2026年初頭における人工知能の加速を阻む真の障壁を徹底分析した考察である。研究開発そのものではなく、電力インフラ、半導体供給網、そして意外にも保険業界のリスク評価能力不足が主要なボトルネックとなっている。年間3500億ドルに達するハイパースケーラー投資、GDP比1.9%に相当するVC資金にもかかわらず、グリッド接続に平均7年を要する現実、高帯域幅メモリの完売状態、そして企業がAI関連事故を完全免責とする保険条項が実用化を妨げている。安全性論争や規制は実質的にノイズに過ぎず、2026年から2028年は「消化期」として物理的制約との格闘が続く。中国との計算能力格差は2027年までに17倍に拡大する見込みだが、真の勝負は送電網変圧器の納期短縮と保険業界のAIリスク評価モデル確立にあるという、極めて実務的な結論に達している。
AIはなぜ思ったより速く進まないのか
このビデオは実は自分自身の好奇心から調査を始めたもので、良い動画になると気づいたんです。基本的な問いはこうです。なぜAIはもっと速く進まないのか、そしてどうすればもっと加速できるのか。でも実際には、2026年初頭の時点で人工知能の足を引っ張っているものは何かという深堀りなんですね。
では始めましょう。最初に要点をまとめると、最大の障壁は熱力学の壁です。電力、グリッド接続、物理法則、そういったものですね。これはグリッド容量に関わってきます。グリッドの変圧器に関わってきます。実際の発電容量にも関わってきます。つまり基本的にエネルギーに関するあらゆることがそこにあるわけです。
それから供給面の問題もあって、これも構造的なものです。主にCOS、つまりチップ・オン・ウェハ・オン・サブストレートですね。COSというのは基本的に配送されるパッケージ全体のことで、これが今や実際のボトルネックになっています。だからメモリが売り切れているわけです。
それから運用上の摩擦というのがさらに下の階層にあります。これは企業の実行力、データ品質、ROIといったものです。そして最後に、AI安全性やセキュリティ、世論といったものがありますが、実際のところこれはただのノイズなんです。人々が「AIが安全だと証明しなければならない」と言っているのを聞きますよね。でも実際には、他の動画でも触れましたが、真剣な研究者や政策立案者で、もはや真剣に受け止めている人はいないんです。
基本的に運用化されてしまったんです。実際の会話の場は現実に追いついていません。これは本当に興味深いことで、ちょっとイライラするんですよね。基本的に「でもエリエゼル・ユドコウスキーがこう言った」みたいな犬とポニーのショーになってしまっていて、実際に意思決定権を持っている人は誰も気にしていないんです。
それから一つ言っておきたいのは、ここの第3層で最も興味深いのが保険なんです。これについては後で話しますが、保険会社はAIリスクをどう価格設定すればいいか分かっていないんです。そしてこれが実際、人々が「AIなんてただのゴミだ」と言うよりも大きな摩擦の源になっています。加速という観点から見れば、AIがゴミかどうかなんて誰も気にしていないんです。
無限のインセンティブと豊富な資本
次に、無限のインセンティブと豊富な資本についてです。私がいつも言っているのは、加速がデフォルトの政策だということです。そして加速がデフォルトの政策である理由はたくさんあります。まず第一に、アメリカと中国の地政学的競争です。すべての大国が、人工知能が次の世紀、少なくとも今後数十年を定義する技術だと知っています。過去を未来への指針として見ると、アメリカ、中国、そしてやや劣りますがロシアも、まあロシアはこの分野では本当のプレイヤーではありませんが、彼らは皆、人工知能が進むべき道だと知っているんです。
それから市場競争があります。これは基本的に、すべての大手テック企業が人工知能に参入したがっているゴールドラッシュです。では、どれだけ使われているのか。年間3500億ドルがハイパースケーラー、つまり基本的にデータセンターに費やされています。220億ドルが2025年のVC資金として予測されていて、2026年にはおそらくもっと高くなるでしょう。これはGDPの約1.9%に相当し、マンハッタン計画に匹敵します。つまり私たちは基本的に分散型マンハッタン計画の真っ只中を生きているんです。
州間高速道路システム、アポロ計画、マンハッタン計画、2025年とそれ以降のAI構築は規模において同等です。私たちはそれを達成したんです。しかし考え方は「必要なら買える」というものでした。お金が物理的なボトルネックを即座に解消するという前提です。ただ、ボトルネックは私たちが思っていた場所にはなかったんです。それが現在見られている支出のレベルで、経済はすでにこれらの新しい問題を中心に再構築されつつあります。
エネルギーが最も困難なボトルネック
エネルギーが最も困難なボトルネックです。これが最も厳しい壁です。アメリカの平均的な接続待機時間は7年です。新しいデータセンターを建設したい場合、その新しいデータセンターをグリッドに接続するために平均7年待たなければなりません。これは狂気の沙汰です。なぜなら、それでは2032年か2033年になってしまい、その時点では超知能とそれ以降に達しているはずだからです。
需要は、2024年のデータセンター合計4ギガワットから増加すると予想されています。2024年に合計4ギガワットと言うとき、Microsoft、Meta、xAI、OpenAIがすべて、それぞれ1から2ギガワットのデータセンターを複数立ち上げようとしていることを考えてください。つまり今後数年で、彼らは現在の需要を2倍以上にしたいと考えているんです。そして総需要は今後5、6年で134ギガワットのデータセンターに達すると予想されています。
2024年から2030年までの6年間ですね。今は2026年なので、私たちは134ギガワットの需要に向かっているんです。比較のために言うと、平均的な普通の原子炉は約1ギガワットを生産します。つまり、これは大量の電力なんです。私はこの数字に懐疑的でした。「そんなに多いはずがない」と思ったんです。
でも構築のペースとバックログの量を見ると、そう、これは仮説的な将来の需要ではありません。これは基本的に準備されていて、人々が今まさに許可と承認を得ようとしているものなんです。私たちはこれに到達するでしょうし、超えるかもしれません。もちろんこれは私の推測です。
特に新しい効率性が見つかれば到達しないかもしれません。でもエネルギーは最大のボトルネックの一つです。さて、このプレゼンテーションには入れなかった解決策があります。例えば、ソーラー、バッテリー、天然ガスタービンを現地で組み合わせたマイクログリッドですね。それが一つの答えです。原子力発電所をデータセンターに直接接続して、グリッドに接続しないようにするのも一つです。
基本的にグリッドがボトルネックなんです。だから多くの企業がやっていることは、自分たち自身が電力会社にもなることなんです。私たちはこれを見てきました。例えば、ロシアの極東に場所があって、そこには天然のダム、いや天然のダムではなく、水力発電を使ってアルミニウム精錬に電力を供給していて、エネルギーは主にアルミニウムのためだけに使われています。非常に高価だからです。だからそれが存在する唯一の理由なんです。
明らかに、アメリカにはシベリアのような何千マイルもの未使用の空間がありませんが、たくさんの砂漠があります。だからそこにソーラーを建設できます。とにかく、エネルギーの現状について少し脱線して話してしまいました。
次は物理学です。これが最も遅延の大きい部分です。グリッドを整備するという考えですね。アメリカ全体に電力を供給しなければなりませんから。グリッドを加速させるには多くの時間と多くの作業が必要です。
つまり新しい送電線、新しい変圧器、そういったものが必要だということです。変圧器自体、遅延、リードタイムは最大210週間です。これには驚きました。210週間です。比較のために言うと、1年は何週間でしたっけ、56週間、54週間? 今すぐには思い出せませんが、基本的にほぼ4年です。
そしてこれは、電力変電所で見かける小さな変圧器ではありません。これは見かけない巨大な変圧器です。これらは家ほどの大きさの変圧器なんです。そして私たちはそれらの需要のバックログを抱えています。
それから原子力の幻想です。考え方としては、原子力が再稼働できる最も早い時期は2030年代だということです。データと研究から本当に浮かび上がってくるのは、危機の窓が今後数年間になるということです。
2026年から2028年が本当に最も厳しい時期になります。なぜなら、インフラプロジェクトが加速し、変圧器の注文が増加するにつれて、それらは最終的に今後2、3年で解決されるからです。でも原子力はそんなに早く解決しないでしょう。
小型モジュール炉は遅すぎます。だから本当に必要なのは、非常に速く立ち上げられるものなんです。それが天然ガスタービン、ソーラー、そしてグリッドスケールのバッテリーです。そして今、安価なグリッドスケールのバッテリーがあります。それは鉄空気電池です。
もし聞いたことがなければ、それらはあまり効率的ではありませんが、非常に安価で永遠に持ちます。そして携帯可能である必要がないとき、本当に重く作れます。だから鉄空気電池は、もし推測するとしたら、最高のグリッドスケールバッテリー技術としておそらく正解でしょう。
多くの人が「でもベースロードをカバーする必要がある」と言います。でも実際には、十分なバッテリーがあればベースロードをカバーする必要はないんです。そして、ご存知の通り、ソーラーですよね。多くの人が「ソーラーはすべてをカバーできない」と言います。ソーラーはグリッドスケールのバッテリーと組み合わせればすべてをカバーできます。
サプライチェーンの問題
次にサプライチェーンです。これは面白いですね。GPUはもはやボトルネックではありません。ロジックダイ、つまり実際のウェハ、これはもはやボトルネックではありません。高帯域幅メモリが今やボトルネックなんです。
これは年末まで売り切れていて、だから人々はメモリがどれだけ高価かについてミームを作っているんです。その理由の一部は、メモリを作れるすべての企業が、ラップトップやデスクトップ用のメモリを作る代わりに、「アクセラレータ用のメモリでもっと多くのお金を稼げる。だからその代わりにそれを作ろう」と言っているからです。
つまりこれは基本的に価格シグナルで、「ねえ、もっと多くのメモリが必要だから、それを作れる人々はそれを放棄している」と言っているんです。レガシーDDR3とDDR4は放棄されています。それはロボット、自動車、ラップトップなどがすべてメモリ不足に直面していることを意味します。
AIノード、つまりハイパースケーラーがメモリを構築するための利用可能な容量をすべて消費しています。そしてNvidiaはすべてのCOS容量の50%以上を予約しています。
つまりチップ・オン・ウェハ・オン・サブストレートです。ここで見ているのはパッケージ全体です。パッケージングと聞いたら、これはGPU、オンボードメモリ、高帯域幅メモリ、そしてそれを載せる残りのサブストレートのことです。そしてNvidiaはその大部分を予約しています。だからNvidiaはこの分野でも支配しているんです。
時間がかかるでしょう。1、2年前のことを覚えていますか、「GPU不足になるだろう」と言いましたよね。まあ、GPU不足、すみません、不足を解決するのに1年半から2年かかりました。だから今度は帯域幅とサブストレートの不足を解決するのにまた1年半から2年かかるでしょう。
これらは再び、市場がこれらの問題を解決するでしょう。ここで強調したいのはそれなんです。エネルギー、これは国家の介入を必要とします。これは多くの官僚主義の打破を必要とします。これは市場が単独で迅速に解決できるものではありません。これには規制上の支援が必要です。
これは純粋に市場の問題です。プロセッサーとメモリ、市場がそれを解決するでしょう。ただ時間がかかるだけです。
データのボトルネック
さて、もう一つのボトルネックはデータです。人々はデータについて話し続けています。そして、私はこの議論に納得していません。なぜなら、合成データの急激な増加を見ているからです。
しかし、それは依然として懸念事項です。なぜなら、AI自身のデータで訓練されたAIはモデル崩壊を引き起こす傾向があるからです。でも最新世代のAIモデルはますます多くの合成データで訓練されています。だから私は、これが実際にボトルネックになるとは確信していません。
同時に、生の人間データの量は枯渇するというのも事実です。でも過去に多くの方が指摘してきたように、人間ははるかに少ないデータではるかに多くのことをします。
人間の脳は、AIモデルが訓練されるデータ量の1%未満で訓練されています。そして私たちはまだ優れています。まだ賢いです。だから明らかに私たちは何か違うことをしているんです。持っているデータから最大限を引き出していません。
だから私はいつも言うんです、必要は発明の母だが、制約は創造性の父だと。だからデータが枯渇したら、私たちは持っているデータをより良く使うためのより良いアルゴリズムを見つけると確信しています。なぜなら、人間レベルの超知能パフォーマンスを生成するのに十分なデータが明らかにあるからです。
繰り返しますが、人間が20年か30年を費やして、利用可能なデータの1%未満を学習して物理学を進歩させることができるなら、AIも同じことができるはずです。
だからAIは学習において単に効率的ではないんです。だから私たちはAIの学習をより良くするでしょう。だから繰り返しますが、私はこれを障壁とは見ていません。でもこれは研究で出てきたことの一つで、人々が懸念していることなので、少なくとも含めたかったんです。
6000億ドルの問題
さて、6000億ドルの問題です。これはインフラ支出とROIギャップ、市場のローテーションです。投資家はインフラからソフトウェア生産性へと逃げています。これが最も興味深いことで、投資家はますます警戒するようになっています。データセンターを建設するために1000億ドルの小切手を書いてください。データセンターはいつ利益を上げるのですか。ああ、たぶん5年から8年です。投資家はそれを好みません。
彼らは投資収益を非常に速く見たいのです。2025年に1000億ドルの負債を調達したハイパースケーラーに対して、投資家は横目で見始めています。だからサム・アルトマンがサウジアラビアのような場所に行って、「ねえ、私たちのデータセンターに資金提供してくれませんか」と言っているのを見るんです。
質問は、GDPの20%を信念だけで維持できるのかということです。これはバブルの恐怖に戻ります。そう、地球上で最も収益性の高い企業のいくつかはすでにAIを使っています。でも「証拠はどこにあるのか」と言うかもしれません。私たちはソローのパラドックスまたは生産性のJ曲線の中にいます。AIの普及が起こっています。AIは市場に入り込み、飽和しつつあります。
でも、ほとんどの企業がAIを使っているとはいえ、望ましいレベルまで飽和していません。なぜなら、単純にまだ高すぎるからです。
80年代のパーソナルコンピュータが今日ほど成熟していなかったのと同じです。机の上にPCがあって、中央データベースに接続できるモノクロスクリーンがあります。素晴らしい。それは確かにより生産的ですが、今日の携帯電話ほど生産的ではありません。
私たちはその時代にいるんです。そう、それはそこにあります。役に立ちます。でも飽和していません。だからAIのすべての用途を見つけて飽和させるにはさらに数年かかるでしょう。でもその間にAIの生産を拡大しています。つまり、この混雑状態があるんです。望むほど成熟していない、実行するのにまだ高価だという。
そしてこれは初期のインターネットにも非常に似ています。ダイヤルアップやISDNなどがまだあった頃ですね。それからISB、いやISBNの本で、ISDN、間違って覚えています、DSL、基本的にデジタル加入者線です。インターネットが新しかった頃、役に立ちましたがまだ高すぎました。パケットあたりのコストが高すぎたからです。
もちろん今ではインターネットは基本的に無料です。月額定額制があって、必要なだけインターネットを手に入れられて、ギガビット以上の速度です。だから、AIがただの背景経費になって、トークンあたりのコストについて考えなくなるまで、それだけのインフラを構築するには少し時間がかかるでしょう。
そしてその間、企業のROIは彼らが望むほど速く現れていません。ただしほとんどのビジネスリーダーは、AIが非常に競争力があり魅力的で、居眠りしているわけにはいかないことを理解しています。
そしてもちろんROIは、なぜ88%のパイロットが失敗するのかということです。もちろん、これはMITの研究から95%のパイロットが失敗するのとは異なります。私はこれについて何度も話してきましたが、簡単に説明すると、基本的にほとんどのパイロットは失敗します。AIも例外ではありません。それがパイロットの目的です。価値を実現できるか見ることです。
開始するAIパイロットの100%から始めて、統合の複雑さとデータの混乱があり、そして12%が本番環境に到達します。これはMITの研究の95%よりはまだ良いです。でもそれでも大多数が失敗します。では障壁は何でしょうか。
一つ目はデータ品質です。良いデータを得ることは常に問題です。つまり、良いデータ統合とデータガバナンスを得ることは常にステップ1なんです。
二つ目はレガシーシステムとの統合です。これも別の問題で、大企業は20年、30年以上前のものを運用しています。そしてその多くは最新のAPIすら持っていません。中には最新のオペレーティングシステムすら持っていないものもあります。
中にはSCO Unixのような古いオペレーティングシステムで動いているものもあります。それから人材不足もあります。だから人材不足、統合不足、AI対応でないこと、これは安全性や倫理とは何の関係もありません。障壁は非常に平凡なもので、コストとROI、そして奇妙なことに保険なんです。
何が実際に議論されているか
では実際に何が議論されているか。AIに関する世論の大部分は安全性です。AIアートはゴミだ、著作権はどうするんだ、俳優はどうするんだ、消費者保護に関する一般的な規制といったものです。そこにほとんどの人々の議論があります。
でも現実は、実際に議論されているものの5%未満みたいなものなんです。だからフロンティアラボは辞任があったにもかかわらず加速しています。なぜか。優秀なAIエンジニアであれば、稼げるお金がたくさんあるからです。そしてしばらくはそうでしょう。
私が見た数字の一つは、世界的に約22,000人のハイエンドAIエンジニアがいるということです。これは単に十分ではありません。
だから今後数年で大金を稼ぎたいなら、優秀なAIエンジニアになってください。そして加速を助けてください。それが個人が克服を助けられる最大のボトルネックの一つです。
B2B導入は世論を無視しています。これは基本的に、AIアートやその他のこと、著作権侵害について文句を言えるということです。企業は気にしません。彼らには全く影響しません。
そして米国の連邦規制は主にノイズです。EUは物事を遅らせています。これはヨーロッパよ、アメリカに意地悪するために自分自身を傷つけているのかという感じです。分かりませんが、規制は実際に人工知能を遅らせていません。
安全性の議論もそうです。
規制が実際の摩擦となる場所
しかし規制が本当の摩擦となっている場所があります。一つ目は米中のライバル関係です。だから輸出規制と輸入規制があります。そして一歩下がって世界的に見て、障壁は何かと言えば、それは計算能力のギャップです。
すでにアメリカは中国の2倍、3倍、4倍、5倍の計算能力を持っています。でも私たちの計算能力は中国の計算能力より先を行っています。ユニットあたりの品質だけでなく、全体的な量でもです。つまり2027年までにアメリカは中国の17倍の計算能力を持つと予想されています。
そしてそれは輸出規制によるもので、地政学的な観点から見れば、それはアメリカが勝っているということです。それが私たちの堀なんです。
さて、世界的に見てそれは良いことではないと言うかもしれません。なぜなら、それは中国の研究を遅らせるからです。ただし私が言ったように、制約は創造性の父であり、中国人は非常に創造的です。彼らははるかに少ない資源で多くの研究をすることができます。
AI安全性イノベーションセンター、これはNISTの一部門だと思いますが、彼らの研究は基本的に、中国のモデルが全面的に劣っていることを示しています。中には安価なもの、より効率的なものもありますが、サイバーセキュリティリスクの観点からははるかに高いです。知能の観点からも優れていません。
だから彼らは軍事レベルでの脅威を実際には代表していません。
それからEU AI法があります。これは障壁です。これはコンプライアンスの壁です。高リスクシステムのライセンスコストは年間52,000ドルで、これは基本的にスタートアップを窒息させることを意味します。高リスクAIユースケースを扱うスタートアップはヨーロッパにはいないでしょう。
そしてこれはすでに真実です。では彼らはどこに行くのか。アメリカに行きます。中には中国に行くものもあります。サウジアラビアに行くものもあります。基本的に、ヨーロッパはフロンティアビジネスがヨーロッパで起こらないことを保証するのが非常に得意です。これは私の意見ではちょっと馬鹿げています。彼らは非常に積極的で、規制の捕獲と私が拒否権政治と呼ぶものがたくさんあります。
基本的にノー省、それがヨーロッパです。
保険という意外な障壁
そして最後に、責任です。これが私の研究からの最も興味深い発見でした。多くの保険契約には絶対的なAI除外条項があります。つまり、AIを使用して、OSHA違反があった場合、患者が死亡した場合、保険会社は完全に手を引きます。
彼らは、AIがその事故に関わった場合、私たちは一切責任を取らないと言います。理由は、それが新しいからです。高リスクです。高変動性です。彼らは価格設定の方法を知りません。私は以前、労災補償保険会社で働いていました。そして私のキャリアの最初の頃、十分に理解されていて、リスクが制御でき、理解され、測定できる領域があれば、彼らは価格設定の方法を知っています。
だから私たちの保険会社には部門があって、一件ずつのケースを扱っていました。例えば、ヨットで診療する医師のようなものです。船上医師がいますからね。それは病院やクリニックで診療する医師ほど理解されていません。
だから、本当に高価なヨットで、本当に高価なクライアントと一緒に、最適ではない条件で働いている医師をどう保険するのか。ではその保険契約をどう価格設定するのか。そしてそれらのものに価格をつけることはできますが、一件ずつやるには多くの作業と努力が必要で、それは運用化やスケール化の方法ではありません。
同様に、あなたの平均的な街角の店やママとパパの店、あるいは平均的な企業が、本当にただテンプレート化された保険契約が欲しいだけで、「ねえ、私たちはこれにAIを使っています。顧客をカバーするようにしてください。自分たちのお尻もカバーするようにしてください」と言うとき、保険会社は「それを価格設定する方法が分かりません」と言います。
だからカバーしません。そして私たちの契約には除外条項があって、「私たちは責任を負いません」と言います。そして保険がなければ、企業はそれを単にやらないんです。そしてこれは、AIを採用するための最も皮肉な法的摩擦だと思います。
だからもし視聴者の中に保険のプロがいて、これをより良くする方法を説明するのを手伝いたい人がいれば、それは素晴らしいと思います。なぜなら、これは私にとってAIを遅らせる最も愚かな理由だからです。理解はできますが、本当に、価格設定の方法を知らないからという理由だけで。さて、次に進みましょう。
消化段階
今私たちがいるこの段階、2026年から2028年は消化段階と呼ばれています。ハイプサイクルは2023年から2025年でした。今、私たちは現実に追いついています。現実は言います。グリッド接続が必要です、変圧器が必要です、高帯域幅メモリが必要です、チップとウェハが必要です、検証可能な合成データが必要です、そして保険契約を解決する必要があります。
だから今は、より大きなモデルとスケールがすべてから、効率性と蒸留と持っているもので何とかすることへと変わっています。持っているもので最善を尽くすだけです。それが今後数年間私たちがいるパラダイムです。
それは新しい容量がオンラインになっていないということではありません。明らかに新しい容量は常にオンラインになっています。でも、インストールして展開したいものと実際に展開できる場所との距離はまだ広がっています。
だから2028年以降、それが加速と経済的ピボットが続くときです。
摩擦マップ
摩擦マップです。これは基本的に要約です。重大で拘束力のある制約は、電力の利用可能性、グリッド接続、HBM供給です。中程度で対処可能なのは、データ品質、繰り返しますが私はこれを心配していません、パッケージング、これは市場によって解決されるようです、展開の摩擦、展開の摩擦、繰り返しますが企業がこれらのものを展開する方法を学び、運用化するには時間がかかるだけです。
そして責任、保険責任、これは私にとって最も馬鹿げたことです。少なくともアメリカにとって摩擦ではないものは、第一に安全性とX-リスク、第二に連邦規制、第三に資本の利用可能性です。
だからそれは本当に興味深い場所にいます。バブルと言えるものはありません。摩擦はありますが、以前の動画で話したように、典型的なバブルと私たちが見ているものとの違いは、すべてが売り切れているということです。つまり、まだ満たされていない需要があるということです。
バブルでは、それは純粋な投機です。これでは、誰もがもっとAIを欲しがっていて、AIはまだ全盛期にすら達していません。まだ完全に成熟していないのに、人々は私たちが与えられる以上のものを欲しがっています。だからこれはバブルとは非常に異なります。
アダムの議論
そしてそれは以上だと思います。AIを加速するためのアダムの議論です。哲学について議論するのをやめて、コンクリートを注ぎ始めてください。未来は物理世界を習得する者のものです。
グリッド許可、ファブ容量、エネルギー生成、アトムに焦点を当ててください。そして情報源と参考文献があります。
というわけで、最後まで見ていただきありがとうございました。また会いましょう。あなたは今、なぜAIが今後数年間私たちが望むよりも遅くなるのか、そしてそれが実際に行われている研究とは何の関係もないことを認識しています。
研究は順調に続いています。今、私たちはゴムが道路に触れる段階に入っています。だから現実との摩擦が今や障壁なんです。では。
コメント