米国でフロンティア系AIモデルを構築するのは、コストのかかる取り組みとなっている。Reflection AIの「Beam」のようなモデルのトレーニングには約1億ドルかかると推定されており、この価格帯は、モデルの開発コストがわずかな割合で済んでいると報じられる中国勢との差を米ラボが縮めることを難しくする可能性がある。そこに登場するのがNvidiaだ。同チップメーカーは、セクターのベンチャーファンド、家主、そしてハードウェアストアを一度に兼ねるような存在へと変貌を遂げた。

1億ドルのモデルと60億ドルの賭け

Reflection AIは2026年10月5日、Beamを発表した。このモデルは5,010億パラメータのスパースアーキテクチャを採用しており、任意の時点でアクティブになるのは230億パラメータのみという、プロンプトへの応答ごとに必要な計算量を削減する方式だ。強化学習の手法を用いて23.8兆トークンでトレーニングされ、トレーニングランではNvidia GB300データセンター向けGPU 10,500基が4週間にわたり使用された。

Beamは、中国のGLM 5.2比で3〜4倍の推論効率、主要な西側オープンモデル比で4倍以上の効率を提供すると謳われている。推論とは、トレーニング後にモデルがプロンプトに実際に応する際の処理を指すため、推論効率の向上は一回答あたりの提供コストの低下を意味する。同モデルは費用対効果の高い西側の代替として位置づけられているが、特定の中国製モデルに対しては依然として生の性能で差が見られる部分もある。

Beamの発表は、Nvidiaの最近のコミットメントとしては唯一ではない。2026年8月、同チップメーカーはPoolsideと60億ドルのライセンスおよび投資契約を結び、米国におけるオープンウェイトモデルの健全なエコシステム構築を目指している。オープンウェイトモデルとは、トレーニング済みパラメータが公開され、誰でもダウンロード、実行、適応できるモデルのことで、プロバイダーのインターフェースを通じてのみアクセス可能なクローズドモデルとは対照的だ。

中国がコスト優位を保つ理由

競争上の課題の核心にあるのは、価格のミスマッチだ。多くの中国モデルのトレーニングコストは数百万ドル台前半と報じられているのに対し、Beamのような米国の主要モデルは約1億ドルと推定されている。中国のラボは高性能かつ低コストのモデルを次々と投入しており、DeepSeek、GLM、Kimiといったモデルファミリーが西側の開発者に圧力をかけている。

セクターの資金提供者としてのNvidia

Nvidiaの戦略は、チップ販売の域を大きく超えている。同社は新興AI企業への出資を進めており、AIスタートアップへの出資総額は2026年半ばまでに約990億ドルに達した。さらに、5,000億ドル超の動員を目指すコンピュートファイナンスの仕組みを構築し、出資先のスタートアップに対する希少なGPUリソースへのアクセスも拡大している。

AI競争への意味

米国のオープンウェイト構想の大きな部分が、現在ひとつの企業の資本とシリコンを通じて進行している。Nvidiaの支援はスタートアップにとって高いトレーニングコストの打撃を緩和するかもしれないが、1億ドルのモデルは、はるかに少額しか投じていないと報じられるライバルを相手に、その1億ドルを回収しなければならない。

だからこそ、Beamの効率に関する主張が注目すべき数字なのだ。GLM 5.2比で3〜4倍という予測された推論の向上が実際の展開でも裏付けられれば、米ラボはトレーニングコストだけでなく総所有コストで競争する説得力のある論を得ることになる。

Nvidiaの60億ドルのPoolside契約と約990億ドルのスタートアップポートフォリオは、米ラボに余地を与えている。その余地が持続可能なエコシステムへと発展するか、単一の後援者に支えられたままにとどまるかが、今後数年の米国オープンウェイトAIの競争力を形づくることになる。