AI相場の本当の後半戦

AI相場の本当の後半戦

供給制約プレミアムからクラウド収益化、そしてフィジカルAIへ

AI相場をめぐる議論では、しばしば「現在の巨大な設備投資を回収できるほど、利用者はAIにお金を払うのか」という疑問が提示される。

たしかに、AI企業が利用者から直接徴収するサブスクリプション料金だけを考えれば、現在のAIデータセンター投資は過大に見える。

個人が年間1,000ドル、企業が年間1,000万ドルを支払う世界を短期間で実現しなければならない、といった試算も出てくる。

しかし、この見方には一つ大きな問題がある。

AIの収益化は、利用者が「AI使用料」と書かれた請求書を受け取る形だけでは進まない。

AIはクラウド、業務ソフト、広告、EC、金融、通信、製造、物流、自動車、ロボットへ組み込まれる。その利用料金は、既存サービスのサブスクリプション、従量課金、取引手数料、通信料金、広告費、製品価格の中へ埋め込まれていく。

重要なのは、AIが使われるかどうかではない。

膨張する計算需要を誰が集約し、誰が最も高い稼働率と利益率で販売できるのか。

AI相場の本当の後半戦は、この問いによって決まる。

現在は「計算資源の不足」が利益を生んでいる

現在のAIインフラ市場では、計算資源そのものが不足している。

最新GPU、HBM、先端パッケージ、光ネットワーク、変圧器、発電設備、冷却設備、データセンター用地まで、複数の供給制約が同時に発生している。

この段階で最も利益を得やすいのは、供給制約の中心に位置する企業である。

代表的なのは、

• GPU・AIアクセラレータ
• HBM・サーバーDRAM
• 高速スイッチ
• 光トランシーバー
• 電源・冷却設備
• AIDC建設関連

といった企業群だ。

顧客は「安く買えるか」よりも、「必要な数量を確保できるか」を優先する。そのため、供給企業は価格を引き上げやすくなり、通常より高い利益率を得られる。

Broadcomの2026年度第2四半期におけるAI半導体売上は108億ドルとなり、前年同期比143％増加した。同社ではカスタムAIアクセラレータとAIネットワークが成長をけん引している。これは、ハイパースケーラーが汎用GPUだけでなく、自社用途へ最適化したXPUやEthernetネットワークへ巨額の資金を投入していることを示している。(Broadcom Inc.)

ただし、この利益には永続的な需要成長だけでなく、不足していることによって発生する供給制約プレミアムが含まれている。

ここが、メモリーやAIDC向け半導体を長期保有する際の最大の難しさになる。

AI需要が伸びても、メモリー株は下落し得る

AI向けメモリー需要は、2030年以降も拡大する可能性が高い。

大規模モデルにはHBMが必要であり、AIエージェントには長いコンテキストとKVキャッシュが必要になる。AIスマートフォン、AI PC、自動車、ロボット、監視装置にも、従来より大容量のDRAMとストレージが搭載されるだろう。

その意味では、メモリー需要の長期的な方向は依然として強い。

しかし、需要量の増加と、メモリーメーカーの利益率上昇は同じではない。

現在の高い利益率には、

• HBMの供給不足
• 先端DRAMの生産能力不足
• 顧客による在庫確保
• 長期供給契約
• 高い平均販売価格

が大きく寄与している。

新工場の稼働、歩留まり改善、競合企業の増産によって供給制約が解消されれば、ビット需要が増えていても価格上昇は止まる。

場合によっては、供給量が需要を一時的に上回り、平均販売価格と利益率が低下する。

つまり、

AI需要は伸び続けているのに、メモリー株はサイクル下部へ向かう。

という展開は十分に起こり得る。

株式市場は実際の供給過剰が確認される前に、価格上昇率の鈍化、設備投資増加、在庫積み上がり、粗利益率ピークアウトを織り込み始める。

そのため、現在のメモリーやAIDC半導体の強さを、そのまま2030年代まで延長して考えるのは危険である。

供給制約が消えたとき、利益はどこへ移るのか

半導体価格が下がれば、半導体メーカーにとっては逆風になる。

しかし、計算資源を購入するクラウド事業者にとっては原価低下になる。

GPU、HBM、ネットワーク機器の価格が正常化すれば、ハイパースケーラーは同じ投資額で、より多くの計算能力を取得できる。

旧世代GPUも、

• 小型モデル
• バッチ処理
• 安価な推論
• データ前処理
• 社内業務
• 広告最適化
• 検索や推薦

などへ振り分けられる。

ここで重要になるのが、単なるAIDC保有量ではなく、計算資源をクラウドとして運用する能力である。

同じGPUを持っていても、

• 顧客を継続的に集められるか
• 複数顧客を混載できるか
• 稼働率を高く維持できるか
• 処理ごとに最適な半導体へ振り分けられるか
• ストレージやデータベースも同時に販売できるか
• 自社サービスへ余剰能力を回せるか

によって収益性は大きく変わる。

AIDCは建てただけでは収益資産にならない。

電力、GPU、ネットワーク、仮想化、セキュリティ、課金、顧客サポートまで統合されて初めて、継続的なクラウド収入を生む。

計算能力は、しばしば通貨を生み出す「銀行」である

計算能力は、物理的には半導体、電力、土地、建物、ネットワークによって構成されている。

しかし、クラウドとして運用できる企業にとっては、それらは単なる固定資産ではない。

電力と半導体を、

• GPU時間
• API利用量
• 生成トークン
• ストレージ容量
• データベース処理
• ネットワーク通信
• 業務ソフトウェア

という販売可能な単位へ変換し、現金を生み出す生産資本である。

もちろん、クラウド企業が中央銀行のように通貨を無から発行しているわけではない。

それでも、巨大な計算資源を保有し、それを継続的に外部へ貸し出せる企業は、銀行に似た性質を持つ。

銀行は預金や資本を貸し出し、金利収入を得る。

クラウド企業は計算能力を貸し出し、利用料金を得る。

一度処理が終われば、同じ設備を次の顧客へ再び貸せる。昼間にはリアルタイム推論を処理し、夜間には学習、バッチ処理、シミュレーションへ回すこともできる。

ただし、GPU時間は在庫として保存できない。

今日使われなかった1時間を、翌月に持ち越して販売することはできない。

そのため、計算資源の価値はGPU台数だけではなく、

利用可能な計算能力 ×稼働率 ×実現単価 ＋付帯サービス売上 －電力・運用・減価償却・資本コスト

によって決まる。

AIDCを大量に建てるだけでは銀行にはなれない。

高い稼働率を維持し、計算能力を顧客の需要へ結び付け、継続的に現金へ変換する仕組みが必要になる。

AI以前から、計算能力は現金を生み出していた

この構造は、生成AIによって突然生まれたものではない。

AI以前からAmazon、Google、Microsoftは、サーバー、ストレージ、ネットワーク、データベースを企業へ貸し出し、継続的なクラウド収入を得てきた。

EC企業、動画配信会社、金融機関、ゲーム会社、政府機関は、自社でデータセンターを建設する代わりに、AWS、Google Cloud、Azureから必要な分だけ計算能力を借りてきた。

Amazonが自社EC向けに構築した計算基盤をAWSとして外販し、巨大な利益源へ変えたことは、その代表例である。

AIが変えるのは、この基本構造そのものではない。

AIは、計算能力を必要とする用途と、一つの仕事当たりの計算消費量を大幅に増やす。

従来のクラウドでは、人間がウェブサイトを閲覧し、動画を再生し、業務ソフトを操作したときに計算が発生した。

AI時代には、それに加えて、

• AIがコードを書く
• 資料を読み続ける
• 複数の案を並列で生成する
• 検索と検証を繰り返す
• ソフトウェアを自動試験する
• 映像や音声を生成する
• 顧客や市場を常時監視する
• ロボットを仮想空間で訓練する

といった、機械自身による継続的な計算消費が発生する。

人間が端末を操作していない時間にも、AIは仕事を続けられる。

AIは、クラウドという従来から存在した収益装置を、さらに高速回転させる可能性がある。

SpaceXが示した、計算能力の換金可能性

SpaceXの事例が重要なのは、巨大な計算設備が自社でAIを開発するための設備であるだけでなく、外部へ貸し出すことで直接現金へ交換できる資産だと示した点にある。

SpaceXはAnthropic、Google、Reflection AIに対して、Colossus計算施設の能力を提供する契約を結んでいる。

Reutersの試算では、これらの計算能力契約から見込まれる年間収入は合計280億ドルを超える。これはSpaceXの打ち上げ事業や衛星通信事業のそれぞれを上回る規模になる可能性がある。(Reuters)

AnthropicはSpaceXへ月額12億5,000万ドルを支払い、ColossusとColossus IIの計算能力を利用する契約を結んだ。Googleとの契約では、設備の立ち上げ後、2026年10月から2029年6月まで月額9億2,000万ドルを支払う内容が報じられている。いずれも設備供給条件や解除条項があるため、全額が無条件に保証された収入ではない。(Reuters)

それでも、計算能力そのものが数年間の長期契約を結べる商業資産になった意味は大きい。

SpaceXはロケットや衛星を販売したのではない。

電力、土地、GPU、ネットワーク、運用能力を一つのサービスとしてまとめ、計算能力を販売した。

つまり、巨額の設備投資を、継続的な契約収入へ変換したのである。

これは、AIデータセンターが不動産や工場とは異なる性質を持つことを示している。

工場は特定の商品を生産するために設計される。

一方、AIクラスタは、モデル学習、推論、シミュレーション、検索、生成、業務処理など、複数の仕事へ振り替えられる。

計算需要が存在する限り、設備は異なる顧客と用途へ繰り返し貸し出せる。

SpaceXはAWSではない

ただし、SpaceXの事業をAWSと同じクラウドと考えるべきではない。

現在のSpaceXは、不特定多数の企業へ細かく分割した計算能力を販売するというより、大規模なAI企業へクラスタをまとめて貸し出す「大口契約型」に近い。

これは、巨大なビルを区画ごとに多数の企業へ貸すのではなく、建物全体を特定企業へ長期賃貸する構造に似ている。

SpaceXの強みは、

• 大規模な土地と電力の確保
• データセンター建設能力
• 巨額資金の調達力
• 大型顧客との長期契約
• 設備を短期間で立ち上げる実行力

にある。

一方、AWSは計算能力を細かく分割し、世界中の企業へ販売できる。

ストレージ、データベース、認証、セキュリティ、ネットワークなども同時に販売できるため、一つのGPU契約を入口として顧客のクラウド支出全体を取り込める。

SpaceXが計算資源の大口貸出業者なら、AWSは計算資源を取引する巨大な市場そのものに近い。

Metaも計算資源の外販へ向かう

SpaceXに続き、Metaも保有するAI計算資源を外部へ販売する可能性が浮上している。

2026年7月、Metaが自社で使用しきれないAI計算能力を外部企業へ販売するクラウド事業を構築していると報じられた。

計画はまだ開発段階であり、戦略が変更されたり、当初想定した形では実現しなかったりする可能性がある。現時点では、正式なサービス開始時期、料金体系、提供地域などは確定していない。(Reuters)

それでも、この動きはAIインフラの今後を考えるうえで重要である。

Metaは従来、Facebook、Instagram、WhatsApp、広告推薦、生成AIなど、自社サービスのために巨大な計算基盤を構築してきた。

AmazonのAWS、MicrosoftのAzure、AlphabetのGoogle Cloudのように、外部企業向けの総合クラウドを主力事業としてきたわけではない。

しかし、AI設備投資が年間1,000億ドルを大きく超える規模になれば、自社利用だけでなく、外部販売によって設備回収経路を増やす合理性が高まる。

Metaは2026年の設備投資について、1,250億～1,450億ドルを見込んでいる。これはAIモデル、広告推薦、データセンター、ネットワークなど、将来の計算需要へ対応するための投資である。(investor.atmeta.com)

外部販売が可能になれば、Metaは計算資源を、

• 広告推薦
• Facebook・Instagram
• Meta AI
• 画像・動画生成
• Llama関連サービス
• AIグラス
• 社内開発
• 外部クラウド顧客

の間で振り分けられる。

自社需要が強いときには内部で使い、設備供給が自社需要を上回るときには外部へ貸す。

これは、計算資源の稼働率を高く保つうえで非常に強い構造になる。

Metaの外販は、余ったGPUの処分ではない

Metaの外販構想を、単なる余剰GPUの安売りとして捉えるべきではない。

本質は、巨額のAI設備に新しい回収経路を加えることである。

MetaはまずAIによって、広告推薦、広告制作、ユーザーの利用時間、コンテンツ表示の精度を改善する。

その結果、広告事業の売上と利益が増える。

そのうえで、自社では使用しない時間帯や計算設備を外部へ販売できれば、同じAIインフラから二重に収益を得られる。

一つ目は、自社サービスの利益改善。 二つ目は、外部企業への計算能力とモデルの販売である。

さらにAIグラスや将来のデバイスが普及すれば、Metaは端末、モデル、アプリ、広告、クラウドを一体化する可能性がある。

これはAlphabetに近い構造である。

AlphabetはTPUをGoogle Cloud、Search、YouTube、Gemini、Waymoなどの間で配分できる。

Metaも将来、広告、SNS、Meta AI、Llama、AIグラス、外部クラウドの間で計算資源を最適配置できる可能性がある。

外販が成功すれば、Metaは単なる広告企業ではなく、広告収入を資金源として巨大なAI資本を蓄積し、そのAI資本を外部へも貸し出す企業へ変わる。

Metaが直面するクラウド運用の壁

ただし、巨大な計算資源を持っていることと、強いクラウド企業になれることは同じではない。

企業向けクラウドには、

• 顧客データの分離
• セキュリティ
• 稼働率保証
• 障害対応
• 法規制対応
• 請求・契約管理
• 技術支援
• 世界各地での営業
• データベースやストレージ
• 開発者向けツール

が必要になる。

AWS、Azure、Google Cloudは、こうした機能を長年にわたって蓄積してきた。

Metaは巨大モデルと計算能力を持っていても、企業の基幹システム全体を預かる能力では、既存のハイパースケーラーに及ばない。

したがって、Metaの現実的な初期戦略は、AWSを正面から置き換えることではない。

• 大規模モデル学習
• 推論API
• ホスト型Llama
• ファインチューニング
• 特定企業向けクラスタ
• 余剰GPUの大口契約

など、AI用途に限定した外販から始める可能性が高い。

SpaceX、Meta、AWSの違い

三社はいずれも、計算能力を現金へ交換できる。

しかし、その方法は異なる。

SpaceX

大規模な計算クラスタを、特定のAI企業へ長期・大口契約で貸し出す。

電力、建設、資金調達、大型設備の立ち上げ能力が強みになる。

Meta

自社サービスのために構築した設備を、自社需要と外部需要の間で振り分ける。

広告事業という巨大な内部需要とキャッシュフローを持つため、外部需要が弱い場合でも自社用途へ戻せる。

AWS

多数の顧客から需要を集め、計算資源を細かく分割し、用途ごとに最適な設備へ配分する。

GPUだけでなく、CPU、ストレージ、データベース、ネットワーク、セキュリティまで同時に販売できる。

整理すると、

SpaceXは大口貸出型、 Metaは自社利用・外販併用型、 AWSは計算資本市場型

と表現できる。

Amazon――供給正常化後の最有力候補

この構造で最も強力な企業の一つがAmazonである。

AWSは単にGPUを貸しているのではない。

一般計算、AI学習、推論、ストレージ、データベース、ネットワーク、セキュリティ、サーバーレス、マーケットプレイスを組み合わせ、顧客のクラウド支出全体を取り込んでいる。

さらにAmazonは、

• Nitro
• Graviton
• Trainium
• Inferentia

といった独自半導体を持つ。

汎用性が必要な処理には外部GPUを使い、大量に繰り返される処理には自社半導体を使うことで、計算原価を継続的に引き下げられる。

2026年第1四半期のAWS営業利益は142億ドルとなり、前年同期の115億ドルから増加した。Amazonは2026年に全社で約2,000億ドルの設備投資を行う見通しを示している。(Amazon)

現在はAWSが生み出す利益を、次世代クラウドの建設へ再投資している段階にある。

Amazonの設備投資が本物だったと証明されるのは、設備投資の増加率が落ち着いた後もAWS売上が成長し、フリーキャッシュフローが回復するときである。

その局面では、

半導体企業から失われた供給制約プレミアムが、AWSの原価低下と利益率改善へ移る

可能性がある。

Amazonは現在、「巨額CAPEXを負担している企業」である。

しかし将来は、「過去に建てた計算資源から安定収入を受け取る企業」へ変わり得る。

Alphabet――最も垂直統合されたAIクラウド

技術的なクラウド最適化能力では、Alphabetも非常に強い。

Alphabetは、

• TPU
• Google Cloud
• Gemini
• Search
• YouTube
• 広告
• Android
• Waymo

を持っている。

これは半導体、モデル、クラウド、アプリケーション、利用者までを一つの企業内でつなげられることを意味する。

Alphabetは2026年の設備投資額を1,750億～1,850億ドルと見込んでいる。2025年第4四半期末時点ではGoogle Cloudの受注残が2,400億ドルへ拡大しており、会社側は顧客需要と自社サービスの成長へ対応するため投資を増やしている。(Alphabet Investor Relations)

Alphabetの強みは、計算資源の出口が非常に多いことである。

外部クラウド需要が強ければGoogle Cloudへ回し、広告や検索の改善効果が高ければ自社サービスへ回す。Waymo、動画生成、YouTube推薦などにも利用できる。

クラウド単体の稼働率だけでなく、Alphabet全体の利益が最大になるように計算資源を配分できる。

Amazonが「巨大な外部クラウド市場」を持つ企業なら、Alphabetは「自社サービスまで含めて計算資源を最適配置できる企業」である。

Microsoft――企業の仕事そのものをクラウド消費へ変える

Microsoftの強みは、企業業務への入り口にある。

Azureだけでなく、

• Microsoft 365
• GitHub
• Dynamics
• Teams
• Fabric
• Power Platform
• Entra
• Windows

を持っているため、AIを企業の既存業務へ自然に組み込める。

2026年度第3四半期のMicrosoft売上は829億ドルで、前年同期比18％増加した。Azureを含むクラウドサービス売上も大きく伸び、Azureおよびその他クラウドサービスの売上成長率は40％だった。(Microsoft)

社員がCopilotやGitHubのAIを使えば、その裏側でAzure、データベース、認証、セキュリティ、ストレージの消費量が増える。

利用者は「Azureを使おう」と考えているわけではない。

仕事を自動化した結果として、Azureの利用量が増える。

この構造は非常に強い。

作業AIが当たり前になり、「AIエージェント」という言葉すら意識されなくなったとき、Microsoftは企業活動そのものをクラウド消費へ変換する企業になる可能性がある。

BroadcomとArista――クラウド原価を下げる企業

Amazon、Alphabet、Microsoftのどこが最終的に最大のクラウド企業になるかは不確実である。

しかし、どの企業も巨大なAIクラスタを効率化する必要がある。

そこで重要になるのがBroadcomとArista Networksである。

Broadcomは、ハイパースケーラー向けのカスタムXPUとEthernetネットワークを提供する。

汎用GPUよりも特定処理へ最適化された半導体を導入することで、クラウド事業者は電力当たり、設備費当たりの処理量を増やせる。

Aristaは、高速EthernetとネットワークOSによって、数万～数十万基のアクセラレータを一つのクラスタとして機能させる。

GPUが高性能でも、ネットワーク混雑や通信障害によって待機時間が増えれば、クラスタ全体の収益性は低下する。

今後は単純なGPU台数以上に、

• GPU稼働率
• 通信遅延
• ジョブ配置
• 障害復旧
• 電力当たり処理量

が重要になる。

Aristaは2026年、ラックスケールAI基盤向けの1.6Tbpsネットワーク製品を発表した。(Arista Networks)

両社はAIDC建設ブームの受益者であると同時に、建設後のクラウド最適化局面の受益者でもある。

OracleとCloudflare――異なる方向からクラウドへ挑む企業

Oracleは、大企業の重要データとデータベースを握っている。

2026年度のOracle Cloud Infrastructure売上は181億ドルとなり、前年比77％増加した。(Oracle Investor Relations)

Oracleの強みは、企業が長年蓄積してきた重要データを別のクラウドへ移さず、Oracle上でAIに利用できることにある。

一方で、巨額設備投資と大口顧客への依存が大きく、Amazonほど多様な用途へ余剰能力を振り分けにくい。

上昇余地は大きいが、財務と顧客集中のリスクも大きい企業である。

Cloudflareは、AWSやOracleとは異なる。

巨大モデルを学習する中央クラウドではなく、世界中に分散したネットワーク上で、AIやリアルタイム推論を動かすことを目指している。

Workers AIとAI Gatewayでは、Cloudflare上のモデルだけでなく、外部のモデル提供企業への呼び出しも一つの経路で管理し、キャッシュ、利用制限、ログ、監視などを適用できる。(Cloudflare Docs)

フィジカルAI、音声AI、自動応答、リアルタイム推論が増えるほど、すべてを遠隔地の巨大AIDCで処理するのではなく、利用者の近くへ計算を配置する必要が出てくる。

Cloudflareは中央クラウドを置き換える存在ではなく、中央クラウドと利用者をつなぐ分散実行層として成長する可能性がある。

ServiceNow――AIを業務成果へ変える管制塔

計算資源が安くなり、企業が大量のAIを導入すると、新しい問題が発生する。

どのAIが何をしているのか、誰の権限で動いているのか、どのデータへアクセスしたのか、いくら費用が発生しているのかが分からなくなる。

ServiceNowは、こうした企業内AIを管理し、業務フローへ組み込む「AI Control Tower」を目指している。

2026年第2四半期にはServiceNowのAI関連年間契約額が10億ドルを超え、サブスクリプション売上は前年同期比24.5％増加した。(ServiceNow Newsroom)

AI相場の利益は、必ずしも計算資源を所有する企業だけに流れるわけではない。

計算資源を実際の業務成果へ変え、企業が安心してAIへ支出できる仕組みを提供する企業にも利益が流れる。

ServiceNowは、その代表候補である。

フィジカルAI時代に浮上するNokia、Ericsson、T-Mobile

作業AIの次にフィジカルAIが本格化すると、クラウドの構造はさらに分散する。

ロボットや車両では、すべての処理を中央AIDCへ送ることはできない。

緊急停止、障害物回避、姿勢制御などは端末内で処理する必要がある。

一方で、大規模な計画、モデル更新、長期記憶、ロボット群の管理はクラウド側で処理される。

中央クラウドとエッジの間を、低遅延かつ安定的に接続する通信網が必要になる。

ここでNokia、Ericsson、T-Mobileのような企業が重要になる。

Nokiaは2026年第1四半期、AI・クラウド関連の対象市場について、2025～2028年の年平均成長率見通しを従来の16％から27％へ引き上げた。(Nokia Corporation | Nokia)

Nokiaの強みは、AIDC内部だけでなく、AIDC同士、都市、通信局、企業拠点、エッジを光・IPネットワークで接続できることにある。

EricssonとSoftBankは、AI-RANのMEC基盤と5Gネットワークを組み合わせ、ロボットのAI処理をネットワーク側へ動的にオフロードする実証を行っている。(ericsson.com)

T-Mobileも、分散したエッジAI基盤上で映像解析などのフィジカルAI用途を動かす試験を進めている。(T-Mobile)

T-Mobileのような通信事業者は、単なる通信量ではなく、

• 遅延保証
• 接続品質
• 位置情報
• 端末認証
• ネットワークスライシング
• エッジ計算

をサービスとして販売できれば、物理世界におけるクラウド事業者へ近づく。

ただし、この段階はまだ収益化の証明前である。

通信量が増えるだけでは、通信会社の利益は自動的には増えない。

フィジカルAI向けの通信品質やエッジ計算に対して、企業から追加料金を取れるかが鍵になる。

作業AIからフィジカルAIへ、需要は連続するのか

AIインフラサイクルが2030年以降も続くかどうかは、作業AIとフィジカルAIの需要が重なるかに左右される。

作業AIについては、すでにコーディング、資料作成、検索、営業、カスタマーサポート、データ分析などで普及の前兆が見えている。

利用者数が増えるだけでなく、一人の利用者が複数のAIを同時に動かすようになれば、計算需要は人間の利用者数以上の速度で増える可能性がある。

一方、フィジカルAIは量産時期が読みづらい。

ただし、実機が大量出荷される前から、

• 世界モデル
• 合成データ
• デジタルツイン
• 物理シミュレーション
• 強化学習
• 安全検証

による計算需要は発生する。

そのため、ロボットの本格量産が2030年以降になったとしても、フィジカルAI向けAIDC需要は2027～2029年から始まる可能性がある。

作業AI向け設備投資の伸びが鈍化する前に、この需要が十分な規模になれば、AIインフラサイクルは途切れず延長される。

逆に、作業AI向け供給が十分になった後もロボットの経済性が確立しなければ、1～3年程度の設備消化期間が入る可能性がある。

AI相場では「何を持つか」より「いつ移すか」が重要になる

AI需要が長期的に増え続けても、すべてのAI関連株が同じ時期に上昇するわけではない。

利益の発生場所は移動する。

初期段階では、供給制約を持つメモリー、GPU、ネットワーク、電力設備が強い。

供給制約が解消すると、計算資源を安く調達し、高い稼働率で販売できるAWS、Azure、Google Cloudが強くなる。

作業AIが企業へ浸透すると、MicrosoftやServiceNowのように業務フローを握る企業が強くなる。

フィジカルAIが普及すると、Nokia、Ericsson、通信事業者、エッジ半導体、センサー、電源、産業ネットワークへ利益が広がっていく。

MetaやSpaceXのように、従来は外部クラウドを主力としていなかった企業も、保有する計算設備を貸し出し、新しい現金収入へ変換し始める可能性がある。

したがって、AI相場における資産移動は、概念的には次のようになる。

メモリー・AI半導体 ↓ ハイパースケーラー・計算能力外販 ↓ 業務AI・クラウド最適化 ↓ 通信・エッジ・フィジカルAI

ただし、暦だけで機械的に移すべきではない。

メモリーでは、価格上昇率、設備投資、在庫、粗利益率を見る。

ハイパースケーラーでは、CAPEX成長率、クラウド受注残、稼働率、利益率、フリーキャッシュフローを見る。

MetaやSpaceXのような新規外販企業では、契約期間、解約条件、顧客集中度、稼働率、電力コストを見る。

フィジカルAIでは、実証実験の数ではなく、正式発注、導入台数、稼働時間、故障率、投資回収年数を見る必要がある。

結論――計算能力を現金へ変えられる企業が勝つ

現在のAI相場では、メモリーやAIDC向け半導体が供給不足の恩恵を最大限に受けている。

しかし、この供給制約プレミアムは永遠には続かない。

供給が正常化すれば、半導体価格と利益率には下押し圧力がかかる。

その一方で、AWS、Google Cloud、Azure、そして将来的にはMetaなど、計算資源を販売する企業の原価は下がる。

そのとき初めて、ハイパースケーラーが現在行っている巨大設備投資の真価が見えてくる。

設備投資の伸びが止まり、減価償却負担を上回る速度でクラウド売上と利益が増え、フリーキャッシュフローが回復するなら、現在のAIDC建設は過剰投資ではなかったことになる。

それは、次の時代の計算資源を先に確保した行為だったと証明される。

SpaceXは、巨大な計算設備を大口契約へ変換できることを示した。

Metaは、自社AI設備を広告やSNSだけでなく、外部クラウド収入へ変換する可能性を探っている。

Amazon、Alphabet、Microsoftは、すでに計算能力を世界中の顧客へ販売する市場と仕組みを持っている。

AI相場の最大の勝者は、必ずしも最も多くの半導体を作った企業ではない。

最も多くのデータセンターを建てた企業とも限らない。

最も多くの計算需要を集め、 最適な設備へ振り分け、 最も高い稼働率で運用し、 最も多くの業務とデバイスへ販売できた企業である。

計算能力は、しばしば通貨を生み出す銀行である。

AI以前から、クラウドはすでにその役割を果たしていた。

AIは、その銀行の利用者、借り手、取引回数、資金需要を同時に増やす。

AI相場が終わるのではない。

AI産業の中で、利益を取る場所が移動していくのである。

待てよ、設備が整っても半導体を買い続けるのではないか

AI工場は「完成」しない――増設需要から更新需要へ変わる半導体サイクル

これまで、AI相場の後半戦では、供給制約プレミアムが半導体からクラウドへ移る可能性を考えてきた。

現在はGPU、HBM、先端パッケージ、光通信、電力設備が足りない。そのため、半導体メーカーやAIDC関連企業が高い価格と利益率を享受している。

やがて供給が需要へ追いつけば、半導体価格は正常化する。すると、計算資源を安く調達し、高い稼働率で外部へ貸し出せるAWS、Azure、Google Cloudのようなハイパースケーラーが強くなる。

この筋書き自体は、おそらく正しい。

しかし、ここで一つ大きな疑問が浮かぶ。

待てよ。 数十億人を受け止められる推論基盤が完成しても、計算資源の性能が上がり続けるなら、ハイパースケーラーは結局、次の半導体を買い続けなければならないのではないか。

Rubinの次にはFeynmanがある。

Feynmanの次にも、新しいGPU、CPU、メモリー、光通信、パッケージ、計算方式が登場するだろう。

そのたびに、同じ電力、同じ建物、同じラックから生み出せるトークン数が増え、応答速度が上がり、より長い文脈と、より高度なAIを動かせるようになる。

そうなると、AIデータセンターは一度建てたら完成するインフラではない。

建物は完成しても、中の計算機は永遠に更新され続ける。

この構造を考えると、AI半導体サイクルは従来の半導体サイクルとは異なる姿になる可能性がある。

AIデータセンターには、二つの寿命がある

AIデータセンターを一つの設備として見ると、構造を見誤る。

実際には、AIデータセンターは寿命の異なる二つの資産で構成されている。

一つは、

• 土地
• 建物
• 受電設備
• 変電設備
• 冷却
• 発電
• 光ファイバー

など、十数年から数十年使われる長期資産である。

もう一つは、

• GPU
• CPU
• HBM
• ネットワークスイッチ
• NIC・DPU
• ストレージ
• サーバー

など、数年で経済的価値が低下する短期資産である。

Microsoftは2026年度第1四半期の設備投資349億ドルについて、約半分が主にGPUとCPUなどの短期資産だったと説明した。その用途には新規需要への対応だけでなく、耐用年数を迎えたサーバーやネットワーク機器の交換も含まれている。翌四半期には設備投資375億ドルの約3分の2がGPUとCPUなどの短期資産となり、同社は顧客需要への対応、社内AI利用、研究開発に加え、旧設備の継続的な交換が必要だと説明している。(Microsoft)

つまり、AIDC建設が一巡してもCAPEXがゼロになるわけではない。

建物は15年以上収益を生み続けられても、その内部に置かれた計算機は数年ごとに交換される。

AI工場では、

長寿命の建物の中で、短寿命の半導体が何度も入れ替わる。

この更新需要が、将来の半導体市場を支える。

なぜ古いGPUを使い続けられないのか

旧世代GPUが物理的に壊れていなくても、新世代へ更新する経済的な理由がある。

重要なのは、GPU一基の価格ではない。

クラウド企業が見るのは、

• 1トークン当たりの総原価
• 1W当たりの処理量
• 1ラック当たりの売上
• 同時に動かせるエージェント数
• 応答速度
• コンテキスト長
• 冷却費
• 通信費

である。

仮に新しいシステムの導入費が高くても、同じ1MWの電力から旧世代の3倍の推論売上を生み出せるなら、更新には合理性がある。

特に電力、土地、系統接続、変圧器が制約される世界では、建物を増やすより、同じ建物の計算密度を上げる方が速い。

新世代半導体は、単にAIを速くするものではない。

すでに確保した希少な電力と土地から、より多くの現金を生み出す装置である。

競合クラウドが新世代システムを導入し、自社より低い推論価格を提示し始めれば、旧世代のままでは利益率と競争力が低下する。

したがってハイパースケーラーは、自ら望んでというより、競争によって次世代半導体を買わされることになる。

Rubinの次にFeynmanがあるという意味

NVIDIAが示しているのは、単なるGPUの世代更新ではない。

RubinはGPU、CPU、DPU、ネットワーク、光通信、ストレージを一体で最適化するラックスケールのプラットフォームであり、2026年後半からAWS、Google Cloud、Microsoft、Oracleなどが導入する予定である。NVIDIAはさらにその先のFeynmanについて、演算、メモリー、ストレージ、ネットワーク、セキュリティまでAI工場全体を更新する世代として位置付けている。(NVIDIA Blog)

ここで重要なのは、更新対象がGPUだけではなくなっていることだ。

新世代へ移行するたびに、

• GPU
• HBM
• CPU
• スイッチ
• 光部品
• NIC・DPU
• ストレージ
• 電源・冷却

まで交換・追加される。

つまり、今後の半導体サイクルは「GPUを何台買うか」ではなく、AI工場をシステム単位でどれだけ更新するかによって決まる。

演算性能だけが上がっても、ネットワークが遅ければGPUは待機する。HBMが足りなければ長文推論を処理できない。電力密度を上げられなければ新しいラックを設置できない。

そのため、世代更新の利益はGPUメーカーだけでなく、メモリー、光、ネットワーク、電力、パッケージングへ広がる。

作業AI基盤が完成しても、需要はそこで止まらない

2030年前後には、数十億人が通常のAI検索、文章作成、コーディング、資料処理、業務支援を利用できる基盤が、かなり整っている可能性がある。

だが、それはAI需要の終点ではない。

基盤が整えば、利用者は同じAIを同じ頻度で使い続けるのではなく、より高密度な使い方へ進む。

現在は一人がAIに質問する。

次は一人が複数のAIへ仕事を任せる。

その先では、

• 一つのAIが長時間作業する
• 複数のAIが役割分担する
• 同じ仕事を複数案で実行する
• 出力を別のAIが検証する
• 失敗したら自動でやり直す
• 音声、画像、動画、位置情報を常時処理する

ようになる。

一回の依頼が、数十回から数百回のモデル呼び出しへ分解される。

すると、利用者数が頭打ちになっても、一人当たりの計算消費量は伸び続ける。

数十億人を一度受け止められるようになったことは、「十分な設備が完成した」という意味ではない。

むしろ、それだけの利用者へ、さらに高度なAIを売れる市場が完成したことを意味する。

性能向上が新しい需要を作る

従来のITでは、性能がある水準へ到達すると「これで十分」という状態が起きやすかった。

表計算ソフトが2倍速くなっても、利用者が2倍の表を作るとは限らない。

しかしAIは、性能向上によって任せられる仕事そのものが変わる。

モデルが少し賢くなることで、

• 文書補助が文書全体の作成になる
• コード補完がシステム開発になる
• 検索が長期調査になる
• 画像認識がロボット制御になる
• 助言が実際の業務実行になる

可能性がある。

つまり、性能向上は既存需要を満たすだけでなく、それまで存在しなかった需要を開放する。

新しい半導体によって推論単価が下がれば、企業はAIの利用を減らすのではなく、今まで高価すぎて実行できなかった仕事へAIを投入する。

したがって、

性能向上 ↓ 単位当たりコスト低下 ↓ 利用範囲拡大 ↓ 総計算需要増加 ↓ 次世代半導体への投資

という循環が起きる。

効率化によって半導体需要が減る効果と、価格低下によって利用量が増える効果が競争することになる。

AIでは、後者が前者を上回る可能性がかなりある。

オープンウェイトが、この更新競争をさらに強める

オープンウェイトモデルがクローズドモデルへ接近すると、モデル企業の独占力は低下する。

しかし、計算需要そのものが消えるわけではない。

モデルの重みを無料または低価格で入手できても、それを大量の利用者へ高速で提供するには、

• GPU
• HBM
• 高速ネットワーク
• ストレージ
• 電力
• クラウド運用

が必要になる。

企業は特定のモデル会社へ高額なAPI料金を払う代わりに、AWS、Azure、Google Cloud、Oracle、主権AIクラウド上でオープンモデルを動かせる。

この世界では、クラウド企業は自社で最高モデルを開発できなくても構わない。

モデルが入れ替わるたびに、それをホストし、推論し、保存し、接続することで収益を得られる。

Amazonは2026年第1四半期までの12か月に210万基を超えるAIチップを導入し、その半分以上をTrainiumが占めた。また、2026年から100万基を超えるNVIDIA GPUを展開するとしている。これはクラウドが一種類の半導体へ固定されるのではなく、外部GPUと自社半導体を用途別に組み合わせる方向を示している。(Amazon)

オープンウェイト化が進むほど、

モデルの選択肢は増える ↓ モデル間の価格競争が起きる ↓ AI利用価格が下がる ↓ 利用企業と用途が増える ↓ クラウドと半導体の総需要が増える

可能性がある。

モデルがコモディティ化するほど、クラウドと計算資源は「どのモデルが勝っても利用料を取れる中立的な市場」へ近づく。

半導体サイクルは消えるのではなく、二重化する

この構造でも、半導体サイクルはなくならない。

むしろ、二種類のサイクルが同時に走るようになる。

容量サイクル

AI利用量に対して、計算能力の絶対量が足りているかを巡るサイクルである。

需要が供給を上回れば、GPU、HBM、光通信の価格が上がる。

大量のAIDCが稼働すると、供給制約が緩み、価格と利益率が下がる。

これは従来型の増設サイクルである。

世代サイクル

旧世代から新世代へ更新するサイクルである。

全体の計算能力が十分でも、最新半導体の方が安く、速く、高密度なら、ハイパースケーラーは更新を続ける。

すると市場では、

旧世代GPUは余っているのに、最新世代GPUは足りない

という状態が起きる。

同じ時期に、

• 旧世代クラウドの利用単価は下落
• 新世代GPUとHBMは供給不足
• メモリー全体では増産圧力
• 最新の光部品は不足
• 古いネットワーク機器は値下がり

という複雑な需給が発生する。

今後の半導体サイクルは、業界全体が一斉に上昇・下落するだけでなく、世代別・用途別に異なるサイクルが重なる可能性が高い。

第1局面――全面的な供給不足

現在から2027年前後までは、絶対的な計算能力不足が中心になる。

GPU、HBM、先端パッケージ、ネットワーク、電力設備のすべてが不足し、数量増加と価格上昇が同時に起きる。

この局面では半導体メーカーの利益率が最も高くなりやすい。

第2局面――増設と更新が同時に起きる

2027～2030年には、作業AIの利用拡大に対応する増設と、RubinやFeynmanなどへの世代更新が重なる可能性がある。

半導体需要は引き続き強いが、すべての製品が同じように強いわけではない。

• 最新GPU・XPUは不足
• 最新HBMは不足
• 旧世代GPUは単価下落
• 汎用GPUの一部は自社ASICへ移行
• 光・ネットワークへの支出比率が上昇
• 推論最適化半導体が拡大

という選別が始まる。

この段階から、「AI半導体を持てば全部上がる」という相場ではなくなる。

第3局面――基盤完成と最初の設備消化

2030～2033年には、通常の作業AIを大規模に提供できる基盤がかなり整う可能性がある。

このとき、容量サイクルには調整が入り得る。

• AIDCの空室率が上がる
• GPU時間単価が下がる
• CAPEXの成長率が鈍化する
• HBM価格の上昇が止まる
• 旧世代設備の稼働率が落ちる

一方で、世代更新は止まらない。

そのため、半導体設備投資は崩壊するというより、

不足を埋める爆発的増設から、競争力を維持する継続的更新へ変わる

可能性が高い。

この局面では半導体メーカーの供給制約プレミアムが消え、クラウド企業の調達原価が下がる。

AWS、Azure、Google Cloudにとっては、過去の設備投資を安定収益へ変える局面になる。

第4局面――フィジカルAIが再び容量不足を作る

作業AIの基盤が整う頃に、フィジカルAIが本格化すれば、次の需要波が始まる。

自動運転、工場ロボット、物流ロボット、ドローン、AIグラス、防衛、医療機器が広がれば、中央AIDCだけでなく、

• エッジAIチップ
• 車載メモリー
• センサー
• アナログ半導体
• 電源半導体
• 通信
• 光ネットワーク
• ストレージ

へ需要が拡散する。

さらに、ロボットの学習、世界モデル、合成データ、デジタルツイン、物理シミュレーションは引き続き中央クラウドで動く。

フィジカルAIが早く立ち上がれば、2030年前後の設備消化局面は浅くなる。

遅れれば、作業AI向け増設とフィジカルAI向け増設の間に、1～3年程度の谷ができる可能性がある。

半導体需要はエンドレスでも、供給制約プレミアムはエンドレスではない

ここは区別しなければならない。

ハイパースケーラーが新世代半導体を買い続けるなら、半導体需要そのものは非常に長く続く。

しかし、半導体メーカーが常に現在のような価格と利益率を得られるわけではない。

更新需要は継続的だが、供給企業もそれを予測して増産する。

さらに、

• NVIDIA GPU
• AMD GPU
• AWS Trainium
• Google TPU
• Microsoft Maia
• Broadcom系XPU
• 新しい推論アクセラレータ

の競争が進む。

計算需要が増えても、利益は複数の半導体とクラウドへ分散する。

したがって長期的には、

半導体の販売数量は増える しかし平均販売価格と利益率には波がある 最新世代と旧世代の格差が拡大する 勝者が世代ごとに入れ替わる

という市場になる可能性が高い。

AGIが完成しない限りではなく、競争に終点がない限り続く

AGIを固定された完成品として考えると、「完成後は計算投資が止まる」という発想になる。

しかしAGIが移動する目標であるなら、完成宣言には大きな意味がない。

あるAIが人間並みになれば、次は、

• 人間より正確
• 人間より高速
• 人間より安価
• 24時間稼働
• 100万体を並列実行
• ロボットとして行動
• 新しい科学を発見
• 次世代AIを設計

する能力が競争される。

したがって、半導体投資を続けさせるのは「AGIがまだ完成していないから」だけではない。

追加の計算能力が、追加の利益、国家競争力、科学的発見、軍事的優位を生むからである。

その関係が続く限り、ハイパースケーラーと国家は計算資源を更新し続ける。

結論――AI工場は、完成した瞬間から陳腐化が始まる

当初は、数十億人を受け止められるAI基盤が完成すれば、ハイパースケーラーの設備投資は落ち着き、その利益がクラウド収益として回収されると考えられた。

その見方は半分正しい。

容量不足を埋めるための爆発的な設備投資は、どこかで鈍化する。

しかし、計算能力の性能と経済性が向上し続ける限り、ハイパースケーラーは旧世代設備を使い続けられない。

建物が完成しても、中の半導体は更新される。

推論能力が十分でも、競合よりトークン原価が高ければ新世代へ移行する。

オープンウェイトが普及すれば、モデルの希少性は低下しても、それを動かすクラウドと半導体の需要は広がる。

そのため、AI半導体市場は一度の巨大サイクルで終わるのではない。

増設 ↓ 供給正常化 ↓ 世代更新 ↓ 新用途の発生 ↓ 再び増設

という循環を繰り返す可能性がある。

待てよ。

設備が整えば、半導体投資は終わると思っていた。

しかし実際には、設備が整ったからこそ、その巨大な設置基盤を最新世代へ更新する市場が生まれる。

AI工場は完成しない。

完成した瞬間から、次の世代に対する陳腐化が始まるからである。

特定銘柄の推奨・勧誘・投資助言を目的とするものではありません。投資判断はご自身の責任でお願いいたします。