GPT-6後、計算能力急騰の物語は再び意味を持つのか？

9月3日のGPT-6 Astra発表後、半導体・メモリー株がまず反発した。9月4日にはSOXXが1日で3.5%上昇し、マイクロンは6.1%高、サンディスクは11.9%急騰。9月7日には韓国KOSPIが4.61%上昇し、サムスン電子は5.7%高、SKハイニックスは約8%上昇した。
これに先立ち、AI設備投資の過熱感や計算能力需要のピークアウト懸念から、関連セクターは長らく変動していた。MarketWatchはこの上昇を、Astraが「メモリーチップ取引を再燃させた」とさえ表現した。

『The Nvidia Way』の著者で元バロンズのテクノロジー記者であるテ・キムは、より過激な説明を提示した：AIは過去4年間で4回目の指数関数的な計算能力需要の成長期に入りつつあるかもしれない。

最初の3回はチャットボット、推論、コーディングエージェントによるもので、4回目は今回Astraが重点的に披露したコンピューター操作（Computer Use）になる可能性がある。キムのロジックは、チャットボットが数億人に推論能力の消費を可能にし、推論モデルは各回答により多くの計算を必要とし、コーディングエージェントはモデルを「一度だけ答える」ものから、数十分、場合によっては数時間も継続的に作業するものへと変えた。そして今、コンピューター操作は、継続的に動作するエージェントをプログラマーから、Excel、Blender、CAD、Power BI、ブラウザを使う一般の知識労働者へと拡大する。

キムは長年Nvidiaと半導体投資に焦点を当てており、彼のニュースレター「Key Context」はテクノロジー投資判断を中心に据え、最近の記事はAIインフラに肯定的な姿勢を示している。

したがって、「4回目の指数関数的成長」は主にAI計算能力強気派が提唱する投資仮説であり、すでに検証された産業ルールではない。しかし、そのタイミングは非常に微妙だ。

Astraの発表前、エージェントパラダイムはちょうど「能力の壁」への懐疑にさらされていた。短いタスクはますます強力になる一方、長期的・多段階・実ソフトウェア環境に入ると信頼性が著しく低下し、それが前述の計算能力需要ピークアウトへの疑念にもつながっていた。エージェントの能力上限を突破できなければ、計算能力の継続的成長という物語は成り立たなくなる。

Astraは本当にこの上限を突破できるのか？

人間の1労働日はエージェントの3.1労働日に相当

AI計算能力の最初の3回の「指数関数的成長」とは、過去数年間で利用パラダイムが変わるたびに、ユーザーが消費できる計算量が大幅に増加したことを指す。

ChatGPTは推論を初めて主流市場にもたらし、推論モデルは一つの質問に対してより長い内部計算を行うようになり、コーディングエージェントの時代には、簡単な指示がコードを読み、修正し、テストし、エラーをチェックし、再修正するという連続ループを引き起こすようになった。

同時に、エージェントは「人間は1日8時間しか働けない」という物理的制限を突破し始めている。

9月6日、OpenAIは一連の内部データを開示した。今年8月中旬までに、同社の研究者のうち50パーセンタイルの者は、コーディングエージェントを使って公開API価格換算で1日あたり600ドルを超える推論量を消費しており、90パーセンタイルの研究者は1日あたり7000ドルを超えていた。Business InsiderがOpenAIのデータをまとめたところによると、7月の中央値はわずか約162ドルで、わずか1か月余りで約3.7倍に増加したことになる。 図：8月中旬時点で、OpenAI研究部門の人間の1労働日はエージェントの3.1労働日に相当。研究者が1日に使用する推論量の中央値はAPI価格換算で600ドル超。

これは内部使用量をAPI価格に換算したもので、「単一ユーザーの推論強度」に近い。

6月以前、OpenAI研究部門の全エージェントの合計稼働時間は研究者自身の労働時間を超えていなかったが、8月中旬までに人間の1労働日はエージェントの3.1労働日に相当するようになった。複数のエージェントを同時に実行する研究者も増えている。

これは、エージェントパラダイムの後、一人のユーザーの背後で並行して作業できる複数の「デジタルプロセス」が出現し始め、「人間の入力速度」という物理的制限に縛られなくなったことを意味する。今や一人で3つや4つのエージェントを継続的に稼働させ、エージェントにサブエージェントを作らせることさえ可能だ。

計算能力需要の測定単位は、ユーザーの背後で同時に何個のエージェントが稼働し、それらが1日何時間働くかに変わるかもしれない。

コンピューター操作が作業空間を拡大する

コーディングエージェントは急速に成長しているが、依然として明確な境界がある。複数のエージェントタスクを実行しているのはほとんどがプログラマーであり、彼らは世界の知識労働者人口のごく一部にすぎない。

コンピューター操作はその空間をさらに拡大する。Astraの発表後、キムは自らテストを行った。彼は以前Blenderの使い方を知らなかったため、Astraにスペースシャトルを調査させ、Blenderを開かせ、Mac上で3Dモデリングを完了させた。約10分後、回転可能なモデルが作成された。

通常の対話はおおよそ「入力---推論---出力」の流れをたどる。コーディングエージェントは「コードを読む---推論---修正---テスト---再推論」となり、コンピューター操作はさらに「画面を見る---インターフェースを理解する---行動を決定する---実行する---結果を待つ---再観察する---検証する---エラーを修正する」へと進化する。

人間なら10分で済むタスクでも、AIの背後では数十回の視覚理解、推論、ツール呼び出しが行われる可能性がある。

この能力がExcel、Salesforce、SAP、Power BI、Photoshop、CAD、そしてさまざまな企業内部システムに入り込めば、潜在的なユーザーベースはコンピューターの前に座るほぼすべての知識労働者に拡大する。

これがキムの言う「4回目の需要」の中核である：

コーディングエージェントはプログラマーのコンピューター時間を消費しようとし、コンピューター操作はすべてのホワイトカラーのコンピューター時間を消費しようとしている。

しかし、今のところこれは可能性にすぎない。

OpenAIはAstra発表後のコンピューター操作タスクの量を開示しておらず、単一ユーザーのトークン使用量、GPU使用率、推論スループットの日次曲線も公表していない。したがって、「Astraが4回目の計算能力成長をもたらした」と断定することはできない。

計算能力は本当に逼迫し始めたのか？

Astraの発表後、Tencent Technologyは、一部の開発者コミュニティで定量化は難しいが注目に値するフィードバックが報告されていることに気づいた。ユーザーエクスペリエンスが地域やアカウントによって異なり始めたようだ。

アジア太平洋地域の一部の開発者は、最近ChatGPTとCodexの応答が遅くなり、複雑なタスクの安定性が米国アカウントほど良くないと報告している。コミュニティではこの体験を「劣化（dumbing down）」と呼んでいる。

少なくともその一部は完全に主観的なものではない。

9月4日、OpenAIの公式ステータスページはアジア太平洋地域のサービスでパフォーマンス低下が発生し、ChatGPT、Work、Codex Cloudを含む複数の製品に影響したと報告した。4日後、OpenAIはNvidia支援のデータセンター運営会社Firmusと複数年契約を発表し、マレーシアの2つのデータセンターから専用の計算能力を確保するとした。

同様に、OpenAIがAstraによる負荷増加のためにアジア太平洋ユーザーのモデル推論予算を削減したり、より弱いモデルに切り替えたりしたという証拠は現在のところない。

アジア太平洋地域で言われる「劣化」には、少なくとも3つの異なる要因が混在している可能性がある：地域のインフラとルーティングの問題、アカウントレベルのリスク管理とレート制限、ピーク時の動的リソーススケジューリング。これらはユーザー側では、パフォーマンスの低下、失敗率の上昇、ツール呼び出しの中断、さらには複雑なタスクの最終回答の質低下として現れる可能性がある。

しかし、このフィードバックはAI計算能力への圧力を観察する別の方法を提供している。

モデルが継続的に計算を消費する能力を高めるにつれて、供給の逼迫はまず、異なる地域やアカウント間でのレイテンシ、失敗率、サービス品質の変動として現れるかもしれない。

問題は、この判断には現在、最も重要なデータセットが欠けていることだ：

同じモデル、同じプラン、同じタスクで、異なる地域間でファーストトークンレイテンシ、総推論時間、ツール成功率、最終タスク完了率に安定した差があるかどうか。

このデータが得られるまで、「劣化」は計算能力逼迫の証拠ではなく、手がかりにすぎない。

図：9月8日、あるユーザーがGPT-6 Astraから「容量満杯」と表示されたプロンプトを共有し、自分の4つのアカウントすべてが正常に機能せず、システムが他のモデルへの切り替えを提案したと述べた。Tiboはリツイートで「we are so back」と冗談を言い、「モデル満負荷」をAI需要回復のシグナルと見なした。

資本市場は再び賭け始めた

Astra発表後の実際の計算能力使用曲線は公開されていないが、資本市場はすでに「AI需要はまだピークに達していない」という物語で取引している。

MarketWatchは、Astra発表後にiShares Semiconductor ETFが約3.5%上昇し、サムスン、SKハイニックス、キオクシアなどのメモリー関連企業がさらに強い動きを見せたと報じた。海外メディアはこの市場の動きを、Astraが「メモリーチップ取引を再燃させた」と直接表現した。

注目すべきは、この上昇で最も目立ったのがNvidiaではなくメモリーだったことだ。

コンピューター操作が本当にエージェントを実行する持続的なワークロードになれば、必要となるのはGPU計算だけではない。より長いコンテキスト、KVキャッシュ、並行エージェント、仮想マシン、ブラウザ、ソフトウェア環境が、HBM、DRAM、CPU、ネットワーキング、ストレージへの需要を押し上げ続ける可能性がある。

したがって、最近の資本市場の取引は完全に「GPT-6がより強力になった」というものではなく、主なロジックは依然として：より賢いモデルが、ユーザーがより多くの計算能力を購入する意欲につながるか？

これは、このラウンドのAIインフラ物語が従来のソフトウェアと最も異なる点でもある。

従来のソフトウェアは最適化が進むほど、単一ユーザーが必要とするサーバーリソースは少なくなる可能性がある。

逆に、生成AIは逆の「ジェボンズのパラドックス」を示す可能性がある：モデルが効率的になり、タスク成功率が高まるほど、人々はより多くの、より長い、より複雑な仕事をAIに委任する意欲を持ち、最終的に総計算能力消費量の増加につながる。

ただし、資本市場にも独自の「立場」があるため、注意が必要だ。

AIインフラはこれ以前にすでに大幅な成長と調整を経験しており、半導体株も今年、過熱した設備投資とクラウドベンダーのフリーキャッシュフロー減少により顕著な調整を見せた。したがって、Astraがもたらした数日間の反発は、投資家が再び賭け始めたことを示すにすぎず、4回目の計算能力需要が本当に出現したことを証明するには不十分だ。

経済的計算

キムの判断は最終的に、より実践的な3つの問いにかかっている。

第一は依然として信頼性だ。

実際のビジネス運用は一度きりのデモではない。エージェントがERP、財務モデル、エンジニアリングソフトウェアを数時間連続で運用し、ポップアップ、権限変更、データ更新が発生しても正確さを維持できるかは、まったく別の問題だ。

第二はコストだ。

将来、コンピューター操作が人間の1時間のコンピューター使用に相当する作業を完了するのに、実際にいくらかかるのか？

AIが従業員の50ドルのタスクを10ドルで完了できれば、需要は容易に爆発する。100ドルかかれば、市場の可能性はまったく異なる。

OpenAIの1日600ドルという数字は、エージェントが巨大な需要を生み出せる一方で、この働き方が今日でもまだ非常に高価である可能性を示唆している。

第三の問い：コンピューター操作は最終的に自らの需要の一部を消滅させるのか？

現在、モデルが画面を見てボタンを探す必要があるのは、既存のソフトウェアが人間向けに設計されているからだ。Salesforce、Microsoft、Adobe、あるいは企業内部システムが直接API、MCP、エージェントインターフェースを開放し始めれば、多くのタスクはマウスやキーボードの動作をシミュレートする必要がなくなる。

より可能性の高い結果は、コンピューター操作とツール使用の融合だ。構造化されたインターフェースがある場所では直接呼び出し、インターフェースがない、あるいは変更が難しい古いシステムでは視覚的操作が続く。

したがって、コンピューター操作が本当に開く市場は、「AIに永遠に人間のようにコンピューターをクリックさせる」ことではなく、「私の人間の主人があなたのソフトウェアをクリックすることを私に許可したので、あなたは私を制御できない」というアプローチを通じて、エージェントが既存のアプリケーションエコシステムを突破できるようにすることかもしれない。エージェントはついに、自動化がこれまでカバーできなかった最後の大きな作業環境に入ることができる。

これは、キムが「4回目の指数関数的成長」と呼ぶものの真に検証する価値のある部分でもある：「コンピューター操作は踏み石なのか、それとも本当に別のパラダイムシフトなのか？」

GPT-6の後、エージェントが壁にぶつかったことでますます説明が難しくなっていた計算能力の物語は、再び一貫性を持つのか？

資本市場は再び賭け始めた。

生成AIの爆発後、市場は「計算能力成長」の弱気派の顔を叩き続けている。今回は違うのだろうか？