Perplexity CEOが語る「競合はいない、貢献者がいる」 ― 売上は前年比5倍、個人事業主が年100万ドルを使い、300万ドルを稼ぐ
Perplexityの共同創業者でCEOのアラヴィンド・スリニヴァス氏が、Sourcery with Molly O'Sheaに出演しました。収録は、同社の新しいオフィスで行われています。
冒頭の紹介では、同社が、今週、AIブラウザ「Comet」を全ユーザーに展開していることや、NVIDIAが、同社に、300億ドル超の評価額で投資を検討していると報じられていることが伝えられました。後者は、番組が引用した報道で、本人の発言ではありません。
本記事では発言を整理します。発言は日本語への要約で、逐語訳ではありません。数値や主張は、スリニヴァス氏の発言で、動画内で出典は示されていません。文字起こしには誤認識とみられる箇所があり、不確かな点は末尾の補足にまとめました。本記事は投資助言ではありません。
1. ブランドの核は「好奇心を称えること」
1-1. なぜ「好奇心」なのか
スリニヴァス氏は、Perplexityのブランドの根幹を、「好奇心を称えること」だと述べました。AIが進化するほど、人間が誇れる資質は、好奇心だけになると考えているからです。AIは、人間の好奇心の最良の加速装置で、その目的は、人間の好奇心を加速することだ、という整理です。
同氏は、物理学者デイヴィッド・ドイッチュの考えを引き、人間は、すでに知っているものについても、もう一度見直して、違う視点から考えられる唯一の種だと述べました。AIがすべての問いに答えられるなら、人間の役割は、次の問いを立てることです。人は、問いを立てるように作られているのに、これまでは、答えを出すことが評価される環境で育ってきたと言います。
1-2. 部屋の名前は科学者
オフィスの会議室は、すべて学者の名前がついています。同氏は、これはデミス・ハサビス氏が、DeepMindで始めた発想に影響を受けたと説明しました。他社では、映画の名前をつける例が多かったのに対し、DeepMindでは、科学者の名前をつけ、哲学者の部屋にはテレビを置かず、ホワイトボードで対面で議論するよう設計されていたといいます。
同氏は、トランジスタの発明を例に、あらゆる偉大な発明は、誰かが問いを立てることから始まると述べました。当時は、電話の技術者が現在のソフトウェアエンジニアと同じ数だけいたのに、「真空管より根本的に良いものは作れないか」と問うたのは3人だけで、それが接合型トランジスタにつながったという話です。好きな部屋は、インドの数学者ラマヌジャン(同じ地域の出身)で、人間の直観と好奇心を体現する存在だと語りました。
2. 米国だけで「1兆ドル企業」は作れる
2-1. 米国市場の特性
ホストが、米国だけで1兆ドルの企業を作れるという発言の真意を尋ねると、同氏は、Berkshire HathawayやJPMorganの例を挙げました。
米国は、「再帰的」な国で、気に入った製品には、何度も多く支出する。顧客の生涯価値が高く、支出の余力も大きい
GDPの成長が良く、勤勉で、新しい事業のアイデアを常に出す起業家精神がある
したがって、そのニーズに応えれば、大きな価値を得られる
2-2. Perplexity Computer
この考えを製品にしたのが「Perplexity Computer」です。新しく生まれる会社が、エージェントに任せる有用な仕事の量を最大化し、最も信頼できる、モデル中立のエージェント基盤になるという戦略で、フロンティアモデルと、オープンウェイトモデルを組み合わせて動かします。
同氏は、「1兆ドルになる方法を考えるのではなく、役に立つ方法を考える。大規模に役に立てば、10年後に、気づけば1兆ドルになっている」と述べ、Appleが10億ユーザーを狙ったわけではなく、誰のために何を作るかに絞って、徐々に広げた例を挙げました。
2-3. 採用の「試用」は生存戦略だった
同氏は、創業初期の採用についても語りました。最初の10〜20人には、1週間、一緒に仕事をする試用をしてもらったといいます。それは戦略ではなく、「誰を採用すべきか分からなかった」ための、生き残りの手段でした。創業エンジニアに必要な資質は、その会社に固有で、採点表を作れないため、実際に働いてもらったところ、合う人は、2日ほどで分かったといいます。
2-4. 未来の企業は小さい
同氏は、投資家は、FortuneのトップやS&P 500の企業への販売を成功の指標にしがちだが、これからの米国のGDP成長は、中小・中堅企業から多く生まれるかもしれないと述べました。AIネイティブで、官僚的でなく、資本と人員の効率が高い企業が、これらのツールで速く価値を生むという見方です。
2-5. アメリカンドリーム
同氏は、外部から来た人が、改善したいことのために、お金を投資してもらえる国は、米国以外に思いつかないと述べました。インドの中流家庭の出身で、最初は「就職できれば成功」と考えていたが、周囲の野心に触れて、夢が大きくなったといいます。シリコンバレーは、そのアメリカンドリームの、テック起業における表れだと語りました。
3. 「ユーザーは決して間違っていない」
3-1. ラリー・ペイジ氏からの学び
起業家としての憧れは、ラリー・ペイジ氏だと同氏は述べました。同氏から学んだ哲学が、「ユーザーは決して間違っていない」です。
製品がうまく動かないとき、エンジニアは、つい「こうやれば動く」と利用者に求めますが、本来は、製品を直して、利用者が問題を考えなくて済むようにするべきだというのです。同社は、利用者が間違ったことをしても、正しい方向へ導くか、意図を先読みして実行する設計を目指しています。
3-2. プロンプトの腕前を問わない
AIの能力が進むほど、人々の理解は追いつかないため、プロンプトが下手だ、スキルファイルやサブエージェントを書けないと責めるのは筋違いだと述べました。モデルごとの得意不得意を、利用者が覚える必要はなく、製品の中の仕組み(ハーネス)が選ぶべきだという考えです。
同氏は、スティーブ・ジョブズ氏が、コンピューターを一般の人が使えるものにしようとしたことになぞらえ、いまのAIは、メインフレーム時代のコンピューターのようだと述べました。iPhoneの導入に、顧客ごとに専任の担当者(FDE:フォワード・デプロイド・エンジニア)が必要になったら、成り立たないはずで、いまのAIは、製品が悪いから、FDEが必要になっている面があると言います。AIを使いこなせないのは、「スキルの問題」ではなく「製品の問題」であるべきだという主張です。
4. Perplexityはどう成長したか
4-1. 進化の流れ
同氏が語った、同社の歩みは次のとおりです。
2022年:回答エンジンとして創業
2023年末:複数ステップの検索エージェントに進化
2024年:ディープリサーチ
昨年:ブラウザエージェント
売上は、前年比5倍だといいます。その理由は、エージェントが、人間のコンピューター作業を代わりに行うために、検索、ブラウザ、マルチモデルのハーネスが必要で、同社がちょうど備えていたことだと説明しました。Wi-Fiを切れば、何も仕事ができないのと同じで、エージェントにもウェブへのアクセスが不可欠だという理屈です。クラウド上のサンドボックスで、低い運用コストで動かし、操作は、これまでと同じプロンプトボックスで、スマートフォンからも使えます。
今年は、プロシューマー(個人の高度な利用者)よりも、企業の伸びが大きく、利用者が、自分で導入できる、セルフサーブの形で広がったといいます。
4-2. 年100万ドルを使う「一人会社」
同氏は、ある一人の会社が、同社の製品に年100万ドル超を使っている例を挙げました。その人物は、他社向けにニュースレターを自動化することで、年300万ドルを稼いでいるといいます。それを使う人々は、自分の事業の顧客を獲得しており、「再帰的」だというのが同氏の説明です。
4-3. 「再帰効果」で見るAI
同氏は、AIの製品を、従来の消費者向け製品と同じ「ネットワーク効果」で見るのは誤りだと述べました。10億ユーザーがいなければ失敗だという見方に対し、必要なのは、数百万人規模の流通と、利用の深さだといいます。製品を使うことで、利用者が多く稼げ、その結果、同社が稼げる「再帰効果」が重要だというのが、番組の最後に述べた「最もホットな主張」でした。
5. 「競合はいない。貢献者がいる」
同氏は、同社は、実質的な知的作業と研究のための、唯一の中立的なモデルのオーケストレーターだと述べ、競合ではなく、貢献者がいると表現しました。
新しいフロンティアモデルが出るたびに、同社が提供できる能力が増える
モデル間の競争が価格を下げ、運用コストを下げ、より多くの人に提供できる
運用コストが下がれば、既存の利用者も、さらに使うようになる
モデル、チップ、ツールをまたいで動かせる構造が、時間とともに有利になるという見方です。
6. 「データセンターが、あなたのノートPCに来る」
6-1. ローカルを重視する理由
同氏は、AIを「5層のケーキ」とするジェンスン・フアン氏の整理を引き、チップの層も重要だと述べました。そのうえで、推論をクラウドで行うか、ローカルで行うかの経済性を、次のように説明しています。
チャットのように、文脈が短く、繰り返しの多い処理は、バッチ処理が効くデータセンターが向く。ローカルで行うと、約30倍高くなる
一方、100kトークンなど、文脈が長くなるほど、データセンターの優位は縮み、コスト効率の差は3倍程度、あるいは1倍に近くなる
利用者の文脈は、その人固有のもので、常時動く個人用エージェントでは、モデルの重みより、文脈のウィンドウが重要になる
加えて、データセンターの建設が、AIを広げるうえでの最大のボトルネックだと述べました。系統への接続待ち、許可、住民の反対、ギガワット級の電力、専用の変電所やガスタービンなど、遅く、問題が多いという認識です。一方、すでに数億台あるデバイスが、将来は最大1,000億パラメータのモデルを動かせる可能性があります。同氏の概算では、Appleのチップ1億個が50Wを使えば、ギガワット級になります。ただし、「常にAI用に使われるわけではない、封筒の裏の計算」だと断っています。
6-2. バスと自家用車
同氏は、データセンターを「バス」にたとえました。乗り合いは安いが、それでも人は自分の車を持ちたがります。両方が共存すると述べました。さらに、プライバシーの面もあり、家庭のセンサーやRing、スピーカー、写真、個人的なメッセージなどのすべてを、フロンティアのラボに預けることに、抵抗がある人は多いだろうといいます。同氏は、数学の証明が、学習データに使われる懸念が議論されている話にも触れました(OpenAIの数学の成果をめぐる論争とみられます)。
6-3. NVIDIAとAppleとの取り組み
同社は、両方向のオーケストレーションを用意しています。
金融、法務、医療から、関心が高いといいます。同氏は、「ユーザーは、完全なローカルも、完全なクラウドも望まない。選択肢が欲しい」と述べました。
6-4. ソブリン(主権)型の導入
同社には、政府系ファンドなどから、完全に自分たちが所有するハードウェア上で動く、Perplexity Computerを求める引き合いがあります。同社にも、中身が見えない形です。利点は、データが悪用されないと信頼できること、欠点は、フィードバックによる製品改善ができず、体験が不安定になりうることです。同氏は、ファインチューニングしたオープンウェイトモデルとハーネス、エージェントのループ、セッションのすべてを、自己完結した機器で動かす、オンプレミスのソブリン型の導入を進める意向を示しました。
7. データセンターは作らない
同社は、自社のデータセンターを作る計画はないと、同氏は述べました。ギガワット級の電力を持つ家庭やオフィス、デバイスを生かすほうが、有意義だというのです。クラウドやデータセンターに反対しているわけではなく、同社の製品の成功が、むしろデータセンターの需要を増やすと見ています。ただ、許可、HBMの供給、系統への接続、ガスタービンなど、課題が多く、「そうした問題には関わりたくない」と述べました。
同社が、これを最も解く動機を持つ理由として、モデル、チップ、ローカルのデバイス、クラウドをまたいで、事業モデルのリスクなしに、オーケストレーションできることを挙げました。Microsoftは、WindowsとAzure、OpenAIのモデルが事業と深く結びつくため、同じ動機を持ちにくいかもしれないとも述べています。
8. 「コードを書かせるのではなく、考えさせる」
ホストが、ネオクラウドやコーディングエージェントなど、AI関連の「流行の波」について尋ねると、同氏は次のように答えました。
ネオクラウドの台頭は、トークンとエージェントへの需要の証明で、良い問題。ただ、全員が同じ市場に向かえば、差別化は難しい
同社は、コーディングを追わない。いまのエンジニアのボトルネックは、コードを書くことではなく、問題を解くことだと見ている。仕様、システム設計、制約が分かれば、コードを書くのは、AIでほぼ「解決した問題」だ
欲しいのは、「このクローンを作って」と頼まれて、粗い出力を返すAIではなく、「そもそも作る意味があるのか、事業モデルは何か、制約とセキュリティと市場投入のリスクは何か」まで示し、「それでも作りますか」と聞くAI
そのため、明晰な思考、問題解決、ディープリサーチ、分析、範囲の設定で、最高になることを目指している
同氏は、プラットフォームの価値は、その上で作る人が、信頼して成功できることで、マルチモデルは、製品の機能であると同時に、信頼のシグナルでもあると述べました。
9. セキュリティとHugging Face事件
9-1. 最善は「ローカルで動かす」こと
サイバー脅威への対応について、同氏は、製品のローカル版を動かせることが最善だと述べました。ゲートウェイ型の製品は、提供側を信頼する必要があるのに対し、自分のデバイスとネットワークで動き、完全にエアギャップ(外部遮断)にもできれば、自分だけが信頼の対象になります。NVIDIAとのPortable Computer、Apple上のハイブリッドが、その具体例です。フロンティアを使うときは、慎重になるべきだとも述べました。
9-2. 複数エージェントの脅威
ホストが、Hugging Face事件に触れると、同氏は、これがエージェントの力を示し、複数のエージェントの問題を露わにしたと述べました。
新モデルの公開までの期間は、確実に長くなる。多くは、単一エージェントの環境でテストされ、こうした脅威は見つからない
親エージェントが複数あり、それぞれにサブエージェントがいて、協調するほうが、1つの親にサブエージェントがいる構成よりリスクが高い
安全なサンドボックスと、それを常時見張るバックグラウンドのエージェント、検出用の分類器が要る
同社は、オープンソースで、手元のデバイス向けの「Bumblebee」と、サーバー向けの「Numbat」を出し、監査ログを常時確認し、機微な情報へのアクセスを防ぎ、ログから脅威検出の分類器を作り、警告する
「検出」と「修復」の両方が重要で、どの企業もそのためのエージェントが必要になると述べました。
10. 「全員を科学者にする」
同氏が、次に取り組みたいのは、より長い時間軸の研究タスクです。ウェブの情報から真実を見つけるだけでなく、答えが分かっていない問いについて、予測モデルを作り、実験を回し、仮説を検証・改善するところまで、AIが助けるという構想です。科学者のボトルネックは、アイデアを実世界でテストすることで、それを助けられれば、「全員を科学者にできる」と述べました。
最大の課題は、モデルの能力です。いまのモデルは、長期、持続的、並列で動くには、まだ足りず、人間なしに、エンド・ツー・エンドで自律的に研究できるフロンティアのモデルはありません。特に、数学やコードのように検証できる分野は強くなれるが、多くの好奇心の対象は、真実を検証する方法が明確でなく、実世界での展開と、遅いフィードバックが必要だと述べました。
同氏は、社内で、「優秀な研究インターンを10人、24時間働かせられるなら、何をするか」と問い直す発想で、まずは社内の研究チームから始めるとのことです。
