結論から言う。AIを自社で動かすコストが、月5000円を切った。

これが何を意味するか。

「AIは大企業のもの」「導入に数百万かかる」「専門人材がいないと無理」——そういう時代が、静かに終わりつつある。

Liquid AIが発表した230M（2.3億）パラメータモデル。同社が公開した新しいファインチューニング手法「SlideFormer」。そして8GBのメモリしかないボードでもLLMが動く現実。これらを組み合わせると、中小企業のAI活用における「最低コスト」が劇的に下がった。

問題は、「それで何が変わるのか」だ。

—

230Mモデルとは何か——「小さいけど使える」の正体

Liquid AIの230Mモデルは、パラメータ数がわずか2.3億。GPT-4が推定1兆超、Llama 3の最小版でも80億パラメータであることを考えると、桁が2つ違う。

だが、ここで重要なのは「小さい＝使えない」ではないという点だ。

このモデルはスマートフォン、Raspberry Pi、IoTデバイスといった、メモリもCPUも限られた環境で動くことを前提に設計されている。Liquid AIが独自に開発した「Liquid Foundation Models（LFM）」アーキテクチャは、従来のTransformerとは異なる構造で、少ないパラメータでも高い効率を実現する。

具体的に何ができるか。

• テキスト分類・要約：問い合わせメールの自動分類、日報の要約
• 定型文生成：見積書の文面、FAQ応答の下書き
• センサーデータの異常検知：製造ラインの温度・振動データのリアルタイム判定

「GPT-4と同じことができるか」と聞かれれば、答えはノーだ。だが、中小企業の現場で本当に必要なAI処理の8割は、こうした「地味だが確実に人手を減らせる」タスクだ。そこに1兆パラメータは要らない。

—

SlideFormer——単一GPUでファインチューニングできる意味

AIモデルを「自社の業務に合わせる」には、ファインチューニング（微調整）が必要になる。これが今まで中小企業にとって最大のボトルネックだった。

従来、数十億パラメータのモデルをファインチューニングするには、NVIDIA A100やH100といった1枚100万〜500万円クラスのGPUが複数枚必要だった。クラウドで借りても、1時間あたり数千円。まともにチューニングすれば数十万円が飛ぶ。

Liquid AIが発表したSlideFormerは、この構造をひっくり返す。

仕組みはこうだ。モデル全体を一度にGPUメモリに載せるのではなく、「スライディングウィンドウ」方式でレイヤーを順次処理する。GPU上で計算している間に、次のレイヤーをCPUからGPUへ転送し、処理済みのレイヤーはCPUへ戻す。このパイプライン処理により、GPU/CPUのメモリ使用量を従来比で約50%削減。それでいてピークパフォーマンスの95%以上を維持する。

何が起きるか。

RTX 4090（実売20〜25万円）1枚で、数十億パラメータ規模のモデルをファインチューニングできる。

これまで「GPU4枚で400万円」だったものが「1枚25万円」になる。コストは16分の1だ。

クラウドを使う場合でも、単一GPUインスタンスで済むなら月額1〜3万円程度。ファインチューニングの頻度が月1回程度なら、実質的なコストは数千円で収まる。

—

8GBボードでLLMが動く——「推論コスト」の崩壊

ファインチューニングだけではない。推論（実際にAIを動かして答えを出す処理）のコストも崩壊している。

230Mクラスのモデルなら、Raspberry Pi 5（約1.5万円）やJetson Orin Nano（約3万円）といった8GBメモリのシングルボードコンピュータで十分に動作する。

電気代は月数百円。ハードウェアの減価償却を含めても、月額コストは5000円を切る。

クラウドAPIを使う方法もあるが、ここで考えてほしいのは「データを外に出さなくていい」という価値だ。製造業の品質データ、顧客の個人情報、営業のノウハウ——中小企業にとって、これらを外部サーバーに送ることへの抵抗感は大きい。自社のボード上でAIが完結するなら、その心理的ハードルはゼロになる。

月5000円以下で、自社データを外に出さずに、自社専用AIが動く。これが2025年の現実だ。

—

で、中小企業は何から始めるか

技術の話はここまでにして、「結局どうすればいいのか」に踏み込む。

ステップ1：自社の「繰り返し作業」を棚卸しする

AIを入れる前に、まず「人がやっているけど、パターン化できる作業」を洗い出す。

• 毎朝の受注メール確認と転記
• 問い合わせの一次分類
• 検品画像の目視確認
• 日報・週報の集計

こういう「判断はあるが、高度な判断ではない」作業が狙い目だ。月に何時間かかっているか、時給換算でいくらか。まずそこを数字にする。

ステップ2：既存のAPIで「まず試す」

いきなり自社モデルを構築する必要はない。OpenAIやClaudeのAPIで、ステップ1で洗い出した作業を自動化できるか、まず試す。APIコストは月数百円〜数千円で済むケースが多い。

ここで「効果がある」と確認できたタスクが、次のステップの候補になる。

ステップ3：自社データでファインチューニングする

効果が確認できたタスクのうち、「自社データを外に出したくない」「APIのレスポンス速度が業務に合わない」「月額コストを固定化したい」といった理由があるものは、自社モデルの構築に進む。

Liquid AIの230Mモデル、あるいはMicrosoftのPhi-3 Mini（38億パラメータ）などの軽量モデルをベースに、SlideFormerやLoRA（Low-Rank Adaptation）でファインチューニングする。RTX 4090搭載のワークステーション1台あれば十分だ。

初期投資は30〜50万円。外注すれば100万円前後。だが、従来のAI導入が500万〜1000万円だったことを考えれば、10分の1以下だ。

ステップ4：エッジに置いて「勝手に動く」状態にする

ファインチューニング済みのモデルをRaspberry PiやJetsonに載せて、現場に設置する。検品ラインの横、受付カウンターの裏、倉庫の入口。

クラウドへの通信なし、遅延なし、月額課金なし。一度設置すれば「勝手に動いている」状態になる。これが中小企業にとって最も強い形だ。属人化しない。担当者が辞めても止まらない。

—

本当の競争優位は「大企業より速く動けること」

大企業がAIを導入するには、稟議、セキュリティ審査、ベンダー選定、PoC、本番移行——最短でも半年、普通は1年かかる。

中小企業なら、社長が「やろう」と言えば来週には動ける。

230Mモデルをダウンロードして、Raspberry Piに載せて、自社の問い合わせデータで試す。ここまで、技術的には週末1日でできる。コストは1.5万円のボード代だけだ。

「AIの民主化」という言葉はもう聞き飽きたかもしれない。だが、月5000円を切るコストで自社専用AIが動く世界は、言葉ではなく数字で証明されている。

問いはシンプルだ。

あなたの会社の「繰り返し作業」は、月にいくらかかっているか？

その数字が月5000円を超えているなら、始めない理由がない。

—