計算スケーリング(Compute Scaling)

計算スケーリング（compute scaling）は、AI モデルの訓練・推論に投入する計算資源（FLOP・GPU 台数・電力）を拡大することでモデル性能を向上させるアプローチ。Scaling Laws（Kaplan et al., 2020）により「パラメータ・データ・計算量を同時に増やすと性能が予測的に向上する」ことが示されて以来、主要 AI ラボの中心戦略となっている。

2026 年は「訓練時スケーリング」に加え「推論時スケーリング（テストタイムコンピュート）」が性能向上の主軸となり、投じる計算と性能のトレードオフを動的に制御する設計が普及しつつある。電力調達・データセンター建設が計算スケーリングの現実的な上限を決める要因になっている。

※ このカードは ai-theme-roundup が記事生成時に自動生成した stub です。要補完。