SemiAnalysis
Meta超知能研究所（MSL）の現在地：データ・計算資源・人材の三拍子
要点
- Llama 4の失敗を契機にZuckerbergが1年前にAI組織を刷新。$14.3BでScale AI（Alexandr Wang）を取り込み、研究者に数億ドル規模の報酬パッケージを提示して人材獲得競争を展開
- 最初のモデル「Muse Spark」はオープンソースモデルにも劣るスタートだったが、SemiAnalysisは「傾きこそが重要」とし、6ヶ月以内にGoogleを超える可能性があると分析
- フロンティアAIの競争はOpenAI vs Anthropicの2強体制に収束しており、Googleは急速に存在感を失いつつある
- MetaはRL（強化学習）用の訓練データ生成において独自の優位を構築：社員の画面・キーボード操作を記録するプログラムと、約3,000人のエンジニアをフルタイムのRL環境構築に充てる組織再編を実施
- 計算資源では5つの1GW超「Titanクラスター」を同時建設中（オハイオ・ルイジアナ・エルパソ・アイオワ・インディアナ）。年内にOpenAI・Anthropicを上回るAI計算資源を保有する見通し
編集部の考察
MetaがRL訓練用に社員の業務画面を録画し、エンジニア3,000人をそのデータ生成環境の構築に専従させているという事実は、「最高品質のホワイトカラーAI訓練データは自社の業務そのもの」という仮説を巨額投資で実証した行動だ。これを外部の話として読み飛ばせない理由がある——ITメガベンチャーであれば、すでに数年分の業務ログ（チケット対応の会話、コードレビューコメント、提案資料の修正履歴、商談記録）が蓄積されているはずで、それは現時点では「検索対象のアーカイブ」に過ぎない。Metaが見せたのは、そのデータを「AIが模倣すべき行動シーケンス」として再定義し、強化学習の報酬信号に変える組織的な取り組みだ。汎用モデルがどれだけ賢くなっても、「自社のエース社員がどう判断するか」を模倣するモデルは自社業務データからしか作れない——これが外部AIとの本質的な差分になる。自社に置き換えて問うべきは「どのチームのどのワークフローをRL環境化すれば、外部AIに追いつかれないモートになるか」だ。3,000人を専従させる規模は再現できなくても、「どの業務プロセスから着手するか」を経営議題として立てるかどうかが、1年後の競争力の差になる。
原文より
“Even if algorithmic progress stalls out, and we just never figure out how to keep progress going...the current suite of algorithms are sufficient to automate white collar work provided you have enough of the right kinds of data.”
本記事は原文ニュースレターの独自キュレーション・考察であり、翻訳ではありません。引用部分の著作権は原著者に帰属します。