MetaのAzure請求額が試すMicrosoftの推論戦略

Bloombergによると、Metaは週当たり数兆のAIトークンを利用するため、Azureに年間数億ドルを支払っている。これによりMetaはMicrosoft最大級のAI顧客となる。Metaはまた、自社のAIコンピュートを販売してAzureと競合する準備を進めているとも報じられている。同じ企業が今、Azureの顧客であると同時に将来の競合相手にもなり得る。産業規模の推論を購入しながら、それを提供する別の場所を構築しているからだ。

構造的な分裂が見え始めている。最先端モデルの保有者は製品で価値を獲得する一方、異種のモデルをグローバル規模で安定稼働させる事業者は、別のインフラ利益を獲得できる。Azureは、特定のモデル供給者への依存を減らすと同時に、AIインフラ事業者としての価値を高められる。そのためにはMicrosoftが、容量、カスタムハードウェア、デプロイメントツール、エンタープライズ調達を、交換可能なコンピュートのリースではなく、持続力あるコントロールプレーンへ変えなければならない。

最初のAzure AIマシンにはテナントが一社しかいなかった

Microsoftのインフラへの野心は、生成AIサイクルより前から存在した。同社は2017年、Azure Batch AI Trainingをプライベートプレビューとして導入した。3年後、Microsoftは巨大な分散モデルを開発するため、OpenAI専用に構築された285,000プロセッサのAzureスーパーコンピューターを発表した。

この2020年のマシンは、一つの戦略的パートナーに、通常のクラウド構成では届かないシステムを訓練できるほど集中したコンピュートを与えた。OpenAIが最先端モデルへの野心を持ち込み、Microsoftが資本、プロセッサ、分散システムを提供した。MicrosoftはAzureの一部をOpenAIの要件に合わせて設計し、その成果をOpenAI専用に確保した。

OpenAIはまた、高い固定費を抱えるシステムで最も困難なリスクの一つ、すなわち誰がそのマシンを占有するかという不確実性を減らした。広範な推論市場が存在する前に、アンカーテナントとして機能した。Microsoftは、特殊インフラを正当化できるほど大規模なワークロードを得る代わりに、供給者集中を受け入れた。

2024年までにMicrosoftは別の製品を組み立て始めていた。Azure AI Studioは、OpenAIのGPT-4oとMicrosoftのPhi-3ファミリーを搭載して一般提供を開始した。このカタログは、あらゆるアプリケーション、コスト目標、デプロイメント制約を一つのエンドポイントで満たせるとは、Microsoftがもはや考えていないことを示した。

Foundryは差別化をモデルの上位層へ移した

Microsoftは、大規模言語モデル間の切り替えを容易にするツールを備えたAzure AI Foundryを開始した際、この変化を明示した。Microsoftはまた、60,000社の顧客がAzure AIを利用していると述べた。Foundryは開発、デプロイメント、ガバナンスを基盤モデルの上位に置き、モデルの選択をより大きな運用環境内の一つの判断にした。

Microsoftはモデル選択を製品化した。顧客は、あるワークロードにはGPT-4o、別のワークロードにはPhi-3を使い、後に別のモデルへ移っても、周囲のAzureワークフローを捨てずに済む。するとMicrosoftは、モデルが変わった後にも残る作業、すなわち容量のプロビジョニング、エンドポイントのデプロイ、統制の適用、エンタープライズアカウントのサポートに対して課金できる。

Metaの報告された利用量は、この設計を最も厳しく試す。Metaはモデル、アプリケーション、ユーザーとの直接関係を保有している。それでもAzureは提供ワークロードを計測できる。MicrosoftはMetaの需要からインフラ収益を得るために、Metaの知的財産やアプリケーションインターフェースを保有する必要はない。

Bloombergの記事は依然として取材報道であり、両社とも商業関係を確認していない。報じられた支出は重要なシグナルであって、Microsoftが持続的なマルチモデル収益源を構築した証拠ではない。それでも、この規模の未確認契約は、Microsoftがなぜモデルの上位層を構築したのかを示す。自前のモデルとアプリケーションを持つ企業からも需要は来得る。

推論では空のラックが高くつく失敗になる

訓練はプロジェクトとして到来する。推論はキューとして到来する。ユーザーリクエストの一つひとつが、アクセラレーター、メモリー、ネットワーク、電力にまたがる新たなスケジューリング問題を生む。導入が進むほど、負荷は研究実行で終わるのではなく繰り返される。Metaが週当たり数兆トークンを利用しているという報道は、この変化を具体的に示す。Azureはモデル実験をホストするのではなく、産業サービスを運用することになる。

Barclaysは、推論向け設備投資が2年以内に訓練向けを上回り、2026年には$208.2 billionに達すると予測した。チップの挑戦者たちもこの支出を追って推論へ向かっている。提供では、レイテンシー、エネルギー効率、メモリーアクセス、出力当たりのコストという異なる組み合わせが報われるためだ。

Microsoftの優位性は稼働率にかかっている。リクエストがない間にもアクセラレーターは古くなっていくからだ。仕事を待つプロセッサも、通電された建物を占有し、コミット済み資本を縛り、希少なサプライチェーンの一部を消費する。顧客とモデルの種類が多い事業者には、こうした空きを埋める機会がより多くある。ただし、レイテンシー、信頼性、デプロイメント要件を損なわず、各ワークロードを適切な容量に配置できるソフトウェアが必要である。

TrendForceは、2026年にデータセンターが高性能メモリー生産全体の70%超を消費すると述べ、新たな製造能力は2027年以前にはほとんど見込めないとした。GoogleのAIインフラ責任者は別途、需要を満たすにはGoogleが6カ月ごとにコンピュート容量を倍増させる必要があると従業員に語った。事業者にとって、推論経済学は、リクエスト到着時に適切な場所で各チップを十分なメモリー、ネットワーク、電力と組み合わせられるかにかかっている。

この希少性から長期コミットメントが生じる。契約済みメガワットの新興市場では、モデル開発者はアプリケーションがそれを埋めるだけのトラフィックを生む何年も前から、電力供給済みの容量を予約できる。クラウド事業者はバランス問題を抱える。容量が少なすぎれば需要を逃し、多すぎれば連続稼働を前提に作られた部屋で高価な機器が待機する。

MaiaがAzureのコスト境界を内側へ移す

Microsoftのカスタムシリコン計画は、Azureにフリートを均衡させる別の手段を与える。Azureには、有効トークン当たりのコストを下げ、レイテンシーと信頼性の要件を満たし、一社の外部供給者への依存を減らすハードウェアが必要である。Microsoftに必要なのはベンチマークでの優位より、コストスタックの制御だ。

Microsoftは、Maia 300アクセラレーターを準備し、2027年に向けて300,000個超のチップ生産をTSMCと協議していると報じられている。MicrosoftとTSMCはこの計画を確認していないため、数量もスケジュールも確保済みの容量として扱うべきではない。報じられた規模は、Microsoftが解こうとしている問題を示す。Azureは、内部の重要なエンジンすべての価格と供給可能性を別のベンダーが決めるなら、ユーティリティとして運用できない。

MicrosoftはIntel、Google、Metaなどとともに、AIアクセラレーターのサーバーチップを接続する標準を開発するUltra Accelerator Link Promoter Groupにも参加している。カスタムシリコンと標準化された相互接続を組み合わせれば、Azureが異なるアクセラレーターを組み合わせ、供給者に対する交渉力を維持できるコンポーザブルなフリートを支える。

Microsoftは、Maiaに適したワークロードではハードウェア経済性をより内製化し、Nvidiaや他のアクセラレーターがより優れる場面では使い続け、その両方を同じ顧客向けシステムの背後に配置できる。異種フリートはスケジューリングとサポートが難しいため、Azureのエンジニアリング負担は増す。顧客がその下の全コンポーネントを指定するのではなく、信頼できるエンドポイントを買うなら、その負担とともに交渉力も高まり得る。

Foundryの最大の機能はロックも弱める

Foundryによる容易なモデル切り替えは、調達チームがGPT-4o、Phi-3、あるいは将来のモデルを一つの運用環境で振り分けることを可能にする。それは顧客がAzureを採用する理由となる一方、ワークロードをAzureから移す手段にもなる。Microsoftは、モデルがアカウントを囲い込むことを当てにできない。

アクセラレーターのポータビリティも、買い手に同様の交渉力を与える。互換チップやクラウド間で推論ワークロードを移せる顧客は、純粋なコンピュートについて競合見積もりを募れる。Microsoftは、周辺の作業、すなわち容量へのアクセス、デプロイメント統制、地域での提供可用性、ガバナンス、サポート、商業調達を、ワークロード移行より再構築のコストが高いものにしなければならない。

Metaはその限界を体現する。同社は、AWS、Azure、Google Cloudに対抗してAIコンピュートとモデルを販売するクラウド事業を計画していると報じられている。Metaが現在Azureの容量を購入しているなら、一時的な不足を補っている、供給を分散している、あるいは自社インフラが整うまで需要を満たしている可能性がある。利用可能な証拠だけでは、どれかを確定できない。顧客を価値あるものにする同じ規模が、サービスの内製化も正当化し得る。

この可能性が、報じられたAzureの取り決めをどちらの側にとっても不合理なものにするわけではない。Metaは十分な容量を保有する前に購入できる。Microsoftは、後に移行するかもしれない需要から収益を得られる。どちらがより強い立場に立つかを決めるのは、一件の報じられた年間請求額の大きさではなく、契約期間、ワークロードの範囲、切り替えコストである。

誰が通行料を得るかは電力供給で決まる

Oracleは、発表された需要が供給の代わりにはならない理由を示している。Oracleのクラウド売上高は前年同期比27%増となったが、投資家は同社がOpenAI向けに十分なデータセンターを開設できるかを疑問視した。Oracleには容量を求める顧客がいた。未解決だったのは、コンクリート、電力、機器、試運転が予定通りに届くかだった。

Microsoftも、より大きな規模で同じ実行リスクを抱える。建設済み、建設中、計画中、または停滞中の米国データセンター容量は2025年に80ギガワットを超えた。Big Techの計画には2028年までにさらに44ギガワットが必要と見積もられた。接続の停滞や建設の遅れはどれも、署名済みのAI契約と提供されるトークンをつなぐ連鎖を断ち切る。

資本集約性のため、Microsoftは余剰容量を無害な保険として扱えない。Azureは、顧客が必要とする正確なモデル、チップ、地域を明らかにする前に資金を投じ、その後に需要変化を吸収できるだけの柔軟性を維持しなければならない。Foundryは顧客にモデル切り替えを促す。Maiaはハードウェア構成を変える。メモリー不足は構成を制約する。電力の利用可能性はワークロードを物理的な場所に固定する。クラウドソフトウェアはハードウェアを抽象化するが、AIにおける抽象化の一つひとつには今、はるかに大きな電力サービスが必要だ。

Microsoftの2020年のスーパーコンピューターには、一社の名前しか扉に掲げられていなかった。排他性そのものがアーキテクチャだったからだ。Azure AI Foundryは今、その銘板を交換可能にする。一方でMaia、メモリー契約、電力供給済みラックが部屋を高価なままにする。Metaは隣で競合相手を構築しながら、その部屋から購入できる。Microsoftの賭けは、部屋を運用することの方が、扉の名前より代替しにくいという点にある。