Patrick O'Shaughnessy：
企業経営者として、あなたはこの事態をどう理解していますか？ほとんど支出がなかったのに、今やそれが給与の25%に達し、さらに増え続けている。どのタイミングで「ちょっと待て、ブレーキをかけるべきか？」と感じるのか？支出を抑えるべきか？例えば、Opus 4.7のような最先端モデルを使い続ける必要はなく、もっと安価なモデルに切り替える選択肢はあるのか？
Patrick O'Shaughnessy：
最終的に、資本を握る投資家や資金提供者、つまりあなたたちのような分析を依頼する人たちが、「自分たちも分析者を雇えばいいのに」と考え始める可能性は？彼らは最も効率的に最大のレバレッジを得るために、これらのデータや洞察を自分たちのものにしようとしないのか？もしこれが簡単になったら、投資機関の内部に資産や情報が集中しすぎてしまうのでは？
Patrick O'Shaughnessy：
今日、飛行機の中でその状況に遭遇した。Opus 4.7がリリースされた瞬間、すぐに使いたくなった。すぐに使おうとしたが、制限に引っかかって使えなかった。もう4.6を使い続けることも想像できない。過去数週間は満足していたのに、明らかに4.6は十分に強力だったのに。
AI時代、トークンの需給戦争の究極の推論
編集者注：AIモデルの能力が持続的に進化し、Claude CodeやCursorなどのツールが企業に大規模に導入される背景の中で、業界の議論は「モデルの強さ」から「モデルの生産現場への進入」へと変わりつつある。しかし、AIのプログラミング、自動化分析、データモデリングが次第に共通認識となる中、より根本的な問題が浮上している。実行コストが急速に引き下げられる中で、真に希少なのは人力や資本なのか、それとも最先端モデルやトークンの使用権なのか？
この記事はPatrick O'ShaughnessyとSemiAnalysis創始者のDylan Patelの対談を整理したものだ。Dylanは長期にわたりAIインフラ、半導体サプライチェーン、モデル経済学に注目しており、この対話では、彼自身の会社Claude Codeの支出増加を出発点に、AIが企業組織、情報サービス、トークン需要、計算力サプライチェーン、社会的感情をどう変えるかを議論している。
この対談で最も注目すべきは、特定のモデルが再びベンチマークを更新することではなく、AI経済を理解する一つの方法を提供している点だ。それは、AIを単なるソフトウェアツールのアップグレードではなく、実行能力、組織効率、産業利益を再配分する生産システムとして捉える視点だ。
この対談は大きく五つの角度から理解できる。
まずは、実行コストの打ち破りだ。 かつてはアイデアそのものが希少だったが、実際にアイデアを製品、システム、提供サービスに変えることが最も難しかった。今やClaude Codeにより、非技術者もコードを書き、アプリを作り、データ分析を行えるようになった。かつては長期にわたりチームで維持管理していた作業が、少数の人とモデルの助けで完結できるようになった。SemiAnalysisのClaude Codeの年次支出は700万ドルに達し、給与支出の四分の一を超えている。これは、AIが単なる効率化ツールから、企業の新たな生産資本へと変貌しつつあることを示している。
次に、情報サービス業界の最前線が書き換えられつつある。 Dylanの事業は分析、コンサルティング、データセットの販売だが、これらはAIによる商品化が最も進む分野だ。チップの逆向分析、エネルギー網のモデリング、マクロ経済指標の構築など、かつては長期投資が必要だった作業も、少数の人が数週間で実用的な製品を作れる時代になった。これにより、AIの圧力は「人を置き換えるかどうか」ではなく、「誰がより早く競合の製品を再構築できるか」に変わる。AIを使わない企業はより早く商品化され、AIを使う企業も標準を引き上げ続ける必要がある。
さらに深いレベルでは、トークンが新たな生産資料に変わりつつある。 かつては企業がソフトウェアのサブスクリプションを購入し、ツールの使いやすさが重要だったが、今や最先端モデルへのアクセス権、レートリミット、企業契約、トークン予算が直接生産能力を左右している。より強力なモデルは必ずしもコスト高ではなく、より賢いトークンの使い方により、少ないステップで高付加価値のタスクを完了できる。競争は「誰が最も強力なモデルを入手し、最も高価なトークンを最も価値の高い場面に使うか」にシフトしている。
この需要はサプライチェーン全体に伝播していく。 トークンの使用量が爆発的に増加し、最終的にはGPU、CPU、メモリ、FPGA、PCB、銅箔、半導体装置、ウエハー工場の資本支出に持続的な圧力をかける。記事で言及されている「鞭の効果（牛鞭効果）」はこの論理の具体例だ。下流のモデル呼び出し需要の増加は、上流に伝わると何倍もの注文や増産、価格上昇に拡大する。AI産業の利益配分は、モデル企業やNVIDIAだけにとどまらず、半導体やデータセンターのサプライチェーンに波及していく。
最後に、AIの社会的反動が早期に到来する可能性もある。 AIが実際にワークフローに入り込むと、雇用代替、エネルギー消費、データセンターの拡張、権力集中への懸念が高まる。Dylanは、3ヶ月以内に大規模な抗議が起きる可能性さえ予測している。モデル企業にとって、「AIは世界を変える」と強調し続けることは不安を和らげるどころか、むしろ一般人の制御喪失への想像を強めるだけだ。今後、AI業界は、技術的能力だけでなく、当面の具体的かつ感知可能な公共価値をどう創出するかを証明し続ける必要がある。
現在、AIの核心的な問題は、「モデルが何をできるか」から「誰がモデルを入手し、どう使い、どのように価値を捕らえるか」へとシフトしている。この意味で、この記事の対象はClaude CodeやAnthropic、あるいは特定のAI企業だけでなく、生産性、資本支出、組織効率、社会的受容性を巡る構造的な再編そのものだ。
以下は原文（読みやすさのため一部整理済み）：
TL; DR
·AIの核心変数は「できるか」から「価値があるか」へと変化し、実行コストの急低下により、真に希少なのはモデルによって拡大できる高付加価値のアイデアだ。
·Claude Codeの支出が給与コストの25%を占めるのは始まりに過ぎず、AIはソフトウェアツールから企業の新たな生産資本へと変貌している。
·最先端モデルの競争は能力の競争ではなく、トークン取得権の争奪戦に変わりつつある。より早く、安定して最強モデルを入手できる者が新たなビジネスの壁を築く可能性が高い。
·情報サービス業界は最も早くAIにより再構築される。データ、分析、研究の生産コストが急速に下がる中、遅れた企業はより早い企業に商品化される。
·トークン需要は旧モデルの価格低下に左右されず、新モデルの登場とともに新たな高付加価値のユースケースが解放され、ユーザーはより高価な最先端モデルへと向かう。
·AIによる最大の変化は、人々の労働時間を減らすことではなく、少数の人が同じ時間で数倍の生産を行えることだ。トークンの価値を創造・捕獲できない者は「永久的な底辺」に閉じ込められる。
·計算資源不足は半導体サプライチェーン全体に伝播し、GPU、CPU、メモリ、PCB、銅箔、装置メーカーまで、AI需要は産業全体の価格推進力となっている。
·AIの経済価値は従来のGDPでは十分に捉えられない。重要なのは、モデル企業の収益だけでなく、トークン生成の意思決定、効率化、連鎖的な影響がどれだけ「幽霊GDP」を生み出しているかだ。
インタビュー原文：
Claude Codeは新たな労働力に
Patrick O'Shaughnessy（司会者）：
あなたは以前、私にとても面白い話をしてくれました。それは、あなたのチームが今年のトークン使用量において大きな変化を迎えた話です。もう一度教えてもらえますか？それによって、この世界で何が起きているのか理解が深まりましたか？
Dylan Patel（SemiAnalysis創始者）：
去年、私たちはすでにAIのヘビーユーザーだと思っていました。みんなChatGPTを使い、Claudeも使い、私もチームにさまざまなサブスクリプションを提供していました。その時点で、会社の支出は数万ドル規模でした。
しかし今年、その支出は急増し始めました。きっかけは去年の12月末、Opusの登場です。これにはDougも含まれます。彼は非技術者がAIを使ってコードを書くことを推進しており、ほぼ会社全体を巻き込んでいます。もちろんエンジニアも使っていますが、今年1月以降、支出は明らかに急上昇し、爆発的に増えました。
その後、私たちはAnthropicと企業契約を結びました。前回話したときは、年次支出は約500万ドルだったのに、今や700万ドルに達しています。
Patrick O'Shaughnessy：
それは先週の数字ですよね。
Dylan Patel：
そうです。その大部分は使用量そのものです。面白いのは、以前はコードを書いたことのなかった人たちもClaude Codeを使い始めており、中には1日で何千ドルも使う人もいます。でも、全体として見ると、私たちのClaude Codeへの年間支出はすでに700万ドルに達し、給与支出の約25%を超えています。
このまま続けば、年末には給与総額の100%を超える可能性もあります。ちょっと怖いですね。幸いなことに、私は「人」と「AI」の二者択一をしなくて済んでいます。会社の成長が速いためです。つまり、急いで人を雇う必要はないけれど、AIにもっと投資できるし、それが効果的で、会社もより早く成長できる。
ただ、他の会社もいずれこの問題に直面するでしょう。もし一人がClaude Codeだけで5人、10人、あるいは15人分の仕事をこなせるなら、次はどうなるのか？まずは、確かに人員を削減すべきかもしれません。次に、これらのシナリオは非常に広範囲です。
例を挙げると、オレゴンに逆向分析の実験室があります。1年半前に設立し、多くの高級装置を備えています。例えば顕微鏡や走査電子顕微鏡です。主な用途はチップの逆向分析で、アーキテクチャの抽出や製造材料の分析です。これも我々が販売しているデータの一つです。
しかし、こうしたデータの分析はこれまで非常に遅い作業でした。今や、チームの一人がClaude Tokenを数千ドル分使ってアプリを作り、GPU加速のアプリをCoreWeaveのサーバー上で動かしています。チップの画像を送るだけで、銅やタンタル、ゲルマニウム、コバルトなどの材料の位置を自動でマークし、有限要素解析を可視化し、完全なグラフィカルインターフェースとダッシュボードを備えたものです。
この人は以前インテルで働いていましたが、彼は言います、「これはかつては完全なチームがやっていた仕事だ」と。今や、これを少数の人がやっているのは信じられないことです。
もう一つ、非常に面白い例があります。Malcolmという元銀行の経済学者です。彼の銀行の経済学部門は100〜200人規模だったと記憶しています。彼が作ったものは非常に驚くべきものです。
彼はさまざまなデータを取り込み、FREDデータ、雇用報告、APIからの他のデータセットも含めて、回帰分析や経済のインフレ・デフレへの影響を分析しています。私たちもいくつかのデータ供給者と契約し、APIアクセスを得ています。彼はすべてのデータを取り込み、AIを使ってどのタスクがAIでできるか評価し、スコア付けしています。結果は、約3%のタスクが今やAIで完結可能だと示しています。
彼はこれを「Phantom GDP（幽霊GDP）」と呼ぶ指標を作り、AIによるタスクの自動化がもたらすデフレ効果を測定しています。生産は増えるかもしれませんが、コストの大幅な低下により、理論上GDPは縮小する可能性もあると。彼はこれを「幽霊GDP」と名付けています。
この概念に基づき、彼は一連の分析と、新たな言語モデルのベンチマークを構築しています。約2000の評価項目を含むものです。
Patrick O'Shaughnessy：
これらはすべて彼一人でやったのですか？
Dylan Patel：
はい、すべて彼一人です。彼は私に言いました、「兄弟、これは以前なら200人の経済学者チームが1年かけてやることだ」と。彼は今やClaudeに完全に没頭しており、「すべてが変わった」と言っています。
Patrick O'Shaughnessy：
企業経営者として、あなたはこの事態をどう理解していますか？ほとんど支出がなかったのに、今やそれが給与の25%に達し、さらに増え続けている。どのタイミングで「ちょっと待て、ブレーキをかけるべきか？」と感じるのか？支出を抑えるべきか？例えば、Opus 4.7のような最先端モデルを使い続ける必要はなく、もっと安価なモデルに切り替える選択肢はあるのか？
Dylan Patel：
根本的に言えば、私は情報ビジネスをやっている。分析を売り、コンサルをし、データセットも作っている。これらは相当速いスピードで商品化されていくと考えている。
もし私が継続的に改善しなければ、最初に売ったデータ製品は、今や多くの人が似たものを作り始めている。私たちがまだ売り続けられるのは、より良く、より詳細に作り込んでいるからだ。しかし、2023年のやり方と今他者がやっていることは、実質的に大きな違いはない。標準を引き上げなければ、商品化されてしまう。動きが遅いと競争に負ける。
だから、AIは多くのものを商品化しているが、迅速に顧客関係を築き、優れたサービスを提供し続け、改善し続ける人は成長し続ける。無能で何もしない者は負ける。
これは生存の問題に近い。AIを使わなければ、他者が使い始めて追い越される。
もう一つ例を挙げると、エネルギー分野だ。過去1年ほど、エネルギー分析の専門家が何人もいて、エネルギーモデルを構築しようとしていた。非常に複雑なモデルで、市場規模は約9億ドル。巨大な市場だが、私たちのチームは1年やっても本格的に参入できていない。
しかし、「Claude Code精神病」がやってきた。データセンターのエネルギーや工業用の担当者JeremyがClaude Codeを使い始めてから、状況は一変した。彼は三週間で多額の費用を使い、一日あたり約6000ドルも投じたが、米国の発電所や送電線のデータを収集し、米国全土の電力網の地図を作り、需要側のデータも取り込んだ。
私たちはこれをダッシュボード化し、米国内の微地域ごとの電力不足や過剰を分析できるようにした。数週間で構築できた。
その後、既存のデータセンターの顧客やエネルギー取引業者に見せたところ、「これ、どれくらいかかった？すごく良いね」と言われた。調査したところ、彼らの中には10年もこの分野に取り組んでいる大手もあった。
もちろん、私たちの製品は彼らほど完成度は高くないが、いくつかの面ではすでに優れている。だから、今やこれらのエネルギーデータサービスを商品化しているわけだ。でも、もし私たちがもっと速く動かなければ、誰かが追いついて商品化してしまう。
だから、企業経営者の視点では、「多くの資金を投じたかどうか」ではなく、「これらの資金が何をもたらしたか」が重要だ。収益増に繋がったなら、その投資は正しい。
Patrick O'Shaughnessy：
最終的に、資本を握る投資家や資金提供者、つまりあなたたちのような分析を依頼する人たちが、「自分たちも分析者を雇えばいいのに」と考え始める可能性は？彼らは最も効率的に最大のレバレッジを得るために、これらのデータや洞察を自分たちのものにしようとしないのか？もしこれが簡単になったら、投資機関の内部に資産や情報が集中しすぎてしまうのでは？
Dylan Patel：
まず、どんな情報サービスも本質的にそうだ。私が得る価値は、顧客が得る価値よりも小さい。
例えば、私が1ドルで情報を売るとする。あなたはその情報を買うことで、1ドル以上の利益を得る決定を下せると知っているから、その1ドルを払う。つまり、あなたはアービトラージの機会を得ているわけだ。私がその情報で稼ぐ額よりも、あなたが得る利益の方が大きい。
投資ファンドも情報サービスを持つ。特にJane StreetやCitadelのような機関は、データに非常に詳しい。にもかかわらず、私たちのデータを買い続けているし、協力も拡大している。
ここには「it factor（決定的要素）」があると感じる。私たちはより早く、柔軟に動き、少人数で、AIインフラとその変革に集中している。早期に方向性を見極め、素早く構築できる。
だから、投資の専門家も、私たちのやっていることを自分たちでやろうとすることもある。でも、多くの場合、私たちのデータを買って、それを基にさらに進める方が安い。もちろん、最終的には自分たちでやる人も出てくるだろう。
トークンが新たな生産資料に
Patrick O'Shaughnessy：
僕は、あなたと話すたびにいつも同じ疑問に戻る。それは、トークンの供給と需要の関係だ。今の世界で最も興味深いのはそこだ。あなたの経験から、需要側について何か新しい理解は得られたか？この点を身をもって感じたことで、トークン需要に対する見方は変わったか？
Dylan Patel：
一歩引いて、マクロ的に見ると、AnthropicのARRはすでに900億ドルから3500億、4000億ドルに増えている。番組が放送される頃には、もしかしたら4,000億から4,500億ドルになっているかもしれない。
しかし、その計算能力の伸びは同じではない。計算能力を増やしていると仮定し、研究開発の算力を減らしていないとすると（実際に減らしていないし、新モデルも出ている）、それでも推論に投入される計算能力は増加している。だが、利益率の下限は約72%にとどまる。
実際には、新たに投入される計算能力の一部は研究開発にも使われている可能性が高く、実質的な利益率はそれ以上かもしれない。今年初めに漏れた資金調達資料の一部には、当時の利益率は30%台と示されていた。
どうやって短期間で利益率をこれほどまでに引き上げられるのか？原則として、需要が非常に高いためだ。彼らは使用量やレートリミットを制限し、コントロールしている。重要なのは、Anthropicの顧客担当者や企業契約を持ち、レートリミットの引き上げを得ることだ。そうしなければ、トークンは最終的に極めて希少になる。
支払える者だけが入手できる。Anthropicも同じ問題に直面している。もちろん、これは資本主義の運営方式の現実だ。顧客は年間400億ドルのトークン費用を支払うかもしれないが、その価値はそれをはるかに超える。
企業ごとに、トークンが生み出す価値は異なる。しかし、モデルがより賢くなるにつれ、重要なのは、「誰が最も賢いトークンを入手し、最も価値の高い用途に使うか」だ。
個人としては、これらのトークンをどう使い、ビジネスを拡大し、価値を創出するかを決める必要がある。多くの人はトークンを欲しがり、消費もするだろう。でも、サンフランシスコのClaudeを使った普通のSaaSスタートアップは、実際に大きな価値を生み出しているわけではない。だから、やがてトークン価格に押し出されてしまう。
Patrick O'Shaughnessy：
今日、飛行機の中でその状況に遭遇した。Opus 4.7がリリースされた瞬間、すぐに使いたくなった。すぐに使おうとしたが、制限に引っかかって使えなかった。もう4.6を使い続けることも想像できない。過去数週間は満足していたのに、明らかに4.6は十分に強力だったのに。
最も高価で最先端のモデルを使いたいと人は本当に執着するのか？
Dylan Patel：
全く驚かない。過去1ヶ月半の中で最も面白かった記憶の一つは、私と友人のLeopoldが、Anthropicの共同創始者にほぼ土下座して、Metisのアクセス権をもらおうとしたことだ。
私たちはそれが存在することを知っていたので、「お願いだから使わせてくれ」と頼んだら、「何のことだかわからない」と返された。
Patrick O'Shaughnessy：
価格表や評価カードが出てきたとき、あなたはどう反応した？
Dylan Patel：
実は、湾区では以前から噂になっていて、かなり強力だと予想していた。ベンチマークを見ると、もちろん変動はあるが、Mephisto / Metisは過去2年で最も能力の高いモデルの一つだと思う。
これが非常に重要だと思うのは、Anthropicはこれを完全には公開したくないということだ。すでに一部の顧客には価格を知らせ、選択的に公開している。例えばサイバーセキュリティの場面向けだ。トークンコストは5倍、10倍になる可能性もあるが、それでも全面公開は避けている。現実世界への影響を懸念しているからだ。
だから今、私たちに提供されているのは、より劣る、弱いバージョンのOpus 4.7だ。そして、モデルカードには「ネットセキュリティ能力に関しては意図的に劣化させた」と明記されている。読んだかもしれないが。
だから、誰であっても、十分な資本があればAnthropicの企業契約を買い、トークン払いを選び、普通のサブスクリプションを使わない方が良い。そうすれば、制限に引っかかりにくくなる。
そして、これらのトークンを最も価値の高いタスクにどう使い、そこから利益を得るかを考える必要がある。根本的に、1年後、2年後には、多くのビジネスはトークンのアービトラージに過ぎなくなるかもしれない。トークンは強力だが、どこに向けて使うかを知ることが最重要だ。
さらに数年後には、モデル自身が最適なトークンの使い方を理解し、最大の価値を生み出すだろう。
過去のベンチマークを見ると、ある能力レベルに到達するためのコストはXだったが、今やその1%や0.1%になっている例もある。例えば、DeepSeekがGPT-4レベルの能力を持つのにかかったコストは、GPT-4の六百分の一だった。以降もGPT-4クラスのコストは下がり続けている。
もちろん、今や誰もGPT-4レベルのモデルにこだわらない。最先端モデルだけが経済的価値を生むからだ。ただし、GPT-4レベルのモデルも一部の用途には使える。規模の小さな場面だ。
したがって、需要を押し上げているのは、古い能力の価格低下ではなく、新たなユースケースの出現だ。今使っているのはOpus 4.6や4.7のモデルだが、1年後には同じ質のモデルを手に入れるのに支出は7万ドル程度になり、100分の1にまで下がるかもしれない。
しかし、それは重要ではない。なぜなら、その時にはより強力なモデルを使って、より価値のあることをやるからだ。
AnthropicのMetisはモデル自体のコストは高いが、同じ作業を行うのに必要なトークン数ははるかに少ない。だから、多くのタスクでは実質的にOpus 4.6より安価だ。
Dylan Patel：
なぜなら、効率が非常に高いからだ。トークン自体が「賢い」し高価だとしても、必要なトークン数は少なくて済む。
Patrick O'Shaughnessy：
前回あなたに会ったとき、Metisはちょうどリリースされたか、モデルカードが出たばかりだった。あなたはそれがあまりにも強力で、ちょっと怖いと感じたと話していた。あの「怖い」とはどういう意味だったのか？
Dylan Patel：
Anthropicは2025年までに、あるいは2024年から、モデルにL4レベルのソフトウェアエンジニアを持たせたいと目標を掲げている。基本的にはOpus 4.6でほぼ達成している。
しかし、言っていないのは、Metisを見ると、ベンチマークと比較して、L6レベルのエンジニアに近いということだ。L4は初級のエンジニア、L6は経験豊富なエンジニアだ。
Anthropicは、内部では2月頃からこのモデルが使えると話していた。つまり、2ヶ月でL4からL6に跳ね上がったわけだ。次に何が起きるのか？
モデルの進歩は加速していると気づく。Anthropicのリリースペースは縮小しつつあるが、OpenAIも同じだ。なぜか？より良いモデルを作るにはいくつか必要なものがある。
まずは強力な計算資源だ。非常に高価で、時間もかかる。これらはすでに契約済みのものが多く、基本的に確定している。中には遅延や調整もあるが、全体としてはほぼ固定だ。
次に、優秀な研究者だ。彼らには何千万ドルも支払っている。
最後は実現能力だ。これは歴史的に非常に難しい。アイデアはたくさんあるが、それを実現するのは難しい。しかし今や、アイデアはあちこちにあり、実現は非常に容易になった。コストは高いが、非常に簡単だ。
だから、どうやって実現すべきアイデアを選ぶかが問題になる。実現が容易になった今、より多くのアイデアを実現できる。これがAIモデル研究の世界では、リリースサイクルを6ヶ月から2ヶ月に短縮させている。
他の分野でも同じだ。例えば、米国の発電所や送電線をすべてモデル化し、回帰分析を行い、微地域の供給と需要を分析することも可能になった。
アイデア自体は安い。重要なのは、どのアイデアが意味があるか、資本を投入してトークンを買い、それを実現すべきかどうかだ。実現能力はすでに存在している。これが最も重要な変化だ。
もし実現コストがさらに下がるなら（実際に下がっている）、私たちはまだMetisを本格的に手に入れていないが、Opus 4.7がリリースされたばかりでも、すでに非常に興奮している。
これから世界に何が起きるか？私は、経済の運営方法が再編されると考えている。
かつては、実行が非常に難しかったため、アイデアの価値が高かった。今や、アイデアは安くて豊富だが、実行も非常に容易になった。だから、価値があるのは、十分に良いアイデアだけだ。それは、実現が安くても、投資して価値を証明できるものだ。
あなたは本当に怖いのか？それとも、不確実性の一つに過ぎないのか？
Dylan Patel：
不確実性は確かにある。でも、これは何らかの恐怖をもたらすと感じている。問題は、社会がどう再構築されるかだ。
「実現能力」がそれほど重要でなくなる世界では、何が重要になるのか？それは、AIに正しいアイデアを選び、それを実現させることだ。アイデアを売ること、AIが実現したものを売ること、資金を調達すること。これらが重要になる。
これも前の質問に戻るが、「最新モデルを常に持つこと」が非常に重要だ。誰が最新モデルを入手できるのか？
Anthropicには、私が知る限り、Earwigと呼びたくなるプロジェクトがある。Metisを特定の企業にだけ提供し、サイバーセキュリティの場面に使わせている。こうしたことは今後も続くと考えられる。モデルの展開範囲は狭まり、一般向けではなくなる。
OpenAIやAnthropic、他の企業も、「誰もが強力なAIを持てるようにしたい」と言うが、AIは非常に高価だ。何兆ドルものインフラを誰が支えるのか？それは、資金に余裕