Hugging Faceの CEO Clem Delangue が語る、オープンソース AI がこれまで以上に重要な理由

Anthropic は Fable のリリースをロックダウンしようとした。Hugging Face の CEO はそれに気づき、黙っていない。Clem Delangue は TechCrunch の Equity ポッドキャストに出演し、オープンソース AI がこれまで以上に重要であることを主張した。彼の議論は、現在アジアで開発を行っているすべての開発者にとって実質的な重みを持っている。

Hugging Face は、世界の AI 開発の相当な部分を支える基盤層として静かに成長してきた。AI 版 GitHub と考えればよい。ビルダーがオープンモデル、データセット、その他すべてを共有・ダウンロードするプラットフォームだ。TechCrunch Equity ポッドキャストによると、フォーチュン 500 企業の約半数が現在 Hugging Face を使用している。もはやニッチなオープンソースプロジェクトではなく、重要なインフラストラクチャだ。Delangue の懸念は明確だ。もし少数の強力な企業が、すべてが依存する基礎的な AI モデルを支配することになれば、エコシステム全体は簡単には取り戻せないものを失うことになる。

何が起きたのか

Delangue が Equity に出演するきっかけとなったのは、Anthropic の Fable リリース中止だ。Fable の状況の詳細は限定的だが、Delangue が説明する広範なパターンは、AI 業界を注視している誰もが見覚えのあるものだ。企業が強力なモデルを開発し、その後、理由が完全に透明になることはめったにないが、公開アクセスを制限または遅延させることを決定する。正当性が安全性、競争上の優位性、または規制上の慎重さであるかどうかにかかわらず、結果は同じだ。そのモデルの周りにワークフローを構築した開発者は、突然自分たちのスタックに対する制御が少なくなる。

Delangue の対抗的なナラティブは、Hugging Face のユーザーベース全体で繰り返し観察されたパターンに基づいている。企業は最先端のクローズド API で AI の旅を始める。これが動作するプロトタイプへの最速パスだ。しかし、スケーリングするにつれて、経済学は劇的に変わる。推論コストが複合し、レート制限が実際の運用上の制約になり、モデルを微調整または検査できないことが達成可能なことの上限を作成する。Delangue によると、その時点で、チームはオープンソースモデルへの移行を開始する。クローズド API は優れたオンランプだが、長期的な基盤としては不十分だ。

会話から特に印象的なデータポイントの 1 つ：中国のラボは現在、Hugging Face でダウンロードされているオープンモデルの大多数を生産している。これは技術的なシグナルと同じくらい地政学的なシグナルだ。オープン AI 開発の重心がシフトしており、アジアに向かってシフトしている。

アジアにとって重要な理由

東南アジア、東アジア、南アジア全体の開発者と起業家にとって、オープンソース AI 運動は哲学的に魅力的なだけではなく、構造的に必要だ。アジアのテック エコシステムは、米国ベースのベンチャーキャピタルと企業販売パイプラインへの簡単なアクセスを持つシリコンバレーのスタートアップとは異なる制約セットの下で動作する。

まず経済学を考えてみよう。ジャカルタやホーチミンシティのスタートアップが大規模で OpenAI API クレジットを消費している場合、十分な資金を持つ米国の対応企業と同じ方法では存在しないマージンで動作している。ローカルインフラストラクチャまたはコスト効率の高いクラウドリージョンにデプロイされたオープンソースモデルは、その方程式を根本的に変える。トークンあたりの料金が無期限に複合することなく、自分の条件で、自分のデータに調整された有能なモデルを実行できる能力は、本物の競争上のロック解除だ。

次に言語の側面がある。支配的なクローズドモデルは英語に最適化されている。利用可能なトレーニングデータの量を考えると、中国語と日本語はかなり適切に処理される。しかし、バハサインドネシア語、タイ語、ベトナム語、タガログ語、ベンガル語 — これらの言語は、ローカルユーザー向けに構築された製品にとって重要な方法で、クローズドフロンティアモデルによって過小サービスされている。オープンソースモデルはローカル言語データセットで微調整できる。クローズド API はほぼできない、または少なくとも開発者に出力に対する意味のある制御を与える方法ではない。

中国のラボが Hugging Face でオープンモデルリリースをリードしているという事実も注意深く読む価値がある。これは AI における西洋の技術的優位性の仮定がすでに時代遅れであることを示唆している。アジアの開発者は、米国のラボが有能なオープンモデルをリリースするのを待つ必要はない。オープン AI のサプライチェーンはますます地域的だ。これは、注意を払っているビルダーにとって構造的な利点だ。

AI ネイティブ開発プラットフォームの観点から、このシフトが重要なのは、ツーリングレイヤーがモデルレイヤーと一緒に進化する必要があるためだ。開発者がクローズド API からセルフホストされたオープンモデルに移行する場合、モデル選択、デプロイメント、統合の複雑さを処理するインフラストラクチャが必要だが、エンジニアリングのオーバーヘッドを数週間追加しない。

開発者にとって意味すること

Delangue の議論には、オープンとクローズドのイデオロジーに焦点を当てている場合、見落としやすい実用的な含意がある。今オープンモデルで作業することを学ぶ開発者は、業界が成熟するにつれて耐久的なスキルの利点を持つだろう。

オープンモデルで作業することは API を呼び出すよりも要求が厳しい。モデル量子化、推論最適化、モデルファミリー全体のプロンプト形式の違い、およびモデルサイズとレイテンシ間のトレードオフを理解する必要がある。これらは克服不可能な課題ではない。オープンモデルの周りのツーリングエコシステムは大幅に成熟している。しかし、彼らは本物の技術投資を必要とする。

実際にその投資がどのように見えるかは次のとおりだ。

• モデル選択：すべてのオープンモデルがすべてのタスクに適しているわけではない。コードで微調整された 7B パラメータモデルは、特定のコーディングタスクで 70B 一般モデルを上回ります。ベンチマークリーダーボードではなく、実際のユースケースに対してモデルを評価することを学ぶことは、コアスキルです。
• ローカルデータの微調整：オープンモデルの実際のレバレッジは、微調整する能力です。ローカル市場向けの製品を構築しているアジアの開発者にとって、これはローカル言語データ、ドメイン固有の用語、および文化的に関連する例でのトレーニングを意味します。実際のタイ語カスタマーサービス会話で微調整されたタイ語 e コマースチャットボットは、その特定のタスクで既製のクローズドモデルを上回ります。
• デプロイメントアーキテクチャ：本番規模でオープンモデルを実行するには、量子化（GGUF、AWQ、GPTQ）、サービングフレームワーク（vLLM、Ollama、TGI）、ハードウェア選択に関する決定が必要です。これらの決定には重大なコスト上の影響があります。
• 統合パターン：オープンモデルは、スタックの残りの部分（データベース、API、フロントエンドアプリケーション）に接続する必要があります。コネクタとオープンモデルの周りに構築する統合パターンは、多くの場合、実際の製品差別化が存在する場所です。

より広い点は、オープンソース AI がそれを理解することに投資する開発者にレバレッジを作成することだ。クローズド API はモデルレイヤーをコモディティ化する。誰もが同じ GPT-4 または Claude にアクセスできる。オープンモデルは、微調整、カスタムデプロイメント、および独自データとの深い統合を通じた差別化を可能にする。ローカル市場知識が本物の堀であるアジアで構築している創業者にとって、その差別化は重要だ。

リスク管理の議論もある。Delangue の懸念は、少数の企業が基礎的な AI を制御していることについて、仮説的ではなく、クローズドモデル市場の現在の状態の説明だ。単一のクローズド API にコア製品を構築したスタートアップは、表示されない依存関係リスクを持っている。