Unconventional AIのナヴィーン・ラオ氏：米国の電力余剰能力は数年以内に枯渇へ、次の効率性向上はシリコンではなくモデルとマシンの協調設計から生まれる
Unconventional AI創業者へのポッドキャスト・インタビュー（2026年10月24日）
Unconventional AIの創業者であるナヴィーン・ラオ氏は、AIのインフラ構築が厳しい物理的限界に直面しつつあると主張している。米国はこれまで既存送電網の余裕分によってデータセンターへ電力供給を行ってきたが、その余裕は「今後数年以内」に消滅すると同氏は予想する。ラオ氏はMosaicMLを13億ドルでDatabricksに売却した経歴を持つ。Unconventional AIはその後、数億ドルの資金調達を実施しており、直近の資金調達における企業価値はホストの言によれば50億ドルに迫る規模とされる。幅広い話題に及んだポッドキャストの対談の中で、ラオ氏は、物理的スケーリングの終焉を迎えた後も、同社が掲げる「エネルギー第一」のチップ設計アプローチに拡張の余地が残されている理由について、技術的な観点から説明した。
容易に得られる電力はすでに使い果たされた
エネルギーに関するラオ氏の核心的な指摘は、投資家がギガワットを抽象的な概念として捉えているという点にある。同氏は、1ギガワットの発電容量構築に約50億ドルを要する一方、最先端の半導体ファブ（製造拠点）には200億〜300億ドルがかかるとの業界数値を引き合いに出した。「人々はギガワットという言葉を簡単に口にしているが」と彼は語る。「皆さん、これは簡単なことではないのだ」。
ラオ氏によれば、業界はこれまで既存インフラを高稼働率で運用することで電力を確保してきた。米国の送電網は平均して約900ギガワットを出力するが、ピーク時には1.2〜1.3テラワットに達することがあり、データセンターはこのギャップを吸収してきた。同氏はこの緩衝材が間もなく枯渇すると予想しており、その時点で供給の伸びは新規建設のペースへと収束することになる。同氏は、米国が1年間で40ギガワットを追加できるという主張には懐疑的であり、「我々はそんなことを成し遂げたためしがない」と述べた。10ギガワット達成でも好結果であり、そのコストは約5,000億ドルに上ると試算している。
同氏は、中国が20年間で約6倍のスピードでインフラ整備を進め、2023年に総容量で米国を抜いたことに言及した。インフラ展開における計画経済の利点を認めつつも、最先端イノベーションにおける優位性は米国が維持していると主張した。
ラオ氏は、価格面ですでに逼迫の初期兆候が見られると指摘している。メーター裏（behind-the-meter）の契約は個別交渉によるものであるため確たる数値はないものの、買い手は通常のグリッド料金を大幅に上回る価格を支払っており、電力の価値が一般ユーザーよりもデータセンターにとってより高い二極化市場が形成されているという。同氏は、自身の粗削りで自認するところの「自作の計算」として、コンピュートは背後にある電力コストの約5倍で販売できると述べ、これにより事業者は30〜40%高い電力価格を支払っても魅力的な利益率を確保できるとした。Bloom Energy社のアリゾナ州における複数ギガワット規模のプロジェクトについては慎重な見方を示し、「もしそれがうまくいけば素晴らしい」としながらも、「まだ実際に証明されておらず」、その経済性はグリッド電力とは大きく異なると述べた。
これがAIバブルの兆候であるかとの問いに対し、ラオ氏は、負債主導の熱狂の后退は「一時的なノイズにすぎない。何らかのバブルが弾けたわけではない」と答えた。自身は「筋金入りのAI信奉者（AI-pilled）」であると認め、真の試金石はAIサービスに対する需要であり、その需要はまだ表面をかすめた程度にすぎないと語った。
効率性の向上はスタックの上層へ移行した
最も示唆に富んだ技術的枠組みが示されたのは、ラオ氏がコンピューティング効率の3つのレイヤーについて説明した時だった。第1層は物理層であり、ムーアの法則やデナード則を網羅する。同氏によれば、これらの向上は「概ね停止しており」、直近の数世代のGPUはシリコン自体からの改善をほとんど示していない。第2層はコンピューティング・アーキテクチャであり、最近の効率向上の大部分はデータ型を32ビットから16ビット、8ビット、4ビットへと縮小することから得られた。そして第3層が、未開拓の領域であると同氏が呼ぶ、モデルレベルでの局所性（locality）の強制とデータ移動の削減である。
ラオ氏が2年前を振り返って最も後悔しているのは、最上位層にどれほどの「アルファ（超過リターン）」が残されているかを認識していなかったことだという。パラダイムのシフトとして、コンピュータは現在、知見をもたらすためだけに構築されたデバイスとして扱うことが可能になり、その結果としてモデル、アーキテクチャ、物理層を協調設計（コデザイン）できるようになった。「我々はモデルを神聖不可侵なものとして扱わず、エネルギー第一の姿勢で臨んでいる。つまり、我々が行うすべてのことは、エネルギー上の優位性をもたらさなければならない」と同氏は語る。これは、ENIACにまで遡る、速度を最優先して設計されてきた従来のすべてのコンピューティング世代とは異なる点だと指摘した。
また同氏は、ソフトウェアのみの改善は、その下層にあるハードウェアによって頭打ちになると主張した。その例として挙げたのがスパース性（疎性）である。標準的なオフチップメモリを備えたGPUであれば一定の恩恵を捉えることができるが、ハードウェアがそれに特化して設計されていないため、改善幅は限定される。脳が進化の過程でそうしたように、スパース性を活用して構築されたハードウェアであれば、「劇的な効率向上」をもたらす可能性があるという。これが、Etched、Fractile、Olix、Cerebrasをはじめとする企業による特定のワークロード向けチップの専門特化を今後も牽引すると同氏は予想している。
ラオ氏がチップのコモディティ化を予想しない理由
専門特化がNVIDIAのアドレス可能な市場を脅かすかとの質問に対し、ラオ氏は、同社が優れた執行力を発揮し、AIの重要性を早期に認識したことを称賛した。ジェンスン・フアン氏が2014年のGTCで人工知能について語っていた当時、グラフィックスの専門家たちを苛立たせていたことに言及している。また、ハイパースケーラーによるカスタムシリコンの展開は、コモディティ化の証拠とは見なしていない。その理由は、世界が敵対的であるために知性への需要は実質的に無限であり、エネルギーを知性へと変換する必要があり、チップ、システム、クラウド、ネットワークを意味するハードウェアがその変換メカニズムだからである。「それをうまく行えば行うほど、より多くの価値を獲得できる」。
一方で、コモディティ化が実際に起きている領域についてはより率直に語った。エネルギーはすでにコモディティである。知性の一部もそれに追随しつつある。なぜなら、中国製を含めて6カ月経過したオープンモデルでさえ「依然として非常に優れており」、最先端モデルもその期間内にオープンモデルの水準に追いつかれるからだ。これをトマトに例え、コモディティ化しつつも依然として巨大市場であり、利益率は低下していくと述べた。NVIDIAは現在、スタック全体にわたる利益の大部分（ライオンズシェア）を握っており、モデル企業がそれを所有するとは考えていないという。
FireworksやBasetenのような推論プロバイダーについて、ラオ氏は、オープンモデルをハードウェアにマッピングするだけでありモデル自体がコモディティであるため、トークン単価の下落と利益率の圧縮を予想している。その結論として、「今後10年間において、ハードウェアこそが身を置くべき場所であると本気で考えている」と述べた。
市場規模、オープン対クローズ、そして過大評価されているもの
ラオ氏は、推論市場が10年以内に10兆ドルに達し、AIモデル自体も数年以内に1兆ドル市場になると述べた。ジェヴォンズの paradox（ジェヴォンズの悖理）を引き合いに出し、トークン配信における10倍の効率向上は、アプリケーションの裾野が広がることで市場をほぼ10倍に拡大させると指摘した。ロボット工学についてはさらに踏み込み、物理的世界がまだ知性に触れていないため、コーディング市場の「100倍の規模」になると語った。今日の産業用ロボットは知的というよりも単調作業的であるとし、2〜3年以内に実用プロトタイプが登場し、5〜7年以内に本格的な市場が立ち上がると予想している。彼はアプリケーションではなくテクノロジー・スタックに投資しており、モデル開発企業はいずれエンドデバイスの販売に行き着くと見ているほか、Physical Intelligence社のように「タスクからモーター出力への変換」を解決している企業により関心があるという。
トークンの構成比について、3年以内にはトークン・トラフィックの80%がオープンモデルを通過するようになると予測する一方で、支出額については50対50程度に二分されると見ている。スマートフォンを例えに挙げ、Appleは出荷台数で約20%のシェアでありながら利益の80%を握っているのと同様に、フロンティアモデルは少数の重要な課題に対してプレミアム価格を維持し、ルーティン業務はオープンモデルに移行していくだろうとした。
2つのカテゴリに対しては否定的な見解を示した。スタートアップが自動化を試みる「人間が行う標準的な作業」であるカスタマーサポートの自動化は、「今投資すべき最悪の分野」であるとした。また、エージェント型コーディングツールについても、単体市場としては「かなり過大評価されている」とし、価値はモデルプロバイダーに帰属するのであり、ハーネスやIDE（統合開発環境）にスイッチングコスト（粘着性）はないと主張した。「人々はこれらのツール間をかなり流動的に移動している」。Cursor社のエグジット（イグジット）は認めつつも、重要なのはモデルそのものであると述べた。
新たなボトルネックは生成ではなく検証である
ラオ氏は、AIによってアイデアの探索コストが劇的に低下したと語った。かつて自身の研究チームに2週間を要したノイズ伝播に関する疑問の解決は、現在では1時間で完了するという。しかし同氏は、出力の量が検証能力を上回る「AIスラップ（低品質なAI生成コンテンツの氾濫）問題」が生じていると指摘する。「我々は問題を『生成すること』から『検証すること』へとシフトさせた」。検証を所有することが、そのまま生産を所有することを意味するわけではないと警告する。仕様策定やエンドツーエンドのプロセスも同様に重要だからである。
また、エージェントの意思決定が、人間の専門家に与えられているような信頼を得るにはまだ至っていないとの見方を示した。モデルは確率論的であり、多くの選択肢の中から良好な出力を選出するメカニズムはタスク横断的に十分に解明されておらず、長大な意思決定の連鎖は一見堅牢に見えても「完全に間違っている」ことがあるという。状況が変わるにはさらにいくつかのブレイクスルーが必要であり、やがて人々は自分自身よりもエージェントを信頼するようになると同氏は予想している。
研究所、強化学習、そしてポスト・トランスフォーマーの視点
ラオ氏は、直近の機能向上の大半を駆動したのはアーキテクチャではなくデータとトレーニング・カリキュラムであり、事前学習から強化学習、ファインチューニングに至るシーケンスこそが「秘伝のソース（成功の要）」であると主張した。データプロバイダーはコモディティ化に向かっているのではなく、より高品質なデータセットへと移行することで専門特化が進んでいるという。強化学習はコンピュート単体またはドル当たりの効率という点では事前学習よりも劣るが、その価値は、大規模なデータ収集が不可能なタスクにおいて検証可能な報酬とともに機能する点にあると率直に認めた。
主要なAI研究所がディープなアーキテクチャの冒険に踏み出していない理由について、モデルの公開が1カ月遅れるだけで「大惨事」になるからだと指摘した。採用と実行によって急速に最先端に到達したxAIを引き合いに出し、この分野の作業は発明というよりも統合の色彩が濃いと述べた。より深いイノベーションは、Yann LeCun氏やFei-Fei Li氏らが率いるようなスタートアップから生まれ、医薬品開発と同様に大手企業がそれらを買収していくと予想している。また、業界はいずれトランスフォーマーを超えた存在へ移行するだろうとも述べ、複数の軌跡をサンプリングして比較することに依存するトランスフォーマーは、推論を達成する上で非効率な手法であると表現した。
ソフトウェア、サービス、そして雇用
投資について最も辛辣な言葉を述べたのが次の発言だ。「もしあなたが純粋なソフトウェア投資家なのだとしたら、ある意味で終わっている」。フリクションレスなデリバリーを基盤として2010年頃から続いたSaaSブームは、アプリケーションが知能レイヤーを中心とするものに変貌するにつれて終焉を迎えつつあり、20年間というスパンで見ればソフトウェアが巨大市場であるとは考えていないという。それに取って代わるのは、AIと人間を組み合わせた成果報酬型のビジネスであり、法律分野におけるHarveyはその最初の事例であるとした。「これは突き詰めれば、サービス企業のより優れたバージョンにすぎない」というホストの指摘にも同意した。多くの企業が独自データから自社モデルを構築するという見方には懐疑的であり、それは大規模企業しか持ち得ない規模の経済を必要とするため「いささかテクノロジー・オプティミスティック（技術楽観主義的）である」と一蹴した。
AIが開発者の支出を縮小させるかとの問いに対して、ラオ氏は、予算はおおむね横ばいに維持され、代わりに生産高が増加すると予想している。顧客は1週間でバグ修正が完了することを求め、次には1時間での完了を求めるようになり、検証を行う人間は依然として必要とされる。これを、ロボットの導入によって超高層ビルの建設期間が2年から8か月に短縮された結果、同じ数をより速く建てるのではなく、業界が2倍の数のビルを建設するようになった現象に例えた。
ベンチャーリスクの再定義
過去1年間における自身の思考の最大の変化は、投資指標に関する点だという。市場の検証はSaaS時代の習慣にすぎず、コンピューティング、ロボット工学、バイオロジーのように需要が明白なディープテックの課題において重要なのは、技術的な問題における進捗であると主張した。「市場は極めて明白にそこに存在している」。これを規律のない投資と呼ぶ成長株投資家が一定数いることを認めつつ、Unconventional AIはその真逆の立場に真っ向から位置していると語った。さらに、市場が1兆ドル規模に達する局面では、「価格などほとんど意味を持たない」と付け加えた。
もし無限の資源を与えられたらどうするかとの問いに対し、自ら製造部門を立ち上げ、原材料により近づき、コモディティのプロセスに適応させるのではなく自らのニーズに合わせてファブを設計すると答えた。これはイーロン・マスク氏がやっていることに近いという。また、欧州の投資家基盤は野心的なアイデアを支援するにはあまりにも保守的であり、それが同地域における「アイデアのコモディティ化」を生み出していると指摘した。