四つの試算はそろって「AI の計算資源は買い足りない」と言う——だが四つが共有する一本の柱は未検証のままで、その柱にいま検証の期限が付いた

本稿の要点

2025 年後半、四人の大物がそれぞれ独立した算法で同じことを論じた。AI の計算資源への投資は買いすぎではなく、買い足りないという主張である。投資家の Brad Gerstner 氏は設備投資(capex)と売上の 1 対 1 の照合で論じた。企業向け検索の Glean の CEO、Arvind Jain 氏は、AI が狙うのはソフトウェア業界の 25 倍の規模を持つサービス業の予算だと論じた。Michael Dell 氏はサービス業の生産性向上を割り引いて現在価値に直し、Nvidia の CEO、Jensen Huang 氏はトークンが人間の知能を増強する粗利の数学を組んだ。四つの算法は互いに独立しているのに、同じ桁に収束した。妥当な年間投資額は 2 兆〜5 兆米ドルで、当時の実際の水準は 1 兆ドルに届かない。強気陣営の論証のなかで最もきれいな組であり、本稿が精密検査にかける対象でもある。

検査の起点は構造上の観察にある。四つの算法は口径こそ違うが、同じ一本の柱を共有している。「企業は生産性の向上に、その価値に近い金額を払う」という柱だ。弱気側が攻めてきたのは最初から TAM の数学ではなく、この柱である。2026 年 7 月時点の照合結果は三層に分かれる。ツルハシを売る側はすべて実現した。Nvidia のデータセンター売上は、ウォール街が 2029 年に置いていた数字に三〜四年早く迫った。代金を払う側の転換率は、開いてみると一つの数ではなく、価格帯で層をなす曲線だった。月額 250 ドル以上の企業向けツールのリテンションは従来のソフトウェア業界に追いつき、低価格のツールは大量に離脱している。損益計算書に成果が届いた企業は一〜二割にとどまる。そして最も重要な新事実は資金の構造にある。大手テック企業のフリーキャッシュフローは capex に食われてゼロ近くまで落ち、借入でつなぎ始めた。この変化が論争の性質を変えた。「転換率のデータが出るのを待って決着させる」は、もともと期限のない待機だった。資金調達の窓が、この待機に期限を付けた。本稿の最後で、この競争にある二つの時計を説明する。

この論争が本紙の地図のどこにあるか:

賭けの卓に並ぶ四つの試算と、四つが共有する一本の柱

まず四つの算法を並べる。四つの価値は、互いに独立していて別々に検証できる点にある。先に一つ正直に書いておく。四つの発言の逐語記録は、現時点ではどれも同じポッドキャストシリーズ(BG2/Altimeter)に由来する。発言者は互いに独立しているが、取材経路は独立していない。

Gerstner 氏の物差しは売上の照合だ。2025 年 10 月に示した尺度は素朴である。今後五年でおよそ 3 兆ドルの建設が、約 60 ギガワットの計算資源に対応する。OpenAI が 2030 年までに年約 1,500 億ドルの capex を負うなら、その capex を支える年 1,500 億ドル以上の売上が要る。資本支出 1 ドルに売上 1 ドルが対応するという計算だ(BG2 Pod)。Gerstner 氏は同時に、反証可能な財務規律の予測も出した。大手テック企業の capex が営業キャッシュフローに占める比率は 2025 年の約 66% で頭打ちになり、その後 45%〜50% に戻るという予測である。

二か月後、Jain 氏が換算したのは予算の移転だった。同じ番組で司会者は、業界全体の年間 capex を約 5,000 億ドルと見積もり、元を取るには約 1 兆ドルの AI 売上が要ると計算した。ソフトウェア業界全体の年間売上は約 4,000 億ドルしかない。Arvind Jain 氏の答えは、AI が取りに行くのはソフトウェアの予算ではなく、ソフトウェア業界の 25 倍の規模を持つサービス業の予算だというものだった。目の前の AI 支出の本質は、サービス業のお金がソフトウェアのお金に転換されつつあることだ、と同氏は述べた(BG2 Pod / Altimeter)。

Dell 氏は世界経済から割り引く。114 兆ドルの世界経済全体で生産性が 10%〜20% 上がれば、年に約 10 兆〜20 兆ドルの価値が生まれる。その主な源泉は、経済の三分の二を占めるサービス業だ。この規模に照らせば年間投資額は 2 兆〜4 兆ドルの水準にあるべきで、現状はこの水準を大きく下回る、と同氏は論じた(BG2 Pod の Michael Dell 氏インタビュー)。

Jensen 氏は、人間の知能そのものを市場と見なす。トークンによる増強の算法はこうだ。人間の知能は世界 GDP の約 55%〜65% を占め、切りのよい数字で 50 兆ドルと呼ぶ。この 50 兆ドルは Jensen 氏独自の概数で、55%〜65% から厳密に換算した値ではない。そのうち 10 兆ドルが AI のトークンで増強され、粗利率を 50% とすれば、5 兆ドルの AI 工場が要る。だから世界の年間 capex が 5 兆ドルなら、この数学は成り立つ、と同氏は述べた(BG2 Pod)。

四つの算法の利害の位置も先に明示しておく。Dell 氏は AI サーバーの最大の受益者の一人で、Jensen 氏はこの建設全体の最大の受益者だ。Jain 氏が売る製品は、サービス業予算の転換を運ぶ器そのものである。Gerstner 氏のファンドは、このテーマに大きく張っている。論証が成り立たないという意味ではない。ただ、四つの論証を検証する基準は、中立の出典に対するより厳しくなければならない。

ここで共有の柱を見る。どの算法にも、「生み出された価値」をそのまま「誰かが払う売上」と書き換える一歩がある。Gerstner 氏の 1 対 1 は、capex に見合う売上が育つと仮定する。Jain 氏の転換論は、サービス業のお金が実際に AI の帳簿に流れ込むと仮定する。Dell 氏の割引は、企業が 10 兆ドルの生産性価値に 10 兆ドル近くを払うと仮定する。Jensen 氏の粗利率 50% も、増強された 10 兆ドル分の知能に買い手が付くことが前提だ。四つの数学を並べると、この一歩が唯一の共通の仮定であり、2025 年の時点で一次の計測は一つもなかった。

弱気側の攻撃点は、まさにここにある。Databricks の CEO、Ali Ghodsi 氏はスタンフォード大学の MS&E435 の授業で(講義録 class 04、2026-07-01 付)、GPU を買い急ぐ必要はないと述べた。企業がつまずいているのは、AI を組織に組み込むところだという。同氏は企業の AI 試行の約 95% が失敗したとする MIT の報告を引き、方向は正しいが、実際は 75% かもしれないと付け加えた。だからこの論争は初日から、「どの TAM モデルが正確か」ではなかった。問われているのは「価値から支払いへの転換率はどれほどか」である。本稿はこの問いを判定の枠組みとし、以下の三節で供給側、転換率、資金の構造の順に照合する。

一年後の照合:ツルハシを売る側はすべて実現し、規律を守るはずの側が先に倒れた

最初に照合するのは供給側だ。供給側の実現は、予想を超えるほど徹底していた。Nvidia が 2026 年 5 月に公表した四半期決算では、データセンター売上が四半期で 750 億ドル、前年同期比 92% 増、前四半期比 21% 増で、三四半期続けて伸びが加速した(Nvidia 決算)。年換算で約 3,000 億ドルになる。Gerstner 氏が当時紹介した売り手側のコンセンサスは、2025 年に約 2,000 億ドル、3,500 億ドルに届くのは 2029 年か 2030 年というものだった。現実は 2026 年半ばに、年換算の水準をコンセンサスの 2029 年の数字の九割近くまで押し上げた。直近四半期の前年同期比の伸びもなお九割ある。以上はすでに起きたことの話で、九割の伸び率を将来へ線形に延ばすことはできない。

当時 Jensen 氏は、アナリストが Nvidia の 2027 年以降に年 8% の成長しか見込んでいないことを、確信の巨大な食い違いだと嘆いていた。この局面は Jensen 氏の勝ちである。同氏は 2026 年 3 月の GTC で、Blackwell と Vera Rubin の二世代のプラットフォームの売上機会を、先の 5,000 億ドルから 2027 年までの累計 1 兆ドルに上方修正した(CNBC)。この 1 兆ドルは累計の受注機会という口径で、単年の売上ではない。二つを混ぜて読むことはできない。

だが同じ照合表の別の欄では、強気陣営自身の財務規律が先に倒れた。Gerstner 氏の最も反証可能な予測、つまり capex の営業キャッシュフロー比が 66% で頭打ちになって戻るという予測は、2026 年の現実にまともに撃ち抜かれた。Bank of America の推計では、大手クラウド 5 社は 2026 年に営業キャッシュフローの約九割を capex に充てる。この推計は第三者による伝聞で、裏付けはない。過去十年の平均は四割だった。研究機関 Epoch AI の追跡はもっと鋭い。合算の現金 capex は前年比約 70% 増、営業キャッシュフローは約 23% 増にとどまり、二本の線は 2026 年第 3 四半期ごろに交わる。その時点で 5 社合算のフリーキャッシュフローはゼロになる(Epoch AI、2026 年 6 月時点の予測)。

Oracle はすでに線を越えた。2026 会計年度の capex は営業キャッシュフローの 174% で、フリーキャッシュフローはマイナス 237 億ドルである(Global Datacenter Hub)。Gerstner 氏のもう一本の物差し、OpenAI の 1 対 1 の照合も、現状は大きく崩れている。OpenAI が過去 15 か月に結んだ複数年の計算資源契約は、名目総額で 1.4 兆ドルを超える。2026 年 4 月の年換算売上は約 250 億ドルだ(tech-insider のまとめ)。売上の数字は第三者の推計で、公式の確認はない。名目の契約額は複数年にわたって展開されるので、単純に割ることはできない。年ごとにならしても、1 対 1 までは桁違いの距離がある。

興味深いのは、提唱者本人の動きだ。Gerstner 氏は 2026 年も口では強気を崩さず、スーパーサイクルはまだ初期で、大手テックは AI 支出を削らないと語る。だが同氏のファンドは第 1 四半期に Alphabet 株をすべて手放した。公表した理由はまさに、1,750 億〜1,850 億ドルという capex の見通しがフリーキャッシュフローの姿を塗り替えたことだった。そのうえで、IP ライセンスを売り capex を背負わない ARM に乗り換えた。売却の本当の動機はこの一つだけではないかもしれず、評価額や競争の考慮も入っている可能性がある。ただ少なくとも、公表した理由は「総量に対する強気の判断と、個別銘柄のキャッシュフロー規律は別物だ」と認めたに等しい。Gerstner 氏自身が引いた 66% の規律線は、すでに破れている。

Dell 氏は逆に上乗せした。2026 年 5 月の Dell Technologies World で、世界の AI インフラ支出は 2030 年に 3 兆〜4 兆ドルに達しうると、口径を引き上げた(Techgoondu)。Jain 氏の会社は、サービス業転換論の実験台そのものだ。Glean の年換算売上は 2026 年 5 月に約 3 億ドルに達し、一年余りで約三倍になった。この数字は第三者のまとめで、同社の確認はない。方向としては Jain 氏の論を支える。だが年 7,000 億ドルを超える capex の横に置くと、25 倍のサービス業予算の影はまだ見えない。さらに微妙なのは、Jain 氏が 2026 年に Glean の売り文句を移したことだ。企業の AI 導入を助ける製品から、企業のトークン請求を三割減らす製品へと軸足を移した。予算を大きくすることを論じる人物の製品が、顧客の予算を縮める手伝いをしている。

供給側はすべて実現し、財務規律は先に倒れた。二つは同時に真であり、指す結論は同じだ。供給側の実現が測っているのは「ハイパースケーラーがお金を使う意思」であって、「最終顧客が生産性に代金を払うこと」ではない。中間層の調達は、本質的に他人のお金で下流の転換に賭けている。柱は同じ柱のままで、賭け金が大きくなっただけである。

柱の精密検査:転換率は一つの数ではなく、価格帯で層をなす曲線だ

供給側の照合が柱を素通りしたので、ここからは柱そのものを検証する。最初に、弱気側が最もよく振る旗、MIT の「企業の AI 試行の 95% が失敗」を片付けておく。原報告を開くと、測っているものは見出しよりずっと狭い。失敗の定義は、試行後六か月以内に計測可能な損益計算書への影響がないことだ。サンプルは 300 件余りの導入事例、52 件のインタビュー、153 件のアンケートである。報告は自主発行で、査読を経ていない。Wharton の Kevin Werbach 教授は、何度読み返しても 95% がどう算出されたのか分からないと公に述べ、MIT に基礎データの公開か撤回を求めた(HPCwire の報道)。報告はいまもデータを公開しておらず、2026 年の続報も出ていない。結論として、この数字は「狭い口径での、異論のある一つのシグナル」としてしか使えず、硬い事実として引用はできない。弱気側は、もっと硬い旗に持ち替える価値がある。

硬い証拠は実際にあり、しかも Dell 氏の生産性割引にとっていっそう不利だ。一つ目は学術的な計測である。二人の経済学者がデンマークの全国行政データを AI 導入調査につなぎ、計量的な手法で ChatGPT 公開から二年間の実際の収入の変化を追った。結論は、2% を超える収入効果は排除できるというものだ。この「ほぼゼロ」は、重度の利用者、早期の導入者、多額を投じた雇用主、大きな効果を自己申告した従業員のすべてで成り立つ(NBER ワーキングペーパー w33777)。従業員は役に立つと言い、雇用主はお金を使っているのに、給与明細には表れない。「生産性の実感が計測可能な経済的産出になっていない」ことを示す一次証拠として、現時点で最も硬い。

この研究の境界も挙げておく。観察期間は ChatGPT 公開後の最初の二年だけで、サンプルはデンマーク一国に限られる。生産性の果実は、歴史的に何年も遅れて表れることが多い。したがってこの研究が言えるのは「これまでのところ転換していない」までで、「今後も転換しない」とは言えない。ただし、この時間差にも代償がある。四つの強気の数学が必要とするのは、いま拡大を始める兆単位の支払いだ。実現が一年遅れるごとに、次節で扱う資金の時計が一年進む。

二つ目は、コンサル三社の独立した調査が 2026 年に同じ形へ収束したことだ。MIT は損益への影響があるのは 5% とする。McKinsey の調査『State of AI』では、88% の企業が AI を使っているが、税引前利益の 5% 超を AI に帰属できるのは 6% だけだった。Deloitte が 24 か国の経営幹部 3,000 人に行った調査では、74% が AI による売上成長を望み、実際に成長が見えているのは 20% にとどまる。三つの数字は口径がそれぞれ違うので、比べられるのは形であって点の値ではない。また「帰属できない」は「効果がない」と同じではない。効果が複数の部門やシステムに散ると、会計上もともと追跡しにくい。だが本稿が検証する柱にとって、この区別は強気側の助けにならない。企業が計測できない価値には、対応する予算が付かない。計測の摩擦そのものが、転換の摩擦なのだ。「導入は普及、損益の実現は稀」という形が三社で一致した以上、一本の報告の方法論の問題ではもはやない。

ところが同じ 2026 年、支払い行動のデータはまったく違う姿をしている。法人カード会社 Ramp の実際の決済データでは、半数を超える企業が AI サービスに代金を払っている。最先端の企業は従業員一人あたり月約 7,500 ドルを使い、なお月 14% のペースで伸びている(Ramp AI Index、2026 年 3 月)。ベンチャーキャピタル Menlo の企業調査では、企業の生成 AI 支出は 2024 年の 115 億ドルから 2025 年に 370 億ドルへ増え、調達案件の 47% が本番環境に入った。従来のソフトウェアの本番移行率のほぼ二倍である。ここで測っているのは調達案件の本番移行率で、本稿の核心にある「価値→誰かが払う」の転換率とは別物だ(Menlo Ventures)。

「95% 失敗」と「47% 本番」は同時に真でありうるか。ありうる。三種類のデータが測っているものが別々だからだ。一つは六か月以内の損益計算書、一つは導入したかどうか、一つは代金を払ったかどうかを測る。この衝突こそが、本稿の核心の判断を裏付ける最良の証拠になる。転換率をどう測るかにさえ合意がない以上、TAM の数学で何かを判定できるはずがない。

矛盾を本当に解く鍵は、リテンションを価格帯で切り分けることにある。先に二つの用語を定めておく。グロス・リテンションは、一年後もお金を払い続けている顧客の割合だ。ネット・リテンションはそこに既存顧客の追加購入や値上げを加えるので、ふつうはグロスより高い。二つを合わせて見て初めて、本当に定着しているかが分かる。

ベンチャーキャピタル a16z とサブスクリプション分析の ChartMogul のデータは、同じ曲線を示す。AI ネイティブ企業のグロス売上リテンションの中央値は 40% にとどまり、同じサンプルの B2B ソフトウェア企業は 63% だ。ところが月額 250 ドル以上の AI 製品はグロス 70%、ネット 85% で、すでに従来の企業向けソフトウェアの水準にある。50〜249 ドルの中間層は 45% に落ち、50 ドル未満は 23% しか残らない(a16z および ChartMogul のレポート)。転換率は一つの数ではなく、価格の関数だということになる。高いツールは定着し、安いツールは漏れている。全体としてもリテンションは改善している。AI ネイティブ企業全体のグロス・リテンション中央値は、2025 年 1 月の 27% から 9 月には 40% へ上がった。ただし 50 ドル未満の低価格層は、いまも 23% のままだ。

この曲線には、正直に示すべき境界が二つある。第一に、サンプルは AI ネイティブのスタートアップで、大手が既存ソフトウェアに組み込んだ AI 機能は含まれない。企業向け AI 市場の全体は、この曲線には映っていない。第二に、高価格層の高いリテンションには自己選択の要素がある。月額 250 ドル以上を払う買い手は、もともと需要が最も確かな層だ。この数字が証明するのは「お金を払い、とどまる需要の層が確かに存在する」ことである。逆に「製品を高く値付けすれば定着する」と読むことはできない。本稿が検証する柱には、前者の読み方で足りる。柱が問うのは価値にお金を払ってとどまる買い手がいるかどうかで、この層での答えはイエスだ。

この曲線で、すでに実現した分野を見直す。コーディングツールは柱がすでに立った場所で、主な証拠は公式発表とリテンションという独立した二つの出典だ。Anthropic が公式に発表した全体の年換算売上は、2026 年 5 月に 470 億ドルに達した(Simon Willison)。コーディングツールは、まさに高価格・高リテンションの層にある。製品ラインの内訳は、公式には出ていない。第三者の推計では、Claude Code の年換算売上は 2 月の約 25 億ドルから 5 月の約 80 億ドルに伸びた。Cursor は Claude Code と同じコーディング系の AI 製品で、約 20 億ドルとされる。こうした内訳の数字は方向を示すものとしてしか使えず、伸びが続くかどうかも分からない。比率の感覚も忘れてはならない。コーディングは企業の AI 支出の一分野であって全部ではない。一分野が立ったことを「企業 AI 全体が立った」へ広げることはできない。

サービス業の分野には、監査済みの観察が初めて出た。Accenture の 2026 会計年度の先進 AI 売上は前年の三倍の 27 億ドルに達し、一四半期の新規受注は 22 億ドルだった。同時に同社は二四半期で 21,800 人を削減した(Accenture 決算)。この帳簿には二通りの読み方があり、どちらも並べておく必要がある。強気の読みでは、サービス業の契約が AI で値付けし直され、お金が軌道を乗り換えている。弱気の読みでは、代替効果が新規分より強く、AI 売上の伸びは既存の人員を支えきれていない。支えきれていれば、人員を削る必要はないはずだ。Accenture は同時に、AI 指標の単独開示をやめた。公式の理由は、AI がすでに大型案件の八割に浸透しているからだという。この点にも二面がある。浸透が深くて切り分けられないのかもしれないし、切り分けた投資収益の数字が見栄えしないのかもしれない。確かなことは一つだけである。「純増なのか代替なのか」は、公開された帳簿からはもう切り分けられない。

したがって柱の検査結果は三つの文にまとまる。コーディングと月額 250 ドル以上の企業契約の層では、柱は立った。リテンションがその証拠だ。低価格のロングテールと一般企業の損益実現の層では、柱はまだ空洞である。コンサル三社の収束とデンマークの給与明細がその証拠だ。そして四つの強気の数学が必要とするのは、第一の層ではなく第二の層である。年 2 兆〜5 兆ドルの投資額は、コーディングという一分野だけでは支えられない。

三人目の賭け手が卓に着く:資金の構造が論争に時計を付けた

話が転換率で終わるなら、この論争は無期限に待ち続けられる。強気側は普及には時間がかかるからもう少し待てと言い、弱気側はもう十分待ったと言い、どちらも説得されない。前の二節で、卓にはすでに二人の賭け手が着いていた。強気側の四つの数学と、転換率に対する弱気側の疑問である。2026 年に論争の性質を本当に変えたのは、三人目の賭け手の登場、つまりお金の出どころの変化だった。

四つの算法が 2025 年に出たとき、誰も口にしない前提が一つあった。この建設は大手テック企業自身のキャッシュフローでまかなわれる。だから外れても株主の儲けが減るだけで、システム全体の問題にはならない、という前提だ。この前提が 2026 年に崩れた。大手クラウド 4 社の 2026 年の合算 capex は約 7,250 億ドルで、前年比 77% 増である。この capex 総額には単独の出典が付いていない。本段の後半にある Yahoo Finance のリンクは社債発行の数字に対応するもので、この総額の出所ではない。前節で見たとおり、合算のフリーキャッシュフローは第 3 四半期前後にゼロに達する。

穴は借入で埋められた。Goldman Sachs の推計では、2026 年の AI 関連の債券発行は約 4,890 億ドルだ。大手クラウド事業者の社債発行は、2025 年の 200 億ドルから 1,090 億ドルへ跳ねた。Meta は 300 億ドル、Amazon は約 530 億ドルを発行し、巨額の現金を持つ Nvidia でさえ 2021 年以来初めての社債 250 億ドルを出した(Yahoo Finance のまとめ)。国際決済銀行(BIS)は 2026 年 6 月の年次報告で、中央銀行系の機関としては珍しく率直な言い方をした。AI 投資のリターンが期待外れなら資金が突然引き揚げられ、今回の capex ブームが長い投資不況に転じうるという警告である。BIS は循環的な資金調達の取引も名指しし、条件の開示が不十分で、同じ資産が二重に担保に入れられるリスクがあると指摘した(BIS 2026 年次報告)。保険グループ Allianz の調査部門は、乖離の度合いを測った。AI capex と売上成長の乖離は 46% に達し、2001 年の通信バブル時の 32% を超える(Allianz Research)。

この変数を入れると、論争の構造が変わる。もともとの問いは「転換率が最終的に四つの数学を証明するか」で、期限はなかった。いまの問いは「転換率が証明される速さが、資金調達の窓が狭まる速さに追いつくか」で、期限がある。ここは正確に言っておく必要がある。フリーキャッシュフローがゼロに達するというのは Epoch の予測で、起きた事実ではない。Epoch が 2 月に出した第 1 四半期 capex の予測は誤差 1% 未満だったが、予測は予測である。

しかもゼロ到達が現実になっても、大手テックの信用力は高い。資金調達の窓は「バタン」と閉まる一枚の扉ではなく、連続した変数の組だ。信用スプレッドがどれだけ広がるか、発行条件がどれだけ速く悪化するか、複数年の資金が短期の資金に変わるか。したがってストップウォッチの正しい読み方は「どの日にお金を借りられなくなるか」ではない。「四半期ごとに借入の条件がどれだけ悪くなったか」である。自前のキャッシュフローの時代なら、転換率の答えは十年待てた。借入で延命する時代には、借り換えのたびに投票がやり直される。本稿が資金構造を弱気側の注釈ではなく三本目の路線として立てた理由も、ここにある。この路線の判定の仕組みは、転換率とは完全に独立している。転換率が最終的に実現するとしても、実現が債券市場の忍耐より遅ければ、結末は BIS の言う投資不況になる。逆に高価格層の転換が十分速く広がれば、借入は橋渡しにすぎない。

この競争で最もきれいなシグナル源は、弱気側の旗手自身の行動だ。Ghodsi 氏は 2026 年も弱気論を続けている。売上ゼロの会社が数十億ドルの評価を受けるのは明らかにバブルだと述べ、フォーチュン 500 企業のある幹部の話も紹介した。AI のコストが指数関数的に増え、売上が追いつかず、このままでは破産するという話である。その一方で、Ghodsi 氏の Databricks は需要が強すぎて、日本、韓国、米国、インドの全域で GPU が足りない。同社はそのために資金調達を拡大した(Benzinga、2026 年 7 月)。

自己矛盾ではない。Ghodsi 氏は二つの帳簿を分けて付けている。インフラの需要は本物で、下流の転換の証明はまだ来ていない。この二つは同時に成り立つ。同氏の言い分を最後まで補っておく。同氏の弱気論は最初から、超知能の軍拡競争と売上ゼロの企業の評価額にだけ向いていて、アプリケーション層に向いたことは一度もない。同氏は自社をアプリケーション層の分野に置いているので、GPU の争奪と弱気論は同氏の枠組みの中ではもともと衝突しない。そしてこの構図こそ、本稿の判定の構造である。四つの強気の数学は、二つの帳簿を一冊に書いてしまった。弱気側の最も強い形も「AI は役に立たない」ではなく、「証明が間に合わない」なのだ。

本誌の見立て

2026 年半ば時点で、四つの強気の数学の照合結果は三層に分けて読む必要がある。第一層は供給側で、すべて実現した。Nvidia のデータセンター年換算売上は約 3,000 億ドルで、売り手側コンセンサスが 2029 年に置いていた水準に三〜四年早く迫った。コンセンサスは年 8% の成長しか見ていないという Jensen 氏の不満は、現実によって正しさが証明された。ただし供給の実現が測っているのはハイパースケーラーがお金を使う意思であって、最終顧客が生産性に代金を払うことではない。第二層は転換率で、開いてみると一つの数ではなく、価格帯で層をなす曲線だった。コーディング分野と月額 250 ドル以上の企業向けツールは立った(グロス・リテンション 70%、ネット・リテンション 85% で、従来の企業向けソフトウェアに並ぶ)。低価格のロングテールは漏れている(グロス・リテンション 23%〜40%)。一般企業で損益が実現した層は一〜二割にとどまり、2 兆〜5 兆ドルの年間投資額が必要とするのは、まさにこの後ろの層である。第三層は資金の構造で、論争の性質を本当に変えたのはこの変数だ。capex はすでに営業キャッシュフローの九割から全額を食い、合算のフリーキャッシュフローは予測では 2026 年第 3 四半期前後にゼロに達し、債務が引き継ぐ。期限のなかった「転換率の証明待ち」は、期限のある競争に変わった。高価格層の転換が広がる速さと、資金調達の条件が締まる速さの競争である。したがって判定はもう、よりよい TAM モデルには頼らない。頼るのは二つの時計だ。リテンションの層別データが上へ動くか下へ動くか。そしてフリーキャッシュフローがゼロに達したあと、債券市場が四半期ごとに示す条件がどれだけ速く悪化するか。

これは誰にとって何を意味するか

企業の AI 予算を管理する立場:リテンションの層別曲線は、そのまま調達方針の材料になる。月額 250 ドル以上のツール層では、同業他社の契約更新の行動がすでに従来の企業向けソフトウェアに並び、複数年契約と引き換えに値引きを取る取引が成り立つ層になった。50 ドル未満のツールは消耗品として扱われ、四半期ごとに成果を確かめ、いつでも切れる契約の形が合う。ただし、この層の高い離脱率を読みすぎる必要はない。安いツールはもともと試用品として入れ替えられるもので、離脱は使われ方の一部であり、すべてが製品の失敗ではない。AI 投資の成果を評価するときの同業水準は、「損益計算書に成果を書き込めた企業は一〜二割」である。この水準を超えれば先行で、届かなくても失敗ではない。ただし六か月たっても計測できる指標が一つも出ない案件は、MIT の言う 95% の側にある。問題は予算ではなく、プロジェクトの設計にある。

資本配分を担う立場:よりよい TAM モデルを待っても決着はつかない。四つの算法の分かれ目はモデルにはなく、同じ一本の柱にある。柱の検証指標は二つしかない。一つは、高価格層のネット・リテンションが 85% の水準を守れるかどうかだ。この 85% は本紙が独自に置いた観察の閾値で、外部の権威が定めた境界ではない。もう一つは、フリーキャッシュフローがゼロに達したあと、債券市場がどんなスプレッドで応じるかである。Gerstner 氏は、総量で強気を保ちながら個別銘柄のリスクを管理する形を自ら示した。Alphabet 株を手放した理由は AI を信じなくなったことではなく、capex の見通しがフリーキャッシュフローを塗り替えたことだった。総量の強気判断と個別銘柄のキャッシュフロー規律は、分けて運用できるし、分けて運用すべきものである。節目は 2026 年第 3 四半期にある。Epoch が合算フリーキャッシュフローのゼロ到達を予測した四半期で、以後の各四半期の社債発行条件が、この競争のリアルタイムのスコアになる。

AI 製品を売る事業の責任者:この層別曲線は製品戦略の地図になるが、向きの読み方に落とし穴がある。値付けを上げれば高いリテンションが得られるのではない。月額 250 ドルに見合うほど深い業務フローへの統合があって初めて、その層のリテンションに届く。価格は結果であって手段ではない。50 ドル未満の層にとどまる製品は、データの上では消耗品であり、グロス・リテンション 23% ではどんな長期契約も支えられない。より大きな機会は、第二の売上曲線にある。いまの論争全体で、硬い数字を持つ実現分野はコーディングだけだ。カスタマーサポート、法務、広告のどれか一分野で、決算資料に単独で載る水準の AI 売上を出した企業が、コーディング以外で初めての決算水準の AI 売上曲線を示すことになる。この曲線が、次に照合に使える硬い数字になる。

本稿を受けた地図上の位置(この樹は本稿で立てたもので、三つの路線の層別の判定を樹に書き込んだ):

本記事は日本語版・英語版・中国語版と同一の調査と判断にもとづいて書かれています。出典にはリンクを付け、原文書と報道を区別し、確かめられなかった点を明記しています。

ご意見・ご感想は [email protected] までお寄せください。