AI推論エンジンの開発熱量が急伸——GitHubで読む勢い
今週の熱量サマリー
今週は「AIを速く・安く・大量に動かす」側の熱量を観察します。LLM(大規模言語モデル、人間の文章を学習して応答を生成するAI)の推論エンジン(AIモデルに実際に答えを出させるための処理プログラム)、ランタイム(プログラムを実行するための土台となる仕組み)、そしてNVIDIA/TensorRT-LLMのようなGPU最適化基盤(画像処理用の半導体を使ってAI処理を効率化する仕組み)など、AIモデルを実際にサービスとして動かすためのインフラ層が今週どう動いたかをGitHub(世界中の開発者がプログラムのコードを共有・共同編集する場所)のデータから読みます。GitHubの開発活発度、たとえばコミット数(コードの変更を記録した回数)、貢献者数(実際に開発に参加した人の数)、そして今回使う熱量スコア(heat_score、コミット数や貢献者数などを合成して算出する独自の指標で、おおむね0〜100のスケールで開発活発度の相対的な大きさの目安を示すもの)は、エンジニアの時間・資金・人材がどのテーマに向かっているかを映す、開発現場の温度感を伝える一つの手がかりに過ぎません。株価や決算とは違う角度から、市場テーマの「温度感」を覗き見るための代替データ、というのが本シリーズの立ち位置です。
ただし誤解のないように繰り返しておきますと、開発が活発だから株価や業績が上がる、という単純な話ではありません。あくまで「開発現場が今どこに熱を持っているか」を観察するためのデータであり、両者の間に何らかの相関が示唆される場合はあっても、投資判断の直接的な根拠にするものではない、という前提で以降を読み進めていただければと思います。
今回のテーマは「AI推論インフラ」です。派手に語られがちな「AIモデルそのもの」の裏側で、そのモデルを実際に動かす基盤側の開発が、この期間かなり目立って伸びていることがうかがえます。特にonnxruntime(様々なAIモデルを異なる環境で動かすための共通基盤)の前4週比+51.5%という数字は、AIブームの第2幕、つまり「作る」から「動かす・使い倒す」への重心移動を象徴しているようにも見えます。
テーマ別 GitHub 活動データ
| リポジトリ | テーマ | commits(4w) | 前4w比 | contributors | heat score |
|---|---|---|---|---|---|
| microsoft/onnxruntime | AI推論 | 247 | +51.5% | 42 | 81.2 |
| ggml-org/llama.cpp | AI推論 | 422 | +33.1% | 75 | 79.5 |
| sgl-project/sglang | AI推論 | 1,306 | +18.4% | 196 | 76.6 |
| vllm-project/vllm | AI推論 | 1,159 | +17.5% | 187 | 76.3 |
| NVIDIA/TensorRT-LLM | 半導体AI | 752 | +12.1% | 75 | 71.9 |
| ollama/ollama | AI推論 | 83 | +9.2% | 0 | 33.3 |
※ollama/ollamaのcontributorsが0となっていますが、これは実際に開発参加者がいないという意味ではなく、データ取得元の仕様や集計タイミングによって数値が欠損している可能性があります。heat_scoreの算出にも影響している可能性があるため、この数値は参考程度にとどめてご覧ください。
注目リポジトリ
microsoft/onnxruntime
heat_score 81.2は今回のリストで最も高く、前4週比+51.5%という伸び率も突出しています。onnxruntimeは特定のAIモデルに依存せず、様々な環境でモデルを動かすための「共通の土台」のような存在で、いわば推論インフラの中でも縁の下の力持ち的な立ち位置と見られます。ただし直近のheat推移を見ると08-19の88をピークに08-20には81へとやや落ち着いており、瞬間的な盛り上がりが一段落した可能性も感じさせます。
こうした「共通基盤」への注目が高まる局面は、個別のAIサービスが乱立する段階から、それらを効率よく動かすための土台が整備される段階へ移りつつあることの表れかもしれません。派手さはありませんが、長期的にはこうした地味な基盤層の充実が、AI活用の裾野を広げる下支えになる可能性もありそうです。
ggml-org/llama.cpp
heat_score 79.5、前4週比+33.1%で、こちらも高い伸びを示しています。llama.cppは、比較的小さなパソコンやスマートフォンのような限られた性能の機器でもAIモデルを動かせるようにする軽量な推論エンジンとして知られています。直近heat推移は08-17の75から08-20の80まで一貫して右肩上がりで、onnxruntimeのような踊り場が見られない点が対照的です。
contributors(実際にコードを書いて参加している人数)が75人と、リスト内でも比較的多く、特定の企業や個人に依存しない分散した開発体制がうかがえます。こうした「軽量・分散型」の推論基盤への関心が持続していることは、AIをクラウドの外、つまり手元の機器でも動かしたいというニーズの根強さを映しているのかもしれません。
sgl-project/sglang
heat_score 76.6、commits_4wは1,306と今回のリストで最多、contributorsも196人と圧倒的な規模です。sglangは大規模なLLMサービスを効率よく動かすための推論エンジンで、伸び率こそ+18.4%とonnxruntimeやllama.cppほどではないものの、絶対的な開発規模の大きさが際立ちます。
直近heat推移も08-17の75から08-20の77まで、緩やかながら着実な右肩上がりです。急騰でも急減速でもない、この「地味な安定成長」は、一時的な話題性ではなく実際のサービス基盤として定着しつつあることの表れとも見られます。派手な伸び率よりも、こうした持続性のほうが長期的なテーマを見る上では参考になる場合があるかもしれません。
長期投資家の視点から
今回のデータで印象的なのは、伸び率が突出したonnxruntimeと、規模で圧倒するsglangとで、熱量の性格がまったく異なって見える点です。前4週比の数字だけを見ると急伸しているものに目が行きがちですが、commitsやcontributorsの絶対数、そしてheat推移の形(右肩上がりか、ピークアウトしているか)まで合わせて見ることで、それが一時的な話題なのか、地に足のついた開発の積み重ねなのかがある程度見分けられるように思います。また、ollama/ollamaのようにcommits_4wやheat_scoreが相対的に低めでも、それが必ずしも「勢いを失った」ことを意味するとは限りません。前述の通りcontributorsが0となっている点にはデータ欠損の可能性もあり、機能が成熟し安定運用フェーズに入った結果なのか、単に計測上の問題なのかは慎重に見極める必要がありそうです。いずれにせよ、こうした開発現場の熱量は市場テーマの一断面に過ぎず、それ自体を売買の合図として扱うべきものではない、という距離感を保つことが大切だと感じます。
今週の熱量ランキング
※ollama/ollamaはcontributorsデータに欠損の疑いがあり、heat_scoreの信頼性が他リポジトリと揃わない可能性があるため、本ランキングでは参考的に対象外としています。
| 順位 | リポジトリ | テーマ | heat score | 前週比 |
|---|---|---|---|---|
| 1 | microsoft/onnxruntime | AI推論 | 81.2 | ↓ -2.4 |
| 2 | ggml-org/llama.cpp | AI推論 | 79.5 | ↑ +10.4 |
| 3 | sgl-project/sglang | AI推論 | 76.6 | ↑ +2.7 |
| 4 | vllm-project/vllm | AI推論 | 76.3 | ↑ +3.5 |
| 5 | NVIDIA/TensorRT-LLM | 半導体AI | 71.9 | ↓ -2.6 |
※本記事は情報提供を目的としており、特定の銘柄・資産の売買を推奨するものではありません。
投資判断は自己責任のもとで行ってください。
