作者：137Labs
はじめに：
過去2年間、市場の人工知能（AI）に関する議論は、主にモデル能力の持続的向上の可否、生成AIがインターネットやスマートフォンのような汎用技術となるかどうか、そして大規模モデルが検索、ソフトウェア、広告、エンタープライズサービスなどの業界をいかに変革するかに集中していた。しかし、モデル能力が継続的に強化され、ユーザー規模が急速に拡大し、グローバルな計算能力インフラの整備が集中的に進むにつれ、市場の焦点は明らかに商業的リターンへとシフトしている。すなわち、大手テクノロジー企業がAIに投じた巨額の資本が、最終的に安定した収益、利益、フリーキャッシュフローへと転換されるかどうかである。
ゴールドマン・サックスは「Why AI Companies May Invest More than $500 Billion in 2026」の中で、ウォール街における主要AIハイパースケーラーの2026年設備投資に関するコンセンサス予想が、4,650億ドルから5,270億ドルに上方修正されたと指摘している。さらに広義の試算では、世界のAIインフラ投資規模は今後数年間、急速に拡大し続ける可能性がある。資金がチップやサーバーからデータセンター、電力、冷却、ネットワーク設備へとさらに流れる中で、AIはもはや単なるソフトウェアとチップのイノベーションの域を超え、エネルギー、工業、金融、インフラシステムを包含するグローバルな資本の再構築へと発展しつつある。
一. なぜAI設備投資は上方修正され続けるのか
大手テクノロジー企業が、フリーキャッシュフローが圧迫され、バリュエーションに疑問符が付き、株価が一時的に低迷する局面でさえ、AI投資を増やし続ける理由の根底には、これらの企業がAIを通常の製品投資とは見なさず、今後10年のテクノロジープラットフォームの主導権を左右する戦略的投資と捉えていることがある。そのため、彼らが最も恐れているのは、ある年に数十億ドルを余計に支出することではなく、次世代のコンピューティングプラットフォーム、クラウドサービス体系、ソフトウェアエコシステムが形成される過程で競争上のポジションを失うことである。
マイクロソフト、アマゾン、アルファベット、メタなどの企業が直面しているのは、単純な費用対効果の選択ではなく、典型的な戦略的競争である。もしどこかの企業が他に先駆けて投資を減速させれば、そのクラウド顧客はより潤沢な計算能力を持つ競合他社に流れ、開発者エコシステムは他のプラットフォームに移行し、企業自体もモデル学習、推論能力、プロダクトのイテレーションで徐々に遅れをとる可能性がある。
したがって、現在のかなりの部分のAI設備投資には、明確な防御的な特徴が見られる。テクノロジー企業は、投資した1ドルごとに理想的なリターンが得られることをまだ証明できていなくても、投資しないことによる長期的な損失の方が大きいと広く考えている。すべての主要企業が同様の判断を下すと、業界全体は「囚人のジレンマ」のような競争状態に陥る。つまり、各社は競合他社の投入削減を望みながらも、どの主要企業も率先して撤退しようとはしないのである。
同時に、計算能力に対する市場の理解も変化している。AIインフラ投資は当初、主に大規模モデルの学習を目的としていたが、AIエージェントの台頭により、推論需要がより重要な成長源となりつつある。従来のチャットボットは、ユーザーの質問に対して1回または数回のモデル呼び出しで済むのが一般的だったが、AIエージェントが真に複雑なタスクを遂行するには、目標の分解、情報検索、解決策の比較、ツールの呼び出し、計画の修正、結果の反復検証が必要となることが多い。そのため、消費されるトークンと計算能力は、通常の質疑応答シナリオの数倍から数十倍に達する可能性がある。
ゴールドマン・サックスは、コンシューマーおよび企業によるAIエージェントの採用が進むことで、世界のトークン使用量は2030年までに2026年比で24倍に増加し、毎月120 quadrillion（12京個）のトークンに達すると予測している。この予測の背後にある中核的な考え方は、AIが将来的に、ユーザーが時折開くチャットツールだけにとどまらず、オフィスソフト、カスタマーサービス、広告配信、金融分析、eコマース、ソフトウェア開発、産業プロセスに組み込まれた常駐実行システムへと徐々に進化する可能性があるということだ。
この変化が実際に起これば、将来の計算能力需要の主な推進力は、少数の企業による周期的な大規模モデル学習から、数億のユーザーと企業による継続的なインテリジェントエージェントの実行へと移行する。また、推論コンピューティングも、次第にクラウドコンピューティング、電力、通信トラフィックのような継続的な消費特性を示すようになるだろう。したがって、仮にモデル学習の効率が向上したり、単一モデルの学習頻度が減少したりしても、社会全体の計算リソースに対する総需要は依然として急速に増加し続ける可能性がある。
ゴールドマン・サックスによる別の調査では、チップ性能の向上、モデル圧縮技術の進歩、データセンターアーキテクチャの最適化が進むにつれて、AI推論のトークンあたりの計算コストは年間60%から70%低下する可能性があると示している。しかし、単位コストの低下が業界全体の支出の減少を必ずしも意味するとは限らない。技術発展の歴史には、特定のリソースの価格が下がれば下がるほど、その利用範囲と総消費量が拡大するという現象がしばしば見られるからだ。AIも同様にこの法則に従う可能性が極めて高い。
推論コストが継続的に低下するにつれ、自動カスタマーサポート、リアルタイムビデオ生成、パーソナライズされた教育、ソフトウェア開発エージェント、企業の業務プロセス自動化など、これまで経済的な実現性に欠けていたアプリケーションが、大規模展開の段階に入りやすくなる。したがって、将来のAI設備投資の規模を決定する重要な変数は、トークン単価ではなく、使用量の増加が単位コストの低下速度を上回り続けられるかどうかである。
二. 5,270億ドルと7,650億ドルが表す二つの異なる統計範囲
AI投資規模に関するゴールドマン・サックスの見解を理解するには、5,270億ドルと7,650億ドルという二つの数字の統計範囲を区別する必要がある。前者は主にマイクロソフト、アマゾン、アルファベット、メタといった主要AIクラウド企業の2026年における設備投資のコンセンサス予想であり、サーバー、データセンター、ネットワーク機器、その他資本的支出を対象としている。後者はゴールドマン・サックスによるより広義のAIインフラモデルから導き出されたもので、テクノロジー企業による直接投資に加えて、コンピューティングシステムを支えるために必要なデータセンター建物、電力供給、冷却施設、その他関連インフラが含まれる。したがって、5,270億ドルは大手企業の年間予算に近いものであり、7,650億ドルはAIインフラ体系全体の年間建設規模に近い。また、7.6兆ドルは2026年から2031年までに形成される可能性のある累積投資額を反映したものである。
チップはAIインフラの中で市場の注目を最も集める部分だが、それは実際にはシステム全体の出発点に過ぎない。大規模なAIコンピューティングクラスターには、GPUやその他のアクセラレーターに加えて、サーバーラック、高速ネットワーク、光モジュール、液冷装置、無停電電源装置、変圧器、送電線、バックアップ発電設備、そしてこれらのシステムを収容できるデータセンター建物が必要となる。そのため、AIチップを新たに追加するたびに、その背後にはチップ自体の数倍に相当するシステム的な投資が発生する。
ゴールドマン・サックスが関連モデルで使用した基本的な想定には、AIアクセラレーターのパッケージ電力が約3,000ワット、データセンターのPUEが約1.2、データセンターの建設コストがメガワットあたり約1,500万ドル、新規電力インフラのコストがキロワットあたり約2,500ドルなどが含まれている。これらのパラメータは、AI産業における競争がもはやチップ設計能力やモデルアルゴリズムの能力の競争だけにとどまらず、土地、電力、資金調達、サプライチェーン、エンジニアリング建設、長期運営能力を巡る総合的な競争へと発展しつつあることを示している。
三. なぜチップ企業は既に収益を上げているのに、AI産業全体ではリターンを証明できていないのか
現在に至るまで、AI産業において最も明確で集中的な経済的価値は、主に半導体企業と関連装置サプライヤーに現れている。大手テクノロジー企業は、AI事業が安定的な収益を上げるようになる前に、チップを先行調達し、データセンターを建設し、ネットワークと電力の整備を完了する必要がある。チップサプライヤーは納品さえ完了すれば、比較的短期間で収益と利益を計上できる。これに対し、これらのチップを調達するクラウド企業やモデル企業は、今後何年にもわたってクラウドサービス、ソフトウェアサブスクリプション、広告効率の向上、あるいは法人向けAI製品を通じて、徐々にコストを回収しなければならない。
この結果、現在のAI産業チェーンの利益は上流のチップおよび装置サプライヤーに集中しており、クラウドプラットフォーム、モデル企業、エンタープライズ顧客は依然として投資と商業化の検証段階にある。業界全体では、まだ広範で安定したキャッシュフローのループが形成されていない。
ゴールドマン・サックスは、半導体企業が記録的な収益と利益を獲得している一方で、AIエコシステムの他の多くの企業は、投じた投資に見合うリターンをまだ得られていないと指摘している。この、上流サプライヤーが先に利益を上げ、下流の顧客が継続的に投資を続けるという構造は、長期にわたって維持することは難しい。健全な産業チェーンは、最終顧客がAIを通じて収益を増やし、コストを削減し、または効率を改善できるという基盤の上に成り立たなければならない。利益がチップメーカーからクラウドプラットフォーム、ソフトウェア企業、そして最終的なアプリケーションエンドへと徐々に拡散して初めて、顧客は継続的に調達を増やす能力を持ち、産業全体を安定した好循環に導くことができる。
コンシューマー市場はAIに極めて速いユーザー増加をもたらしているが、ユーザー数をそのまま商業的価値と同一視することはできない。ゴールドマン・サックスが引用した関連調査によると、生成AIの採用率は、最初の広く利用可能な製品が登場してから3年以内に約53%に達しており、この速度はパーソナルコンピューターやインターネット初期の普及経路よりも明らかに速い。しかし、多くのユーザーが利用しているのは無料製品であり、一部のコンシューマーがサブスクリプション料金の支払いを望んだとしても、個人向けサブスクリプション収入はモデル学習、推論、電力、データセンター、研究開発のコストをカバーするには必ずしも十分ではない。
数兆ドル規模のAIインフラ投資を本当に支えられる可能性があるのは、依然としてエンタープライズ顧客である。企業はより高い支払い能力を持ち、大規模なカスタマーサービス、営業、研究開発、財務、サプライチェーンのプロセスを抱えているからだ。しかし、企業におけるAI導入の難易度は、一般ユーザーがチャットボットを利用するよりもはるかに高い。多くの企業は当初、最先端の大規模モデルを導入すれば自然と生産性が向上すると考えていたが、実際には社内データが異なるシステムに分散しており、フォーマットの不統一、権限の不明瞭さ、品質のばらつきなどの問題を抱えている。在庫、会員、注文、レコメンデーションアルゴリズムのデータが相互に断絶していれば、モデルの能力が十分高くても、安定して信頼できるビジネス成果を生み出すことは難しいのである。
したがって、企業AIの実装を制約する重要な問題はもはやモデル能力だけではなく、企業がデータガバナンス、モデルオーケストレーション、ビジネスプロセスの再構築を完了できるかどうかである。企業は今後、タスクの複雑さ、コスト、データセキュリティ、リスクレベルに応じて異なるモデルを呼び出し、同時に権限制御、人手による審査、結果追跡の仕組みを構築する可能性が高く、これは企業AIが単にソフトウェアアカウントを購入するだけのものではなく、システム改修、コンプライアンス審査、組織変革を伴う長期的な取り組みであることを意味している。ゴールドマン・サックスは、2030年までにAIエージェントを使用する知識労働者はわずか約12％にとどまり、この割合が37％に上昇するのは2040年になる可能性があると予測しており、これはインフラ投資のペースが企業による商業化のリターン実現のペースを上回る可能性が高いことも示している。
四 . AI投資は新たなバブルへと変貌しつつあるのか
現在のAIブームを1990年代末のインターネットバブルと比較することは、市場で最も一般的な分析枠組みの一つである。いずれも設備投資の急拡大、将来需要に対する投資家の過度な楽観、技術革命に乗り遅れることを恐れた企業によるインフラの先行整備、そして多くの企業のバリュエーションが何年も先の収益や利益に依存しているという共通点があるからだ。しかし、こうした類似点だけでAIが必ずインターネットバブルの二の舞いになると判断するのは、やはり単純に過ぎる。
現在、AI投資の主な担い手は、潤沢な営業キャッシュフロー、成熟したビジネスモデル、そして強固なバランスシートを持つグローバルテクノロジー大手である。一方、インターネットバブル期には、多くの通信・ネットワーク企業が高レバレッジの資金調達に依存し、安定した収益や利益を確立できていない企業も少なくなかった。したがって、現在のAI投資サイクルは必ずしも全面崩壊という結末を迎えるとは限らないが、それは資本のミスアロケーションや構造的な供給過剰が発生しないことを意味するものではない。
第一のリスクは、投資のペースが商業化のペースを上回る可能性である。データセンターやチップ、電力設備は数年で集中的に建設できるが、企業のAI収入や業務プロセスの改革、組織変革が成熟するには、通常より長い時間を要する。供給が先に大規模に形成され、有効な有料需要がそれに追いつかなければ、資本収益率は長期的に圧迫される恐れがある。
第二のリスクは、チップの経済的耐用年数の不確実性に起因する。ゴールドマン・サックスは、AIチップの経済的耐用年数が累積AI投資規模を決定する最も重要な変数の一つとなる可能性があると指摘している。AIアクセラレーターの使用期間は通常4年から6年と想定されるが、次世代チップはより高性能かつ低い単位コストで既存製品を迅速に代替できることが多い。これに対し、データセンター建屋の減価償却期間は通常約20年、電力インフラの耐用年数は25年以上となる可能性もある。そのため、チップの頻繁な更新が必要となれば、テクノロジー企業は継続的な追加投資を負担するだけでなく、より高い減価償却圧力と設備陳腐化リスクにも直面することになる。
第三のリスクは、電力とエンジニアリング面でのボトルネックである。企業が大量のチップをすでに調達していても、データセンターが計画通りに電力系統へ接続できなかったり、変圧器や送電線、発電設備、冷却システムの建設が追いつかなければ、それらのチップを十分に稼働させることはできない。したがって、今後AIの発展を制約する主因は、チップ供給不足から電力、用地、許認可、エンジニアリング能力の不足へと徐々に移行していく可能性がある。
産業面の投資リスクに加え、資本市場はバリュエーションの急激な拡大という問題にも直面している。ゴールドマン・サックスの調査によると、同行のAIインフラ関連銘柄バスケットは一時、年初来リターンが約44%に達したが、対象企業の今後2年間の一株当たり利益（EPS）のコンセンサス予想は約9%の上昇にとどまった。これは株価上昇のかなりの部分が、利益予想の上方修正ではなくバリュエーション倍率の拡大によるものであることを示している。今後さらに株価が上昇するには、利益が市場予想を大幅に上回るか、バリュエーションが一段と拡大するか、あるいは企業がより強力な独占的地位と価格決定力を証明する必要がある。一方で、設備投資の増加ペースが鈍化したり、下流の顧客が発注を削減したりすれば、株価上昇が利益予想を明らかに上回っている企業ほど、より大きなバリュエーション収縮圧力に直面する可能性が高い。
五 . AI投資はテーマ取引からファンダメンタルズの分化局面へ
ゴールドマン・サックスは、主要なAIハイパースケーラー上場企業間の平均株価相関が約80%から20%に低下したことを明らかにした。これは、市場がもはや全てのAI企業をひとつのテーマとして一括りに扱うのではなく、設備投資、資金調達構造、収益化力、キャッシュフローの質における各社の違いを見極め始めていることを示している。AI相場の初期には、投資家は企業がAIサプライチェーンに属しているかどうかに関心を寄せていたが、バリュエーションと投資規模が拡大するにつれ、市場は設備投資が実際に収益に結びついているか、企業が負債による資金調達に依存していないか、顧客需要が安定しているか、そしてビジネスモデルが明確な利益創出への道筋を備えているかといった点を、より深く問うようになった。その結果、AI投資はテーマ取引から、より厳格なファンダメンタルズ選別の段階へと徐々に移行しつつある。
今後、市場は設備投資とAI収入の適合度に特に注目するとみられる。投資の増加そのものは問題ではなく、真に重要なのはAIによる収入と利益が同程度か、それ以上のペースで成長できるかどうかだからだ。また、フリーキャッシュフローにも引き続き注目が集まるだろう。利益が成長を続けていても、設備投資の伸びがそれを上回れば、フリーキャッシュフローは減少しうるからだ。資金調達構造も重要な変数となる。営業キャッシュフローによる投資と、負債調達によるデータセンター建設では、それに伴う財務リスクが全く異なるからである。
さらに、コンピューティング利用率は、データセンター投資が妥当なリターンを得られるかどうかを直接左右する。サーバーの数がそのまま有効需要を意味するわけではなく、コンピューティングリソースが長期間にわたって高い稼働率を維持できて初めて、企業は減価償却費や電力費、メンテナンスコストを賄える可能性が出てくる。そして、クラウドプラットフォーム、開発者エコシステム、独自データ、安定した企業顧客基盤を持つ企業ほど、インフラ面での優位性を長期的な収益や顧客ロックインに結びつけやすい。
六 . 次の段階の勝者は、チップ企業だけにとどまらない可能性
ゴールドマン・サックスは、半導体企業がAI利益の大部分を最初に獲得した後、次の段階では、ハイパースケールクラウド企業やAIプラットフォーム、生産性向上の恩恵を受ける企業へと徐々に価値が波及する可能性があるとみている。市場はテクノロジー大手が直面する設備投資圧力を十分に織り込んでいる一方で、将来的なAIクラウドサービス収入の成長や単位コスト低下がもたらす利益余地を過小評価している可能性があるからだ。
推論効率が持続的に向上し、利用量が増加し続けるなかで、クラウドコンピューティングプラットフォームは、収入拡大と単位コスト低下を同時に達成し、従来のクラウドビジネスと同様の規模の経済を徐々に形成する機会を得ている。これはすなわち、コンピューティングリソース、顧客基盤、ソフトウェアエコシステムを真に備えたプラットフォーム型企業が、AIの商業化が成熟段階に入った後に、より安定した収益を獲得できる可能性を示している。
同時に、企業データやビジネスプロセス、異なるモデルを接続するAIオーケストレーションレイヤーも、新たな価値の中心となる可能性がある。データアクセス、モデルルーティング、コスト管理、権限管理、コンプライアンス監査を提供できるプラットフォームは、クラウド時代のデータベースやミドルウェアのような基盤的地位を確立し、高い顧客スイッチングコストによって安定した収入を得る機会がある。
AIがもたらす最終的な利益は、必ずしもすべてAIサプライヤーに帰属するとは限らない。広告会社がAIを活用して広告のコンバージョン率を向上させたり、物流企業がAIによって輸送コストを削減したり、ソフトウェア企業がAIを用いて開発期間を短縮したりする場合、AIが生み出す経済的価値は、そうした利用企業の損益計算書に直接反映されうるからだ。したがって、次の段階で投資家が注目すべきは、どの企業がAIを販売しているかだけでなく、どの企業がAIを通じて業界の利益構造を再配分し、市場シェアを拡大し、あるいはコスト構造を改善できるかである。
AIインフラ投資は、従来型のテクノロジー業界以外の多くのセクターにも機会をもたらすだろう。ゴールドマン・サックスは、大手テクノロジー企業による2025年から2030年までの関連設備投資が累計5.3兆ドルに達し、従来予想の4.5兆ドルを上回ると予測している。これほど巨額の建設投資をテクノロジー企業の自己資金だけで完遂することは不可能であり、データセンターデベロッパー、電力会社、機器サプライヤー、インフラファンド、不動産資本、クレジット市場が重要なプレーヤーとなる。2025年9月時点で、世界のインフラファンドの運用資産残高はすでに1.7兆ドルを超え、未投資資金は約4,000億ドルに達しており、2030年までに関連運用資産残高は3兆ドルを超える可能性がある。これは、AIが今後数年間、プライベート市場やインフラファイナンス、社債発行にとって重要な成長ドライバーとなりうることを意味している。
七 ． AI設備投資の最終的な成否をどう判断するか
今回のAI設備投資が持続可能かどうかを判断するには、チップの販売数量やサーバーの受注、データセンターの数だけを見るのではなく、需要、収入、ユニットエコノミクス、資本収益率、サプライチェーンにおける利益分配など、複数の側面から観察する必要がある。
投資家はまず、AIユーザー数、企業の導入率、トークン消費量が持続的に増加しているかを観察し、さらにクラウドプラットフォームやモデル企業、ソフトウェア企業が利用量を有料収入に転換できるかどうかを見極める必要がある。同時に、推論1回あたり、あるいはAIタスク1件あたりの収入が、チップの減価償却費、電力費、ネットワーク費、保守費、研究開発費を十分にカバーできるかどうかも評価しなければならない。真の需要、商業収入、そして合理的なユニットエコノミクスがすべて成立して初めて、インフラ投資は長期的に成り立つからである。
その上で、投資家はAI事業による新規の営業利益が、インフラ建設に必要な資本コストを上回るかどうかも評価する必要がある。収入の成長が必ずしも価値創造を意味しないのは、1ドルのAI収入を得るために、より多くの資本を投じなければならないのであれば、当該事業は依然として株主価値を毀損する可能性があるからだ。
突き詰めれば、AI産業が成熟したかどうかの判断には、チップサプライヤーが引き続き高収益を上げているかどうかだけを見るのではなく、バリューチェーン全体が安定した商業クローズドループを形成しているかどうかを観察する必要がある。モデル企業やクラウドプラットフォーム、エンタープライズ顧客がAIを通じて持続可能な収入を生み出し、キャッシュフローを改善できれば、現在の設備投資は長期的な経済価値へと転換されうる。逆に、川下企業が長期にわたり継続的な支出に依存しながらリターンを得られなければ、投資サイクル全体の持続可能性に疑問符がつくことになる。
八. 結び
ゴールドマン・サックスによる5,000億ドルのAI設備投資に関する見解が真に示唆するのは、テクノロジー企業があとどれだけ資金を投じるかだけではない。世界経済が、コンピューティング、データセンター、電力インフラによって牽引される新たな投資サイクルに突入しつつあるということだ。歴史的に見て、重大な技術革命は往々にして、真の生産性向上と段階的な資本のミスアロケーションを同時にもたらす。鉄道、インターネット、光ファイバーネットワークはいずれも、世界を一変させる一方で、商業的なリターンを得られなかった多くの投資家に代償を負わせてきた。したがって、AIの未来における最大の懸念は、技術が進歩し続けるかどうかではなく、どの企業が技術的優位性を持続的な収入、利益、キャッシュフローへと転換できるかにある。
そうした意味で、5,000億ドルは新たなサイクルの出発点であると同時に、AI産業の商業化力を試す最初の分水嶺となる可能性もある。そして、最終的に今回の投資ブームの成否を決めるのは、設備投資の規模そのものではなく、それらの投入が資本コストを十分に賄えるだけの長期的な経済価値を真に生み出せるかどうかである。
