Transformer共同開発者Lukasz Kaiser氏「現在のAI集中は"一時的な段階"にすぎない」
ポッドキャスト番組「MTS」が、サンフランシスコで開催された「Open Source AI Summit」の会場から、AI業界の権力集中とオープンソースの可能性について、異なるレイヤーで活動する5人のキーパーソンに話を聞いた。「たった一握りの企業から"唯一の神モデル"を借りる未来」への懸念が語られる一方、各層の当事者たちがオープン性を広げようと動いている実態が浮かび上がった。以下、5人の発言の要点を整理する。
1. Transformer共同開発者Lukasz Kaiser氏 ― 現在の集中は「一時的な段階」
論文「Attention is All You Need」の共著者であるLukasz Kaiser氏は、コーディングエージェントが実用段階に入った2025年末から2026年初頭にかけての転換点を振り返りつつ、AI開発が巨額のデータセンターと大量のデータを要する以上、これを担える大企業に力が集中するのは「現状の技術の性質上、避けがたい」と述べる。ただし「現在のモデルはまだ十分に賢いとは言えない」とし、少ないデータでより賢くなるための研究上のブレークスルーが必要だが、それは"確実に訪れるビジネス上の計画"のようなものではないと指摘。だからこそ大企業は「とにかく規模を拡大する」という、より確実な手段に頼りがちだと説明した。もっとも、Transformerが登場してまだ10年に満たないことを踏まえ、「人間は万能ではないが、それぞれの分野に強い専門家がいる。分散した専門特化モデル群が、単一の巨大な"脳"より優れているという未来は十分にあり得る」と楽観的な見方を示す。実際、自ら購入した最新GPU「RTX 5090」1枚が、かつてTransformer研究に使っていた8基構成のマシンを上回る性能を持つといい、大手研究所が製品開発重視にシフトする中で、むしろオープンソースコミュニティや大学に新たな研究の機会が生まれていると述べた。
2. Linux Foundation/PyTorchのMatt White氏 ― 米国のオープンモデル競争力の遅れ
Linux FoundationとPyTorchでAI関連を率いるMatt White氏は、オープンウェイトモデルの主要な担い手が中国勢である一方、米国が、この分野でリーダーシップを取れていないという「気まずい」現状を指摘する。中国では、ソフトウェアに対価を払う文化が根付いておらず、多くのプロジェクトが、オープンソースで公開される一方、米国では、クローズドなシステムを構築し収益化するインセンティブが強く働くという構造的な違いがあるという。中国の複数のラボは互いに激しく競争しながら、同時に「Artificial Analysis Intelligence Index」のようなランキングでOpenAIやAnthropicといった欧米のクローズドラボを追い抜くことを目指しており、この野心がオープンな公開を後押ししているとした。一方、米国では、コンピュートへのアクセスがOpenAI、Anthropic、SpaceX AI、Metaといった一部の企業に集中しており、これがオープンモデルを手がけるスタートアップの成長を妨げているという。White氏は、米国内に3〜5社規模で競い合うオープンモデル企業群が必要だとし、税制優遇や助成金による後押し、そして、VC(ベンチャーキャピタル)がオープンモデル企業への投資に本腰を入れる必要があると訴えた。
3. MiniMaxのVictor氏 ― オープンウェイトの動画生成モデル「H3」
動画生成モデル「H3」を手がけるMiniMaxのVictor氏は、同モデルをオープンウェイトで公開した狙いについて、「最先端のツールを、コンシューマー向けハードウェアから大規模データセンターまで、誰もが自分のスタックに合わせて最適化できる形で届けたかった」と説明する。特定のハードウェアやAIスタックに縛られない自由度こそが、クローズドな選択肢では実現しない種類のイノベーションを生み出しているとし、これがH3が急速に注目を集めている理由の一つだと述べた。
4. Fireworks AI共同創業者Dmitry氏 ― 企業が自社の"知性"を所有する重要性
企業が自社データでモデルを訓練・カスタマイズし、独自の"知性"を保有できるようにするFireworks AIの共同創業者Dmitry氏は、「一握りの企業から"唯一の神モデル"を借りるだけの未来」がもたらすリスクを指摘する。汎用モデルは、インターネット上の公開データから学習するが、組織固有の知見やデータの多く(推計で全データの9割程度)は、組織内に非公開のまま眠っているといい、それを活用するには自社データでの追加学習が欠かせないとした。また、推論のためだけであっても、外部への機密データ送信には保持ポリシー上の懸念があり、何十年もかけて蓄積した独自の知見を、将来的に競合になり得る外部企業に事実上"外注"してしまうリスクがあると警告する。象徴的な懸念として、外部提供モデルが予告なく量子化・簡素化されたり、ガードレールが変更されたりする不確実性も挙げた。Fireworks AIが目指すのは、GLMやNemotronといったオープンウェイトの基盤モデルに、企業固有のデータで教師ありファインチューニングや強化学習を施し、より小さなモデルでも高品質・高速・低コストを同時に実現するという未来だという。もっとも、こうした評価基準の設計やデータ駆動型の開発手法そのものが、業界全体としてまだ十分に浸透していない"次世代のソフトウェアエンジニアリングスキル"であり、最大のボトルネックはそこにあると述べた。
5. NVIDIAのJean Kossaifi氏 ― オープンソースが支える科学的発見の未来
NVIDIAでAIエンジニアリング研究を率いるJean Kossaifi氏は、「誤差逆伝播法からCNN、Transformer、そして今日使われているあらゆるモデルに至るまで、現代のAIはすべてオープンソースの上に成り立っている」と強調する。自身の研究成果もモデルの重みから学習コードまで完全にオープンソースで公開しているといい、「一つの研究所だけで解決できるほど、研究は単純ではない」とし、誰もが構築・検証できるオープンなエコシステムこそが次世代の科学的発見を支える基盤になると語った。ニューラルオペレーターの研究が学術界から生まれ、産業界によってスケールされてきた経緯を例に挙げ、独自に気象予報を運用する余裕のない国々が、公開されたモデルを活用できるようになることの意義を説明した。一方で、今後の大きな課題としてコンピュートへのアクセス集中を挙げ、これが「利用できるコンピュート量によってどのモデルを使えるかが決まってしまう」世界につながりかねないと懸念を示す。あわせて、オープンソースが可能にする「自国のデータで自国のモデルを動かす」ソブリンAIの重要性にも言及し、プライバシー保護と技術革新のバランスをどう取るかは「規制しすぎればエコシステムを殺し、規制が緩すぎれば行き過ぎを招く、非常に難しい問題だ」と述べた。
