セコイア・キャピタルが産業革命に匹敵する規模のAI革命について論じ、10兆ドルの市場機会を詳述した内容である。産業革命の発展過程とAI革命を比較し、現在は認知革命の初期段階にあると位置づける。サービス市場における自動化の可能性、現在見られる5つの投資トレンド、そして今後12-18ヶ月の重要な投資テーマを分析している。特に持続記憶、シームレス通信プロトコル、音声AI、AIセキュリティ、オープンソースAIの重要性を強調し、認知アセンブリラインの実現により変革期間が大幅に短縮される可能性を示唆している。
AI革命への確信とその規模
わしらセコイアでは、このAI革命っちゅうもんを信じとるんや。これは産業革命と同じか、もしかしたらそれ以上の大きな変革になるって思っとるで。この短いプレゼンテーションでは、この認知革命がどんなもんかっちゅうことと、なんで10の13乗、つまり10兆ドルの機会を提供するかっちゅうことをお話しするで。
4つのセクションがあるんや。まずは人工知能に関するわしらの論点や。次が商業的な機会、それからいくつかの投資トレンドについて話すで。これは今現在、人工知能の状況で起こっとることやねん。最後に投資テーマについて話すで。今後12ヶ月から18ヶ月先に見えとることやな。
産業革命との類似性
わしらは、人工知能が産業革命に似とると信じとるんや。特に、産業革命の3つの時点を指摘したいと思うで。すべてのきっかけとなった蒸気機関の発明、必要な部品をすべて同じ屋根の下に置いた最初の工場システム、そして最後に、今日知っとる最初の工場アセンブリラインやな。
このスライドで面白いのは、これらの時点の間の時間や。最初の蒸気機関から最初の工場まで67年、しかもその最初の工場は蒸気機関すら使わへんかった。水で動かしとったんや。それから最初の工場から今日知っとる工場アセンブリラインまで144年や。
問題は、なんでこんなに時間がかかったかっちゅうことやな。特に、この144年間に何が起こっとったんかっちゅうことや。わしらが思うに、時間がかかった理由は専門化の必要性やったんや。
ある規模を超えたら、複雑なシステムが成熟するためには、汎用コンポーネントと労働力を高度に専門化されたコンポーネントと労働力と組み合わせなあかんのや。つまり、起こっとったことは、これらの汎用技術を取って、特定の出力を生産するために専門化することやったんや。
認知革命の時代
今、わしらは認知革命の時代に生きとるんや。蒸気機関が最初のGPU、1999年のGeForce 256やったと言えるかもしれん。最初のAI工場が、これらのAIトークンを生産するのに必要なすべてのコンポーネントを2016年に集めたんや。
そうすると問題は、この認知革命のジョン・ロックフェラー、アンドリュー・カーネギー、ウエスティングハウス、ウェッジウッドは誰やっちゅうことになるな。わしらが信じとるのは、この専門化の必要性を実行しとるのは今日のスタートアップやし、これから形成されるスタートアップがそれらのアプリケーションを構築するっちゅうことや。
商業的機会：10兆ドルの可能性
わしらはセコイア・ヒストリーやない。セコイア・キャピタルやから、ドルとセントについて話そうや。このスライドを見たことがあるかもしれん。わしらのAI Ascentカンファレンスで使ったやつや。左側は3500億ドルの円で、クラウド変革の始まりのソフトウェアへの支出を表しとる。
その6つのスライバーは60億ドルのサービスとしてのソフトウェア支出や。何が起こったかっちゅうと、サービスとしてのソフトウェアがオンプレミスソフトウェア市場でのシェアを増やしただけやなくて、実際に市場全体を拡大して、今日では6500億ドル以上に成長したんや。わしらは人工知能でも似たようなことが起こると信じとるし、それはもっと大きな機会やと思っとる。
これは10兆ドルの米国サービス市場や。そのうち今日AIによって自動化されとるのは200億ドルぐらいやろな。これが10の13乗の機会で、このパイのシェアを成長させるだけやなくて、パイ自体を成長させる機会やねん。
サービス業界の具体的機会
最後のスライドは見たことがあるかもしれんが、このスライドは見たことないやろ。これはセコイアの内部メモの一部で、右端の列でソートされたサービス職やねん。
その列は、米国国勢調査局による職種の従業員数と年収中央値の掛け算や。気づくのは、これらが本当に大きなTAMやっちゅうことや。セコイアがこれらの分野に投資しとることも気づくやろ。登録看護師分野のOpen EvidenceとFreedや、ソフトウェア開発者分野のFactoryとReflection、法律分野のHarvey、Crosby、Finchを考えてみいや。
セコイアではTAM、特に市場について考えるのが好きやねん。わしらの創設者ドン・バレンタインはいつも市場とその重要性について話しとった。このチャートはS&P 500の時価総額を示しとる。気づくのはいくつかの本当に大きな会社や。一番左がNVIDIAで4兆ドル以上の時価総額、パーセンテージは1年間のパフォーマンスや。
このスライドにはカークランド・アンド・エリス法律事務所もベーカー・ティリー会計事務所もないねん。これらは数十億の収益を上げる事業やのにな。わしらは認知革命が市場を拡大し、このスライドを拡大してサービス分野でAIを中心に構築された多くの大規模な独立公開企業を含む機会を提供すると信じとる。
5つの投資トレンド
次に、人工知能認知革命の現在進行形で気づいとる5つの投資トレンドについて話そうや。
最初は不確実性に対するレバレッジや。わしらは仕事がタスクに対して最小限のレバレッジで結果の100%確実性から、タスクに対して100%以上のレバレッジで結果の正確な現れ方についてはるかに少ない確実性へと移っとることに気づいとるんや。
もしあんたが販売員で、一連のアカウント、つまり一緒に働く潜在的な顧客を管理しとるとしたら、今日はそれらのアカウントをすべて自分で管理して、機会を求めて一つ一つを監視するかもしれん。でもAIエージェントの未来では、Rocksを使えるかもしれん。これは何百ものAIエージェント、すべての顧客に対して一つずつのAIエージェントを持てるようにして、彼らの進捗を追跡し、そこで何が変わっとるかを見て、その顧客との partnership を再び関与して拡大する機会を示してくれるんや。
このAIエージェントは、あんたがやっとることと全く同じようにはせえへんやろ。実際に何かを見逃したり間違いを犯したりするかもしれん。そこで人間が入って修正するんや。この場合、100%以上のレバレッジ、場合によっては1000%のレバレッジが見えるが、不確実性もある。あんたがやっとる仕事と全く同じやない。
次に、測定が現実世界に移ったことに気づいとる。人工知能の歴史の大部分で、わしらは学術ベンチマークを使っとった。10年以上前にAIエンジニアやった時、わしらはコンピュータビジョン研究のベンチマークとしてImageNetを使っとった。でも今日、優秀性を証明したければ、現実世界で証明するんや。
Expoを考えてみいや。彼らの人工知能が世界最高のAIハッカーやということを示したかったんや。学術ベンチマークで証明するだけやなく、現実世界に出て行って、そのウェブサイトに登録した世界の他のすべてのハッカーと競争してHacker Oneで脆弱性を見つけたんや。
彼らは現実世界のデータで競争して勝つことができる、世界ナンバーワンのハッカーになることができることを示すことができたんや。わしらはこれが新しいゴールドスタンダードやと気づいとる。学術ベンチマークやなくて、現実世界での測定やな。
3つ目は強化学習や。AI業界は長い間強化学習について話しとった。この1年でそれが中心舞台に登場するのを見たんや。大規模な推論研究所が強化学習から恩恵を受けとるだけやなく、わしらのポートフォリオ企業の多くもそれから恩恵を受けとるのを見とる。コーディング分野で最高のオープンソースモデルのいくつかを訓練するために強化学習を使うReflectionを考えてみいや。
4つ目のトレンドは物理世界でのAIや。本当に生きてきとるんや。これはヒューマノイドロボティクスだけやない。人工知能でプロセスを作成し、ハードウェアを作成することでもあるんや。人工知能を使ってハードウェア製造プロセスを加速し、実際に現場に配備された後の品質保証にも人工知能を使うNominalを考えてみいや。
最後に、新しい生産関数がコンピュートやということに気づいとる。それは知識労働者あたりのフロップスや。わしらのポートフォリオを調査すれば、彼らは知識労働者あたりのフロップスが最低10倍増加することを予測すると言うやろ。それは知識労働者あたりの最低10倍のコンピュート消費やねん。なぜなら説明したように、知識労働者は1つまたは数十、数百、数千のこれらのエージェントを使うかもしれんからや。
より楽観的な側面では、知識労働者あたり1000倍または10,000倍のフロップス消費の未来を見とる。これは推論会社だけやなく、その推論を保護する会社や、この新しい生産関数を使ってより多くの労働者にアクセスする会社にとっても本当に強力やねん。
5つの投資テーマ
次に、5つの投資テーマについて話そうや。これらは来年投資しとる重要なテーマやねん。
最初のテーマは持続記憶や。持続記憶は少なくとも2つの意味があるんや。1つ目は長期記憶、AIと共有されたコンテキストを長期間覚えとることや。2つ目は人工知能のアイデンティティの持続性、エージェントが一定期間自分の性格やスタイルを維持することや。
これはAIがますます多くの仕事機能に参入するためにクラックすることが重要やねん。生産性分野に参入する人工知能は長期記憶を持つ必要があるし、組織や機能の全コンテキストを理解する必要があるんや。
持続記憶分野にはスケーリング法則の同等物がないことに気づいとる。ベクターDBやRAG、より長いコンタクトウィンドウなど、多くの試みがあったが、これはクラックされとらん。それは今後の主要な機会やねん。
次はシームレス通信プロトコルや。MCPについて多くの興奮があるが、それは当然やねん。でもインターネット革命を振り返ってみいや。TCP/IPはフィニッシュラインやなかった。スターティングガンやったんや。通信革命では、実際にAIを取って、お互いにシームレスに通信できるように助ける機会があるんや。これは多くの主要なアプリケーションをもたらすと信じとる。
考慮すべき1つはショッピングや。今、AIで製品を購入したければ、AIで調査をして、ワンクリックチェックアウトのお気に入りプロバイダーでその注文を実行するかもしれん。でも将来は、シームレス通信プロトコルのおかげでAIがそれをできるようになると見とる。
AIは最良の価格を見つけるプロセスを通って、あんたのためにその購入を実行し、それを完了できるようになるんや。同時に、他のプロバイダーよりも使いやすくしたすべてのビジネスの堀を減らしながらな。
3つ目のトレンドはAI音声や。AI動画を入れへんかったことに驚くかもしれんが、それは意図的やねん。1年後にはAI動画があるかもしれんと思うが、AI音声は今やねん。それは忠実度が向上しただけやなく、音声の品質が日常的に有用なレベルまで向上しただけやなく、レイテンシーが減少してAI音声とリアルタイム会話ができるようになったからや。
AI音声の興味深いアプリケーションはたくさんあるんや。AIフレンド、AIコンパニオン、AIセラピスト、これらすべての企業対消費者アプリケーションが含まれる。わしは個人的に企業でのAI音声の他のアプリケーションにも非常に興奮しとる。
企業として何かを出荷する計画を立てとって、物流に取り組んどるとしたら、その物流の多くはまだ音声で行われとるんや。今は実際に、それらの物流調整の多くを自動化する未来のために働くことができるんや。大きな債券ブロックを売買したければ、おそらく店頭取引デスクと音声でやっとるやろ。企業分野でのこれらすべてはAI音声を使って加速できるんや。
次はAIセキュリティや。わしらはAIセキュリティに絶対に巨大な機会を見とるんや。それは開発レイヤーから消費者まで、すべての道のりやねん。開発レイヤーでは、大規模基盤モデル研究所とAI研究所が安全な方法で技術を開発するのを助ける機会を見とる。それから配布、それが安全な方法で配布され、そのプロセスに悪いアクターが入り込まないことを確実にすることや。
それからユーザー自身のために、彼らがこの製品を消費したり新しいアプリをバイブコーディングしたりする時に、うっかり脆弱性を導入せえへんことを確実にするんや。ここでの具体的な例は、AIにターミナルでソフトウェアをダウンロードするように指示される消費者やろな。彼らはターミナルにあまり慣れとらんかもしれんし、AIはこのソフトウェアがその消費者の環境の残りの部分に脆弱性を導入する可能性があることを知らんかもしれん。
わしらはAIが実際に個人とAIエージェントの両方を保護する世界に入ろうとしとるんや。実際、物理世界とは違って、このデジタル世界では、すべての人間に対して、さらにはすべてのエージェントに対しても、何百ものAIセキュリティエージェントを持てる未来を見とる。物理世界では、物理的空間や同じコストによって制限されることはないんや。
人あたり、エージェントあたり、大量のAIセキュリティエージェントを持つことができるんや。
最後に、オープンソースがAIの旅路の重要な瞬間にあることを発見しとる。2年前にわしらに聞いたら、オープンソースが最先端の基盤モデルと競争し、場合によっては勝つ可能性があるように見えると言ったやろ。
今日、その立場はずっと不安定に見えるんや。わしらはオープンソースが競争して、最高の最先端基盤モデルのいくつかを提供することが非常に重要やと信じとる。誰でも構築できる、より自由でオープンな未来にとって重要やと思っとる。そしてオープンソースモデルが誰でも優れた製品を構築するために利用できるようにし、AI未来が極端に資金豊富な巨人だけに限定されへん、そんな未来を構築するのを助けたいと思っとるんや。
これらが、わしらが考えとる5つの投資テーマや。問題は、これらの投資テーマを進歩に変換できたら何が起こるかっちゅうことやな。わしらはその進歩が認知アセンブリラインまでの時間を取って、何年も劇的に数年に短縮できると信じとるんや。
聞いてくれてありがとうございます。一緒に認知革命を構築できることを願っとります。
コメント