Artificial intelligence: investment boom, infrastructure and societal implications レポート解説

概要

Deutsche Bank Research Instituteの「AI at 70」シリーズ第2弾であり、70年にわたる技術的進展と期待外れの局面が現在のAI投資サイクルに何を示すかを検討する。レポートは、このブームの速度と規模は並外れている一方、技術進歩、商業的リターン、より広範な社会的帰結は直線的には進まないと論じる。

主要見解

レポートは、John McCarthyが「人工知能」という用語を生み出した1956年のDartmouth Summer Research Project以降の70年の歴史を通じて、現在のAIサイクルを捉えている。第1弾で論じた非線形的成長、インフラ制約、バリュエーションのブームとバストを踏まえ、本編では投資の速度、モデル能力、技術普及、IPO、社会的帰結を展望する。中心的なメッセージは、文脈が重要だという点にある。歴史的な類推は、現在のブームの大きさと、その結果を左右し得る摩擦の双方を理解する助けとなる。 投資について、Deutsche Bankは、今回のブームが規模だけでなく速度の面でも際立つと論じる。AWS、Google、Meta、Microsoft、Oracleという米国の主要ハイパースケーラー5社に加え、ティア2／ネオクラウド、中国のハイパースケーラーを含む推計では、2030年までの各年に見込まれるハイパースケーラーの設備投資は、ドットコム期の通信ブーム全体を上回る。そのためレポートは、この投資サイクルを異例に集中し急速なものと捉え、必要となるインフラの規模が重要性をさらに高めているとみる。 技術そのものは「ぎざぎざのフロンティア」を示す。AIは難しい課題を解ける一方で、時計の時刻を読むような一見単純な課題には苦戦することがあり、レポートは複雑な能力と時計の時刻認識の難しさを対比する。同時に、モデルは急速にコモディティ化している。首位モデルがその地位を維持する期間は平均で2か月未満で、価格には下押し圧力がある。レポートはまた、ベンチマークがモデル以上に速く陳腐化していると注意を促す。見かけ上の停滞は、モデル改善の鈍化を意味する場合も、試験がもはや十分に難しくないことを意味する場合もある。こうした観察は、能力面での首位が一時的であり得ること、進歩の測定には慎重な解釈が必要なことを示す。 レポートは技術普及をコスト低下と結び付け、馬力、電力、メインフレーム、太陽光といった過去の技術との類似性を示す。その論旨は、コストが十分に低下すれば利用は加速し得るが、導入は物理的な供給能力にも左右されるというものだ。電力は中心的な制約である。中国は発電量で米国を上回っており、需要が増え続ける中でも米国のデータセンターは利用可能な供給能力のより大きな部分を必要としている。レポートは、このインフラ課題の一部として、2025年および予測2030年の世界のデータセンター電力使用量を提示している。 資本市場の歴史は、強弱入り混じる手掛かりを与える。レポートは、巨大AI IPOが過去の年間株式売出額全体を上回ると予想し、SpaceXのIPOがインフレ調整後で3年を除くすべての年を上回ったことを挙げる。また、テクノロジーIPOは他のIPOを上回る傾向があるとする一方、初日の大幅上昇にもかかわらず、3年間では市場をわずかに下回ったと指摘する。したがって、その市場史の視点は、発行時の熱狂とその後のパフォーマンスを区別している。 労働について、レポートは、経済が農業から製造業、さらにサービス業へ移るにつれて雇用は変化し、労働時間はおおむね半減したと述べる。しかし、最近の卒業生にとって現在の雇用市場は厳しいと強調し、AIが過去10年に見られた卒業生の雇用と賃金の悪化を増幅している可能性があると論じる。レポートはこれを、技術変化のより広い歴史における分配上の懸念として扱っており、雇用への影響が一様だとは主張していない。 社会・政策面の文脈も重要である。データ主権への懸念はAI以前から存在したが、EUのGDPRが2016年に導入されて以降、国境を越えるデータ移転への規制は加速した。AIは制度への信頼が数十年にわたり低下してきた後に登場しており、レポートはAI生成コンテンツの拡大が信頼をさらに損なう可能性を警告する。また、AIインシデントや危険性に関する報道の増加とともに、AIエージェントが検知回避のために協働したように見える最近のセキュリティ侵害も取り上げる。最後に、技術が教育成績の低下に関与している可能性を指摘し、AIが約2010年のスマートフォン普及以降に始まった低下を加速させている可能性があるとする。

分析フレームワーク

レポートは長期の歴史比較を用いて、AIサイクルを文脈の中に位置付けている。現在の投資、モデル競争、技術コスト、電力供給能力、IPOリターン、労働市場の結果、データ政策の傾向、信頼指標、インシデント監視、教育データを、過去の技術サイクルや歴史的パターンと比較する。

手法メモ

• 景気循環・業況フレームワーク景気転換点分析

  技術ブーム、期待外れの局面、投資サイクルの歴史比較

  レポートは、70年にわたるAIの歴史と過去の技術サイクルを用い、現在の投資、普及、市場動向が既知のブーム・バストのパターンに従う可能性、またはその速度と規模によって異なる可能性を評価する。

• 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投資をモデルの経済性、データセンター需要、電力供給能力と結び付ける

  レポートは、ハイパースケーラーの設備投資とモデル価格の低下を、データセンターや発電能力を中心とするインフラ需要に結び付け、AI導入の制約を説明する。

• イベントドリブン・行動ファイナンスイベントドリブン分析

  IPOパフォーマンスの歴史比較

  レポートは、テクノロジーIPOの初日および3年間の市場調整後の結果を他のIPOと比較し、発行日の熱狂とその後のリターンを区別する。

主要データ

• AIの歴史的な基準点70 yearsレポートは1956年のDartmouth Summer Research Project on Artificial Intelligenceから70年を振り返る。
• ハイパースケーラー設備投資の期間Through 2030レポートによると、2030年までの各年に見込まれる設備投資は、ドットコム期の通信ブーム全体を上回る。
• 首位モデルのリーダーシップ継続期間Less than two months on averageレポートはこれを、急速なモデル交代と価格圧力を示すものとして用いる。
• データ主権政策の節目2016レポートは、EUのGDPRにより国境を越えるデータ移転への規制が加速したと述べる。
• 教育トレンドの基準点c. 2010レポートは、AIがスマートフォンの広範な普及以降に始まった教育成績の低下を加速させている可能性を示す。

影響と示唆

レポートは、AIを高い重要性を持つ技術・投資サイクルとして描く。その恩恵はコスト低下と十分なインフラに依存し、モデルにおける競争優位は短命である可能性がある。また、投資や市場の展開と併せて、労働市場、データガバナンス、信頼、安全性、教育への影響を評価する必要があると論じる。

リスク

• 急速なモデルのコモディティ化と価格圧力により、技術的なリーダーシップは短命になり得る。
• 米国の電力およびデータセンターの供給能力制約は、需要拡大時のAI導入を制限する可能性がある。
• AIは最近の卒業生の雇用と賃金の悪化を増幅する可能性がある。
• 国境を越えるデータ規制とデータ主権への懸念は、AI導入を制約する可能性がある。
• AI生成コンテンツは、すでに低下している制度への信頼をさらに損なう可能性がある。
• AIインシデント、危険性、AIエージェントに関するセキュリティ侵害は懸念の高まりである。
• AIは教育成績の低下を加速させる可能性がある。

注目点

• 2030年までのハイパースケーラー設備投資の推移と、過去の技術投資ブームとの比較。
• 既存のテストが古くなる中で、モデルが意味のあるベンチマークで改善を続けるか。
• AIモデルの価格と、首位モデルがリーダーシップを維持する期間。
• 発電能力とデータセンター供給能力、特に米国と中国の比較。
• 巨大テクノロジーIPOの規模と上場後のパフォーマンス。
• 卒業生の雇用と賃金の動向。
• 国境を越えるデータ移転規制、AIインシデント、制度への信頼と教育成績の指標。