- 電力供給の成長が鈍化する一方、チップ出力は指数関数的に増加しており、近い将来AIを動かす電力が足りなくなるという根本的な制約を論じる回。
- Elon は太陽光パネルの5倍の効率を得られる宇宙にAIデータセンターを置くことが、36ヶ月以内に最も経済的になると予測している。
- ロボットやチップ設計から電力戦略まで、テック企業が直面するボトルネックに対して、短期的な痛みに耐えながら根本的に解決しようとする姿勢の大切さが繰り返し強調される。
論点をもう少し詳しく読む
電力供給の停滞がAIスケーリングの本当のボトルネックになる
データセンターの総所有コストの大部分がGPUであり、エネルギーはわずか10～15%に過ぎない。しかし問題は、中国を除く世界中での電力供給がほぼ横ばいであるのに対して、チップの出力は指数関数的に増えているという不均衡にある。つまり、今後数年でAIチップを製造する能力と、それらを実際に稼働させるための電力の間に大きなギャップが生じるということになる。Elon は今年の後半には、すべてのチップを電源に接続することが難しくなるという予測を述べている。
宇宙へのデータセンター移設が経済的に正当化される理由
地上のソーラーパネルよりも宇宙のそれは約5倍の出力効率を持つ。これは昼夜のサイクルや季節性、雲、大気（大気だけで約30%のエネルギー損失をもたらす）が存在しないため。さらに夜間を乗り切るための蓄電池が不要になるため、コストはさらに削減できる。規制面でも、地上での許認可取得は宇宙での施設建設よりはるかに難しく、スケーリングにおいても宇宙のほうが有利だという分析である。
宇宙でのGPU故障への対応と信頼性の問題
GPUのサービング困難が指摘されるのに対して、Elon は最新世代のGPUは信頼性が高いと反論している。新しいGPUには初期不良が発生することがあるが、地上で事前に動作確認してから宇宙に配置することで対応可能だという。一度初期段階のデバッグを完了させれば、その後の信頼性は十分で、宇宙での使用は実質的な問題にはならないという見方である。
テスラのビジョンAIがロボットとロボタクシーに応用される仕組み
テスラが開発した圧縮・相関アルゴリズムは、毎秒1.5ギガバイトのビジュアル入力を毎秒2キロバイトの制御出力に変換する。この原理はロボットにも適用でき、同じテスラAIチップと基本的な手法が使われる。ロボットは車より多くの自由度を持つが、本質的には同じ「フォトンイン、コントロールアウト」の圧縮・相関問題である。ロボット学習の課題は、車のような膨大な走行データがないため、オプティムスアカデミーで数万台のロボットを使った自己遊び学習と、物理シミュレータで閉じるアプローチを取る方針。
短期的な痛みに耐えながらボトルネックを根本解決する必要性
Mark Andreessen の「慢性的な痛みを避けるためなら、どれだけの急性の痛みにも耐える」という指摘を援用しながら、テック企業は目先の困難から目を背けるのではなく、むしろそれに正面から向き合うべきだという論が展開される。宇宙へのデータセンター移設、新しいチップ製造、電力生産の加速など、どれも短期的には大きなコストと複雑性を伴うが、根本的なボトルネックを解消することこそが重要だという一貫した主張である。
XAIが他企業より速くハードウェアをスケールできる競争優位
3～4年の時間軸ではチップ不足が制限要因になり、1年以内ではエネルギー・電力が制限要因になるという分析の下で、XAI が勝者になる可能性は、他社より速くハードウェアと電力をスケールできるという点にある。テック産業ではアイデアの流通は早く、企業間で6ヶ月程度の差に留まるため、結局ハードウェア全体のスケーリング能力で差が付くという見方である。