回るリスクは調整局面を招く可能性があるが、基盤となる能力はすでに十分な実価値を生み出しており、これは単なるバブルではない。
要するに、この競争は「デモンストレーション」の段階を過ぎ、「実務」の段階に入った。単にベンチマークを誇示するだけでなく、その能力を信頼性が高く、低コストで、プロセスにしっかりと組み込まれたエージェントへと変えられる側が、勢いが持続する中で報いを得ることになるだろう。
Thảo luận