戦略の衝突 | IBM CEO のアルヴィンド・クリシュナはなぜサム・アルトマンの 1 兆ドル規模のビジョン、つまり 0 ～ 1% の AGI を信じないのか?
Xpert プレリリース
言語の選択 📢
公開日: 2025年12月4日 / 更新日: 2025年12月4日 – 著者: Konrad Wolfenstein
戦略の衝突 | IBM CEOアルヴィンド・クリシュナがサム・アルトマンの1兆ドル規模のビジョン「AGIが0～1%」を信じない理由 – 画像: Xpert.Digital
汎用人工知能 (AGI) と容赦のない数学: データ センター ブームが決して利益を生まない理由。
5 年周期の死のサイクル: Nvidia、Microsoft などの過小評価されたリスク。
シリコンバレーが前例のない投資熱に沸き立ち、数兆ドルもの資金が人工知能（AI）の実現競争に注ぎ込まれる中、世界で最も経験豊富なテック企業のCEOの一人が、この状況に非常ブレーキをかけている。IBMのCEO、アルヴィンド・クリシュナ氏は警告する。「この賭けは報われない」
ゴールドラッシュの精神が世界のテクノロジー業界を席巻している。Microsoft、Google、Metaといった企業は、次なる大きな技術革命で取り残されることへの恐怖に駆られ、新たなデータセンターへの投資で競い合っている。ビジョンは明確だ。人間の知能と同等、あるいはそれ以上の汎用人工知能（AGI）の開発だ。しかし、この熱狂の渦中、テクノロジー批評家たちではなく、権力の中枢から力強い声が上がっている。IBMのCEO、アルヴィンド・クリシュナだ。
クリシュナ氏は、純粋な算数に基づいた冷静な分析で、シリコンバレーの通説を覆す。彼の警告は、シンプルであると同時に恐ろしい。インフラコストが爆発的に上昇する一方で、ハードウェアは減価償却よりも速いペースで陳腐化しているのだ。クリシュナ氏は、AGI開発の現在の軌道を維持するためには最大8兆米ドルの投資が必要になると述べている。約束された天文学的な利益が実現しない場合、世界で最も裕福な企業でさえも財政的に破綻する可能性がある。
しかし、クリシュナ氏の批判は金銭的な数字だけにとどまらない。彼は、この誇大宣伝の技術的根拠そのものに疑問を投げかけている。サム・アルトマン氏とOpenAIは超知能の到来をほぼ必然的なものとして描いているが、クリシュナ氏は、今日の大規模言語モデリング技術でこの目標を達成できる可能性を、厳しい現実を突きつける0～1%と見積もっている。
私たちは経済史上最大の誤った投資に直面しているのでしょうか？AIブームは崩壊寸前のバブルなのでしょうか？それとも、懐疑論者はバランスシートの先にある変革の可能性を見落としているのでしょうか？この記事では、データセンター経済における議論、容赦のない数学、そして「オール・オア・ナッシング」アプローチの先見者と実利的なリアリズムの支持者との間の根本的な対立を検証します。
に適し：
IBMのCEOがテクノロジー史上最も高額な実験の終焉を予測する理由
世界のテクノロジー業界は、経済史上最大級の投資ミスに見舞われているかもしれない。Microsoft、Amazon、Meta、Googleといった企業が人工知能（AI）インフラの構築に数千億ドルを投じる一方で、IT業界の中心からは警鐘が鳴らされている。1990年からIBMに在籍するCEO、アルヴィンド・クリシュナ氏は、2025年11月下旬にThe VergeのDecoderポッドキャストに出演し、汎用人工知能（AGI）をめぐる熱狂を打ち砕く可能性のある、基礎的な経済分析を提示した。
2025年11月30日と12月1日に発表されたクリシュナ氏の発言は、取締役会やアナリストの間でますます勢いを増している議論の核心を突いている。クリシュナ氏は理論的なリスクや哲学的な懸念についてではなく、AI分野における現在の投資モデルに疑問を投げかける具体的な財務上の不可能性について語っている。彼の計算は単純な計算と健全なビジネス原則に基づいているため、楽観的な業界関係者でさえもためらっている。
に適し：
データセンター経済の容赦ない数学
クリシュナ氏は、現状のコスト状況を冷静に評価することから分析を始めます。1ギガワットの容量を持つデータセンターは、今日の基準で800億米ドルの設備投資を必要とします。この金額には、物理的なインフラや建物だけでなく、サーバーやネットワークコンポーネントからAI計算に必要な高度に特殊化されたグラフィックプロセッサに至るまで、あらゆる技術機器が含まれます。
テクノロジー業界はここ数ヶ月、大規模な拡張に取り組んでいます。複数の企業が、20～30ギガワットのコンピューティング能力を増設する計画を公表しています。現在の1ギガワットあたりのコストで計算すると、総投資額は少なくとも1.5兆ドルに達することになります。この金額はテスラの現在の時価総額にほぼ匹敵し、この事業の規模の大きさを物語っています。
しかし、目指すべき汎用人工知能という文脈でこれらの野心を考慮すると、計算はさらに劇的なものになります。クリシュナ氏は、真のAGI実現には約100ギガワットの計算能力が必要だと見積もっています。この推定は、大規模言語モデルの現在の学習要件を外挿したもので、開発の各段階に伴って指数関数的に増大する複雑性を考慮しています。1ギガワットあたり800億ドルとすると、投資額は驚異的な8兆米ドルに上ります。
しかし、この投資額は全体像の半分に過ぎません。クリシュナ氏は、公共の議論でしばしば見落とされる要素、すなわち資本コストを指摘しています。8兆米ドルの投資を行う企業は、投下資本の利息を賄うだけでも年間約8,000億米ドルの利益を生み出す必要があります。この数字は、資本コスト、リスクプレミアム、そして投資家の期待を反映した、保守的な10%という金利を前提としています。
AIハードウェアの5年周期の死滅
クリシュナ氏の議論の重要な点は、設置されたハードウェアの寿命に関するものです。設置されたハードウェアは5年以内に廃棄・交換が必要となるため、コンピューティング能力全体は5年以内に完全に利用されなければなりません。この評価は産業界の観察結果と一致しており、金融界では激しい議論の的となっています。
2008年の金融危機を正確に予測したことで知られる著名な投資家マイケル・バリー氏は、2025年11月に同様の懸念を表明しました。バリー氏は、大手テクノロジー企業がAIハードウェアの実際の寿命を過大評価し、減価償却費を人為的に低く抑えていると主張しています。グラフィックプロセッサや特殊なAIチップは、実際には2～3年しか経済的に採算が取れず、より高性能な新世代によって時代遅れになると予測しています。
半導体分野の急速な発展は、この見解を裏付けています。AIチップの主要プロバイダーであるNVIDIAは、約12～18ヶ月ごとに新世代のプロセッサをリリースしています。各世代はパフォーマンスを大幅に向上させ、古いモデルはすぐに経済的に不利になります。データセンターの従来型サーバーは6年以上も容易に使用できますが、AI専用ハードウェアには異なるルールが適用されます。
実際には、状況はより複雑です。一部の企業は減価償却期間を調整しています。Amazonは2025年初頭、AI分野の発展の加速を理由に、一部サーバーの推定耐用年数を6年から5年に短縮しました。この調整により、同社の2026年の営業利益は約7億ドル減少する見込みです。一方、Metaはサーバーとネットワーク機器の減価償却期間を5.5年に延長し、2025年の減価償却費を29億ドル削減しました。
これらの異なる戦略は、AIハードウェアに数十億ドルを投資している企業でさえ、その投資がどれだけの期間経済的に持続可能か不確実であることを示しています。クリシュナ氏が示す5年間のシナリオは、これらの推定値の中でも楽観的な範囲内に収まっています。実際の耐用年数がバリー氏が予測した2～3年に近ければ、減価償却費、ひいては収益性への圧力が大幅に増加するでしょう。
利益を生むことは不可能
これら二つの要因の関連性が、クリシュナ氏の主張の核心へと繋がる。彼は、莫大な資本コストと短いライフサイクルの組み合わせが、妥当な投資収益率を達成することを不可能にしていると考えている。8兆米ドルの投資コストと、資本コストをカバーするためだけでも年間8,000億米ドルの利益を生み出す必要があるため、AIシステムは、現状では現実的とみなされる規模をはるかに超える収益を生み出す必要があるだろう。
比較すると、Googleの親会社であるAlphabetの2024年の総収益は約3,500億ドルです。年間12%の積極的な成長を仮定した場合でも、収益は2029年までに約5,770億ドルに増加するでしょう。AI投資を正当化するために必要な総収益は、この数字をはるかに上回るでしょう。
ChatGPTを展開するOpenAIは、2025年の年間売上高を200億ドル以上と予測し、2030年までに数千億ドルに達すると見込んでいます。同社は今後8年間で約1兆4000億ドル相当の契約を締結しています。しかし、こうした野心的な数字にも疑問が残ります。HSBCのアナリストは、OpenAIが2025年末から2030年の間にクラウドおよびAIインフラに7920億ドルの費用を負担し、2033年までに総コンピューティング能力のコミットメントが約1兆4000億ドルに達する可能性があると予測しています。
HSBCのアナリストは、OpenAIの累積フリーキャッシュフローが2030年までマイナスにとどまり、2,070億ドルの資金不足に陥ると予測しています。このギャップは、追加の負債、資本、あるいはより積極的な収益創出によって埋め合わせる必要があります。問題は、OpenAIが収益を上げられるかどうかだけでなく、大規模なデータセンター投資に依存する同社のビジネスモデル全体がそもそも実行可能かどうかです。
AGIの確率は極めて小さい
クリシュナは、彼の経済批判に、より根本的な技術的側面を加えている。彼は、現在の技術が汎用人工知能につながる確率を0～1%と見積もっている。この評価は、哲学的な考察に基づくものではなく、大規模言語モデルの技術的能力と限界に関する冷静な評価に基づいている点で注目に値する。
AGIの定義は議論の余地がありますが、本質的には、あらゆる領域において人間の認知能力を達成、あるいは凌駕するAIシステムを指します。これは、システムが特定の分野における専門知識を発揮するだけでなく、ある分野から別の分野へ知識を移転し、新たな状況を理解し、創造的に問題を解決し、新しいタスクごとに再訓練することなく継続的に改善できることを意味します。
クリシュナ氏は、現在のAI革命の中核を成す大規模言語モデルには根本的な限界があると主張する。これらのモデルは膨大なテキストデータセットの統計パターンに基づいており、言語ベースのタスクにおいては優れたパフォーマンスを発揮する。首尾一貫したテキストを生成し、質問に答え、さらにはプログラムコードを書くこともできる。しかし、それらは自分が何をしているのかを真に理解しているわけではない。世界モデル、因果関係の概念、そして真の抽象化能力が欠けているのだ。
これらの限界はいくつかの領域に現れます。言語モデルは定期的に幻覚を起こします。つまり、もっともらしく聞こえるが実際には誤った事実を捏造してしまうのです。多段階の論理的推論に苦労し、人間にとっては簡単なタスクであっても、訓練データセットに含まれていなければ失敗することがよくあります。エピソード記憶が欠如しており、再訓練なしには自身の誤りから学習することができません。
様々な分野の科学者や研究者の間で、この懐疑的な見方が広がっています。セールスフォース・ドットコムのCEO、マーク・ベニオフ氏も2025年11月にAGIに関して同様の懐疑的な見解を示しました。ポッドキャストで、ベニオフ氏はAGIという用語は誤解を招く可能性があると述べ、テクノロジー業界はAIの将来的な能力に関して一種の催眠状態に陥っていると批判しました。ベニオフ氏は、現在のシステムは素晴らしいものの、意識も真の理解も備えていないと強調しました。
MetaのシニアAIサイエンティスト、ヤン・ルカン氏は、大規模言語モデルは、どれだけスケールアップしてもAGIには繋がらないと主張しています。彼は、純粋なテキスト予測を超えた代替アプローチ、例えばテキスト処理だけでなく視覚情報やその他の感覚情報を統合して世界の内部表現を構築するマルチモーダル世界モデルなどを提唱しています。
米国における事業開発、販売、マーケティングの専門知識
米国における事業開発、営業、マーケティングの専門知識 - 画像: Xpert.Digital
業界重点分野: B2B、デジタル化（AIからXRまで）、機械工学、物流、再生可能エネルギー、産業
詳細については、こちらをご覧ください:
洞察力と専門知識を備えたトピックハブ:
- 世界および地域の経済、イノベーション、業界特有のトレンドに関する知識プラットフォーム
- 重点分野からの分析、インパルス、背景情報の収集
- ビジネスとテクノロジーの最新動向に関する専門知識と情報を提供する場所
- 市場、デジタル化、業界のイノベーションについて学びたい企業のためのトピックハブ
AIバブルか、未来のエンジンか？投資、エネルギー消費、そして実質利益の間にある危険なギャップ。
必要な技術的ブレークスルー
クリシュナ氏は、AGIの実現には、現在の大規模言語モデルが提供できる以上の技術が必要になると考えています。彼は、ハードナレッジと言語モデルを統合することが現実的なアプローチになり得ると示唆しています。ここで言うハードナレッジとは、因果関係、物理法則、数学的原理、そして統計的相関関係を超えたその他の知識に関する、構造化された明示的な知識を意味します。
この視点は、ニューラルネットワークのパターン認識能力とシンボリックAIシステムの論理的能力を融合させることを目指すニューロシンボリックAI分野の研究と一致しています。ルールと論理的推論に基づくシンボリックAIは、AI研究の初期数十年間は主流でしたが、近年ではニューラルアプローチに取って代わられています。両方のアプローチを融合させることで、理論的には学習と論理的推論の両方を備えたシステムを実現できる可能性があります。
その他の有望な研究方向としては、システムが物理的環境またはシミュレートされた環境との相互作用を通じて学習する具現化 AI、システムが以前の知識を失うことなく機能を拡張できる継続的学習、自ら探索して学習する内発的動機付けのシステムなどがあります。
これらの追加技術をもってしても、クリシュナ氏は慎重な姿勢を崩していません。この拡張アプローチがAGIにつながるかどうか尋ねられた場合、「おそらく」としか答えないでしょう。この慎重な姿勢は、数十年にわたりAIに取り組んできた専門家の間でさえ不確実性が存在することを浮き彫りにしています。AGIの開発は、単に計算能力やデータ量の問題ではなく、知能そのものの本質に関する根本的な新たな知見が必要となる可能性があります。
に適し：
今日の生産的AIのパラドックス
AGIや大規模なデータセンター投資の経済性については懐疑的な見方をしているものの、クリシュナ氏はAI悲観論者では決してありません。むしろ、現在のAIツールとそれがビジネス界に与える影響について熱心に語ります。彼は、これらのテクノロジーが企業に数兆ドル規模の生産性向上をもたらすと確信しています。
この区別は、彼の立場を理解する上で中心的な要素です。クリシュナ氏はAIそのものの価値を疑っているのではなく、むしろAI業界が歩んできた特定の道筋の経済的実現可能性を疑っているのです。今日のAIシステム、特に大規模言語モデルは、8兆米ドルものインフラ投資を必要とせずに、既に多くの分野で生産性の大幅な向上を実現しています。
IBM自身も、こうした生産性向上の顕著な例を示しています。同社は2023年1月以降、自社の業務にAIと自動化を包括的に導入し、2025年末までに45億ドルの生産性向上を達成すると見込んでいます。IBMが「Client Zero」と呼ぶこの取り組みには、ハイブリッドクラウド・インフラストラクチャ、AIおよび自動化技術、そして様々な事業部門にわたるコンサルティングの専門知識の導入が含まれています。
この変革による具体的な成果は目覚ましいものがあります。IBMはカスタマーサービスにAIを活用したツールを導入し、問い合わせの70%を解決し、解決時間を26%短縮しました。全事業部門で約27万人の従業員が、複雑なワークフローを調整し、人間の従業員をサポートするエージェント型AIシステムを導入しています。
このタイプのAIアプリケーションは、大規模な新データセンターを必要とせず、既存のインフラストラクチャを活用できます。汎用知能の仮説的な開発ではなく、AIが実証可能な改善をもたらす具体的なユースケースに焦点を当てています。これがクリシュナ氏の主張の核心です。この技術は価値があり、変革をもたらしますが、AGIの追求に数兆ドルを投資するという現在のアプローチは経済的に持続可能ではありません。
マッキンゼーの調査によると、生成AIは分析された63のユースケースにおいて、年間2.6兆ドルから4.4兆ドルの経済価値を生み出す可能性があると推定されています。現在他のタスクに使用されているソフトウェアに生成AIを組み込むことによる影響を考慮すると、この推定値は約2倍になる可能性があります。こうした生産性向上は、2040年までの労働生産性の年間成長率を0.1～0.6パーセントポイント押し上げる可能性があります。
テクノロジー大手の異なる戦略
クリシュナ氏が懸念を表明する一方で、他のテクノロジー大手はAIインフラへの投資を倍増させています。ビッグ4の支出は、この投資サイクルの規模の大きさを物語っています。マイクロソフトは2025年度にAI対応データセンターの構築に約800億ドルを投じる計画で、その半分以上が米国向けとなっています。
Amazonは2025年の設備投資額を約1,250億ドルと発表しており、その大部分はAmazon Web Services（AWS）のAI関連インフラに充てられる。同社は既に、2026年には支出額がさらに増加することを示唆している。Meta Platformsは、2025年の設備投資額を700億ドルから720億ドルと予想しており、これは従来の660億ドルから720億ドルの見積もりから増加している。同社は2026年については、支出額が大幅に増加すると示唆している。
Googleの親会社であるAlphabetは、2025年の設備投資額を910億ドルから930億ドルと予想しており、これは以前の850億ドルから増加した。これら4社を合わせると、2025年には3,500億ドルから4,000億ドルの支出を計画しており、これは2年前の2倍以上となる。
これらの巨額投資は、AIサービスからの実際の収益が依然として期待を大きく下回っている状況下で行われています。OpenAIは年間200億ドル以上の収益を報告していますが、依然として利益は出ていません。Microsoftは年間約130億ドルのAI収益を生み出しており、前年比175%の成長を遂げています。一方、MetaはAI直接収益を1ドルも報告していません。
投資額と収益額の乖離は顕著です。モルガン・スタンレーは、AI業界が2028年までにデータセンターに約3兆米ドルを費やすと予測しています。これと比較すると、現在の収益額はごくわずかです。MITが2025年7月に実施した調査によると、AIに投資した企業の約95%がAI技術から利益を上げていないことがわかりました。これらの企業の総支出額は約400億米ドルと推定されています。
懐疑的な声が高まる
クリシュナ氏の警告は、テクノロジー業界や金融業界の様々な分野から高まる懐疑的な声の一部である。こうした懸念は、目先の経済的利益だけでなく、現在の投資動向から生じるシステミックリスクにも焦点を当てている。
経済学者たちは、AIセクターが2025年上半期の米国GDP成長の約3分の2を占めたと指摘しています。JPモルガン・アセット・マネジメントの分析によると、データセンターへのAI関連支出は、数億人の米国消費者の消費総額を上回る経済成長に貢献しました。ハーバード大学の経済学者ジェイソン・ファーマン氏は、データセンターがなければ、2025年上半期のGDP成長率はわずか0.1%にとどまっていただろうと試算しています。
成長が単一セクターに集中することはリスクを伴う。MITの経済学者で2024年ノーベル経済学賞受賞者のダロン・アセモグル氏は、AIの実際の影響は業界の予測よりもはるかに小さい可能性があると主張している。彼は、今後10年間でAIに置き換えられる仕事はわずか5%程度だろうと推定しており、これは一部のテクノロジーリーダーの熱狂的な予測をはるかに下回る数字だ。
バブルへの懸念は、いくつかの要因によって高まっています。テクノロジー企業は、数十億ドル規模の費用をバランスシートから除外するために、特別目的会社（SPV）と呼ばれる金融商品を利用するケースが増えています。ウォール街の資金で運営されるこれらのSPVは、データセンター建設のためのペーパーカンパニーとして機能しています。この慣行は、透明性と企業が実際に負うリスクについて疑問を投げかけています。
アルファベットCEOのサンダー・ピチャイ氏は、2025年11月のBBCのインタビューで、AI投資の急増を異例の出来事と表現する一方で、現在のAIブームに伴うある種の非合理性も認めました。彼は、AIバブルが崩壊すればあらゆる企業が影響を受けるだろうと警告しました。OpenAIのCEOであり、AI推進の最も著名な一人であるサム・アルトマン氏でさえ、2025年8月にAIはバブル状態にある可能性があると認め、市場の状況をドットコムバブルのそれと比較し、多くの賢明な人々が真実の核心に熱狂しすぎていると強調しました。
に適し：
制限要因としてのエネルギー問題
クリシュナ氏が明確に言及していないものの、コスト計算には暗黙的に含まれているもう一つの根本的な問題は、エネルギー供給に関するものです。100ギガワットのデータセンターは、米国の総発電量の約20%を必要とします。これは決して些細な課題ではなく、ビジョン全体を危うくする可能性のあるボトルネックとなり得ます。
国際エネルギー機関（IEA）は、データセンターからの世界の電力需要が2030年までに2倍以上に増加し、2024年の約415テラワット時から900～1,000テラワット時に達し得ると予測しています。AIは2030年までにデータセンターの電力消費量の35～50%を占める可能性があります。米国では、データセンターの電力需要は2035年までに35ギガワットから78ギガワットに増加し、米国の電力消費量の8.6%を占めると予想されています。
この需要は、多くの国が電力網の脱炭素化と再生可能エネルギーの割合増加に取り組んでいる時期に高まっています。課題は、データセンターが24時間365日、安定した電力供給を必要とすることです。風力発電や太陽光発電は不安定で、蓄電ソリューションやバックアップ容量が必要となるため、再生可能エネルギーへの移行はより複雑になります。
データセンターからの二酸化炭素排出量は、2023年の2億1,200万トンから2030年には3億5,500万トンに増加すると予測されていますが、この数値はクリーンエネルギーソリューションの進展速度や効率改善によって大きく変動します。AIによる画像生成プロセス1回あたりの消費電力は、スマートフォンをフル充電するのと同程度です。100万トークンを処理すると、ガソリン車が8～32km走行するのと同量の二酸化炭素が排出されます。
生成AIは、従来のコンピューティング負荷の約7～8倍のエネルギーを必要とします。大規模なAIモデルのトレーニングには、数か月かけて数百世帯分の電力を消費する可能性があります。このエネルギー消費量は、たとえ大規模なデータセンターを建設するための資金があったとしても、これらの施設に電力を供給する物理的なインフラが間に合わない可能性があることを意味します。
に適し：
代替技術の道筋とその重要性
大規模言語モデルの限界をめぐる議論は、代替分野における研究活動の増加につながっています。量子コンピューティングは、現在の限界を克服できる潜在的なブレークスルーであると考える人もいます。2025年10月、Googleは検証可能な量子優位性を実現したWillow量子チップを発表しました。これは古典物理学の限界を超越し、医療、エネルギー、AIなどの分野に新たな可能性を切り開く画期的な出来事でした。
量子コンピュータは、古典コンピュータとは全く異なる原理で動作します。量子ビット（キュービット）は同時に複数の状態をとることができ、従来のシステムでは不可能な規模の並列計算を可能にします。しかし、量子コンピュータは、特にキュービットの安定性に影響を与えるデコヒーレンスなど、大きな課題に直面しています。
量子ビットの安定化における最近のブレークスルーは、スケーラブルな量子コンピュータが今後数年以内に現実のものとなる可能性を示唆しています。PsiQuantumなどの企業は、2020年代末までにWillowの1万倍の規模を持つ量子コンピュータの運用開始を計画しています。これは、材料、医薬品、そして自然界の量子的側面に関する重要な疑問に答えるのに十分な規模のコンピュータです。
量子コンピューティングと人工知能（AI）の融合は、理論的には新たな可能性を切り開く可能性があります。量子アルゴリズムは、重要な医薬品や材料のシミュレーションにおいて200倍以上の性能向上を達成しました。AGIと量子コンピューティングの融合は1～2年以内に実現可能になり、5年以内には人工超知能が実現する可能性があると推測する人もいます。
その他の有望な研究分野としては、チップに電力を供給するために電気ではなく光を使用する光コンピューティングアーキテクチャがあります。2025年11月に発表された「並列光行列-行列乗算（Parallel Optical Matrix-Matrix Multiplication）」と呼ばれるアーキテクチャは、現在のAI開発における最大のボトルネックの一つを解消する可能性があります。従来の光学的手法とは異なり、このアーキテクチャは単一のレーザーパルスで複数のテンソル演算を同時に実行するため、処理速度を大幅に向上させる可能性があります。
IBMの戦略的ポジショニング
クリシュナ氏の立場は、IBMの戦略という文脈で見ると特に興味深い。近年、IBMはハードウェアとインフラ事業のみに注力する事業から、エンタープライズソフトウェア、クラウドサービス、そしてコンサルティングへと意識的に事業の重点をシフトしてきた。同社は従来のIT事業の大部分を売却し、代わりにハイブリッドクラウドソリューションと企業向けAIアプリケーションに注力してきた。
この戦略的方向性は、Microsoft、Amazon、Google、Metaといった企業とは根本的に異なります。これらの企業はいずれも、独自のインフラ構築に多額の投資を行っています。IBMは、企業が透明性、選択肢、柔軟性を備え、独自の条件でAIを導入できるよう支援することに重点を置いています。この理念は、すべての企業が単一のパブリッククラウドを利用するわけではないという考え方、特に規制の厳しい業界や米国以外の企業はハイブリッドなアプローチを好むという考え方を反映しています。
したがって、クリシュナ氏による大規模なインフラ投資への批判は、IBMのアプローチを暗黙のうちに擁護するものとも解釈できる。もし数兆ドル規模のデータセンター投資によるAGIの追求が経済的に実現不可能だとすれば、既存または中程度に拡張されたインフラを基盤として、特定の価値創造型ユースケースに注力するというIBMの戦略を裏付けるものとなるだろう。
同時に、IBMは量子コンピューティングなどの分野にも深く関わっており、これは次世代の技術の波を象徴する可能性のあるものです。同社は量子コンピュータの開発に多額の投資を行っており、この技術の発展に向けて他のテクノロジー企業との提携を進めています。これは、クリシュナ氏がイノベーションや野心的な技術目標に反対しているのではなく、経済的に実現不可能だと考える特定のアプローチに反対していることを示唆しています。
🎯🎯🎯 Xpert.Digitalの5つの専門知識を包括的サービスパッケージで活用 | BD、R&D、XR、PR、デジタル可視性の最適化
Xpert.Digitalの5つの専門知識を包括的サービスパッケージで活用 | R&D、XR、PR、デジタル可視性の最適化 - 画像: Xpert.Digital
Xpert.Digital は、さまざまな業界について深い知識を持っています。 これにより、お客様の特定の市場セグメントの要件と課題に正確に合わせたオーダーメイドの戦略を開発することが可能になります。 継続的に市場動向を分析し、業界の発展をフォローすることで、当社は先見性を持って行動し、革新的なソリューションを提供することができます。 経験と知識を組み合わせることで付加価値を生み出し、お客様に決定的な競争上の優位性を提供します。
詳細については、こちらをご覧ください:
生産性はイエス、AGIはノー：ターゲットを絞ったAIプロジェクトがメガモデルよりも収益性が高い理由
OpenAIリーダーシップの視点
クリシュナ氏の懐疑的な姿勢は、OpenAIのCEOであるサム・アルトマン氏の公式発言とは正反対だ。アルトマン氏は、OpenAIがAGIの実現に向けて巨額の投資を行う用意があると繰り返し強調してきた。同社は今後8年間で、オラクル、ブロードコム、その他のパートナー企業との重要な契約を含め、総額約1兆4000億ドルに上る契約を締結している。
アルトマン氏は、OpenAIが2030年までに年間数千億米ドルの収益を達成すると予測しています。この予測は、システムの性能向上に伴いAIサービスの需要が飛躍的に増加するという仮定に基づいています。OpenAIのビジネスモデルは、企業や個人が高度なAI機能へのアクセスに多額の費用を支払う意思があることに依存しています。
クリシュナ氏はポッドキャストで、アルトマン氏の見解は理解できるものの、共有はできないと述べた。これは非常に外交的な言い方であり、OpenAIのビジョンは尊重するものの、技術的な実現可能性と経済的な実現可能性については根本的に異なる前提を置いていることを示唆している。OpenAIが投資収益を生み出せるかどうかという問いに対し、クリシュナ氏は明確に「ノー」と答えている。
この意見の不一致は、差し迫った変革をもたらす AGI を信じて天文学的な金額を投資する用意のある人々と、より懐疑的で漸進的で経済的に持続可能なアプローチを好む人々との間の、テクノロジー業界における根本的な対立を表しています。
に適し：
減価償却方針と会計基準の役割
AIハードウェアの実際の耐用年数をめぐる議論は、会計と透明性に関する根本的な問題を提起します。企業が資産を減価償却する方法は、報告される利益、ひいては株価と企業価値に直接影響を与えます。
マイケル・バリー氏は、大手テクノロジー企業は減価償却費を抑えて利益を膨らませるために、AIチップの耐用年数を過大評価していると主張している。例えば、Metaが2025年に50億ドルを投じて新しいNVIDIA Blackwellサーバーラックを購入し、5年半かけて減価償却すると、年間の減価償却費は約9億900万ドルに及ぶ。しかし、実際の耐用年数がわずか3年であれば、年間の減価償却費は約16億7000万ドルとなるはずで、これは大きな乖離である。
バリー氏は、こうした寿命延長により、2026年から2028年の間に複数の大企業の利益が合計1,760億ドル増加する可能性があると見積もっています。NVIDIAは2025年11月の社内メモでこの主張に反論し、ハイパースケーラーは実際の寿命と使用傾向に基づいて4～6年かけてGPUを減価償却していると主張しました。同社は、2020年にリリースされたA100などの古いGPUは高い稼働率で使用され続けており、大きな経済的価値を維持していると指摘しました。
現実はおそらくその中間でしょう。GPUは物理的には確かに3年以上動作しますが、より新しく効率的なモデルが市場に投入されると、その経済的価値は急速に低下する可能性があります。重要な要素は価値の連鎖です。最新モデルの学習にはもはや最適ではない古いGPUでも、推論タスクや既に学習済みのモデルの実行には依然として有用です。また、それほど要求の厳しくないアプリケーションに使用したり、中古市場で売却したりすることも可能です。
こうした微妙な差異により、明確な評価は困難です。AIに特化したクラウドプロバイダーであるCoreWeaveは、2023年1月にGPUの減価償却期間を4年から6年に延長しました。批判的な人々は、この決定は収益性を人為的に向上させるための試みだと見ています。一方、賛成派は、ハードウェアの実際の使用状況から判断すると、減価償却期間の延長は正当化されると主張しています。
社会的および政治的側面
AI投資をめぐる議論には、政治的・社会的な側面も存在します。ベンチャーキャピタリストであり、仮想通貨とAIに関するホワイトハウス顧問でもあるデビッド・サックス氏は、2025年11月に、AI投資ブームの反転は景気後退のリスクをもたらすと警告しました。サックス氏の言葉は、経済がAI投資に過度に依存しているため、投資の停止や大幅な減速はマクロ経済に甚大な影響を及ぼすことを示唆しています。
この依存関係は、社会が突然のショックを避けるためだけに、経済的な存続可能性に関わらず投資を継続せざるを得ない状況に自ら陥っているのではないかという疑問を提起する。これは典型的なバブルのダイナミクスであり、合理的な経済的考慮がバブル崩壊の影響への恐怖によって覆い隠されてしまう。
AIへの投資と資源の集中は、機会費用の問題も提起する。AIデータセンターに流入する数兆ドルは、理論上は教育システムの改善、再生可能エネルギーの拡大、インフラ不足への対応など、他の社会的優先事項にも活用できるはずだ。この巨額の資源配分の正当性は、約束された利益が実際に実現するかどうかにかかっている。
同時に、AIは既に目に見える形でプラスの効果をもたらしています。2025年11月に実施されたIBMの調査によると、ドイツでは企業の3分の2がAIによる生産性の大幅な向上を報告しています。AI関連の生産性向上が最も顕著な分野は、ソフトウェア開発とIT、カスタマーサービス、ビジネスプロセス自動化です。ドイツでは、企業の約5分の1がAIを活用した生産性向上イニシアチブを通じて既にROI目標を達成しており、ほぼ半数が12ヶ月以内に投資回収を見込んでいます。
これらの数字は、AI が確かに経済的価値を生み出すことを示していますが、同時に、この価値は必ずしも数兆ドルの投資による AGI の追求から生じるのではなく、よりターゲットを絞った具体的なアプリケーションから生じるというクリシュナ氏の主張を裏付けています。
技術変革の歴史的視点
現在の状況を理解するには、歴史的な類似点を考察することが有益です。1990年代後半のドットコム・バブルは、しばしば教訓として挙げられます。当時、インターネットが変革をもたらすという正当な信念に基づき、巨額の資金がインターネット企業に流入しました。しかし、これらの投資の多くは誤った判断に終わり、2000年のバブル崩壊時には、時価総額が数兆ドルも吹き飛びました。
それでもなお、基盤となる技術は真に変革をもたらす力を持つことが証明されました。危機を乗り越えたAmazonやGoogleといった企業は、世界経済において支配的な勢力となりました。好況期に構築されたインフラは、倒産した企業も含め、その後数十年にわたるデジタル経済の基盤を形成しました。この意味では、たとえ現在の多くのプレーヤーが破綻したとしても、AIインフラへの過剰な投資は長期的には有益であると言えるでしょう。
しかし、重要な違いは資本集約度にあります。第一世代のインターネット企業は、基本的なインフラが整備されれば、比較的低い投資で規模を拡大することができました。ウェブサイトやオンラインサービスは、一度開発すれば、最小限の追加コストで数百万人のユーザーにリーチできます。しかし、特に現在実践されているAIは、このパターンには当てはまりません。大規模な言語モデルへのクエリを実行するたびに、膨大な計算コストが発生します。AIサービスの規模拡大には、インフラの比例的な増強が必要となり、経済性を根本的に変化させます。
もう一つの歴史的な比較は電気の発展です。電気エネルギーが初めて利用可能になったとき、企業が生産プロセスを再設計し、新たな可能性を最大限に活用する方法を習得するには数十年を要しました。当初、工場は蒸気機関を電気モーターに置き換えただけで、それ以外は従来のレイアウトとプロセスを維持していました。真の生産性向上は、技術者と管理者が電気エネルギーの柔軟性を活用し、工場を根本から設計することを習得して初めて実現しました。
AIについても同様かもしれません。現在のアプリケーションは可能性のほんの一部に過ぎず、真の変革は、組織がAIの能力を活用できるよう根本的に組織体制を再構築するまで実現しないかもしれません。これには数年、あるいは数十年かかる可能性があり、現在の投資動向がそれだけの忍耐力を持つかどうかは不透明です。
AI開発の未来
あらゆる懐疑論や警告にもかかわらず、AI開発は継続されるでしょう。問題はAIが重要かどうかではなく、どの道筋が最も有望で経済的に持続可能なのかということです。クリシュナ氏の介入は、AI研究の停止を求めるものではなく、戦略の見直しを求める訴えとして理解できます。
最も可能性の高い展開は、アプローチの多様化です。大規模言語モデルのスケーリングに引き続き多額の投資を続ける企業もあれば、代替の道を模索する企業もあります。ニューロシンボリックアプローチ、マルチモーダルシステム、身体化された知能、継続的な学習、そしてその他の研究分野が並行して追求されるでしょう。量子コンピューティングから光コンピューティングアーキテクチャ、ニューロモルフィックチップに至るまで、ハードウェアにおけるブレークスルーが、この方程式を変える可能性があります。
鍵となるのは、実際に市場で受け入れられるかどうかです。企業や消費者がAIサービスに多額の費用を支払う意思があれば、高額なインフラコストさえも正当化される可能性があります。しかしながら、今のところ、この点は依然として大きな疑問です。ChatGPTや類似のサービスは数百万人のユーザーを魅了していますが、高額を支払う意思のあるユーザーは限られています。ほとんどのユーザーは無料版、あるいは大幅な補助金が支給された版を利用しています。
エンタープライズ分野では状況が多少異なります。ここでは、特定のビジネス課題を解決するAIソリューションに対して、明確な支払い意欲が見られます。マイクロソフトは、企業向けAIサービスの堅調な成長を報告しています。問題は、これらの収益源が巨額の投資を正当化するほど急速に成長できるかどうかです。
に適し：
多次元分析からの知見
アーヴィンド・クリシュナ氏がDecoderポッドキャストで提起した懸念は、歴史上最も重大な経済的・技術的賭けの一つの核心を突いています。彼の主張は、健全な経済原則と技術的理解に基づいています。莫大な資本コスト、ハードウェアの短いライフサイクル、そして現在の技術がAGI（自動生成知能）につながる可能性が低いことを考えると、現在の投資戦略に反する説得力のある反論となります。
同時に、クリシュナ氏の立場には反論がないわけではない。大規模なAI投資を支持する人々は、変革をもたらす技術は往々にして巨額の先行投資を必要とすること、コンピューティングユニットあたりのコストは継続的に低下していること、まだ予測できない新しいビジネスモデルが出現すること、そして世界を一変させる可能性のある技術で後れを取るリスクは、過剰な投資による経済的リスクよりも大きいと主張するだろう。
真実はおそらく、これらの極端な立場の間のどこかにあるでしょう。AIは間違いなく、大きな経済的価値を生み出す重要な変革的技術です。現在の言語モデルとAIアプリケーションはすでに優れた能力を発揮し、多くの分野で目に見える生産性向上をもたらしています。同時に、現在のアプローチを単純にスケールアップするだけで汎用人工知能が実現できるという考えは、主要なAI研究者の間でさえ、ますます議論を呼んでいます。
経済分析は雄弁に物語っています。必要な投資額の巨大さと短期間で莫大な利益を生み出す必要性は、前例のない課題を突きつけています。もしクリシュナ氏の計算が少しでも正確だとすれば、現在の投資戦略が持続可能だとは到底考えられません。
しかし、これは必ずしも災害が差し迫っていることを意味するわけではありません。市場には適応力があります。投資の流れは変化し、ビジネスモデルは進化し、技術革新は経済を根本的に変える可能性があります。テクノロジーの歴史には、当初の懐疑論が覆され、不可能と思われた課題が克服された例が数多くあります。
今後は統合と再評価の時期を迎える可能性が高いでしょう。AI投資の現在の成長率は、いつまでも続くものではありません。投資家やビジネスリーダーは、いずれ実際の収益の証拠を求めるようになるでしょう。魅力的なユースケースと実証可能な経済価値を提供できる企業が繁栄するでしょう。そうでない企業は、戦略の調整や市場からの撤退を迫られるかもしれません。
クリシュナ氏の発言は、熱狂と追いつこうとする衝動に駆られた環境において、注意を怠らないよう促す重要な警告となる。テクノロジー分野での長年の経験と、世界有数の歴史と実績を誇るIT企業の舵取りを担う立場は、彼の言葉に重みを与えている。彼の言葉が正しいかどうかは、時が経てば分かるだろう。しかし確かなのは、成功が保証されていない戦略にさらに数兆ドルを投入する前に、彼が提起する疑問を真剣に受け止め、徹底的に議論する必要があるということだ。
「マネージドAI」（人工知能）によるデジタル変革の新たな次元 - プラットフォーム＆B2Bソリューション | Xpert Consulting
「マネージドAI」（人工知能）によるデジタル変革の新たな次元 – プラットフォーム＆B2Bソリューション | Xpert Consulting - 画像：Xpert.Digital
ここでは、企業がカスタマイズされた AI ソリューションを迅速かつ安全に、高い参入障壁なしに実装する方法を学びます。
マネージドAIプラットフォームは、人工知能（AI）のための包括的な安心パッケージです。複雑なテクノロジー、高価なインフラストラクチャ、長期にわたる開発プロセスに煩わされることなく、専門パートナーからお客様のニーズに合わせたターンキーソリューションを、多くの場合数日以内にご提供いたします。
主なメリットを一目で:
⚡ 迅速な実装：アイデアから運用開始まで、数ヶ月ではなく数日で完了します。私たちは、すぐに価値を生み出す実用的なソリューションを提供します。
🔒 最大限のデータセキュリティ：お客様の機密データはお客様のもとで厳重に管理されます。当社は、第三者とデータを共有することなく、安全かつコンプライアンスに準拠した処理を保証します。
💸 金銭的なリスクなし：成果に対してのみお支払いいただきます。ハードウェア、ソフトウェア、人員への高額な初期投資は一切不要です。
🎯 コアビジネスに集中：得意分野に集中できます。AIソリューションの技術的な実装、運用、保守はすべて当社が担当します。
📈 将来性＆拡張性：AIはお客様と共に成長します。継続的な最適化と拡張性を確保し、モデルを新たな要件に柔軟に適応させます。
詳細については、こちらをご覧ください:
あなたのグローバルマーケティングおよびビジネス開発パートナー
☑️ 私たちのビジネス言語は英語またはドイツ語です
☑️ NEW: 母国語での通信!
Konrad Wolfenstein
喜んで個人アドバイザーとしてあなたと私のチームにお役に立ちたいと思っています。
お問い合わせフォームにご記入 +49 89 89 674 804 (ミュンヘン)までお電話ください。私のメールアドレスは: wolfenstein ∂ xpert.digital
私たちの共同プロジェクトを楽しみにしています。
