アセットマネジメント企業グレイスケールの調査責任者ザック・パンドル氏によると、より低コストなモデルと自律型エージェントの普及により、AIトークンの消費量は2030年までに24倍に増加する可能性がある。同社のレポート「Investing for the Compute Bottleneck」で示されたこの見通しでは、こうしたシステムの稼働に必要な物理インフラが依然として制約を受けていることも指摘されている。グレイスケールは、コンピューティングパワーの需要増が効率化の効果を上回ることで、既存のデータセンター、電力供給、GPUへの圧力が強まる可能性があると主張している。

低コスト化するAIモデルが利用を拡大する可能性

コストの低下により、人工知能はアプリケーションや自動化されたワークフローにおいてより利用しやすくなっている。同社によると、Anthropicの最新Sonnetモデルはタスクあたり最大30%低コストで実行できる。一方、低価格のオープンウェイトモデル(パラメータが公開され、誰でもダウンロードして実行可能)との競争が、トークン価格に継続的な下押し圧力をかけている。

トークンはAIモデルが処理・生成するテキストの量を測定する単位であり、開発者はその消費量に応じて支払う。価格が下落するにつれ、企業は以前は実行コストが高すぎたAIの新たな活用法を見出す可能性がある。レポートは、より低コストな知能がより広い採用を支えられるかを検証している。

AIエージェントがコンピューティング需要を倍増させる可能性

OpenAIが最近発表した「dots」は、ユーザーの目標に向けて24時間体制で動作する常時稼働型エージェントである。個別の質問に回答するチャットボットとは異なり、エージェントは単一のワークフロー内で複数のステップを完了できる。例えば、顧客との会議の準備には、ノートの確認、ポートフォリオ変更の分析、議題の作成が必要になる場合がある。

グレイスケールによると、この種のタスクは複雑さに応じて、標準的なチャットボットとの対話の5倍から50倍のトークンを消費する可能性がある。その結果、エージェントはAIモデルの実行に必要な計算である推論の大幅な成長を促す可能性がある。ゴールドマン・サックスは、トークン消費量が2030年までに24倍に増加すると予測しており、同社はこの増加の大部分をエージェントの普及に帰している。

物理インフラはコンピューティングのボトルネックであり続ける

AIモデルは効率化が進んでいるものの、利用の伸びがその効果を上回る場合、コンューティングの総需要は依然として増加しうる。これは、資源の効率が向上すると消費总量が減るどころか増えることがあるとする19世紀の経済学の観察であるジェボンズのパラドックスを想起させる現象である。必要なインフラの供給には時間がかかる。電力の利用可能性、データセンター、GPUは拡大するワークロードを支える上で依然として不可欠であり、その供給の限界がAIの普及とともにコンピューティング能力が拡大する速度を制約する可能性がある。

グレイスケールはまた、個々のAIタスクのコストが下落する中でも、より高いコンピューティング価格での新規契約の締結を最近報告したCoreWeaveを、インフラへの価格圧力が続いている例として挙げた。

パンドル氏の分析は、より低コストなモデルとより高性能なエージェントが、効率化の効果を上回るほど利用を拡大させる可能性があると論じている。このシナリオでは、需要の増大は希少な物理コンピューティングインフラの所有者に利益をもたらす可能性がある。下落するトークンコストと上昇するインフラ価格の均衡がどう変化するかは、Anthropicなどのプロバイダーによるさらなるモデル価格の引き下げ、CoreWeaveのような事業者による契約開示、ゴールドマン・サックスの24倍予測などの需要見積もりの改訂において明らかになるかもしれない。