実現可能性調査：Claude や ChatGPT に匹敵する AI は作れるのか？費用はいくらか？

Origami の専門家による率直な答えはこうです。Claude や ChatGPT 規模のフロンティアモデルをゼロから構築するには数億ドルから十億ドル超の費用がかかり、現実的に手が届くのは巨大研究所と国家だけです。しかし「匹敵する」という言葉には、費用の面でまったく異なる三つの意味があります。そして一般的な企業にとって、賢い道はその費用のごく一部で済みます。この調査では、三つの道とそれぞれの費用を率直に分解します。

「Claude や ChatGPT に匹敵する」とは実際にどういう意味か？

費用の話をする前に、目指すものを定義しなければなりません。道によって差は数千倍にもなるからです。

  • ゼロからのフロンティアモデル：世界の最新モデルとあらゆる面で張り合う、新しい「頭脳」を作ります。
  • ソブリンモデルまたは特化型モデル：ある言語、業界、国に役立てるために、より小さなモデルを作るか、オープンモデルの学習を継続します。
  • オープンモデルをベースに構築：既存のオープンモデルを使い、自社のデータに合わせて調整して、自社の分野で勝てるようにします。

第一の道：ゼロからのフロンティアモデル――天文学的な費用

これは最も難しく、最も費用のかかる道です。学習コストの追跡を専門とする Epoch AI によると、フロンティアモデルの学習費用は年におよそ 2.4 倍のペースで増えており、最大規模の学習は 2027 年までに十億ドルを超えると予測されています。その結果、「最も資金力のある組織以外には手の届かない」ものになります。費用の内訳は、ハードウェア（47–67%）、研究開発スタッフの人件費（29–49%）、エネルギー（2–6%）です。

実際には、数万基の GPU（H100 は 1 基あたり約 25,000–40,000 ドル、B200 は約 30,000–50,000 ドル）で構成される数億ドル規模のクラスターに加え、一人あたり百万ドル超を稼ぐトップクラスの研究者、膨大なデータセット、そして何年にもわたる作業が必要です。結論として、これは企業向けの選択肢ではなく、OpenAI、Anthropic、Google、DeepSeek のような研究所や大規模な国家プログラム向けのものです。

第二の道：ソブリンモデルまたは特化型モデル――大規模な戦略投資

ここでは世界規模ですべての面で競うのではなく、ある言語や業界で抜きん出るために、より小さなモデルを作ります（またはオープンモデルの学習を深く継続します）。サウジアラビアはソブリン AI への取り組みでその明確な例であり、HUMAIN 社や、サウジデータ・人工知能庁（SDAIA）の「ALLaM」モデルなどがあります。この道には数百万ドルから数千万ドルの費用がかかり、専門の研究チーム、計算クラスター、クリーンなデータ、そして 6 か月から 18 か月の期間が必要です。戦略的な目標を持つ政府や大企業に向いています。

第三の道：オープンモデルをベースに構築――99% の企業にとって最も賢い選択

実践的な答えはここにあります。強力なオープンウェイトモデル（DeepSeek V4、Qwen、Llama、GLM）を選び、ファインチューニングと検索拡張生成（RAG）によって自社のデータに合わせて調整します。あらゆる面で ChatGPT に勝つわけではありません。自社の分野、自社の言語、自社のデータで勝つのであり、ビジネスにとって重要なのはまさにそこです。ここでの費用は「天文学的」から、目標とインフラに応じて数万リヤルから数百万リヤルの範囲にまで下がり、期間は数週間から数か月です。さらに、セルフホスティングすればデータを手元に置いておけます。これは個人データ保護法（PDPL）のもとで重要です。

三つの道の比較

選択肢内容推定費用期間向いている組織
ゼロからのフロンティアモデルClaude/GPT 規模のモデルを土台から構築数億ドルから十億ドル超数年巨大研究所と国家
ソブリンモデルまたは特化型モデルより小さなモデル、またはオープンモデルの深い継続学習数百万ドルから数千万ドル6–18 か月政府と大企業
オープンモデルをベースに構築オープンモデルを自社データに合わせて調整（ファインチューニング + RAG）数万リヤルから数百万リヤル数週間から数か月ほとんどの企業
新しいエンジンを作る必要はめったにありません。たいていは、既存のエンジンを中心に、自分の道に合った車を作ればよいのです。

オープンソースの選択肢を詳しく：どのモデルを選び、どう構築するか？

オープンモデルをベースに構築することがほとんどの企業にとって正しい道である以上、ここでは実践的な詳細を示します。どのモデルを選ぶか、その上にどう構築するか、そして各アプローチの費用です。

2026 年の主要なオープンモデル：

モデル開発元特徴
DeepSeek V4DeepSeekエージェント型コーディングで最強のオープンソースモデルであり、最も安価
Qwen3-CoderAlibabaコードに特化し、多言語に対応
GLM-5.2Z.ai長期的なコーディングと 1M トークンのコンテキスト
Llama 4Meta巨大なツールのエコシステムと幅広いコミュニティの支援
Kimi K2Moonshot長いコンテキストと高い汎用性能

その上にどう構築するか？費用と労力が順に増す四つのアプローチ：

  • 1) そのまま利用 + プロンプトエンジニアリング：モデルをそのまま（クラウド API 経由またはセルフホスティングで）動かし、学習は一切せずに巧みな指示で動きを導きます。最も安く速い方法で、数日から数週間、数千から数万リヤルです。
  • 2) 検索拡張生成（RAG）：モデルを自社のナレッジベースや文書につなぎ、学習させることなく自社のデータに基づいて回答させます。自社の製品やポリシーを知っているナレッジアシスタントに最適です。数週間、数万リヤルです。
  • 3) ファインチューニング / LoRA：自社の分野やスタイルの例でモデルを学習させ、特定のタスク（トーン、分類、出力形式）を習得させます。数週間から数か月、数万から数十万リヤルです。
  • 4) 継続事前学習：自社の分野や言語の大量のデータをモデルに与え、知識を根本から深めます。最も強力で最も高価な方法で、「ソブリンの道」に近づきます。数か月、数十万から上です。

セルフホスティングとプライバシー：オープンモデルの大きな利点は、自社のインフラ（プライベートクラウドやローカルサーバー）で動かせることです。そのためデータが組織の外に出ることはなく、これは個人データ保護法（PDPL）のもとで決定的に重要です。モデルの規模に合った GPU（小さなモデルならカード 1 枚から、大きなモデルならクラスターまで）が必要で、固定のホスティング費用とクラウド API の従量課金の費用を比較して判断します。

Origami の専門家からの提言

巨大研究所が得意とする土俵で、学習によって彼らを上回ろうとしてはいけません。それは数十億ドル規模の戦いです。賢い一手は、オープンモデルをベースに、自社の分野、自社のアラビア語、データのプライバシー、そしてコストで勝てる特化型ソリューションを構築することです。この道は実現可能で投資対効果が高く、十億ドルの請求書なしに「自分たちの AI」を手に入れられます。

Origami のサポート

Origami では、まず実現可能性を調査し、次に目標と予算に合った道とモデルを選び、モデルを自社データに合わせて調整し（ファインチューニング + RAG）、完全なプライバシーのためにセルフホスティングし、MCP を通じて自社のシステムやエージェントとつなぎます。目指すのは、現実的で十分に検討された費用で、自社の分野で競争できる AI です。

出典

  • Epoch AI――フロンティアモデルの学習費用：epoch.ai
  • サウジデータ・人工知能庁（SDAIA）：sdaia.gov.sa

ハードウェアの費用は公開時点での NVIDIA 製 GPU の市場推定値であり、変動する可能性があります。