作者：Arvind Narayanan、Akash Kapur
本稿の目的は、「AI はバブルなのか」という議論を超えることです。そのために、現在の財務状況と、長期的に見て誰が価値を獲得するのかという問題を明確に区別し、これらのラボがモデルプロバイダーとしての役割にとどまらないことを認識します。ラボはテクノロジースタックの上流へ移行することができ、実際にすでに積極的にそうした動きを進めています。これは、ラボがコモディティ化の罠から抜け出す助けになる可能性が高い一方で、新たな懸念――顧客のロックインと競争の弱体化――ももたらします。
Akash Kapur はプリンストン大学の客員研究員であり、New America のシニアフェローです。Sayash Kapoor とは親族関係にありません。
先端 AI 企業が計算資源に巨額の投資を続け、華々しい IPO を目指して競い合うなか、そのビジネスモデルには依然として深刻な疑問が残されています。これらの企業、そしてそれらに依存するチップメーカー、ハイパースケールクラウド事業者、インフラパートナーから成る巨大なエコシステムは、2030 年代初頭までに AI インフラへ投じられると予想される4 兆～8 兆ドルを、どのように回収するのでしょうか。
現在の議論は、批判派と支持派に分かれています。批判派は、積み上がる損失、設備投資と収益の乖離、そして先端ラボが巨額の現金を消費しているという報道を指摘します。一方、支持派は、急速に伸びる収益、企業による導入、そしてAnthropic 初の黒字四半期といったマイルストーンを強調します。どちらの側にも理があります。しかし、両者とも見るべき場所を間違えています――同じ四半期決算と、いまだ激しく変化しているこの業界を同じ短期的な視点で見ているのです。
ここ数か月、私たちは AI ビジネスの性質とその持続可能性について考察してきました。その結果、現在主流となっている見解の大半とは異なる結論に至りました。今日、AI 企業の収益のかなりの部分は推論サービスへの課金から生じています。しかし、最先端モデルの推論が置かれている状況は、これを極めて持続の難しいビジネスにしています。モデル間に実質的な差別化はほとんどなく、先端ラボは似通った資本構成を採用し、乗り換えコストは低く、価格も自由に調整できます。これらすべての要因が相まって、いわゆるコモディティ化の罠を形成しているように見え、高収益、ましてや黒字のビジネスを構築するうえで大きな課題となっています。
一方で、私たちは、この業界がまだ過渡期にあり、成熟後の産業構造は大きく異なると考えています。歴史的な証拠と経済理論を組み合わせると、その均衡状態においては、競争によってモデル推論の価格は生成するトークンの限界費用近くまで押し下げられる可能性が高く、モデル層には持続的な利益を実現する余地がほとんど残らないと考えられます。しかし、これは AI ビジネスが本質的に成立しないという意味ではありません。同じ分析からは、AI ラボが前進する道筋も見えてきます。そこから導かれる本稿の中心的な主張は、次のとおりです。
ラボが持続的な収益性を実現する最も可能性の高い道筋は、これまで投資の大半を集めてきた基盤層（チップ、データセンター、モデル）に依存することではありません。垂直統合、企業への組み込み型導入、そして意図的に乗り換えコストなどの「堀」を構築することによって、テクノロジースタックのより上位へ移行することです。
ラボがテクノロジースタックの上位へ移行して価値を獲得する戦略は、その多くがエンタープライズソフトウェアの手法を取り入れたものであり、すでに実行に移され始めています。これらの戦略は、現在の AI エコシステムの持続可能性だけでなく、競争、イノベーション、さらには経済的・政治的権力の全体的な分配に関わる、より広範な社会的問題も提起します。これまで、AI をめぐる世論の議論は、かなり矛盾した二分法を示してきました。一方では独占的な集中と制御不能な市場支配力が懸念される一方で、低い乗り換えコストと、相互に比較的代替可能なモデルは、こうした懸念と相反するように見えます。しかし、私たちの見立てが正しければ、各ラボは今後ますますテクノロジースタックの上位へ移行していくことになります。そうであれば、ロックイン効果が現れ始めてから対策を講じるのではなく、今の段階から市場集中と競争の問題を真剣に受け止めるべきです。結論では、こうしたより広範な問題に改めて立ち戻ります。また、本稿で扱う多くのテーマについては、近日公開予定の論文で詳しく論じる予定です。
歴史分析：インフラ層は、創出した価値をほとんど獲得できない
『通常技術としての AI（AI as Normal Technology）』という枠組みは、適用可能な場合に、過去の変革的な技術から教訓を引き出すことを目指しています。私たちは、AI もまた、投資、競争、価値獲得に関わる、これまでの技術革新の波を形作ってきたものと同じ力学の多くにさらされていると考えています。そこで研究の一環として、より広い歴史的視点から AI における価値獲得の難しさと、各ラボが取り得る対応策を検討しました。
私たちは、資本集約型のインフラ産業六つについて歴史的な事例を調査しました。鉄道、電力、通信・光ファイバー、クラウドコンピューティング、半導体製造、商業航空です。今日の AI には、インフラと似た特徴が数多くあると考えています。巨額の資本需要、低い限界費用、そして最終的に価値を生み出すアプリケーションから相対的に切り離されたコモディティ化された製品です。このため、インフラは悪名高く難しい産業となっています。
しかし同時に、AI はソフトウェアでもあります。ソフトウェア産業は歴史的に高い収益性と非常に高い利益率を誇ってきました。この業界が目指しているのは、ソフトウェア並みの利益率を実現することです。そこで私たちは、Software as a Service（SaaS）における付加価値化とロックインの戦略についても調査し、AI がこうした戦略を再現できるかを分析しました。私たちの主張は、AI 企業の持続可能性と価値獲得は、第一のグループであるインフラの属性から、第二のグループであるエンタープライズソフトウェアの属性へ、どれだけうまく移行できるかに大きく左右されるというものです。
全体として、歴史分析から AI について得られる示唆に富む教訓は三つあります。
第一に、インフラ事業者が自ら創出した価値を獲得できることは、ほとんどありません。鉄道、電力、通信、航空の各産業では、設備容量を構築した企業は最終的に、競争、規制、あるいはコモディティ化によって薄い利益しか得られない状況に陥りました。多くの場合、企業は完全に破綻さえしました。1990 年代末の通信・光ファイバー建設ブームでは、7 年間でインフラ容量が18.6 万倍に増加し、価格は暴落、約 2 兆ドルの時価総額が失われました。インフラが生み出した価値の大部分は、その上に構築された産業やアプリケーションへと流れました。商業航空産業は、典型的な純利益率がわずか 2～4％で、しばしば資本コストを下回るにもかかわらず、グローバル化した経済からあらゆる業界の企業が恩恵を受けるなか、80 年間にわたって投資家の資本を破壊し続けてきました。
私たちは、少なくとも現在のようにハイパースケールクラウド事業者が主導する形態においては、AI も、過去の多くのインフラ構築企業を苦しめたのと同じコモディティ化の罠に陥るリスクがあると考えています。Carlota Perez は、次のような逆説的な現象を提唱しました。それは、……