結論から言う。AIの「使うコスト」が、構造的に壊れ始めた。

1方向じゃない。3方向から同時に崩れている。

• ハードウェア：Nvidiaなしで1.6兆パラメータのモデルが訓練された
• 価格モデル：月6ドル・トークン無制限のAPIが登場した
• サプライチェーン：中国発の100%国産LLMをProtonのような西側企業が採用し始めた

この3つが同時に起きている。これは「AIが安くなった」というレベルの話ではない。AIの原価構造そのものが、別のものに置き換わろうとしているという話だ。

中小企業にとって、これは何を意味するのか。順番に見ていく。

—

1. Nvidia抜きで1.6兆パラメータ——ハードウェアの「聖域」が崩れた

中国のMeituanが発表した「LongCat-2.0」。1.6兆パラメータ、35兆トークン以上で訓練された大規模モデルだ。

注目すべきはスペックではない。NvidiaのGPUを一切使わずに訓練されたという事実だ。

使われたのは国内製のAI ASIC（特定用途向け半導体）によるスーパーポッド。米国の輸出規制でNvidiaの最先端チップが手に入らない中国が、「じゃあ自分たちで作る」と本気で動いた結果がこれだ。

ここで考えるべきは、技術的にすごいかどうかではない。「Nvidiaが唯一の選択肢」という前提が崩れたとき、何が起きるかだ。

これまでAIの訓練・推論コストの大部分は、NvidiaのGPU（H100やA100）の調達コストに縛られていた。H100は1枚あたり約400万円。大規模訓練には数千枚が必要で、ハードウェアだけで数十億〜数百億円の世界だった。

この独占構造が崩れると何が起きるか。GPU調達の競争が生まれ、訓練コストが下がり、その恩恵がAPI価格に波及する。当たり前の市場原理だ。ただし、これまではその「当たり前」がNvidiaの独占で止まっていた。

LongCat-2.0の登場は、その栓が抜けたことを意味する。

—

2. 月6ドルで無制限API——価格モデルの常識が吹き飛んだ

2つ目の崩壊は、もっと直接的だ。

月額6ドル、トークン制限なしのLLM APIが出てきた。

これがどれくらい異常か、数字で比較する。

OpenAIのGPT-4oをAPI経由で使った場合、入力100万トークンあたり約2.5ドル、出力100万トークンあたり約10ドルだ。仮に月に入力500万トークン・出力200万トークン使うとすると、月額約32.5ドル。これでも十分安いが、使い方次第では月100ドルを超えることもザラにある。

それが月6ドル、使い放題。

従来の1/5〜1/50のコストだ。

もちろん、モデルの性能がGPT-4oと同等かどうかは精査が必要だ。レイテンシやレートリミットの実態も確認すべきだろう。だが、ここで重要なのは「性能が同じかどうか」ではない。

「月6ドルで十分な用途が、中小企業の現場には山ほどある」ということだ。

問い合わせメールの下書き生成。日報の要約。見積書のフォーマット変換。議事録の整理。これらのタスクに、GPT-4oレベルの性能は要らない。そこそこのモデルが、無制限に使えればいい。

これまでは「そこそこのモデル」でも従量課金で月数万円かかっていた。だから「AIを試してみたいけど、コストが読めない」という中小企業が多かった。月6ドルの定額制は、その心理的ハードルを根こそぎ取り払う。

「使いすぎたらどうしよう」がなくなる。これは地味だが、現場の導入判断においては決定的な変化だ。

—

3. Protonが中国製LLMを採用——サプライチェーンの分散が始まった

もう一つ見逃せない動きがある。スイスのプライバシー企業Protonが、100%中国製のLLMを自社サービスに採用したことだ。

これは「中国のAIが優秀だから」という単純な話ではない。「アメリカ製以外の選択肢が、実用レベルで成立し始めた」というシグナルだ。

これまでLLMのAPI市場は、事実上OpenAI、Anthropic、Googleの3社が支配していた。すべてアメリカ企業だ。選択肢が限られれば、価格競争は起きにくい。

そこに中国勢が入ってきた。DeepSeek、Qwen、そして今回のLongCat-2.0。性能面でも追いつき始めており、価格では圧倒的に安い。DeepSeek-V3のAPI価格は、GPT-4oの約1/10とも言われている。

サプライチェーンが分散すれば、価格決定権がユーザー側に移る。これは中小企業にとって極めて有利な構造変化だ。

—

で、中小企業は結局どうすればいいのか

3つの崩壊を眺めて「すごいね」で終わっては意味がない。

今日からできることを3つ挙げる。

① APIコストを「固定費化」できないか検討する

月6ドルの無制限APIのようなサービスが出てきている以上、従量課金に縛られる理由はなくなりつつある。自社の用途を棚卸しして、「これは安いモデルの定額APIで十分」「これはGPT-4oじゃないと困る」と仕分けるだけで、月のAPI費用は半分以下にできる可能性がある。

② 「Nvidia前提」のベンダーに依存しすぎていないか確認する

AIツールやサービスを提供するベンダーが、Nvidiaのインフラに100%依存しているなら、そのコスト構造は今後変わる可能性がある。複数のインフラに対応しているベンダーを選んでおくことが、将来のコスト削減につながる。

③ 「まず使ってみる」のコストが劇的に下がった今、実験する

かつてAIの実験には、月数万〜数十万円の覚悟が必要だった。今は月6ドルから始められる。年間72ドル。約1万円。 飲み会1回分だ。

「AIを導入すべきか」を会議で議論している時間があったら、まず1つの業務で試す。議事録の自動要約でも、メール返信の下書き生成でもいい。月1万円で1年間実験できる時代に、「検討中」は機会損失でしかない。

—

本質は「コストが下がった」ではない。「コストの構造が変わった」だ。

もう一度整理する。

• ハードウェア独占の崩壊 → 訓練コストの低下 → API価格の低下
• 定額制APIの登場 → 従量課金の呪縛からの解放 → 中小企業の導入障壁消滅
• サプライチェーンの分散 → 価格競争の激化 → ユーザーに価格決定権が移る

この3つは独立した現象ではなく、互いに加速し合っている。Nvidia以外のチップで安く訓練されたモデルが、定額APIとして提供され、それを世界中の企業が選択肢として採用する。この循環が回り始めた。

2025年末には、中小企業のAI利用コストは現在の1/3〜1/5になっていてもおかしくない。

問題は「AIが安くなるかどうか」ではない。もう安くなっている。

問題は、その変化に気づいて動くか、「まだ早い」と言い続けるかだ。

月6ドルのAPIがある世界で、「AI導入は来年検討します」は、もう通用しない。

—