Artificial intelligence レポート解説

概要

このCitiのAI業界アップデートは、再帰的自己改善、推論コストの低下、アプリケーション層の進歩が、実現されるAI知能とインフラ需要を複利的に高め得るかを検討している。中心的な結論は、安全性とアラインメントへの取り組みはコンピュート配分を変え得るが、AI投資サイクルにおける総コンピュート需要を減らすよりも増やす可能性が高いというものだ。

主要見解

Citiは、再帰的自己改善（RSI）の初期的な証拠を、新たなコンピュート需要源となり得るものと位置付けている。GoogleのDream-RSIや関連する進展は、モデルが後継モデルの開発にますます寄与する可能性を示す。Citiによれば、論点はモデルのリリース時期から、希少なコンピュートをどう配分するかへ移っている。Metaが安全性を優先してMuseを遅らせたとの報道や、そのコンピュートの大半はRSI競争ではなく利用者への提供に充てられているとの発言は、フロンティア開発が安全性、監査可能性、アラインメントとの均衡を図っていることを示す。それでもCitiは、この再配分によってAI需要関連のグローバルCapEx予測である2026年$1T、2027年$1.6Tは変わらないとみている。 レポートは、インフラの自動化をRSIへの重要な橋渡しと捉える。Z.aiのInfra Agentは、GLM-5.3-Flashを2週間未満で本番投入し、100,000超のアクセラレーターでスループットを3倍にし、6日間で62T超のトークン処理に寄与したとされる。Citiは、このツールがRSIにはまだ遠いと強調する一方、自律最適化はモデル開発を加速し、推論およびガバナンス・インフラへの需要を高め得ると考える。高度なサイバーセキュリティ能力を理由としたGLM-5.3の重み公開の遅延と、AI Infra Summitでの議論は、安全性とアラインメントへのコンピュート配分が総コンピュート要件を増やし得るという見方を裏付ける。 より低い導入コストと効率改善は、補完的な需要ドライバーとして示されている。UnslothによるGLM-5.3の量子化は、約81%の精度を維持しつつモデルを83%小型化し、オンプレミスで必要なメモリーとアクセラレーターを減らした。Citiは、導入障壁の低下がオンプレミスAIの採用を広げ、機密データに対する管理を改善し、大規模RSIの条件を整えると論じる。これは、Rampが記録した7セクター中6セクターでの月次採用増加と整合する。別途、平均実現サービングコストは5月28日のピークから54%、7月1日以降43%、前週比2%低下しており、Citiはこれを社内外の利用拡大に対する追い風とみている。 直近週のモデルリリースのペースは鈍化し、プロプライエタリー1件、オープン3件で、前週の5件・6件、4週間前の3件・6件を下回った。しかし過去90日の件数はプロプライエタリー68件、オープン40件に達した。9月初旬の急増を受け、プロプライエタリーのリリースは前月比31%増、オープンは横ばいだった。Citiはまた、8月1日以降のリリースの約69%が各プロバイダーにとって新たな知能水準の高値を記録したと報告している。同社は、月末近くにフロンティア・プロバイダーがモデルをリリースするとの未確認情報が、モデルルーティングの普及にもかかわらず、能力向上がプレミアム利用を再び引き寄せられるかを試す可能性があると指摘する。 最後にCitiは、実現される知能の主要な決定要因が、基盤モデルだけでなくハーネス設計になりつつあると論じる。対話型ARC-AGI-3ベンチマークでは、同じモデルにプロバイダー・アダプター・ハーネスを追加すると、性能は62.71%から99.95%へ37パーセントポイント上昇し、コストは$26.1Kから$18.8Kへ28%低下した。Salesforceも、基盤モデルを変更せずにエージェント・ハーネスを進化させることで、7つのエンタープライズ・エージェント・タスクにおける平均成功率を29.2%から78.0%へ高めた。Citiは、実用上の知能向上におけるハーネス由来の割合が増え、アプリケーション層がプロバイダーと企業の差別化源として重要性を増すと結論付けている。

分析フレームワーク

Citiは、モデルリリース、知能ベンチマーク、価格、利用指標の週次追跡に、AIインフラ、導入最適化、エージェント・ハーネス設計の事例研究を組み合わせている。これらのシグナルを、コンピュート配分、採用、AI関連設備投資への含意に結び付けている。

手法メモ

• 業界・産業分析フレームワーク需給フレームワーク

  AIコンピュートの需給とサービングコストの分析

  Citiは、サービングコスト、コンピュート配分、モデルリリース、インフラ効率の変化を用いて、AI需要とコンピュート要件がどのように推移し得るかを評価している。

• 業界・産業分析フレームワーク産業チェーンの上流・中流・下流波及

  AIインフラから導入への伝達

  レポートは、インフラ自動化とモデルの必要メモリー低下を、導入の拡大、推論利用、ガバナンス需要、AIコンピュート需要に結び付けている。

主要データ

• AI需要関連のグローバルCapEx$1T in 2026; $1.6T in 2027Citiの予測であり、安全性とアラインメントへのコンピュート配分が増えても維持されると同社はみている。
• 平均実現サービングコストDown 54% from the May 28 peak, 43% since July 1, and 2% WoWCitiはサービングコストの低下を利用拡大の追い風と位置付けている。
• Z.ai Infra AgentのスループットTripled across 100K+ accelerators; 62T+ tokens processed in 6 days同システムはGLM-5.3-Flashを2週間未満で本番投入した。
• GLM-5.3の量子化~81% accuracy; 83% smallerCitiはUnslothの量子化を、オンプレミスで必要なメモリーとアクセラレーターを減らす事例として挙げている。
• 最新のモデルリリース1 proprietary and 3 open前週の5件・6件から低下し、過去90日の合計はプロプライエタリー68件、オープン40件だった。
• ARC-AGI-3のハーネス結果99.95% from 62.71%; $18.8K from $26.1K同じモデルで、プロバイダー・アダプター・ハーネスは性能を37パーセントポイント高め、コストを28%低下させた。
• Salesforceのエンタープライズ・エージェント・タスク成功率78.0% from 29.2%7タスクでの改善は、基盤モデルの変更ではなくエージェント・ハーネスの進化によるものだった。

影響と示唆

Citiの分析は、効率向上がAIインフラ需要を必ずしも減らさないことを示す。コスト低下は利用と導入を拡大し得る一方、RSIを志向した開発、安全性、アラインメント、ガバナンスへの対応はコンピュート要件を追加し得る。また、ハーネス設計はアプリケーション層における競争上の差別化源として重要性を増している。

リスク

• GLM-5.3の事例のように、高度なサイバーセキュリティ能力はモデル重みの公開を遅らせる可能性がある。
• 安全性、監査可能性、アラインメントの要件は、フロンティアモデル向けコンピュートのペースと配分を変える可能性がある。

注目点

• 月末近くにフロンティア・プロバイダーがモデルをリリースした場合、モデルルーティング下でも能力向上によってプレミアム利用を再び引き寄せられるか。
• プロバイダーが利用者への提供、モデル開発、安全性、監査可能性、アラインメントの間でコンピュートをどのように配分するか。
• 推論サービングコスト、モデルリリースのペース、導入効率のさらなる変化。
• Meta Connect、OpenAI DevDay、OCP Global Summit、NVIDIA GTCを含む今後のAIおよびインフラ関連イベント。