BigCapital ベータ

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。

2026年11月のデータで更新読了目安9分

学習計算量が2倍になるまでの期間
5.7 か月

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

データ中で最大の学習実行、FLOP
9.4×1026

GPT-6 Astra, OpenAI, 2026年9月

2025年に公開された10²³ FLOP超のモデル
104

2019年は1、推定値のあるものは合計326

ビッグテックの設備投資、2026年9月までの4四半期
$6,910億

Microsoft、Alphabet、Amazon、Meta、Oracle。2022年9月までの4四半期は$1,540億

NVIDIAの売上高、2026会計年度
$2,160億

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。

フロンティアモデル(公開時点で計算量が上位5位以内)その他の注目すべきモデル推測の推定値2010年より前の傾向2010年以降の傾向
学習計算量の推定値があるおもなモデルを、公開日順に表示。対数目盛。線:2010年より前と2010年以降の最小二乗法による傾向。名前付き:計算量の記録で、直前に名前を挙げたものの10倍以上のもの。 データ:Epoch AI「Data on AI models」(CC BY 4.0)。傾向と件数はBigCapitalが計算
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6220.5 か月×1.50.69
2010年以降の注目すべきモデル4815.7 か月×4.30.66
2010年以降のフロンティアモデル725.4 か月×4.60.97
2010年以降の言語モデル3024.9 か月×5.50.68
2010年以降、推測の推定値を除く4225.6 か月×4.40.67

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$
2010RNN LMJohns Hopkins University · 米国5.4×1016推測——
2011CNN Committee (MNIST)IDSIA · スイス5.2×1016可能性が高い×0.96—
2012Unsupervised High-level Feature LearnerGoogle · 米国6.0×1017可能性が高い×11.5$16
2013DistBelief NNLMGoogle · 米国2.6×1018可能性が高い×4.35$3,255
2014SNM-skipGoogle · 米国3.0×1020推測×114—
2015AlphaGo FanDeepMind · 英国3.8×1020可能性が高い×1.28$4,828
2016GNMTGoogle · 米国6.6×1021可能性が高い×17.4$20.1万
2017JFTGoogle Research, Carnegie Mellon University (CMU) · 米国8.4×1020確実×0.13$1.79万
2018ResNeXt-101 32x48dFacebook · 米国8.7×1021確実×10.4$13.4万
2019AlphaStarDeepMind · 英国1.1×1023確実×12.3$13.1万
2020GPT-3 175B (davinci)OpenAI · 米国3.1×1023確実×2.91$212万
2021FLAN 137BGoogle Research · 米国2.0×1024確実×6.52—
2022Minerva (540B)Google · 米国2.7×1024確実×1.34—
2023Gemini 1.0 UltraGoogle DeepMind · 米国5.0×1025推測×18.2$3,070万
2024Llama 3.1-405BMeta AI · 米国3.8×1025確実×0.76$5,290万
2025Grok 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。

10²³~10²⁴10²⁴~10²⁵10²⁵~10²⁶10²⁶超
Epoch AIが10²³ FLOP超で学習したとして一覧に載せ、計算量の推定値があるモデルを、公開年ごとに1モデル1つの四角で表示。各列の一番下が最大です。2026年:2026年11月10日まで。 データ:Epoch AI「Data on AI models」(CC BY 4.0)。傾向と件数はBigCapitalが計算
四角を表で見る
年10²³超10²⁴超10²⁵超10²⁶超推定なし
201910000
202020000
2021103000
2022233008
202358173063
2024101396066
2025104719361
2026現時点27257110

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。

10²³ FLOP超のモデル、国別
  1. 中国139
  2. 米国135
  3. 韓国17
  4. フランス10
  5. アラブ首長国連邦8
  6. 英国5
  7. ドイツ4
  8. 香港3
  9. ロシア3
  10. フィンランド2
10²³ FLOP超のモデル、組織別
  1. Alibaba36
  2. Meta AI24
  3. Nvidia20
  4. DeepSeek17
  5. OpenAI11
  6. Google10
  7. IBM10
  8. Tsinghua University10
  9. ByteDance8
  10. Z.ai (Zhipu AI)8
  11. 01.AI7
  12. Ant Group6

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。

企業企業と大学大学その他・不明
注目すべきモデルすべて(計算量の推定の有無を問わない)を、公開年と作成者別に集計。分類はEpoch AIによる組織の区分です。その他:政府、研究コレクティブ、未分類。2026年:2026年11月10日まで。 データ:Epoch AI「Data on AI models」(CC BY 4.0)。傾向と件数はBigCapitalが計算

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。

MicrosoftAlphabetAmazonMetaOracle
キャッシュフロー計算書にある暦四半期ごとの設備投資。Oracleの四半期は2月、5月、8月、11月に終わり、終了する暦四半期に含めています。網掛け:2022年9月までの4四半期と2026年9月までの4四半期。 出典:SEC EDGAR(企業の提出書類)

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MicrosoftAlphabetAmazonMetaOracle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。

売上高純利益
提出された会計四半期ごとの売上高と純利益。会計年度はNVIDIAの呼び方に従っています(2026会計年度は2026年1月25日に終了)。破線:ChatGPT公開、2022年11月30日。 出典:SEC EDGAR(企業の提出書類)
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/

言語

EnglishBahasa IndonesiaDeutschEspañolFrançaisItalianoNederlandsPolskiPortuguêsTürkçeРусскийУкраїнська日本語한국어简体中文