Aaron Levieが語る、なぜオープンAIが勝つのか

オープンウェイトAIは、しばしばフロンティアラボ（最先端のAI研究所）にとっての脅威として語られる。しかしBoxの共同創業者兼CEOであるAaron Levie（アーロン・レヴィー）は、その経済性の捉え方は逆だと主張する。彼は、オープンモデルはAIエコシステムをより競争的にし、クローズドモデルの研究所にさらなる革新を促し、AIの経済的価値が最終的にどこに集約されるかを根本的には変えないと論じる。Theo Jaffee（テオ・ジャフィー）とSofia Puccini（ソフィア・プッチーニ）がホストを務めるa16zのポッドキャスト「MTS」に出演したLevievは、モデル蒸留（distillation）をめぐる議論、米中競争、そして米国が先行世代のオープンウェイトモデルをリリースすべきかという問題について、踏み込んだ見解を示した。

このエピソードは、単なるオープンソース礼賛ではない。Levievは、オープンウェイトAIがもたらす具体的な経済メカニズム、エンタープライズにおけるモデル選択の現実、そしてAIがソフトウェアエンジニアリングの本質をどう変えつつあるかを、BoxのCEOとしての実務経験に基づいて語る。さらに、Anthropicの最新モデル「Opus 5」の評価結果や、AI時代におけるエンジニア採用の哲学にまで話は及ぶ。彼の主張は、AIをめぐるイデオロギー対立を超えて、ビジネスと技術の現実に根ざしたものだ。オープンウェイトAIの支持者でありながら、クローズドラボの利益や安全性への懸念にも理解を示すそのバランス感覚は、この議論に貴重な実践的視点をもたらしている。

1:22オープンウェイトAIをめぐる「ロールシャッハテスト」としての書簡

エピソードの冒頭で、ホストたちはNVIDIAのCEOであるJensen Huang（ジェンスン・フアン）が発起したオープンウェイトAIを支持する書簡について、Levievの解釈を求めた。Boxもこの書簡に署名している。Levievは、この書簡を「ロールシャッハテスト」のようなものだと表現する。つまり、読む人によって異なる意味を見出す文書であり、彼自身はそこに二つの主要なポイントを読み取ったという。

第一のポイントは、オープンウェイトAIがAIの進歩そのものを促進するという主張だ。オープンモデルがあれば、その上に構築したり、特定のユースケース向けに再訓練したりすることが可能になり、イノベーションと選択肢が増える。Levievは、オープンウェイトとクローズドウェイトの関係をゼロサムゲームとして捉えるのは誤りだと強調する。オープンモデルは、人々がAIで行うユースケースの総数を増やすだけであり、パイ全体を拡大するのだ。

第二のポイントは、米国がオープンウェイトモデルへの投資をさらに強化すべきだという「行動への呼びかけ」だ。書簡は中国のAI活動を直接非難するものではなく、むしろ米国が自国のオープンウェイトエコシステムを強化する必要性を訴えているとLevievは解釈する。また、彼は「蒸留は必ずしも悪いことではない」と述べ、この問題をめぐる過剰な恐怖心（FUD）を鎮めるべきだと主張した。オープンモデルはクローズドモデルのプロバイダーにも良い影響を与え、彼らにより速い革新を促すため、結果的に全員が勝者になると彼は考える。

Levievは、オープンウェイトに反対する立場にも一定の理解を示す。安全性の観点から、将来の能力レベルにおいてオープンウェイトにはリスクがあるという議論は、彼自身は同意しないものの「健全な議論」だと認める。しかし、彼の基本的なスタンスは明確だ。「よりオープンなイノベーション、オープンウェイトのイノベーションは、AI全体とその普及にとって良いことだ」と彼は断言する。

3:28モデル蒸留をめぐる倫理的境界線の不在

議論は、モデル蒸留のどこからが「通常の経済活動」で、どこからが「市民的・刑事的違反」に該当するのかという、より微妙な問題に移った。Levievは、そもそもそのような明確な線引きは存在しないと主張する。彼の論理は鋭い。AIモデルが広く公開されたインターネット上のデータで訓練されることが許容されているのに、なぜ別のAIモデルがAIモデルの出力で訓練されることが問題視されるのか。彼はこの二つのシナリオの間に、意味のある倫理的区別を見出すことはできないと言う。

「もし私がラボを経営していたら、自社モデルの蒸留を防ぐためにあらゆる防御策を講じたいと思うだろう」とLevievは認めつつも、それはビジネス上の防衛であり、倫理的な問題ではないと指摘する。彼は、蒸留を非倫理的とする議論は、結局のところ、ほとんどの人が自分のデータが訓練に使われることにオプトインもオプトアウトもしていないという、AI訓練の根幹を否定することになると論じる。Redditの投稿であれ、Anthropicの出力であれ、それが「世界の一般的な知識」としてモデルに学習されることに、本質的な違いはないというのが彼の立場だ。

ホストたちは、この議論をさらに推し進める。蒸留を行う側はAPI利用料を支払っているため、Anthropicのようなラボは蒸留を通じて、当初の訓練ランよりも多くの収入を得ている可能性があるという指摘だ。さらに、あるモデルが生成したコードが公開リポジトリに大量にアップロードされ、それが次のモデルの訓練データになるというシナリオと、APIを直接利用した蒸留との間に、倫理的な違いはあるのかという思考実験も提示された。Levievは、この二つのシナリオの間に説得力のある区別はないと結論づける。

さらにLevievは、中国のAIモデルの進歩が蒸留だけによるものではない可能性に言及する。中国は蒸留とは独立した「画期的なイノベーション」を行っているという主張もあると彼は述べ、モデルが進歩している理由についての断定を避けた。しかし、これらの議論はすべて、オープンウェイトモデルを望むかどうかという根本的な問題とは独立していると彼は強調する。彼は、米国に10億ドルを投じて独自のオープンラボを建設する人物が現れることを期待していると述べ、「いまだに待っている状態だ」と冗談めかして付け加えた。

6:38中国依存の懸念と「高価なAI」vs「安価なAI」のジレンマ

ホストたちは、現在のオープンウェイトモデルの多くが中国発であるという事実に議論を向ける。米国のスタートアップエコシステムが中国のオープンウェイトモデルに過度に依存し、中国がその供給を停止した場合のリスク、あるいは中国製モデルが米国企業の利益率を損なうという国家安全保障上の懸念について、Levievの見解を尋ねた。

Levievは、これらの懸念は理解できるが、では具体的にどうすべきなのかと問いかける。彼は、中国の製造業の進歩に依存しないためにiPhoneを1,000ドルではなく5,000ドルにすべきだという主張に例える。もし中国への依存を断つ道を選べば、米国は「高価なAI」を持ち、世界の他の地域は「安価なAI」を持つことになり、今後5年から10年の競争でどうなるかは明らかだと彼は示唆する。すでに「猫は袋から出てしまった」のであり、オープンウェイトモデルの存在と中国の生産能力を覆すことはできないと彼は言う。

Levievは、Jensen Huangの立場に賛同する。HuangがDwarkesh Patelのポッドキャストで語った内容は、中国を封鎖すれば、中国は独自のハードウェアスタックでAIモデルを訓練し続け、それがやがてソブリンクラウド（各国政府向けクラウド）に展開されることになるというものだ。Levievは、中国がAIを戦略的に重要視していることは明らかであり、米国には及ばないものの、多くの優秀なAI研究者を擁していると指摘する。中国には、人材、チップ製造の産業力、そして大量の訓練データを生成する能力（例えば10万人を雇ってデータを生成させる）など、AI大国になるための原材料が揃っている。

「中国を完全に封鎖して、彼らを劇的に減速させ、その間に我々が勝つというシナリオは考えられない」とLevievは断言する。理論上のリスクは、米国が中国に対して「乗り越えられないほどのリード」を持っているという前提に依存しているが、実際にはKimi K3のような中国製モデルの登場により、そのギャップは拡大ではなく縮小していると彼は指摘する。制限を課すことで中国のAIエコシステムの構築を加速させるよりも、米国は進行中のインフラ構築に参加すべきだというのが彼の結論だ。

11:33オープンウェイトが変えないもの：AI経済の本質は「推論」

もし米国が中国に先駆けてKimi K3レベルの能力を持つモデルをオープンソース化したらどうなるかというホストの質問に対し、LevievはAIビジネスの経済構造に関する持論を展開した。彼の核心的な主張は、「AIでお金を稼ぐ方法は推論（inference）だ」というものだ。つまり、どのモデルが使われようと、最終的にはGPUクラスターなどのインフラストラクチャーに資金が流れることになる。

Levievは、世界に1つか2つのラボしかなく、訓練方法が完全な秘密として保護可能な知的財産であるならば、話は別だと認める。しかし現実には、米国だけでもOpenAI、Anthropic、Google、Meta、そしてxAI（SpaceXと表現されているが、おそらくxAIの誤り）という5つの主要プレイヤーが、最先端モデルの開発を「存在をかけた」競争を繰り広げている。この競争環境下では、トークンのコストは時間の経過とともにインフラストラクチャーのコストに収束していく。彼は、マージンがゼロになるとは言わないが、現在の70〜90%から、インフラコストの20〜40%程度の上乗せに近づいていくとの見通しを示した。

この前提に立てば、オープンモデルをリリースしても、そのモデルの推論を自社のインフラで提供したり、ポストトレーニング環境を提供したり、エンタープライズ向けの安全なデプロイメントブランドとなったりすることで、ほぼ同等の収益を得ることが可能だとLevievは論じる。彼はさらに踏み込んで、OpenAIのようなクローズドラボが、フロンティアモデルの「先行世代」をより一貫したペースでオープンソース化すれば、むしろ自社のエコシステム内により多くのユースケースを留め、推論需要も取り込めるため、フロンティアモデルとの競争力を高めることになると主張する。

「オープンソースAIは、ラップトップで最先端モデルを動かすことを意味しない。クラウドインフラの必要性を回避できるわけではない」とLevievは言う。資金は結局、何らかのインフラプロバイダーに流れるのであり、OpenAIやAnthropicがそのプロバイダーになれない理由はない。オープンウェイトAIはAIの経済構造を根本的に変えるのではなく、イノベーションとビジネス創出の経路を増やすだけだというのが彼の結論だ。だからこそ、彼はクローズドラボに対し、ポストトレーニングやソブリン（政府系）ユースケースに対応するための「ファストフォロワー」としてのオープンウェイトモデルのリリースを検討すべきだと提案する。

17:05Opus 5の実力と知識労働への影響

話題は、Anthropicがリリースした最新モデル「Opus 5」の評価に移る。Boxはエンタープライズ向けにAI機能を提供しており、Levievはその立場から、Opus 5を実際に評価した結果を語った。彼によると、Boxは過去1〜2週間にわたりOpus 5の評価を実施しており、その結果は「素晴らしいモデルだ」というものだった。先行モデルであるOpus 4.8（実際にはOpus 4.5の誤りと思われるが、原文ママ）と比較して、有意な性能向上が見られたという。

Levievは、エンタープライズ向けAIモデルに求められる二つの主要な側面を説明する。一つ目は、ライフサイエンスや法律、金融といった特定の業界に関する深いドメイン知識だ。二つ目は、大量のデータを処理し、ツールを操作し、分析を行うための汎用的な知能（ジェネラルインテリジェンス）である。Opus 5は、この両方の軸で改善を示していると彼は評価する。Boxは様々な業界テストでOpus 5を試した結果、Opus 4.8（原文ママ）からの有意なジャンプを確認したという。

ホストが、OpenAIの「Fable」（おそらくGPT-5.6のコードネームか、あるいは別のモデルを指すと思われるが、原文ママ）とOpus 5の比較について質問すると、Levievは内部ベンチマークの結果を共有した。一般的な知識労働タスクにおいては、Opus 5の方がコストパフォーマンスに優れている可能性があるという。一方、特定のコーディングタスクにおいては、FableがOpus 4.8（原文ママ）を完全に凌駕しており、トークンコストの差を考慮しても、その性能差は埋められないものだったと彼は認める。

しかしLevievは、Fableには問題点もあると指摘する。Fableは、セキュリティ上の懸念から、特定のクエリをOpus 4.8（原文ママ）レベルのモデルに自動的に「ダウングレード」することがあるというのだ。これは、ユーザーがFableの「生の知能」を常に得られるとは限らないことを意味する。特にバイオ分野のユーザーは、クエリが頻繁にダウングレードされるため、Fableを実質的に使用できないという報告もあると彼は述べた。Levievは、Anthropicが政府に対して提案した、AI能力のリスクレベルを定義しテストするための多段階フレームワークを評価しつつも、誰がそのリスクフレームワークを決定するのか、そして現在の過度な制限がAIの未来にとって「耐え難いもの」になるのではないかという疑問を提起した。

22:28AIが変えるソフトウェアエンジニアリングとBoxの人材戦略

AIがBoxのソフトウェアエンジニアリングにどのような影響を与えているかという質問に対し、Levievは「ソフトウェアエンジニアリングに対して依然として強気だ」と明言した。彼によると、BoxはAIモデルを活用して、以前よりもはるかに多くの仕事を行うようになった。AIの存在は、製品企画のプロセスそのものを変えたという。以前は人間のリソースの制約から「複雑すぎる」「価値がない」と判断していたプロジェクトを、今では実行に移すことができるようになったのだ。

Levievは、AI以前のソフトウェア開発は「中間の帯」に集中していたと説明する。1〜6ヶ月で完了するプロジェクトだけが実行に値すると判断され、1週間で完了するが重要ではない小さなタスクや、完了までに数年かかるような大きなプロジェクトは、どちらも後回しにされていた。しかしAIの登場により、この状況は一変した。数年かかっていたプロジェクトはもはや数年ではなくなり、1週間かかっていたタスクは2時間で完了するようになった。その結果、Boxは顧客が以前から抱えていた問題を、より多く解決できるようになったのだ。

「AIのおかげで、より多くのことに挑戦できるようになった。だからこそ、私は可能な限り、より多くの人材を採用しようとしている」とLevievは語る。現在の主な制約は、もはや技術的な実現可能性ではなく、ビジネスの他の領域との間での財務的なリソース配分だという。彼は、AIによってソフトウェアエンジニアの必要性がなくなったと考える経営者は、「製品ロードマップに対して十分な野心を持っていない」と断言する。AIはエンジニアを不要にするのではなく、エンジニアの野心の上限を引き上げるものだというのが彼の信念だ。

Levievは、AIコーディングエージェントがプロジェクトの所要時間を過大評価する傾向にあることも面白い現象として指摘する。AIエージェントは、過去の人間のプロジェクトデータ（Slackのメッセージなど）に基づいて訓練されているため、プロジェクトのタイムラインを非常に保守的に見積もる傾向があるという。同様に、数学の未解決問題を解くのにかかる時間についてAIに尋ねると「5年」と答えるかもしれないが、実際にはすでに解決されている事例もあると彼は笑いを交えて語った。

26:06モデルルーティングの時代：エンタープライズAIの新たな価値層

エピソードの終盤では、エンタープライズにおけるAIモデル戦略について議論が及んだ。モデルのリリース頻度が高まり、各モデルが異なる強みを持つようになると、単一のプロバイダーに依存することはもはや現実的ではなくなる。Levievは、この状況下で価値が集約されるのは、タスクを理解し、データへのアクセスを管理し、ワークフローを処理する「アプリケーション層」だと主張する。彼は自身がBoxのCEOであるため「極めて偏った結論」だと認めつつも、この見解を明確に述べた。

Levievは、Cognition、Factory、Cursor、Replitなどのアプリケーション層の企業にとって、複数のモデルが存在し、それぞれが異なる軸で優れていることが理想的なシナリオだと説明する。コスト効率に優れた「ワークホース」モデルもあれば、複雑なタスクを処理する「スーパーフロンティアオーケストレーター」もある。複数のモデルを効果的に使い分ける必要がある状況こそが、アプリケーション層に価値をもたらすのだ。彼は、米国には現在、xAI、Google、Anthropic、OpenAI、Metaという5つの有力なモデル開発企業があり、それぞれが知能のコスト削減とフロンティアの向上という「戦争状態」にあると指摘する。

このような環境下で、モデルルーター（モデルを動的に選択・切り替える層）は、エンタープライズにとって大きな価値を生むとLevievは言う。モデルの選択肢が多すぎて、どのモデルに投資すべきか判断できない「分析麻痺」に陥っている企業にとって、アプリケーション層は「その選択をする必要はない」と保証してくれる存在だ。ワークフローを構築し、データを適切に整備した上で、ある日はFableを使い、別の日はGPT-5.6を使い、あるいはGrok 4.5にルーティングするなど、柔軟にモデルを切り替えることで、ワークフロー全体のコストを削減できる。

「この層は、AIが適用されるべき深い業界知識と垂直的なユースケースを理解するのに適している」とLevievは説明する。純粋な水平モデル（汎用モデル）は、法律、金融、ヘルスケアといった特定の業界に深く入り込むことは難しい。モデル自体の能力の問題ではなく、モデルの周囲に必要な「装置」が欠けているからだ。適切なデータへのアクセス、ワークフローへの正しい実装、これらを提供するアプリケーション層こそが、今後、莫大な価値創造の場になるとLevievは予測する。彼は最後に、この1週間のAI業界の動きの速さに言及し、「今日の午後11時59分までに、次の大きなストーリーが何かを見極めなければならない」と締めくくった。

結びに

このエピソードが特に価値を持つのは、オープンウェイトAIをめぐる議論を、イデオロギーではなくビジネスと技術の現実に引き戻した点にある。Aaron Levieは、Boxというエンタープライズソフトウェア企業のCEOとして、AIモデルの評価、エンジニアリング組織への影響、顧客のニーズを日々目の当たりにしている。彼の「オープンウェイトはクローズドウェイトとゼロサムではない」「AIの経済的価値は結局インフラに集約される」「エンジニアを削減する企業は野心が足りない」といった主張は、理論的な議論に終始しがちなこのテーマに、実践的な重みを与えている。

また、彼がオープンウェイトの強力な支持者でありながら、クローズドラボの安全性への懸念や、中国のオープンウェイトモデルへの依存リスクといった反対意見にも真摯に向き合い、それぞれに一定の理解を示している点も印象的だ。彼のスタンスは、単純な二項対立を超えた、複眼的なものだ。AI業界がかつてない速さで進化する中で、モデルの選択肢が増え、それぞれの強みが異なるのであれば、その上に構築されるアプリケーション層の価値はますます高まるだろう。このエピソードは、AIの「次の戦場」がモデル自体ではなく、モデルを現実のビジネス課題に適用する層にあることを示唆しており、エンタープライズAIの未来を考える上で示唆に富む内容となっている。