a16z 人工知能コンピューティング能力の詳細分析：収益は倍増、株価は下落圧力にさらされ、設備投資は驚異的。

原作者：モーゼス・スターンスタイン、a16z

編集者注：生成型AIによる新たなコンピューティング能力投資の波を背景に、AIインフラに関する市場の議論は「GPUの数が十分かどうか」から「誰が持続的にコンピューティング能力を提供できるか」へと移行しつつあります。モデルのトレーニング、推論、データセンターの拡張に対するニーズが共通認識となるにつれ、より根本的な疑問が浮上し始めています。コンピューティング能力需要の急速な増加は、本当に安定した利益とキャッシュフローにつながるのでしょうか？

a16z New Mediaが発行する「今週のチャート」の中で、著者のモーゼス・スターンスタインは、CoreWeave、Nebius、Applied Digitalといった新興クラウド企業を取り上げ、AIコンピューティングパワー市場における成長、評価、収益性の矛盾について論じ、さらに水平型SaaS、モデルルーティング、最先端研究所における人材競争へと議論を広げている。

本稿では、著者は単にAIの需要が強いかどうかを判断するだけでなく、現在のAI市場をより根本的な構造的問題に分解して分析している。すなわち、既存のインフラがどのように再評価されているのか、収益の伸びが市場の期待の高まりに追いついていないのはなぜか、そしてAI業界における競争の焦点が、単純な拡大から効率性と収益性へと移行しているのはなぜか、といった問題である。

まず、インフラ価値の再発見があります。かつて、鉄道沿線、天然ガスパイプライン、ケーブルテレビ網などの土地は、特定の産業に利用された後、通信インフラやインターネットインフラへと転換されました。今日、同様の資産再評価が再び起こっています。当初は仮想通貨マイニングを専門としていた一部の新規クラウド企業は、電力、データセンター、冷却システム、高密度コンピューティングにおける運用経験を既に有しており、AI需要の爆発的な増加に伴い、これらの能力は急速に希少なコンピューティング能力へと転換しています。重要なのは、AIインフラをめぐる競争がゼロから始まるわけではないという点です。初期の優位性は、既存の資産、エネルギー資源、エンジニアリング能力の再利用から生まれることが多いのです。

第二に、高い収益成長率と収益性の不確実性が共存しているという問題がある。CoreWeaveのような新興クラウド企業の初期の収益成長率は、創業初期にはAWSのようなクラウド大手を上回ったこともあったが、資本市場はそれらを同等に評価しなかった。これは、新しいクラウドが典型的な資産軽量型のソフトウェアビジネスではないためだ。GPUの調達、電力供給、データセンターの構築、チップの減価償却、そして負債利息は、規模の拡大に伴って、収益成長率よりも速いペースで増加する。つまり、収益の拡大はAIコンピューティング能力に対する強い需要を証明するに過ぎず、ビジネスモデルが十分な資本収益率を持っていることを自動的に証明するものではない。市場が本当に待ち望んでいるのは、これらの企業が受注と収益を持続可能なフリーキャッシュフローに転換できるかどうかである。

第三に、ソフトウェアの価値はAIの影響に応じて再評価されつつあります。かつて市場は、生成型AIがSaaS企業の競争優位性を全般的に弱めるのではないかと懸念していましたが、アトラシアンの実績は、AIが顧客支出と製品定着率を高めるツールにもなり得ることを示しています。一方、サイバーセキュリティおよびオブザーバビリティソフトウェアは、AIが潜在的なリスクを増幅させ、企業が成熟したソリューションへの依存度を高めるため、引き続き高い評価を受けています。これは、いわゆる「SaaS終焉」が一律に起こるわけではないことを意味します。AIが既存製品を置き換えるのか、価格を下げるのか、需要を拡大するのかが、ソフトウェア評価を差別化する新たな基準になりつつあります。

第四に、AIアプリケーションは単に「トークンを積み重ねる」ことから、最適化へと移行しつつあります。従来、企業は最も強力なモデルを直接利用したり、エンジニアリングチームが独自に実験するための予算を割り当てたりすることが多かったのですが、現在では、Databricksのような企業がインテリジェントルーティングを用いて、タスクの難易度に基づいて価格や性能レベルの異なるモデルをマッチングさせ、コストを削減しながら効果を維持しています。トークン価格の低下は、必ずしもAIへの総支出の縮小を意味するものではありません。単位コストが低下し、アプリケーションシナリオが増加するにつれて、トークン消費量と市場規模全体は上昇し続ける可能性があります。効率性と需要は互いに排他的なものではなく、相互に強化し合うサイクルを形成する可能性があります。

この記事を一つの結論にまとめるとすれば、次のようになるだろう。AIインフラは急速な成長を生み出す能力を証明してきたが、次の段階の成功は、企業がその成長をより高い資本効率に結びつけることができるかどうかにかかっている。つまり、この記事はもはやCoreWeaveのような企業が次世代のクラウド大手になれるかどうかという問題ではなく、AI業界全体がコンピューティング能力の拡大から持続可能なビジネス収益の達成へと移行できるかどうかという問題なのである。

以下は原文です。

「ニュークラウド」のオーバーヘッド

20世紀初頭、サザン・パシフィック鉄道会社は、米国各地の都市や町を結ぶ開墾地の上に、広大な未開発地を所有していた。鉄道の権利は線路そのものをはるかに超えて及んでおり、沿線には開発可能な回廊が数多く残されていた。

そこで鉄道会社は線路沿いに通信網を敷設し、「サザン・パシフィック鉄道社内ネットワーク電話システム」と名付けた。1970年代になると、同社はこのネットワークの商用化を開始し、より幅広いユーザーに開放した。

その後、二つの出来事が同時に起こった。一つは長距離電話市場における独占が終焉を迎えたこと、もう一つは光ファイバーケーブルが商業的に実現可能であることが証明され始めたことである。既存の通信回線は光ファイバー回線に転換され、このネットワークは後に「スプリント」という略称で知られるようになった。かつて鉄道に利用されていた資産が、こうして電気通信革命のインフラの基盤となったのである。

既存の物理的なネットワークをより大規模な商業技術インフラへと変革しているのは、鉄道会社だけではない。

1980年代、ウィリアムズ社は使われなくなった天然ガスパイプラインを光ファイバー回線に転用し、ウィルテル社を設立した。同社は後に売却され、最終的にワールドコム社と改名された。1990年代には、ケーブルテレビサービス用に敷設された単方向同軸ケーブルが大規模かつ高額な改修工事を受け、最終的にコムキャスト社とチャーター社が消費者にブロードバンドインターネットサービスを提供するためのインフラとなった。

これにより、別のタイプの企業が登場します。それは、既存のインフラストラクチャを既に保有しており、それを大幅に再利用し、価格を改定して、新たなテクノロジーのニーズに対応しようとしている企業です。例えば、「neocloud」のような企業がこれに該当します。

要するに、多くの新しいクラウド企業は当初、エネルギーと計算能力を大量に消費する暗号通貨マイニングに従事していましたが、その後AIの波が到来しました。突然、電力、インフラ、そして高負荷な計算処理の構築と管理に関する経験（CoreWeaveの場合は、多数のGPUも含む）を持つ企業は、今日最も注目されている分野の一つとなったのです。

もちろん、これは厳密には比較対象とは言えません。しかし、上場しているクラウド企業上位3社を見てみると、その収益成長は確かに目覚ましいものです。

初期段階にあるハイパースケールクラウドサービスプロバイダーのクラウド事業収益は推定するしかないが、全体的な傾向はすでに明らかだ。新しいクラウド企業は非常に速いペースで成長しており、初期段階にある大手クラウドサービスプロバイダー3社の成長率を大幅に上回っている。

なお、コンピューティング能力販売市場全体において、NewCloudは現時点では比較的小規模なプレーヤーに過ぎないことに留意すべきである。

彼らが超大規模クラウドサービスプロバイダーの規模に到達するには、まだ長い道のりがある。

ハイパースケールクラウドプロバイダーは、新規クラウド企業よりも四半期ごとに桁違いに多くの収益を上げています。一方、CoreWeaveは、AWSが40四半期かけて達成した26億ドルの収益を、わずか25四半期で達成しました。繰り返しますが、これらの企業は驚異的なスピードで成長しています。

これほど高い成長率を誇り、AI業界の波に乗っているのだから、投資家は理論的には非常に興奮するはずだ。ある程度は確かにそうだが、現実はもっと複雑だ。

これらの企業は概して最新の決算報告で好業績を報告しているものの、CoreWeaveの株価は過去1年間で約16％下落しており、Nebiusだけが以前の高値水準に比較的近い水準を維持している。

したがって、このストーリーは全体としては依然として良いものだが、新興クラウド企業の中でも最大手にとっては明らかに魅力が薄れている。

最近の市場は比較的横ばい状態が続いているが、その理由の一つとして、多くの成長期待が既に株価に織り込まれている可能性が挙げられる。

NewCloudのような資本集約型企業にとって、株価売上高倍率は最適な評価指標とは言えませんが、問題点を説明する上では依然として非常に分かりやすい指標です。NebiusやApplied Digitalといった、規模は小さいながらも成長率の高い企業は、はるかに規模の大きいCoreWeaveよりも大幅に高い評価を受けています。CoreWeaveの売上高は依然として倍増していますが、すでに業績上位企業の400%～450%という成長率には及ばなくなっています。

新しいクラウド企業に本当の問題があるとすれば、それは成長ではなく、長期的な収益性だろう。新しいクラウド企業は、規模を拡大するために、チップ、電力、物理インフラへの継続的な投資を必要としており、これらのコストは決して低くはない。

例えば、CoreWeaveは目覚ましい収益成長を遂げているが、設備投資額はさらに驚異的だ。その他の巨額のコストには、すでに収益の半分以上を占めるチップの減価償却費や、高額なインフラを事前に構築するための借入金による金利負担の増加などが含まれる。

この記事は、NewCloudが最終的に成功するかどうか、あるいは現在の株価が妥当かどうかを判断することを意図したものではありません。話題性という側面を超えて、この記事が真に伝えたいのは、NewCloudがAI取引業界全体における強気派と弱気派の綱引きを完璧に体現しているということです。

一方、彼らはこれまで誰も予想していなかったほど巨大で、しかも拡大し続けている垂直市場、すなわちコンピューティングパワー市場に属しており、前例のない成長率を達成している。他方、こうした企業を構築するためのコストも過去最高水準に達しており、減価償却が続く固定インフラへの巨額投資が必要となる。

水平型SaaSの復活は果たして実現するのか？

以下は、「SaaS終焉」と呼ばれる市場の絶え間ない変化に関する最新情報です。前回のソフトウェア株の売り浴びせで最も大きな影響を受けた企業の1つが、ここ1ヶ月で非常に好調な業績を上げています。

過去30営業日において、水平型ソフトウェア企業はIGVソフトウェアETFの中でトップクラスのパフォーマンスを示してきたが、データ収集開始以来の上昇分の一部は失っている。

総じて、これらの企業のファンダメンタルズは依然として堅調である。特にアトラシアンは、市場が以前予想していたように、AIの影響を受けて業績が悪化することはなかった。

この生産性向上ソフトウェア企業は、収益と業績見通しの両方を上回りました。クラウド事業の収益は前年比31%増、受注残からの収益はさらに速いペースで伸びています。しかし、おそらくより重要な兆候は、AIがビジネス成長の妨げではなく、推進力になりつつあるということです。アトラシアンは、同社のAIアシスタント「Rovo」が広く採用されていると述べており、Rovoユーザーの支出額はRovo非ユーザーのほぼ2倍となっています。

これはアトラシアンにとって朗報であり、ロボにとっても朗報であり、水平型SaaSにとっても朗報だ。

しかしながら、水平型SaaSの全体的な評価額は、他のソフトウェアカテゴリーと比べて依然として若干低い。

いくつかの例外を除き、アトラシアンを含む水平型SaaS企業は、一般的に「成長率－企業価値倍率」のトレンドラインに対応する水準よりも低い株価売上高倍率が期待されている。

繰り返しますが、水平型SaaSは比較的「好調な」1ヶ月を過ごしたに過ぎません。1ヶ月の業績だけでは、「SaaSの終焉」が回避されたと市場を納得させるには程遠いものです。

もちろん、ソフトウェアビジネスがサイバーセキュリティやオブザーバビリティの分野に属する場合は話は別です。そういった企業にとって、いわゆる「SaaSの終焉」はこれまで一度も起こっていません。

IGVソフトウェアETFにおいて、サイバーセキュリティ分野は引き続き他のカテゴリーを大きく上回るパフォーマンスを示しています。この分野では、AIが追い風となっています。市場は一般的に、AIがサイバーセキュリティの脅威に対する人々のリスク認識を高めると考えており、企業顧客が独自のセキュリティソリューションを寄せ集めるために「場当たり的なコーディング」に頼ることはもはやないだろうと見ています。

この論理が最終的に正しいかどうかはまだ分からない。しかし、少なくとも現時点では、従来のソフトウェア企業の状況は決して均一ではない。

投資家は、AIが各企業に利益をもたらすのか、それとも損害を与えるのかを注意深く見守っており、新たなデータが得られるたびに判断を見直している。これは理解できることである。

トークン投資の効率性フロンティアに向けて

モデルの利用、トークンの消費、トークン支出管理を取り巻く市場環境は、様々な興味深い形で進化を続けている。

Databricksを例にとってみましょう。

「どのモデルを使うべきか？」「どのモデルが最適か？」といった疑問に対し、Databricksは勝者総取りのアプローチを採用せず、またエンジニアに予算を与えて自由に使い道を決めさせるようなこともしませんでした。そこでDatabricksは、「適切なタスクを適切なモデルに自動的に割り当てるソリューションを開発したらどうだろうか？」という別の疑問を提起しました。

Databricksは確かにこのような取り組みをしている唯一の企業ではないが、同社は「スマートルーター」を開発し、その性能に非常に満足している。

Databricksのルーターは、必要に応じてより高性能で高価なモデルを呼び出し、状況が許せばより性能が低く安価なモデルを使用することで、「タスクの平均コストを継続的に30%以上削減できる」と言われている。

総じて言えば、トークン支出の「効率性フロンティア」を追求することは決して悪いことではない。それは需要が継続的に増加し、アプリケーションシナリオがパフォーマンスの最先端で進化するだけでなく、より高度なモデルにも広がっていることを意味する。当初の悲観的な見方では、こうした最適とは言えないモデルはすぐに時代遅れになると考えられていた。

先に述べたように、効率性の向上は需要の範囲を拡大させるでしょう。これはまさに市場が望んでいる種類のダイナミズムであり、ジェボンズのパラドックスに似ています。

Silicon Dataのトークン価格強度指数によると、全体的な価格強度は低下傾向にあり、特に低価格のオープンモデルが拡大する市場でより大きなシェアを獲得していることがその傾向を強めている。

ここで、よく誤解される概念を明確にしておく必要があります。これらの指標は、トークン支出のコスト強度を測定するものであり、絶対的な金額を測定するものではありません。消費されたトークンの数とトークンの総コストの両方に依存します。つまり、トークン1個あたりの価格が下がったとしても、消費されたトークンの総量と支出総額は上昇し続ける可能性があるということです。

本当に重要なのは、全体的な需要が引き続き増加していることであり、効率性の極限に向かって価格設定とモデル選択が進むことで、この成長はさらに加速するだろうということです。特に注目すべきは、「AI需要」や「AI導入」は単一の均質な概念ではないということです。ヘビーユーザーとその他のユーザーの間には依然として大きなギャップが存在します。これは、「常に最適なモデルを使用する」ことが一部の企業には有効かもしれませんが、すべての企業に有効とは限らないことを明確に示しています。

市場では現在、代替となる選択肢が急速に増えつつある。これは概して良いことだ。

ビジネス支出管理プラットフォームであるRampのデータによると、すべての企業がAIへの支出を増やしているものの、支出の中央値と上位10%の企業、そして上位10%と上位1%の企業との間の差は非常に大きい。

Rampのデータは一般的にテクノロジー企業に偏っているため、解釈する際にはその点を考慮する必要がある。しかし、データによると、支出額上位10%の企業は、従業員一人当たりのAI支出額が中央値の企業と比べて約50倍も高いことが示されている。

この分布は偶然とは考えにくい。AIへの投資からより多くの価値を引き出せる企業は、おそらく最も多くの投資を行っている企業だろう。すべての企業がそうであるとは限らないが、少なくともかなりの数の企業がこのパターンに従っている。

ボストン・コンサルティング・グループが上場企業107社を分析したところ、トークン利用率が上位20%に入る企業は、他の企業に比べて著しく速い収益成長率を示したことが分かった。

ここでの重要な点は、トークンの需要と利用効率は相互に強化し合う関係にあるということだ。つまり、企業が得る価値が大きければ大きいほど、消費するトークンも増える。

このプロセスには当然ながら投入と収益のトレードオフが繰り返し発生し、研究開発には必ず初期費用がかかります。しかし、大多数の企業にとって、無差別に「トークンを積み上げる」ことは決して効果的な戦略ではありません。

したがって、企業が今後このような慣行を採用する必要がなくなることは、明らかに良いことである。

最先端の研究室における人材獲得競争

ニューメディアは最近、OpenAIに2名の優秀なチームメンバーを迎え入れました。そこで、最先端のAI研究所における人材採用状況を示す興味深いグラフをいくつかご紹介して、締めくくりたいと思います。

ダリオ・アモデイ氏は最近、従業員が使命よりも金銭を優先しているのではないかと懸念を表明した。Levels.fyiのデータによると、この懸念は根拠のないものではないかもしれない。

データを文字通りに解釈すると、Anthropicはエンジニアに非常に高い給与を支払っており、GoogleやTeslaのような企業で同等の資格を持つエンジニアの給与をはるかに上回っている。

技術チームの一員になることは、確かに良いことのようだ。

さらに、非常に興味深い別のデータセットも存在する。

ライブデータテクノロジーズのデータ（トゥルーイスト証券が収集・発表）によると、様々な研究所の人材供給源は、大きく重複する部分と著しく異なる部分の両方がある。

両社とも超大型テクノロジー企業から相当数の優秀な人材を採用しているが、NvidiaとTeslaから採用したのはOpenAIだけであり、しかもその2件の採用はいずれも2026年に行われた。

Databricks、Snowflake（最近では）、Palantir、そしてDeepMindは、いずれも両社にとって人材供給源となっている。

両研究所は、SalesforceとStripeから相当数の従業員を採用している。

しかし、両者の共通点はそこで終わるようだ。AnthropicはSaaS企業から多くの人材を採用しているが、OpenAIはほとんど採用していない。一方、OpenAIは消費者向けインターネット、プラットフォームマーケットプレイス、広告テクノロジー企業から多くの人材を採用しているが、AnthropicはAirbnb、Netflix、Uberを除けば、これらの分野からの採用は比較的少ない。

これらの違いが何を意味するのかについては、皆さんに解釈をお任せします。