「モデルが触れるものは全部買え」SF Compute CEO Evan Conrad氏が語る計算資源市場の実像
San Francisco Compute CompanyのCEO、Evan Conrad氏がポッドキャストに出演し、GPUクラスターの売買・サブリース事業を手がける立場から見えてくる、計算資源市場の実像について語った。話題は自社の成り立ちから、AIラボが軒並み「NeoCloud」化していく構造的背景、計算資源価格の今後の見通し、そして、OpenAIやAnthropicが世界の計算資源を独占するのかという議論にまで及んだ。本稿ではその内容を整理して紹介する。
1. San Francisco Compute Companyとは何か
1-1. 起源 ― 破産寸前のAIラボからの転身
Conrad氏は、まず、自社の成り立ちについて語った。同社は、もともと「Jun Lark」という名のAIラボとして始まったが、身の丈に合わない大きさのGPUクラスターを購入してしまい、それをサブリースするか、さもなくば破産するかという状況に追い込まれたという。当時、近くのオフィスに間借りしていた際、たまたま近くにいたNick Arner氏が名付け親となり、そのクラスターの余剰分を販売するためのウェブサイトに「San Francisco Compute」という、100年前の企業を思わせるようなクラシックな社名がつけられたという経緯がある。
1-2. 事業モデル ― サブリースを可能にするオーダーブック
現在の同社は、データセンターを自ら建設し、そこにGPUクラスターを設置したうえで、契約やリースの形で顧客に販売するスーパーコンピューティング企業だと説明する。特徴的なのは、ある顧客から別の顧客へと売買できる「オーダーブック」を構築している点だ。多くの企業が3〜5年といった長期契約でGPU容量を購入する際、それは将来に対する大きな賭けであり、もし読みが外れれば会社自体が立ち行かなくなるリスクを負う。SF Computeを介して購入すれば、そうした極端なリスクを回避でき、Stability AIのような苦境に陥らずに済むというのが同社の狙いだという。Conrad氏は、これはかつて2人だけの小さなAIラボだった自社が直面した問題であると同時に、XAIが直面した問題でもあったと指摘する。XAIはGPUクラスターを自社所有していたためにこの問題を回避できたが、多くのクラウド事業者はそもそも顧客によるサブリースを契約上認めていない、あるいは認めていても翌時間分程度の短期サブリースしか許していないという。
2. 「NeoCloud化」する業界
2-1. すべてのAIラボがNeoCloudになるという見立て
対談では、著名アナリストDylan Patel氏が最近投稿した「収益のあるAI創業者の友人たちは皆、付加価値付きのNeoCloudに姿を変えつつある」という趣旨のツイートが取り上げられた。Conrad氏はこれに同意し、自社もまさに「付加価値付きのNeoCloud」であると認めつつ、自分たちは他社がこの流れに乗るよりも前からその立場にあったと述べた。
その背景として、多くの企業が自前で計算資源を購入したがる理由の一つに、リース契約に伴う「残存価値リスク」への懸念があると説明する。仮にGPUクラスターを購入したものの実際にはそこまで必要なかった場合、せめてそのクラスターを他社に転売できればよいが、現状の市場ではそれが難しいという構造的な問題がある。GPUクラウド事業者からすれば、顧客同士のサブリースを認めてしまうと自社の収益が減ってしまうため、むしろこの問題を放置しておくほうが得になるという利益相反が存在するとも指摘した。
2-2. XAIがAnthropicへ大量の計算資源を売却できた理由
Conrad氏は、XAIが大量の計算資源をAnthropicに売却できた背景についても解説した。XAIは「計算資源が重要になる」という方向性に大きく賭け、クラスターをリースではなく自社所有していたため、タイミングを見計らってAnthropicへの売却という判断を下すことができたという。もし他社からリースしていて、かつサブリースが認められていなければ、XAIもStability AIやWeWorkのような結末をたどっていた可能性が高いとの見方を示した。
3. 計算資源の価格は10倍になるのか
対談相手が、著名投資家Daresh氏の「AIの価値が高まるにつれ、計算資源の価格は10倍になりうる」という主張について問うと、Conrad氏は、価格上昇自体には同意しつつ、複雑な力学が働くと説明した。現在、まとまった規模で購入可能なデータセンター容量はほぼ売り尽くされており、新規容量の構築には物理的に時間を要する。一方で、出力(トークン)の価格を引き上げようとすれば、顧客側の予算制約という壁にぶつかる。実際、年間10億ドル規模をトークン購入に費やしている顧客も存在し、そうした顧客はすでに「9億ドルで済ませたい」という切実なコスト削減圧力にさらされているという。Conrad氏は、まずはこうした顧客からのコスト圧力によって大手ラボ側の値下げ努力が先行し、その限界に達したところで初めて計算資源自体の価格上昇が本格化するだろうとの見通しを示した。
4. OpenAI・Anthropicが世界の計算資源を独占するのか
4-1. 二重計上という落とし穴
Dylan Patel氏らのポッドキャストで語られた、OpenAIとAnthropicが年内に世界の計算資源の大半を掌握するという予測についても議論された。Conrad氏は、まず、実際に「誰がどれだけの計算資源を持っているか」を把握すること自体が難しいと指摘する。たとえば、Microsoftが保有する計算資源とされているものが、実際には大手ラボに転売されている場合もあり、こうした二重計上の問題が実態把握を難しくしているという。それでも、OpenAIとAnthropicが計算資源の大半を握るという見方自体は「概ね妥当な評価」だと同意した。
4-2. 「みんながOpenAIやAnthropicのようになる」という逆説
一方で、Conrad氏は、これを「大手2社が世界を独占する」という文脈で捉えるべきではないと強調する。同氏の見立てでは、あらゆる主要企業が今後「フロンティアラボ」的な振る舞いをするようになるという。かつては「モデルを訓練できる人材はごく少数しかいない」「計算資源こそがボトルネックだ」という前提があったからこそ、大手ラボの優位性が絶対的なものに見えていた。しかし、AI自身がAIを訓練する「オートリサーチ」が本格化すれば、人材というボトルネックはほぼ解消される。残る問題は、データセットや評価環境、計算資源へのアクセスといった「資本コスト」の問題に還元され、これは潤沢なバランスシートを持つ企業であれば誰でも参入できる領域になるという。
4-3. 資本と信用こそが本当のボトルネック
Conrad氏は、OpenAIやAnthropicが持つ優位性は「信用力」だと考えられがちだが、実際には両社は比較的新しい企業であるため、Googleのように数十年の歴史を持つ企業ほどの強固なバランスシートを持っているわけではないと指摘する。実際には、両社は独自にローンを組むのではなく、契約を結んだうえで裏側で融資枠を確保するという、いわば「クレジットラッパー」的な手法を取っているという。今後両社が上場を果たせば、より高い格付けを得て投資適格級の企業になっていくと見られる一方、すでに投資適格級の信用力を持つ企業は他にも数多く存在する。世界には数兆ドル規模の資本が眠っており、それらがOpenAIやAnthropicの複利的な優位性の前でただ手をこまねいているとは考えにくいとConrad氏は強調した。あらゆる大企業が「フロンティアラボ化するか、さもなくば淘汰されるか」の岐路に立たされることになり、実際に多くの企業がこの変化について行けず淘汰されるだろうとも述べた。
5. 人材より計算資源が重要な時代に
対談では、Nvidiaがオープンソースモデルへの投資を強化し、Poolsideへの大型出資や数百人規模のエンジニア採用を進めている動きにも触れられた。計算資源とモデルの両方を握るプレイヤーが勝者になるのではという問いに対し、Conrad氏は、現在の市場環境において人材への大規模投資を計算資源への投資よりも優先することには懐疑的な見方を示した。理由として、モデル自身がモデルを訓練するようになる「オートリサーチ」がまだ十分に認識されていない大きな潮流であり、これが本格化すれば人材そのものが従来ほどのボトルネックではなくなると説明した。その先で重要になるのは、データセット・評価環境・計算資源といったリソースへのアクセスであり、これは事実上「資本コストの問題」に帰着するという。すでに大きなバランスシートと資金調達力を持つ企業群がこの領域に参入してくると見ている。
6. SF Computeが解決するリスクの構造
6-1. 既存クラウドが抱える利益相反
Conrad氏は、あらゆる主要企業がフロンティアラボ化しようとする世界において、最大の課題は、「リスク」だと繰り返し強調した。一般的な大企業がAI活用のために巨大なスーパーコンピューターを自ら構築・運用することは現実的ではなく、かといって既存のGPUクラウド事業者は、顧客同士のサブリースを認めてしまうと自社の収益が減るため、この問題を積極的に解決しようとするインセンティブを持たない。SF Computeはこの構造的な問題への解として、大規模なクラスターを購入しても、そのリスクを転嫁できる仕組みを提供しているのだと説明した。
6-2. 流動性という差別化要因
他のGPUクラウドとの違いを問われたConrad氏は、「流動性」を挙げた。単にクラスターを今すぐ転売できるだけでなく、将来にわたって転売できる仕組みを備えている点、かなりの規模でクラスターを運用・販売できる点が強みだという。また、単なる仲介業者(ブローカー)ではなく、自らデータセンターとGPUクラスターを構築・運用している点も重要だと強調した。同氏は、計算資源市場を大豆のようなコモディティ商品の取引になぞらえる見方に異を唱え、実際には物理的にモノを届ける必要がある以上、単なる仲介役では成立しないと述べた。
7. 投資家への示唆 ― 何を買うべきか
7-1. モデルが触れるものはすべて買え
投資に関する質問に対し、Conrad氏は、「モデルが触れるものはすべて買うべきだ」という原則を示した(投資助言ではないと繰り返し断りながら)。AIモデルが様々なツールやサービスに接続されるようになると、接続された対象は瞬時に品薄になるという。すでにCPUの需給逼迫はこの現象の一例として広く認識されているが、今後はモデルがアクセスできるあらゆる実世界のコモディティ的な資源についても同様の現象が起きると見ている。加えて、ロボティクスという概念全体、そしてそのサプライチェーンに賭けることも合理的な時期にあるとの見方を示した。
7-2. コモディティ化と価値の移動
価値がどこに蓄積されるかという問いに対し、Conrad氏は、クレイトン・クリステンセンの理論を引き合いに出し、ある市場がコモディティ化すると、価値はそのコモディティ化する対象に隣接する部分へと流れていくと説明した。たとえば、AIラボが、2社しか存在しない状況では、GPUクラウドが100社存在するほうがAIラボにとって有利になる(価格交渉力を持てるため)。しかし、AIラボ自体が100社に増えれば、今度は価値がAIラボの顧客側へと移っていく。同氏は、今後何がコモディティ化していくのかを見極め、その隣接領域に賭けることが投資判断の要諦になると述べた。
