a16z 創始人：Agent 時代，真正重要的東西變了

著者：a16z

翻訳：FuturePulse

情報源：これは a16z 創設者 Marc Andreessen が Latent Space ポッドキャストでの最新インタビューです。彼はアメリカの著名なインターネット起業家であり、インターネット初期の発展において重要な人物の一人です；また、a16z 創設後はシリコンバレーのトップ投資家の代表格となっています。全体の対話は AI の発展史と最新動向を中心に展開されており、非常に読む価値があります。

一、今回の AI は突如現れたのではなく、80年にわたる技術長距離走の末に初めて本格的に「動き始めた」

今回の AI は突如出現したのではなく、80年にわたる技術長距離走の末に

Marc Andreessen は現在の状況を「80年の一夜にして成功（80-year overnight success）」と表現し、一般の人々には突然のブレイクスルーに見えるが、実際には数十年にわたる技術蓄積の集大成だと指摘しています。

彼はこの技術の流れを初期の神経ネットワーク研究に遡り、今日の業界は実際に「神経ネットワークが正しい構造である」という判断を受け入れていると強調します。

彼の説明では、重要な節目は単一の瞬間ではなく、一連の積み重ね：AlexNet、Transformer、ChatGPT、推論（reasoning）モデル、そしてエージェントと自己改善へと続きます。

彼は特に強調します、この度は単にテキスト生成が強化されただけでなく、四つの機能が同時に出現していると：大規模言語モデル（LLMs）、推論、コーディング、そしてエージェント／再帰的自己改善。

彼が「今回は違う」と考える理由は、物語がより魅力的だからではなく、これらの能力がすでに実際のタスクで機能し始めているからです。

二、Pi と OpenClaw が示すエージェントアーキテクチャは、チャットボットを超えるソフトウェア構造の深い変化

彼はエージェントについて具体的に語ります：本質的には「LLM＋シェル＋ファイルシステム＋マークダウン＋cron／ループ」です。この構造の中で、LLM は推論と生成の中心、シェルは実行環境を提供し、ファイルシステムは状態を保存、マークダウンは状態の可読性を確保し、cron／ループは周期的な起動とタスク推進を担います。

彼はこの組み合わせの重要性を次のように述べます：モデル自体が新しいだけでなく、他のコンポーネントはソフトウェアの世界ですでに成熟し、理解され、再利用可能な部分だと。

エージェントの状態はファイルに保存されるため、モデル間や実行環境を越えて移行可能です；基盤となるモデルは置き換えられるが、記憶と状態は保持され続ける。

彼は繰り返し強調します：自己省察（introspection）です。エージェントは自分のファイルを知り、自分の状態を読めるだけでなく、自分のファイルや機能を書き換えることもでき、「自己拡張（extend yourself）」の方向に進む。

彼の見解では、真のブレークスルーは「モデルが答える」だけではなく、エージェントが既存の Unix ツールチェーンを活用し、コンピュータの潜在能力をすべて取り込めることにあります。

三、ブラウザ、従来の GUI、そして「人手で操作するソフトウェア」の時代は、エージェントファーストのインタラクション方式に徐々に置き換えられる

Marc Andreessen は明確に述べています、未来では「ユーザーインターフェースは必要なくなるかもしれない」。

彼はさらに指摘します、将来のソフトウェアの主要な利用者は人間ではなく、「他のボット（bots）」になる可能性が高いと。

これは、多くの今日の人間がクリック、閲覧、フォーム入力のために設計されたインターフェースが、エージェントの背後で呼び出される実行層に退化することを意味します。

この世界では、人間はむしろ目標を提示する役割に近づきます：システムに何を欲しいかを伝え、エージェントがサービスを呼び出し、ソフトウェアを操作し、フローを完了させる。

彼はこの変化を、より大きなソフトウェアの未来に結びつけます：高品質なソフトウェアはますます「豊か」になり、少数のエンジニアが手作りする希少品ではなくなる。

また、プログラミング言語の重要性は低下すると予測します；モデルは言語を越えてコードを書き、相互に翻訳し、将来的には人間は「なぜこのようにコードを組むのか」を説明することに関心を持つようになると。

さらに、より積極的な方向性も示します：概念的には、AI はコードだけでなく、より低レベルのバイナリコード（binary）やモデルの重み（model weights）を直接出力する可能性もあると。

四、今回の AI 投資サイクルは 2000 年のインターネットバブルと類似しているが、基盤となる供給と需要の構造は異なる

彼は 2000 年の崩壊を振り返り、主な原因は「インターネットがダメだった」わけではなく、通信と帯域幅のインフラ過剰投資にあったと指摘します。光ファイバーやデータセンターが先行して敷設され、その後長期間にわたり消化されたと。

彼は今日も「過剰投資」の懸念が見られるとしつつも、現在の投資主体は Microsoft、Amazon、Google などの現金に余裕のある大手企業であり、高度にレバレッジされた脆弱なプレイヤーではないと述べます。

特に、GPU の投資が成立すればすぐに収益化できるケースが多く、これは 2000 年の大量の遊休容量とは異なると。

また、今使われている技術は「サンドバッグ化（sandbagged）」されたバージョンだとも指摘します：GPU、メモリ、データセンターの供給不足により、モデルの潜在能力が十分に引き出されていない状態だと。

彼の見解では、今後数年の真の制約は GPU だけでなく、CPU、メモリ、ネットワーク、そしてチップエコシステム全体の連携ボトルネックになると。

彼は AI のスケーリング法則と過去のムーアの法則を並べて、これらは単なる規則の記述だけでなく、資本、エンジニアリング、産業の協調を持続的に促進していると考えます。

彼は一つ、非常に異例だが重要な現象を挙げます：ソフトウェアの最適化速度が加速するにつれ、古い世代のチップの方が新しいものより経済的価値が高くなる可能性もあると。

五、オープンソース、エッジ推論、ローカル実行は、端の端の話ではなく、AI 競争の一部

Marc Andreessen はオープンソースの重要性を明確に認めます。その理由は単に無料だからではなく、「世界中にその作り方を学ばせることができる」からだと。

彼は DeepSeek のようなオープンソースのリリースを、「世界への贈り物（gift to the world）」と表現し、コードと論文が知識の拡散を促進し、業界全体の底上げにつながると述べます。

彼の説明では、オープンソースは単なる技術選択ではなく、地政学や市場戦略の一環でもあります。異なる国や企業が、自国の商業制約や影響力の目標に基づき、異なるオープン戦略を採用することもあると。

また、エッジ推論（“Edge inference”）の重要性も強調します：今後数年、集中型の推論コストは十分に低くならず、多くの消費者向けアプリは長期的なクラウド推論コストを負担できない可能性が高いと。

彼は繰り返し見られるパターンを指摘します：今日「PC上で動かすのは不可能」と思われているモデルも、数ヶ月後には実際にローカルマシンで動作していることが多いと。

コストだけでなく、信頼性、プライバシー、遅延、利用シーンもローカル実行を促す要因です：ウェアラブルデバイス、ドアロック、携帯端末などは低遅延・現地推論により適している。

彼の判断は非常にストレートです：ほぼすべてのチップ搭載のものには、将来的に AI モデルが搭載される可能性があると。

六、AI の本当の課題は、モデルの能力だけでなく、安全性、アイデンティティ、資金流、組織・制度の抵抗にある

安全性について、彼の見解は非常に鋭い：潜在的なセキュリティバグは見つかりやすくなり、短期的には「大規模なコンピュータセキュリティの災害」が起きる可能性もあると。

しかし同時に、プログラミングされたインテリジェントエージェントは脆弱性修正の能力を規模化していくと考えます。将来的には、「ソフトウェアを守る」方法は、ボットに脆弱性をスキャンさせ修復させることになるかもしれません。

アイデンティティの問題では、「ロボット証明（proof of bot）」は不可能だとし、ボットはますます強力になるため、「人間証明（proof of human）」、すなわち生体認証、暗号検証、選択的開示（selective disclosure）の組み合わせが現実的な解決策だと。

また、現実世界でエージェントが仕事をするには、最終的に資金や支払い能力、さらには銀行口座やカード、ステーブルコインのインフラも必要になると指摘します。組織面では、マネジメント資本主義（managerial capitalism）の枠組みを借りて、AI は創業者主導の企業を再強化する可能性があると考えます。なぜなら、ボットは報告書作成や調整、文書作業、大量の「管理作業」に長けているからです。

しかし、社会が AI をすぐにスムーズに受け入れるとは考えていません。彼は職業免許、労働組合、港湾労働者のストライキ、政府機関、K-12 教育、医療などの例を挙げ、現実の制度的な遅れが多く存在すると示します。

彼の見解は、AI のユートピア主義者や終末論者の両方が見落としがちな点を指摘します：技術が可能になったとしても、80億人がすぐに変化に追随するわけではないと。