長い時間をかけて研究し、大量のGPUを使って作ったAIを、完成したら他の会社にも配る。
会社の行動としては、かなり不思議です。
前回は、DeepSeekが限られた計算を能力へ変えた設計と実装を確認しました。モデルの中で必要な部分だけを動かし、GPUがデータを待つ時間を減らす。そうして作られたV3やR1のモデルの重みを、DeepSeekは公開しています。R1は、利用したり、改良したり、別のAIを学習させたりできるライセンスで配られました。
せっかく見つけた技術なら、会社の中へ隠して、使いたい人から料金を取る方が自然にも見えます。公開したら、競合企業まで使えてしまう。
最初に思いつく理由は、研究への貢献や宣伝です。もちろん、それもあります。しかし企業の公開ページを見ていくと、もっと事業に近い理由も見えてきます。
今回覚えておきたい核心は一つです。
モデルを公開することは、利益を捨てることではなく、自分たちのAIを多くの製品やサービスが乗る土台にする戦略になり得る。
無料で配りながら、有料でも売れる
答えを探していて気になるのは、モデルを公開している会社が、同じAIを使う有料サービスも提供していることです。
例えば、フランスのMistral AI。同社はMistral 3というモデルを、自由度の高いライセンスで公開しています。誰でもダウンロードして、自分たちで動かせます。その一方で、すぐに使える有料APIや、企業向けの導入・カスタマイズも提供しています。
無料で手に入るなら、誰もお金を払わないように見えます。
しかし、大きなAIを安定して動かすには、GPUが必要です。利用者が増えた時に止まらないようにする。会社のデータへ安全につなぐ。問題が起きたら直す。新しい版へ更新する。こうした仕事は、モデルの重みをダウンロードしただけでは終わりません。
モデルが無料でも、便利に、速く、安全に動かすサービスには価値が残ります。
車にたとえるなら、自分で運転したい会社にはモデルという車を渡し、運転まで任せたい会社にはAPIや運用を売る。公開と有料サービスは、反対ではありませんでした。
公開されているのは、AIのどこまでか
では、無料で公開されているのは、AIのどこまでなのでしょうか。
DeepSeek-R1で公開されている大事なものの一つが、モデルの重みです。重みは、AIが学習した結果を保存した大量の数字です。これがあれば、同じモデルを自分たちのコンピューターで動かしたり、目的に合わせて調整したりできます。
しかし、重みを公開することと、AIを作った全工程を公開することは同じではありません。
どんなデータを、どのように集めて整えたのか。何回失敗し、どの条件を試したのか。実際の学習に使ったコードや設備を、どこまで再現できるのか。そこまで全部そろっているとは限りません。
完成したAIは動かせる。しかし、同じAIを最初から作り直せるとは限らない。
| 公開されているもの | 会社の中に残りやすいもの |
|---|---|
| モデルの重み | 学習データと、その集め方・整え方 |
| モデルの構造と学習方法の説明 | 失敗を含む実験の経験 |
| 動かすためのコードと利用条件 | 次のモデルを作る能力 |
| 安定した運用、API、企業向け導入 |
企業は、研究所も工場も丸ごと渡しているわけではありません。価値のある一部を開きながら、データ、学習の経験、次のモデルを作る能力は会社の中に残せる。「全部ただで配っている」という見え方は、ここで変わります。
使う人が増えると、モデルの周りが育つ
ただ、有料サービスを売れるだけなら、モデルそのものは隠したままでもよさそうです。
公開することでしか得にくいものが、もう一つあります。使う人の数です。
モデルをダウンロードできれば、世界中の開発者が試せます。自分たちの言語へ調整する人が出てくる。スマートフォンで動かす工夫をする人が出てくる。そのモデルに合った道具や、速く動かすソフトウェアを作る会社が出てくる。対応するクラウドや半導体も増えていく。
一つのモデルの周りに、道具、知識、サービス、人材が集まり始めます。
Metaは、Llamaを公開する理由について、Llamaが業界標準になるには、対応するツールや効率化、半導体への最適化を含む大きな生態系が必要だと説明しています。自社だけで使っていたら、その周りは育ちにくい。他の会社にも使ってもらうから、みんなが使える土台ができる。
公開するモデルは、商品であると同時に、場所でもあります。多くの開発者や企業が、その上で仕事を始める場所です。
ただし、公開すれば必ず標準になるわけではありません。性能、更新の継続、ライセンス、使いやすさ、対応する企業の数が影響します。
どこで利益を得るかは、会社によって違う
すべてのAI企業が同じ理由で公開しているわけではありません。
Metaは、AIモデルへのアクセス料金を取ることが中心事業ではないと説明しています。強いAIを安く使え、他社の閉じたモデルだけに依存しないことが、自社のサービスにも役立つ。だからLlamaの周りに大きな生態系ができること自体が利益になります。
一方、MistralのようなAI企業は、モデルを公開しながら、API、企業向け運用、専用モデルの開発を事業にできます。DeepSeekも、モデルの重みを公開する一方で、公式アプリとAPIを提供しています。
ここで、前回の技術と今回の経済がつながります。
公開は、技術力の代わりではありません。他の会社が自分たちの製品にも使ってみたいと思う技術だから、公開した時に人が集まる。公開は、その技術力が届く範囲を広げる方法でもあります。
ただし、DeepSeekが何を最大の事業目的としてモデルを公開したのかは、公開資料だけから一つに決められません。確認できるのは、公開されたモデルが広く使われることと、公式サービスを提供することが同時に起きていることです。
- モデルそのものへ入場料を取る会社もある
- モデルは広く配り、その周りの運用やサービスで利益を得る会社もある
- モデルを共通の土台にして、自分の本業を強くする会社もある
公開するかどうかは、無料か有料かではなく、どこで価値を受け取るかという事業設計の違いです。
「オープン」という言葉にも、いくつかある
AIの世界では、「オープンソース」「オープンモデル」「オープンウェイト」という言葉が、同じように使われることがあります。
名前を全部覚える必要はありません。見ておきたいのは一つだけです。実際に公開されている範囲と、使ってよい条件は、モデルごとに違う。
利用や改良を広く認めるライセンスもあれば、企業独自の利用条件が付くモデルもあります。Open Source Initiativeは、AIを本当の意味でオープンソースと呼ぶには、重みだけでなく、学習データについての十分な情報や、学習・実行に必要なコードも重要だと定義しています。
だから、この記事では全部をまとめてオープンソースとは呼びません。
公開は、扉が開いているか閉じているかの二択ではなく、どこまで開いているかの違いでもあります。
まとめ
高価に作ったAIを公開するのは、秘密を全部手放すことではありません。モデルの重みを公開しても、学習データ、研究の経験、次のモデルを作る力、安定して運用するサービスには価値が残ります。
そして、公開は技術力の代わりではありません。使ってみたいと思われるモデルを開くからこそ、人が集まる。使う人が増えれば、そのモデルに対応する道具、クラウド、半導体、開発者が集まり、モデルがみんなの仕事の土台になっていく。
モデルを公開することは、利益を捨てることではなく、自分たちのAIを多くの製品やサービスが乗る土台にする戦略になり得る。
Season 1の区切りに
今回で、Episode 001から続いた最初のシーズンは、いったん区切りです。
Episode 001では、AIの競争がモデルの性能だけでなく、速度やインフラへ広がっているところから始まりました。そこからCerebrasを通って、半導体を作る世界へ進み、日本の強みと国家どうしの工場争奪戦を見ました。そしてDeepSeekの技術力と、モデルを公開する意味へ。
最初は、AI競争は「一番賢いモデルを作った会社が勝つ競争」に見えていました。
ここまで見てくると、少し違って見えます。GPUをどう使うのか。どう作るのか。どこで作るのか。限られた計算をどう能力へ変えるのか。その技術をどこまで開いて、誰に使ってもらうのか。
AIの強さは、モデル一個の性能だけでなく、その周りに作られた仕組み全体で決まっているのかもしれません。
では、使う側はどうでしょうか。次々に新しいAIが出てくる中で、一番性能が高いAIを選べば、それで一番うまく使えるのでしょうか。それとも使う側にも、AIそのものの性能より、「どう使うか」「どんな環境を作るか」という話があるのでしょうか。
この続きは、次のシーズンで考えます。