AI市場が急速な変化から安定期へ。AnthropicがOpenAIを逆転、モデルレイヤーとアプリケーション層の競合関係、スタートアップの新しい成功戦略を徹底解説。
AI経済の安定化：2025年のモデル選択から市場構造の大転換まで
核心要約
- AnthropicがOpenAIを逆転：YCの冬2026バッチで、OpenAIの圧倒的支配からAnthropicへの世代交代が実現。わずか3～6ヶ月で52%以上のホッケースティック成長を記録
- モデル市場の多様化加速：GeminiとClaudeが台頭し、スタートアップが複数モデルをオーケストレーションするマルチモデル戦略が標準化
- AIスタックの三層構造確立：インフラストラクチャー層、モデル層、アプリケーション層が明確に分化し、各層で異なる価値創造が発生
- スタートアップの人材雇用が急速に回復：AIによる業務自動化の期待値は調整され、高まる顧客ニーズに応えるため人材採用が加速
- 技術進歩の速度が正常化：革新的な発表が減少し、スタートアップのアイデア発見が通常難易度に戻る。これはイノベーション速度の適正化を示唆
Anthropicの急速な台頭：なぜClaudeが選ばれるのか？
2025年初頭、Y Combinatorの冬2026バッチで衝撃的な転換が起こりました。長年OpenAIが90%以上の圧倒的シェアを占めていたLLM市場で、Anthropicが初めてトップポジションを獲得したのです。これは単なる数字の変動ではなく、AI市場の本質的な構造転換を示唆しています。
Anthropicが選ばれる理由は明確です。特にコーディングツールとAIエージェント分野で、Claudeのモデルが他社を圧倒的に上回るパフォーマンスを発揮しているからです。これは偶然ではなく、Anthropicの経営陣が意図的に自社モデルを特定領域に特化させた結果です。Tom Brownが語ったように、彼らの内部的な精神（internal ethos）として、特定のユースケースに最適化されたモデル開発を追求してきました。
さらに興味深いのは「ブリードスルー効果」です。開発者がコーディングタスクでClaudeを使用するうちに、他の領域でもClaudeを選択するようになるという現象が観測されています。モデルの特性に深く慣れることで、他のタスクでもそれを使い続けるという人間的な行動パターンが、市場シェアの転換を加速させているのです。
この転換は2024年の20～25%水準から、わずか3～6ヶ月で52%以上へという劇的な成長を記録しました。これは単なるトレンドではなく、コーディング・エージェント領域における実際のパフォーマンス優位性に基づいた市場の自然な選別と言えます。
マルチモデル戦略の標準化：スタートアップの新しい最適解
Anthropicの台頭と並行して、業界全体で重要な戦略転換が起こっています。大規模なスタートアップ、特にシリーズB級の企業の多くが、複数のLLMをオーケストレーションするマルチモデル戦略を採用し始めました。
この戦略の採用背景には、経営陣の深い理解があります。スタートアップのファウンダーたちは、OpenAIやAnthropicへの「忠誠心」を捨て、タスクごとに最適なモデルを選択する方式へ転換しています。例えば、Gemini 3をコンテキストエンジニアリングに使用し、その後の実行をOpenAIに委ねるといった、きめ細かい最適化が行われています。
このアプローチが機能する理由は、企業固有のデータセットとドメイン知識が「垂直型AIエージェント」としての独占的資産となるからです。特に規制された産業で事業展開するスタートアップにとって、モデルレイヤーよりも自社データとプロセス最適化が重要な競争優位性となります。新しいモデルがリリースされるたびに、迷わずスイッチできる柔軟性が確保されるのです。
このマルチモデル戦略により、モデル企業同士が互いをコモディティ化する効果も生まれています。モデル企業の競争激化は、アプリケーション層のスタートアップにとっては実は大きなチャンスです。モデルが汎用化・低価格化すれば、アプリケーション層での差別化が容易になるからです。2025年がアプリケーション層にとって素晴らしい一年となるのは、この市場構造の変化を背景としています。
Geminiの躍進とLLM市場の本格的な競争化
Geminiもまた、2025年を通じて驚くべき成長を遂げました。前年の一桁シェア（2～3%）から、冬2026バッチでは約23%に上昇しています。これはGoogleの大規模な研究投資と、Gemini 3.0の品質向上が実を結んだ結果です。
各LLMの個性の違いが顕著になっているのも、2025年の重要な特徴です。OpenAIが「ブラックキャットエネルギー」を持つとすれば、Anthropicは「楽観的なゴールデンレトリバー」のような気質を備えています。Geminiはその中間的な存在として認識されています。
複数のユーザーから寄せられた評価から、LLM選択に個人的嗜好が強く反映されていることが明らかになります。ある開発者はChatGPTの記憶機能の粘り強さを高く評価し、別の開発者はGeminiのリアルタイム情報検索能力を信頼しています。Perplexityとの比較では、Geminiは速さでは劣るものの精度で勝るという評価がされています。
このLLM市場の本格的な多元化は、2023年のChatGPT独占時代からの大きな転換です。消費者や開発者が複数のツールを持ち歩き、タスクに応じて最適なモデルを選別する時代が到来しています。この選別プロセスは、モデル企業のパフォーマンス最適化をさらに加速させ、業界全体の品質向上をもたらしています。
AIスタック三層構造の確立とアプリケーション層の好機
2025年を通じて最も明確になったのは、AI産業が明確な三層構造へと成熟したという事実です。このモデルはインターネット時代の通信インフラストラクチャーの歴史と驚くほど似ています。
インフラストラクチャー層 には、NVIDIAやAMD、Google TPU製造企業があります。かつてNVIDIAが独占的地位を享受していましたが、Geminiの躍進により複数プレイヤーが台頭しています。これは一見すると企業にとってネガティブに見えますが、実は競争の深化により、結果的にコンピューティングリソースの総投資はさらに増加することを意味しています。
モデル層 では、OpenAI、Anthropic、Googleが主要プレイヤーとなり、激烈な競争を繰り広げています。この層での競争も一見すると過度なように見えますが、モデルのコモディティ化をもたらし、実質的なユースケースを生み出すのはアプリケーション層だという認識が深まっています。
アプリケーション層 は、このAI経済において最も急速な成長と機会の創出が起こっている場所です。スタートアップがAIネイティブな企業を構築する方法について、比較的確立されたプレイブックが存在するようになりました。小規模チームで大規模な売上を生み出すビジネスモデルが実現可能になったのは、このアプリケーション層の発展があってこそです。
この三層構造の確立は、AI産業の成熟化を示す最重要指標です。2023年の混沌とした状況から、2025年には各層が明確な役割を認識し、層間の相互作用が最適化されるようになったのです。
スタートアップの人材戦略転換：AIによる効率化から品質競争へ
2024年から2025年にかけて、スタートアップの採用戦略に大きな変化が見られました。初期段階では、AIが業務を自動化し、従業員を減らすことができるという楽観的見方が支配的でした。実際に、年間100万ドルの売上を達成しながら創業者のみ、あるいは極少数の従業員しか抱えないスタートアップが多く報告されました。
しかし2025年を通じて、この傾向は大きく修正されました。シリーズA以降の成長段階では、多くのスタートアップが積極的に人材採用に舵を切り直しています。一見矛盾しているように思われますが、この転換には深い経済的理由があります。
AIが生産コストと開発時間を削減したことで、顧客と市場の期待値が劇的に上昇しました。より高速な開発、より高品質なサービス、より迅速なサポートという新しい期待値に応えるためには、確実に人材が必要となります。Harvey、Lagora、Gigaといった法律AI企業の競争を見ると、わずかな機能差が市場シェアの大きな違いを生み出すことが分かります。
Ramaのケーススタディは特に注目に値します。同社は50人の従業員で年間経常収益（ARR）1億ドルを達成し、自らの効率性を証明しました。しかし同時に、彼らも継続的に人材採用を進めています。これは、AIエンジニアであっても優秀な人材であっても、市場の高い需要に応えるためには継続的な採用が必要であることを示唆しています。
結論として、「AIがすべてを効率化し、人が不要になる」という初期の予想は調整されました。むしろ「AIが基本的な作業を自動化し、その結果高まった期待値に応えるため、より戦略的な人材が必要」というのが2025年の現実です。採用ボトルネックはアイデア不足ではなく、実行可能な優秀人材の不足です。
AIバブル論争と技術進歩の速度調整
2025年を通じて、業界内でAIバブル论争が繰り返され続けました。大学生や初心者の起業家から「NVIDIAとOpenAIの間で莫大な資金が循環しているが、これは実のないバブルではないか」という質問が頻繁に寄せられました。
この問題への答えは、通信インフラストラクチャーの歴史に求められます。1990年代から2000年代の通信ブームでは、膨大な資本がダークファイバー（未使用の光ケーブル）やインフラに投じられ、一部は過剰投資でした。しかし同時に、YouTubeのような革新的なサービスは、その安価な余剰帯域幅があったからこそ存在することができました。もしそのような超過インフラストラクチャーがなかったら、YouTubeはもっと後の時代に登場していただけです。
AI時代も全く同じメカニズムが機能しています。大規模な企業やインフラプロバイダーが「過剰に」投資することで、スタートアップが生まれるための基盤が構築されます。Comcastのような通信企業にとっては「バブルか」は重要な問題ですが、寮でAIスタートアップを始める大学生にとっては、インフラストラクチャーの過剰投資こそが機会そのものです。
さらに注目すべきは、2025年の技術進歩速度が明らかに鈍化したことです。2023年から2024年にかけては、数ヶ月ごとに業界を揺さぶるような大発表がありました。しかし2025年では、そのような革新的な発表が大きく減少しました。これはAI経済の安定化を示す指標でもあります。
前年には「数ヶ月持ちこたえれば、新しいアイデアを可能にする大きな発表があるだろう」と予測されていましたが、その予測は外れました。結果として、スタートアップのアイデア発見は再び通常難易度に戻りました。これは一見ネガティブに見えるかもしれませんが、実は業界全体の成熟化と安定化を示す健全なシグナルです。
インフラストラクチャーの激変：宇宙データセンターから核融合まで
2025年の最も驚くべき物語の一つは、データセンター建設をめぐる奇想天外な技術的課題への対応です。AI産業の急速な拡大に伴い、電力供給と物理的スペースという根本的な制約が顕在化しました。
SpaceCloudが2024年夏に宣言した「宇宙にデータセンターを建設する」という構想は、当初インターネットコミュニティから嘲笑されました。しかし18ヶ月後の2025年には、GoogleやElon Muskがこの構想を真摯に推進し始めています。この転換は、地球上の物理的スペースと電力供給の制約がいかに深刻であるかを示しています。
現在の課題構造は複雑です。カリフォルニアのCEQA（California Environmental Quality Act）のような規制が環境ロビーによって過度に利用され、データセンター建設を含むすべてのインフラストラクチャー開発を事実上停止させています。その結果、大規模テクノロジー企業は「地球では不可能なら宇宙でやろう」という論理に至ったのです。
これに並行して、核融合エネルギーの実用化も急速に進展しています。Y Combinatorが最近投資したZephyr Fusionは、40代の国立研究所エンジニアが「宇宙での核融合エネルギーは収益性がある」という洞察を得て創業した会社です。彼らは5～10年のタイムスケールで、宇宙でギガワット規模のエネルギーを生成することを目標としています。
YCが間接的に形成しようとしている「三位一体」構造が見えてきます。宇宙データセンター建設で土地不足を解決し、核融合エネルギーで電力不足を解決し、そしてAIアプリケーション層で価値創造を実現するという、三つのレイヤーの統合されたビジョンです。
モデル企業の創業ラッシュと小規模言語モデルの台頭
2025年を通じて、もう一つ重要なトレンドが観測されました。AIスタートアップ、特にモデル企業の創業に対する関心が急速に高まったことです。
OpenAIと直接競争しようとするプロジェクトは相変わらず稀ですが、代わりに特定領域に最適化された小規模モデルの開発が急速に増加しています。エッジデバイスで実行可能なモデル、特定言語に特化した音声モデル、あるいは特定のドメイン知識に精通した垂直専門モデルといったニッチなアプローチが主流になりつつあります。
スタートアップの知識体系の民主化も、このトレンドを加速させています。10年前には、モデルを訓練し、スタートアップを経営し、資金調達まで行える人材は世界的に稀でした。しかし現在では、AI研究、エンジニアリング、起業資金調達をすべて理解できる人材が急速に増加しています。これにより、より多くのAI企業が誕生し、より多くの特定目的モデルが開発される環境が整いました。
強化学習（RL）による微調整も、この新しい機会創造に重要な役割を果たしています。オープンソースの基盤モデルを取得し、特定のRL環境やタスクに合わせて微調整することで、一般的な大規模モデルを凌駕するパフォーマンスを実現する事例が増加しています。ある8０億パラメータのYCスタートアップは、ヘルスケア分野でOpenAIのモデルを上回るパフォーマンスを示しました。
しかし同時に重要な課題も浮上しています。継続的なトレーニングインフラが必要という現実です。特定領域で微調整されたモデルが優位性を保つには、最新の基盤モデルの進化に追随する継続的な開発が必須となります。GPT-4.5やそれ以上のバージョンが登場すると、以前の微調整は急速に陳腐化する可能性があります。
AIネイティブ企業の成功事例と効率性指標の転換
2025年、AIネイティブ企業の成功事例が顕著になりました。特に注目すべきは、Ramaの事例です。同社は50人の従業員で年間経常収益1億ドルを達成するという、従来のソフトウェア企業では想像できない効率性を実現しました。
これは単なる数字の成功ではなく、企業価値評価の新しい基準を示唆しています。従来のベンチャー資本主義では、大規模な資金調達と多数の従業員雇用が企業の成長を示す指標でした。しかし2025年では、これが逆転しています。同じレベルの売上を実現しながら、より少ない人数で成就することが企業の強さの証明となりました。
この現象は業界に重要なメッセージを伝えています。AIを有効に活用した企業は、従来のスケーリング法則から脱却し、より効率的な成長パスを実現できるということです。Harvey、Open Evidence、Lagora、Gigaといった第二世代AI企業は、第一世代の高額な資金投下戦略（特にファインチューニングへの大規模投資）から学び、より効率的なアプローチを採用しています。
ただし、効率性の自慢も注意深く評価が必要です。従業員数が少ないこと自体が目標ではなく、市場で要求される高い期待値に応える人材の確保が継続的な課題です。Ramaが効率的であっても、競争相手との差別化や顧客期待値の管理のため、戦略的採用は継続される必要があります。
AI経済の成熟と今後の展開
2025年を総括すると、AI経済は急速な混沌から成熟した安定期へと転換しました。2024年末時点では、スタートアップと市場全体が「次に何が起こるのか」という不確実性の中で機動していました。しかし2025年を通じて、モデルレイヤー企業、インフラストラクチャー層企業、アプリケーション層企業が明確に分化し、各層での価値創造メカニズムが確立されました。
この安定化は必ずしも技術進歩の停滞を意味しません。むしろ、点在する革新から体系的な進化への移行を示唆しています。スケーリング法則によれば、計算能力を10倍増やしても、性能向上はログ線形的（より緩やかに）進むようになります。これは「鈍化」ではなく、技術が物理的限界に近づきながらも、着実に前進していることを意味します。
さらに重要なのは、人間社会の変化速度です。企業のAIプロジェクトの90%以上が失敗するとしても、それは企業がAIをどう扱うべきか理解していないからです。この「人間的な変化への抵抗」は、急激な技術進歩から社会を守る緩衝装置として機能しています。政府規制や企業文化の進化に十分な時間が与えられるのです。
結論として、2025年は「AIバブル論争」よりも「AI産業の正常化」が支配的な年でした。スタートアップにとって、これはむしろ好機です。確立されたプレイブック、安定した市場構造、減少した競争の激しさにより、堅実なビジネスの構築がより現実的になったからです。
結論
2025年のAI市場を特徴づけるのは、急速な変動から構造的な安定化への転換です。AnthropicとGeminiの躍進、マルチモデル戦略の標準化、三層構造の確立、人材採用の回復は、すべてAI産業の成熟化を示しています。
バブル論争は完全に無意味ではありませんが、重要なのは寮でAIスタートアップを始める学生にとっては、インフラストラクチャーの「過剰投資」こそが機会そのものであることです。通信ブームがYouTubeを生み出したように、AI時代も次世代の革新的企業を生み出す基盤を構築中です。
技術進歩速度の正常化とアイデア発見難易度の回復は、スタートアップにとって実行力がより重要になったことを意味します。ビジネスモデル、チーム構築、顧客サービスといった基本的な経営能力が、今以上に価値を持つようになります。2026年以降も、確実な実行と継続的な人材投資が成功の鍵となるでしょう。
원문출처: https://www.youtube.com/watch?v=cqrJzG03ENE
powered by osmu.app