本当の問題は「AIの需要が縮小するかどうか」ではなく、「価値が最終的にサプライチェーンのどの層に沈むか」である。記事執筆者、出典：0x9999in1、ME News
要約
- モルガン・スタンレーは『オープンウェイトモデルと3つの将来シナリオ』において、Kimi K3、Qwen、Llamaのようなオープンウェイトモデルの台頭は、リーダー企業を脅かすものではなく、AIの普及を加速する触媒であるという核心的判断を示した。
- 論点はジェヴォンズのパラドックスである——単一の推論が安価になると、企業はAIをより多くのタスクに活用し、トークン、計算リソース、電力、インフラの総需要は逆に上昇する。
- モルガン・スタンレーは明確に警告：オープンウェイトは無料を意味しない。GPU、クラウドサービス、運用、セキュリティのコストは依然として存在し、実際の経済性はシナリオに依存する。
- 引用されたMITの研究によると、閉源モデルからオープンモデルへの移行により、平均コストが約70%低下し、企業は年間約250億ドルの削減が可能であるが、この研究は2025年12月に完了しており、デプロイコストを十分に反映していない。
- カーネギーメロンの研究はより冷静である：回収期間は規模に大きく依存しており、300億パラメータ以下の小規模展開では迅速に回収できるが、規模が大きくなると差が顕著になる。
- 三つの最終形態：閉鎖型寡頭、混合共存、オープンウェイトの勝利。現実の根拠は、63%の企業がすでに2種類のモデルを同時に使用していることである。
- オールウェザーベネフィティアリーは2つしかない：NVIDIAと現場電力供給。理由は立場を選ぶためではなく、計算能力が超大規模データセンターに集中してもエッジに分散しても、GPUと電力の基本的なロジックは変わらないからである。
- 本当の問題は「AIの需要が縮小するかどうか」ではなく、「価値が最終的にサプライチェーンのどの層に沈むか」である。
一、市場が何を誤解したか
2026年7月にKimi K3がリリースされた。フィラデルフィア半導体指数は反応して下落し、NVIDIA、Micron、SKハニックス、さらにはCadenceのようなEDA企業まで影響を受けた。
馴染みがありますか？あまりにも馴染みがあります。
1年以上前のDeepSeekの波動の際、市場の条件反射は同じだった：オープンソースモデルが強くなればなるほど、計算リソースの価値は下がる。論理は非常に納得できる——オープンウェイトのモデルがトップクラスに追いつくなら、クローズドソースのプレミアムは消える；効率が向上すれば、GPUを大量に積む必要性は低下する。その結果、チップ、機器、電力の販売が連鎖的に削減された。
モルガン・スタンレーは8月4日のこのレポートで、この反応を誤解と直接呼びました。
誤解はどこにありますか？市場が「単位コストの低下」を「総支出の低下」と直接等しいものとして捉えているところにあります。
その間には大きな変数、つまり使用量が存在する。
モルガン・スタンレーはジェヴォンズのパラドックスを引き合いに出した。19世紀の経済学者ジェヴォンズは、蒸気機関の効率が向上し、同じ量の石炭でより多くの作業ができるようになったにもかかわらず、英国の石炭消費量が減少せず、かえって急増したという直感に反する現象を観察した。石炭が安くなったため、使えるようになった。使えるようになったため、あらゆる場所で使われるようになった。
AIに置き換えると、1回の推論コストが1セントから1セントの10分の1に低下する。企業は節約したお金をポケットにしまうことはない。企業は、かつて「コストが見合わない」として行わなかったプロセスにAIを導入する——カスタマーチケットの完全な再確認、コードベースの継続的なスキャン、契約書の条項ごとの比較、すべてのメールの自動分類。これらの作業を以前行わなかったのは、やりたくなかったからではなく、コストが高すぎて見合わなかったからだ。
価格がそのラインを下回ると、需要は線形に増加するのではなく、一気に殺到する。
二、「オープンウェイト」とは具体的に何を開放したのか
市場の混乱の半分は用語の混乱から来ているため、まず概念を明確にしなければなりません。
モルガン・スタンレーはレポートで、オープンウェイト≠オープンソースという、新しくはないが重要な区別を示した。
明確に定義されたオープンウェイトモデル——MetaのLlama、GoogleのGemma、およびQwen、DeepSeek、Kimi——は、学習済みのパラメータを公開しています。ダウンロードでき、微調整でき、自前でデプロイできます。ただし、学習データが公開されていない場合や、ライセンス契約に制限がある可能性があります。
本物のオープンソースとは、コード、トレーニング方法、データの詳細まで、すべての技術スタックをテーブルの上に広げることである。報告で挙げられた例はAI2のOLMoである。この分野は、人々が想像するよりもはるかに小さい。
したがって、より正確な表現は、オープンウェイトとクローズドソースの本質的な違いは、パラメータ規模やランキングでの順位ではなく、取得方法と課金方法にあります。
オープンウェイト：通常無料でウェイトを入手でき、ファインチューニングをサポートし、ローカル、プライベートクラウド、パブリッククラウド、APIなど、柔軟なデプロイ方法をご利用いただけます。
クローズドソース：ライセンス＋トークン課金方式。すべてのユーザーには同じウェイトが与えられ、変更できず、確認することもできません。
モルガン・スタンレーは、もう一つ現実的な言及をした：今日の最も高性能な最先端モデルは、基本的に閉源である。その理由は単純だ——訓練コストが途方もなく高いので、次世代モデルが登場するまで、誰も前世代を無償で提供しない。
この文はもう一度読む価値があります。これはオープンウェイトの追いつきが、本質的に遅れた追いつきであることを意味しています。差は縮小しますが、構造的な時間差は簡単に消えません。
3. 無料なものほど高い：価格表示に書かれていないコスト
報告の中で最も価値のある一文は、オープンウェイトに冷や水を浴びせる那一文である。
モルガン・スタンレーはMITの研究を引用し、閉源からオープンモデルへの移行により、平均価格は約70%低下し、企業側での年間削減額は約250億ドルに相当すると述べた。
数字は素晴らしいが、モルガン・スタンレーはすぐに追加で指摘した——この研究は2025年12月に完了したもので、導入コストを十分に反映していない。
デプロイコストとは何ですか？GPUは自分で購入するかレンタルする必要があり、クラスターの運用管理を行う人が必要で、モデルの微調整を行う人が必要であり、セキュリティとコンプライアンスを確保するための担当者も必要です。オープンウェイトは、そのまま走れる車ではなく、車の設計図と部品を提供するにすぎません。
カーネギーメロン大学の研究は、この問題をさらに定量的に示した：回収期間は導入規模に大きく依存する。300億パラメーター以下の小規模導入では、回収は迅速に達成できるが、規模が大きくなると、帳簿の状況はまったく異なるものになる。
これはめったに議論されないが、極めて重要な現実である：オープンウェイトの経済性は滑らかな曲線ではなく、区分的関数である。
小さなシーン、高頻度、タスク明確——オープンウェイトはとても魅力的です。
複雑な推論、長距離エージェント、極限の信頼性が必要——オープンソースではないのは、お金が無駄にならないからだ。
さらに一歩進んで、Kimi K3のような超大規模MoEアーキテクチャを見てみよう。たとえ少数のエキスパートしか活性化しなくても、膨大な重みは高容量メモリと高速インターコネクトを備えたクラスタに分散される必要がある。「オープン」とは、ハードウェアの障壁を免除することではなく、重みの所有権を開放することである。
言い換えれば、オープンな重みは、計算能力の需要を少数の閉鎖的な研究所からクラウドサービスプロバイダー、主権クラウド、企業自体のデータセンターへと広げました。総量は減っておらず、所有者が変わっただけです。
これが市場が7月のその下落で清算しなかった帳簿だ。
四、三つの最終形態、価値はどこに沈むのか
モルガン・スタンレーは単一の結論を示すのではなく、3つのシナリオを提示した。この書き方そのものが一種の判断である：最終的な結末は誰にもわからないが、各結末における受益構造は事前に描き出すことができる。
状況1：クローズドソースの寡頭が勝利
最先端モデルの性能は再現が難しいと仮定する。ワークロードは引き続き高計算密度を維持し、超大規模クラウドへ集中し続ける。トークン価格は依然として下落するが、寡頭構造自体が価格纪律を維持するため、下落は緩やかになる。
受益者：クラウドプロバイダー、セキュリティソフトウェア、光ネットワーク、半導体、電力サプライチェーン。
ここで報告は、具体的な変数として「グーグル」を挙げています。Gemini 4がブレイクスルーを達成し、再び最前線に立つ場合、グーグルが自社インフラでモデルAPIを実行した場合の投資利益率（ROI）は約45％になると推定されます。一方、最前線をリードできなかった場合、グーグルはよりインフラプロバイダーとしての性質を帯び、その場合のROIは約30％となります。
15パーセンテージポイントの差が、1世代のモデルにのしかかっている。これが最先端競争の賭けである。
シナリオ2：混合構図
単一のアーキテクチャがすべてをカバーすることはない。閉源の最先端モデルは複雑な推論とAIエージェントタスクを支配し、オープンウェイトは高頻度、コスト感度、垂直専用のニーズを担う。
ワークロードはパブリッククラウド、プライベートクラウド、オンプレミス、エッジにまたがる。そのため、モデルのオーケストレーション、ルーティング、評価、ガバナンスといった「ミドルウェア」が価値の上層移行の鍵となる。ワークロードの分散に伴い、セキュリティソフトウェアへの需要は拡大している。
この状況には、現在63%の企業がオープンウェイトとクローズドソースの両方のモデルを同時に使用しているという現実的な裏付けがあります。
この数字は明確に物語っています。企業の選択は「どの派閥を信仰するか」ではなく、「どのタスクにどれを使う方が安くて安定しているか」です。これはイデオロギーの闘争ではなく、調達行為です。
シナリオ3：オープンウェイトが勝利
オープンな重みの性能が徐々に最先端レベルに収束し、基礎モデルの知能が広く利用可能なものとなった。モデルAPIの価格が大幅に低下し、企業による採用が一斉に広がっている。
AIインフラが分散化へ：プライベートデータセンター、主権クラウド、ローカルデプロイ、エッジデバイスへの需要が大幅に増加。イノベーションの焦点はプリトレーニングからファインチューニング、推論最適化、エージェント、具体的なアプリケーション実装へ移行している。
このシナリオでは、セキュリティソフトが最大の勝者之一です。これは理解しやすいです——重みが自由に移動できる世界では、攻撃面が幾何学的に拡大するからです。
個別銘柄の分化は興味深い：AVGOは閉鎖的シナリオ下で最大の単一受益者となる可能性がある。DELLやHPEのような地元インフラ企業、およびAppleのようなエッジデバイス企業は、開放的シナリオ下で価値をより容易に解放できる。クラウド企業については、負荷が最終的にどこに流向するかによる—開放的シナリオが成立する場合、マイクロソフトはハイブリッドクラウドとオンプレミス導入の優位性により明確な利点を有する一方、アマゾンとグーグルの立場は「その他の受益者」に引き下げられる。
五、オールウェザーベネフィティ：なぜNVIDIAと電なのか
三つのシナリオを検討した後、モルガン・スタンレーはすべてのシナリオを貫く2つのポイントを抽出した。
最初はNVIDIAです。
論理は複雑ではないが、確実である：計算能力が超大規模データセンターに集中しているか、企業の機械室やエッジに分散しているかに関わらず、GPU需要の基本的な論理は変わらない。
集中は、数社が大量を購入すること；分散は、数万社が少量を購入すること。総量は減らず、むしろ普及範囲の拡大によりさらに大きくなる。
注目すべきは、モルガン・スタンレーが最近、AIクラスターのコスト見通しを引き上げたことである。ナビダのVera Rubinシステムの価格は、1ギガワットあたり約490億ドルとされ、以前の予測より約20%高くなった。
この数字をここに置くのはやや微妙です。一方でモデルのコストは下がっており、他方で単位計算能力あたりの資本支出は上昇しています。両者は矛盾しません。推論側の限界コストは低下していますが、トレーニングおよびデプロイ側の固定資産投資は増加しています。前者は需要の拡大を促進し、後者は供給への参入資格を決定します。
第二条は現場電源（on-site power）です。
理由は、電力需要曲線が「集中型」と「分散型」の両方の構成をカバーしているためです。負荷の配置如何にかかわらず、AIの拡大は電力消費量と供給能力の同時向上を意味します。
電力は、AIのナラティブの中で最も容赦ない制約である。モデルはオープンソースにできるし、重みはダウンロードできるし、チップは代替可能だが、電力はオープンソースにはできない。1ギガワットは1ギガワットであり、誰にも作り出せない。
これは三つのシナリオの中で最も確実なラインかもしれない。あまりに確実で、やや退屈なほどだ。
六、この報告の真の価値は結論ではなく、フレームワークである。
自分の意見を述べてください。
大摩のこのレポートは、タイトルだけ見ると「オープンウェイトがリーダーを弱めるのではなく、普及を加速する」という、市場を安心させるための一言に見えやすい。しかし、真に重みがあるのは、このレポートが問題の問い方を変えた点である。
元の市場の疑問は：効率の向上によりAIの需要は縮小するのか？
モルガン・スタンレーの問いは、AI需要は確かに縮小しないが、その価値が最終的にサプライチェーンのどの層に沈むのか——計算能力、クラウド、ソフトウェアのオーケストレーションとガバナンス、それともローカルおよびエッジの分散型インフラなのか？
この二つの質問の違いは、ベアマーケット思考と構造的思考の違いである。
私はモルガン・スタンレーの方向性は正しいと思いますが、注意すべき点が二つあります。
まず、ジェボンズのパラドックスは自動的には発生しない。
ジェヴォンズ効果が成立するには、需要に十分な弾力性の余地があることが前提である。石炭がますます節約されるようになったのは、19世紀の英国にまだ機械化されていない産業が至るところに存在していたからである。AIの状況は似ているが完全には同じではない——企業がAIを導入できるシナリオは確かに多数存在するが、導入後に測定可能なリターンを生み出せるかどうかは別の問題である。
多くの企業がAIを「忙しそうに見えるが収益を明確に説明できない」場所にしか活用していない場合、需要の拡大には天井が存在し、その天井はいずれの四半期かで突然現れる。ジェヴォンズのパラドックスはエネルギー変換効率を説明するものであり、変換されたものが価値であるとは保証しない。
第二に、「英偉達が終日恩恵を受ける」という結論は、あまりにも都合が良すぎる。
論理的に見ると、それは難しく指摘できない——GPU需要はアーキテクチャの路線変更によって変わらない。しかし、正しい判断と良い投資判断の間には、価格が存在する。市場はこの「オールウェザーエクスペクテーション」を十分に価格に織り込んでいるのか、という点については、レポートは回答しておらず、またレポートが答えるべきでもない。
論理的に完璧なバイアスの根拠は、しばしば過剰取引の温床となる。これは逆説を唱えるのではなく、注意喚起である：結論の確実性は、オッズの魅力を意味しない。
七、企業にとって、このことは実際にもっと簡単です
二次市場の評価ゲームを離れ、企業の調達の立場から見れば、このレポートの示唆ははるかにシンプルである。
63％の企業が両方を使用しており、この数字はすでに答えを示している：立場を選ぶのではなく、シナリオを選ぶこと。
高頻、予測可能、データに敏感でタスクの境界が明確な作業——オープンウェイトで自前構築すれば、実質的なコスト削減が可能であり、特に300億パラメータ以下の規模では、回収期間が短く、非常に魅力的である。
複雑な推論、長距離エージェント、継続的に最先端の能力アップグレードに対応する必要があるタスク——オープンソースAPIに支払って、信頼性とイテレーション速度を確保するのは、恥じることではない。
実際に投入すべきなのは、その真ん中の層、つまり編成、ルーティング、評価、ガバナンスである。どのようにしてリクエストの経路を判断するのか？モデルを変更した後も出力品質を保証するにはどうすればよいか？重みが自由にダウンロードできる世界で、どのようにデータの境界を管理するのか？
モルガン・スタンレーは、この層を混合シナリオ下での主要恩恵受給者として挙げています。私はこの判断が、どの個別銘柄の推奨よりも実用的だと考えます。なぜなら、この層は企業が自ら構築しなければならない能力であり、購入することはできないからです。
ちなみに、セキュリティの話です。オープンな重みはモデルのデプロイを分散化し、攻撃面も分散化します。以前は数個のAPIキーを管理すればよかったのが、今では多数のローカルで動作する重みファイル、微調整データ、推論エンドポイントを管理する必要があります。セキュリティソフトがこの3つのシナリオですべて言及されているのは、偶然ではありません。
八、まとめ
Kimi K3のリリース当日、半導体株は一斉に下落した。今日振り返ると、それは市場の思考によるものというより、むしろ筋肉記憶のようなものだった。
オープンウェイトはテーブルをひっくり返す人ではない。それはテーブルを長くする人である。
テーブルが長くなった後、元々上座に座っていた人が押し出されるでしょうか？可能性はありますが、それはオープンウェイト自体のせいではなく、その側が最先端を維持できなかったためです。これは二つの異なる問題です。
モルガン・スタンレーのこのレポートで最も正直な点は、最終的な結末が何かを教えてくれない代わりに、それぞれの最終的な結末において、誰の立場が動かないかを示している点である。
NVIDIA、および電気。
前者はコンセンサスであり、後者は物理的である。
中間で価格の変動に追随し、陣営を切り替え、再評価に従う企業たち——その運命は状況に大きく依存する。この言葉は無意味に聞こえるかもしれないが、誰もが明確な答えを求める市場において、「状況次第だ」と認めることは、最も貴重な誠実さである。
モデルは世代を重ねるごとに安くなっていくのがトレンドであり、止められない。
計算能力は段階的に広がっていき、これはトレンドであり、止められない。
しかし、安価さと分散を合わせても、決して縮小にはならない。
ジェウォンズは1865年にこのことをすでに理解していた。160年が経過した今、人類はまだ同じ直感的誤解に学費を支払っている。
とても面白いです。
引用元
- モルガン・スタンレー、*オープンウェイトモデルと3つの将来シナリオ*（研究レポート）、2026年8月
- 格隆汇／新浪財経：《モルガン・スタンレー：オープンウェイトモデルがAIコストを削減、「ジェブンズのパラドックス」が計算リソース需要の持続的成長をもたらす可能性》、2026年8月4日
- BigGo Finance：*オープンウェイトモデルがAIの採用を加速：モルガン・スタンレーが3つのシナリオを提示、NvidiaとPower Chainを恩恵受ける企業として挙げる*、2026年8月4日
- 火星財経：『モルガン・スタンレー：オープンウェイトAIモデルの台頭がコスト削減を通じてAIの普及を加速する』、2026年8月4日
- Blockspace Media：*モルガン・スタンレー、オープンウェイトAIが計算リソースと電力需要を拡大する可能性と指摘*、2026年8月
- MITによるオープンモデルとクローズドモデルの価格差に関する研究（2025年12月完了、モルガン・スタンレーのレポートで引用）
- カーネギーメロン大学による、オープンモデルのデプロイ回収期間と規模の関係に関する研究（モルガン・スタンレーのレポートで引用）
- モルガン・スタンレーの洞察：*AIインフラにおける機会*（ヴェラ・ルービン・システムの1ギガワットあたりのコスト推定を上方修正）