コードレッドの向こう側:「安い知能」の世界

GoogleのGemini 3がベンチマークを席巻し、OpenAIが社内で「コードレッド」を宣言した、というニュースが駆け巡っています。(The Guardian)
表向きのストーリーは「OpenAI vs Google」の全面戦争ですが、その陰で、まったく違うゲームが静かに進行しています。

アリババの画像生成モデルZ-Image、Airbnbが選んだQwen、そしてDeepSeek V3.2。
この3つは、単なる「追い上げ組」ではなく、「知能のコスト構造」を根本から書き換えるプレーヤーです。

そして、もうひとつ忘れてはいけない背景があります。
ChatGPT登場以降に生まれ、静かに消えていった、多数のAIスタートアップの墓標です。

この投稿では

• 表の「フロンティア性能競争」

• 裏の「知能コスト戦争」

• そしてAIスタートアップの大量死から見える教訓

をつないで、これから数年のAI戦略を考えてみます。

1. 表舞台：Gemini 3とOpenAIのコードレッド

まずは、今いちばん目立っている物語から。

GoogleはGemini 3で、推論性能やマルチモーダル能力の大半のベンチマークでChatGPTを上回ったと報じられています。(The Guardian)
これを受けてOpenAIのSam Altmanは、社内に「コードレッド」を発令し、広告や一部の新規プロジェクトを後回しにして、ChatGPTの速度、安定性、パーソナライズの改善に総力を振り向ける方針を示しました。(New York Post)

ユーザー数で見れば、ChatGPTは週次のアクティブユーザーが8億人規模とされ、依然として消費者向けチャットボットの王座にいます。
この「表舞台」では

• GPT

• Gemini

• Claude

• Grok

といったアメリカの巨大企業のモデルが、一般ユーザーの時間と注目を奪い合っています。

この世界では

• ブランド

• 既存プロダクトとの統合

• プラットフォームのエコシステム

が決定的に重要であり、中国発のDeepSeekのような新興勢力が一気にシェアを取る余地は、正直かなり小さい。
消費者向けの「AIチャットボット市場」だけを見ていると、世界はGAFAMと数社のユニコーンの戦いに見えます。

しかし、本当におもしろいのはここではありません。

2. 裏舞台：企業向けAIで進む「知能コスト戦争」

企業市場では、ゲームのルールがまったく違います。

求められているのは

• 人間のオペレーションを丸ごと代替するエージェント

• バックオフィスやカスタマーサポートの自動化

• 既存システムと結合した、エンドツーエンドのワークフロー自動化

であり、「どのチャットボットが気持ちよく会話できるか」ではなく

• 月あたりのトークンコスト

• レイテンシ

• セキュリティとホスティング形態

• モデルのカスタマイズ可能性

がKPIになります。

ここで急速に存在感を増しているのが、中国勢です。

2–1 Airbnbが選んだのは「ChatGPT」ではなく「Qwen」

象徴的な事例がAirbnbです。

同社のBrian Cheskyは、カスタマーサービスのエージェントとして、OpenAIではなくアリババのQwenを採用していると明言しました。理由はシンプルで

• 速い

• 安い

• オープンソースで自社ニーズに最適化しやすい

からです。(The Wire China)

米サンフランシスコ発のAirbnbが、中国製LLMを中核業務に使う時代になった、という象徴性はかなり大きい。
まさに「中国が米国の企業顧客の一部を根こそぎ取りに来ている」状況です。

2–2 DeepSeek V3.2：知能コストを壊しに来たモデル

DeepSeek V3.2は、まさにこの「企業向け・エージェント用途」をターゲットにしたモデルです。

公表されている情報を見る限りですが、このモデルのポイントは大きく3つあります。(TechRadar)

1. コスト
   ユーザーが引用しているように、100万トークンあたり0.28ドルクラスの価格帯を打ち出しており、フロンティアモデルと比べて桁違いに安い水準です。
   しかもMITライセンスでオープンソース化されており、自社インフラにホストしてさらにコストを削ることも可能です。

2. 性能
   V3.2のハイエンド版である「Speciale」は、IMOやIOIなどの国際コンペ問題でゴールドメダル相当のスコアを叩き出しています。(DeepSeek API Docs)
   つまり「安かろう悪かろう」ではなく、少なくとも数学やコード、推論領域ではトップクラスに食い込んでいる。

3. DeepSeek Sparse Attention（DSA）
   既存のLLMは、次のトークンを予測する際に、コンテキスト内の全トークンに対してアテンション計算を行うため、コンテキストが長くなるほどコストが爆発します。
   DeepSeekは、別の安価なモジュールで先に関連度をざっくり評価し、「上位148トークンだけにフルアテンションをかける」という仕組みを入れました。
   これにより、性能を落とさずに長コンテキストの推論コストを大幅に削減しています。(Medium)

加えて、ツール呼び出しのあいだに推論の「思考ログ」を維持する設計により、何度も外部ツールを叩くエージェント的ユースケースに最適化されています。
もはや「ツールが使える」ではなく、「ツール利用が前提のアーキテクチャ」になりつつあるのがポイントです。

2–3 Z-Image：画像領域で起きている同じ現象

テキストだけでなく、画像生成でも同じ構図が見えます。

アリババのZ-Imageは、約60億パラメータの画像生成モデルでありながら、高速かつ高品質な生成を実現したオープンソースモデルです。(GitHub)

• シングルストリームのディフュージョントランスフォーマー

• 2019年世代のGPUでも実用的な速度で動くZ-Image Turbo

• 大型モデルに匹敵するフォトリアリスティックな画質

といった特徴を持ち、「手元のマシンで動くSOTA」にかなり近いポジションを取りつつあります。(Decrypt)

ここでも、キーワードはやはり

• オープンソース

• 軽量

• 速い

• 安い

です。

2–4 消費者向け vs 企業向けというセグメンテーション

乱暴ではありますが、市場はざっくり

• 消費者向け（B2C）

• 企業向け（B2B）

に分けて考える必要があります。

B2Cでは、米国勢が

• ブランド力

• デバイスやOSとの統合

• 巨大な広告・流通チャネル

で優位に立ち続ける可能性が高いでしょう。

一方でB2B、特に

• カスタマーサポート

• 業務プロセス自動化

• 社内ナレッジ検索＋エージェント

のような領域では、「性能が90点でも、コストが3割」であれば、中国製モデルが有利になっていきます。

AirbnbによるQwen採用は、その「第一号」に過ぎません。

3. AIスタートアップの墓場が教えること

では、この「安くてそこそこ強いモデル」が大量に出てきた世界で、スタートアップはどこで戦えば良いのでしょうか。

ここで役に立つのが、ChatGPTブーム以降に立ち上がり、すでに消えていったAIスタートアップの分析です。

ある動画レポートでみただけですが、ソフトウェア21社、ハードウェア3社の失敗事例を詳細に追いかけていました。
共通していたのは「技術的なすごさ」よりも、「ビジネスとしての成立条件」を見誤っていたことでした。

3–1 「ラッパー」ビジネスの構造的な限界

多くのソフトウェア企業は、基盤モデルのAPIをそのまま呼び出す、いわゆる「ラッパー」に過ぎませんでした。

問題は、粗利率です。

・従来のSaaS
粗利率はおおよそ70〜90％。
追加ユーザーが増えても、サーバーコストは限定的で、売上がそのまま利益に乗りやすい構造です。

・LLMラッパー
高価なLLM APIを叩くため、粗利率は50〜60％どころか、それ以下に落ち込むケースも多い。
無料枠を提供してユーザーを集めても、有料転換が追いつかないと、増えたユーザーの分だけ赤字が膨らみます。

これはビジネスモデルとして、そもそもかなり苦しい出発点です。

3–2 ユニットエコノミクスの地獄

GPUによる計算コストが高すぎて、売上よりもAPIコール費用の方が大きくなってしまう企業も少なくありませんでした。

• 月数十万〜数百万ドルを「推論コスト」として燃やし続け

• 追加資金調達に失敗したタイミングでそのまま終了

というパターンです。

ここまでは、ある意味「分かりやすい失敗」です。
しかし、より根深いのは次のポイントでした。

3–3 最大の死因は「誰も欲しがらないプロダクト」

その動画の分析では、失敗スタートアップのおよそ4割強が、「プロダクト・マーケット・フィット（PMF）の欠如」に分類されています。

・Cartifact
ニュースリーダー → Twitter風サービス → Pinterest風サービスと、何度もピボットしたものの、明確な市場機会を見つけられず終了。

・Code Parent
YC支援を受けた企業。50万ドルを使い切り、何度も方向転換を行ったものの、最終的な月間収益は1,500ドル程度で閉鎖。

スタンフォードの調査によると、YC発のAIスタートアップの約4割は、「そもそも優先度の低い課題」を解こうとしていた、というデータも紹介されています。
つまり

「AIで何かやりたい」
「とりあえずLLMを使ったSaaSを作りたい」

という動機だけが先行し、現実のユーザーが切実に困っている問題に、プロダクトが紐づいていなかった、ということです。

AIスタートアップの成功率が、ざっくり10社に1社と言われるのも、ここが大きな要因になっています。

3–4 ハードウェアの失敗はさらに生々しい

ハードウェア領域の3社は、それぞれ別の「致命傷」を抱えていました。

Forward HealthのCarePodsは、6億5,000万ドル近い資金を集めながら、当初予定していた3,200台の設置に対し、実際に動いたのは5台程度。
1台あたりの製造コストが100万ドルクラスなのに、ユーザー課金は月額99ドルという、どう計算しても成立しないユニットエコノミクスでした。

日本でも話題になったと聞きましたが、HumaneのAI Pinは、スマートフォンの代替を目指したものの

• スマホより便利なユースケースがなく

• 端末価格は約700ドル

• さらに月額サブスクリプションが必要

という構造で、コストに見合う価値を提供できませんでした。

KScale Labsは、人型ロボットのオープンソースプロジェクトとして注目を集めましたが、中国のUnitreeなどが、より高性能なロボットを3,000〜6,000ドルの価格帯で出してきたことで、製造コスト競争で敗退しています。

ここでも共通しているのは

• 「未来っぽさ」はある

• デモ動画も華やか

• しかし、具体的なビジネスモデルとユニットエコノミクスが成立していない

という点です。

4. 「安い知能」の時代に、何が起こるか

ここで、DeepSeek V3.2やQwen、Z-Imageのようなモデルが、無料や極端に安いコストで提供されはじめたことの意味を考えてみます。