記事・テクノロジー
数字で見るAIブーム
2010年以降、注目すべきAIモデルの学習に使われる計算能力は5.7 か月ごとに2倍になっています。Epoch AIのデータにある481モデルに当てはめた近似線では、年4.3倍のペースです。Microsoft、Alphabet、Amazon、Meta、Oracleは2026年9月までの4四半期に、不動産・設備へ$6,910億を投じました。ChatGPT公開前の4四半期の4.5倍にあたります。NVIDIAの2026会計年度の売上高は$2,160億で、2023会計年度の8.01倍でした。
2010以降は年率×4.3、481件の注目モデルに当てはめたトレンド。2010以前は20.5 か月ごとに倍増
GPT-6 Astra, OpenAI, 2026年9月
2019年は1、推定値のあるものは合計326
Microsoft、Alphabet、Amazon、Meta、Oracle。2022年9月までの4四半期は$1,540億
2023会計年度:$270億。純利益は$1,200億、売上高に対して56%
学習計算量は5.7 か月ごとに2倍
点は1つ1つが、Epoch AIが学習計算量を推定している543の注目すべきAIモデルです。学習計算量とは、モデルの学習に投入された浮動小数点演算(FLOP)、つまり足し算と掛け算の総数のことです。範囲は1950年のTheseus、クロード・シャノンの迷路を解く機械仕掛けのネズミ(学習計算量40 FLOP)から、現時点で最大のOpenAIのGPT-6 Astra(2026年9月、9.4×10²⁶ FLOP)までです。
目盛は対数なので、直線は一定の指数的成長を表します。2010年以降に公開された481モデルに最小二乗法の直線を当てはめると、年4.3倍で上昇します。学習計算量は5.7 か月ごとに2倍になり、この線に沿って10年進むと215万倍になります。2010年より前の62モデルでは年1.5倍で、20.5 か月ごとに2倍でした。フロンティアモデル(公開時点で計算量が上位5位以内のモデル)は、2010年以降5.4 か月ごとに2倍になりました(72モデル)。
数値は推定値です。Epochは、そのうち59%を「確実」(上下3倍以内で正しい)、28%を「可能性が高い」(10倍以内)、12%を「推測」(約31倍以内)と評価しています。推測のものは白抜きの点で示しています。これらを除くと、2010年以降の傾向は5.6 か月ごとの倍増です。
傾向を表で見る
| モデル | 件数 | 倍増期間 | 年間の増加率 | R² |
|---|---|---|---|---|
| 2010年より前の注目すべきモデル | 62 | 20.5 か月 | ×1.5 | 0.69 |
| 2010年以降の注目すべきモデル | 481 | 5.7 か月 | ×4.3 | 0.66 |
| 2010年以降のフロンティアモデル | 72 | 5.4 か月 | ×4.6 | 0.97 |
| 2010年以降の言語モデル | 302 | 4.9 か月 | ×5.5 | 0.68 |
| 2010年以降、推測の推定値を除く | 422 | 5.6 か月 | ×4.4 | 0.67 |
学習計算量のlog₂を公開日(年単位)に対して最小二乗法で当てはめたもの。倍増期間=12÷傾き(月)、年間の増加率=2^傾き。R²は、計算量の対数のばらつきのうち、直線で説明できる割合です。
各年で最大のモデル
2010年以降、計算量の新記録は24回更新されました。2010年で最大だったモデルはRNN LMで、学習計算量は5.4×10¹⁶ FLOPでした。GPT-6 Astraの計算量はその174億倍です。
Epoch AIは、178のモデルについて学習計算量のコストも2023年のドルで推定しています。最も高い推定値はGrok 4(xAI、2025年)の$3.88億で、$1.0億を超えるものは3モデルあります。データ中で最も電力を使ったのはGPT-6 Astraを学習した100,000チップで、Epochの推定では約233メガワットでした。
| 年 | モデルと開発元 | 学習計算量、FLOP | 前年比(倍) | 計算コスト、2023年$ |
|---|---|---|---|---|
| 2010 | RNN LMJohns Hopkins University · 米国 | 5.4×1016推測 | — | — |
| 2011 | CNN Committee (MNIST)IDSIA · スイス | 5.2×1016可能性が高い | ×0.96 | — |
| 2012 | Unsupervised High-level Feature LearnerGoogle · 米国 | 6.0×1017可能性が高い | ×11.5 | $16 |
| 2013 | DistBelief NNLMGoogle · 米国 | 2.6×1018可能性が高い | ×4.35 | $3,255 |
| 2014 | SNM-skipGoogle · 米国 | 3.0×1020推測 | ×114 | — |
| 2015 | AlphaGo FanDeepMind · 英国 | 3.8×1020可能性が高い | ×1.28 | $4,828 |
| 2016 | GNMTGoogle · 米国 | 6.6×1021可能性が高い | ×17.4 | $20.1万 |
| 2017 | JFTGoogle Research, Carnegie Mellon University (CMU) · 米国 | 8.4×1020確実 | ×0.13 | $1.79万 |
| 2018 | ResNeXt-101 32x48dFacebook · 米国 | 8.7×1021確実 | ×10.4 | $13.4万 |
| 2019 | AlphaStarDeepMind · 英国 | 1.1×1023確実 | ×12.3 | $13.1万 |
| 2020 | GPT-3 175B (davinci)OpenAI · 米国 | 3.1×1023確実 | ×2.91 | $212万 |
| 2021 | FLAN 137BGoogle Research · 米国 | 2.0×1024確実 | ×6.52 | — |
| 2022 | Minerva (540B)Google · 米国 | 2.7×1024確実 | ×1.34 | — |
| 2023 | Gemini 1.0 UltraGoogle DeepMind · 米国 | 5.0×1025推測 | ×18.2 | $3,070万 |
| 2024 | Llama 3.1-405BMeta AI · 米国 | 3.8×1025確実 | ×0.76 | $5,290万 |
| 2025 | Grok 4xAI · 米国 | 5.0×1026推測 | ×13.2 | $3.88億 |
| 2026現時点 | GPT-6 AstraOpenAI · 米国 | 9.4×1026可能性が高い | ×1.88 | — |
各年に公開された注目すべきモデルのうち、学習計算量が最大のもの。「前年比」は前年の最大モデルとの比較です。計算量の下には、Epoch AIの推定の確からしさを示しています。コスト:Epoch AIの推定値(ある場合)。
10²³ FLOPクラブ
Epoch AIは大規模モデルの一覧を管理しています。学習に10²³ FLOPを超える計算量を使ったモデルで、一部のAI規制が基準としている固定ラインです。そのうち326モデルに計算量の推定値があります。最初のモデルは2019年のAlphaStarです。2025年にはこの線を超えたモデルが104モデルあり、2024年は101でした。
上位の基準線を最初に超えたモデルは10²⁴超のWu Dao 2.0(2021年), 10²⁵超のGPT-4(2023年)、10²⁶超のGrok 3(2025年)です。 2025年に公開された10²⁵ FLOP超のモデル:9。この年のクラブ全体104モデルのうち、90モデルはオープンウェイト(誰でもダウンロードして実行できる形)で公開され、10モデルはAPIまたはホスト型サービスのみで提供されました。4モデルは非公開でした。
2026年はまだ終わっていません。2026年11月10日までに推定値のあるものは27モデルです。Epochは新しいモデルを数週間で追加し、計算量の推定はその後に加わるため、直近の月は時間とともに埋まっていきます。計算量の推定がない大規模な208モデルも一覧にありますが、ここには含めていません。
四角を表で見る
| 年 | 10²³超 | 10²⁴超 | 10²⁵超 | 10²⁶超 | 推定なし |
|---|---|---|---|---|---|
| 2019 | 1 | 0 | 0 | 0 | 0 |
| 2020 | 2 | 0 | 0 | 0 | 0 |
| 2021 | 10 | 3 | 0 | 0 | 0 |
| 2022 | 23 | 3 | 0 | 0 | 8 |
| 2023 | 58 | 17 | 3 | 0 | 63 |
| 2024 | 101 | 39 | 6 | 0 | 66 |
| 2025 | 104 | 71 | 9 | 3 | 61 |
| 2026現時点 | 27 | 25 | 7 | 1 | 10 |
計算量の推定値があるモデルを公開年別に集計。10²⁵ FLOP超のモデルは、10²⁴超と10²³超にも含まれます。推定なし:Epochの大規模モデル一覧にあるが、計算量の数値がないもの。
誰が作っているのか
10²³ FLOP超の326モデルのうち、米国の組織が関わったのは135、中国の組織は139で、次いで韓国 (17), フランス (10)、アラブ首長国連邦 (8)と続きます。複数の組織が作ったモデルは、それぞれの国に1回ずつ数えます。
最も多いのはAlibaba(36)、Meta AI(24)、Nvidia(20)です。 グループはデータの表記どおりに分けているため、Googleの組織は別々に数えています:Google, Google DeepMind, Google Research, DeepMind、Google Brain。
計算量の推定値があるモデル。モデルは、名前が挙がった国と組織ごとに1回ずつ数えます。組織名はEpoch AIの表記に従っています。
企業が中心で、大学ではない
2025年に公開された注目すべき109モデルのうち、企業のみによるものは92%、企業と大学の共同によるものは5%、大学のみによるものは2%でした。2010~2014年は、企業のみが作ったモデルは19%でした。
お金の話:ビッグテックの設備投資
AIモデルの学習と運用には、チップを詰め込んだデータセンターが必要です。最大級のデータセンターを建てる企業は、その費用を設備投資、つまり不動産・設備に支払った現金として報告します。Microsoft、Alphabet、Amazon、Meta、Oracleの合計は、2026年9月までの4四半期で$6,910億。2022年9月までの4四半期の$1,540億の4.5倍にあたります。この四半期は、2022年11月30日にChatGPTが公開される前の最後の四半期です。1日あたり$18.9億、1秒あたり$21,900になります。
規模に対する割合で見ると、設備投資は直近4四半期で5社の売上高の36%(以前は13%)、事業から得た現金の95%(以前は54%)を占めました。最大の支出企業はAmazonで、$2,150億でした。
提出書類には、このうちAIに使われた額は書かれていません。設備投資にはオフィスなどの建物の費用も含まれ、Amazonでは倉庫や配送網も含まれます。また、各社が独自の定義で報告しています。
2022年9月までの4四半期との比較。棒:2015以降の四半期ごとの設備投資で、各社それぞれの目盛です。営業キャッシュフローの100%超:事業で得た額より多く支出したことを意味します。カードから各社のページへ移動できます。
暦年ごとの設備投資
| 年 | Microsoft | Alphabet | Amazon | Meta | Oracle | 合計 |
|---|---|---|---|---|---|---|
| 2015 | $65.5億 | $99.3億 | $45.9億 | $25.2億 | $16.1億 | $252億 |
| 2016 | $91.1億 | $102億 | $67.4億 | $44.9億 | $16億 | $322億 |
| 2017 | $87億 | $132億 | $120億 | $67.3億 | $20.4億 | $426億 |
| 2018 | $142億 | $251億 | $134億 | $139億 | $14.7億 | $682億 |
| 2019 | $135億 | $235億 | $169億 | $151億 | $15.9億 | $706億 |
| 2020 | $176億 | $223億 | $401億 | $152億 | $18.3億 | $970億 |
| 2021 | $232億 | $246億 | $611億 | $187億 | $31.2億 | $1,310億 |
| 2022 | $248億 | $315億 | $636億 | $312億 | $66.8億 | $1,580億 |
| 2023 | $352億 | $323億 | $527億 | $270億 | $69.3億 | $1,540億 |
| 2024 | $556億 | $525億 | $830億 | $373億 | $107億 | $2,390億 |
| 2025 | $831億 | $914億 | $1,320億 | $697億 | $355億 | $4,120億 |
| 20263四半期 | $1,060億 | $1,320億 | $1,760億 | $831億 | $636億 | $5,600億 |
NVIDIA:つるはしを売る企業
Epoch AIは、2020年以降に公開された注目すべき278モデルの学習ハードウェアを記録しています。そのうち204(73%)がNVIDIAのチップ、68(24%)がGoogleのTPUで学習されました。
NVIDIAの会計年度は1月下旬に終わります。2026会計年度は2026年1月25日まででした。この年の売上高は$2,160億で、ChatGPTの公開から2か月後に終わった2023会計年度($270億)の8.01倍です。純利益は$43.7億(売上高の16%)から$1,200億(56%)になりました。
提出書類にある最新の四半期はQ2 FY2027(2026年7月26日まで)で、売上高は$962億、純利益は$597億でした。売上高のうち75%が、売上原価を差し引いた後に残りました(売上総利益率)。2026年7月26日までの4四半期の合計は、売上高$3,030億、純利益$1,930億です。このペースだと、2016会計年度のNVIDIAの売上高全体($50.1億)に等しい純利益が9.5日ごとに生まれる計算です。
ここで使っているSECのデータにはNVIDIAの総売上高はあっても市場別の内訳がないため、グラフは合計を示しています。一般投資家が保有するNVIDIA株の市場価値、つまり時価総額ではなく年次報告書の表紙にある浮動株の価値は、2022年7月末で$4,340億、2025年7月末で$4.0兆でした。
| 会計年度 | 売上高 | 変化 | 売上総利益率 | 純利益 | 純利益率 |
|---|---|---|---|---|---|
| 2016会計年度2016年1月31日終了 | $50.1億 | +7% | 56.1% | $6.14億 | 12.3% |
| 2017会計年度2017年1月29日終了 | $69.1億 | +38% | 58.8% | $16.7億 | 24.1% |
| 2018会計年度2018年1月28日終了 | $97.1億 | +41% | 59.9% | $30.5億 | 31.4% |
| 2019会計年度2019年1月27日終了 | $117億 | +21% | 61.2% | $41.4億 | 35.3% |
| 2020会計年度2020年1月26日終了 | $109億 | −7% | 62.0% | $28億 | 25.6% |
| 2021会計年度2021年1月31日終了 | $167億 | +53% | 62.3% | $43.3億 | 26.0% |
| 2022会計年度2022年1月30日終了 | $269億 | +61% | 64.9% | $97.5億 | 36.2% |
| 2023会計年度2023年1月29日終了 | $270億 | +0% | 56.9% | $43.7億 | 16.2% |
| 2024会計年度2024年1月28日終了 | $609億 | +126% | 72.7% | $298億 | 48.8% |
| 2025会計年度2025年1月26日終了 | $1,300億 | +114% | 75.0% | $729億 | 55.8% |
| 2026会計年度2026年1月25日終了 | $2,160億 | +65% | 71.1% | $1,200億 | 55.6% |
| 直近4四半期2026年7月26日まで | $3,030億 | 74.7% | $1,930億 | 63.7% |
よくある質問
AIはどれだけ速く成長しているのですか?
Epoch AIがすべての注目すべきモデルについて追跡している指標の1つが、学習計算量です。2010年以降、5.7 か月ごとに2倍になっており、481モデルへの最小二乗法の傾向では年4.3倍です。2010年より前は20.5 か月ごとに2倍でした。
AIにおけるFLOPとは何ですか?
浮動小数点演算のことで、小数の足し算または掛け算1回にあたります。学習計算量は、モデルの学習に行った演算の総数です。Epoch AIの推定では、GPT-6 Astraは約9.4×10²⁶ FLOP、1950年のTheseusは40でした。
AIモデルの学習にはどれくらい費用がかかりますか?
Epoch AIは、178の注目すべきモデルについて学習計算量のコストを2023年のドルで推定しています。最も高いのはGrok 4(2025年)の$3.88億です。2025年に公開されたモデルの7件の推定値の中央値は$4,460万です。数字は計算量のコストのみを対象としています。
テック企業はAIデータセンターにどれくらい投資していますか?
提出書類では設備投資の全体が報告されており、AI向けの部分は分かりません。Microsoft、Alphabet、Amazon、Meta、Oracleは2026年9月までの4四半期に$6,910億を支出しました(2022年9月までの4四半期は$1,540億)。最大の支出企業はAmazon($2,150億)です。
NVIDIAはどれくらい稼いでいますか?
2026会計年度(2026年1月25日まで)の売上高は$2,160億、純利益は$1,200億でした。2026年7月26日までの4四半期は、売上高$3,030億、純利益$1,930億です。
さらに詳しく
数字の計算方法
- AIモデル:Epoch AI「Data on AI models」。epoch.aiでオンライン公開。https://epoch.ai/data/ai-modelsから取得 [オンライン資料]。2026年11月15日アクセス。ライセンスはCC BY 4.0:Epoch AIのクレジットを付ければ、自由に利用、配布、複製できます。このページのグラフ、傾向、件数はBigCapitalが計算したものです。
- 学習計算量:モデルの学習に使われた浮動小数点演算の数。開発元の報告値、またはEpoch AIがハードウェアと学習時間、あるいはモデルの規模と学習データから推定した値です。確からしさはEpochの90%範囲で、確実は3倍以内、可能性が高いは10倍以内、推測は約31倍以内です。
- 傾向:推定値のある注目すべきモデルについて、学習計算量のlog₂を公開日(年単位)に対して通常の最小二乗法で当てはめたもの。倍増期間=12÷傾き(月)、年間の増加率=2^傾き。「2010年以降」:2010年1月1日以降に公開されたもの。記録:それ以前のすべての注目すべきモデルより多い計算量。
- 注目すべきモデル:Epochが挙げる、技術水準を押し上げた、被引用数が多い、歴史的に重要、または広く使われたモデルの一覧。フロンティアモデルは、公開時点で学習計算量が上位5位以内だったもの。大規模モデル:Epochが挙げる10²³ FLOP超のモデルの一覧で、公開年ごとに、また名前が挙がった国と組織ごとに1回ずつ数えます。
- 企業の数値:SEC EDGAR、10-Kおよび10-Q提出書類のXBRL企業ファクト(パブリックドメイン)。
- 設備投資:キャッシュフロー計算書にある、不動産・設備の取得に伴う支出。各社が使うXBRLタグに基づきます。単独で報告されていない四半期は、当年累計から前の累計を引いた値です。売上高、純利益、売上総利益、営業キャッシュフローは提出されたとおりです。Amazon, Q2 2017:XBRLデータにないため、会計年度から他の3四半期を引いた値です。
- 会計年度は各社の呼び方に従っています。NVIDIAの2026会計年度は2026年1月25日に終了しました。設備投資のグラフは暦四半期を使っています。
- 過去の数字は歴史であり、予測ではありません。ここに書かれた内容は投資助言ではありません。
この記事の再利用
文章とチャートは、CC BY 4.0のもとで自由に転載、翻訳、改変できます。BigCapital.orgをこのページへのリンク付きでクレジットしてください。他の提供元のデータには、それぞれのライセンスが適用されます(下の出典をご覧ください)。クレジットの付け方
出典:BigCapital.org —「数字で見るAIブーム」、https://bigcapital.org/ja/articles/ai-boom/