なぜ今、Epoch AIの言葉を聞くべきなのか
私たちが日々目にする「AIがいつ人間を超えるか」という議論は、多くの場合、期待や恐怖といった主観に基づいています。しかし、Epoch AIは違います。彼らは、計算リソース（GPU）、アルゴリズムの効率、投資額、そして物理的な電力供給といった「物理的な変数」を積み上げ、そこから導き出される「知能の物理学」を分析しています。
今回登壇するのは、以下の二名です。
- ハイメ・セビリア（Jaime Sevilla）：Epoch AIのディレクター。数学とコンピュータサイエンスのバックグラウンドを持ち、複雑な動向を「予測モデル」に落とし込むプロフェッショナルです。
- ヤファ・エデルマン（Yafah Edelman）：Epoch AIのデータ＆トレンド担当責任者。AI進化の「ガソリン」であるインプットデータの分析を専門としています。
この対談は、彼らが「もし現在のトレンドがそのまま続いたら、世界はどうなるか」という**デフォルト・モデル（基本シナリオ）**を語り尽くしたものです。 「5年以内にリーマン予想が解かれる」「2030年にはプログラマーという概念が変わる」「2035年にはGDP成長率が10%に達する」――。
これらは夢物語ではなく、現在の投資と技術の直線を伸ばした先に確実に見えている景色です。一切の省略を排し、彼らの知的な格闘を全文対談形式でお届けします。
参考資料 https://lifrell-tech.com/wp-content/uploads/2026/01/Modal_World_2040.pdf
ハイメ： 皆さん、こんにちは。Epoch After Hoursへようこそ。Epoch AIのディレクター、ハイメ・セビリアです。本日は、Epoch AIの新しいデータ＆アナリティクス責任者、ヤファ・エデルマンをお迎えしています。ヤファ、調子はどうですか？
ヤファ： 長年にわたり監視してきたこれらの傾向が、将来にどのような影響を与え、今後の動向をどう捉えているのか。この件について議論できることを大変楽しみにしています。私たちは過去の研究や現状分析を重ね、多くの考察を深めてきました。
ハイメ： ここで行っている演習は、これまで収集してきた「線（トレンド）」を未来に投影することです。AIの予測において、これまで以上に大胆な推測に基づいて直線的なアプローチを取り、それらの線が私たちをどこに導くのかを見ていきます。 さて、現在の体制でどれだけの規模（スケーリング）を維持できるかについて話しましょう。現在、このスケーリングの速度は非常に速く、年間5倍の規模です。これをどれくらい維持できるでしょうか？
ヤファ： 今後2年ほどで、5倍からは減速していくと予想しています。おそらくもう5倍にはならないでしょう。少し遅くなると思います。今日のデータセンター構築には時間がかかるからです。
ハイメ： ちょっと待ってください、それはかなり大胆な主張ですね。「スターゲイト（Microsoft/OpenAIの巨大プロジェクト）」や「アビリーン」で発表された計画を考慮しても、今後2年間で年間5倍のペースを維持できないとでも思っているのですか？
ヤファ： はい、そう思います。理屈の上では可能です。もし彼らが、スターゲイトを構築したらすぐにそれをすべて使って、非常に長いトレーニングラン（学習期間）を行う覚悟があれば可能です。能力は既に備わっています。 しかし、私の予想では、トレーニング期間が数ヶ月という単位を超えてこれ以上長くなることはないと考えています。それがスケーリングを抑制する要因になります。研究開発期間の問題もあり、計算能力の伸びは実質的に毎年2.5倍から3倍程度に落ち着くでしょう。
ハイメ： 数字について確認させてください。私が反論したい点の一つは、実は「巨大なモデルを訓練するために巨大なクラスターを構築している」という明確な意図があるように思えるということです。xAIが構築したMemphisクラスターのように、そのほぼ全てがGrokの訓練に使われてきました。これが私の基本的な考えです。
ヤファ： 特にGrok 3については、約8万基のGPUでトレーニングされたことは分かっています。当時のクラスターには10万基から20万基のGPUが搭載されていましたが、実際にはそれよりもかなり多くのGPUが投入され、その後すぐにさらに増強されました。
ハイメ： Grok 3はいつリリースされましたか？
ヤファ： 今年初め（2025年初頭）です。Grok 4もリリースされました。Grok 4はより多くのGPUでトレーニングされた可能性があります。ただし、重要なのは、Grok 4で行われた追加の計算量は、そもそもGrok 3で行われた計算量よりも少ないと考えていることです。Grok 4はGrok 3にRL（強化学習）を追加したようなものです。より多くのGPUを使えば、もっと短い時間でトレーニングできたはずです。
ハイメ： なるほど。そうですね。「確かに、もう減速し始めているかもしれない」という意見に少し同意できます。トレーニング期間がこれ以上長くならないと予想している理由をもう少し詳しく教えてください。
ヤファ： 理由は2つあります。1つは、アルゴリズムの進歩とコンピューターの性能向上です。つまり、トレーニングの開始を遅らせれば遅らせるほど、より効率的なアルゴリズムで、より早くトレーニングを進められるようになります。これは「今すぐ巨大な計算力を投じるよりも、少し待って効率を上げる」というインセンティブになります。 もう一つは製品化までのサイクルです。6ヶ月もトレーニングの結果を待つのは避けたい。消費者が有用だと感じるレベルに到達するには、トレーニング後の微調整や製品化の準備に多くの作業が必要です。ですから、トレーニング自体は3ヶ月から6ヶ月が妥当だと思います。
ハイメ： なるほど。過去5年ほどの最先端モデルのトレーニング時間は、年間約30%増加していましたね。
ヤファ： 私たちの推計ではもう少し高い数字でした。いずれにせよ、トレーニング期間を除けば、計算能力自体は毎年2.5倍から3倍増加しています。これは依然として凄まじい増加です。もし同じペースで拡張し続けたいのであれば、クラスターの一部ではなく全体を使用するように切り替えることで加速は可能です。
ハイメ： しかし、その後は速度が落ちると。
ヤファ： 減速します。彼らがそこまで無理をするとも思いません。また、トレーニング開始から製品リリースまでの期間も長くなっています。OpenAIは現在、実際にトレーニングに使っていると思われるものより、はるかに大きなクラスターを保有しているはずです。
2030年：最大規模のトレーニングランが意味するもの
ハイメ： 2020年代の終わり、10年の節目ですが、これまでで最大のトレーニングランはどれくらいの規模になりますか？ 「1e29 FLOP」に到達できますか？
ヤファ： はい、到達できると思います。
ハイメ： ここで文脈を説明しましょう。「1e29 FLOP」という計算量は、現在の最先端モデルのトレーニングに使われている計算量の約1000倍です。これは、かつてのGPT-2からGPT-4への飛躍（約1万倍の計算量の差）に相当するスケールです。これだけの計算量を注ぎ込むと、どんなAIが生まれるのでしょうか？
ヤファ： かなり有能な「エージェント」が生まれると期待しています。コンピューターを使う単純なタスクを、非常に安定して、安価で、高速に実行できるエージェントです。単純な推論の失敗や混乱は、以前よりはるかに少なくなる。 さらに、数学や物理学などで斬新な発見を始めるのに十分な推論能力を持つAIも登場するでしょう。2020年代末までに、プログラマーがいなくなり、誰もコードを書かなくなっても驚きません。
ハイメ： いや、誰もコードを書かなくなったら私は非常に驚きますよ（笑）。
ヤファ： 人間は依然としてAIに何をさせるか、つまりアルゴリズムの設計やシステム全体の構想を指示しているでしょう。しかし、実際にコードを書く作業については……私自身、すでにほとんど自分でコードを書いていません。ChatGPTにすべて書かせています。この傾向がより複雑なタスクへと拡大するでしょう。
ハイメ： コード書きの自動化と、エンジニアが日々の仕事で行っていること全てを自動化することの間には、まだ大きなギャップがあります。
ヤファ： 2030年までに全エンジニアが職を失うとは言いません。しかし、AIが全てのコードを書き、バグを自分で見つけて診断するレベルに達することは非常に現実的です。
ハイメ： そうですね。AIは数学、物理学などの「客観的な真実」があるSTEM分野において、非常に強力な進歩を遂げるでしょう。人間が「こういう特徴を持つ行列を見つけたい」と言えば、AIが数日間独力で考え、人間の数学者なら数週間かかるような難問を解決する。 私の大胆な予測を言えば、2030年までに、数学か物理学の有名な未解決問題のうち少なくとも一つが、AIによって実質的に解決されるでしょう。もちろん人間の指導は必要ですが、実質的な作業の大部分はAIが担う。
ヤファ： その可能性は極めて高いですね。
ハイメ： リーマン予想がAIによって解かれる。クレイジーですが、あり得ない話ではない。
ヤファ： 5年以内にリーマン予想が解明されても驚きません。AIは、一人の人間が深く思考を巡らせる必要がある検証可能な分野において、特に優れた才能を発揮します。数学において巨大な進歩を遂げるのは、十分に可能です。
ソフトウェア・エンジニアリングと認知タスクへの影響
ハイメ： より具体的なアプリケーションについてはどうですか？
ヤファ： コールセンターの自動化は分かりやすい例ですね。すでに起き始めています。それだけでなく、これまで多大な開発時間を必要としていた高度な技術製品やプログラミングが、AIによって劇的に容易に、あるいは自動的になるでしょう。
ハイメ： 私は、商業用ソフトウェアの大部分は、依然として経験豊富なエンジニアの管理下で開発されると考えています。AIだけが理解できるような「メンテナンス不能なスパゲッティコード」が溢れることを、人々は嫌うはずですから。
ヤファ： 私はそこは意見が違います。AIが書くコードの品質は、最終的に人間を超えるでしょう。
ハイメ： 品質は高くなるでしょう。でも、人々は「理解できないもの」を怖がるのでは？
ヤファ： 人々は「自分の財布」がかかっている場面では、意外と怖がりません。AIを使って同じ、あるいはそれ以上の品質の製品を、圧倒的に安く提供する会社があれば、人々はそちらを使います。
ハイメ： なるほど。ただ、AIがコードを書くようになっても、ソフトウェア・エンジニアによるレビューは必要だと私は考えています。
ヤファ： それもエンジニアの賃金がどう反応するかによりますね。もしエンジニアを雇うコストが高く、一方で新しいソフトウェアへの需要が膨大であれば、人間を介さずにAIだけで完結させる強力なインセンティブが働きます。 そもそも、人間がコードをレビューすること自体が、ある時点で無意味な作業になります。何度も「AIに間違いがある」と思って調べた結果、「やっぱりAIが正しかった」という経験を繰り返せば、人間はレビューを諦めます。AIが最初の試行で完璧なコードを書けるようになれば、この移行は非常に速い。
ヤファ： AIの普及速度（ディフュージョン）について言えば、これまでの常識を覆す速さです。ChatGPTは2022年末にリリースされましたが、今や米国の人口の相当な割合が利用しています。新しい機能が追加されれば、翌日には広告や通知を通じて全員がそれを知ることになります。
ハイメ： しかも、AI自身がその導入をサポートできますからね。
ヤファ： ええ。導入の障壁はすぐに解消されます。最大のボトルネックは、ソフトウェアではなくインフラとトレーニングの側にあります。
ハイメ： 2030年のAIは、エントリーレベルの仕事をほぼ全てこなせるようになるでしょう。コールセンター、契約書のドラフト作成、膨大なコーディング。それでも人間は「最後は人間が確認したい」と言い張るでしょうか？
ヤファ： 人間にお金を払って「確認」をさせたとしても、その人間はAIにやらせて「よし、問題ない」と言うだけになるでしょう。結果的に見分けはつきません。結局、人々はAIを直接使うようになり、人間を雇わなくなるか、雇う人数を激減させます。
ハイメ： その時、エンジニアは何のために雇われているのでしょうか？
ヤファ： コーディングそのものではなく、製品の定義、アーキテクチャの構想、テストの設計、どのシステムが理にかなっているかの判断です。シニアなエンジニアが現在、プログラミングよりもチーム間の調整や設定ファイルの編集に時間を使っているように、「技術をどう動かすか」という高度な管理が仕事になります。
ハイメ： 2030年の終わり。オフィスワークの多くは、AIを管理して成果物を作らせることになる、と。
ヤファ： 変化は極めて大きいでしょう。今のAIは対話に時間がかかりますが、それはまだ能力が不十分だからです。能力が上がれば、一言指示するだけで完璧な結果が返ってくるようになります。
2030年代：経済的インパクトとGDP成長
ヤファ： 2030年以降、収益やGDP成長にどのような影響が出ると思いますか？
ハイメ： 現在、AI企業の収益は数百億ドル規模ですが、毎年3倍のペースで成長しています。毎年3倍を維持するのは至難の業ですが、2030年まで毎年2倍ずつ収益が増えると仮定するだけでも、AI企業は年間数千億ドルを稼ぎ出すようになります。そうなれば、現在の経済成長率（年間約2%）を倍増させるほどのインパクトになります。
ヤファ： NVIDIAはすでに年間1000億ドルを稼いでいます。今後、巨大データセンターの構築やTSMCによるファブ（工場）投資などで、年間数兆ドルの支出が見られるようになるでしょう。これは、実際のAI製品が普及するよりも前に、インフラ投資そのものがGDPを底上げすることを意味します。
ハイメ： つまり2030年末には、AIが年間数千億ドルの価値を生み出し、成長率は2%から4%へ加速する。これは巨大な変化です。
ヤファ： 米国のGDPの相当な割合がインフラに投資されるようになります。スケーリングが続く限り、データセンターの規模は劇的に拡大し続けます。投資家は「どこまでお金を投じるべきか」という不確実性を抱えていますが、これまでのインターネット・バブルや鉄道建設の歴史と同じように、利益が見える限り投資は加速します。NVIDIAの収益が数兆ドルに達する世界になれば、さらに多くの工場を建てる必要が出てきます。
ハイメ： 私たちの経済予測が非常にアグレッシブなのは、この「スケーリングが続く」という前提に基づいているからですね。
ヤファ： 投資モデルについても議論が必要です。AIが利益を生み出せば出すほど、さらに大きな投資が呼び込まれます。AIが1000億ドル稼げば、1兆ドルの投資が可能になる。そういう世界です。
2030年の分岐点：減速か、離陸か
ハイメ： 2030年。ここが分岐点です。一つは、成長が劇的に鈍化する世界。もう一つは、自動化が加速し、その成長がさらにAI投資を加速させる循環（フィードバックループ）に入る世界。
ヤファ： インフラの巨大化による物理的な減速は起きるでしょうが、一方で「爆発的な経済成長」の第2ステージが始まります。もしAIが全ての仕事を自動化できるポイントに到達すれば、成長率はとんでもないことになります。
ハイメ： 具体的な数字を出すなら？
ヤファ： 最低でも、年間30%のGDP成長です。もし全てのタスクを自動化できれば、少なくとも5年以上、平均30%という爆発的な成長が続くでしょう。現在はまだ、経済的に有用なタスクの0.1%から10%未満しか自動化できていません。
ハイメ： 私の経験則では、成長率を1%押し上げるには、全タスクの約1%を自動化する必要があります。2030年末には、これが現実的な数字として見えてくるでしょう。
ヤファ： 成長を維持するためには、自動化を「し続けなければ」なりません。少しでもスピードが上がれば、短期間で全てが自動化されます。
ハイメ： 私はそこは少し意見が違います。「認知タスク」の自動化は「物理タスク」の自動化よりもはるかに容易だからです。これが、次の10年で直面する最大の壁になります。
物理的自動化 vs 認知的な自動化
ヤファ： 物理的なタスクの自動化についても、私はあなたより楽観的です。何がボトルネックだと思いますか？
ハイメ： ロボットの製造能力です。数十億人の人間に匹敵する生産能力を持つためには、数十億台のロボットが必要です。それを製造するには膨大な時間がかかります。
ヤファ： 確かに現在のヒューマノイドロボットは高価で性能も不十分です。しかし、AIは「熟練労働」を「非熟練労働」に変えることができます。スマホやARヘッドセットを通じて、AIが人間に「次に何をすべきか」をミリ単位で指示する。 マーク・ザッカーバーグが信じている拡張現実（AR）の世界ですね。AIが人間の動きを監視し、間違っていたら即座に指摘する。これにより、これまで高度な技能が必要だったブルーカラーの仕事が、誰にでもできるものになります。
ハイメ： ロボットの体がなくても、人間を「AIが操作するロボット」のように使うことで、労働力を劇的に拡大させると。
ヤファ： ええ。教育のコストが激減し、製造業の出力が跳ね上がります。これはホワイトカラーでも同じです。スキルのない人間がAIを使って、スキルのある人間と同じ成果を出す。そうなれば賃金は下がるでしょうが、アウトプットは爆発します。この「人間の非熟練化（De-skilling）」は、完全なロボット化の前に、あらゆる分野で起きます。
ハイメ： それが生産性の向上に繋がると。
ヤファ： さらに、AIによる自動化されたR&D（研究開発）も始まります。AI自身がより安価で高性能なロボットを設計し、製造ラインを最適化する。
ハイメ： 私はR&Dの自動化には時間がかかると考えています。物理的な実験には、試作して動かして確認するという物理的な時間が避けられないからです。
ヤファ： しかし、AIなら100万通りの実験を並列で実行できます。100万の「目」が同時にデータを収集し、学習する。このスケールメリットは、従来の反復の速度を劇的に変えます。
全認知タスクの自動化：タイムラインと影響
ハイメ： 結局、AIが全ての認知タスクを人間と同じコストでこなせるようになるのはいつ頃でしょうか？
ヤファ： 私は2035年と予測しています。自信区間は2027年から2045年の間ですが、モーダル（最も可能性が高い点）は2035年です。
ハイメ： 私は少し考えて、2034年という数字を出しました。ほぼ同じですね。
ヤファ： ええ。
ハイメ： 2030年末までに1000倍の計算量でモデルを訓練していれば、数学や物理の難問を解き、人間が書いた全てのコードを自動化するレベルには達しているはずです。ただ、人間が長年かけて最適化してきた「長い尾（ロングテール）」のようなタスク、例えば複雑な状況での首尾一貫した意思決定や、微細な運動制御などは、さらに多くの計算量が必要になるかもしれません。
ヤファ： 2035年に全ての認知タスクが自動化されたら、世界はどうなりますか？
ハイメ： 年間10%の経済成長が可能になるでしょう。現在の米国の成長率の5倍です。これだけでも世界は激変します。それ以上を目指すには、やはりロボットによる物理的な自動化が不可欠です。
ヤファ： AIが数千億ドルを稼ぎ出せば、その一部を研究開発に投じるだけで、科学的進歩は1年で10年分進むようになります。がんの克服、あらゆる病気の解決、寿命の倍増――これらが現実味を帯びます。
ハイメ： 科学の進歩が30倍速くなる……。1995年から現在までの30年間の変化が、わずか1年で起きるような世界です。
ヤファ： 最初は「すごい進歩だ」と驚くでしょうが、やがてそのスピードが当たり前になります。しかし、その裏で労働市場へのインパクトは凄まじいものになります。失業とスキルの無効化。
ハイメ： それは社会的な大事件になりますね。
ヤファ： コロナ禍の時のように、政府は巨大な刺激策を講じざるを得なくなります。2030年までには、AIによる自動化が選挙の最大の争点になり、社会には大きな混乱とカオスが生じるでしょう。ただ、テクノロジーが正しく富を生んでいれば、人々が恩恵を受けられる仕組みは作れるはずです。非常に苦しい時期にはなるでしょうが。
結論：知能の還元と2040年の「狂気」
ハイメ： まとめましょう。2020年代末までは「スケーリングの時代」です。AIが経済に大きなインパクトを与え、成長率を底上げする。そして2035年頃には「認知タスクの完全自動化」が達成され、成長率は10%を超える。 その先、ロボットがいつ、どのくらいの速さで製造されるかが鍵です。
ヤファ： AIが10万台のロボットを自律的に製造し始めれば、数年で1億台に達します。そうなれば、これまでの経済学のモデルは通用しません。
ハイメ： つまり、2030年代後半には数十億台のロボット軍団が誕生する可能性がある。
ヤファ： そして2040年。ここから先は、私の予測さえ不可能な領域に突入します。私はこれを**「バナナ（狂気）の領域」**と呼んでいます。状況はとんでもない方向へ進み、予測という行為自体が意味をなさなくなります。
ハイメ： 世界が狂った後、何が起きますか？ AIがダイソンスフィアを建設し、太陽の全エネルギーを回収するまで、どれくらいかかりますか？
ヤファ： 数年でしょうか？ それとももっと短い？
ハイメ： 理論上の計算では、今の成長率なら太陽のエネルギーを全て使うまで1000年かかりますが、AIで100倍速くなれば……。
ヤファ： ロボットが普及すれば、物理的な制約すら突破されます。AIの貢献度がGDPの1%、10%、100%……と跳ね上がり、その先は「指数関数」という言葉さえ生ぬるい、双曲線的な爆発が起きます。
ハイメ： 私にとって、これはかなり現実的な未来です。2035年に知能が、2040年に労働が、AIに置き換わる。本当にクレイジーな世界です。
ヤファ： 2年後。その時、私たちのこの「デフォルト・モデル」が正しかったのか、それとももっと速かったのかを、私たちは検証しているでしょう。この狂気の二つの側面の間に、私たちの未来があります。
ハイメ： ありがとうございました。
エピローグ：リフテックの視点
対談の最後で語られた「2040年の狂気（バナナの領域）」。 これは、私たちが生きている間に、人類史の全てを数ヶ月で書き換えてしまうような変化が起きることを示唆しています。
Epoch AIが示したロードマップは、楽観論でも悲観論でもありません。「現在の計算リソースと投資の推移を直線を引けば、物理的にここにたどり着く」という冷徹な計算結果です。
2030年に向けて、AIはまずソフトウェアとデータの領域（認知タスク）を制圧します。そして2030年代後半、その知能が「ロボット」という体を得たとき、私たちが知る「経済」や「労働」という概念は消滅します。
この激変の時代、私たちは何を羅針盤にすべきでしょうか。 それは、彼らが言うように「客観的な事実」を見つめ続け、常に自分の予測をアップデートし続けることです。2040年、世界が「バナナ」になるその日まで、リフテックは最先端の知性を追い続けます。
（構成・執筆：LIF Tech 編集部）
