AI設備投資は元が取れるのか？
AIインフラ投資リターンの定量的フレームワーク
2026年3月
あらゆる主要なテクノロジーサイクルは同じパターンをたどる。画期的な技術が真の需要を生み出し、インフラ構築のために資本が殺到し、その投資が回収できるかどうかを市場が議論する。1840年代の鉄道、1990年代後半の光ファイバー、2010年代のクラウドコンピューティングで同じことが繰り返されてきた。いずれの場合も、テクノロジーは最終的に経済を変革した。しかし、そのインフラ構築に資金を投じた投資家が必ずしも投資を回収できたわけではない。
AIインフラ構築は、テクノロジー史上最大の資本投下である。ハイパースケーラー各社は、需要の推移と設備投資集約度に応じて、2024年から2035年の間にAI専用インフラに推定2.6兆〜5.6兆ドルを投じることになる。このインフラ構築を支えるGPUの圧倒的な供給者であるNVIDIAは、4.45兆ドルという時価総額で評価されている——ほとんどの国のGDPを上回る規模だ。強気派と弱気派の主張は、金融メディアやウォール街で広く議論されてきた。強気派は爆発的な収益成長を指摘する：Anthropicはわずか1年余りで年間経常収益（ARR: Annualized Revenue Run Rate）190億ドルに達したと報じられ（Bloomberg）、OpenAIは200億ドルを超え（Reuters）、数十のAIスタートアップが1億ドルを突破している。弱気派は光ファイバーバブル崩壊を引き合いに出す——2兆ドルのインフラが構築されたものの、需要が追いつくまでに10年を要した事例だ。
この議論は、技術進歩に関するナラティブや汎用人工知能（AGI）についての予測では決着がつかないと私は考える。ハードな収益実績——実際に回収された金額、現在の軌道が示唆するもの、そして計算が成り立つかどうか——によって決着をつけるべきだ。
本レポートは異なるアプローチを採る。AI投資への賛否を論じるのではなく、2つの独立した次元——3つの収益成長シナリオ（需要）と3つの設備投資集約度パス（供給側の効率性）——を持つ定量的フレームワークを構築し、9つの組み合わせからなる3×3マトリクスを作成する。各組み合わせは、検証可能な収益データ、実際の企業設備投資ガイダンス、過去のインフラサイクルの前例に基づいている。NVIDIAのGPU販売からハイパースケーラーのクラウドマージン、エンドユーザーのアプリケーション層に至るバリューチェーン全体をモデル化し、各組み合わせにおける投下資本利益率（ROIC: Return on Invested Capital）を算出する。
その結論は、どのシナリオを信じるにしても居心地の悪いものだ。
現在の軌道は、最も楽観的なシナリオに沿って推移している。AI収益は、クラウドコンピューティングの同時期の成長率に匹敵するか、それを上回るペースで伸びている。AnthropicとOpenAIはそれぞれ月間10億ドル以上の新規収益を積み上げている。企業導入は加速している。このテクノロジーは明白に実用的であり、商業的に成立している。
それでもなお、この最良のケースにおいてさえ——AIがインターネット以来最も変革的なテクノロジーとなり、企業導入が史上最速のSカーブをたどり、収益が2027年まで年率60%超で複利成長するケースにおいてさえ——インフラ設備投資は極めて深い財務的な穴を生み出し、そこから這い上がるのに10年を要する。結果は収益成長だけでなく、もう1つの独立変数である設備投資集約度 （AI収益1ドルあたりに必要なインフラ投資額）にも依存する。中心ケース（緩やかな収益成長、基本効率性）では、ハイパースケーラーの基盤インフラ総合リターン（GP / 累積設備投資——セクション7.2の方法論を参照）は2035年時点でわずか8.0%に達するにすぎず、推定営業費用控除後の営業レベルリターンは約4-5%に相当する。減価償却の損益分岐点は2034年頃に到来する。累積粗利益から累積設備投資を差し引いた額は、予測期間終了時点でもマイナス（−2.0兆ドル）のままだ。最も楽観的な組み合わせ——強い収益成長に積極的な効率改善を伴うケース——でさえ、2035年時点で1.1兆ドルを超える累積赤字を示す。移行メカニズム（年間最大30%の設備投資削減、データセンターおよびGPU契約の慣性を反映）により、特にハイパースケーラーが需要を大幅に上回る支出に縛られるバスト（崩壊）シナリオでは、これらの数値は純粋な数式モデルが示す値よりもさらに悪化する。
インフラコストは主にハイパースケーラーが負担するが、基盤モデル企業自身の負担も増大している。AnthropicとOpenAIはもはや純粋なコンピュート借り手ではない——Anthropicは5年間で約500億ドルのインフラ投資計画を発表し（Fluidstackパートナーシップ、2025年；Reuters）、AWS、Google Cloud、Azureとのクラウド契約も維持している。OpenAIは5,000億ドルのStargateプロジェクト（SoftBank/Oracle/MGX）を立ち上げ、並行してAzureの利用も継続している。両社はハイブリッドモデルを運営している：トレーニングには自社インフラ、バーストキャパシティと推論にはクラウドを利用。アプリケーション層——Cursor、Harvey、Glean——は設備投資負担が軽く、APIアクセスをレンタルしてソフトウェアマージンを稼いでいる。AIが生み出す価値はスタック上位へ流れるが、その価値を創出するために必要な資本はインフラ層とモデル層に集中している。
ハイパースケーラーがこの投資に対して十分なリターンを得るためには、AIクラウド事業の成長だけでは不十分だ。AI波が既存事業全体——広告、エンタープライズソフトウェア、Eコマース——を、現在測定可能な範囲を超えて押し上げる必要がある。現時点で、AI設備投資の最も明確な恩恵を受けているのは広告セグメントだ——これは主にAIが広告技術を改善するからではなく、AI投資ブームがVC出資のスタートアップを大量に生み出し、その大規模な顧客獲得予算の相当部分がGoogleとMetaの広告プラットフォームに流れているからだ。これは需要サイドの効果であり、AIが広告をより良くするのではなく、AI企業が広告を買っているのだ。AIインフラレンタル事業自体がもう1つの明確な受益者だ。AIがハイパースケーラーの事業全体にわたって変革的な成長をもたらすかどうかは、未解決の問題のままだ。
最も重要な発見：AI投資の採算性を決定するのは、収益よりも設備投資集約度である ——ただし、契約の慣性がその両方を凌駕することがある。低集約度で強い収益の場合、設備投資回収は2031年頃に達成されるが、バストシナリオでは低集約度でも2033年頃まで回収できない。これは移行フロアが支出の継続を強制するためだ。高集約度では、収益にかかわらず採算は取れない。NVIDIAとハイパースケーラーはこの次元の反対側に位置している——NVIDIAは高集約度から恩恵を受け（GPU購入の増加）、ハイパースケーラーは低集約度から恩恵を受ける（支出を抑えて同じ収益）。クラウドAIの収益性を改善する効率化の1ドルは、NVIDIAが回収できない1ドルでもある。
AI関連銘柄の市場価格は、最も強気な組み合わせをも超える楽観を反映している。NVIDIAの4.45兆ドルは、今後10年間の確率加重フリーキャッシュフロー（FCF: Free Cash Flow）リターンが年率1.2%であることを意味する——3×3マトリクスのすべてのセルにおいて、米国債のリスクフリーレートを下回る。しかし、時価総額はコンセンサスの評価額ではない。最後の買い手が付けた限界価格に発行済株式総数を乗じたものだ。NVIDIAの株主の大部分は、何年も前にはるかに低い価格でポジションを構築しており、巨額の含み益の上に座っている。4.45兆ドルの時価総額は、すべての市場参加者がNVIDIAを4.45兆ドルの価値があると信じていることを意味しない。日次取引高のわずかな割合を占めるに過ぎない限界的な買い手がその価格を支払う意思があり、既存保有者に売却の急迫がないことを意味する。この区別は、市場がAIバリュエーションについて何を「語っている」かを解釈する上で重要だ。
以下に、データ、モデル、予測を示す。読者がどの前提条件も調整してその結論の変化を確認できるよう、すべての仮定を明示的に示す。
Part I: 既知のデータ
1.1 AI企業の収益——検証可能な数字
基盤モデル企業は、信頼性のある収益軌道を構築するのに十分なデータを開示している。以下の数値は特に断りのない限り、年間経常収益ランレート（ARR）である——従来型のSaaS ARR（定期契約）ではなく、収益の多くは従量制のAPI利用であり、より変動しやすい。出典は業界報道（Bloomberg、Reuters、テック系メディア）および企業発表であり、監査済みGAAP開示ではない。
Anthropic
| 時期 | ARR | 出典 |
|---|---|---|
| 2024年12月 | SaaStr | |
| 2025年3月 | B | 業界レポート |
| 2025年7月 | $4B | Aakash Gupta |
| 2025年12月 | $9B | Bloomberg |
| 2026年2月 | SaaStr | |
| 2026年3月 | > |
Bloomberg / Morgan Stanley TMTカンファレンス |
追加詳細（カンファレンス発言および業界報道に基づく——監査済み開示ではない）：
- 2026年2月だけで$6Bを追加（Dario Amodei、Morgan Stanley TMTカンファレンス）
- Claude Code：ARR .5B以上と報告、2026年1月以降倍増
- 収益構成：API約70-75%、コンシューマー約10-15%、Claude Code約13%（報告値）
- 年間
M以上を支出する顧客500社以上（報告値） - 粗利率：約40-50%（報告値）；2028年までに77%を目標
- 2027年までにキャッシュフロー黒字化を目指す
- 評価額：$380B（シリーズG、2026年2月）。累計調達額：約$64B。
OpenAI
| 時期 | ARR | 出典 |
|---|---|---|
| 2023年12月 | B | 企業開示 |
| 2024年6月 | $3.4B | 報道 |
| 2024年12月 | $6B | 報道 |
| 2025年7月 | 初の月間 |
|
| 2025年12月 | >0B（年率換算収益） | OpenAI / Reuters |
追加詳細（OpenAI発表およびReuters報道——監査済みではない）：
- 2025年実績収益：約
3B（Reuters）（通年合計；ARRの 0Bより低いのは、収益が1月の約$500M/月から12月の約.67B/月へと増加したため——ARRは年間合計ではなく期末レート） - 収益構成：コンシューマー（ChatGPT）約75%、エンタープライズ/API約35%
- 粗利率：33%（推論コストにより制約）
- 2026年予想損失：
4B - 2029年までの累積損失見通し：
15B - 自社目標：2028年に収益
00B、2030年に 80B - 評価額：$840B（2026年2月）。投資家：Amazon $50B、NVIDIA $30B、SoftBank $30B。
Cursor (Anysphere)
| 時期 | ARR | 出典 |
|---|---|---|
| 2025年1月 | 企業レポート | |
| 2025年6月 | 約$500M | 業界推定 |
| 2025年11月 | 報道（テック系メディア） | |
| 2026年2月 | B以上 | 報道（テック系メディア） |
追加：エンタープライズ60%、個人40%。評価額：9.3B。
その他の注目すべきAI収益（2025-2026年）
| 企業 | ARR | カテゴリ |
|---|---|---|
| Scale AI | B | データインフラ |
| Midjourney | $500M | 画像生成（黒字、自己資金、従業員約150名） |
| xAI (Grok) | 約$500M | 基盤モデル |
| ElevenLabs | $330M | 音声AI |
| Cohere | 40M | エンタープライズAI |
| Glean | 00M | エンタープライズ検索 |
| Perplexity | AI検索 |
ARR
ハイパースケーラーのAI収益
| 企業 | AI関連収益（ランレート） | 備考 |
|---|---|---|
| Google Cloud | 年間ランレート$70B超 | Q4 2025： |
| Microsoft AI | ランレート |
Azure AI：Azureの33%成長のうち16ポイント（FQ2 2025）。GitHub Copilot：有料登録者470万人。 |
| AWS AIサービス | 数十億ドル規模、前年同期比3桁成長 | Bedrock：採用4.7倍成長。Trainium：数十億ドル規模のランレート。 |
| Databricks AI | NRR：140%超 |
1.2 ハイパースケーラーの設備投資——確定値およびガイダンス
| 企業 | 2024年実績 | 2025年初期ガイダンス | 2025年実績 | 2026年ガイダンス（2026年2-3月） |
|---|---|---|---|---|
| Microsoft | $56B | $80B | 約$84B | 約 |
| $52B | $75B | $91.4B | ||
| Meta | $39B | $60-65B | $72.2B | |
| Amazon | $83B | 約 |
約00B | |
| その他（Oracleなど） | 約 |
約5B | 約$30B | 約$40-50B |
| 合計 | 約40B | 約$340-380B | 約$410B | 約$675-715B |
注：2025年の実績はGoogle（+22%）およびMeta（+14%）で初期ガイダンスを上回っており、2026年にも上方修正の圧力がかかる可能性がある。これらは総設備投資額（有形固定資産取得額）である。AI比率約75%（業界コンセンサス）で計算すると、2025年のAI設備投資は約$308B、2026年のAI設備投資ガイダンスは約$500-535Bとなる。モデルでは2025年のAI設備投資に43B、2026年に$488Bを使用している（セクション3.3）——これらはハイパースケーラーのみの数値（ネオクラウドを除く）であり、業界全体の実績/ガイダンスに対して保守的な値である。
1.3 GPU減価償却方針——実際の企業開示
| 企業 | 耐用年数 | 直近の変更 |
|---|---|---|
| 6年 | 4年から延長（2023年） | |
| Microsoft | 6年 | 4年から延長（2023年） |
| Meta | 5.5年 | 延長（2025年） |
| Amazon | 5年 | 6年から短縮（2025年）、「AIイノベーションの急速なペース」を理由に |
| Lambda Labs | 5年 | ネオクラウド |
| Nebius | 4年 | ネオクラウド（より保守的） |
「バリューカスケード」モデルはより長い耐用年数を支持する：フロンティアトレーニング（1-2年目）→ 推論（3-4年目）→ バッチ/エッジ（5年目以降）。セカンダリーマーケットの証拠：A100（2020年ヴィンテージ）は2025年時点で
弱気シナリオにおける短い耐用年数の根拠：NVIDIAは2年ごとに新アーキテクチャを出荷（Hopper → Blackwell → Rubin）。あるアナリストは、2026-2028年にかけて業界全体で約
1.4 NVIDIAの財務状況
- 時価総額：$4.45T（2026年3月）
- データセンター収益：ランレート約
70B（2025年） - 粗利率：GAAP約71%（FY2026）；Q4 FY2026 約75%。モデルでは保守的な仮定として63%を使用（セクション3.1参照）
- 自社設備投資：収益の約3%
- ハイパースケーラー設備投資に占めるシェア：約25-30%
- 収益はAIエンドユーザー収益ではなく、ハイパースケーラーの設備投資支出の派生物
Part II: 成長率モデル
2.1 ベースエフェクト補正
規模の異なる企業間でパーセンテージ成長率を比較することは誤解を招く。重要な指標は、絶対的なドル増加額である。
絶対収益追加レート：
| 企業 | 期間 | 追加額 | 月間レート |
|---|---|---|---|
| Anthropic | 2024年12月 → 2026年3月（14ヶ月） | + |
|
| OpenAI | 2024年12月 → 2025年12月（12ヶ月） | + |
|
| Cursor | 2025年1月 → 2026年2月（13ヶ月） | + |
$0.15B/月 |
AnthropicとOpenAIはほぼ同額の絶対ドルを積み上げている。「1,148%対47%」という成長率の比較は、異なる出発点の人為的な産物にすぎない。
2.2 各規模段階における成長率
| 規模 | OpenAI | Anthropic |
|---|---|---|
| 2ヶ月（年率6,300%） | 3ヶ月（年率1,500%） | |
| B → $4B | 6ヶ月（年率300%） | 4ヶ月（年率700%） |
| $4B → $6B | 4ヶ月（年率238%） | 2ヶ月（年率1,039%） |
| $6B → |
7ヶ月（年率228%） | 4ヶ月（年率700%） |
| 5ヶ月（年率241%） | 2ヶ月（年率2,043%） |
OpenAIは
構造的な説明：OpenAIはコンシューマー収益が約75%（飽和が速い）。Anthropicはapi/エンタープライズが約70-75%（企業の78%がまだパイロット段階——より大きな残存市場がある）。
2.3 0B超規模における過去の成長率
| 企業 | 約0B時点の収益 | 成長率 | 年 |
|---|---|---|---|
| AWS | 43% | 2017 | |
| 1.8B | 31% | 2008 | |
| Microsoft Azure | AI ランレート約 |
29%（Azure全体） | 2023 |
| Netflix | 5B | 24% | 2020 |
| Salesforce | 6.5B | 25% | 2022 |
| Meta | 7.6B | 54% | 2016（広告寡占——外れ値） |
0B超規模での平均成長率：25-43%（非独占企業）。Meta以外に0Bを超えて50%超の成長を維持した企業はない。
Part III: 前提条件
3.1 全シナリオ共通の前提条件
| 前提条件 | 値 | 根拠 |
|---|---|---|
| GPU耐用年数（減価償却） | 5年 | Amazonの方針（最も保守的なハイパースケーラー） |
| ハイパースケーラー設備投資に占めるAI比率 | 60%（2024年）→ 80%（2027-2029年）→ 75%（2030年） | 業界推定、AIが主要な設備投資ドライバーとなるにつれ上昇 |
| AI収益に占めるハイパースケーラーのシェア | 55% | クラウドインフラ利用料 + 自社AI製品（Copilot、Geminiなど） |
| 総設備投資に占めるNVIDIAのシェア | 28% | GPU + ネットワーキング機器 |
| NVIDIA粗利率 | 63% | 保守的：FY2026 GAAP約71%（Q4約75%）。競合（AMD MI300X、カスタムASIC）からのマージン圧縮と推論向けプロダクトミックスのシフトを反映して63%に割引 |
| NVIDIA自社設備投資 | 収益の3% | FY2026：約$6B/16B収益 |
| 固定性能あたりの推論コスト/トークン | 年間5-10倍低下（分解はセクション5.3参照） | a16z、Epoch AI、arxiv 2511.23455；ハードウェア約1.3倍/年、アルゴリズム約3倍/年、残りは経済的競争 + モデル縮小 |
| ハイパースケーラー粗利率（AI） | 固定：40%（2025年）→ 62%（2030年）→ 73%（2035年） | 現在の競争環境を維持；推論コスト低下 + 規模による改善 |
| 収益の二重計上 | 約1.6倍 | エンドユーザー支出0 = バリューチェーン各層で報告されるARR合計約$32.50 |
3.2 収益シナリオ（需要サイド）
収益シナリオはAI収益の成長速度を決定する。これらはインフラ効率性とは独立している。
シナリオA：「クラウド再現」（確率40-45%）
| 前提条件 | 値 |
|---|---|
| AI収益成長率 | 2028年まで60%超、その後24-42%に減速 |
| 企業導入 | パイロットの78% → 2028年までに50%超が本番稼働 |
| 競争環境 | 市場が十分速く拡大し、複数の勝者が共存 |
| 歴史的前例 | クラウドコンピューティング（AWS：$0 → 15年で |
シナリオB：「緩やかな前進」（確率35-40%）
| 前提条件 | 値 |
|---|---|
| AI収益成長率 | 2027年までに40-60%、その後24-32% |
| 企業導入 | 低速：6-18ヶ月の調達サイクル、大半のパイロットが本番移行せず |
| 競争環境 | 価格戦争：OpenAI/Anthropic/GoogleがAPI価格を補助し、マージン拡大を阻害 |
| 歴史的前例 | インターネット2001-2005年（技術は本物だが、マネタイゼーションが期待に遅れた） |
シナリオC：「光ファイバーバブル崩壊」（確率15-20%）
| 前提条件 | 値 |
|---|---|
| AI収益成長率 | 2027年までに20-30%、その後10%未満 |
| 企業導入 | 大規模に測定可能なROIを達成できず；「AI疲れ」が蔓延 |
| 競争環境 | 2-3年のパイロット支出後に予算削減 |
| 歴史的前例 | 光ファイバー建設1997-2001年（キャパシティが50:1で過剰建設、倒産） |
3.3 設備投資集約度パス（供給側の効率性）
設備投資集約度 = AI設備投資 / AI収益。これはAI収益1ドルあたりに必要なインフラ投資額を測定する指標であり、資産回転率の逆数にあたる。推論コストの低下、資本ストックの成熟、ワークロードのトレーニングから推論へのシフトに伴い、時間とともに低下する。
これらのパスはモデル内で収益シナリオとは独立に扱われる——優れた収益成長と高い、もしくは低い集約度の組み合わせがありうる。これは簡略化の仮定である。実際には、2つの次元は以下の2つの方法で相互作用する：
移行期間中の機械的連動（2028-2030年以降）：移行フロア（前年設備投資の70%）は、収益にかかわらず一定の支出最低額（2028年に$382B）を生み出す。同じフロアをより低い収益で割ると、バストシナリオでは効率性が劣るからではなく分母が小さいために、実現集約度がより高く なる。シナリオCは2028年に2.7倍の実現集約度を示すが、シナリオAは1.1-1.5倍であり、目標集約度パスは同一である。「集約度の選択」は、収益 × 集約度が低下するフロアを上回るほど収益が大きくなって初めて意味を持つ。
定常状態での相関の可能性 ：弱い需要（シナリオC）は低集約度と相関する（ハイパースケーラーが支出を積極的に削減するため）、あるいは高集約度と相関する（AIのリーダーシップを追求してリターンが弱いにもかかわらず建設を続けるため）と議論できる。モデルでは結果の全範囲を示すために独立に扱う——Part VIIの確率ウェイトは、アナリストが相関についての見解を持つ場合に調整可能である。
現在観測されている集約度（コミット期間） ：2025年に3.9倍（設備投資43B / 収益$63B）、シナリオAでは2026年に3.7倍に低下。定常状態をはるかに上回るのは、コミット済みの設備投資が収益に先行してインフラ投資を前倒しするためである。以下のパスは支出が集約度ドリブンとなる2028年に開始されるが、実際の設備投資は年間30%超の減少ができない（移行フロア）ため、コミット済み契約がロールオフするにつれて集約度の数式は段階的に適用される。
目標集約度パス（数式の入力値）
| 年 | 高 | 基本 | 低 |
|---|---|---|---|
| 2028 | 1.5倍 | 1.0倍 | 0.7倍 |
| 2029 | 1.2倍 | 0.7倍 | 0.45倍 |
| 2030 | 0.9倍 | 0.5倍 | 0.35倍 |
| 2031 | 0.7倍 | 0.45倍 | 0.3倍 |
| 2032 | 0.6倍 | 0.42倍 | 0.28倍 |
| 2033年以降 | 0.5倍 | 0.4倍 | 0.25倍 |
これらは収益 × 集約度を計算するための数式の入力値 である。移行フロア（年間最大30%減少、下記参照）により、移行期間中の実現 集約度はこれらの目標を上回る。目標が制約条件となるのはフロアが拘束力を失った後であり——A×高では直ちに、C×低では2033年まで拘束力を持たない。
実現集約度（移行フロア適用後の実際の設備投資 / 収益）
コミット期間（2024-2027年）では、設備投資が固定のため集約度は観測値であり、収益シナリオによって変動する：
| 年 | シナリオA | シナリオB | シナリオC |
|---|---|---|---|
| 2025 | 3.9倍 | 3.9倍 | 3.9倍 |
| 2026 | 3.7倍 | 4.7倍 | 5.3倍 |
| 2027 | 2.3倍 | 3.5倍 | 4.7倍 |
移行期間（2028-2030年）では、実現集約度は収益と移行フロアの両方に依存する：
| 年 | A×高 | A×基本 | A×低 | B（全パス） | C（全パス） |
|---|---|---|---|---|---|
| 2028 | 1.5倍 | 1.1倍 | 1.1倍 | 1.6倍 | 2.7倍 |
| 2029 | 1.2倍 | 0.7倍 | 0.55倍 | 0.8-1.2倍 | 1.7倍 |
| 2030 | 0.9倍 | 0.5倍 | 0.35倍 | 0.4-0.9倍 | 1.1倍 |
シナリオAでは移行はスムーズだ——集約度は2.3倍（2027年）から1.5倍（2028年）、0.9倍（2030年）へ低下する。シナリオCではフロアが支配的となり、集約度は4.7倍（2027年）から2.7倍（2028年）へほとんど低下せず、2030年でも1.1倍であり、いずれの目標パスも大幅に上回る。集約度パスの選択は、収益 × 集約度が低下するフロアを上回るほど収益が十分に大きくなって初めて意味を持つ。
シナリオCの実現集約度は2028年時点で2.7倍のまま——「設備投資の罠」である。コミット済みの
定常状態のベンチマーク：
- 高（0.5倍）：AIがクラウドより25%設備投資集約的であり続ける。フロンティアモデルのトレーニングは大規模な集中コンピュートを必要とし続け、新アーキテクチャが完全な効率改善を妨げる。
- 基本（0.4倍）：AWSの定常状態に一致。通常のテクノロジー成熟経路。
- 低（0.25倍）：積極的な効率化。トークンあたりの推論コストが年間5-10倍低下し（セクション5.3の分解参照）、カスタムシリコンが単価を劇的に低下させ、その効率化がより多くのキャパシティへの再投資ではなく実際の設備投資削減に反映される。
2024-2027年の設備投資はコミット済みであり、すべての組み合わせで固定：
| 年 | AI設備投資 | 根拠 |
|---|---|---|
| 2024 | ハイパースケーラーのみ：（30B × AI比率60%）。MSFT/GOOG/META/AMZNの10-K開示合計。 | |
| 2025 | 43B | ハイパースケーラーのみ：（四大$380B実績 × AI比率~64%）。決算書の監査済み2025年設備投資。 |
| 2026 | $488B | ハイパースケーラーのみ：（$650Bガイダンス中央値 × AI比率75%）。 |
| 2027 | $545B | ハイパースケーラーのみ：（推定$680B × AI比率80%）。大部分がコミット済み。 |
範囲：ハイパースケーラーのみ（Google、Microsoft、Meta、Amazon）。ネオクラウドの設備投資（CoreWeave、Oracle AI、Lambdaなど）は除外——セクション6.3でネオクラウドの比較を参照。
2028年以降：AI設備投資 = max(AI収益 × 集約度, 前年AI設備投資の70%)
年間最大30%の減少上限は、インフラコミットメントの物理的現実を反映している。データセンター建設には18-24ヶ月を要し、GPU購入契約は数四半期前に締結され、電力契約は複数年にわたる。ハイパースケーラーは、望んだとしても単年度で50-70%の支出削減はできない。集約度の数式は、コミット済み契約がロールオフするにつれて2028-2030年にかけて段階的に適用され、契約の慣性が問題とならなくなるまで支出が十分低下した時点で制約条件となる。
この移行ルールは、高収益または高集約度の組み合わせ（A×高の設備投資は影響を受けない）にはほとんど影響しないが、低収益かつ低集約度の組み合わせでは設備投資を大幅に引き上げる。極端なケース（C×低）では、フロアが6年連続（2028-2033年）で拘束力を持ち、純粋な数式が算出する値を上回る$732Bの設備投資を追加する。これが設備投資の罠を捉えている：バストにおいて、ハイパースケーラーは需要をはるかに上回る支出に縛られる。まさに、見通しがより明るかった2-3年前にコミットメントが行われたからである。
Part IV: 収益モデル（ボトムアップ）
4.1 ARRと実績収益——重要な区別
ARR（年率換算ランレート）は、期末月の収益 × 12である。実績収益は、年間の全月の収益合計である。急成長企業では、年間を通じて収益が増加するため、この2つは大きく乖離する。
例：OpenAIは2025年を月間約$500M（ARR $6B）で開始し、月間約
年率Gで成長する企業の近似式は：実績収益 ≈ (期初ARR + 期末ARR) / 2
設備投資の数値は年間の実際のキャッシュ支出であるため、本分析のすべてのROI計算は整合性のために実績収益（ARRではなく）を使用する。ARRの数値は参考として記載する。
4.2 企業別予測
| 企業 | 2025 ARR | 2025実績 | 2026 ARR | 2026実績 | 2027 ARR | 2027実績 | 2028 ARR | 2028実績 |
|---|---|---|---|---|---|---|---|---|
| OpenAI | 0B | $45B | $32B | $75B | $60B | $88B | ||
| Anthropic | $9B | $5B | $38B | 4B | $70B | $54B | $85B | |
| Google Cloud AI | 5B | 0B | $35B | $30B | $50B | $42B | $70B | $60B |
| Microsoft AI | 8B | 3B | $40B | $34B | $55B | $48B | ||
| 開発ツール | $3B | B | $7B | $5B | 5B | 0B | ||
| その他市場 | $8B | 5B | $45B | $35B | $70B | $58B | ||
| 合計 | $85B | $63B | 95B | 36B | $420B | $358B |
続き：2029年 ARR $555B / 実績 $488B。2030年 ARR $690B / 実績 $622B。
ARRと実績の乖離は2025-2026年（最も成長が速い年）に約25-30%であり、成長が減速するにつれて2030年までに約10%に縮小する。2025-2030年累積実績収益：約
各予測の根拠：
- OpenAI：自社の2028年
00B目標から逆算。コンシューマー成長は減速、エンタープライズ/APIは加速と想定。 - Anthropic：現在の月間
.3B追加レートに基づき、ベースが拡大するにつれ減速。$70B/2028年の自社目標と整合。 - Google Cloud AI：$70B超のクラウドランレートのうちAI固有の部分。保守的——クラウド収益のすべてがAIではない。
- Microsoft AI：開示されたAIランレート
3B超（2025年1月）から成長中；Azure AI成長軌道に基づき2026年初頭までに推定 0B超。Copilotの普及はまだ低い（インストールベース4.5億人中3.3%）。 - 開発ツール：CursorがBで加速中。加えてGitHub Copilot、Claude Codeスタンドアロン、Windsurfなど。
- その他市場：ARR
00M超の企業50社以上のロングテール。Scale AI、バーティカルAI（Harveyなど）、AIインフラを含む。
4.3 収益の二重計上に関する注記
収益は複数の層を流れ、各レベルで計上される：
エンドユーザーがCursorに支払う：0/月
→ CursorがAnthropic APIに支払う：約$8/月
→ AnthropicがGoogle Cloudに支払う：約$3/月
→ GoogleがNVIDIAに支払う：約.50/月
全層の「報告ARR」合計：$32.50
実際のエンドユーザー支出： 0.00
膨張係数：約1.6倍
2030年の合計$690Bは、実際の固有エンドユーザー支出約$430Bを表している可能性がある。これはTAM分析では重要だが、企業レベルの収益予測には影響しない（各企業は報告された収益を実際に受け取っている）。
4.4 3シナリオの収益パス
ARR（年率換算ランレート）
| 年 | シナリオA | シナリオB | シナリオC |
|---|---|---|---|
| 2025 | $85B | $85B | $85B |
| 2026 | |||
| 2027 | 95B | ||
| 2028 | $420B | 80B | |
| 2029 | $555B | $380B | |
| 2030 | $690B | $500B |
実績収益（すべてのROI計算に使用——セクション4.1参照）
| 年 | シナリオA | シナリオB | シナリオC |
|---|---|---|---|
| 2025 | $63B | $63B | $63B |
| 2026 | $93B | ||
| 2027 | 36B | ||
| 2028 | $358B | 35B | |
| 2029 | $488B | $330B | |
| 2030 | $622B | $440B |
現在の軌道（2026年3月時点）はシナリオAに沿って推移している。
4.5 マクロ・ファクトチェック：AI収益のGDPおよびIT支出に占める割合
収益シナリオの合理性チェック——AIはマクロ経済全体に対してどの程度の規模か？
AI総収益の対米国GDP比（GDP：2025年約$30T、2030年約$35T、2035年約$40T、名目成長率約3%）
| 年 | シナリオA | シナリオB | シナリオC |
|---|---|---|---|
| 2025 | 0.21% | 0.21% | 0.21% |
| 2030 | 1.78% | 1.26% | 0.51% |
| 2035 | ~2.6% | ~1.8% | ~0.5% |
これらの数値にはダブルカウント（約1.6倍）が含まれる。ユニークなエンドユーザー支出はこれらの数値の約60%（すなわち、シナリオA 2030年 ≈ 米国GDPの1.1%）。
AI収益の対世界エンタープライズIT支出比（IT支出：2025年約$5T、2030年約$6.5T、Gartner推定）
| 年 | シナリオA | シナリオB | シナリオC |
|---|---|---|---|
| 2025 | 1.3% | 1.3% | 1.3% |
| 2030 | 9.6% | 6.8% | 2.7% |
同規模の歴史的テクノロジー普及との比較：
| テクノロジー | 同等段階での収益 | 対米国GDP比 | 年 |
|---|---|---|---|
| クラウドコンピューティング（IaaS+PaaS+SaaS） | ~$500B | ~1.8% | 2023 |
| インターネット広告 | ~$300B | ~1.0% | 2024 |
| エンタープライズソフトウェア（全体） | ~$650B | ~2.2% | 2024 |
| モバイルアプリ経済 | ~$400B | ~1.4% | 2024 |
| AI（シナリオA、2030年） | $622B | 1.8% | 2030 |
| AI（シナリオB、2030年） | $440B | 1.3% | 2030 |
評価：シナリオAの$622B（2030年、GDPの1.8%）はAIをほぼ現在のクラウドコンピューティング市場の規模に相当させる——野心的だが、現在の成長軌道を考慮すれば物理的に不可能ではない。シナリオB（$440B、1.3%）はインターネット広告の規模に近い——より穏やかだが依然として大規模な結果。シナリオC（
設備投資集約度のデータは追加のマクロチェックを提供する：B×基本（2030年のAI設備投資20B）では、ハイパースケーラーのAIインフラ投資だけで米国GDPの約0.6%を占める——現在の米国半導体産業の総収益に匹敵する。
Part V: 設備投資モデル
5.1 3×3設備投資フレームワーク
AIインフラ支出は2つの独立した次元によって決定される：収益成長（需要）と設備投資集約度（効率性）。これにより、9つの結果の組み合わせからなる3×3マトリクスが生成される（定義はセクション3.2および3.3を参照）。
2024-2027年：コミット済み——すべての組み合わせで固定
| 年 | AI設備投資 | 根拠 |
|---|---|---|
| 2024 | ハイパースケーラーのみ（監査済み） | |
| 2025 | 43B | ハイパースケーラーのみ（監査済み） |
| 2026 | $488B | ハイパースケーラーのみ（ガイダンス中央値） |
| 2027 | $545B | ハイパースケーラーのみ（推定） |
| 合計 |
2028-2035年：AI設備投資 = max(AI収益 × 集約度, 前年AI設備投資の70%)
2028年以降、年間AI設備投資は(a)当年のAI収益 × 集約度、または(b)前年設備投資の70%のいずれか大きい方となる。年間最大30%の減少上限は契約の慣性を反映する——2026-2027年にコミットされたデータセンター建設およびGPU発注は一夜にしてキャンセルできない（セクション3.3参照）。収益はどれだけのインフラ需要が存在するか を決定し、集約度はその需要がどれだけ効率的に支出に変換されるか を決定し、移行フロアは支出がどれだけ速く実際に減少できるか を決定する。
2030年までの累積AI設備投資（$B）
| 高集約度 | 基本集約度 | 低集約度 | |
|---|---|---|---|
| シナリオA | $3,097B | ,449B | ,281B |
| シナリオB | ,588B | ,283B | ,250B |
| シナリオC | ,250B | ,250B | ,250B |
2035年までの累積AI設備投資（$B）
| 高集約度 | 基本集約度 | 低集約度 | |
|---|---|---|---|
| シナリオA | $5,569B | $4,298B | $3,463B |
| シナリオB | $4,309B | $3,568B | $3,073B |
| シナリオC | ,821B | ,728B | ,644B |
レンジは,644B（C×低）から$5,569B（A×高）に及ぶ。移行フロアが下限を大幅に圧縮する：フロアなしではC×低は約
範囲に関する注記：これらの数値はハイパースケーラーのみ（Google、Microsoft、Meta、Amazon）。ネオクラウドを含む業界全体のAI設備投資は約8-10%高い——セクション6.3を参照。
5.2 減価償却スケジュール
5年の定額法減価償却では、最大の設備投資ヴィンテージが重なる時にピークの減価償却が発生する。コミット済みの2025-2026年支出（$731B）が2030-2031年まで続く減価償却のオーバーハングを生み出し、これは9つのすべての組み合わせに共通する。
ハイパースケーラー別の開示耐用年数
| 企業 | サーバー/GPU | ネットワーク機器 | 建物/電力 | 土地 | 混合（開示値） |
|---|---|---|---|---|---|
| Alphabet | 6年 | 6年 | 7-25年 | 非償却 | 約16年 |
| Microsoft | 6年 | 6年 | 5-15年 | 非償却 | 約9年 |
| Amazon | 5年 | 5-6年 | 15-40年 | 非償却 | 約12年 |
| Meta | 5.5年 | 5.5年 | 15-30年 | 非償却 | 約11年 |
資産構成推定（10-K有形固定資産開示および業界分析より）
| 資産クラス | AI設備投資に占める割合 | 耐用年数（モデル） |
|---|---|---|
| サーバー＆GPU | 約50% | 5年 |
| ネットワーク機器 | 約10% | 6年 |
| 建物・電力・冷却 | 約35% | 15年 |
| 土地 | 約5% | 非償却 |
出典：MetaはPP&Eの41.5%がサーバー/ネットワーク、28.6%が建物と報告。Microsoftは44%がコンピュート、44%が建物。Amazonは29%がサーバー、31%が土地/建物。Googleは56%が技術インフラ。業界推定（McKinsey、Goldman Sachs）はAI専用データセンターの約60%がIT機器と示唆。ここで使用する50/10/35/5の配分は、AI専用構成（企業平均PP&Eよりサーバー比率が高い）に重み付けしたハイパースケーラー全体の混合推定値である。
B×ベースの減価償却スケジュールへの影響
混合減価償却では、各設備投資ヴィンテージの年間償却率は14.0%（1-5年目）となり、5年定額法の20.0%に対して30%の削減となる。ただし、建物の減価償却（年2.3%）は15年間続き、ロングテールを形成する。
| 年 | AI設備投資 | 5年定額法 | 混合償却 | ハイパーGP | GP − 5年法 | GP − 混合法 |
|---|---|---|---|---|---|---|
| 2025 | 43B | $76B | $53B | −$62B | −$39B | |
| 2028 | $382B† | $359B | 51B | $67B | −92B | − |
| 2030 | 20B | $380B | 79B | −30B | − |
|
| 2033 | 52B | 44B | 19B | 42B | − |
+3B |
| 2035 | 84B | 57B | 37B | 85B | +8B | +$48B |
ピーク減価償却は$385B/年（2029年）から79B/年に低下——27%の減少。減価償却損益分岐は約2034年から約2033年に前倒し。
5.3 設備投資集約度——効率性カーブ
設備投資集約度（AI設備投資 / AI収益）は主要な効率性指標であり、資産回転率の逆数である。2028年以降は、セクション3.3で定義されたパスに従う。コミット期間（2024-2027年）では、設備投資が固定で収益が異なるため、集約度は観測値 であり収益シナリオによって変動する：
コミット期間中の観測集約度
| 年 | シナリオA | シナリオB | シナリオC |
|---|---|---|---|
| 2025 | 3.9倍 | 3.9倍 | 3.9倍 |
| 2026 | 3.7倍 | 4.7倍 | 5.3倍 |
| 2027 | 2.3倍 | 3.5倍 | 4.7倍 |
シナリオCの観測集約度は2027年まで4.7倍のまま——「設備投資の罠」である。コミット済みの
3つの構造的要因が、コミット期間のピークからの集約度低下を駆動する：
固定性能あたりのトークンあたり推論コストが年間5-10倍低下している。 ただし、この見出し数値には分解が必要だ。a16zは、一定のMMLUスコアにおける最安モデルを時系列で比較して「LLMflation」と名付けた（2021年11月のGPT-3で$60/Mtok → 現在のLlama 3.2 3Bで$0.06/Mtok——3年間で1,000倍）。Epoch AIはより広い範囲を発見：能力レベルに応じて年間9倍〜900倍、中央値は年間約50倍。学術的な分解（arxiv 2511.23455）がドライバーを分離する：
- ハードウェアの価格性能比：年間約1.3倍（ムーアの法則の軌道に沿った30%改善）
- アルゴリズム効率：年間約3倍（量子化、蒸留、投機的デコーディング、アーキテクチャ改善）
- 経済的競争 + モデル縮小：残り——プロプライエタリモデルと競合するより小さなオープンソースモデル、およびマージンを圧縮するAPI価格戦争
重要な注意点（ジェヴォンズのパラドックス）：同じ論文は、トークンあたりの価格崩壊にもかかわらず、絶対的なベンチマークコストは横ばいまたは増加した ことを発見している。より高い性能を達成するにはより大きなモデルとより長い推論トレースが必要なためだ。トークンあたりのコストは低下するが、タスクあたりのトークン数は増加する。これは、トークンあたりの効率性改善がインフラレベルでの設備投資集約度の低下に1:1で変換されないことを意味する——コンピュートが安くなるとユーザーはより多く消費し、効率性改善を部分的に相殺する。
資本ストックの成熟 ：初期はグリーンフィールドのデータセンター建設（土地、電力、冷却、ネットワーキング）が必要——一度限りのコスト。後年は既存施設内での漸進的なGPUリフレッシュとなる。コンピュートを追加する限界コストは急激に低下する。
トレーニングから推論へのワークロードシフト ：トレーニングは大規模で集中的なコンピュートバースト（数千のGPUを数ヶ月間）を必要とする。推論は継続的だが、収益1ドルあたりの資本効率が高い。デプロイされたモデルが安定し、推論が支配的になるにつれて、設備投資集約度は低下する。
NVIDIAとハイパースケーラーのパラドックス ：集約度の低下はハイパースケーラーにとっては好材料 （収益1ドルあたりの設備投資が低下 → ROICが改善）だが、NVIDIAにとっては悪材料 （GPU購入の減少）。3×3マトリクスでは、NVIDIAの最良の結果（A×高：年率1.8%）はシナリオA内でハイパースケーラーの最悪のROIC（2035年時点で7.5%）である。両者は集約度次元の反対側に位置する——クラウドAIをより収益性高くする効率化の1ドルは、NVIDIAが回収できない1ドルだ。
集約度低下の恩恵を受けるのは誰か——受けないのは誰か
集約度低下を駆動する3つの力は、すべての参加者に平等に利用可能な単一の「学習曲線」ではない。恩恵を受ける主体が異なる：
| 力 | 年間インパクト | 利用可能性 |
|---|---|---|
| ハードウェアの価格性能比 | 年間約1.3倍 | 全員——新チップを購入する者は誰でも改善を得る |
| アルゴリズム効率 | 年間約3倍 | ほぼ全員——技術は四半期以内に公開、フロンティアラボにわずかなタイミング優位性 |
| 資本ストックの成熟 | 大きい、一度限り | 既存事業者のみ——既にデータセンターを建設していることが必要 |
3番目の力が決定的な差別化要因だ。グリーンフィールドのデータセンター建設はGWスケールの施設あたり$8-12Bのコストがかかる（土地取得、電力網接続、冷却システム、ネットワーキングバックボーン、物理的セキュリティ）。一度建設されれば、既存の建屋内でのGPUリフレッシュサイクルはそのわずかな費用で済む。2031年にコンピュートを追加する既存ハイパースケーラーは新GPUと設置費用だけを支払うが、新規参入者は施設全体に加えてGPUの費用を支払う。これは時間とともに縮小しない構造的なコスト非対称性であり、むしろ最適な電力サイトとファイバー回廊が押さえられるにつれて拡大する。
バリューチェーンの各層への影響：
既存ハイパースケーラー（Google、Microsoft、Amazon、Meta）：2027年までのコミット済み
新規インフラ参入者 ：既存事業者が約0.5倍で運営している一方、グリーンフィールドの集約度（約3-4倍）に直面する。この構造的不利が、ネオクラウド（CoreWeave、Lambda、Nebius）がニッチにとどまる理由を説明する——ハイパースケーラーとの提携や専門ワークロードへの対応であり、規模での競争ではない。設備投資の罠は同時に参入障壁でもある：既存事業者のROICを圧迫する同じ
基盤モデル企業（Anthropic、OpenAI） ：ハイブリッドなポジション——自社インフラの構築（Anthropicの計画$50B Fluidstackパートナーシップ、OpenAIの$500B Stargate）を進めつつ、ハイパースケーラーからのレンタルも継続。自社データセンターは同じ成熟カーブをたどるが、2-3年遅れる。戦略的論理：ハイパースケーラーのコンピュートマージンを無期限に支払うのではなく、資本ストック成熟の恩恵を自ら取り込む。リスク：以前はハイパースケーラーに外部化されていた設備投資リスクを引き受けることになり、バランスシートはハイパースケーラーより薄い。
アプリケーション層（Cursor、Harvey、Glean） ：インフラ経済学から完全に遮蔽されている。APIアクセスをレンタルし、他のすべての 効率性改善の恩恵を受ける——既存インフラが成熟するにつれてAPI価格は低下し、アプリケーションのマージンは改善する。バリューチェーンにおける最良のリスク調整済みポジション：インフラリスクなしでAI普及のアップサイドを享受。
歴史的前例 ：あらゆる主要なインフラ過剰建設がこのパターンに従う。光ファイバーバブル崩壊（1997-2001年）では、2兆ドルが投資され、大半の建設者が倒産し、生存企業または買収者が二束三文で購入したインフラ上で黒字経営を行った。クラウドコンピューティング（2006-2015年）では、AWSは10年近くにわたり大規模投資を行い、魅力的な収益性に達するまで長い時間を要したが、2020年までに33%の営業利益率を達成した——競合がより短い期間では再現できないコストベース上での驚異的な限界リターンだ。鉄道（1840年代-1870年代）では、繰り返しの倒産が株式保有者を壊滅させたが、物理インフラは無傷で残り、生存者は1世紀にわたり自然独占として運営した。いずれのケースでも：(1)建設者はしばしば損失を出した、(2)インフラは存続し最終的には強い限界リターンを生み出した、(3)そのリターンは新規参入者ではなく既存事業者および買収者に帰属した、(4)過剰建設自体が参入障壁となった。
AIインフラに関する未解決の問題：テクノロジーの変化速度は、物理インフラが十分な限界リターンを生み出す前に減価するほど速いのか？「バリューカスケード」モデル（セクション1.3）はそうではないことを示唆する——フロンティアGPUは推論、バッチ/エッジへとカスケードし、5年以上の有用性を保つ。しかし、NVIDIAの2年周期のアーキテクチャサイクル（Hopper → Blackwell → Rubin）は逆方向の圧力を生み出す。AmazonがGPU耐用年数を6年から5年に短縮したことが、市場の現在の回答だ：その中間あたりということだ。
5.4 感応度：耐用年数仮定による減価償却
2028年のGPU耐用年数別年間減価償却（B×基本の設備投資に移行フロア適用、シナリオBのGP $67B）：
| 耐用年数 | 2028年減価償却 | ハイパースケーラーGPとの比較 |
|---|---|---|
| 3年 | $472B | GPの7.0倍（大幅に水面下） |
| 5年（基本） | $359B | GPの5.4倍（水面下） |
| 6年 | 99B | GPの4.5倍（水面下） |
定性的な結論は9つのすべての組み合わせで維持される：減価償却の仮定、集約度パス、収益シナリオにかかわらず、AIの粗利益が減価償却を上回るのは早くても2030年代前半（低集約度の場合）であり、高集約度では達成されない。
Part VI: バリューチェーンの経済学
6.1 レイヤー別の収益とマージン
エンドユーザーのAI支出
| レイヤー | 収益シェア | 粗利率 | |
|---|---|---|---|
| チップメーカー（NVIDIA、AMD） | 約35% | 63%（モデル）/ 71%（NVIDIA報告値） | $0.16 |
| クラウドインフラ（ハイパースケーラー） | 約35% | 45-60% | $0.18 |
| モデルプロバイダー（OpenAI、Anthropic API） | 約35% | 35-55% | $0.11 |
| アプリケーション層（Cursor、Harveyなど） | 約15% | 70-80% | $0.11 |
| 収益 |
$0.56 |
6.2 設備投資負担者は誰か？
設備投資負担はシフトしている。ハイパースケーラーが依然として大部分を負担するが、基盤モデル企業が独自のインフラを構築する割合が増加している——2023-2024年の純粋なレンタルモデルからの戦略的転換だ。
| プレイヤー | 設備投資エクスポージャー | 収益成長 | マージンプロファイル |
|---|---|---|---|
| NVIDIA | 最小（収益の3%） | 設備投資支出の派生物 | GAAP GM 71%（モデル63%）、資本軽量 |
| ハイパースケーラー | 大（AI設備投資の大部分） | 中程度（クラウド利用料） | GM 40-62%、資本集約的 |
| Anthropic/OpenAI | 増加中（ハイブリッド：自社＋クラウド） | 非常に高い | GM 33-50%、改善中 |
| Cursor/Harveyなど | なし（APIレンタル） | 非常に高い | GM 70-80%、資本軽量 |
Anthropic：計画済みの約$50Bインフラパートナーシップ（Fluidstack、2025年；Reuters）+ AWS Rainier（Trainium2チップ50万-100万個）+ Google Cloud TPU + Azure契約$30B。OpenAI：$500B Stargateプロジェクト（SoftBank/Oracle/MGX、
このシフトには2つの含意がある：(1)基盤モデル企業は、以前ハイパースケーラーに外部化されていた設備投資リスクを引き受けている、(2)スタックの多くを所有するにつれて、粗利率は減価償却により圧迫される。アプリケーション層は完全に資本軽量のまま——バリューチェーンにおける最良のリスク調整済みポジションだ。
6.3 ネオクラウドの設備投資——見えないレイヤー
Part VIIのROIC分析はハイパースケーラーのみの設備投資（Google、Microsoft、Meta、Amazon——監査済み10-K開示がある企業）を使用する。業界全体のAI設備投資にはネオクラウド（CoreWeave、Oracle AI、Lambda、Nebius、Crusoeなど）からの追加約8-10%が含まれるが、ネオクラウドの財務状況は大部分が非公開で監査不能なため、ハイパースケーラーのROICの分母から除外される。
推定ネオクラウドAI設備投資
| 年 | 「その他」総設備投資（セクション1.2） | 推定AI比率 | ネオクラウドAI設備投資 |
|---|---|---|---|
| 2024 | 約 |
60% | 約$6B |
| 2025 | 約$30B | 70% | 約1B |
| 2026 | 約$45B | 75% | 約$34B |
| 2027 | 約$60B（推定） | 80% | 約$48B |
| 2028-2035 | 年間平均約$80-100B | 約80% | 約$500-650B |
| 2024-2035年累計 | 約$600-750B |
これはハイパースケーラーの累積AI設備投資（B×基本で$3,568B）の約15-20%に相当する——意味のある、追跡されていないレイヤーだ。
NVIDIAにとってなぜ重要か
ネオクラウドはNVIDIAへの依存度が不均衡に高い。ハイパースケーラーはNVIDIA GPUを内部ワークロードで代替するカスタムシリコン（Google TPU、Amazon Trainium、Microsoft Maia、Meta MTIA）を開発している。ネオクラウドにはそのような代替手段がない——そのビジネスモデル全体がNVIDIA GPUのレンタルだ。
| 顧客セグメント | 総AI設備投資に占めるシェア | 総設備投資に占めるNVIDIA収益比率¹ | NVIDIA収益 |
|---|---|---|---|
| ハイパースケーラー | 約85% | 平均約21%（28%→18%に低下） | 累計約$750B |
| ネオクラウド | 約15% | 約40-45%（カスタムシリコンなし） | 累計約70-300B |
| 合計 | 100% | 混合約24% | 累計約 |
¹ 総AI設備投資に対するNVIDIA収益の比率——これにはデータセンター建設、電力インフラ、ネットワーキング、メモリ、ストレージ、CPU、カスタムシリコンが含まれ、GPU/アクセラレータの購入だけではない。GPU/アクセラレータのみの支出に対するNVIDIAのシェアは大幅に高い（ハイパースケーラーで約50-70%、ネオクラウドで約90%以上）が、ROIC分析にはすべての設備投資を回収する必要があるため、総設備投資の分母が適切な指標である。
ネオクラウドは総設備投資の約15%を提供するが、NVIDIAの累積収益の約26-29%を占める。この不均衡は、ハイパースケーラーのNVIDIAシェアが低下する（カスタムシリコンの採用）一方、ネオクラウドのNVIDIAシェアが高止まりするにつれて拡大する。
含意：NVIDIAのシェア低下モデル（セクション7.4）は主にハイパースケーラーのカスタムシリコンによって駆動される。ネオクラウドセグメントはフロアとして機能する——NVIDIAから容易に離脱できない顧客基盤だ。ネオクラウドがハイパースケーラーより速く成長する場合（現在の軌道がそうだ：CoreWeaveが年率300%超で成長）、NVIDIAの混合シェア低下はモデルの想定より遅くなる可能性がある。
範囲に関する注記：セクション7.4のNVIDIA FCF分析は、NVIDIAがすべてのインフラ購入者に販売するため、業界全体のAI設備投資（ネオクラウドを含む）を使用する。ハイパースケーラーのROIC分析（セクション5.1、7.1-7.3）のみがハイパースケーラーのみの設備投資分母を使用する。
Part VII: ROI予測
7.1 ハイパースケーラーAI ROI——3×3マトリクス
前提条件：AI収益の55%をハイパースケーラーが取得。粗利率：40%（2025年）→ 62%（2030年）→ 73%（2035年）、すべての組み合わせで固定（現在の競争環境を維持）。すべての収益は実績値（ARRではない）。設備投資は3×3フレームワークに基づく（2027年まではコミット済み、2028年以降は収益 × 集約度）。
粗利率が固定のため、ハイパースケーラーの粗利益は収益のみに依存する：
収益シナリオ別年間ハイパースケーラーGP（$B）
| 年 | シナリオA | シナリオB | シナリオC | マージン |
|---|---|---|---|---|
| 2025 | 40% | |||
| 2026 | $31B | 4B | 2B | 43% |
| 2027 | $61B | $40B | $30B | 47% |
| 2028 | $67B | $41B | 52% | |
| 2029 | $51B | 57% | ||
| 2030 | 12B | $61B | 62% | |
| 2031 | 57B | $67B | 64% | |
| 2032 | $302B | 13B | $73B | 67% |
| 2033 | $350B | 42B | $80B | 70% |
| 2034 | $390B | 95B | $84B | 72% |
| 2035 | $419B | 85B | $87B | 73% |
| 累計 | ,291B | $610B |
B×基本——中心ケース（詳細）
| 年 | AI収益 | ハイパースケーラーGP | AI設備投資 | 減価償却 | GP − 減価償却 | GP − 設備投資 |
|---|---|---|---|---|---|---|
| 2025 | $63B | 43B | $76B | −$62B | −29B | |
| 2026 | 4B | $488B | − |
−$464B | ||
| 2027 | $40B | $545B | 79B | −39B | −$505B | |
| 2028 | 35B | $67B | $382B† | $359B | −92B | −$315B |
| 2029 | $330B | 67B† | $385B | −81B | − |
|
| 2030 | $440B | 20B | $380B | −30B | −$70B | |
| 2031 | $526B | 37B | $330B | − |
−$52B | |
| 2032 | $578B | 13B | 43B | 70B | −$57B | −$30B |
| 2033 | $629B | 42B | 52B | 44B | −B | − |
| 2034 | $672B | 95B | 69B | 44B | +2B | −$3B |
| 2035 | $710B | 85B | 84B | 57B | +8B | + |
† 移行フロア発動（セクション3.3参照）。純粋な集約度数式を上回る
- 減価償却の損益分岐点：約2034年
- 2035年時点の累積GP − 設備投資：−
,978B
A×低——ハイパースケーラーにとっての最良ケース（詳細）
| 年 | AI収益 | ハイパースケーラーGP | AI設備投資 | 減価償却 | GP − 減価償却 | GP − 設備投資 |
|---|---|---|---|---|---|---|
| 2025 | $63B | 43B | $76B | −$62B | −29B | |
| 2026 | $31B | $488B | − |
−$457B | ||
| 2027 | 36B | $61B | $545B | 79B | −18B | −$484B |
| 2028 | $358B | $382B† | $359B | −57B | −80B | |
| 2029 | $488B | 67B† | $385B | −32B | − |
|
| 2030 | $622B | 12B | 18B | $380B | − |
−$6B |
| 2031 | $730B | 57B | 19B | $326B | −$69B | +$38B |
| 2032 | $819B | $302B | 29B | 63B | +$39B | +$73B |
| 2033 | $909B | $350B | 27B | 33B | + |
+ |
| 2034 | $985B | $390B | 46B | 28B | + |
+ |
| 2035 | $419B | 61B | 37B | + |
+ |
† 移行フロア発動。純粋な集約度数式を上回る
- 減価償却の損益分岐点：約2032年
- 2031年以降、年間GPが年間設備投資を上回る
- 2035年時点の累積GP − 設備投資：−
,172B
3×3サマリー：2035年時点の累積GP − 設備投資（$B）
| 高集約度 | 基本集約度 | 低集約度 | |
|---|---|---|---|
| シナリオA | −$3,278B | −,007B | − |
| シナリオB | −,719B | − |
− |
| シナリオC | −,211B | −,118B | −,034B |
すべてのセルがマイナスである。最良の組み合わせ（A×低）でさえ、2035年時点で1.1兆ドルを超える累積赤字を示す。最悪（A×高）は−$3.3兆ドルだ。移行フロアがシナリオCを特に苦しくする：3つの集約度パスすべてが−.0-2.2兆ドル近くの赤字を生み出す。低い収益が正当化する以上の支出をフロアが強制するためだ。バストにおいては、集約度パスはほとんど問題にならない——契約の慣性が支配する。
注：減価償却の損益分岐と設備投資の回収は異なるものを測定する。減価償却の損益分岐はP&Lの指標——AIが報告利益の足を引っ張らなくなるのはいつか？設備投資の回収はキャッシュフローの指標——年間粗利益が年間キャッシュ支出を上回るのはいつか？ハイパースケーラーは、投下した現金を回収する前に「黒字」のAIセグメント（減価償却を上回る）を報告するようになる。
7.2 基盤インフラ総合リターン——3×3マトリクス
方法論的注記：本レポート全体で使用されるリターン指標は、年間ハイパースケーラー粗利益 / 累積AI設備投資——基盤インフラに対する総合リターン指標である。これは機関投資家の定義におけるROICではない（MauboussinはROICをNOPAT ÷ 投下資本と定義し、運転資本を含み、税金と営業費用を控除する）。本レポートでNOPATではなく粗利益を使用するのは、いかなるハイパースケーラーもAI固有の営業費用を個別に開示していないためである——Google CloudとAWSはセグメント営業利益を報告しているが、AI基盤インフラ部分を一般的なクラウド事業から分離していない。粗利益指標は、営業費用（AIに配分されるR&D、販売費、管理費）を除外するため真のリターンを過大評価する一方、設備投資以外のインフラ価値（既存のデータセンター建物、電力契約、土地）を除外するため過小評価する。クロスチェックとして：以下のセグメント別営業利益クロスチェック表を参照。開示されている3セグメントの混合営業利益率は約35%。ハイパースケーラーAI粗利益数値にこの比率を適用すると、営業利益 ≈ GPの35/55（GP利益率約55%として）——つまり8.0%の「基盤インフラ総合リターン」は、営業レベルでは約5%のリターンに相当する。ただし、これらのセグメント利益率は全クラウド事業（AI・非AI）を含むため、AI固有の営業利益率はより低い可能性があり、実際の営業リターンは4-5%に近い可能性がある。
本レポートにおいて「ROIC」は、特に断りのない限り、この基盤インフラ総合リターン指標を指す。
セグメント営業利益のクロスチェック（2025年実績）：
| セグメント | 売上高 | 営業利益率 | 営業利益 |
|---|---|---|---|
| Google Cloud | $58.7B | 23.7% | |
| AWS | 35.4% | $45.6B | |
| Microsoft Intelligent Cloud | 42.0% | $44.6B | |
| Meta AIインフラ | — | 個別報告なし | — |
これらは全クラウド事業（AI + 非AI）をカバーしており、AI固有の営業コストを個別に開示しているハイパースケーラーはない。
基盤インフラ総合リターン = 年間ハイパースケーラーGP / 累積AI設備投資（2024年以降）。
2030年時点のROIC
| 高集約度 | 基本集約度 | 低集約度 | |
|---|---|---|---|
| シナリオA | 6.8% | 8.7% | 9.3% |
| シナリオB | 5.8% | 6.6% | 6.7% |
| シナリオC | 2.7% | 2.7% | 2.7% |
2035年時点のROIC
| 高集約度 | 基本集約度 | 低集約度 | |
|---|---|---|---|
| シナリオA | 7.5% | 9.7% | 12.1% |
| シナリオB | 6.6% | 8.0% | 9.3% |
| シナリオC | 3.1% | 3.2% | 3.3% |
A×低のみが2035年までに許容可能なROIC（10%超）に達し、12.1%を示す。B×低は移行フロアなしでは10%を超えていたが、現在は9.3%にとどまる。移行メカニズムがシナリオC内のROIC差異を圧縮する——3つの集約度パスすべてがほぼ同一の2030年ROIC（2.7%）を生み出す。意図した効率性にかかわらず、フロアが同じ累積設備投資を強制するためだ。これが設備投資の罠の定量的表現だ：バストにおいて、資本規律は不可能だ。
7.3 損益分岐タイムライン——3×3マトリクス
減価償却の損益分岐（GP ≧ 減価償却となる年）
| 高集約度 | 基本集約度 | 低集約度 | |
|---|---|---|---|
| シナリオA | >2035 | 約2033 | 約2032 |
| シナリオB | >2035 | 約2034 | 約2033 |
| シナリオC | >2035 | >2035 | 約2035 |
設備投資回収（年間GP ≧ 年間設備投資となる年）
| 高集約度 | 基本集約度 | 低集約度 | |
|---|---|---|---|
| シナリオA | >2035 | 約2035 | 約2031 |
| シナリオB | >2035 | 約2035 | 約2031 |
| シナリオC | >2035 | 約2035 | 約2033 |
これらのマトリクスは2つのパターンを明らかにする。第一に、両方の指標で集約度が依然として支配的——高集約度は収益にかかわらず損益分岐に達しない。第二に、移行フロアが純粋な数式モデルでは見逃されていた収益-集約度の相互作用を導入する：シナリオCでは、低集約度でさえ約2035年まで減価償却の損益分岐に達しない。フロアが需要をはるかに上回る支出を何年間も強制するためだ。設備投資回収の低集約度列は、一律約2031年だったが、現在C×低は約2033年を示す——設備投資の罠が、収益が弱い場合に回収を2年遅延させる。
7.4 NVIDIAリターン——3×3マトリクス（市場シェア低下モデル）
NVIDIAの収益は、ハイパースケーラー総設備投資 × NVIDIAの市場シェアの派生物である。3×3フレームワークでは、総設備投資 = AI設備投資 / AI比率（セクション3.1）。シェア低下モデル（下記の根拠参照）により、NVIDIAのリターンは集約度次元に決定的に依存する——ただし、ハイパースケーラーとは逆方向 に。
NVIDIAシェア低下の根拠
3つの構造的な力がNVIDIAの支配力を侵食する：
カスタムシリコン：Google TPU（v5e/v6、Geminiのトレーニングと推論に使用）、Amazon Trainium/Inferentia（Trainium2は2025年出荷、数十億ドル規模のランレート）、Microsoft Maia（カスタムAIアクセラレータ、Azureに展開）、Meta MTIA（レコメンデーション/ランキング向け推論チップ）。各チップが内部ワークロードでNVIDIA GPUを代替する。
AMDのシェア獲得：MI300Xは推論において価格性能比で競争力がある。データセンターGPU収益は前年同期比100%超で成長。2026年までに
0-15Bを予測。 推論優位のワークロード構成：トレーニングには最先端のGPU（NVIDIAの優位性）が必要。推論はコスト重視でカスタム/代替ハードウェアに対応可能。推論がコンピュート支出の70-80%を占めるようになると、より安価な代替品が有利になる。
NVIDIAシェアの予測：30%（2024年）→ 28%（2025年）→ 27%（2026年）→ 26%（2027年）→ 24%（2028年）→ 23%（2029年）→ 22%（2030年）→ 18%（2035年）。Intelのサーバー向けCPUシェア喪失の歴史的先例（AMDが競争力を獲得後、年率約4.5ポイントの相対的低下）に準拠し、ネオクラウド（NVIDIA依存率約90%）とトレーニングワークロードのロックインによる構造的下限を反映。
前提条件：NVIDIA粗利率63%（保守的、FY2026報告のGAAP 71%に対して；AMD/カスタムシリコンからの競争圧力とプロダクトミックスのシフト可能性を反映した割引）。自社設備投資は収益の3%。FCF = 収益 × 55%。
3×3 NVIDIA累積FCF 2025-2035年（$B）
| 高集約度 | 基本集約度 | 低集約度 | |
|---|---|---|---|
| シナリオA | $871B | $676B | $556B |
| シナリオB | $682B | $570B | $500B |
| シナリオC | $464B | $452B | $440B |
3×3 NVIDIA年率リターン（時価総額$4.45T時）
| 高集約度 | 基本集約度 | 低集約度 | 米国債 | |
|---|---|---|---|---|
| シナリオA | 1.8%/年 | 1.4%/年 | 1.1%/年 | 4.3%/年 |
| シナリオB | 1.4%/年 | 1.2%/年 | 1.0%/年 | 4.3%/年 |
| シナリオC | 0.9%/年 | 0.9%/年 | 0.9%/年 | 4.3%/年 |
移行フロアはNVIDIAにとってわずかに有利 に働く：縮小期間中の強制的な支出継続がGPU購入の増加を意味する。シナリオCのFCFは$440-464Bの狭い範囲に圧縮される。集約度ではなくフロアが支出を駆動するためだ。NVIDIAは設備投資の罠から恩恵を受ける。
確率加重期待リターン ：収益シナリオの確率（A：42.5%、B：37.5%、C：20%）と集約度パスの確率（高：20%、基本：50%、低：30%）を使用：
期待累積FCF ≈ $593B → 時価総額$4.45Tで年率1.2% 対 リスクフリーレート4.3%。
NVIDIAとハイパースケーラーのパラドックス
集約度次元がNVIDIAとハイパースケーラーに正反対の影響を与える：
| 組み合わせ | ハイパースケーラーROIC（2035年） | NVIDIAリターン |
|---|---|---|
| A×高 | 7.5%（シナリオA内でハイパースケーラーにとって最悪） | 1.8%/年（NVIDIAにとって最良） |
| A×低 | 12.1%（ハイパースケーラーにとって最良） | 1.1%/年（シナリオA内でNVIDIAにとって最悪） |
NVIDIAは高い 集約度から恩恵を受ける——ハイパースケーラーがGPUに積極的に支出すること。ハイパースケーラーは低い 集約度から恩恵を受ける——より少ない設備投資で同じ収益。クラウドAIをより収益性高くする効率化の1ドルは、NVIDIAが回収できない1ドルだ。これは調整問題ではなく、バリューチェーンの構造的特徴である。
感応度：シェア低下ペース（B×基本の設備投資）
| シェア推移 | 累積FCF（2025-2035年） | 時価総額$4.45Tでのリターン |
|---|---|---|
| 固定28%（楽観的） | $692B | 1.4%/年 |
| 漸進的28% → 18%（基本） | $570B | 1.2%/年 |
| 急速28% → 8%（積極的） | $378B | 0.8%/年 |
| 米国債（リスクフリー） | — | 4.3%/年 |
3×3マトリクスのすべてのセルとすべてのシェア推移において、時価総額$4.45TのNVIDIAはリスクフリーレートを下回るリターンを提供する。移行フロアはNVIDIAのリターンをわずかに改善する（縮小期間中のGPU購入増加）が、結論を変えるには至らない。
7.5 AIソフトウェア層のリターン
Anthropic（評価額$380B、収益の20倍）
- シナリオA実績収益パス：4B（2026年）→ $85B（2028年）→ ~
38B（2030年） - 粗利率：45% → 65%
- 2030年粗利益：約$90B
- GP 25倍（成熟テック企業の倍率）で：評価額約,240B
- $380Bからの上昇：490%合計 / 年率約56%（希薄化前）
- 希薄化後推定：年率25-35%
- 2028年までにキャッシュフロー黒字化を目指す（当初2027年目標から延期；推論コスト上昇のため；必要な希薄化が少ない）
OpenAI（評価額$840B、収益の42倍）
- シナリオA実績収益パス：$32B（2026年）→ $88B（2028年）→ ~
32B（2030年） - 粗利率：33% → 55%
- 2030年粗利益：約$73B
- GP 25倍で：評価額約
,815B - $840Bからの上昇：116%合計 / 年率約21%（希薄化前）
- 希薄化後推定：年率3-6%（累積損失
15Bが大規模な資金調達を必要とする）
7.6 取得原価別リターン（限界価格の問題）
時価総額は投下資本ではない。限界価格（最終取引価格）に発行済株式数を乗じたものだ。確率加重のNVIDIA FCF約$593B（3×3シェア低下モデル）を使用：
| 保有者コホート | 推定平均取得原価 | 11年FCFリターン | 既に保有する含み益 |
|---|---|---|---|
| インデックスファンド / 長期保有者 | 約 |
5.4%/年 | 4-15倍 |
| 2023-2024年の購入者 | 約T | 2.7%/年 | 1.8-4.5倍 |
| 2025-2026年の購入者 | 約$3.5T | 1.5%/年 | 1-1.8倍 |
| 今日の限界的な買い手 | $4.45T | 1.2%/年 | — |
これは「割高」な株がなぜ割高であり続けるかを説明する：既存保有者は含み益に固定されており、売却の急迫がない。限界的な買い手が価格を設定するが、保有者全体のごく一部に過ぎない。
7.7 NVIDIAの株価が意味するもの——リバースDCF
3×3分析では、NVIDIAは$4.45Tで0.9-1.8%/年のリターンを示す。しかし、NVIDIAの現在の企業価値（純現金約$51Bを差し引いた約$4.40T）が適正と評価されるためには、何を達成する必要があるのか？これは問いを反転させる：モデルの出力からリターンを計算するのではなく、暗示されるインプットを解く。
NVIDIA FY2026ベースライン（2026年1月期）：
- 売上高：15.9B。データセンター：
93.7B（全体の90%）。 - FCF：$96.6B（FCFマージン44.7%）。$4.40T EVでのFCFイールド：2.2%。
- GAAP粗利益率：71.1%。営業利益率：60.4%。
- コンセンサスFY2027売上高：$360.7B（前年比+67%）。FY2028：$467.7B（+30%）。
リバースDCF前提：割引率10%、ターミナル成長率3%、ターミナルFCFマージン40%（現在の44.7%を下回る——競争による利益率圧縮を想定）、10年間の明示的予測、ゴードン成長モデルによるターミナルバリュー。
$4.40T EVを正当化するために必要な暗示的売上高パス：
| 売上高CAGR（10年） | 暗示される2036年売上高 | 暗示されるEV | vs $4.40T |
|---|---|---|---|
| 15% | $873B | $3,148B | 72%——不十分 |
| 20% | $4,535B | 約103%——損益分岐 | |
| 25% | ,011B | $6,503B | 148%——十分以上 |
10年間20% CAGRで40% FCFマージンの場合、NVIDIAのEVはほぼ正当化される。これが現在の株価に暗示される成長率である。
核心的問い：アナリストコンセンサス vs 3×3モデル
ウォール街のコンセンサス（アナリスト69名）はFY2027売上高$360.7B（+67%）、FY2028で$467.7B（+30%）を予測し、5年間の売上高CAGRは約26%。これらの成長率を前半に集中させ、10年目に約13-15%まで減速させると、FY2036で約
3×3モデルは逆の結論に達する。カスタムシリコン（Google TPU、Amazon Trainium、Microsoft Maia）とAMDの競争がGPU支配を侵食するため、ハイパースケーラー設備投資に占めるNVIDIAのシェアが10年間で28%から18%に低下すると予測するからである。このシェア侵食により、NVIDIAの売上高はAIインフラ市場自体よりもはるかにゆっくり成長する——モデルの確率加重累積FCFは11年間で約$593Bとなり、平均年間FCFは約$54Bで、NVIDIAの現在の 年間FCF（$96.6B）の半分以下である。
意見の相違は完全にシェア侵食 に関するものである：
| 前提 | 暗示されるNVIDIA価値 | $4.45Tでの年間リターン |
|---|---|---|
| コンセンサス（侵食なし、約35% CAGR） | $5-6T+ | 5-8%/年 |
| 中程度の侵食（28% → 20%シェア） | .5-3.5T | 1.2-2.1%/年 |
| 3×3モデルの侵食（28% → 18%シェア） | 0.9-1.8%/年 | |
| 積極的侵食（28% → 8%） | $0.7-1.0T | 0.6-0.8%/年 |
市場は有意なシェア侵食を織り込んでいない。3×3モデルは大幅な侵食を織り込んでいる。どちらも弁護可能である——NVIDIAのCUDAエコシステムとアーキテクチャ上のリードは真の優位性だが、すべてのハイパースケーラーがカスタムシリコン代替品に数十億ドルを投資している。$4.45TでNVIDIAに賭けることは、主にAI成長への賭けではない。NVIDIAが歴史的に前例のない規模で10年間にわたり競争力を維持するという賭けである。
歴史的文脈 ：Intel——コンピューティングパラダイムを支配した最後の企業——は時価総額のピークが約50B（2000年）、年間FCFのピークが
7.8 株主リターン vs. インフラリターン——タイミングの問題
セクション7.2のROIC数値は、AIインフラ投資が投下資本に対して十分なリターンを得ているかどうかを測定する。しかしROICは時点比率（2035年GP ÷ 累積設備投資）であり、キャッシュフローがいつ 発生するかを考慮していない。これらの投資を行う企業——およびその株主——にとって、タイミングは重要だ。
AI設備投資サイクルは構造的にフロントローディングされている：最大の資本支出（2026年$488B、2027年$545B）は、収益ベースが十分な粗利益を生み出せるようになる数年前に到来する。これがROICでは捉えられない資金の時間価値の問題 を生み出す。
ハイパースケーラーAIキャッシュフローのNPV（2035年まで、資本コスト10%、$B）
| 高集約度 | 基本集約度 | 低集約度 | |
|---|---|---|---|
| シナリオA | −,188B | − |
− |
| シナリオB | − |
− |
− |
| シナリオC | − |
− |
− |
すべてのセルがマイナスだ。A×低でさえ——2035年のROICが10%を超える唯一のシナリオ——予測期間を通じたNPVは−
比較のために、2035年ROIC 8.0%を示す同じB×基本シナリオのNPVは−
ターミナルバリューは重要——ただし低集約度に限る
2035年までのNPVは2035年以降のキャッシュフローを含んでいない。AIビジネスが減価償却済みインフラ上で強いリターンを生み出す場合、これらは相当な額になりうる。しかしターミナルバリューの大きさは定常状態のネットマージン——成熟期の年間GPと年間設備投資の差——に決定的に依存する：
| 集約度パス | GP/収益 | 設備投資/収益 | ネットマージン | ターミナルバリューへの影響 |
|---|---|---|---|---|
| 高（0.5x） | 40.15% | 50% | −9.85% | 永続的キャッシュバーン；マイナスのターミナル |
| 基本（0.4x） | 40.15% | 40% | +0.15% | ほぼゼロのターミナル（PV約 |
| 低（0.25x） | 40.15% | 25% | +15.15% | 大きなプラスのターミナル（PV約$800-1,500B） |
基本集約度では、ハイパースケーラーのGPは継続的な設備投資とほぼ等しい——AIビジネスは定常状態でほぼゼロのネットキャッシュフローを生み出す。これはモデルの欠陥ではなく、AIインフラが収益に比例した継続的な再投資（GPUリフレッシュサイクル、データセンター拡張、電力インフラ）を必要とするという構造的現実を反映している。規模拡大とともにマージンが拡大するソフトウェアビジネスとは異なり、インフラビジネスは提供するサービスに比例した継続的な資本を必要とする。
テクノロジーの進歩——各ハードウェア世代（Blackwell、Rubin）がトークンあたりのコストを劇的に引き下げること——はモデルにおいて主に集約度次元を通じて反映され、マージン次元ではない。2035年の73%の粗利益率は、現在の40%からの大幅な効率改善をすでに織り込んでいる。未解決の問いは、さらなるハードウェアおよびアルゴリズムの改善が 設備投資の低下（低集約度パス、インフラ1ドルあたりの収益増加）に繋がるのか、それとも同じ支出でより多くのキャパシティ（基本/高、ハイパースケーラーが節約分をさらなるGPUに再投資）に繋がるのかということだ。セクション5.3でこの緊張関係を詳述している：トークンあたりの推論コストは年間5-10倍低下するが、タスクあたりのトークン消費は上昇（ジェヴォンズのパラドックス）し、競争環境がハイパースケーラーに効率を収穫するのではなく再投資を促す。集約度パス——マージンの仮定ではなく——が定常状態のキャッシュ生成の決定的変数だ。粗利益率を85%（いかなる既存クラウドビジネスをも大幅に上回る）に引き上げても、基本集約度ではネットマージンが6.6pp増加するにすぎない。基本から低集約度への移行は15pp増加させる。
低集約度パスのみが、累積赤字を有意義に相殺するのに十分なターミナルバリューを生み出す。ターミナルバリューを含めると：
| シナリオ | NPV（2024-2035年） | ターミナルバリュー（PV） | 合計NPV |
|---|---|---|---|
| B×基本（中心ケース） | − |
~ |
− |
| A×基本 | − |
~$400B | − |
| A×低（最良） | − |
~ |
+$324B |
¹ B×基本のターミナルバリューは、定常状態ネットマージンが収益の0.15%であるためほぼゼロ。 ² A×低のターミナルバリューは、マージンが約80%に到達し、2035年以降も集約度が0.25xを維持すると仮定——最も楽観的な持続可能な構成。
A×低のみが正の合計NPVを生み出す——そして収益と効率の両次元で最良のケースに加え、2035年以降の継続的なマージン改善を必要とする。
株主にとっての意味
これはインフラリターンと株主リターンの間にギャップを生み出す。プロジェクトは魅力的な会計上のROICを示しながら、投資を行った投資家にとっての現在価値を破壊しうる。メカニズムは単純だ：$3.6兆の累積設備投資（B×基本）のうち
ハイパースケーラーの評価額に現在織り込まれているAIプレミアムと比較すると、このギャップはより具体的になる：
| 企業 | 時価総額 | 推定非AI価値¹ | 暗示されるAIプレミアム |
|---|---|---|---|
| ~.3T | ~ |
~$600B | |
| Microsoft | ~$3.1T | ~ |
~ |
| Amazon | ~.2T | ~ |
~$800B |
| Meta | ~ |
~ |
~$300B |
| 合計 | ~$9.4T | ~$6.4T | ~$3.0T |
¹ 概算：推定非AIフリーキャッシュフローの25倍。
市場はビッグ4ハイパースケーラーに約$3兆のAI価値を織り込んでいる。モデルのAIキャッシュフローNPVは−
- A×低の結果（収益と効率の両方で最良ケース）——それでも+$324Bしか生み出さず、暗示されるプレミアムの約10分の1
- 非AIビジネスへの大幅なAI主導の押し上げ——広告ターゲティングの改善、エンタープライズ生産性の向上、検索品質の改善——AIの収益モデルが捉える以上の追加GPを生み出す
- 集約度が0.25xを大幅に下回る水準への低下——AIインフラが歴史上のいかなるインフラ技術よりも劇的に安価になる
核心的な論点は、ハイパースケーラー株が過大評価されているということではない——市場はいかなる単一モデルの範囲を超える期待、リスク選好、情報を反映している。論点は構造的なものだ：たとえAIインフラ投資が合理的な資本リターン（2035年までにROIC 8-12%）を得たとしても、その投資を行う企業の株主が相応のリターンを得ることが自動的に保証されるわけではない。 フロントローディングされたコスト構造、基本集約度での定常状態ネットマージンのほぼゼロ、そして現在の評価額に織り込まれたAIプレミアムは、株主リターンが設備投資から収益へのモデル単独では提供できない結果に依存することを意味する。
7.9 二次的効果——モデルが捉えていないもの
3×3モデルはAIを独立したインフラ事業として扱う：設備投資を投入し、クラウド収益を得る。しかしハイパースケーラーにとって、AIは既存の非AI事業——広告、エンタープライズソフトウェア、Eコマース、検索——も改善しており、モデルの収益ラインには反映されない。これらの二次的効果は、モデルのNPV（B×ベースで−
広告——定量化可能なチャネル
MetaとGoogleは2025年に合計約$491Bの広告収入を得た（Meta約
| 効果 | 証拠 | 推定年間影響 |
|---|---|---|
| Meta GEMランキングモデル | Q4 2025決算：Facebook広告クリック3.5%向上、Instagram転換率>1%向上 | 増分広告収入約$7-10B¹ |
| Meta Advantage+自動化広告 | Q3 2025準備発言：$60B年間スループット；Metaビジネス資料：ROAS 22%改善 | スループット（増分ではない）² |
| Google Smart Bidding Exploration | Google Ads資料：参加キャンペーンの平均転換率19%増加 | 増分検索広告収入約$5-10B³ |
| 需要サイド（AI企業による広告購入） | 大型顧客獲得予算を持つVC出資スタートアップ | 約$5-15B（循環的、資金調達連動） |
¹ Metaの約
保守的な試算：AI主導のGoogle+Meta広告収入の5-10%向上 = 年間5-49Bの増分収益。限界営業利益率約60%（増分広告収入の限界コストはほぼゼロ）で、年間
2030-2035年までに、AI主導の広告改善が複利的に進展すれば（より良いモデル、より多くのデータ、より広い採用）、成長する基盤に対する10-15%の向上は年間$60-100Bの増分広告収入に達し、$35-60Bの営業利益を生む可能性がある。これは重要である：$35-60B/年を20倍のマルチプルで評価すると$700B-1,200Bの企業価値を支える——約$3T AIプレミアムの25-40%をカバーする可能性がある。
エンタープライズソフトウェア——実在するが定量化困難
- Microsoft Copilot：有料ユーザー470万人、$30/ユーザー/月 = ランレート約
.7B。浸透率はOfficeインストールベース4.5億の3.3%。2030年までに浸透率が15-20%に達した場合：年間収益約 4-32B。粗利益率約85%で0-27B GP——意味があるが$3T AIプレミアムに対しては控えめ。 - Google Workspace AI：類似の経済性、より小さいインストールベース。
- Amazon AWS AIサービス：モデルのAI収益ラインに既に含まれている（「一次的」クラウドレンタル効果）。
二重計上リスク：本モデルのAI収益シナリオ（第4節）は、ハイパースケーラーAI収益をCopilot、Geminiなどの自社AI製品を含む広義で定義している。CopilotやWorkspace AI収益がすでに収益シナリオに含まれている場合、ここで再度計上すると過大評価となる。広告リフトは明確な二次的効果（非AI収益ラインを通じて流れる）であるが、エンタープライズソフトウェアはそれほど明確ではない——すでに一次的AI収益として部分的に含まれている可能性がある。以下の要約テーブルでは、広告効果（明確に増分的）とエンタープライズソフトウェア（重複リスクあり）を分けて表示している。
その他のチャネル——定性的のみ- クラウドのスティッキネス：AIワークロードがスイッチングコストを生む（データグラビティ、特定インフラでのモデルトレーニング）。効果は実在するが、直接的な増分収益を生まない——解約率を低下させる。
- Eコマース：AmazonのAI搭載検索、レコメンデーション、サプライチェーン最適化。大規模では重要だが個別に測定されていない。
- 労働生産性：AIコーディングアシスタント、自動化オペレーション、R&D加速による内部効率向上。長期的にはオペックスを5-15%削減する可能性があるが、AI帰属の節約を開示しているハイパースケーラーはない。
- 検索品質：GoogleのAI OverviewsはChatGPT/Perplexityに対する検索市場シェアを防衛する可能性がある。増分利益ではなく防御的価値（収益損失の回避）。
AIプレミアムへの示唆
モデルはA×低（最良ケース）がAIインフラだけで+$324Bの総NPVを生むことを示している。約$3TのAIプレミアムは、市場がインフラリターンを超えるものを期待していることを意味する。二次的効果——主に広告とエンタープライズソフトウェア——が最も妥当な源泉である：
| 源泉 | 推定2035年年間利益 | 20倍マルチプルでのPV | $3Tプレミアムに占める割合 |
|---|---|---|---|
| AIインフラ（A×低、最良） | ターミナル約 |
+$324B NPV | 約11% |
| 広告向上（基盤の10-15%） | $35-60B OP | $700-1,200B | 23-40% |
| エンタープライズSW（Copilot等） | 0-30B GP | $400-600B | 13-20% |
| その他（検索防衛、生産性） | 未定量化 | — | — |
| 定量化可能な合計 | 33-50% |
寛大な二次的効果の推定でも、定量化可能な効果は暗示されるAIプレミアムの約半分から3分の2をカバーするに過ぎない。残りは、現在定性的にしか把握できない効果（労働生産性、検索防衛）や、モデルの最も楽観的なセルを超える結果に依存する。
これはハイパースケーラーが過大評価されているという議論ではない——何が実現される必要があるかの精算である。AIプレミアムが合理的であるためには：（1）インフラリターンがA×低水準に達し、かつ（2）広告とエンタープライズソフトウェアへの二次的効果が大規模に実現し、かつ（3）未定量化のチャネル（生産性、検索防衛）が有意に貢献する必要がある。3つすべてが妥当である。3つすべてが同時に可能性が高い かどうかが投資の問題である。
Part VIII: 予測のまとめ
3×3フレームワーク
リターンは2つの独立した次元に依存する：収益成長 （需要）と設備投資集約度 （効率性）。収益はAI市場がどれだけ大きくなるかを決定し、集約度は収益1ドルあたりにどれだけのインフラ支出が必要かを決定する。コミット済みの2024-2027年設備投資（
2035年までのハイパースケーラー累積AI設備投資 ：,644B（C×低）〜 $5,569B（A×高）。ハイパースケーラーのみ（ネオクラウドの設備投資約$600-750Bは除外；セクション6.3参照）。移行フロアが下限を圧縮する——契約の慣性がバストにおいても急速な設備投資削減を妨げる。
2035年までのハイパースケーラー累積GP ：$610B（C）〜 ,291B（A）
累積赤字（GP − 設備投資） ：すべてのセルがマイナス。最良：−
収益次元——現在の軌道
現在の軌道（2026年3月）はシナリオAに沿って推移している。Anthropicは年率換算収益ランレート
集約度次元——未解決の問題
集約度次元こそが真の不確実性の所在だ。現在のシグナルは混在している：
- 支出の加速 ：ハイパースケーラーは2026年の総設備投資を$675-715Bとガイダンスしており、2025年実績の$410Bから約75%の前年同期比増。これは高集約度 の行動だ——設備投資が収益をはるかに上回るペースで拡大している。
- 効率性改善 ：固定性能あたりのトークンあたり推論コストが年間5-10倍低下（セクション5.3の分解参照——アルゴリズム改善からは年間約3倍のみ、残りはハードウェアと競争的な価格設定）。カスタムシリコンの拡大（TPU v6、Trainium2、Maia）。これらは低集約度 の実現要因だが、ハイパースケーラーが節約分をより多くのキャパシティに再投資しているため（ジェヴォンズのパラドックス）、まだ支出の削減には反映されていない。
- AmazonがGPU耐用年数を短縮 ：6年から5年へ（2025年）。より速い陳腐化を示唆——高集約度 の要因。
- GPU稼働率が主要クラウドプロバイダーで80%超と報告 （ベンダー固有の主張；クロスプロバイダーの監査済みソースなし）。現在の支出を需要が正当化していることを示唆——基本または高のいずれとも整合。
観測された2025-2026年の集約度（シナリオAで約3.9倍から約3.7倍に低下）はコミット済みの設備投資スケジュールと整合する。真のテストは、支出がコミット済みから集約度ドリブンに移行する2028-2030年に到来する。ただし、移行フロアにより設備投資は年間30%超の低下ができないため、2028年においても各パスは2027年のコミット済み支出によって部分的に制約される。
囚人のジレンマ ：現在の行動は高集約度 パスと整合する——ハイパースケーラーとNVIDIAの両方にとって3×3マトリクスの最悪の列だ。競争環境がその理由を説明する：各ハイパースケーラーはAI能力で遅れを取ることを避けるため、合理的に設備投資を増加させる。MicrosoftがGPUキャパシティを増強しGoogleがしなければ、GoogleはクラウドAI顧客を失うリスクがある。MetaがAmazonより投資すれば、AmazonはAI製品の品質で遅れるリスクがある。個別に合理的な判断（より多く支出する）が集合的に非合理的な結果（誰も十分なリターンを得られない業界全体の高集約度）を生み出す。
これは典型的な囚人のジレンマだ。低集約度——ハイパースケーラーのROICが許容可能な水準に達するパス——には、以下のいずれかが必要：
- 協調 ：ハイパースケーラーが効率性改善を再投資するのではなく収穫することに集団的に合意する。独占禁止法の制約と競争上のインセンティブを考えると、ありそうにない。
- 需要ショック ：2001年の光ファイバーバブル崩壊のように、景気後退や「AI冬」が設備投資削減を強制する。削減は戦略的ではなく、非自発的となる。
- 有機的な需要吸収 ：AI収益が十分速く成長し、設置済みベースが需要を満たす——ハイパースケーラーが既存キャパシティで需要を満たせるため、設備投資の減速を選択する 。これがシナリオAの期待だが、A×高でさえ損益分岐に達しない。
光ファイバーの前例は示唆に富む。1997-2001年、通信企業は取り残されることを恐れ、集団的に約2兆ドルのファイバーキャパシティに投資した。崩壊が合理化を強制した——倒産、二束三文での資産売却、そして最終的に生存企業が過剰建設されたインフラ上で黒字経営を行った。AIにとっての核心的問いは：需要は十分速く顕在化してハイパースケーラーが減速を選択できる のか（パス3）、それともサイクルはバストで終わり強制されるのか（パス2）？
重要な示唆：集約度が損益分岐を支配する
3×3分析から得られる最も重要な発見：AI設備投資が採算を取れるかどうかを決定するのは、収益よりも集約度が重要 である。
| 指標 | 収益次元のインパクト | 集約度次元のインパクト | 移行フロアのインパクト |
|---|---|---|---|
| 減価償却の損益分岐 | 中程度（低集約度内で2032-2035年） | 決定的（2032年対 達成不能） | C×低を3年遅延 |
| 設備投資回収 | 中程度（低集約度内で2031-2033年） | 決定的（2031年対 達成不能） | C×低を2年遅延 |
| 2035年時点のROIC | 大きい（3-12%） | 各行内で大きい | C行を3.1-3.3%に圧縮 |
| 累積赤字 | 中程度 | 支配的 | C行を−.0-2.2Tに圧縮 |
低集約度で強い収益（A×低）は約2031年までに設備投資回収を達成する。高集約度は収益にかかわらず損益分岐に達しない。しかし移行フロアが第3の次元を加える：バストにおいては、契約の慣性が集約度パスをほぼ無意味にする——ハイパースケーラーは意図した効率性にかかわらず支出に縛られる。
NVIDIAとハイパースケーラーのパラドックス
NVIDIAとハイパースケーラーは集約度次元の反対側に位置する：
- NVIDIAの最良の結果 （A×高：年率1.8%）はシナリオA内でハイパースケーラーの最悪 （ROIC 7.5%）
- ハイパースケーラーの最良の結果 （A×低：ROIC 12.1%）はNVIDIA に年率1.1%しか与えない
時価総額$4.45Tで、NVIDIAは9つのセルすべてにおいて年率0.9-1.8%のリターン——リスクフリーレート4.3%をすべての組み合わせで下回る。確率加重期待リターン：年率1.2%。移行フロアはリターンの幅をわずかに縮小する（下限が0.6%から0.8%に上昇）。不利なシナリオでも強制的な支出継続がGPU購入の増加を意味するためだ。
ハイパースケーラーのリターン——全体像
基盤インフラ総合リターン （セクション7.2の方法論を参照——これはGP/累積設備投資であり、NOPATベースのROICではない。営業レベルのリターンは約35-40%低く、B×Baseで営業リターン約4-5%に相当する）：3×3マトリクスで2035年までに許容可能な基盤インフラ総合リターン（>10%）に達するセルは1つのみ：A×低の12.1%。中心ケース（B×基本）は8.0%に達する——営業費用控除前でもほとんどのハイパースケーラーの資本コストを下回る。高集約度は収益にかかわらず7.5%を超えない。シナリオCは移行フロアにより全集約度パスで3.1-3.3%に固定される——意図した効率性にかかわらず同じ累積設備投資を強制されるためだ。
| 高 | 基本 | 低 | |
|---|---|---|---|
| A | 7.5% | 9.7% | 12.1% |
| B | 6.6% | 8.0% | 9.3% |
| C | 3.1% | 3.2% | 3.3% |
3×3マトリクスでA×低のみが許容可能なリターン（>10%）に達する：12.1%。B×基本は8.0%——営業費用控除前でもほとんどのハイパースケーラーの資本コストを下回る。シナリオCは移行フロアにより全集約度パスで3.1-3.3%に固定される。資本コスト10%では、3×3マトリクスのすべてのセルが2035年までマイナスのNPVを示す——A×低のみがターミナルバリュー後に転じる（+$324B）。ビッグ4ハイパースケーラーの合計時価総額に織り込まれた約$3兆のAIプレミアムは、インフラリターンだけでは正当化できない（二次効果についてはセクション7.9を参照）。詳細はセクション7.2-7.3（ROIC、損益分岐）およびセクション7.8（NPV、定常状態の経済学）を参照。
注視すべき指標——先行指標
収益次元
| 指標 | シナリオAのシグナル | シナリオCのシグナル |
|---|---|---|
| Anthropicの$30-40B時点（2026年後半）での成長率 | 80%超を維持 | 40%未満に低下 |
| エンタープライズAI「大規模本番稼働」 | 2027年までに35%超に上昇 | 25%未満にとどまる |
| OpenAI/Anthropicの粗利率 | 60%超に向けて改善 | 40%未満にとどまる |
| AI SaaS価格動向 | 安定または上昇 | ゼロへの競争 |
集約度次元
| 指標 | 低集約度のシグナル | 高集約度のシグナル |
|---|---|---|
| ハイパースケーラーの設備投資ガイダンス（2027年以降） | 横ばいまたは減少 | 継続的な加速 |
| 推論におけるカスタムシリコンのシェア | 2028年までに30%超 | 2028年までに15%未満 |
| GPU稼働率 | 85%超（効率的な利用） | 70%未満（過剰建設） |
| 設備投資に占めるNVIDIAのシェア | 22%未満に低下 | 25%超を維持 |
| タスク あたりの推論コスト（トークンあたりではなく） | 年間3倍超の低下（真の効率化） | 横ばいまたは上昇（ジェヴォンズのパラドックス） |
| ハイパースケーラーのAI収益/設備投資比率 | 年間0.3倍超の改善 | 横ばいまたは悪化 |