a16zインフラ投資責任者Martin Casado、40分の高密度インタビュー：AIは「10ドルを投じれば、一定の成果を安定して得られる」初のテクノロジー

核心命題：資本が初めて測定可能なリターンを得る

AIによる経済的ブレークスルーは、資本を自動的に利益に変えることではありません。資本が初めて、観察可能な技術的成果へと比較的信頼できる形で変換されるようになったことです。

これにより、以下の四つの連続した結果がもたらされます。

1. モデルのトレーニング、推論、強化学習環境、トークン補助金により、巨額の資本には明確な行き先ができました。
2. 資金力のあるモデルラボは、かつてない規模の優位性を得ましたが、資金調達条件とGPUの希少性がその優位性をさらに拡大しています。
3. 知能を継続的に生産できるようになると、新たな取引レイヤーとワークフローへの入り口が出現します。OpenRouterとCursorは、それぞれその経路の一部を掌握しています。
4. 購入可能な実行能力が増えれば増えるほど、正しい問題の選択、顧客の理解、製品ループの構築が、むしろ希少価値を持つようになります。

ですから、これは「金があれば勝てる」という話ではありません。資本が宝くじから自動販売機に変わった後、産業構造、成長の方法、投資判断がどのように変化するかを論じたものです。

一、AI起業は若くして中退すべきか、それとも博士号を取得すべきか？

インタビューは、一見すると資本とは無関係な質問から始まります。Cursorのような会社の創業者は二十歳前後で学校を辞めていますが、Martin氏はコンピューターサイエンスの博士号を取得し、三十歳近くになってから起業しました。AIにとって、どちらの道が適しているのでしょうか。

彼の答えは、どちらの道も正しいというものです。高等教育は一方で疑問視されつつも、他方でAI研究の深さにより、かつてないほど関連性を増しています。今日には、二十代のラボ創業者がいる一方で、Jeff Dean氏やOriol Vinyals氏のように数十年の経験を持つ研究者もいます。博士号を持つ起業家も、以前より一般的になっています。

本当に解釈すべきなのは、「学歴に価値があるかどうか」ではなく、AIが起業の機会を二つの異なるペースに分けたということです。

• プロダクト型の機会は、ユーザーに密着し、迅速に試行錯誤し、既存のモデル能力を実際のワークフローに組み込むことが求められます。若い創業者の時間、スピード、既存の手法にとらわれない柔軟性は、強みとなり得ます。
• 深層研究型の機会は、アルゴリズム、トレーニングシステム、モデルアーキテクチャ、インフラストラクチャへの理解を必要とします。長年の経験は単なる飾りではなく、問題に取り組むための入場券です。

資本はGPUを購入することも、データのアノテーションや強化学習環境を購入することもできますが、創業者に代わって「どの問題を解決すべきか」を決めることはできません。お金が実行に変わりやすければ変わりやすいほど、方向性の見極めがボトルネックになります。これこそが、「若さか博士号か」に一律の答えがない理由です。両者は身分の問題ではなく、異なる問題が要求する判断資産なのです。

二、AIはなぜ資本の運用方法を変えたのか？

これこそが、このインタビュー全体の真の中心テーマです。

1. かつて、お金はまず組織の複雑さに変わっていた

十年前、ソフトウェア会社が突然十億ドルを手にした場合、一般的な方法はエンジニアを採用し、オフィスを拡大し、プロジェクトと管理職を増やすことでした。問題は、ソフトウェアエンジニアリングは人数を増やせば線形に加速するわけではないということです。

ブルックスの法則は、この直感に反する結果を説明します。遅延しているソフトウェアプロジェクトに人を追加し続けると、コミュニケーションと調整のための追加コストが、追加された生産性を上回る可能性があります。資金調達が多ければ多いほど、消費速度は速くなり、ロードマップは分散しますが、製品がより早く完成するとは限りません。

これがMartin氏の言う、古いタイプの「10ドルの宝くじ」です。二つの資本経路を並べてみると、違いは「お金を使ったかどうか」ではなく、お金が最初に何に吸収されるか、そして測定可能な結果がどれだけ早く見えるか、という点にあります。

資本はもちろん重要ですが、資本と成果の間には、予測が難しい人間の組織という機械が介在していました。

2. 今、お金は直接計算能力を購入できる

AIは、より短い経路を新たに加えました。資金は以下のものに投入できます。

• GPU、データセンター、電力
• 事前学習、事後学習、推論
• 強化学習環境と合成データ
• 専門家による回答、人間のフィードバック、データアノテーション
• 無料枠とトークン補助金

Martin氏が挙げた規模は極端です。広く使われているマルチモーダルモデルでは、中核チームは約20人しかいないかもしれませんが、トレーニングコストは20億ドルを超えます。かつて、20人が短期間で20億ドルを効果的に配分できるとは想像しがたかったでしょう。しかし、モデルのトレーニングでは、ほとんどの資金を組織の階層ではなく、計算に投入することが実際に可能です。

これが「自動販売機」の意味するところです。資本を投入すると、すぐにトレーニングがどのくらい実行されたか、トークンがどのくらい呼び出されたか、ユーザーがどのくらい使用したか、そして特定の能力が向上したかどうかを確認できます。

3. 成果を買えることと、利益を買えることは別

Martin氏は「モデルをXに熟達させる」という例で、資本がどのように能力に変わるかを説明します。会社はXに関する強化学習環境を作成するか、Xの質問に答える専門家を雇うことができます。トレーニングが完了すると、モデルはXにおいて通常ある程度の改善を見せます。

しかし、この改善は他の分野での退行を伴う可能性があります。モデルにはケイパビリティのギザギザ、転移、回帰の問題が発生することがあります。さらに重要なのは、技術的な成果が、顧客が継続的にお金を払ってくれる結果に変わるかどうかは、依然として未知数だということです。

つまり、「10ドルを投資して確実にリターンを得る」という命題は、二つの層に分けて考える必要があります。

• 第一の層はすでに起こっています。10ドルで、計算能力、使用量、または特定の能力を比較的信頼性高く得られるようになりました。
• 第二の層はまだ保証されていません。これらの成果が、9ドル、10ドル、あるいはそれ以上の現金リターンにつながるかどうかです。

AIが短縮したのは資本から成果への経路であり、成果から利益へのビジネス上の試練をなくしたわけではありません。

4. より大胆な見解：資本が市場を拡大する可能性もある

Martin氏は、AIがより多くの資本を吸収できると考えているだけではありません。彼はさらに議論を呼ぶ因果関係を提示します。民間市場のお金が増えれば増えるほど、企業は上場を急がず、非公開の段階でより多くの構築を行うことができる。そして、その結果生まれる企業と能力が、今度は獲得可能な市場、すなわちTAMを拡大する、というものです。

一般的な説明は「AIブームにはより多くのお金が必要だ」というものです。彼の見解はさらに一歩進んでいます。より多くの民間資本自体が、AI市場を大きくする可能性もある、というのです。

これは、資金が決して過剰にならないという意味ではありません。伝統的なベンチャーキャピタルのゼロサム的な枠組みが機能しなくなりつつあることを示しています。かつては、優れたスタートアップが少なすぎて、業界は巨額の資本を吸収できないと考えられていました。現在では、少なくともトレーニングと推論に集約的なAI分野では、資本は少数の席を争うために列に並ぶだけでなく、新しい能力と需要の生産に直接参加することができます。

5. 技術的信念は、目に見えるリターンより先に形成される

Martin氏は、a16z自身の経験を例に、この変化がGPTの発表後に突然発見されたわけではないと説明します。彼は、OpenAIがまだ実験のようなものだった頃、チームはAIに全面的に賭けるべきかどうかについてすでに議論しており、それはGPTが実際に商業的影響を示すより約七年も前のことだったと回想します。その後、ファンドはOpenAI、ElevenLabs、Cursor、Ideogram、BFL、Mistralなど、さまざまな波の企業に参加しました。

もちろん、この回顧は投資機関としての成功の歴史を振り返る立場によるものであり、単独で判断能力を証明するものではありません。しかし、資本論理における時間のずれを浮き彫りにします。技術投資はまず確信を形成しなければならず、市場でリターンが見えるまでには何年もかかることがあります。今日のAIにおける新しい変化は、プロジェクトがひとたびトレーニングと使用の段階に入ると、資本から成果へのフィードバックの速度が明らかに速くなったことです。

三、巨大モデルラボはすべてを飲み込むのか？

もしお金が直接モデル能力に変わるとしたら、最も簡単に導き出される結論は、最も多くの資金を調達したラボが最終的にすべてを勝ち取るだろうというものです。Martin氏はこの見解を軽く否定するのではなく、まずそれを最も強い形に押し上げて検討します。

「モデルラボによる独占」を支持する理由

第一に、すでに発生している収益は高度に集中しています。Martin氏はインタビューで、トップラボが収益ベースで約95%のモデル市場を掌握していると述べました。

第二に、資本の規模が極端に非対称です。彼は、OpenAIとAnthropicの合計調達額が約2200億ドルから2400億ドルに上り、下流のエコシステム全体の資金調達総額を上回る可能性さえあると推定しました。この数字はインタビュー中の概算ですが、規模の差を浮き彫りにしています。ラボは技術的にリードしているだけでなく、他のレイヤーが匹敵し難い購買力を持っているのです。

第三に、フロンティアモデルはほんのわずかリードするだけで、巨大な価格決定力を得る可能性があります。ここで重要なのは、成功率がある割合から別の割合に上がると仮定することではなく、競争環境が小さな性能差を価格とトラフィックの差に拡大するということです。

第四に、トップラボは希少なGPU供給を掌握しています。供給が不足している場合、計算能力を大量に購入できること自体が参入障壁となります。

第五に、AI研究開発には自己触媒効果が現れ始めています。Martin氏は意図的に「再帰的自己改善」という言葉を使いません。再帰とは、システムが完全に自分自身をコピーして書き換えることを意味します。自己触媒とは、既存のAIを使用してGPUカーネル、トレーニングコード、評価、チップ設計を加速するだけのことです。これは神秘的なものではありませんが、最高のモデルを持つチームが次世代モデルをより速く構築するには十分です。

「モデルラボによる独占」に反対する理由

独占論の問題は、現在の資金調達と供給によって形成されたリードを、永久的な産業構造と見なしていることです。

現在、モデルが最も成熟している領域は、プログラミング、言語、推論に集中しています。医療、金融、製造、法律などの分野では、依然として顧客関係、業界知識、導入チーム、コンプライアンス、既存システムとの接続が必要です。単一のラボがすべてのワークフローを自らカバーすることは難しいでしょう。

オープンソースやロングテールのモデルも消えることはありません。多くのタスクは、最も高価なフロンティア能力を必要とせず、コスト、レイテンシー、ローカル展開、プライバシー、専門的なパフォーマンスをより重視します。オープンモデルを中心とした推論とサービスのエコシステムは成熟し続けるでしょう。

より重要なのは、ラボの現在のリードは、異常に安い資本と希少な供給に一部起因していることです。もし評価が是正され、資金調達が正常なリターンを要求するようになるか、GPUが不足しなくなれば、ラボはAPIとサブスクリプションを無制限に補助することはできなくなります。

そこでMartin氏は、明確に「完全な推測」と断った一連の予測を示しました。GPU供給の制約は2028年頃に緩和される可能性がある。将来、トップラボは収益ベースで約80%を占め、オープン及びロングテールモデルはトークン使用量ベースで約60%を占める可能性がある、と。

これは数学的モデルではなく、産業構造のスケッチです。最も高価で最先端の能力が収益の大部分を占め、数多くの安価で専門的な呼び出しはロングテールに分散される可能性があります。モデルラボは非常に大きくなるでしょうが、「大きい」ということは、他のレイヤーをゼロにするという意味ではありません。

四、なぜOpenRouterが重要なケースなのか？

OpenRouterの重要性は、それが魔法のようにすべての問題に対して最も賢いモデルを選び出すことにあるわけではありません。Martin氏は、この能力は現在過大評価されているとさえ考えています。

そのより確実な価値は、市場における位置づけにあります。

• 開発者にとっては、統一されたアクセス、モデルの発見、使用分析、課金の入り口を提供します。
• モデルプロバイダーにとっては、継続的な開発者需要を集約し、特に新モデルやロングテールモデルがトラフィックを得るのに役立ちます。
• エコシステム全体にとっては、自身のプラットフォームを介して開始されるトークン要求の経路上に位置し、需給、価格、使用量の変化を観察できます。

これは典型的な二面市場です。一方の側のモデルが増えれば、もう一方の側の開発者が集まります。開発者が増えれば、新しいモデルが接続する動機も高まります。OpenRouterはプロバイダーに「新しいモデルが公開されれば、すでにある需要をすぐに送り込めます」と提案できるのです。

Stripe と OpenRouter の組み合わせは、単なる決済会社による AI API の買収ではありません。両社は世界を市場として捉えています。Stripe は通貨価値の交換を処理し、OpenRouter はトークンとモデル能力の交換を処理します。知能が計測可能な商品のように流通し始めると、交換レイヤー自体の掌握が戦略的資産になり得るのです。

これは Martin 氏が言う「コントロールポイント」の説明にもなります。企業は必ずしも基盤となる商品を製造する必要はなく、発見、接続、取引、配信が行われる場所を掌握できるのです。

五、「スマートモデルルーティング」は、聞こえるほど簡単ではない

モデルルーティングには、少なくとも難易度の異なる三つの問題が含まれており、「最適なモデルを自動選択する」という一言にまとめることはできません。

一つ目はコスト最適化です。品質を下限以下に落とさずに、タスクをより安価なモデルに割り当てます。Martin 氏は、アプリケーション企業が現在得ている主なメリットはここにあると述べています。品質を維持しながら、トークンコストを削減することです。

二つ目は専門性のマッチングです。モデルごとに能力の得意不得意はばらついており、コードが得意なものもあれば、フロントエンド、三次元処理、言語が得意なものもあります。こうした安定した差異を見極め、タスクを割り当てることは現実的です。

三つ目は完璧な品質ルーティングです。新しい問題に直面した時、どのモデルが世界で最も優れた回答を生成するかを事前に判断する必要があります。これは、ルーターが問題を理解し、答えを知り、すべての候補出力を評価できることをほぼ要求します。そのため Martin 氏は、これを「AI 完全」問題に近いと呼んでいます。

仮にアルゴリズムが十分に優れていても、現実世界には切り替えコストがあります。企業はすでにモデルの利用枠を購入し、調達、セキュリティ審査、エンジニアリング導入を完了しています。そのため、ベンチマークの変化だけでプロバイダーを頻繁に切り替えることはありません。価格も動的で、補助金が投入されることもあります。さらに、次世代の最先端モデルがコストと品質のパレートフロンティアを一気に塗り替え、複雑なルーティングが一時的に意味を失う可能性もあります。

したがって、OpenRouterの確かな価値は、市場の集約とエントリーポイントの掌握です。完璧なスマートルーティングは将来の上振れ要素であって、現在の評価額を支える唯一の根拠にすべきではありません。

六、AI はマーケティングを財務問題に変えつつある

従来のマーケティングは、エンジニアリングのように遅延と不明瞭さに満ちていました。企業がキャンペーン、コンテンツ、ブランドに一ドル投資しても、どれだけの質の高いリードが発生するかはすぐには分からず、そのリードがどれだけ収益に変わるかも不明でした。

一方、AI 製品はほぼ無限のトークン需要を持ちます。企業が一ドル分の計算枠を提供すれば、ユーザーはほぼ即座に使い始めます。補助金の額、使用量、推論コストはすべて同じ計算表に載せることができます。

これにより、かつては「芸術」に近かった顧客獲得の意思決定が、取締役会レベルの財務上の調整可能な変数になりました。

• ファネルを拡大したいなら、無料枠を増やし、低い粗利益を受け入れる。
• 利益を取り戻したいなら、枠を減らすか、価格を上げるか、使用を制限する。
• 消費者向けプランは補助金で賄える。真の利益は多くの場合、企業顧客から生まれるからだ。

しかし、この調整に副作用がないわけではありません。Martin氏によると、サブスクリプションプランを赤字にするのは、実際には最もヘビーに利用する約5%のユーザーであることが多く、プラットフォームはアカウント共有や利用規約を継続的に変更しています。

文字起こしには、前回の版で省略された具体的な事例もありました。中国では、200ドルのサブスクリプションプランを専門に利用する運用チームが出現しました。彼らは三日以内にトークンを使い切り、サブスクリプションを解約して残り27日分の日割り払い戻しを申請し、得たモデルサービスを約20ドルで転売しました。プラットフォームと裁定業者の間では、現在もいたちごっこが続いています。

この事例は単なる珍談ではありません。トークン補助金の本質を浮き彫りにしています。計算枠が製品であり、マーケティング予算であり、転売可能な資産でもある場合、価格設定、リスク管理、成長は、もはや三つの部門がそれぞれ対処すべき問題ではないのです。

だからこそ Martin 氏は「新しい CMO は CFO になりつつある」と述べています。エンジニアリングでも同様の変化が起きています。以前はチームやプロジェクトの編成について議論していましたが、現在では多くの議論が「GPU を購入する資金を調達できるかどうか」という一言に集約されます。

資金と、イノベーション、成長、需要の間が、これほど接近したことはかつてありませんでした。

七、Cursor が高速成長できたのはなぜか？

もし資本で直接計算能力を購入できるなら、なぜ資金力のある AI 企業すべてが Cursor のようになれないのでしょうか？それは、資本が解決するのは「どれだけできるか」だけで、「何をすべきか」「学習サイクルをどう構築するか」は解決しないからです。

Martin氏は、Cursorを自身の十年の投資経験、二十年のシリコンバレー経験の中で最も速く成長した企業の一つであり、Elon Musk系列以外では最も速く反復するエンジニアリングチームだと評しています。また、約600億ドルの単独での非公開評価額は、SpaceXとのシナジーだけによるものではないとも考えています。当時は公開できない市場での証拠があったと述べていますが、独立して検証できる詳細は提供されていないため、この部分は彼個人の判断として留保する必要があります。

Cursor の組織に関する選択は、資金調達の額よりも説明力があります。

1. 問題をモデル構造ではなく製品として定義する

多くの AI チームは、研究だけが唯一の重要な仕事だと考えています。Cursor は常に「プログラマーがソフトウェアを書く方法をどう変えるか」に焦点を当てており、モデルは製品目標を達成するための手段に過ぎません。研究と製品はどちらも重要ですが、ライフサイクル、文化、人材構造が異なります。これらを混在させると、むしろ両方を遅らせる可能性があります。

2. 創業者は時間の30%〜40%を採用と文化に費やしている

これは Martin 氏の見積もりであり、会社の開示情報ではありません。これは、高速なイテレーションが組織構築を無視することと同義ではなく、創業者が組織設計を製品スピードの一部と見なしていることを示しています。

3. チーム自身がユーザーである

Cursor の従業員は全員が開発者です。彼らは自分たちのために内部ツールを構築し、自ら使用して問題を即座に発見し、有効な機能を正式な製品にします。フィードバックがエンジニアリングチームに戻るまでに、長い市場調査を待つ必要はありません。

4. SpaceX が補完するのは、計算能力と規模であり、製品の方向性ではない

インタビューと公式資料の整合性から見ると、Cursor はプログラミングワークフロー、ユーザー、使用データを提供します。SpaceX は計算能力、インフラ、エンジニアリングリソース、資本力を提供します。両社はまた、強いエンジニアリング文化を共有し、コードと汎用コンピューターの使用が、より広範な知能への重要な経路であると信じています。

この循環こそが、「10ドルを投じてリターンを得る」という考え方のアプリケーションレイヤー版です。製品がまず最適化する価値のあるタスクを決め、利用がデータを生み、計算能力が改善を増幅し、流通がさらに多くの実際のタスクを呼び込みます。製品の循環がなければ、より多くの計算能力は、誰も必要としないものをより速く生み出すだけです。

八、AI 時代の価値は最終的にどこに蓄積されるのか？

Cursor と OpenRouter の二つの取引は、価値がアプリケーションレイヤーやルーティングレイヤーだけに属することを証明していません。Martin 氏の結論は正反対です。現在の技術スタックのほぼすべてのレイヤーで価値が蓄積されつつあります。

• NVIDIA などのチップ・計算能力企業が希少な供給を掌握。
• モデル研究室が最先端の能力と価格設定を掌握。
• 推論インフラが実行効率を掌握。
• OpenRouter のようなプラットフォームがモデルの発見、リクエスト、課金の入り口を掌握。
• Cursor のようなアプリケーションがワークフロー、顧客関係、フィードバックデータを掌握。
• ファインチューニング、ポストトレーニング、導入チームが業界展開を掌握。
• メディアと配信プラットフォームが注意力を掌握。

Martin氏はこれを、自身のキャリアで目にした最大の富の創出だと述べ、九十年代のインターネットブーム以来、これほど幅広い機会が現れたのは初めてだと考えています。

本当の要点は「すべてのレイヤーが投資に値する」ということではなく、成熟産業のゼロサム的な問いを時期尚早に当てはめないことです。新しい技術スタックはまだ形成途上にあり、この時点で「モデル企業に潰されるのでは」「今、堀はあるのか」と繰り返し問うと、形成されつつあるインターフェース、市場、ワークフローを見逃しかねません。

問うべきは次のことです。このポジションは何を掌握しているのか？使用から継続的に学習できるか？他者がこれを迂回するコストはどの程度か？顧客の最終的な成果にどれだけ近いか？

九、なぜ利益率だけを見ると、真に価値のある企業を見逃すのか？

Martin 氏がバランスシート重視の投資家を批判するのは、粗利益、維持率、解約率、キャッシュフローが重要でないと言っているのではありません。これらの指標は、成熟企業や成長段階の投資には完全に合理的です。

問題は、初期の企業には十分な財務データがないことが多いことです。投資家が当期利益だけを見ると、テクノロジー、製品ポジショニング、誰がそれを必要とするのかを先に除外してから、残りの財務諸表が美しいかどうかを判断することになります。

戦略的価値は、別の一連の問いに答えます。

• この企業は、新しい技術スタックの重要なインターフェースを占めているか？
• 他者が必要とするユーザー、データ、リクエスト、ワークフローを掌握しているか？
• 自ら価値を蓄積できるか、あるいは別のシステムがそれを所有することで大きな価値を得られるか？

OpenRouter はトークン交換の経路に位置し、Cursor はソフトウェア開発の入り口を掌握しています。そのため、当期の利益とは独立した「価値移転能力」が形成されます。これらは自ら成長するか、大手企業が高額で購入したいと考えるコントロールポイントになる可能性があります。

これは決して、悪いビジネスへの免罪符ではありません。戦略的ポジションが最終的に課金力、顧客維持、交渉力に結び付かなければ、それは単なる高価なストーリーです。Martin氏の見解は、初期段階では財務というレンズだけで見るべきではないということであり、財務結果を永遠に無視してよいということではありません。

十、Martin氏の投資メソッド：「創業者か市場か」の二者択一ではない

司会者が Martin 氏に「今日、誰かが『どこで起業すべきか』と尋ねたら、何とアドバイスしますか？」と尋ねました。彼の答えは予想外でした。VC で最も気楽なのは、答えを知る必要がないことだと。

創業者は未来を予測し、大手企業が何をするか、テクノロジーがどう変化するか、自分の製品が突然意味を失うかどうかを判断しなければなりません。Martin 氏はこの状態を「歩き続ける胃潰瘍」と表現しています。VC は、すべての機会費用を負担している創業者よりも未来を知っているふりをするべきではありません。

彼の実際のアプローチは、まず市場を深く理解することです。同じ分野に三、四人の強い創業者が同時に現れ、自分と家族の時間をリスクにさらす覚悟があるならば、彼は通常、自分自身が完璧なトレンド予測を持っていないという理由だけで、その機会を否定しません。

これは判断を「賢い人の数」に委ねることではありません。前提として、投資家が市場を理解し、これらの創業者が本当にコンセンサスとは異なる何かを見ているかどうかを識別できることが必要です。

したがって、彼は「創業者がすべてを決める」とも「市場がすべてを決める」とも受け入れません。真の判断対象は、創業者と市場の適合性です。

• この人生と仕事の経験は、彼に他にはないどのような感度を与えたか？
• 彼はどのような実践的知識を蓄積したか？
• 彼の能力と性格は、この市場の具体的な困難に適合しているか？
• 市場が必要とするスピード、忍耐力、販売方法、製品判断は、彼と一致しているか？

a16z のインフラストラクチャチームは、そのため、特定の取引がない時にも市場の調査に多くの時間を費やしています。市場をまず理解してこそ、創業者に出会った時に、両者が本当に噛み合うかどうかが分かるのです。

十一、なぜ Martin 氏はプロダクト経験のある投資家を好むのか？

初期段階のインフラ投資は、財務データだけでは答えを読み取れない時期に行われることがよくあります。投資家は、テクノロジーがどのように製品になるか、顧客が購入するかどうか、市場がどう進化するか、そしてインターフェースが長期的なコントロールポイントになる可能性があるかどうかを判断しなければなりません。

これにはプロダクトセンスが必要です。純粋な金融バックグラウンドの人でも、顧客にインタビューし、モデルを作ることはできますが、何を尋ねるべきかが分からず、顧客が言う「面白い」と、実際に購入する意図との距離を区別できない可能性があります。

Martin 氏のチームも過去にプロダクト経験のない人材を採用したことがあります。彼の観察では、こうした人々はインタビューは完了できますが、正しい答えを持ち帰れるとは限りません。製品と顧客のインターフェースに対する感度が不足しているからです。

第九、十、十一節を合わせると、彼は実際に三つのレンズを使用しています。

• 財務レンズ：ビジネスの質を確認する。
• 戦略レンズ：新しい技術スタックにおける会社の位置を確認する。
• 創業者・市場レンズ：誰がその機会を最も製品化できるかを確認する。

プロダクト経験の役割は、初期の証拠が乏しい段階で三つのレンズを結びつけることです。それは財務規律の代わりにはならず、直感を事実として偽装することもできません。

十二、Martin 氏の最後の個人的な回答

司会者は最後に、何が彼を駆り立てるのかを尋ねました。Martin 氏は、Nicira を売却した時、VMware の CEO である Pat Gelsinger 氏から同じ質問を受けたことを思い出しました。彼は一晩考え、翌日こう言いました。「私は登山者です。」

この言葉は、自己啓発的なスローガンではありません。彼は、自分の第一の情熱はテクノロジー、起業、イノベーション、創造的破壊であり、シリコンバレーの文化にも強く共感していると述べています。登る価値のある山があり、この世界でチームと一緒に登り続けられる限り、彼は続けたいと考えています。

これはまた、前述の投資メソッドに別の説明を加えるものです。Martin 氏は自分が未来の地図を描けるとは思っていません。彼は、真剣に登っている人々を見つけ、彼らが選んだ山を理解し、そして人と山が適合するかどうかを判断することを好みます。

最も記憶に残る五つの結論

1. AIによって初めて、資本は比較的確実に「観測可能な計算量」「使用量」「ターゲティング能力」に変換できるようになりました。ただし、これらの成果が利益に結びつく保証はありません。

2. 資本は単にAI市場を追いかけるだけではありません。プライベート市場での資金調達期間を延長し、より多くの能力や需要に資金を供給することで、市場そのものを拡大する可能性もあります。

3. モデルラボの優位性は技術だけでなく、安価な資本と希少なGPUにも支えられています。現在の市場集中度をそのまま「将来にわたって勝ち続ける」とは結論づけられません。

4. 知能が計測可能で取引可能な商品となるにつれ、その価値は「供給」「交換経路」「ユーザーのワークフロー」「フィードバックループ」をコントロールする企業へと流れていきます。

5. 実行能力がお金で買えるようになればなるほど、プロダクトの方向性、顧客理解、そしてファウンダーと市場の適合性は、お金では代替できなくなります。

Martin氏の「10ドル」という比喩を最も正確に理解するには、次の二つの文に分けて考えるとよいでしょう。

かつて資本は長い研究開発の試みを買うことしかできませんでしたが、今では技術的な成果をより直接的に買うことができます。

しかし、その成果が本当に10ドルの価値があるかどうかは、製品と市場と利益によって判断されます。