将来の推論が演算リソースの70%を消費し、トレーニングは30%に｜シリコンバレー投資家・張璐氏@AIGC2026
2026年中国AIGC産業サミットで、Fusion Fund創業パートナーの張璐氏は、AI演算需要の中心がトレーニングから推論に移行し、将来は推論が70%の演算リソースを消費すると指摘。データセンター内の通信は計算よりも100倍以上の電力を消費する可能性があり、光通信などの新技術が重要に。物理AIの最大のボトルネックは高品質な実世界データの不足であり、ヘルスケア、宇宙、ナノロボットが有望な応用分野と述べた。
記事インテリジェンス
要点
- 推論の演算比率は50%から70%に上昇し、AIインフラ最適化の核心に。
- データセンター内の通信は計算の100倍以上の電力を消費、光通信などの革新が鍵。
- 物理AIはデータ不足に直面、合成データでは限界がありエッジデータ収集が不可欠。
- ヘルスケア、宇宙、ナノロボットが投資家が注目する3大AI応用分野。
重要な理由
このニュースが重要なのは、推論の演算比率は50%から70%に上昇し、AIインフラ最適化の核心にためです。
技術的影響
モデル選定、推論コスト、プロダクト能力、評価基準に影響する可能性があります。
AIの物語は静かに変わりつつある。シリコンバレーのベンチャーキャピタル、Fusion Fundの創業・マネージングパートナーである張璐氏は、2026年中国AIGC産業サミットで、AIイノベーションの新たなサイクルに関する最前線の観察を共有した。彼女は、真の戦場はモデルや演算から、インフラの「通信層」と物理世界の「データ層」に移行していると強調した。
張璐氏は演算需要の根本的な変化を指摘する。トレーニングはかつて演算リソースの主要な消費者だったが、推論が急速にそれを上回りつつある。同氏は、将来的には推論が全体の演算需要の70%を占めると予測した（現在は約50%）。このシフトは、対話型AIからエージェント型AIへの移行によって推進されており、エージェントは常時稼働の推論を必要とする。したがって、推論演算の最適化がAIインフラの中心的な課題となっている。
もう一つの驚くべき洞察は、データセンターのエネルギー消費に関するものだ。計算自体の電力消費に多くの注目が集まる一方で、張璐氏はチップ間やサーバー間のデータ転送（通信）が計算よりも100倍以上の電力を消費する可能性があると指摘。アルファベット会長でスタンフォード大学元学長のジョン・ヘネシー氏との対談を引用し、データの移動は処理よりもはるかにエネルギー集約的であると述べた。このため、特に光通信のような新しい通信技術が消費電力を大幅に削減する大きな機会を生み出している。
物理AI（ロボティクス、自動運転、工場自動化など）にとって、最大のボトルネックはアーキテクチャや演算ではなく、データである。合成データには限界や盲点があり、現実世界のエッジデータの収集が不可欠だ。張璐氏は、スタンフォード大学の鮑哲南教授の研究室が開発した高精度・低消費電力の人工皮膚センサーなど、新しいデータ収集プラットフォームの必要性を強調した。このようなセンサーは触覚データを提供し、物理AIのトレーニングに活用できる。
応用分野としては、ヘルスケア、宇宙、ナノロボットの3つが挙げられた。ヘルスケアは巨大な市場であるだけでなく、高品質データの宝庫でもある。AI企業はイーライリリーやメルクなどの製薬大手と提携し、特定の疾患や治療向けの垂直モデルを構築している。宇宙分野では、SpaceXのIPOなどによって宇宙経済の台頭が見込まれ、インフラ組立から宇宙工場に至るまでAIとロボティクスの需要が生まれる。ナノロボットはまだ初期段階だが、血栓除去やDNAレベルでの薬物送達などの医療応用に有望だ。
最後に張璐氏は、技術革新に加えて、産業統合のスピードが真の競争優位になると強調した。フォーチュン500企業はAI予算を数十億ドルに拡大し、調達サイクルを数ヶ月から数週間に短縮しており、これがリアルワールドのフィードバックループを提供し、さらなるイノベーションを促進している。同氏は、中国とシリコンバレーの間でのクロスボーダー協力を促進し、この変革を加速するよう呼びかけた。