ChatGPT を推進する 3 つの主要な効果: 規模効果、ネットワーク効果、範囲効果

この記事では、「規模効果」、「ネットワーク効果」、「範囲効果」という 3 つの経済的概念から始め、ChatGPT を推進する 3 つの主要な効果について詳しく説明します。インターネットの根底にあるロジックについてさらに詳しく知りたい方におすすめです。

インターネットビジネスレポートでは、「規模の効果」、「ネットワークの効果」、「範囲の効果」という3つの経済概念が頻繁に登場します。

過去 30 年間、インターネットとテクノロジーの巨人たちのビジネスの奇跡を推進してきたのは、これら 3 つの概念の背後にある経済原則です。

少し前、ChatGPT に代表される大規模な AI モデルが登場し、次世代のインターネットの基礎となると考えられていました。

「規模の効果」、「ネットワーク効果」、「範囲の効果」が、その発展において今もなお従われている基本的な論理であることは容易に分かります。したがって、この文脈に沿って推論し分析することで、多くのインスピレーションを掘り出すことができます。

01 スケール効果：「創発」の名の下に

「規模の効果」は「規模の経済」とも呼ばれ、規模の拡大によってもたらされる経済的利益の向上を指します。一般的に言えば、この概念は、一部の業界では生産量が増加すると製品の平均コストが減少するという法則を指します。大規模な AI モデルの場合、規模のメリットはコスト削減などの量的な変化だけではありません。

膨大なデータトレーニングを経て、大規模モデルのパラメータ数が数千億という驚異的なレベルに達したとき、「創発」現象が発生しました。つまり、モデルの出力結果と人間の思考や表現の類似性に質的なブレークスルーが起こったのです。

これは、まず第一に、大型モデルがほぼ大企業の独占領域となっていることを意味します。

ハードウェアの観点から見ると、数か月間のマラソントレーニング用に何万枚ものグラフィックカードをサポートするために資金を費やす余裕があるのは、大企業（または OpenAI のような「大企業の子孫」）だけです。人材の観点から言えば、莫大な人件費をかけてコンピューター博士の大規模なチームを雇用できるのは大企業だけです。データの観点から見ると、データの蓄積において国内外のテクノロジー大手に匹敵する企業は存在しません。

「大きくてカールした」は「シャベル売り」にとっては良いニュースとなるでしょう。巨人でさえ、この AI 乱闘で最後に笑えるかどうかは保証できません。

確かに、トレーニングをしても望む結果が得られない場合もありますし、トレーニングをしても結果を実現する方法がわからない場合もあります。しかし、あなたはトレーニングを始めようとしないのですか？

現時点では、巨大企業のCEOは海淀区の母親たちと同じくらい不安を抱えており、資金に困っていないため、NvidiaとAofei Dataは当然、「二重削減」前のXueersiとNew Orientalになった。第一波で大儲けした人たちは「シャベル売り」に違いない。

寡頭制の構造が安定すると、政府の介入が続く可能性が高くなります。

中国、米国、欧州のいずれの国でも、政府はインターネット大手による独占的地位の不当な利用についてますます懸念を強めている。大規模な AI モデルのスケール効果により、「大木の下には草が生えない」状態になることは必至であり、その強力な能力が社会全体に深刻な影響を及ぼすことは言うまでもありません。こうした中、政府による「介入せざるを得ない」状況と「介入できない」状況は今後も長く続くだろう。

02 ネットワーク効果: 補助金戦争が再び起こる可能性

「ネットワーク効果」は「ネットワーク外部性」とも呼ばれます。これは、製品（またはサービス）の場合、ユーザーが増えるごとに、その製品の他のユーザーにとって新たな価値が生み出されることを表す経済およびビジネス用語です。

たとえば、誰も使わない電話機を設置しても価値はありませんが、電話機が普及すればするほど、設置する価値が高まります。

AIビッグモデルもネットワーク効果の原則に従います。 ChatGPT を例に挙げましょう。より多くの人々がロボットに話しかけるほど、ロボットのトレーニング教材と反復回数が増え、ロボットは「人を理解する」ようになり、より「人間らしく」なります。

こうなると、AI時代には「交通の入り口」を占拠する必要が出てきます。その理由は、より多くの実際の人々を最初に「実践」に引き付けた人が、そのモデルを最初により高い成熟度に到達させることができるからです。

これは、ChatGPT の先行者利益によって明確に実証されています。テキスト会話の次に来る「トラフィックアウトレット」は何でしょうか?まだ一般に公開されていないゲーム、ビデオ、またはその他のインタラクティブな形式はありますか?期待する価値あり。

さらに、再び「補助金戦争」が起こる可能性も高い。前回の補助金戦争も、プラットフォーム経済のネットワーク効果によって引き起こされました。 ChatGPT の当初の無料戦略は、実際には一種の「人々を囲む」ようなものでした。この理屈に基づけば、国内外の大手企業の間で再び血みどろの補助金戦争が起こる可能性が高く、MaaSも「金を出して量を買う」というハードルから逃れられないかもしれない。

03 エリア効果：強力なドラゴンと地元の蛇の愛憎関係

「スコープ効果」とは、製造業者が複数の関連製品を同時に生産する場合、その単位コスト支出がこれらの製品を個別に生産するコストよりも低くなる状況を指します。

ChatGPT に代表される新世代の大規模モデルは、汎用人工知能 (AGI) に非常に近いものと考えられています。そのため、多くの人は、「1 つのシナリオに 1 つのモデル」という従来のやり方は過去のものとなり、AGI ですべてを実行できると考えていますが、物事はそれほど単純ではないかもしれません。

「ユニバーサル」だけでは「使いやすさ」は実現できません。 「全知全能」のモデルを訓練するには莫大なコストがかかるのは言うまでもなく、医療や金融などの分野では、大手企業がノウハウや実際のビジネスデータを入手することも困難だ。

つまり、「一般的な」モデルは、Wikipedia、教科書、さらには関連分野の学術論文から多くの「真実」を学習できるかもしれませんが、重要なパラメータを正確に適合できないため、関連分野で実際のビジネスを行う際には困ることになります。

セグメント化された業界のデータにより、「要因」属性が強調表示されます。 AIのアップグレードによりデータマイニング能力が強化されると、データ自体の価値が自然に高まり、データの生産要素属性がより顕著になります。

このような状況では、データ保有者は、モデル当事者によって増加した価値が食い尽くされるのをただ黙って見ているわけではないだろう。実際、「ビッグモデル産業」（ここではこの用語を使用しましょう）よりも市場集中度が高い産業は多く、高価値データ保有者の交渉力はモデル保有者よりも大きくなり、高価値データ保有者がアプリケーション実装のチャネルもコントロールしていることもよくあります。

このような背景から、強力なドラゴンと地元のヘビは共存するための生態学的枠組みを模索する必要がある。強力なドラゴン（モデル保有者）とローカルスネーク（高価値データ保有者）が、モデルトレーニングの分業、データ利益の分配、アプリケーション結果の共有という点で、実際の環境に適応し、大規模に複製できる一連のビジネスモデルを模索して初めて、良質な共存エコシステムが形成されるのです。

著者: 東東本尊、WeChat 公開アカウント: 東東ノート (ID: dongdong_note)