AI 動画の訓練費には上限がある。ソフトウェア企業のように稼げるかは、生成 1 秒ごとの計算費用を誰が払うかで決まる

本稿の要点

AI で人物が話す動画を作る HeyGen は 10 月下旬、自社で訓練した初の動画生成モデルを公開し、独立評価会社 Artificial Analysis の音声なし盲検ランキングで 1 位と発表した。

動画モデルも言語モデルのように世代ごとに投資を積み増すのか、上限のある支出で足りるのか。

本誌の見立てでは、画面が本物と見分けられなくなった時点が到達点で、訓練費には上限があり、アプリ企業にも払える。アプリ企業がソフトウェア企業のように稼げるかは、動画一本ごとにかかる電気代とチップの賃料(以下、計算費用)を誰が払うかで決まる。有料顧客に課金する HeyGen は、自社モデル公開前の 6 月に年初来の現金収支が均衡したと自己申告した。OpenAI が計算費用の大半を負担した動画アプリ Sora は 1 日約 100 万米ドルを費やしたと報じられ、閉鎖された。最も不利なのは、他社モデルを使い利用者の計算費用も肩代わりする動画アプリだ。

上位に入る動画モデルの訓練費は、アプリ企業に払える範囲に収まった

動画生成には、言語モデルにはない終点がある。Captions は、人が話す動画を編集・生成するアプリだ。運営会社の CEO、Gaurav Misra 氏は 2025 年 1 月に投資番組 Invest Like the Best に出演した。同氏が X に投稿した番組の要点には「Bounded problems (video)」という項目があり、動画生成を終わりのある問題として、終わりのない問題と並べていた。アプリ企業の創業者が自社の事業について語った発言である。

本誌はこの「終わりがある」を次のように読む。画面が本物と見分けられなくなれば、そこが終点だ。その先にいくら投じても、視聴者には違いが見えない。言語モデルにはこうした終点がない。推論の力が少し伸びるたびに、より難しく単価の高い仕事を引き受けられるので、モデル企業は世代ごとに投資を積み増すことになる。

公開資料は「訓練費に上限がある」側を支える。HPC-AI Tech は、AI の訓練を速めるソフトを作るスタートアップだ。同社は Open-Sora 2.0 の論文で、約 20 万ドル分の計算資源だけで動画モデルを訓練したと述べた。人による評価では、動画生成企業 Runway や Tencent(騰訊)の 2024 年のモデルと同等だったという。この 20 万ドルは最後の一回の訓練に使った計算資源だけを数えたもので、著者の自己申告である。

より新しい例が HeyGen だ。ビジネスメディア Upstarts の 6 月の報道によれば、HeyGen の累計調達額は 7,400 万ドルにとどまる。その 4 か月後に公開したモデルについて、HeyGen は音声なしのランキングで 1 位、音声ありのランキングで 6 位だとしている。HeyGen はこのモデル自体の訓練費を公表していない。7,400 万ドルは会社全体の調達額なので、上限としてしか使えない。

反対側の注意は、NVIDIA で動画モデルを率いていた Ethan He 氏から出ている。同氏によれば、動画データの保存と移動は見えにくい大きなコストで、動画モデルの訓練費はすでに言語モデルと同等の水準にある。一回の訓練だけを比べれば、動画は言語モデルより安くない。本稿が言う上限とは、画面が到達点に達した後は世代ごとに投資を積み増さなくてよい、という意味である。

HeyGen の例が示すのは、7,400 万ドルを調達したアプリ企業でも、ランキング上位に入るモデルを作れるということだ。だから次の問いは、どの企業も訓練費を払えるようになった後、モデル同士にまだ差がつくかどうかである。

上位数社の画質はもう差がつかないのに、価格は十数倍開いている

上位の動画モデルの画質は、すでに団子状態にある。Artificial Analysis は、ネット利用者がどのモデルの作か伏せたまま二本の動画から選んだ勝敗を、点数に換算している。音声ありの「テキストから動画」ランキングでは、1 位と 10 位の差は測れるものの大きくない。利用者が 10 位より 1 位を選ぶ確率は約 57% で、コイン投げよりわずかに高いだけだ(本誌の計算、算出方法は付録)。上位 10 位のうち何社かは互いにプラスマイナス十数点の誤差の範囲にあり、優劣がつかない。

画質の差は縮まっても、価格は寄ってこない。同じランキングの上位 10 位で、HeyGen と ByteDance(字節跳動)の Seedance 2.5 は、高画質の動画を 1 分生成する表示価格が約 14 倍違う(本誌の計算、算出方法は付録)。それでも両者の盲検の点数はほぼ同じだ。この価格差は、動画の長さや仕様、価格戦略の違いから来ている可能性がある。ただ、このランキングで見る限り、十数倍を払っても目に見える画質の差は買えない。

画質が頭打ちになった後に損益を決めるのは、お金がどこから来るかである。

動画は生成のたびに計算費用がかかり、誰が払うかが損益の分かれ目の一つになる

訓練は一度きりの支出だが、動画の生成は毎回あらためて計算が要る。モデルが利用者のために動画を計算して出す処理を、業界では「推論」と呼ぶ。動画は 1 秒に数十枚の画像からなり、モデルはそれをまとめて計算するので、推論の負荷は文章よりはるかに重い。通常のソフトウェアは利用者が一人増えてもコストはほとんど増えない。動画製品は一本生成するたびに、電気代とチップの賃料が一回分かかる。

OpenAI の Sora は、払う側を誤った例だ。OpenAI は 2026 年 3 月 24 日に動画アプリ Sora の停止を発表し、アプリは 4 月 26 日に閉鎖された。公式には理由が説明されていない。TechCrunch が伝えた《ウォール・ストリート・ジャーナル》の調査によれば、Sora は 1 日約 100 万ドルを費やし、利用者はピーク後に半分以下に減った。この数字はいまのところこの調査だけが出しており、OpenAI は認めていない。本誌の見立てでは、この費用の大半は動画生成の計算費用のはずで、その多くを OpenAI が負担し、利用者から回収していなかった。

HeyGen は、取るべき相手から取った例だ。HeyGen の売上は有料顧客から来る。HeyGen の 6 月の発表によれば、年換算の売上は 2 億ドルを超え、8 か月で倍になった。Upstarts の 6 月のインタビューによれば、HeyGen は年初来のキャッシュフローが収支均衡で、当時はまだ自社モデルを出していなかった。中国の動画アプリ Kuaishou(快手)の動画生成サービス Kling(可霊)は、クリエイターと企業に課金しており、売上が四半期ごとに伸びている(数字は付録)。両社の数字はどちらも自己申告で、粗利率はどちらも公表されていない。顧客から取る料金が動画一本ごとの計算費用を上回っていれば、使われるほど稼ぎは増える。粗利率の数字がない以上、この点はまだ見えない。

この対比では、二つの違いを切り分けられない。計算費用を誰が払うかと、動画一本にどれだけ計算が要るかだ。HeyGen は人物が話す動画が中心で、Sora のような汎用の動画より計算が軽い可能性がある。両社とも 1 秒あたりの計算コストは公表していない。

動画アプリがソフトウェア企業のように経営できる前提は、有料顧客への課金と、自社で訓練した安いモデルだ

本誌の推論:AI 動画の訓練は上限のある支出になり、動画アプリの企業は通常のソフトウェア企業のように経営できる。ただしそれは、有料顧客に課金し、モデルが自社で訓練した安いものである場合に限る。計算費用を会社が負担する動画製品は、使う人が増えるほど損失が膨らむ。いま見えている例は Sora だけだ。

この推論は三つの段を合わせて導いた。訓練費に上限がある、画質に差がつかない、計算費用は生成のたびにかかる、の三つである。一つ目の段がなければ、アプリ企業は自社モデルの費用を払えず、他社から買うしかなくなり、粗利はモデル企業に取られる。画質に差がつくなら、最も高いモデルは本当にその値段に見合うのかもしれない。三つ目の段は最も欠かせない。三つ目がなければ、訓練費に上限があることがそのまま高い粗利を意味し、Sora がなぜ止まったかを説明できない。最も弱い環は、二社の売上とキャッシュフローがどちらも自己申告で、粗利率の数字がないことだ。そのため本稿は「経営が成り立つ」までを推し、「粗利率が通常のソフトウェア企業並みに高い」までは推さない。

三つの段がすべて成り立っても、推論が外れる場合が二つある。一つは、大手モデル企業が、すでに数億人の利用者を持つ自社製品に動画生成を無料で組み込む場合だ。ほかの事業の利益で計算費用を補えば、動画生成の相場はアプリ企業の一本あたりの計算費用より下に押し下げられる。もう一つは、顧客が対話でき、人物と場面を長時間一貫させた動画を求め始める場合だ。そうなれば終点は「画面が本物に見える」から「モデルが世界の動き方を理解する」へ移り、その段階の上限を言える人はいない。

一段上から見る:自社モデルを持ち、有料顧客に課金する動画企業は、モデル企業のように大型の資金調達を繰り返さなくてよい

本誌の見立てでは、HeyGen が自己申告した調達額とキャッシュフローの数字が正しければ、HeyGen のような企業の株主は、モデル企業の株主のように世代ごとの新たな資金調達で持ち分を薄められずに済む。損をするのは、本稿の要点で挙げた種類の企業だ。他社のモデルを使うだけで利用者の計算費用も肩代わりする動画アプリは、収入とコストの両方をモデル企業に決められる。

次に注目する点

最初の注目点は、11 月に出る Kuaishou の第 3 四半期決算で、Kling の売上が第 2 四半期の 8.5 億人民元を上回るかどうかだ。次は、Sora の元責任者 Bill Peebles 氏とハリウッドの映画プロデューサー Jeffrey Katzenberg 氏が共同で立ち上げたスタートアップである。The Information の報道によれば、このスタートアップは OpenAI と交渉中で、Sora を作り替えて映画スタジオに売ろうとしている。交渉がまとまれば、Sora も料金を払う企業から課金する道に移る。

この判断を覆す条件:

以下の期限と基準は本誌が定めたものだ。

• 2027 年 3 月 31 日までに Kuaishou が公表する Kling の第 4 四半期の売上が、第 2 四半期の 8.5 億人民元を下回れば、計算費用の節(三つ目)は誤りとなる。
• 2027 年 6 月 30 日までに、ある企業が画質のために(世界モデルのためではなく)動画モデル一つの訓練に 50 億ドル以上を投じたことが公開情報で示され、そのモデルが Artificial Analysis の音声ありランキングで 3 位以内に入れば、訓練費の節(一つ目)は誤りとなる。
• 2027 年 6 月 30 日までに、Artificial Analysis の音声ありランキングで 1 位と 10 位の差が 150 点以上に開けば、画質の節(二つ目)は誤りとなる。
• 2027 年 6 月 30 日までに、HeyGen か Kuaishou が動画事業の粗利率を 40% 未満と公表し、しかもその事業がまだ赤字なら、計算費用の節(三つ目)と推論の節(四つ目)は誤りとなる。
• 2027 年 6 月 30 日までに、Google か OpenAI が自社の主力製品で動画生成を無料で提供し、同じ期間に HeyGen が公表する年換算売上か Kuaishou が公表する Kling の売上が二四半期続けて減れば、推論の節(四つ目)は誤りとなる。

本誌が見つけた最も有力な反論:動画生成企業の Luma AI は 2025 年 11 月、9 億ドルの資金調達を発表した際、「世界モデル」を訓練し提供するには、現在の言語モデルより何桁も大きなデータが要ると述べた(Luma のプレスリリース、Business Wire)。

付録

① 本筋で使った数字と発言の対照表

② 本誌の計算

• 1 位と 10 位で約 57%:盲検の点数はチェスのイロレーティングと同じ規則で換算する。点差が d のとき、点の高い側が選ばれる確率は 1 ÷(1 + 10^(−d/400))。Wan 3.0 の 1175 から Gemini Omni Flash 1.1 の 1128 を引くと d = 47 で、代入すると約 0.567 になる。
• 価格の約 14 倍:Seedance 2.5 の 1 分 34.12 ドル ÷ HeyGen Video 1 の 1 分 2.40 ドル ≈ 14.2。両者の点数は 1157 と 1156。
• HeyGen が発表した「株式資本 1 ドルあたり年換算売上約 2.70 ドル」は、2 億 ÷ 7,400 万 ≈ 2.70 と一致する。

③ 発言と用語

• a16z(シリコンバレーのベンチャーキャピタル)のパートナー Olivia Moore 氏は 10 月の番組で、画像生成専門の Midjourney はトラフィックのランキングから消えたが、売上のランキングには戻ってきたと述べた。
• 本稿の「終わりがある」は、「画面を視聴者が本物と見分けられない水準まで計算する」段階だけを指す。動画を物理世界のシミュレーションとして扱う世界モデルは、上限のある範囲に入らない。
• 本稿の「ソフトウェア企業のように経営する」は、訓練が一度きりの投資で、その後の売上が生成ごとの計算費用を上回れることを指す。粗利率がすでに通常のソフトウェア企業の水準に達したという意味ではない。粗利率を公表した動画企業は一社もない。
• Captions の運営会社は 2025 年 9 月に社名を Mirage に変えた。Captions はいまもアプリの名前である。
• 動画モデルを作っているのは四種類の企業や団体だ。Google のような大手モデル企業、ByteDance や Kuaishou のような中国のプラットフォーム企業、HeyGen のようにもともと動画ツールを作っていたアプリ企業、そして訓練済みモデルのパラメータを公開し誰でもダウンロードして使えるようにするオープンソースのチームである。
• 2026 年 10 月 31 日時点で、Artificial Analysis の音声ありランキングの 1 位は Alibaba の Wan 3.0 である。

本稿の出典

• Open-Sora Team、Open-Sora 2.0 技術報告(約 20 万ドルで商用水準の動画モデルを訓練)、arXiv 2503.09642
• HeyGen(Joshua Xu)、年換算売上 2 億ドル突破の発表、2026-06-25
• HeyGen、HeyGen Video のモデルページ
• Mirage、General Catalyst からの 7,500 万ドルの成長資金の発表、2026-03-24
• Luma AI のプレスリリース、9 億ドルのシリーズ C と HUMAIN の 2GW スーパークラスター、Business Wire、2025-11-19
• Kuaishou Technology、2026 年第 2 四半期および中間期の未監査業績
• 独立評価会社 Artificial Analysis のテキストから動画ランキング(Text to Video Leaderboard)。ネット利用者が二本の動画を伏せて選んだ結果で採点
• Upstarts Media(Alex Konrad)、年換算売上 2 億ドルで資金を燃やさない HeyGen のインタビュー記事、2026-06-25
• TechCrunch(Connie Loizos)、Why OpenAI really shut down Sora、2026-03-29
• Wikipedia、Sora (text-to-video model)
• TechCrunch、Mirage が 7,500 万ドルを調達し Captions 向けのモデル開発を続ける、2026-03-24
• BigGo Finance、Kuaishou の第 1 四半期売上と Kling の年換算売上約 5 億ドルの報道、2026-05-27
• Kompozy、HeyGen Video general purpose model、2026-10-25
• Middle East AI News、Luma AI の 9 億ドルのシリーズ C の報道
• a16z Podcast、The Current State of Consumer AI、2026-10-05
• Gaurav Misra 氏の X 投稿(Invest Like the Best の番組の要点)、2025-01
• Stephanie Palazzolo 氏の X 投稿(The Information の報道の要約)、2026-10-12

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。