AI 2040

プランAの経済分析

Romeo Dean、Thomas Larsen

今後15年以内のいずれかの時点で、AIは肉体労働と知的労働を含む人間の労働をすべて自動化できるようになると予測する。AIが大惨事を引き起こさない限り、これは経済に途方もない影響を与え、生産を歴史上例のない速度で爆発的に拡大させると考えている。この見方は主に、AIの将来についての単純な論証に基づく。一方、検討を進めるうえでは詳細な経済モデルも有用だった。本稿は次の節で構成する。

  1. AIによる爆発的な成長に関する私たちの見解の背後にある中心的な議論 (リンク)

  2. 私たちが主流派経済学者に同意しない理由 (リンク)

  3. コアダイナミクスを示すシンプルな2要素エクスプローラー (リンク)

  4. プランAの文脈における完全な経済モデルからの成果の概要 (リンク)

私たちと多くの経済学者の根本的な相違は、AI能力への見通しにある。私たちは、中央値で約6年後にはAIが経済的に意味のある仕事をすべて自動化できると考える。一方、多くの経済学者はAIも通常の技術と似た振る舞いをすると見ており、AGIの実現時期についてはすでにAGIタイムラインについては他の場所で多くの議論が行われているこの投稿ではその理由を中心に説明する。経済的に関連するすべてのタスクを自動化できるAIが条件、前例のない爆発的な経済成長が期待されている。

爆発的な成長のための主な議論

現在の経済規模は人間の労働投入と密接に結びついているため、人口が大幅に増えれば、総生産もほぼ比例して増える。AIが人間の労働を完全に代替できるようになれば、AIの数を増やせば人間の人口が増えるのと同じ効果が得られるだろう。少なくとも、本質的に人間に関係するタスクを除外する場合は、これらのタスクが経済的に関連するタスクの大部分を占めるとは考えられない。たとえば、「人間のベビーシッター」のように、AIが代替できない人間の好みに基づくタスクは、AIとロボットのみの経済が閉ループで成長することを妨げるものではない（制限されるのは次のとおりである）。強く噛まないことが予想されるボトルネック).

実際にはAIの個体数だけでなく質的能力も高まり、人間には生み出せなかった成果が可能になるため、この推計は影響を過小評価している。AIは人間労働を代替できるようになってから間もなく、質的にも超人的になるからである。ただし、知能向上は個体数の増加より定量化しにくい。そこで、質的な改善をいったん無視し、人口の増加だけに基づく下限を求める。

では、完全自動化が実現した時点で、AIとロボットの「人口」はどれほどの速さで増えるのか。肉体労働と知的労働では成長率を左右する仕組みが大きく異なるため、両者を分けて分析する必要がある。

  • 認知労働: 倍増時間は約50日。AIが供給する知的労働の総量は、推論に使える計算資源の総量とAIの計算効率で決まる。基準となる見積もりを置く最も単純な方法は、それぞれの過去の伸び率を見ることである。

    • AI推論の合計計算量: 3.3x/年、倍増時間は7か月。 Epoch推定世界の計算資源総量は7 monthsごとに倍増してきた。今後は、この伸びが鈍化する理由もある（すでに2%-3% of 米国のGDP投資ため、さらに数回倍増させるのは難しい）が、一方で完全自動化の時点では伸びが加速する理由もある（将来のAIがチップR&Dを自動化し、ロボットがAIチップのサプライチェーンを自動化するなど）。

    • 達成された機能の計算効率: 30x/年、2.5か月の 倍加の時間。 Epoch推定一定水準のAI能力を得る価格は平均40x/yrで低下してきた（2.2 monthsごとに半減するのと同じである）。ここで、ハードウェアの価格パフォーマンスは1.4x/yrで改善し、利益率は横ばいなので、計算効率は30x/yearで改善する傾向となる。AI推論費用が半減すれば、実行できるAIが二倍になるため、AI人口の倍加と少なくとも同じ経済効果を持つ。

    • 両者を合わせると、能力水準を一定にした場合、現在のAIの「人口」は100x/year、すなわち55 dayで倍増する速さで増え得る。

  • 肉体労働: 倍増にかかる時間は数日から1年である。肉体労働については、世界のロボット台数から直接考えられる。現時点では、Epochが見つけたロボットの大半を車輪型ロボット、ドローン、ロボットアームが占めており、その台数はそれほど速く増えていない。

現時点では、これらのロボットは、原材料の採掘、輸送、サプライチェーンの全工程を含むロボット製造のすべてのタスクをこなせない。しかし、この能力水準へ達すれば、ロボット数が指数関数的に増える明確な理由があり、以下で扱う原材料のボトルネックを除けば、新しいロボットの生産速度は既存のロボット数におおむね比例する。では、どれほどの速さで指数関数的に増えるのか。以下でその根拠を示し、倍加時間に関する文献も概観する。付録A。

なぜロボットは他の製品のように停滞しないのだろうか?現在、ロボットの台数とAIの計算資源は、いずれも1年未満で倍増している。ただし、この事実だけでは強い根拠にはならない。新製品の多くも初期には同様の速さで伸びるが、対象市場が飽和すれば頭打ちになる一方、AIとロボットは自らのサプライチェーンの全工程を担えるようになると、急成長を通常止める次の2つの制約が当てはまらなくなると考える。

  1. 需要の上限はない。ロボットとAIは消費財ではなく、生産に用いる資産である。ロボットを1台追加することで、製造費用を上回る価値が生まれる限り、ロボットが人口を上回った後でも、さらに生産を続ける誘因が残る。

  2. 供給に人的ボトルネックがない。今日の生産量の増加は、人間の労働力 (工場労働者、鉱山労働者、トラック運転手、エンジニア)から部分的に借りられている。完全自動化では、ロボット経済は人間が何かを買ったり、何かを作ったり、工場に材料を届けたりする必要がないため、人間の人口の規模がロボット経済の規模の制約にはならなくなる。

最終的に拘束される上限は、太陽電池パネルの表面積、採掘する地殻内の鉱物などの物理的資源である。しかし、私たちの推定によると、これらのボトルネックは何桁も成長した後の非常に遅い段階で発生する (以下のボトルネックセクション).

そうすると、その間の成長率の問題が残る。当然の懸念としては、今日の倍増率は人間の助けによって膨らんでいるので、ロボット経済が本質的にすべてを自分たちで行わなければならなくなると成長が鈍化するのではないかということである。私たちは、これによって最終的な利益が変わるとは考えておらず、ここで検討するのは現在のテクノロジーで完全に自動化された経済が達成できるかどうかの分析であり、それ以上の改善はない。バインダーのフォン・ノイマン成長率の計算米国の産業連関表、資本ストック、減価償却データを用いた分析でも、保守的に見て年1回ほどの倍増という結果になる。直観を得るための目安として、現代の自動車工場は年間におよそ次の量を生産する。毎年自動車の自重また、1年という値は長期的な速度を過小評価している可能性が高い。超人的AIによる研究開発がロボット設計を改善し続け、生物学的にもウサギは6週間で個体数を倍加でき、細菌なら数時間で増えるため、倍加時間を数日から1年と見積もり、時間とともに短い側の値が現実味を増すと考える。

全体として、私たちの主張は次のように要約できる。

  1. AIとロボットは、経済的に関連するすべてのタスクを完全に自動化できるようになる。

  2. したがって、AI・ロボット経済は、より効率的なAI、より多くのロボット、より多くのGPUなどを自ら生産し、自律的に自己複製できる。

  3. 複製速度は速く、現在の技術でも人間の助けなしに年1回ほど倍増し、AI R&Dによってロボット設計が改善すれば、その速度はさらに上がる。

  4. したがってAI・ロボット経済は、物理資源の制約が効き始めるまで急速な指数成長を続け、倍増期間は遅い場合で1年、十分ありうる範囲で数か月から数日となる（本稿の推計では、物理資源の制約が効くのはずっと先である）。

将来の実際の成長率がこのベースラインを大幅に下回ったとしても、実効的なAI労働者数は人口を急速に上回る可能性が高い。AI労働者数が人口を上回った後、その数が保守的に見ても毎年2xに増えるなら、それだけで~100%/yrの成長に相当する一方、現在の成長年あたり約3%である。

私たちが主流派経済学者に同意しない理由

主流派経済学者のほとんどは、AIによる爆発的な経済成長には懐疑的だ。 「AIの急速な進歩シナリオ」を条件としても、経済学者は予測した2030年から2050年までのGDP成長率は平均3.5%/年である。

私たちと主流派経済学者との根本的な相違は、AIがどこまで高い能力を得るかという見通しにある。強力な規制がなければ、AIが経済上のタスクを遂行する能力は、下図の赤い曲線のように推移すると考える。この曲線は、AIがあらゆるタスクで人間を上回り、2031年ごろに100%の自動化に達するという、著者らの予測の中央値に近い見通しを反映する（最高水準の専門家を上回る段階）。これに対し、経済学者は今後数十年の自動化をずっと低く見積もる傾向がある。

自動化可能な共有0%25%50%75%100%2025202620272028202920302031203220332034203520362037203820392040
AI 2040デフォルト世界
AI 2040 Plan A
Acemoglu: ~5% 「コスト効率の高い自動化が可能」 (2024)
ゴールドマン・サックス：約25%が「代替可能」 (2023)

注：AcemogluとGoldman Sachsの予測は、必ずしも直接比較できず、「費用対効果の面で自動化可能」と「代替可能」の定義が、本稿の「自動化可能」の定義と異なる可能性があるためである。

自動化可能なタスク: AI 2040シナリオと以前の予測の比較 - ai-2040.com

プランAでは、（国際的に調整された）強力な規制はこれを遅らせるのに十分であるが、規制は重要なAI監視の仕事を維持するだけであるため、依然として2030年代後半には最大99%の自動化につながる（そこでは人間は依然としてAIによって大幅に向上している）。私たちは、AIの能力が非常に高いため、より低い自動化レベル（たとえば、より多くの人間の仕事を維持したいため）は非常に競争力を失い（したがって、すぐに競争に駆逐される）、人間と人間の相互作用の好みは、（1）より多くの余暇によって補われ、（2）多くの労働力を呼び込むために国民の配当と比較して人間の賃金を十分に高めるには不十分であると考えている。

Acemoglu (2024): AIによって自動化されたタスクが少なすぎる

Acemoglu (2024) (またここで批判されたLeopold Aschenbrennerの分析は、今後10年間にAIで費用対効果よく自動化できる仕事を約5%と仮定する。Acemogluの総合推計では、AIによる今後10年間のGDP押上げは0.9%、年率では約0.08%である。現在のAI投資額とAI収益を踏まえると、2024年時点のAcemogluの見解はすでに反証されつつあると考える。

Acemogluに対する初期の証拠 (2024)

  • AIへの投資は、2025年上半期だけでGDP成長に約1%貢献した (JPモルガン、EY一方、Acemogluは10年間で.9%の成長を予測した。

  • AIの収益規模でさえ、過去6か月間で、Anthropicの収益実行率だけでも、380億ドル増加90億ドルから470億ドルへ。これは、Acemoglu氏が予測したAI業界全体の年間成長率~300億ドル (米国GDPの0.08%)をおそらく上回ると考えられる。注: AnthropicのGDPへの貢献を解明するのは困難であるが、従業員報酬 + 営業余剰 + 減価償却費を考慮する必要があり、これは今年300億ドルを超える見通しであると考えられる。

Acemogluの予測が成り立つ唯一の方法は、(1) AIの収益と投資の伸びが本質的に止まるか、(2) AIの投資と収益が反事実でない場合 (いずれにしても支出と収益は他の場所で発生したはずである)の場合である。どちらも可能性は低いように思える。

Jones & Tonetti (2026): 研究開発のAI自動化が遅い

Jones&トネッティ (2026)、過去の自動化と将来のAI: 弱いリンクが爆発的な成長をどのように抑制するか資本と労働力を組み合わせたエレガントな成長モデルを特徴としている。彼らは、資本が最終的にすべてのタスクを自動化する可能性があることを認めているが、彼らの主張は、タスクは強力な補完物であるため（代替の弾力性を前提としている）である。σ=0.2\sigma = 0.2)、機械がまだ実行できない一連のタスクが縮小すると、コストシェアが上昇する「弱いリンク」になる (ボーモル病)ことで、成長を強く制約する。このモデルとの最大の相違は、R&D自動化のフィードバックループについて、次のような極めて保守的な前提を置いている点にある。

  1. 固定的な研究開発投資と研究の生産性。Jonesモデルでは、研究開発は資本生産性を伴う「アイデアの蓄積」を通じて行われる。ψki\psi_{ki}固定された「資本のアイデア弾力性」で変化するθk\theta_k、固定された「研究生産性」qˉ\bar q、固定シェアιˉR\bar\iota_R出力のYY研究開発に投資されている（収益は減少する）アイデアを見つけるのが難しくなる).

    ψ˙kiψki=θkqˉ ιˉR YQ 1−ϕ,\begin{aligned} \frac{\dot\psi_{ki}}{\psi_{ki}} &= \theta_k \frac{\bar q\,\bar\iota_R\,Y}{Q^{\,1-\phi}},\qquad \\ \end{aligned}

    AIは研究開発の労働 (特にAI研究開発自体)を自動化できるため、この定式化は系統的にAIが研究開発に与える影響を過小評価していると考えるため、アイデアと生産性の向上は、このAIの向上を説明する総研究開発努力の何らかの概念を追跡するはずである。私たちは、AI分野には研究開発自動化の独自のフィードバックループがあり、研究生産性の向上と研究開発への再投資の増加につながり、最終的にはAI資本の資本生産性の大幅な向上につながると考えている。

  2. AI資本に対する独自の扱いはない。Jonesモデルでは、AIに対する独自の扱いはない。 AIは通常の資本として導入され、古典的な投資から減価償却を差し引くルールに従って蓄積される。K˙=ιˉK Y−δK\dot K = \bar\iota_K\,Y-\delta K固定投資シェアありιˉK\bar\iota_Kと減価償却率δ\deltaAIは独立した要素としてモデル化すべきであり、task productivityと投資魅力は時間とともに高まり、投資やR&Dへの反応も他の資本と異なる（例えばalgorithmic progressはMoore's lawの1.35x/yrでなく10x/yearの桁になりうる）。つまり、AIのidea elasticity、research productivity、AI R&Dへの投資比率はいずれも他の資本とは大きく異なり、通常のcapital factorへ一括するとAIの効果を大幅に過小評価する。

Jones&トネッティモデル解説

出力は、一連のタスクにわたるCES集計である。i∈[0,1]i \in [0,1]置換の弾力性ありσ=0.2\sigma = 0.2:

Y=(∫01Yiσ−1σ di)σσ−1,Yi=ψkiKi+ψℓiLi,Y=\left(\int_0^1 Y_i^{\frac{\sigma-1}{\sigma}}\,di\right)^{\frac{\sigma}{\sigma-1}},\qquad Y_i=\psi_{ki}K_i+\psi_{\ell i}L_i,

どこでKiK_iとLiL_iタスクに割り当てられた資本と労働力はどれであるかiiタスク内では、この2つは完全な代替品である (どちらか安価な方が担い、詳しくは以下で説明する)。資本の仕事生産性ψki\psi_{ki}そして労働ψℓi\psi_{\ell i}は次のように与えられる。

ψki=Qθkf(i),ψℓi=Qθℓ,f(i)=(1−i)μ1+μ0(1−i)μ+fˉ.\psi_{ki}=Q^{\theta_k}f(i),\qquad \psi_{\ell i}=Q^{\theta_\ell},\qquad f(i)=\frac{(1-i)^{\mu}}{1+\mu_0(1-i)^{\mu}}+\bar f.

QQ 経済のアイデアのストック（技術レベル）であり、θk\theta_kθℓ\theta_\ell はアイデアの弾力性、アイデアが蓄積されるにつれて各要素の生産性がどれだけ速く上昇するかを制御する。θk>θℓ\theta_k> \theta_\ellなぜなら、資本は労働よりもアイデアからより速く向上するからである。 「どこでもムーアの法則」キャリブレーションでθk≈11.2\theta_k \approx 11.2とθℓ≈0.5\theta_\ell \approx 0.5。機能f(i)f(i)課題における資本の比較優位性ii、減少中ii(タスクは順序付けられているため、資本は低いときに比較的最適であるii),μ\muとμ0\mu_0は過去のオートメーションに適合する形状パラメータであり、床fˉ=f(1)\bar f = f(1)長期的な終了状態を制御する。fˉ≥0\bar f \ge 0自動化は基本的に最後まで実行されるが、fˉ<0\bar f < 0一連のタスクが永久に自動化されないままになる (以下で解決する)。

自動化。次のように置くrrは資本のレンタル率であり、ww労働賃金。タスクは、資本が生産性調整単位あたりの労働力よりも安い場合、つまり、次の場合に自動化される。rψki<wψℓi\frac{r}{\psi_{ki}} < \frac{w}{\psi_{\ell i}}なぜならf(i)f(i)交差点が1つあるため、自動化率は減少しているβ\betaこのクロスオーバーポイントを見つけることで解決できるrw=ψkβψℓβ\frac{r}{w} = \frac{\psi_{k\beta}}{\psi_{\ell\beta}}:

(r/w) 今日(r/w) 後で今日のββ以降さらなる自動化さらに研究開発自動化されたタスクタスク
ψ_k/ψ_ℓ: 今日のタスクiの資本生産性対労働生産性の比率研究開発後のψ_k/ψ_ℓr/w: 資本対人件費の比率
Jones・トネッティの自動化 - ai-2040.com

自動化を進める方法は二つあり、(1)研究開発によってアイデアのストックを増やす方法と、QQそして成長するψk\psi_kよりも速いψℓ\psi_\ell、以来θk>θℓ\theta_k> \theta_\ell、または（2）時間の経過とともに（資本蓄積を通じてより豊かになることによって）資本が賃金と比較して安くなる。

コストの最小化により、各タスクがより安価な要素に割り当てられるため、資本がタスクを実行する[0,β][0,\beta]そして労働はする[β,1][\beta,1]。出力を通常の2要素CESに折りたたむことができる (各タスクは1つの要素だけで実行されるため、必要なのは合計だけであるため)KKとLLそれぞれが実行するタスク全体の生産性の合計によって重み付けされる。BBとAA):

Y=[(BK)σ−1σ+(AL)σ−1σ]σσ−1B=Qθk[∫0βf(i)σ−1 di]1σ−1A=Qθℓ (1−β)1σ−1\begin{aligned} Y &= \Big[(BK)^{\frac{\sigma-1}{\sigma}}+(AL)^{\frac{\sigma-1}{\sigma}}\Big]^{\frac{\sigma}{\sigma-1}} \\ B &= Q^{\theta_k}\left[\int_0^{\beta} f(i)^{\sigma-1}\,di\right]^{\frac{1}{\sigma-1}} \\ A &= Q^{\theta_\ell}\,(1-\beta)^{\frac{1}{\sigma-1}} \end{aligned}

資本が蓄積し、労働力が増大する

K˙=ιˉK Y−δK,Lt=L0 ent\begin{aligned} \dot K &=\bar\iota_K\,Y-\delta K,\\ L_t &=L_0\,e^{nt} \end{aligned}

投資シェアありιˉK\bar\iota_K、減価償却率δ\delta、人口増加率nn。

モデルの研究開発。新しいアイデアは固定シェアから生まれるRR投資される産出量の次の式で求められる。

Q˙=qˉ RλQϕ,R=ιˉR Y.\begin{aligned} \dot Q &=\bar q\,R^{\lambda}Q^{\phi},\qquad \\ R &=\bar\iota_R\,Y. \end{aligned}

どこでQ˙\dot Qアイデアストックの変化であるqˉ\bar qは研究生産性定数であり、ιˉR\bar\iota_R研究開発に費やされる生産高の割合であり、λ=1\lambda = 1は研究投入に対する新規アイデア創出の弾力性であり、ϕ=−2\phi = -2(<0< 0)は既存のアイデアストックに対する収穫の強さを表し、すなわち、アイデアを見つけるのが難しくなる。

デフォルトありλ=1\lambda = 1、ϕ=−2\phi = -2成長率は次のとおりである。

Q˙Q=θkqˉ ιˉR YQ 1−ϕ,\begin{aligned} \frac{\dot Q}{Q} &=\theta_k \frac{\bar q\,\bar\iota_R\,Y}{Q^{\,1-\phi}},\qquad \\ \end{aligned}

そして資本生産性の伸び率ψki\psi_{ki}は次のように与えられる。

ψ˙kiψki=θk Q˙Q=θkqˉ ιˉR YQ 1−ϕ,\begin{aligned} \frac{\dot\psi_{ki}}{\psi_{ki}} &=\theta_k\,\frac{\dot Q}{Q} = \theta_k \frac{\bar q\,\bar\iota_R\,Y}{Q^{\,1-\phi}},\qquad \\ \end{aligned}

したがって、研究開発は一定の生産性でモデル化されているqˉ\bar q固定シェアからιˉR\bar\iota_R出力の。論文は結合期間を設定するqˉ ιˉRλ=0.0001\bar q\,\bar\iota_R^{\lambda}=0.0001アイデアの成長に合わせてQ˙/Q=1%\dot Q/Q=1\%2020年に。

100%自動化。このモデルは、次の場合に有限時間内で100%の自動化を実現する。fˉ>0\bar f > 0労働力は完全に奪われ、その所得分配率はゼロに低下する。出力は単一要素形式に折りたたまれるY=BKY = B K(資本は線形)その生産性B∝QθkB \propto Q^{\theta_k}アイデアの蓄積とともに上昇し続ける。

成長が爆発的に増加するのはいつであるか?長期的な行動を特定するには、出力とアイデアの両方が一定の割合で成長している定常状態を探すことができる。これには、有限の解がある (ループR&Dフィードバックが安定した成長に落ち着く)か、解がない (爆発する)かのどちらかである。次の2つの側面がある。

アイデア面。アイデアの継続的な成長Q˙/Q=qˉ ιˉRλ YλQϕ−1\dot Q/Q = \bar q\,\bar\iota_R^{\lambda}\,Y^{\lambda}Q^{\phi-1}が必要であるYYとQQ相殺する力、λgY=(ϕ−1)gQ\lambda g_Y = (\phi-1)g_Qそのため、アイデアは出力のほんの一部で成長する (アイデアを見つけるのが難しくなるため、その数はわずかである)。ϕ<0\phi < 0):

gQ=λ1−ϕ gY.g_Q = \frac{\lambda}{1-\phi}\,g_Y.

出力側。生産量は、その2つの有効投入量の所得分配加重の成長率の加重平均に従って増加し、各投入量の増加はその生産性 (アイデアによる上昇、gB=θkgQg_B = \theta_k g_QとgA=θℓgQg_A = \theta_\ell g_Q)とその数量 (資本用)gK=gYg_K = g_Y固定貯蓄率と減価償却率があるため、労働にとってはそれが正当であるnn):

gY=sK∗ (θkgQ+gY)+(1−sK∗) (θℓgQ+n).g_Y = s_K^{*}\,(\theta_k g_Q + g_Y) + (1-s_K^{*})\,(\theta_\ell g_Q + n).

アイデア側を置き換えると、gQg_Qそしてそれを集めるgYg_Y項を整理すると：

gY=Φ gY+n,とΦ=λ1−ϕ(θℓ+sK∗1−sK∗ θk).g_Y = \Phi\,g_Y + n, \qquad \text{with} \qquad \Phi = \frac{\lambda}{1-\phi}\left(\theta_\ell + \frac{s_K^{*}}{1-s_K^{*}}\,\theta_k\right).

したがって、人口の増加とは別に、モデルの生産量の増加は次のような要因によって起こる。Φ\Phiこれは研究開発ループの貢献を表している。生産量増加の各単位は、次のようにスケールされてフィードバックされる。Φ\Phiタイムステップを合計すると、幾何級数が得られる。gY=n(1+Φ+Φ2+⋯ )=n1−Φg_Y = n(1 + \Phi + \Phi^2 + \cdots) = \frac{n}{1-\Phi}

  • もしΦ<1\Phi < 1各ラウンドは縮小し、人口増加に比例した有限の割合で成長が落ち着く。

  • もしΦ≥1\Phi \ge 1そうではなく、定常レートが存在しないため、出力は有限時間内に無限大に達する。これは双曲線成長出力ありXX(今日は1に正規化)従うX˙=gˉ XΦ\dot X = \bar g\,X^{\Phi}、とgˉ\bar g今日の成長率。それで成長率はX˙/X=gˉ XΦ−1\dot X/X = \bar g\,X^{\Phi-1}レベルに応じて自身も上昇する。今日から分離と統合、∫1XX−Φ dX=gˉ t\int_1^X X^{-\Phi}\,dX = \bar g\,t出力を解くと。X=( 1−(Φ−1) gˉ t )−1/(Φ−1)X = \big(\,1 - (\Phi-1)\,\bar g\,t\,\big)^{-1/(\Phi-1)}負の指数の場合、内側に行くほど→0 \to 0(これは次の時点で発生する) 1=(Φ−1) gˉ t1 = (\Phi-1)\,\bar g\,t)出力XX進む→∞ \to \infty。したがって、無限に向かう出力は次の時点で発生するt∞=1gˉ (Φ−1)t_\infty = \frac{1}{\bar g\,(\Phi-1)}。のためにΦ=2\Phi = 2これは単純にt∞=1gˉt_\infty = \frac{1}{\bar g}現在の約3%の成長は、今から約33年後になる。

Jones & Tonettiの「どこでもムーアの法則」キャリブレーションは、Φ=2.27\Phi = 2.27（これが何を意味するかについては、上の囲みを参照）2060年頃に生産量が無限に達すると考えられている。私たちの主な意見の相違は、この調整ではなく、研究開発の自動化の欠如と、AI資本の独自の扱いの欠如である（たとえば、AI研究開発と通常の資本では研究開発への収益が異なるなど）。

AI Futures Model

そのAI Futures Modelは、AIと人間の研究努力を組み合わせてAI研究開発に反映させる、より緊密な研究開発自動化ループを特徴としている (利益は依然として減少している)。 AIをより合理的に考慮した方法で将来の成長をモデル化する成長モデルには、AIが改善し、入力 (人間の労働力、計算処理など)の増加に応答する速度に合わせて調整されたモデリングによる、ある種のAIの同様の扱いが必要であると考えている。

aifuturesmodel.com開く ↗
AI Futures Model — タイムラインとテイクオフAI Futures Modelを開く ↗
AI Futures Model - ai-2040.com

Jones & Tonettiモデルに、(A) AI固有の生産要素を設ける、(B)研究開発ループをより動的にして、AIが研究開発を直接加速する効果を組み込む、といった拡張は有望な今後の課題である。このシナリオのモデル化では、代わりにAI Futures Modelを用い、今回追加したのは、AI Futures Modelの実行結果と整合するAI自動化の軌道を外生入力として扱う、経済分析用のエクスプローラーであるAI 2040のデフォルトとプランAに基づくAI 2040。を参照すること。シンプルなエクスプローラーとフルモデル以下。

ボトルネックとその他の議論

上記の2論文以外にも、ボトルネックや過去の技術革新の経験を根拠に、経済成長は爆発的にはならないとするより一般的な議論がある。しかし、そうしたボトルネックの多くは制約として弱いか、巨大な経済的誘因によって迂回されるか、実際に制約となるのがずっと先だと考えており、AIを過去の技術と同じように類比すること自体が適切ではないと見ている。

異議:これまでのテクノロジーは爆発的な成長につながっておらず、AIも同様である。

私たちは、以前のテクノロジーが爆発的な成長をもたらしていないことに同意する（少なくとも、AIに期待される急速な爆発的な成長、長期的な経済成長は実際には指数関数よりべき乗則の方がよく適合する）.

対数プロット上の長期的な経済成長は、指数関数的傾向よりも速いことを示している

本質的な違いは、過去の技術が限定された領域だけを自動化したのに対し、AIは人間に固有でないあらゆるタスクで人間を上回りうる点にある（洗濯機が衣類の洗浄を、インターネットが多くの通信手段を自動化したのとは異なる）。AIも過去の技術と同じく、データセンターの保守、ロボット製造、AI研究など、今は存在しない新たなタスクを生み出すが、過去の技術と非対称なのは、AIが認知面で人間を上回り、さらにロボットのR&Dと生産を通じて身体面でも上回るため、それらの新たなタスクさえ自動化できる点である。人間がデータセンターを保守し、ロボットを製造し、AI研究を担うのは、AIとロボットがそれらをより上手く行えるようになるまでにすぎず、両者が十分な数に達した後は、強力で実効的な規制がない限り、人間はそれらの仕事からも外れていく（詳細は後述）。最後に人間に残るのは、人間が行うこと自体に価値があるタスクであり、それは現在とは根本的に異なる経済をもたらすと考える。

異議:成長を妨げる規制上のボトルネックが存在するだろう。

規制によってAI主導の爆発的成長を大幅に遅らせることは可能だと考えており、実際、プランAの経済は、規制がない場合よりはるかにゆっくり成長する。 ただし、この規模の減速を実現するには、AI主導の爆発的成長を抑えることへ各国が明示的に合意し、国際的に協調する必要がある。

これには2つの理由がある。

  1. 国際競争:もし世界のどの国でも、自国のロボットが急激に成長し、すぐに世界の残りの国の産業能力を合わせたものを超えてしまうという決断を下せるとしたら、そうする大きなインセンティブが生まれるだろうし、調整のないこの大きなハンディキャップをすべての国が受け入れるとは信じがたい。

  2. 内部再投資スパイラル: AI企業に対する規制が、彼らが社内の研究開発で行っていることに先制的に食い込む可能性は低いと思われる。したがって、企業が自己複製可能なAIとロボットの基盤に到達すれば、AI企業はサプライチェーンを垂直統合し、急速に政府と競争できるようになるかもしれない（例えば、沖合の砂漠で数十億台のロボットを迅速に構築するなど）。さらに、一部のセクターが高度に規制されているとしても、現在、高度に規制されているセクターは爆発的な成長を促進するものではない。たとえば、研究開発は一般に高度に規制されておらず、爆発的な成長を妨げているところはどこであっても、官僚主義をやめようとする大きなインセンティブが存在する（AIでは、回避された規制の例がすでに見られていることに注意すること。著作権法違反とxAIデータセンター構築）.

私たちが十分だと考える規制には、(a)広範囲の人間の仕事を代替できる、または人間の仕事に応えられないAIやロボットにつながる研究開発の種類を制限するための明示的な国際協力、(b)キャップアンドトレード制度などを通じて、ロボットの爆発的な増加と世界の計算資源量を制限することが含まれる。

異議: AIが利用可能になってから実際に導入されるまでには長い時間がかかるため、爆発的な成長は起こりない。

これまでのところ、AIは、現在の能力水準であっても、前例のない速さで普及した。 AIが超人的であり、数十億ドル、数兆ドルがかかっている場合、企業はすぐにAIを導入することが期待される。多くの企業が大幅に遅れているとしても、AIを導入する必要があるのは一部の企業だけである。そうする企業は爆発的に成長し、すぐに業界の大部分を占めるようになるだろう。超人的なAIを早急に導入するという市場からの強い圧力がかかると思われるが、これは前例のない急速な成長を引き起こすのに十分であると私たちは考えている。

異議:新しい物理インフラの構築には時間がかかるため、爆発的な成長は起こりない。

インフラストラクチャのボトルネックは、より多くのインフラストラクチャを構築することで解決できるし、解決されるだろう。これを迅速に実現するには（おそらくAIやロボットの部分的な支援も必要であるが）、AIまたはロボットの人口が（完全自動化の時点、または完全自動化に近づいている）制限されている時点で、大きな経済的圧力がかかるだろう。ロボットが関連する物理的タスクを実行できるようになると、インフラストラクチャの建設速度は再びロボットの数にほぼ比例するようになる。

もちろん、連続的な時間のボトルネック（1 か月に 9人の女性が赤ちゃんを作ることはできない）があり、同様に、任意の数のロボットを使ってロボット工場の建設にかかる時間を際限なく短縮することはできないが、、既存のものと非常によく似たテクノロジー (鉱山を伴う工場の生産ライン) については、連続した建設時間が短い倍増時間を妨げるとは考えない。参照すること付録A私たちの見積もりのために。

異議:ロボットや半導体の爆発は、希少物質がボトルネックになるだろう。

地球上の物理資源を使い果たす段階にはまだほど遠い。資源制約はいずれ地球上の成長を遅らせるが、それはロボットが地殻の相当部分を採掘した後である。 確認埋蔵量だけでも、鉱物によって現在の採掘ペースで30年から100年以上、鉱物によっては数百年分あり、ロボットによる採掘を使えば、地殻の1%程度には比較的容易に到達できる可能性がある。地球上の物質がボトルネックになったら、ロボットは宇宙に進出する可能性がある。もちろん、「材料が見つけにくくなる」につれて成長率は遅くなるが、それでも非常に速い可能性がある。

55y5.4私の107y221私308y4.9私の43y217キロ35y3.0私125y15私38y17私231y103私5.9により10y100y1ky10キロ100キロ1私の10私100マイ1By10By鉄アルミニウムリン酸塩銅ニッケルリチウムコバルトレアアースシリコン
2024年の抽出率で何年分のミネラルが残るか - ai-2040.com
確認済みの埋蔵量がなくなるまでの数年
大陸の地殻の1%が枯渇するまでの数年
生産量と埋蔵量: USGS MCS 2025。地殻の存在量: ヴェーデポール (1995);大陸地殻塊 2×1022 kg (CRUST2.0、 Pasyanos et al. 2007).

シンプルなエクスプローラー

私たちは、2つの生産要素を備えた単純な玩具モデルを提案する。人間とAI。タスクの連続体は、弾性 σ を持つ定弾性置換 (CES)集合体で結合される。タスクの割合が増加している。自動化可能: AIとロボットはそれらのタスクしか実行できないが、人間はあらゆるタスクを実行でき、タスク内では人間と機械は完全に代替可能である。

以下の完全なモデルには、資本、複数のセクター、価格、土地、エネルギー、内生投資が追加されているが、定性的なストーリーはこのおもちゃが可視化するものと同じである。

完全な経済モデル

フルエクスプローラーを開く
より手作りされた方法でプランAのシナリオをモデル化し、資本、ロボット、価格、土地、エネルギーなどを特徴とする完全な経済成長エクスプローラーである。

エクスプローラーの完全版は詳細な機能を備えている。経済成長モデルこれは、プランAのようなAIシナリオで経済をモデル化するために構築された。このモデルについては、主に2つの免責事項がある。

  1. このモデルは、世界について私たちが承認していないいくつかの仮定を立てており、おそらくバグが含まれており、非常に高い不確実性を持っている（つまり、出力が正確であると信じていない）。そうは言っても、これらのシナリオではこれが比較的合理的に動作すると考えており、諜報活動と産業爆発の経済効果に対する既存のモデルとしては最良のものであると考えている。

  2. モデルの第1プリセットはプランA、すなわち政府がAIを実効的に規制して進展を大幅に遅らせるシナリオを前提とする。第2プリセットは、規制介入がない場合に現実に起きると予想する成長へ近い。Default Worldの入力では、2033年中に実質生産が約5000xへ増え、持続的な倍加時間は約1か月となる。

3.0%/年から 202410,0001,0001001012041年までの数年間10億100億1,000億1T10T100T1,000T10,000T100,000T1,000,000TGWP ($)歴史的プランAAI 2040プランD
世界総生産 - ai-2040.com

AI 2040プランAシナリオ

プランAのシナリオでは、効果的な規制により3つの方法で成長が制限される。

  1. これにより研究開発（特にアルゴリズム研究）が減速し、経済的に関連するすべての作業を完全に代替できるAIが登場するのは2031年ではなく2035年頃になる。

  2. 人間の監視と監査を必要とする規制介入により、AIとロボットが完全に自立する (タスクの100%を自動化する)のを阻止する。

  3. キャップアンドトレード制度では、ロボットとAIハードウェアの総数が、ほとんどの期間で制御された倍増期間である約6か月に制限される。

プランAの前提条件

プランAのタスク自動化部分。私たちは、労働を認知労働と肉体労働に分割し、まず認知労働が自動化されることを示した。これは、認知労働は完全にクラウド上で実行されるAIで実現できるためであり、一方、肉体労働の自動化にはロボットの大規模な増産が必要であり、プランAのシナリオでは、2035年頃に99%の自動化が達成され、規制が成功したおかげで人間が監視の役割を維持し、経済生産のごく一部を維持する (絶対額ではまだ大きい)。

人間AIロボット点線 = プランD (合意なし)
1,000万1億10億100億1,000億1T10T100T人間AIロボットAI（プランD）ロボット (プランD)2025203020352040カウント (対数スケール)

プランAにおけるAIとロボットの個体数。 2029年までは制約のない予測を示す。 その後はプランAの規制を反映し、研究開発を制限するとともに、2032年以降の生産量を約6か月の倍加時間へ抑える（AIハードウェア生産は2035年以降、~3yの倍加時間まで減速する）。

人間、AI、ロボットの人口 - ai-2040.com

プランAの経済的成果

全体として、私たちの経済モデルに部分的に基づいて、プランAの主な経済効果には以下が含まれると予想される。

  • 2032年から2037年までの実質生産高は年平均約90%増加する。大まかに言えば、この期間のAIとロボットは経済活動の大半を担う能力を持ち、約6か月ごとの倍加を認められる。ただし経済全体が6か月ごとに倍加するわけではなく、資本と人間労働を部分的なボトルネックとするモデル上の仮定により、生産の平均成長率は年約90%となる。

  • 経済生産のほとんどはAIとロボットによって推進されるようになる。AIやロボットがより多くのタスクを実行できるようになり、その数も増えるにつれて、経済における所得シェアはAIやロボットに大きくシフトしている。

人間の認知労働人間の身体労働AIロボット0%25%50%75%100%2025202620272028202920302031203220332034203520362037203820392040
米国の労働生産に占める割合 - ai-2040.com

  • AIとロボットの許可による巨額の収益は、「市民の配当」を通じて再分配される。第一近似では、AIハードウェアとロボットのcap-and-trade許可が、経済規模を平均して毎年倍加させる際の中心的なボトルネックとなる。単純に考えれば、競争市場で適切に価格が付く許可の総価値は現在の経済規模に近くなるはずで、それだけのGDPを翌年に追加するからである。AI・ロボット企業が価値を比較的近視眼的に捉え、主に1年間の期待生産量で意思決定するなら合理的であり、急速な進歩で数年前の技術さえ陳腐化しうるこの成長水準では、実際にそうなる可能性がある。私たちのコストモデリング実際の製造コストがGDPに占める割合は小さく、許可コストが大半を占めることを示唆している。したがって、経済が毎年 倍加近くになると、許可収入は年間GDPにほぼ等しくなるだろうと考えている。

2030所得税87%法人税6%消費税7%$10T総収益2032計算許可証57%ロボット許可証23%$65T総収益2034計算許可証26%ロボット許可証74%$180T総収益
米国の税収源 - ai-2040.com

プランAでは、米国の許可収入シェアのほとんど（2035年で75%）が国民の配当として米国国民に再分配され、その結果、2035年には1人当たり年間約100万ドル、2040年には年間約1,000万ドルとなる。

賃金と株式からの資本収入は依然として不平等だが、市民の配当が平等に分配されることで全体的な所得平等は大幅に改善され、最も貧しいアメリカ人の収入は大幅に増加するだろう。

203020352040$1千$1万$10万$100万$1,000万$1億$10億

1人当たりの収入（2025ドル）。

プランAにおける米国の所得分配 - ai-2040.com

  • 経済の相対価格は大きく変化し、一般的な財・サービスは安くなる一方、土地、地位財、人間の労働がボトルネックとなる財・サービスは高くなる。プランAでは、AIとロボットが供給する知的労働と身体労働のどちらも飛躍的に豊富になる。具体的には、知的労働の供給量は2033年までに100xとなり、身体労働も2039年までに同じ水準まで増える。そのため、AIやロボットが担える財・サービス——すなわち、現在存在するほぼすべての財の生産とサービスの提供——は、実質価格が大幅に下がる。ただし2030年代のプランAでは、ロボットよりAIの方が相対的に豊富であるため、人間1人分の労働を担うロボットの賃貸費用は、同等のAI労働者の賃貸費用よりはるかに高い。モデル上、両者の価格差が約100xに達する年もある。

プランA期間中の各自動化領域における、知的または身体的なフルタイム労働者1人相当の賃貸費用。

2035年には、平均的な知的労働分野の1 FTE当たり費用は$3,000、身体労働分野では約$200Kとなる。AIチップとロボットの生産・導入量を制限する規制がなければ、これらの価格はさらに下がる。法律や医療など需要が比較的非弾力的な分野では、GDPへの寄与が大幅に縮むと予想する。2035年の医療消費量は2025年の約10xとなるが、価格が約100-1000x安くなるため、ドル換算のGDP寄与は従来の1%-10%となる。

土地、定位置財（ニューヨークのアパートなど）、人間がボトルネックとなっているサービス（人間のデイケアなど）などの固定物については、供給量が変わっていないため、相対価格が上昇すると予想される。土地価格の (非常に大まかなモデル)は、主に3つの要因があるというものである: (i)支出のより大きな割合が土地に充てられる (10% -> 50%)、(ii) AIブームによる平均支出の増加 (100x)、(iii)土地の再利用 (例: 農業から住宅)と規制緩和により、利用可能な土地は10xに増加する。したがって、支出が500x増加し、供給が10x増加しただけで、価格は50xに上昇するはずである。この経済モデルには、より多くの前提条件を備えたより複雑な土地モデルがあり (必ずしもこれを支持するわけではない)、都市部、農村部、農地の具体的な賃貸価格を個別に算出する。平均して、地価はタイプ間で約10 ～ 100x上昇する。

このモデルでは、土地コストが約100xに増加する一方、建築コストは2xにしか増加しないと予測している。これは、住宅の価格が（住宅建設のコストではなく）土地の価格によって支配されるようになるため、密集した住宅（超高層ビルなど）が疎な住宅よりも相対的にはるかに安くなるであろうことを意味する。一戸建て住宅の場合（現在の土地と建築費の割合は通常約40/60）、これは価格が平均約40xに上昇していることを意味するが、紙上の住宅価値の97%は土地である。100階建ての超高層ビルの場合、土地代は現在コストの5%が一般的であるため、価格は7xにしか上昇しない。そのため、現在では、安価な住宅を提供するために、ほぼすべてロボットによって100階建ての超高層ビルが大都市近郊に急速に建設されるのが一般的になっている。 2035年の市民の配当は1人あたり約100万ドルで、都市近くの典型的な高層アパートを購入できるのはそのうちの約15%だけである。また、規制緩和された場所では、ロボットははるかに改善された交通手段を構築できるはずであり、それによって田舎の住宅も魅力的になる可能性があり、そこでは土地が約10x安くなると考えられる。

次の箇所にエクスプローラーを用意しているシナリオ探索タブ中央値の消費者が購入できる金額。デフォルトでは、支出の15%が都市部の土地、15%が農村部、35%がAI労働、35%がロボット労働に費やされると想定されている。 AIの労働力は比較的安価であるため、2034年までにアメリカ人一人一人が中規模企業と同等の費用を個人で雇えるようになるだろう。ロボットはより高価であり、拡張には時間がかかるため、2034年にはアメリカ人中央値で平均1台のロボットが彼らのために働いている。 2039年までに、誰もがロボットの建設チーム、4ヘクタールの田園地帯、小さな都市街区を手に入れることができるようになる。

  • 実質金利は100%-200%前後まで上がり、金融政策の選択に応じて、大幅なデフレか、インフレ率を約2%に保つための大規模な通貨発行が起きる。私たちは金利が上昇すると信じている。大幅に増加するプランAでは、企業はロボットとAIの生産許可証に当年GDPのほぼ全額に近い価格まで入札し、100-200%の金利まで支払おうとする。なぜなら許可証を得れば、AIとロボット自体の生産費用は比較的小さいため、経済生産を100-200%増やせる量のAIとロボットへ転換できるからであり、モデルでは、認知労働と身体労働の爆発的増加に加え、労働と資本の代替性を限定した生産関数（弾力性1.1でCobb-Douglasに近いCES集計）を採用した結果として、これが起きる。 この弾力性では資本が労働を完全には代替できないため、実効労働供給が爆発的に増えると資本1単位当たりの生産性が高まり、資本の限界生産物（MPK、資本を1単位追加したときの年間生産増分）がプランAを通じて大幅に上昇する。 均衡では実質金利がMPKから減価償却を引いた値に等しいため、テイクオフ中の実質金利も同様に上昇する。 貯蓄率は金利上昇に反応するが弾力性は低いとモデル化しているものの、採用したパラメータ値への確信は低い。

この状況では、次の2つの主要な金融政策対応が考えられると考えている。

(1)政府が通貨供給量を相対的に一定に保つことを選択した場合、ますます豊富になる商品やサービスを追い求める一定量のドルが存在することになるため、各ドルはますます多くの商品やサービスに分散され、平均価格が低くなる（各ドルがより多くの商品やサービスを購入する）ことを意味し、つまり大規模なデフレにつながることになる。これに関する問題として考えられるのは、デフレ債務スパイラルロボットやAIの価値は名目上、前年に組まれた融資よりも低いため、AIやロボット企業はドルで融資を返済することができない。これを解決する方法の1つは、融資をAIとロボット建てにし、企業がドルの代わりにAIとロボットの一部を使って融資を返済することである。 (2)別の可能性としては、年間2%のインフレ率を継続的に維持しようとしている可能性がある。これには、爆発的な実質成長に追いつくために大量の通貨の創出が必要となるが、測定の難易度が高く、タイムラグが発生するため、適切なレベルでの通貨の創出が困難になる可能性がある。

消費者が感じるinflation rateは、選ぶ商品basketに大きく左右され、AIとrobot automationが典型的な2025年basketの主要な財・serviceへ偏って効くため、その相対価格は体系的に下がる。認知労働が制約するservice（financial advisor、lawyer、travel agent）や製造制約のある財（computer、car、clothing、良質なfood）は多く買える一方、land、地位財、自動化不能なservice（human day care）は相対的に買いにくくなる。相対価格が大きく動くため、平均inflationが2%でも、sectorによって大幅なinflationとdeflationが併存する。

AI 2040デフォルト世界

AI 2040のデフォルトの世界では、研究開発と生産量はほとんど規制に制約されないため、2031年初頭までに100%の自動化が達成される。以下で説明するモデルの単純な内生投資とコストモデリングにより、2033年の1年間で5000xの成長が見込まれる。

純粋な「実践による学習」やスケールモデリングの経済性（ライトの法則、すなわち単位当たりコスト）と、設計面の改善（Jonesのモデル、つまり品質/単位）。このアイデアは、チップの生産効率（ファブによって1ドルあたりより多くの固定設計のチップが生産される、つまりTSMCの進歩）から得られる個別の利益を、チップ設計の効率（固定のファブから1ドルあたりより多くの最終的なハードウェアパフォーマンスが生み出される、つまりNvidiaが行う進歩）と反映させることである。詳細については、「コストモデル」セクションを参照すること。モデルの説明。内生投資モードでは、近視眼的な単期収益率に基づき、AIハードウェア、ロボットハードウェア、その他の資本の限界的な実質収益率が、減価償却後に等しくなるよう投資を配分する。これが内生投資の最適なモデルだと主張するつもりはなく、この例示用モデルを単純に保つための選択にすぎず、前述のとおり、結果を妥当と考える根拠はこのモデル化自体ではなく、第1節と第2節で示した中核的な議論にある。

AIやロボットへの投資により認知労働や肉体労働が増加し、その分が研究開発や生産効率の向上に再投資されるというフィードバックループが発生する。 AIとロボットの能力が高まるにつれて、AIとロボットへの投資はより高い収益をもたらする (2031年の完全自動化を前提とした外生軌道による)。研究開発労働者の爆発的な増加は、AIやロボットの生産コストの急落につながる。

付録A: ロボットの倍増時間

このトピックに関する文献はまだ初期段階ではあるが、増え続けている。特にこのForethoughtレポート、倍増時間の推定を3つのフェーズに分割する。

  1. イニシャル(AI主導による人間の労働による1回限りの利益): 程度約1年。

  2. 加速: 過去の経験曲線が示唆するロボットの増加率が倍加するまでに、ロボット台数そのものは1〜5回倍加する。

  3. ピーク/最大値(生物学的アンカー):数日から数週間を上限とし、ショウジョウバエは数日、ネズミは約6週間で倍加し、細菌なら数時間だが、自律的な産業立上げには認知能力が低すぎるだろう。

このうち大筋には同意するが、加速局面が過去の経験曲線どおりになるとは考えにくく、過去の曲線は人間の産業に基づく一方、完全自動化後はAI主導の研究開発がロボットの経験曲線をさらに速めると予想する。Moore’s Lawと同じく、費用が半減するたびに0.2 doublings、あるいはそれ以上の速さで進めば、数か月のうちに倍加時間が何度も半減し、急速にピーク局面へ近づく。特にAIの能力が質的にも向上し続ける局面では、ピーク時の実際の下限が数分から数時間になりうる理由は約10分間の倍加時間でバクテリアを増殖超知能AIがナノテクノロジー設計と一致できる可能性のあるものの存在証明を提供する。

このブログ投稿デイモン・バインダーはこう仮定する完全自動化はあるが、その他の技術的改善はなし、この結果を保守的な仮定として組み立てると、次のようになる。消費量を無視した見出しの倍増時間は約1年（仮定によっては、およそ8か月から2年の範囲となる）。彼は、米国BEA産業連関表、資本ストック、減価償却データから直接、フォンノイマン成長率 (すべての生産が再投資された場合に経済の物理的資本が再生産できる最大速度)を計算する。彼はまず、労働力は無料（豊富なAIとロボット）であると仮定し、次に実際のAIとロボットのコスト、リソースの枯渇、建設時間の遅れ、消費量を調整して、1 ～ 2年の範囲でさらに幅のある見積もりを取得する。

もう一つの最近の作品は、このEpochレポートは、2025年のロボット動向、すなわち少量生産ながらヒューマノイドで6か月、WW2やUkraineのような過去の需要ショック時の加速、中国における工場建設期間6〜9か月をまとめたものである。この分析はAI主導の拡張を除く短期スケーリングを扱っており、完全自動化直後の倍加時間を約1年と置く強い基準線になる。

の古い作品も参照すること。別のForethoughtレポートの「産業爆発」セクション、このオープン・フィランソロピー・レポートとこのEpochのブログ投稿、および私たち自身の議論も同様である。AI 2027ロボット経済倍増タイムボックス:

ai-2027.com/slowdown開く ↗
ロボット経済の倍増時間減速終了 - 2028年3月

第二次世界大戦中、米国および他の多くの国は民間経済を総力戦経済に転換した。これは、自動車を生産する工場を飛行機や戦車を生産する工場に転換し、原材料を消費者製品から軍事製品に振り向け、それに応じて輸送ネットワークの経路を変更することを意味した。

私たちは似たようなことを想像しているが、超知能がプロセス全体を指揮し管理しているため、より高速である点が異なる。計画は、超知能が設計した高性能・低費用のロボットを既存工場で量産し、それらに高効率の工場と研究所を建てさせ、さらに高度なロボットと設備を作る循環を、全SEZのロボット経済が人間経済と同規模になり、原材料・エネルギーを自給するまで続けるもので、その時点では旧来経済を大きく上回る需要に備え、採掘ロボットや太陽光パネルを大量生産しているだろう。

この新しいロボット経済はどれくらいの速度で成長するだろうか?いくつかの参考点:

  • 現代人の経済は約20年ごとに 倍加になる。特に急速に発展した国（例：中国）場合によっては、10年未満で経済を 倍加にすることに成功することもある。

  • 現代の自動車工場は、1年以内にほぼ自重の自動車を生産する。おそらく、超知性体によって運営される完全なロボット経済は、原材料が不足し始めない限り、1年以内に再生産できるだろう。

  • それでも大幅な過小評価かもしれない。植物や昆虫の「倍加時間」は1年を大きく下回り、数週間にすぎない場合もある。やがてロボットの高度化と製造・設計の洗練が進めば、原材料を確保できる限り、ロボット経済は数週間で倍加する可能性がある。

  • しかし、それでも過小評価される可能性がある。植物や昆虫は、超知的な設計者が持たない多くの制約の下で活動している。たとえば、資材や設備を行き来する多様でより特殊な車両や工場の経済ではなく、自己複製する自己完結型の有機体の形態をとる必要がある。さらに、細菌やその他の小さな生物は数時間で繁殖し、最終的には自律型ロボット経済が、例えばロボット経済に似たものになる可能性がある。地球の海に広がり、倍増している新種の難消化性藻類1日2回そのため、藻類をより有用な製品に変換する捕食者種の付随する生態系とともに、藻類自体がロケットやさらに多くの浮遊工場のようなマクロ構造を生産する浮遊工場に供給されるため、2か月で海面全体を覆いる。

明らかに、これらすべてを予測するのは困難である。これは、蒸気エンジンの発明者に、現代の自動車工場が自動車の自重を生産するのにどれくらいの時間がかかるかを推測するように依頼するようなものであり、また、そのような工場が最初に存在するまでにどれくらいの時間がかかるかを推測するように依頼するようなものである。しかし、経済成長率は、数桁の大きさを超えて人類の歴史の流れそして、超知能化の後、彼らはさらに桁違いに加速するだろうと私たちにはもっともらしく思える。私たちの物語は、数年間で約1.5桁加速する経済成長を描いている。

から引用 AI 2027、Slowdownエンディング (2028年3月)で公開されたボックス

付録B: エネルギーモデル

2025年の世界のエネルギー消費量は約19.0テラワット年 (TW年)だった。プランAのシナリオでは、2040年までにGWPが累積で約200xとなる（私たちのデフォルトのモデルの仮定）。経済のエネルギー集約度（エネルギー消費に対するGDPの比率）が一定であれば、エネルギー消費量も同じ係数率で増加するが、歴史的には1920年以降、エネルギー集約度の減少が観察されている。以下のヘッドラインの数値は、モデルのプランAの出力と弾力性の仮定から直接計算されるため、経済モデル探索者デフォルト。

エネルギー×44GDP×109×1×2×5×10×20×50×100×200182018501880190019201950198020002024
世界のエネルギーとGDPの比較 - ai-2040.com
世界の一次エネルギーとGDP、どちらも1820 = 1で指数化。1820 ～ 2016: ベルセゴル & ベニスティ (2020). 2020/2024: IEAグローバルエネルギーレビュー2025.

私たちは、このエネルギーデカップリングは今後も続くと予想するのは、成長の原動力（AI、ロボット、それに付随する資本）はすべて、単位経済あたりのエネルギー効率が向上するはずだからである（特にAIハードウェアは、強力な電力効率の傾向）。私たちの中でエネルギーモデル過去数十年間のエネルギーデカップリングの傾向は今後もさらに積極的になり、エネルギー消費は経済成長のペースのおよそ40%で増加すると想定している（これを私たちは経済成長と呼んでいる）。エネルギー成長率 / GDP成長率GDPのエネルギー弾力性。 ε = 0.4)。この値については非常に不確実性が高く、20%から 70%の間の値が妥当であると考えられる (80% CI、この経済成長軌道が条件)。

GDP×203エネルギー×8×1×10×100×10002025203020352040
プランAにおけるエネルギー対GDP - ai-2040.com
プランAの世界エネルギーとGDPを2025年 = 1として指数化する。GDPにはシナリオ成長モデルのPlan A Output Yを用い、エネルギーはE ∝ Yε, ε = 0.40 (エネルギーは次のように成長する) 40GDP比率の %)。
エネルギーモデルの概要

プランAのGWP軌道とecon-explorerのエネルギーのデフォルトから計算される (E ∝ Yε).

2025年の一次エネルギー19 TW年
プランAGWPの成長 (2025年から2040年)x203
GDPのエネルギー弾性値(ε)0.40
ε = 0.40でのエネルギー増加値：8.4×
2040年の一次エネルギー (ε = 0.40)159 TW年
2040年範囲（ε＝0.20～0.70）55 TW年から784 TW年

一次エネルギーはGWPとしてスケールされるε 2025年の基準値から外れると、19 TW年。GWP マルチプルは、シナリオ成長モデルのプランAの出力Yであり、εとベースラインは econ-explorer のデフォルトを反映しているため、同期が保たれる。

GDPに対するエネルギー消費の弾力性を40%とすると、GWPが約200xへ成長しても、プランAの期間中に地球上のエネルギー消費は約8xにしか増えない。 その結果となる2040年の一次エネルギー総量（中央値と、弾力性20%〜70%の範囲）は、上の要約で計算している。経済モデルのデフォルトで自動的に更新される。

このエネルギーに使用される源によっては、地球の温度に重大な影響を与える可能性がある。考慮すべきことは2つある (1)地球上の廃熱の純増加、および (2)気温上昇につながる排出、特にCO2排出。

  • 廃熱。ソーラーパネルは、とにかく太陽から地球に到達したエネルギーを変換するため、地球の正味エネルギーを変えるのは、地球表面の反射率（アルベド）を大きく変える場合のみである。一方、核燃料や化石燃料などの別のエネルギー源を使用すると、地殻に閉じ込められていた新しいエネルギーが大気中に放出されるため、廃熱が直接増加する。とはいえ、プランAのシナリオで2040年までに到達する可能性のあるレベルの上限であっても、廃熱自体は主要な考慮事項にはならない。

ε=0.20(55TW)ε=0.40(159TW)ε=0.70 (784TW)プランA 2040 (80% CI)今日 (~19 TW)現在の10×100×1000×1%10%太陽の表面:核融合陸上の太陽光発電海洋上の太陽光発電（冷却）+0°C+2°C+4°C+6°C+8°C+10°C+12°C10TW100TW1 PW10 PW表面温度上昇ΔT（℃）持続的なエネルギー生産 (TW、対数スケール)
廃熱による温暖化 - ai-2040.com
Stefan–Boltzmannの無フィードバック平衡。熱係数（発電1 W当たりに加わる熱量）は、原子力・核融合が1.0、陸上太陽光が+0.56、海上太陽光が−0.089である。太陽光は、パネル効率50%、パネルのアルベド0.10、地表のアルベド0.35（陸上）／0.06（海上）を仮定する。

  • 炭素排出量。化石燃料がエネルギースケールアップの唯一の供給源として使用された場合、大幅な緩和策（例えば、直接空気捕捉によるCO2の除去）が講じられない限り、炭素排出は2040年までに重大な問題となり、平衡表面温度は+3.0oC+3.0^oC産業革命以前のレベルを超え、+1.8oC+1.8^oC今日。

温暖化とCO₂ の蓄積

産業化以前 (280 ppm、0°C)今日（427 ppm、+1.8°C)+2.4°C55TW10位 %ile+2.8°C159TW50位 %ile+4.3°C784TW90位 %ileプランA、2040年100%化石燃料を想定した場合平衡ΔT+0°C+1°C+2°C+3°C+4°C+5°C+6°C01k2k3k4k5k6k平衡ΔT (°C)産業革命前を上回る大気中の CO₂ (GtCO₂)
平衡温暖化方程式 マイレら。 (1998) 特定の大気中のCO₂ 蓄積量に対して、特定の温度に収束する気候を求める。今日の観測値 +1.3 ～ 1.4°Cは、導出された平衡値 +1.8°Cを下回っている (Geoffroy et al. 2013)。均衡温暖化の~55%はCO₂安定化から10 yrs以内、~70%は100 yrs以内、~99%は1000 yrsまでに顕在化する。プランAのマーカーでは、発電を100%化石燃料で賄い、排出係数を2.5 GtCO₂/TW-yr、~45%の大気残留率が続くと仮定する（ フリードリングシュタインら。 2025年 / 世界の炭素予算).

したがって、世界的に合意されたCO2排出削減政策が必要であると考える。ありがたいことに、私たちは証明されたと考えているダイレクトエアキャプチャー (DAC)特に2030年代にはAIとロボット労働者の助けを借りて、CO2増加を緩和するための手頃な方法が提供されるだろう。二酸化炭素回収政策に関して私たちが持っている具体的なアイデアは次の2つである。

  1. プライベートキャップアンドトレード市場（政府の補助金は必要ない）で、世界中の化石燃料排出者は、同等の炭素回収クレジットで排出量の100%を相殺する必要がある（DAC企業は炭素を回収し、そのクレジットを炭素排出者に販売することで収益を上げている）。

  2. 入札された炭素除去補助金（純炭素除去への政府補助）では、政府は排出量の抑制にとどまらず、大気中の炭素を純減させ、産業革命前の水準へ戻す目標を置く。政府は炭素の社会的費用に基づいて「支払意思額」の曲線を設定できる。次のような曲線なら、2033-2040年の世界の政府支出を合計約$85T、同期間の平均で年間GWPの約0.1%に抑えつつ、2040年までに大気中CO2を産業革命前の水準へ戻せると見込む。

産業化以前の今日2025年のDAC予想費用（6,000億ドル/Gt）2030年のDAC予想費用（4,000億ドル/Gt）2035年のDAC予想費用（1,000億ドル/Gt）2040年のDAC予想費用（300億ドル/Gt）SCC$-200B$-100B$0B$100B$200B$300B$400B$500B$600B$700B01k2k3k4k5k6k7k二酸化炭素回収コスト (Gt 当たりの億ドルの除去)大気中の総 CO₂ (GtCO₂)
二酸化炭素回収補助金 - ai-2040.com
補助金曲線 (GtCO₂ 当たりのWTPを除く)年ごとのDirect Air Capture (DAC)の予想コストプランAの経路
プランAの補助金総額: ~$85T (価格 × Δ在庫、合計)。価格: DAC × (1+10%)、パスはSCCカーブ上にある。出典: EPA 2023, IEA DAC 2022, CDR.fyi 2025.

AIとロボット労働がエネルギーコストの進歩を加速させるという素朴なエネルギーコストモデリングの下で、ネットニュートラルな炭素排出を強制するCO2キャップアンドトレードが2035年に施行されると仮定すると、次のようなエネルギーコスト、関連投資、および結果として生じるエネルギーミックスが分かる。