アポロ経済学者：2026年、S&P 500の他の銘柄が停滞する中、マグニフィセントセブンの利益率が上昇
人工知能は2026年で最も大きな投資テーマの一つとなり、チップ、データセンター、クラウドコンピューティング、AIモデルへの数百億ドルの支出を引き寄せている。しかし、金融市場全体で次第に浮上している疑問がある：これらの投資は、技術を提供する企業を超えて、測定可能な経済的リターンを生み出しているのか？アポロ・グローバル・マネジメントの首席エコノミスト、トールステン・スロクは、10月24日の研究ノートで、マグニフィセントセブンの従業員当たり収益と利益率は向上している一方で、S&P500の他の493社ではほぼ横這いのままであると指摘した。また、生産性成長の加速がAIによってもたらされた明確な証拠は見られないと結論付けた。
その影響は従来の株式市場を超える。AIインフラへの支出が企業顧客が得る財務的メリットを上回り続ける場合、投資家はテクノロジー企業の評価、企業収益見通し、AIサービスへの需要を見直す可能性がある。同様の問いは仮想通貨市場にも当てはまり、AI関連トークン、分散型コンピューティングネットワーク、ブロックチェーンベースのAIプロジェクトが次第に投資家の注目を巡って競い合っている。核心的な問題は、AI技術が進化しているかどうかではなく、その商業的価値が比較的少数の支配的テクノロジー企業を超えて広がるかどうかである。
-
AIの利益は依然として集中している：Apolloの2026年10月の分析によると、マグニフィセントセブンでは従業員1人あたりの収益と利益率が上昇しているのに対し、S&P 493では同様の指標は全体的に横ばいのままである。
-
企業におけるAIの導入は財務的な試練に直面しています。モデルのサブスクリプション、トークン消費、統合費用、および人的監視により、企業がAIの機能を測定可能な財務的成果に変換できない場合、効率の向上が相殺される可能性があります。
-
インフラへの投資は機会とリスクを生み出します：主要なテクノロジー企業は引き続きコンピューティング能力への投資を強化していますが、これらの投資の持続可能性は顧客需要と将来のキャッシュ生成に依存しています。
-
株式市場のパフォーマンスは経済の差異を隠す可能性があります：大手テクノロジー企業の時価総額は、セクター間で利益成長が不均一であっても、インデックスの目立つパフォーマンスを支えることができます。
-
関連するAIプロジェクトは同様の課題に直面しています：AIインフラとデジタル資産への投資家の関心は、ブロックチェーンベースのサービスやそれに関連するトークンの持続的な需要を保証しません。
トーレステン・スロクが公開したアポロの10月24日付研究ノートでは、AIの財務的メリットが米国企業全体に広がるのではなく、大手技術企業に集中していると主張している。この分析では、Alphabet、Amazon、Apple、Meta、Microsoft、Nvidia、TeslaをS&P 500から分離し、残りの企業をS&P 493と呼んでいる。スロクによると、マグニフィセントセブンでは従業員当たりの売上と利益率が上昇したが、インデックスの他の企業ではほぼ横ばいのままである。また、彼の分析では、AIによる生産性成長の明確な加速は見られていない。
この違いは、マジニフィセントセブンがAIバリューチェーンの複数の異なる位置を占めているため重要です。Nvidiaはコンピューティングハードウェアを供給し、MicrosoftとAlphabetはクラウドおよびソフトウェアエコシステムを運営し、Amazonはクラウドインフラストラクチャとコマースを組み合わせ、MetaとAppleは大規模な消費者プラットフォームから恩恵を受けています。Teslaは異なるビジネス構成を持っていますが、同じ市場グループに属しています。これらの企業は、チップ、クラウドサービス、広告、サブスクリプション、ソフトウェア、その他の既存の収益チャネルを通じてAIを収益化できます。これに対して、このグループ外の多くの企業はAI機能を購入し、その結果生じる効率性がコストを上回ることを示す必要があります。
従業員当たりの収益と利益率に格差が広がっている
アポロの分析は、財務パフォーマンスと技術採用の違いを強調しています。企業はAIツールを導入し、特定のタスクを自動化したり、従業員の高度なモデルへのアクセスを拡大したりしても、直ちに全体的な収益性の向上につながるとは限りません。恩恵は、サービスの迅速化、エラーの削減、顧客維持率の向上、または単位コストの低下として現れる可能性がありますが、これらの利益は導入コスト、賃金の上昇、エネルギー費用、および追加のソフトウェア支出によって相殺されることがあります。従業員当たりの収益と利益率は有用な総合的な指標ですが、いずれもAI採用の潜在的なすべての恩恵を捉えているわけではありません。
| インジケーター | マグニフィセントセブン | S&P 493 |
| 従業員1人あたりの収益 | アポロの分析で上昇 | 全体的に横ばい |
| 利益率 | 報告された比較で約30%上昇 | 約10％付近で広く横ばい |
| AI関連の生産性向上 | より強い財務パフォーマンスですが、この比較のみでは因果関係は確立されていません | アポロによって明確な集計加速度は識別されていません |
| AI経済における保有資産 | 主要なAIインフラおよびプラットフォームサプライヤーを含みます | 幅広いAI顧客およびその他の企業を含みます |
これらの数値は、アポロの分析に関する報道で報告された概算値であり、各企業の正確な測定値ではありません。これらはグループレベルの差異を示しており、AIがこの差異を引き起こしたことを示すものではありません。
本調査結果は、テクノロジー以外のすべての企業がAIの恩恵を受けられなかったことを示す証拠とは解釈されません。集計された証拠金は個々の成功を隠す可能性があり、生産性の向上は財務諸表に反映されるまでに時間がかかることがあります。しかし、アポロの分析は投資家にとって重要な問いを提起しています。AIが広範な経済を変革すると予想されるならば、その変革はAIを導入する企業の財務パフォーマンスにいつ現れるべきでしょうか？
AI投資と測定可能な財務的リターンとの間のギャップは、新技術を既存のビジネスに統合する複雑さを反映している。高度なモデルへのアクセスを購入することは比較的簡単であるが、企業のワークフロー、データインフラ、責任範囲、意思決定プロセスを再設計することははるかに難しい。AIはタスクの完了に必要な時間を短縮する可能性があるが、その出力の検証、コンプライアンスの維持、または結果を顧客に伝達するために必要な周辺作業を排除することはできない。その結果、個々のタスクレベルでの改善は、必ずしも企業全体の証拠金の向上にはつながらない。
トークンコストが重要な企業経費となりつつあります
多くのAIサービスは、処理される入力トークンと出力トークンの数を含むモデルの使用量に応じて料金を課金します。従業員や自動エージェントがAIシステムを通じてより多くのタスクを実行するにつれて、消費量は大幅に増加する可能性があります。大規模な運用を展開する企業の場合、総コストにはモデルへのアクセス、クラウドインフラ、データ準備、セキュリティ制御、ソフトウェア統合、および人間によるレビューが含まれる場合があります。より高性能なモデルは複雑なタスクの精度を向上させる可能性がありますが、安価なモデルで十分な結果が得られる場合、その追加コストを正当化するのは困難です。
Slokは、主流企業が最新モデルの購入に慎重になっていると主張している。その理由は、財務上のメリットが常に損益計算書に反映されていないからである。一方で、ベンチャー支援企業はAI機能への支出を継続して拡大しており、急速な技術拡張を追求する企業と明確な経済的リターンを求める既存企業との間で差が生じている。この違いは、AIプロバイダーが利用増加を継続的な収益に交換しつつ、魅力的な単位経済を維持しようとしている点で特に重要である。
ビジネス判断が自動化の達成可能範囲を制限する
AIは情報の要約、コードの生成、文書の分析、計算の支援が可能です。しかし、多くのビジネス決定は文脈、責任、顧客の信頼、組織文化、倫理的配慮に依存しています。たとえば、金融機関はAIを利用して申請書を審査できますが、コンプライアンスや公平性、顧客に影響を与える決定には依然としてコントロールが必要です。医療提供者は文書作成を自動化できますが、臨床的判断には人間の責任を残します。どちらの場合も、技術は特定のタスクの効率化を図ることができますが、サービス提供に伴う広範な運用コストを排除することはできません。
これにより、採用率だけでは商業的成功を十分に評価できない理由が説明されます。企業は、AIがコンバージョン率、処理時間、顧客維持率、または1取引あたりのコストなどの測定可能な成果を向上させるかどうかを判断する必要があります。これらの改善が導入および運用コストを上回らない場合、AIの追加利用は収益性の向上なく支出を増加させる可能性があります。したがって、アポロの主張は技術的進歩の欠如というより、その進歩を広範で測定可能な財務的利益に変換する難しさに関するものです。
生産性の向上には時間がかかる可能性があります
タイミングの問題もあります。企業は新しい技術の完全なメリットを実現する前に費用を負担することがよくあります。従業員のトレーニングが必要で、内部システムの改修が必要であり、マネージャーはどのタスクを自動化し、どのタスクを人間がレビューすべきかを決定しなければなりません。この移行期間中、生産性の向上は限定的なままか、仕事の再編にかかるコストによって相殺される可能性があります。
ゴールドマン・サックスのチーフエコノミスト、ジャン・ハツィウスは、AIの長期的な経済的潜在力についてより楽観的な見解を示し、投資が最終的に生産性の向上と企業利益の拡大を後押しする可能性があると主張している。しかし、ゴールドマン・サックスは、現在のAI投資サイクルによる成長寄与が2026年末または2027年初頭にピークに達する可能性があると見ている。この2人のエコノミストの違いは、AIが有用かどうかという単純な問題ではなく、その恩恵がどのくらい速く、どのくらい広範囲に現れるかという点にある。
投資家にとって、適切なテストは、今後の中間的な財務成績がすでに実施されている支出を裏付けるかどうかです。リターンの遅れは依然として可能性として残っていますが、企業は、価値がいずれ現れるという期待に頼るのではなく、自社のAIプログラムが持続的な価値を生み出していることを示す必要があります。
AIインフラへの支出規模により、投資収益の問題がますます重要になっています。The Indian Expressが10月28日に報じた報告書によると、主要なテクノロジー企業は2026年にAIインフラに約6500億ドルを支出する計画です。同報告書は、Gartnerの警告を引用し、AIによって生み出される収益が支出を正当化できなければ、2030年までに3.5兆ドル以上のAIインフラ投資が減損リスクにさらされる可能性があると指摘しています。これらは将来見通しと条件付きのリスク評価であり、確定した損失ではありません。
インフラの拡張は、半導体メーカー、クラウドプロバイダー、データセンター運営者、ネットワークサプライヤー、電力インフラなど、テクノロジー経済の複数のレイヤーを支えています。これらの企業は、機器の納品、コンピューティング容量の賃貸、またはクラウドサービスの利用によって収益を生み出すことができます。一方、企業顧客は、AI関連の費用を将来的な生産性の向上、売上の増加、またはその他の経済的メリットによって回収する必要があります。これにより、時間差が生じます。インフラサプライヤーは、サービスを購入する企業が投資収益率のプラスを実証する前に収益を計上できるのです。
資本支出、減価償却、キャッシュフローが重要です
10月23日に発表されたロイター・ブレイキングビューの分析は、AIインフラへの投資が企業の収益と財務リスクに与える影響を検討した。この分析は、機器サプライヤーが製品販売時に収益を認識できるのに対し、購入者は一般的に減価償却を通じて資本支出を期間にわたって認識すると指摘した。建設中のデータセンターについては、施設が運用を開始するまで減価償却が開始されない可能性がある。この会計上のタイミングにより、投資サイクルの短期的な財務的メリットが、最終的な経済的リターンよりも強く見えることがある。
同じ分析は、主要なテクノロジー企業における債務発行の増加と機器関連のコミットメントの増加を強調しました。これらの義務は、安定した収益源と堅調な貸借対照表を持つ企業にとって、自動的に財務的困難を示すものではありません。しかし、これらは今後の利用率、価格設定力、顧客需要の重要性を高めます。コンピューティング能力が顧客の支払い意欲よりも速く拡大する場合、基盤となる技術が継続的に改善されても、プロバイダーは証拠金とキャッシュフローに圧力がかかる可能性があります。
AIの需要がインフラの供給に見合わない場合、何が起こりますか？
主なリスクは、AIの導入が遅れるだけでなく、インフラ拡張を支える財務上の前提が過度に楽観的であることです。データセンターには、初期の大きな投資、長期的な電力契約、ハードウェアの購入、そして継続的な保守が必要です。利用率が予想を下回ったり、モデル価格が運営コストよりも速やかに低下したりすると、一部の投資は当初予想されたより低いリターンしか生まない可能性があります。現金準備が限られている小規模なインフラ事業者は、確立されたテクノロジープラットフォームよりも資金調達条件の影響を受けやすくなります。
市場にとって、重要な指標は支出合計だけではありません。投資家は、収益に対する資本支出、フリーキャッシュフロー、債務コミットメント、減価償却費、および継続的な顧客需要の証拠を監視すべきです。継続的な支出は短期的なサプライヤーの収益を支えますが、持続的な長期成長には、顧客がAIサービスから十分な経済的価値を引き出し、継続的な支出を正当化できることが必要です。
マグニフィセントセブンの堅調なパフォーマンスは、S&P 500が時価総額加重であるため、広範な株式市場に影響を与える可能性があります。最大の構成銘柄が上昇すると、多くの小規模企業が収益成長の鈍化や証拠金拡大の限界を経験していても、ヘッドライン指数を支えることができます。これにより、インデックスレベルのパフォーマンスは、経済的利益が企業セクター全体にどれほど広がっているかを測るには不十分な指標となります。
アポロの調査結果によると、投資家はAIサプライヤーのパフォーマンスと、AIを導入する企業の財務的成果を区別すべきです。半導体企業はインフラ支出の増加から恩恵を受ける一方で、AIを在庫予測に活用する小売業者は、明確なコスト削減を示すために複数の報告期間を要する可能性があります。両企業は同じ技術トレンドに関連していますが、収益モデル、コスト構造、AI需要への露出度は本質的に異なります。
AIの評価は将来の収益に依存する
AI関連株への投資の根拠の一部は、現在の支出が将来的な収益成長を支えるという期待に依存しています。コンピューティングサービスへの需要が拡大を続け、プロバイダーが価格決定力を維持すれば、インフラへの投資は魅力的なリターンを生む可能性があります。一方、顧客が利用を減らしたり、より安価なモデルに移行したり、プロジェクトを延期したりすると、AIの採用が継続しても収益期待は弱まる可能性があります。
ロイターの10月の分析は、AI関連投資が企業の利益成長に過剰に貢献している一方で、資金調達コストや今後のキャッシュ生成について疑問を投げかけたことを強調しました。これはAI株が必ずしも過大評価されていることを示すものではありません。むしろ、投資家が予測された成長にのみ頼るのではなく、持続可能な利益とキャッシュフローと評価を比較する必要がある理由を示しています。
マーケットの広がりがより重要なシグナルとなる可能性があります
投資家は、利益成長が最大のテクノロジー企業を超えて広がっているかどうかを確認することもできます。等重み指数と時価総額重み指数のパフォーマンス、マージン拡大を報告した企業の数、およびセクターごとの利益見通しの修正は、市場の強さが広がっているかどうかを示す手がかりとなります。AIによる生産性向上が医療、金融、製造、消費者サービスなどの業界で現れ始めれば、より広範な経済的恩恵を裏付ける証拠となります。
逆に、AI関連の収益と利益がインフラサプライヤーに集中したまま、企業顧客が増加するコストを継続して吸収する場合、資本支出の指針や支出効率への市場の敏感さが高まる可能性があります。そのような環境では、AIへの露出が強い企業であっても、AI容量を販売する企業と、それを利用して持続的な収益を生み出している企業を投資家が区別するため、業績の差がさらに拡大する可能性があります。
仮想通貨市場では、AIトークン、分散型コンピューティング、ブロックチェーンベースのAIサービスについて同様の議論が生じています。コンピューティングプロバイダーとAI開発者を結びつけ、分散型インフラを調整し、ネットワーク参加者にトークンで報酬を支払うプロジェクトは、AIリソースへの需要の高まりにより恩恵を受ける可能性があります。しかし、Apolloの分析から得られるより広範な教訓は、技術の採用と金融的価値の創出は別々の問題であるということです。AIへの関心の高まりは、このテーマに関連するすべてのプロジェクトに持続的な需要を自動的に生み出すわけではありません。
AIトークンには実際の有用性と測定可能な需要が必要です
AIプロジェクトに関連付けられたトークンは、コンピューティングの支払い、サービスプロバイダーへの報酬、ネットワーク参加の調整、または特定のプラットフォーム機能へのアクセスに使用できます。重要な質問は、ユーザーが価値あるサービスを得るためにトークンを必要とするかどうか、そしてその需要が投機的な取引を超えて継続するかどうかです。プロジェクトは、運営コストを賄うのに十分な有料利用を生み出さずに、ウォレットのアクティビティやコミュニティの関与が増加していると報告できます。
したがって、投資家はプロジェクトの技術的機能、実際の顧客採用、およびそのトークンの経済的役割を区別する必要があります。有用な指標には、有料コンピュート需要、継続的な顧客、ネットワーク利用率、サービス収益、トークン発行量、およびトークン供給と実際のネットワーク活動との関係が含まれます。これらの指標は、AI関連の暗号プロジェクトが実用的なサービスを開発しているのか、それとも市場全体の熱狂に主に恩恵を受けているのかを判断するのに役立ちます。
分散型コンピューティングは、独自のコストと利用率の課題に直面しています
分散型GPUネットワークおよびその他の分散コンピューティングプロジェクトは、コンピューティングリソースを必要とするユーザーと、利用可能なハードウェアを保有するプロバイダーを結びつけることを目指しています。これらのプロジェクトの潜在的な利点には、柔軟なアクセス、代替的な供給チャネル、インフラの新しい調整方法が含まれます。ただし、これらのネットワークは、ハードウェアの品質、稼働時間、遅延、データプライバシー、検証、価格設定に関する実用的な課題に依然として直面しています。
分散型ネットワークは、従来のクラウドプロバイダーではなくそれを選ぶべき明確な理由をユーザーに提供しなければなりません。競争力のある総コストで予測可能なパフォーマンスを提供できない場合、AIコンピューティングの需要が増加しても需要は限定的なままである可能性があります。さらに、トークンインセンティブは十分な顧客需要が存在する前にプロバイダーを引きつけるため、利用可能なキャパシティと有料ワークロードの間に不一致が生じる可能性があります。アポロがAI投資と商業的リターンのギャップについて警告している点はここに関連していますが、彼女のS&P 493分析は分散型AIネットワークを直接測定していません。
ステーブルコインとブロックチェーン決済はAIコマースを支援できる
ステーブルコインとブロックチェーンベースの支払いシステムは、ソフトウェアエージェント間の支払い、国際決済、マシン間取引を含む自動化されたデジタルサービスにおいて役割を果たす可能性があります。しかし、AIの活動が拡大しても、ステーブルコインの利用や取引手数料、ブロックチェーンネイティブトークンへの需要が自動的に増加するわけではありません。経済的な結果は、企業がこれらのシステムを採用するかどうか、支払いがオンチェーンで決済されるかどうか、そして生じる活動がネットワークに持続可能な収益を生み出すかどうかに依存します。
仮想通貨投資家にとっての実践的な教訓は、テーマ的な関与だけでなく、顧客需要、トランザクション経済、トークンの実用性という証拠に基づいてAI関連プロジェクトを評価することである。AIセクターは拡大を続ける一方で、個々のプロジェクトは持続可能なビジネスモデルを確立するのに苦戦し続ける可能性がある。マグニフィセントセブンの財務成績がすべてのAI投資が利益をもたらすことを証明しないのと同じように、広範なAI経済の成長が、すべてのAI関連仮想通貨資産が恩恵を受けることを保証するわけではない。
次段階のAI投資に関する議論は、企業が測定可能な財務的リターンを示し始めるかどうかにかかっている。四半期決算報告、経営陣の見通し、および資本支出の発表が重要な証拠を提供する。投資家は、AIが運営費用、顧客獲得、従業員当たりの生産性、サービス品質、および収益成長にどのように影響するかを説明する企業に注目すべきである。AI導入に関する一般的な主張より、特定のビジネスプロセスと結びついた測定可能な結果の方がはるかに情報量が多い。
| インジケーター | 監視すべき項目 | なぜそれが重要なのか |
| 利益率および従業員1人当たりの収益 | 改善がマジセブンを超えて広がるかどうか | AIの恩恵が広がっているかをテストする |
| AIの資本支出 | 収益およびキャッシュフローに対する支出の成長 | インフラ拡張の持続可能性を評価するのに役立ちます |
| エンタープライズモデルの支出 | 顧客の定着率、利用状況、支払い意欲 | AIサービスが十分な価値を提供しているかどうかを示します |
| 減価償却および資金調達コスト | インフラが運用開始に伴い費用が増加 | 投資ブームの遅れたコストを明らかに |
| AI関連の暗号資産アクティビティ | 有料利用、ネットワーク利用率、トークン発行、継続的な需要 | 実用性と投機的関心を区別するのに役立ちます |
特に重要なシグナルは、最大手のテクノロジー・プラットフォーム以外の企業全体で利益率が持続的に改善することです。このような展開は、AIがインフラサプライヤーや既存のプラットフォームを主に支援するのではなく、経済全体に経済的メリットをもたらしているという主張を強化します。一方で、企業の財務パフォーマンスの改善が伴わずに支出の成長が継続すれば、投資家は投資予算をより厳しく見直す可能性があります。
投資家は、アポロの評価を決定的な予測として扱うのではなく、異なる経済的解釈を比較すべきです。Slokは、テクノロジー以外での明確な財務的リターンの欠如を強調していますが、ゴールドマン・サックスのJan Hatziusは、AIの長期的な生産性の可能性についてより楽観的です。最終的な結果は、採用状況、実装の質、価格設定、資金調達条件、および企業が技術的機能を収益性のある製品やサービスに交換する能力に依存します。
アポロの経済学者トーレン・スロクの2026年10月の分析は、AI技術を供給する企業と、その恩恵を受けると期待される広範な企業セクターとの間で、格差が拡大していることを強調しています。マグニフィセントセブンは引き続き1人当たりの売上高と利益率が優れていますが、S&P 493はまだ同等の総合的な改善を示していません。一方、大規模なインフラ投資により、顧客需要、キャッシュフロー、持続可能なリターンの重要性が高まっています。
株式および仮想通貨の投資家にとって、中心的な問いは、AIの技術的能力の拡大が継続的な経済的価値に転換できるかどうかである。次の投資サイクルの段階は、支出発表や採用の主張ではなく、生産性、収益性、顧客の支払い意欲における測定可能な改善によって評価されるだろう。AIは最終的に広範な経済的利益をもたらす可能性があるが、投資家には、その利益が比較的少数の先進テクノロジー企業を超えて広がっているという証拠が必要となる。
S&P 493という用語の意味は何ですか？
S&P 493は、マジニフィセントセブン（アルファベット、アマゾン、アップル、メタ、マイクロソフト、エヌビディア、テスラ）を除外した後のS&P 500に残る493社を指します。アナリストは、このグループを用いて、最大手のテクノロジー関連企業と広範なインデックスのパフォーマンスを比較します。
従業員あたりの収益は生産性を直接測定していますか？
従業員1人あたりの収益は、各従業員が生み出す収益を示しますが、価格設定、買収、外部委託、事業構成、および従業員数の変動の影響を受ける可能性があります。生産性の指標は一般的に、投入対出力の関係を評価し、運用効率が向上したかどうかを判断するには追加の文脈が必要です。
AIの採用が増加する一方で、企業の証拠金が変わらない理由は何か？
AI関連のコストは採用とともに上昇する可能性があり、モデル料金、インフラ、トレーニング、統合、および人間によるレビューが含まれます。効率の改善は、価格の引き下げを通じて顧客に還元されるか、ビジネスの他の部分でのコスト増によって相殺される可能性があります。その結果、AIの利用拡大が即座に証拠金の拡大をもたらすとは限りません。
より小型のAIモデルの方が、最先端のモデルよりも企業にとってより多くの利益をもたらすでしょうか？
はい、タスクによって異なります。小規模または低コストのモデルは、日常的な分類、ドキュメント抽出、カスタマーサポート、またはその他の限定的なワークフローには十分な精度を提供できます。適切なモデルは、モデルの機能だけでなく、タスクの複雑さ、信頼性要件、レイテンシ、および総コストによって決まります。
投資家は、AI関連のビジネスとAI駆動のビジネスをどのように見分けることができますか？
AI関連のビジネスはAIに関連する製品やサービスを販売する可能性がありますが、AI駆動のビジネスは、AIが運営モデルや収益生成を大幅に改善していることを示すことができます。証拠としては、1取引あたりのコスト削減、1人あたりの出力増加、顧客維持率の向上、継続的なAI収益、または測定可能な生産性の向上などが含まれます。
AIインフラへの支出は、GPUの継続的な需要を保証するでしょうか？
需要は、AIサービスの経済性、モデルの効率性、利用率、顧客の予算、および代替計算能力の可用性に依存します。より効率的なモデルは、AI利用全体が拡大する中でも、特定のタスクに必要な計算量を削減する可能性があり、長期的なハードウェア需要は複数の競合する要因に依存します。
免責事項: このページは、お客様の便宜のためにAI技術を使用して翻訳されています。最も正確な情報については、元の英語版を参照してください。