エンジンは載せたが、道はまだ直っていない
前半：みんな展示会場でレースをしている

過去2年のAIの語りは非常に一様で、モデルはより巨大、パラメータはより多く、ランキングはより高い。オープン／クローズドの2陣営が覇権を争い、企業の脚本も高度に似通っている。計算資源を買う、アルゴリズムを採用する、モデルを展開する。デフォルトのモデルが強ければ、実装も自然に追いつく——

現実は一撃を食らわせた。ある大手の中央企業のCIOの話は典型例だ。17の業務システム、9つのデータウェアハウス、3つのクラウド。データ形式は多種多様で、大量の紙のレポートがデジタル化されていない。最後には、いちばん基礎的なアプリである設備故障の診断すら動かせず、モデルは過去の修理記録を読めなかった。

ボトルネックはモデルがダメなことではない。データが投入できないことだ。

後半：車を実在の街区に乗り入れる

工場は止められない、病院は安全が必要、政府はコンプライアンスが求められる。モデルがどれだけ強くても、データの道が直っていなければ、その場でぐるぐる回るしかない。

世界の産業チェーンの動きが次第に同質化し、同じ大規模モデルを企業データに“素のまま”走らせるのと、接続が完全なデータ工程の体系で走らせるのとでは、精度に“崖”のような差が出る。その差はモデルの頭脳にあるのではなく、正しい食材を食べられるかどうかにある。

そこで新しいアーキテクチャが浮上した。上にはモデルと能力、下にはデータ工程、権限監査、ガバナンス戦略。モデルとデータはもはや、単なる流れ作業の上流下流ではなく、お互いに飯を食べさせ合う“相棒”になる。

中国の難度はさらに一段上がる

製造業のサプライチェーンはより長く、コンプライアンス要求はより厳しく、非構造化データはより多く、システムはより断片化し、用語の“口径”もよりばらつく。汎用的なインテリジェンスから業界特化のインテリジェンスへの溝を越えるには、基盤となるのはまさに全チェーンのデータ基盤インフラだ。

AIに大きな脳を載せるのではなく、まず神経システムを直す。

本当に稀少なのは何か

今回の“方向転換”で基盤を直すことの本質は、認知の修正だ。AIのスケール化による価値は、今日そのモデルが何点出したかに依存しない。データが継続的に質を保って供給できるか、体系が継続的に信頼できるガバナンスを実行できるか、エンジニアリングが継続的にクローズドループで実装を着地できるか——そこにかかっている。

中国は101番目のオープンソース大規模モデルがないわけではない。足りないのは、まずこの“データの鍋”をきれいに洗い、良質なスープに煮込むことだ。

これが動き出して初めて、AIはホットなニュースから、仕事机の上のツールに変わる。

DYOR（投資助言ではありません）

原文表示