数千億円 vs 70人。なぜ小さい方が勝てるのか

Googleは年間5兆円をAIに投じている。Microsoftも同規模。Metaも数兆円。

その横で、たった70人のスタートアップがAI画像生成の最前線で戦っている。Black Forest Labs。Stable Diffusionの中核技術を開発したチームが立ち上げた会社だ。

なぜ70人で巨人に勝てるのか。その構造は、地方の中小企業が大企業と戦うときのヒントそのものだ。

「汎用」で戦わない。「特化」で刺す

巨人たちの戦略は「汎用AI」だ。何でもできるモデルを、とにかく大きく作る。GPT-4の学習コストは推定1億ドル（約150億円）以上。Geminiも同等かそれ以上。

これに正面から対抗するのは自殺行為だ。Black Forest Labsはそんなことはしない。

彼らがやっているのは「特化」だ。画像生成、それもプロフェッショナルのクリエイティブワークに特化したモデルを作る。汎用モデルが「80点の画像を何でも作れる」なら、特化型モデルは「特定のスタイルで98点の画像を作れる」。

この差は決定的だ。広告デザイナー、映像クリエイター、ゲーム開発者——プロは80点では使わない。98点が必要だ。そして、その98点を出せるのは、汎用モデルではなく特化型モデルだ。

「何でもできます」は、「何も突き抜けていません」と同義だ。

これは中小企業の経営と同じ構造ではないか。大企業が総合力で市場を押さえる中、中小企業が勝てるのは「この分野だけは誰にも負けない」という特化戦略だ。

技術で「小さいこと」をハンデにしない

「特化すればいいのはわかる。でも、AIモデルの開発には巨大な計算資源が必要なのでは？」

その通りだった。去年までは。

今、Mixture-of-Experts（MoE）という技術が状況を変えている。

MoEの仕組みはシンプルだ。1つの巨大なモデルを丸ごと動かすのではなく、入力に応じて「専門家」と呼ばれるサブモデルの一部だけを動かす。100人の専門家がいても、1つの質問に答えるのは5人だけ、というイメージだ。

これにより、モデル全体のパラメータ数は大きくても、実際に使う計算量は小さくなる。結果、高性能なモデルを少ない計算資源で動かせる。

さらに、量子化技術の進化が追い打ちをかける。MoBiEという最新のフレームワークでは、MoEモデルの各専門家の重要度を評価し、重要でない専門家にはより少ないビット数を割り当てる。これにより、推論速度が従来の2倍になりながら、精度はほぼ維持される。

もう一つ、BTC-LLMという技術では、モデルの重みを±1のバイナリ値に圧縮する。13Bパラメータのモデルを0.8ビットまで圧縮しても、実用的な性能を維持できるという研究結果が出ている。

これが意味するのは、「巨大なGPUクラスタがなくても、戦えるモデルが作れる」ということだ。

数字で見よう。

• GPT-4クラスの学習：推定150億円以上、数万基のGPU
• 特化型モデル＋MoE＋量子化：数百万〜数千万円、数十基のGPU

コスト差は100倍以上。この差が、70人のスタートアップを戦場に立たせている。

「小さく勝つ」の3つの条件

Black Forest Labsの事例から、小さいチームが大きな相手に勝つための条件が見えてくる。

条件1：戦う領域を絞る

汎用で戦わない。「この用途ではうちが一番」と言える領域を選ぶ。Black Forest Labsなら「プロ向け画像生成」。中小企業なら「この地域の、この業種の、この課題」だ。

条件2：技術でコスト構造を変える

MoEや量子化のように、少ないリソースで高い成果を出す技術を活用する。中小企業のAI活用でも同じだ。月額2万円のAIツールで、月40時間の作業を自動化できるなら、時給換算で500円。パートを雇うより安い。

条件3：意思決定の速さを武器にする

70人の組織は、1万人の組織より速く動ける。新しい技術が出たら即座に取り込む。市場の変化に翌週対応する。この速度は、大企業には真似できない。中小企業も同じだ。社長が「やろう」と言えば、明日から始められる。

中小企業への示唆——「AIを作る」ではなく「AIの構造を使う」

「うちはAIモデルを開発する会社じゃないから関係ない」と思っただろうか。

違う。ここで学ぶべきは「AIの作り方」ではなく「小さく勝つ構造」だ。

特化する。技術でコストを下げる。速く動く。この3つは、AI開発に限らず、あらゆるビジネスに適用できる。

例えば、地方の工務店がAIを使って見積もり作成を自動化したとする。大手ハウスメーカーは全国統一の見積もりシステムを持っているが、地域の建材価格や職人の単価には対応していない。地方の工務店が「この地域の見積もり精度だけは日本一」と言えるAIツールを作れば、それは特化型モデルと同じ構造だ。

汎用ツールに月10万円払うより、自社の業務に特化したプロンプトテンプレートを作り込む方が、成果は出る。これも「特化」だ。

巨人の弱点は「大きいこと」そのもの

GoogleもMicrosoftも、巨大であるがゆえに動きが遅い。新しいモデルのリリースに半年かかる。社内の承認フローに3ヶ月かかる。一つの市場に特化することは、株主が許さない。

70人のスタートアップには、その制約がない。中小企業にも、ない。

大きいことが強さだった時代は、コストが高かった時代だ。AIによってコストが劇的に下がった今、大きいことはむしろ足かせになる。

小さいことは、弱さではない。戦い方を変える条件だ。

自社の「特化すべき領域」は何か。そこにAIをどう組み込むか。その問いに答えることが、巨人に勝つ第一歩になる。

—