- 年には「独自モデル = 競争優位」と信じられていた構図は、2025 年以降急速に崩壊したと指摘される。Meta の Llama 3/4 系、DeepSeek V3/R1、Alibaba の Qwen 2.5/3 シリーズが、クローズドフロンティアと競合し得るベンチマーク性能を示したことで、「重み」自体を堀と見なす投資家は激減した。本稿では AI モートの幻想を解体し、2026 年時点で残存する可能性のある防衛線を批判的に検討する。
第一に、ベンチマーク平均スコアのギャップは確かに縮んだ。MMLU・GPQA・MATH 系の指標で上位オープンモデルはフロンティアクローズドと数ポイント差まで接近したと報告される。一方で、ロングホライゾン推論・ツール利用・マルチモーダル理解・エージェント性能では依然として差が残るとの評価も多い。つまり「モデル品質が完全に均質化した」という主張は誇張であり、同時に「独自モデルだけが価値を生む」という旧来の主張も誇張である。評価は用途別に分解すべきであり、平均スコアのみを根拠にしたモート論は脆弱だ。
第二に、真のモート候補を絞り込むと、(a) データ、(b) ディストリビューション、(c) 推論コスト構造、(d) 規制対応力、の四点に集約されやすい。データはユニークで再収集困難な行動ログ・専門ドメインコーパスを指し、単なる Web クロールは堀にならない。医療画像・法務文書・金融取引履歴・工場センサーログのような独占的アクセスが本物の堀となる。ディストリビューションは OS・ブラウザ・オフィススイート・検索エンジン・決済への埋め込みであり、モデル性能より配布面の所有が粘着性を生む。Microsoft・Apple・Google が AI レースで優位を保てる本質はここにある、と論じられる。
第三に、推論コスト構造のモートはしばしば過小評価される。自社設計チップ (TPU・Trainium・MTIA など)、専用 CUDA カーネル、量子化・蒸留パイプライン、推論スケジューラの最適化によって、単位トークンあたり原価で数倍差が持続する場合に限り、これは堀となる。逆に、GPU を買って推論するだけの事業者にはコストモートはない。API 価格戦争が 2024〜2026 年に繰り返された背景には、このコスト構造の非対称性が存在すると指摘される。
第四に、よく語られる「UX の堀」「フィードバックループの堀」は検証が甘い場合が多い。チャット UI は模倣コストが低く、RLHF 用の人手データも外部ベンダーで代替可能になりつつある。「ユーザーが増えればモデルが賢くなる」という主張は、on-policy な強化学習が機能する狭い領域 (コーディング支援のテレメトリなど) を除き、実証が不十分との批判がある。一般的なチャット履歴は訓練シグナルとして弱く、規制上の同意取得も制約となる。
第五に、企業買い手側の視点では、ベンダーロックインを避けるためのマルチモデル戦略が定着しつつある。OpenRouter 的な抽象レイヤ、社内ゲートウェイ、LangChain/LlamaIndex の抽象化により、モデルは交換可能部品として扱われる傾向が強い。この環境下では、モデルプロバイダの堀はむしろ「契約・コンプライアンス・監査対応・SLA」といった非技術的要素に移動している可能性がある。GDPR・AI Act・日本の AI 推進法案下では、法務対応力がそのまま商用優位になり得る。
第六に、スタートアップ視点での戒めも必要だ。「独自 LLM を作る」ことを事業計画の中核に置くモデル企業のうち、真にモートを築けたのはごく少数に留まると指摘される。大半は資本燃焼レースに巻き込まれ、オープンモデルの追い上げとクローズド大手の値下げに挟撃される。賢明なスタートアップは、アプリケーション層・ワークフロー自動化・特定業界データ固有のソリューションに投資を移しつつあると観察される。水平的な基盤モデルよりも、垂直的な業務統合のほうが、小規模組織でも堀を築きやすい。
結論として、モートは消えたのではなく移動した。重みの独占から、データ固有性・配布面・コスト構造・規制対応へと重心がずれている。経営判断としては、自社が保有する真のボトルネック資産を棚卸しし、「モデル層」に過剰投資していないかを問い直す時期と言える。モデルは買える。データ・配布・コスト・法務は買えないか、買うのが極めて高価だ。この非対称性こそが 2026 年以降の AI 事業戦略の核心となる。投資家への示唆も同様であり、「ファウンデーションモデル企業」への評価は、重み性能ではなく上記四つの堀候補のどれを保有しているかで行われるべきだろう。