小規模言語モデル(SLM)が大規模言語モデル(LLM)を凌駕する可能性:ハイパースケーラーへの影響

スタンフォード大学の研究によると、ローカルPCやスマートフォンで動作する小規模言語モデル(SLM)が、データセンターで動作する大規模言語モデル(LLM)と同等以上の性能を発揮する可能性が示唆されています。QWEN 3、GEMMA 3、GPT-OSS、GRANITE 4.0といったSLMは、ChatGPT 5、Claude Sonnet 4.5、Gemini 2.5 ProといったLLMと比較され、チャットタスクでは90%以上、推論タスクでは62.5%、総合では81.2%のケースで同等以上の性能を示しました。さらに、SLMはLLMと比較してエネルギーと計算コストが50%~85%低く、ワットあたりの推論効率は7倍大きいとされています。この研究結果が真実であれば、データセンターへの投資は不要になり、ハイパースケーラーは多額の投資を無駄にする可能性があります。Nvidiaのような半導体メーカーも、高性能GPUからPC向けチップへのシフトを迫られる可能性があります。一方で、DellやAppleのようなデスクトップPCメーカーがAIブームの勝者となる可能性も指摘されています。ただし、エージェントAIのような高度なタスクではLLMが依然として優位ですが、その差は縮小傾向にあります。