AI基盤モデル

2026年9月4日

スタートアップやベンチャーキャピタルに対し、資本構成、ファンドなどの管理ソフトウェアやサービスを提供するCartaによると、AI関連企業への投資は、2023年第1四半期が38.1%であったが、その後増加し、今年の第1四半期には更に61.3%へ増加した。今、AI関連企業への投資が旬であると言える。その中でも、基盤モデルの開発企業は高い評価を受けており、他の一般企業とは比較にならないほどの高評価額で資金を調達している。シリーズAにおける非AI系スタートアップの評価額中央値が5,500万ドルであるのに対し、AI基盤モデルのスタートアップでは3億ドルに達することもあるという。

AIにおける基盤モデルとは、自己教師あり学習（Self-Supervised Learning: SSL）*注1を用いて主にラベル付けされていない膨大なデータセットで学習された大規模なディープラーニングシステムのことで、多種多様な後続タスク、応用タスクに適応可能な柔軟で汎用的な基盤として機能する。主な例として、文章を扱う大規模言語モデル、画像を認識するコンピュータビジョンシステム、文章や画像など複数の種類の情報を扱うマルチモダルネットワークなどが挙げられる。そのメリットとして、新規プロジェクトごとに専門的なAIモデルをゼロから学習させる必要性を減らすことができるため、単一の基盤モデル、異なる業界にまたがる複数の異なるアプリケーションを稼働させることが可能な汎用性や、明示的に学習していない課題にも自発的な問題解決能力を発揮する点などがある。

主な特徴としては、次の点がある。

大規模性: テキスト、画像、音声、コードなどを含む数十億から数兆の膨大かつ多様なパラメータで構成され、大規模な計算インフラを必要とする。
自己教師あり学習: ラベル付けされていない生のデータから、潜在的なパターンや構造を見つけ出すことで学習する。
汎用性: 特定の狭い用途に限定されるのではなく、幅広い能力を備えるように設計されている。
高い適応性: 翻訳、要約、画像生成といった特定のタスクを実行するために、ゼロから構築するのではなく、追加データを使って調整するファインチューニングや、指示文を工夫するプロンプティングにより特定の用途に合わせて最適化される。

AI基盤モデルの主要企業として、OpenAIは、チャット、コーディング、ワークフローの自動化などに世界中で利用されているGPTシリーズや、高度な推論モデルを開発している。Anthropicは、安全性、大きなコンテキストウィンドウ、複雑な企業業務への対応を重視したClaudeモデル群を開発している。Googleは、検索、クラウド、コンシューマー向けデバイスに深く統合されたマルチモダルモデルエコシステムであるPaLMやGeminiなどのモデルを開発している。

これらの企業は現代のテキスト、画像、マルチモダルアプリケーションを支える中核的な大規模ニューラルネットワークを構築しているといえる。

*注1 人間がデータに手動で正解ラベル（アノテーション）を付けることなく、データそのものから自動的に「問題と答え（疑似ラベル）」を作り出してAIを訓練する機械学習の手法。