NTTが公開した700億パラメータモデルは、単一のH100上で動作し、競合比で3倍の電力効率をうたう。これは性能競争というより、フロンティア研究所が大きく無視してきた二つの軸、すなわち展開経済性とデータガバナンスへの戦略的賭けである。OpenAI、Anthropic、Googleがマルチモーダル推論へ競争する一方、世界の規制企業はより静かな問いを発している。独自データをファイアウォール外へ送らずに、信頼できる70〜80%の精度をどう得るかである。

この緊張はすでにグローバルだ。GDPRに対応する欧州の銀行、HIPAA下の米国病院、各国の防衛請負企業はいずれも同じ制約に直面している。最も価値あるコーパス、すなわち電子カルテ、工場自動化ログ、取引履歴は、法的にも商業的にも建物の外へ出せない。こうした機関にとって、汎用GPUハードウェア上で完全にオンプレミス動作する中位モデルは妥協ではない。唯一の実行可能な選択肢である。Mistral、Cohere、IBM、そして湾岸諸国やIndiaのナショナルチャンピオンから、同様の主権AI offeringsが波のように出てくると見てよい。

リスクは現実で、時間に敏感だ。GPT-5級、Gemini Ultra、Claude 4世代のモデルが登場するにつれ、汎用タスクでの能力差は12〜18カ月以内に実務上取り戻せないほど広がる可能性がある。国内モデルやオンプレミスモデルへ反射的に移行する企業は、競合がフロンティア能力でイノベーションを進める間に技術的劣位へ陥るリスクがある。勝てる姿勢は忠誠ではなくセグメンテーションだ。

より深いシグナルは構造的である。LLM調達は、単一ベンダー選定からポートフォリオ管理へ移行している。CIOとCDOは、すべてのワークフローを三層に分類すべきだ。フロンティア依存、中位モデルで十分、ルールベースで十分、の三つである。そのうえで、データ感度に応じてリクエストをルーティングする社内AIゲートウェイを構築する。ベンダーのベンチマークを待つのではなく、自社データ上で少なくとも二つのモデルを並行PoCで走らせるべきだ。

LLMを大規模なシステムインテグレーション人員と組み合わせるバンドル型展開モデルも、競争環境を再定義する。これはソフトウェアライセンスではなく統合デリバリーであり、Accenture、Deloitte、地域SIに警告を発している。投資家にとっての機会はモデルそのものではなく、主権データを持続的優位へ変えるオーケストレーション、ファインチューニング、ガバナンスのレイヤーにある。