AIとインフラ / 2030年のスケーリングが突きつける規制の地政学雑感

要点

0　はじめに

　AIの議論は、ともすれば「モデルが賢くなる／ならない」という抽象の空中戦に流れがちである。しかし、2030年を覗き込むと、議論の重心が資本、電力、立地、許認可へ不意に落ちてくる。AIが単なるソフトウェアである以前に、巨大な産業インフラになりつつある、という話である。

　AI予測研究機関であるEpoch AIが2025年に発表した報告書「AI in 2030」は、この転換を外挿の力技で正面から描き出す。現在のトレンドが継続するなら、2030年の最先端AIモデルは数千億ドル規模の投資とギガワット級の電力を要し得る、という見立てである。報告書はGoogle DeepMindの委託を受けて作成されたものの、独立した視点から、スケーリング則の継続を作業仮説として議論を組み立てている。

　もちろん、外挿は予言ではない。壁が来る議論も多い。だが、少なくとも「議論のベースライン」にはなる。法にとって重要なのは、当たるか外れるか以前に、外挿が突きつける規制対象の変形を見落とさないことである。

　今回は、この報告書が描く2030年像を作業仮説として受け止め、AIガバナンスにおける争点が情報法からインフラ法へ滲み出す過程を、雑感として整理する。

1　問題の所在

　外挿の不気味さは、極端な未来を持ち込む点にあるのではない。極端な未来を生むメカニズムが、すでに足元にある、という示唆にある。

　Epoch AIは、2030年までのトレンドが崩れる（あるいは加速する）主要因として、概ね次を挙げる。投資家心理や強い規制を含む社会的協調の変化、チップや電力など供給制約、そして研究開発自動化のような生産様式の転換である。

　ここで法が刺さるのは、第一の「社会的協調」の部分である。規制は、技術の外部にある単なるブレーキではなく、資本・労働・立地を配分する協調装置である。規制はAIの速度を落とすだけでなく、AIの起こり方、どこで・誰が・どうやって、を書き換える。

　AI規制の議論は、差別、透明性、説明可能性、個人情報といった「出力」に関する争点へ集中しやすい。もちろん重要である。だが、2030年のスケールに目を向けると、「入力」つまり、計算資源、電力、データセンター、サプライチェーンが、同じくらい、あるいはそれ以上に規律対象として立ち上がる。規制の焦点をモデルの行為だけに固定してよいのか、という問いが浮上する。

2　数千億ドル・ギガワット・1,000倍

　報告書の最も刺激的な部分は、2030年の最大モデルを能力ではなく入力資源で描写する点にある。最大モデルが「いかに賢いか」以前に、「いかに高いか」「いかに電気を食うか」が先に立つ。

　報告書によれば、現在の傾向が続くなら、2030年の最大モデルは今日の最大モデルの約1,000倍の計算量を必要とする。投資規模は数千億ドルに達し得る。学習用クラスターへの投資として約2,000億ドルを見込み、これは米国GDPの約1%に近い。電力についても、最大級の学習・展開はギガワット級に接近し、AIデータセンター電力が世界の電力需要の相当部分へ伸び得ると予測されている。報告書は、AIデータセンター電力需要が世界電力需要の約1.2%に達する可能性を示唆しており、これは電気自動車の電力需要予測と同程度の規模である。

　この入力資源の肥大化は、法的には二重の意味を持つ。

　第一に、規制対象がソフトウェアから産業施設へ接続される。環境影響評価、電力系統、用地、建築、労働安全、地域合意──こうした領域が、AIの進度を直接左右しうる。AI規制を語りながら、実際には「電気の規制」をしている、という倒錯が生じ得る。

　第二に、参入構造が変わる。数千億ドル規模の投資を前提にすると、最先端モデル開発はごく少数の主体に集中しやすい。これは競争法・国家安全保障・輸出管理・公共調達などの論点を連れてくる。AIの倫理は、AIの寡占の話と切り離せない。

3　継続的スケーリングと外形規律

　報告書の立て付けは明快である。過去10年、外挿は強いベースラインであった。壁が来る議論は多いが、決定打は見えない、という認識の上で、2030年までの継続スケーリングを控えめな基準線として置く。

　スケーリングが続く局面では、従来の用途規律だけでは追いつかない可能性がある。従来のAIガバナンスは、個別用途ごとのリスク（医療、雇用、与信、司法等）を列挙し、透明性・監督・説明責任で縛る傾向にあった。しかし、モデルが汎用化し、用途が流動化するからである。

　そこで浮上するのが外形の規律である。外形とは、何を入れたか（データ・計算資源・電力）、どれだけ入れたか（規模・閾値）、どこで作ったか（立地・サプライチェーン）といった、入力と生産条件である。外形規律は、能力の中身に立ち入らずとも、一定の社会的影響をコントロールできる可能性がある。

　もっとも、外形規律は副作用も大きい。大規模事業者ほどコンプライアンスを吸収しやすく、集中を強め得るからである。規制は「安全」を名目に「規模」を選別してしまう。この点は、理念ではなく制度設計の問題として扱う必要がある。

4　AIが科学研究を加速させる世界

　報告書が示す能力予測の中で、法にとって特に厄介なのは、研究活動の核心にAIが侵入するシナリオである。報告書は、2030年までにAIが自然言語から複雑な科学ソフトウェアを実装し、数学者が証明スケッチを形式化することを支援し、生物学プロトコルに関するオープンエンドの質問に答えることができると予測する。

　これらは既存ベンチマークの進捗を外挿した例示であり、「2030年に必ずそうなる」という断言ではない。しかし、「あり得る」と想定するだけで、法的な設計課題は十分に立ち上がる。

　第一に、責任の粒度が変わる。AIが単に提案する段階では、最終判断者の責任を基軸に制度設計しやすい。ところが、AIが実装し、操作し、実験計画まで自律的に進めると、事故や損害の因果連鎖が長くなる。人間の関与はゼロにはならないが、どの地点でどの程度の注意義務を課すかが難しくなる。結果として、説明責任を個人へ過度に押し付けるか、逆に「誰の責任でもない」空白が生じるか、の二択になりやすい。

　第二に、検証の価値が暴騰する。スケーリングの帰結として成果物（コード、定理の形式化、解析結果）が大量生産されると、希少になるのは「作る能力」ではなく「確かめる能力」である。監査ログ、トレーサビリティ、記録保存、第三者評価といった事後検証のインフラが、実体法（責任・契約）を支える土台になる。

　第三に、危険な知識の扱いが鋭くなる。生物学プロトコルのような領域では、研究加速が正の外部性を持つ一方で、悪用リスクも伴う。法は、公開・秘匿、研究の自由・安全保障、輸出・移転の境界線を、抽象論ではなく運用可能な形で引き直す必要がある。

5　規制が作る「時間差」

　報告書が興味深いのは、AIの進歩が「物理世界」に入ると、途端にタイムラインが不確かになる点を正面から述べていることである。ソフトウェアや数学のように完全にin silicoで回る領域はAIの恩恵を受けやすいが、分子生物学等では実験ボトルネックが支配的になり得る。

　薬事の例示は法学的に示唆が大きい。報告書によれば、現行の承認パイプラインを前提にすると、2030年までに臨床試験で承認される薬は既に現在の研究開発パイプラインに載っている。したがって、現行規制枠組みの下ではAIの貢献が「市場に出る承認製品」に反映されにくい。

　ここで重要なのは、規制が単なる障害ではなく、時間定数として働くという理解である。規制は「何が市場に出るか」を決めるだけでなく、「いつ出るか」を決める。AIがデスクベース研究を爆速化しても、承認制度が時間の壁として残る限り、社会に観測される変化は遅れる。この時間差は、政策の評価や投資判断を誤らせる温床でもある。AIが効いていないのではなく、効いているが表面化していない、という現象が起こり得る。

6　法域差とソフトローの混成

　報告書は、規制と自動化が「どこで起こるか」を左右し、法域間で導入格差が生じる可能性を指摘する。理由は単純で、立地条件が効くからである。電力の確保、許認可の速度、送電網、冷却用水、税制、政治的受容、国家安全保障上の扱い、これらは、モデルの性能とは無関係に、AIの供給側を決める。

一方で、利用側は越境する。EUのAI法（AI Act）は、EU域内のAIシステムのリスクに応じて義務を課すリスクベースの包括規制として位置付けられている。この種の規制は、開発拠点が域外にあっても、域内市場へ投入する限り影響し得る。供給側の立地競争と利用側の市場規律が交差し、企業は「どこで作るか」と「どこで売るか」の二階建てでコンプライアンスを設計することになる。

　ソフトローも効く。OECDのAI勧告は、法的拘束力は弱いが、各国の政策・企業行動の共通語彙になりやすい。米国NISTのAIリスク管理フレームワーク（AI RMF）も、規制ではないが、調達・監査・契約実務を通じて実質規範になり得る。日本でも、総務省・経済産業省が2024年4月に策定したAI事業者ガイドラインが、企業実務の標準化を狙う動きとして位置付けられる。

　このように、2030年のAIをめぐる法域差は、ハードローだけでなく、ソフトローとインフラ条件が混ざった混成物になる。AI導入格差が生まれるのは、AIの性能差よりも、法制度とインフラの組み合わせ差、という可能性がある。

7　法的・政策的課題の素描

　Epoch AIの報告書は技術的・経済的な予測に主眼を置いているが、描かれた未来像は法学者や実務家に重い問いを投げかけている。以下、私見を交えつつ、2030年のAI社会における法的課題を素描する。

　第一に、エネルギー法とインフラ規制の再構築である。単一のトレーニングランにギガワット級の電力を要し、数千億ドルの投資が行われる巨大データセンターの建設は、国家レベルのエネルギー戦略と不可分である。こうした巨大負荷施設に対する電力供給の優先順位付けや、グリッド接続の許認可プロセスが論点となる。特定の企業のみがギガワット級の計算資源を独占することは、競争法上の懸念を深める。計算資源そのものが「必須施設」としての性質を帯びる中、アクセス権の保障や公正な競争環境の確保をどのように法的にデザインするかが問われる。

　第二に、自律的科学と責任法である。AIが自律的に実験プロトコルを立案し、コードを書き、新たな化学物質を設計する世界において、事故が生じた場合の責任の所在はどうなるのか。現行法では、AIは道具であり、その利用者が責任を負うのが原則である。しかし、AIが人間の具体的な指示を超えて、自律的な推論の結果として予期せぬ実験を行った場合、利用者の予見可能性を認定することは困難になる可能性がある。

　第三に、データの囲い込みと知的財産法である。報告書は、人間由来のテキストデータの枯渇と、合成データの台頭を予測している。高品質な専門データを持つ企業や研究機関は、それをAI学習用に提供する際の対価や条件を厳格化するだろう。一方で、AIが生成した合成データによって学習したAIが、さらにデータを生成するというサイクルに入ったとき、著作権法が想定する「人間の創作的寄与」は希薄化する。

　第四に、デュアルユースと安全保障規制である。科学的研究開発を加速する能力は、同時にサイバー攻撃や生物兵器の開発といった悪意ある利用の敷居を下げることを意味する。モデルの重みの管理、トレーニングへのアクセス規制、あるいは計算資源の利用者確認義務が、国際的な法的枠組みとして議論されることになるだろう。

8　雑感

　AIガバナンスの議論は、しばしば「透明性」「説明責任」「差別」の語彙で閉じる。しかし、2030年のスケーリング像を前提にすると、AIは巨大な電力需要と資本投下を伴う産業インフラになる。AIガバナンスは、情報法だけでは完結しない。環境・エネルギー・競争・安保・地域行政、これらがAIの速度を決める。

　言い換えるなら、「AIを規制する」とは、モデルの挙動だけでなく、計算資源の配分と立地の帰結を規律することでもある。規制がAIを止めるかどうか、ではなく、規制がAIの地理と時間をどう書き換えるか、が問われる。

　2030年は遠い未来ではない。現在開発中の医薬品が市場に出る頃、あるいは現在法学部に在籍する学生が中堅実務家になる頃には、この世界が到来している。技術の指数関数的な進化に対して、法の進化を線形的なものに留めないための知恵が求められている。

（マガジン）「AIと法-雑感」

　※目次は以下を参照

note総則規約3条2項前段
3.2 クリエイターが制作したデジタルコンテンツの著作権は、クリエイターに帰属します。