Googleのtransformer論文があらゆる主要大規模言語モデルのバックボーンとなってから9年、一群のスタートアップが次なる技術を追い求め、学術的AI研究はその重心を移しつつある。これが事実だ。戦略的な問いは、transformerの支配が恒久的均衡なのか、それとも一時的な踊り場なのかということだ。

経済性が緊急性を説明する。Transformerは美しくスケールするが、推論時に代償を強いる。アテンション機構のコストはコンテキスト長に対して二次関数的に増大し、業界の答えはこれまで資本を投入することだった。これはまさにNvidiaの並行ニュースが示すもので、データセンター構築に向けた5000億ドルの資金調達推進であり、DeepSeekのV4 Proがより効率的な訓練体制からフロンティアクラスの性能を絞り出すことで補強している。単一のアーキテクチャが計算コストと消費電力の両方を定義する時、コスト曲線を下げる信頼できる代替案はあらゆる構造的機会となり、漸進的なものではなくなる。

既存勢力にとってのリスクは、アーキテクチャが資本では完全に守れない唯一の堀であることだ。非transformerアプローチが推論コストの数分の一で同等の品質を提供すれば、最大のGPUクラスターを所有する優位性は狭まる。これが学術界のシフトが重要な理由だ。研究人材がオープンな発表から閉鎖的な産業ラボへ移行しており、次のブレークスルーが少数のプレイヤーの内部に集中し、誤った馬に賭けることの賭け金が上がっている。

日本企業とSIerにとっての教訓は、アーキテクチャのロックインを避けることだ。今日のローカル展開の大半は、単一の海外フロンティアモデルを薄い統合レイヤーで包んでいる。基盤アーキテクチャが入れ替わると、そのレイヤーは資産ではなく負債となる。SIerはアプリケーションを再配管することなくモデルバックエンドを交換できる抽象化境界を設計し、モデル選択を一度きりのコミットメントではなく継続的な調達判断として扱うべきだ。

また機会もある。日本の効率的で制約のあるエンジニアリングにおける強みは、純粋なスケールよりも低コスト推論を報いる世界とよく整合する。フロンティアモデル競争を直接追うのではなく、日本の研究機関とベンダーは展開レイヤー、オンプレミスおよびエッジ推論、ドメイン特化チューニングをターゲットにできる。そこでは安価なポストtransformerスタックが決定的となるだろう。RPAおよび企業自動化ベンダーにとって実践的な動きは、モデル非依存のオーケストレーションを今構築することだ。そうすれば、どのアーキテクチャが勝っても、ワークフローへの投資は移行を生き延びる。