著者：胡烜峰（復星財富デジタル資産事業取締役、FinChain CMO、香港ブロックチェーン応用・投資研究院執行院長、長江デルタブロックチェーン産業促進センター副主任）
リスク警告：本記事はいかなる証券の売買勧奨を意図するものではなく、業界または企業の株価について確定的な判断を示すものではありません。文中で述べられている「機会」「再評価」「財務マップ」とは、産業トレンドおよび資本市場が注目する可能性のある方向性を指すものです。真の投資判断には、評価、業績、受注、競争環境、財務の質、およびリスク許容度を独自に総合的に検討する必要があります。
導入：次なる光モジュールは誰か
光モジュールが10倍に上昇した後、多くの人がAI産業チェーンの最良の機会を逃したと感じている。中際旭創、新易盛、天孚通信、源杰科技などの上流企業は、過去1年間で資本市場で最も注目されたテーマとなった。特に源杰科技は、2026年4月に株価が貴州茅台を上回り、A株市場における新たな高価格株の代表となった。この事実自体が、AI計算能力ハードウェアが技術的なテーマから、現実の資本市場での評価イベントへと変わったことを示している。[1]
しかし、私が本当にお話ししたいのは、皆さんが最も関心を寄せている「次なる光モジュールは誰か？」という点です。
この答えを知るには、表面的なレベルでは見ず、底層のロジックを理解する必要があります。毎回の産業革命において、資本市場は物語を上手に語る企業に高評価を付けるかもしれませんが、それは長続きしません。長期的に資本から評価されるのは、新たなボトルネックを突破した企業です。
新しいボトルネックを制御する者が、新しい価格決定権を握る。新しい価格決定権を有する者だけが、再評価される可能性を持つ。光モジュールのこのラウンドの行情は、市場が突然光通信を好んだわけではなく、AIデータセンターが「高速相互接続」というボトルネックを前面に押し出したからである。
一、AIは新たな情報インフラ革命である
今日、多くの人がAIをテーマ思考で見ている：ChatGPTが人気になったので大規模モデルの評価を投機し、NVIDIAが上昇したのでGPUを投機し、光モジュールが上昇したので皆が光モジュールを追いかける。アプリケーションがまだ大規模に利益を上げていないので、AIはバブルだと言う。
このような見方は短視的であり、何に追いかけて何に縛られるかがより起こりやすい。真にすべきことは、光モジュールが資本から認知される理由を深く判断し、どのような規則を探求できるかである。
AIは新たな情報インフラ革命である。それは電信、電話、モバイルインターネットと同じく、情報の生成、伝送、処理および収益化の方法を再定義している。
最近、新書『エトロン経済：インテリジェント時代の新たな発展パス』を執筆しています。深く調査したところ、各世代の情報革命は常に新しい商業計価単位を生み出してきたことがわかりました。
電報時代では、最も重要な単位は「文字」だった；電話時代では、最も重要な単位は「分」だった；モバイルインターネット時代では、最も重要な単位は「データ量」だった；AI時代では、最も重要な単位はToken、つまりトークンである。
トークンは表面上、AIが情報を処理する最小単位であるが、その背後には計算リソース、電力、VRAM、ストレージ、ネットワーク、モデルアーキテクチャ、推論効率といった総合的なコストが存在する。AIに質問をすればトークンが消費され、企業がエージェントにプロセスを実行させてもトークンが消費される。今後、AIがカスタマーサポート、投資調査、デザイン、プログラミング、教育、医療、金融、製造に導入されるにつれ、あらゆるタスクの実行には実際のトークンコストが伴うことになる。
したがって、AI産業チェーンの長期的な富の分配は、誰がGPUを販売できるかだけでは決まりません。真に重要なのは、以下の4つです。誰がトークンを生産できるか、誰がトークンのコストを削減できるか、誰がトークンをスケジューリングできるか、誰がトークンをユーザーが支払う意欲のある結果に変えることができるか。
二、歴史は背景ではなく、産業の配分ルールである
AIの未来を理解するには、過去100年以上にわたる情報産業の歴史を理解することが必要です。
テレグラフ、電話、インターネットは表面上は三つの異なる産業だが、その基盤には同じシナリオが繰り返し演じられている：新しい単位が登場した当初は高価で、インフラストラクチャーが最初に利益を上げる。単位コストが下がると、効率層がその役割を引き継ぎ、最後にエントリーレイヤーが商業的価値を再分配する。
第一幕は電信時代である。
1866年、大西洋横断海底ケーブルが実用化され、ヨーロッパと北米間の情報伝達は週単位から分単位に変わりました。しかし当初、電報は非常に高価で、1語あたり10ドル、最低10語から送信可能でした。最短の跨洋電報1通を送るには、当時の熟練労働者の約10週間分の給与に相当しました。[2]
このとき、最初に利益を上げたのは、海底ケーブルを敷設した人々や、国際電信ネットワークを支配した人々だった。彼らは当時の世界の金融、貿易、海上輸送、外交の情報ハイウェイを掌握していたからである。
しかし、一つの文字が高すぎれば、圧縮技術の開発が必然的に促される。商人たちは電報コードと商業用暗号本を用い始めた。一つの単語は単なる単語ではなく、一文全体、取引指示、商品仕様を表すことができるようになった。今日、私たちはAIモデルの圧縮、量子化、推論デコードについて語っているが、これは非常に先進的に聞こえるが、その基本的なロジックは新しいものではない。人類は電報時代から同じことを続けてきた：同じ情報を、より少ない単位で送信できるか？
その後、入口が現れた。ロイターはその典型例である。1850年、ポール・ジュリアス・ロイターは45羽の鳩を使ってブリュッセルとアーヘンの間で株価とニュースを伝達し、鉄道よりも約6時間速かった。英仏海峡の海底ケーブルが敷設されると、彼はすぐに電信ネットワークに接続し、金融情報、商業ニュース、市場動向を銀行、新聞社、商人に販売した。[3]
ロイターの優れている点は、ケーブルを敷設したことにではなく、どのような情報が重要かを理解し、より速い情報を誰が支払う意愿があるかを知っていることにある。電信会社は文字送信料を収益源としているが、ロイターは情報配信権を収益源としている。一方はチャネルを、もう一方は情報の価値を稼いでいる。
第二幕は電話の時代です。
電話時代の料金単位は分になった。1915年、米国横断電話の商業化初期には、ニューヨークからサンフランシスコへの最初の3分間で約20.70ドルが課金され、現在の価値に換算すると数百ドルに相当する。[4] 最初の勝者は当然AT&Tだった。電話ネットワークは強い物理的独占性を有し、回線、交換機、中継局、終端ユーザーが一体となって巨大なネットワークを構成した。
しかし、その後、自動交換機、信号増幅器、通信機器のアップグレードにより、電話分単価は絶えず低下した。資本市場は、システム効率を向上させる機器企業を見直し始めた。さらにその後、電話ネットワーク上にページャーが登場した。ページャーは通話料を徴収せず、企業の広告掲載料を徴収した。ユーザーが企業を探し、企業がユーザーに見つかるようになり、これが商業的な入口を形成した。
第三幕は、携帯電話とインターネットの時代である。
早期の無線通信では、インフラ構築業者が最も価値があった。その後、通信運営会社が番号、ネットワーク、プラン、課金を制御し、注目を集めるようになった。SMS、音声通話、データ通信はすべて使用量に応じて課金された。インターネットは有線および無線ネットワークのインフラに基づき、通信コストと実行効率を大幅に低下させ、データ時代が到来した。データ単位のコストが急速に低下するにつれ、インフラの評価は高まらなくなり、ユーザーへのアクセスを掌握する企業の価値が高まった。これにより、インターネットプラットフォームの巨頭が誕生した。WeChat、Taobao、Meituan、Douyin、Xiaohongshu、Pinduoduoは、ユーザーの時間、取引、消費決定を掌握した。
オペレーターが制御するのはバイトであり、インターネットプラットフォームが制御するのはバイト内の商業的意図である。これは、情報産業の三代にわたって共通して見られる法則である：インフラストラクチャが最初に成長し、効率層がそれを継ぎ、エントリーレイヤーが最終的により高い価値を獲得する。AIは現在、第一段階から第二段階、第三段階への移行期に位置している。
三、なぜ最初の波がGPU、HBM、光モジュールに集中したのか
過去2年、AIの第1波ラリーでまず上昇したのがNVIDIA、ストレージ、光モジュールであることは不思議ではない。なぜなら、AIの第1段階は大規模モデルのトレーニングと計算クラスターの構築だからである。
大規模モデルの訓練には大量のGPUが必要であり、GPUには高帯域幅メモリであるHBMが必要である。大量のGPUが協調して動作するには、光モジュール、スイッチチップ、PCB、コネクタ、ネットワーク機器などの高速インターコネクトが必要である。従来のデータセンターは多数のサーバーがさまざまな一般的なタスクを処理するものであるのに対し、AIデータセンターは巨大なスーパーコンピューターに似ている。数万枚、数十万枚のGPUが一つの全体として動作しなければならず、その中でどの部分が遅れても、システム全体が遅延する。
GPUは高価であるため、ネットワークが十分に速くないと、GPUはデータを待つことになる。GPUがデータを待つことは、高価な資産が無駄に稼働していることを意味する。そのため、光モジュールの価格上昇には産業的な基盤がある。HBMの上昇は、資本市場が産業チェーン内の実際のボトルネックを購入していることを示している。
しかし、市場は永遠に最初のボトルネックにだけ注目し続けるわけではない。GPU、HBM、光モジュールといった顕在的な環節が十分に議論された後、問題はさらに先へと移る：計算能力を構築した後、どのように安定して運用するか？どのようにコストを抑えるか？どのように企業のプロセスに組み込むか？どのようにしてユーザーが支払いたくなる結果につなげるか？
四、AI発展の次のボトルネック：電力、液体冷却、および計算能力用産業不動産
次に最も確実なラインは、電力と液体冷却です。その理由は単純で、AIデータセンターは「機械室ビジネス」から「エネルギービジネス」へと変わっているからです。
以前、データセンターといえば、建物の中に多くのサーバーを設置するものだと考えられていました。しかし、AIデータセンターはそうではありません。AIデータセンターの核心的な制約は、電力接続、ラックあたりの電力密度、冷却能力、エネルギーのスケジューリング、そしてインフラストラクチャーの提供に移っています。NVIDIAはGB200 NVL72の公式説明で、36個のGrace CPUと72個のBlackwell GPUを1ラック規模の液体冷却設計に統合していると強調しています。[5]
これは、AIの競争が単一のGPUの競争ではなく、ラック全体、機械室全体、データセンター全体のシステム競争であることを意味します。今後、ラックの電力密度は数十キロワット、さらには百キロワットレベルへとさらに向上していくでしょう。液冷と電力供給はバックエンドの補助機能ではなく、計算能力の展開に必要な前提条件となります。
より重要なのは電力である。国際エネルギー機関（IEA）の『Energy and AI』では、2030年までに世界のデータセンターの電力消費量がほぼ2倍になり、約945 TWhに達し、世界の総電力消費量の3%に近がるが、それを下回る割合を占めると予測されている。その中でAIは最も重要な成長要因の一つである。[6]
GPUは注文できるし、光モジュールは生産拡大できるし、サーバーは組み立てられるが、電力網、変電所、送電線、バックアップ電源、冷却システムは数ヶ月でいきなり作り出せるものではない。AIが強くなるほど電力消費は増し、計算密度が高まるほど熱は大きくなり、データセンターが集中するほど電力と冷却への要求は極端になる。
したがって、変圧器、UPS、配電盤、スイッチング電源、バスダクト、データセンター電力システム、液冷プレート、CDU、ポンプ・バルブ、熱交換器、ラック全体の液冷ソリューション、データセンターインフラのEPCプロジェクトは、すべて再評価されます。これらはこれまで伝統的な製造業に分類されてきましたが、AIの登場により、計算能力の提供に不可欠な前提条件となりました。
さらに一歩進ませると、AIデータセンターは従来のIDCから、新しいタイプの産業用不動産へと変化する。従来のIDCはラック数、稼働率、PUE、家賃、顧客を重視するのに対し、AIデータセンターは電力指標、変電所、長期エネルギー契約、液体冷却能力、高速ネットワーク接続、大口顧客との長期契約、GPUクラスタの運用能力、および土地の拡張スペースを重視する。
これはもはや単なる「建物を建ててサーバーを設置する」ビジネスではない。鉄道時代の駅、港湾時代の埠頭、航空時代の空港、高速道路時代のハブのようなものだ。未来の最高のAIデータセンター企業は、単にサーバーレンタルを提供するだけでなく、土地、電力、冷却、ネットワーク、チップ、そして顧客との長期契約を、キャッシュフローがあり、障壁があり、希少性のあるインフラ資産として統合することができる。
このラインにはさらに続く変化があります：データセンター資産の金融化。AIデータセンターが安定したキャッシュフローを形成すれば、REITs、RWA、インフラファンド、収益権商品、長期リース資産として構築される可能性があります。過去のクラウドコンピューティング時代には、データセンターはクラウドプロバイダーのバックエンド資産でしたが、AI時代には、データセンターは「計算力産業不動産」として再評価されます。
五、トレーニング後は推論コストの戦いである
現在、多くの人が NVIDIA が強すぎると感じており、AIチップの機会はすべて NVIDIA に奪われてしまったと考えています。しかし、この判断は半分だけ正しいです。
大規模モデルのトレーニング段階では、NVIDIAの優位性は非常に強い。GPUが優れているだけでなく、CUDA、開発者エコシステム、ネットワークシステム、統合ソリューション、ソフトウェアツールチェーンすべてが優れている。しかし、AIが大規模な推論段階に入ると、ロジックは変わる。トレーニング段階では、最も重要なのはモデルを実現することだが、推論段階では、毎日膨大なユーザーにサービスを提供することが最も重要になる。トレーニングは資本支出に似ており、推論は営業コストに似ている。
AIがカスタマーサポート、オフィス業務、プログラミング、金融、教育、医療、製造に導入される際、毎日膨大な回数の呼び出しが発生する。このとき、人々はトークン経済のロジックがトラフィック経済のロジックと異なることに気づく。トラフィック経済では限界コストが減少するため、大規模なユーザー獲得を先に行い、その後で収益化を検討できる。なぜなら、ユーザー1人増えるごとのネットワークコストは次第に低くなるからだ。しかし、トークン経済のロジックは異なる。大規模モデル企業やクラウドプロバイダーにとって、その限界コストは一定または上昇するという全く異なる経済的コストをもたらす。トレーニングは一回の投資で長期的なリターンを得られるが、推論はそうではない。1回のAIサービス利用で赤字になる場合、1日の呼び出し回数が数千万回、数億回に達すれば、どの企業も耐えられない。これが、バイトダンスの大型モデル「ドウバオ」ですら有料化を開始した理由である。
このとき、新たな機会が生まれ、人々はコスト削減の方法を考え始める。なぜすべてのタスクに最も高価な汎用GPUを使用しなければならないのか？専用チップは使えないのか？より低消費電力で、より高いスループットを実現し、特定のシナリオに最適化されたASICは使えないのか？
これは、Broadcom、AMD、Google TPUなどの事例が注目される理由です。
ロイターは、Broadcomが2027年までにカスタムAIチップからの収益機会が1,000億ドルを超える可能性があると予測していると報じた。その背景には、大手テクノロジー企業によるカスタムAIチップへの需要の急増がある。[7] AMDは2024年年次報告書で、データセンターAI事業の年間収益がすでに50億ドルを超えたことを明らかにし、Meta、Microsoft、Oracleなどの顧客がAMD Instinct MI300アクセラレーターを大規模に導入している。[8] Google Cloudは、TPU v5eがコスト効率に優れ、同じコストでより多くのクエリを処理できることを強調している。[9]
したがって、AIチップの将来は1種類の形態に限定されません。NVIDIAは引き続き強力ですが、クラウドプロバイダーが自社開発するチップ、カスタムASIC、推論加速チップ、エッジAIチップもそれぞれの位置を確立します。これはNVIDIAを単純に置き換えるのではなく、推論時代の一部の利益池を分け取ることです。AIはトレーニング時代から推論時代へ移行し、コスト最適化が新たな価格決定権となります。
六、光モジュールの次は、AIネットワーク全体です
多くの人が光モジュールの上昇はすでに終了したと考え、AIの相場も終わったと判断していますが、私はそうは思いません。光モジュールはAIネットワークの第一層の明示的な部分に過ぎず、その先にはスイッチチップ、スイッチ、DPU、SmartNIC、CPO、シリコンフォトニクス、クラスタースケジューリング、ネットワークオペレーティングシステムが続きます。
AIデータセンターの本質は、多数のGPUを接続して1台のスーパーコンピューターを構築することである。ここでの最も高価な資産はGPUであり、最も許容できないのはGPUが空転することである。ネットワーク遅延が高ければ、GPUはデータを待つ；交換効率が低ければ、GPUはデータを待つ；通信アーキテクチャが優れていない場合も、GPUは依然としてデータを待つ。
したがって、AIネットワークの価値は、単にデータを伝送するだけでなく、GPUクラスタ全体の利用率を向上させることにあります。通常のインターネットデータセンターでは、ネットワークが少し遅いだけでユーザーの読み込みが遅れるだけですが、AIデータセンターでは、ネットワークが少し遅くなるだけで、数億ドルから数十億ドル規模の機器の利用率が低下する可能性があります。
NVIDIAのQuantum-X800 InfiniBandプラットフォームは、エンドツーエンド800 Gb/sのネットワークを特徴とし、兆パラメータ級のAIモデルを支援することを目的としている。一方、Spectrum-X Ethernetは、AIネットワークのパフォーマンス向上と大規模GPUクラスタの拡張対応を強調している。[10] TrendForceはまた、800G以上の光トランシーバーモジュールがAIサーバークラスタ間接続における需要を急速に高めており、AI光トランシーバーモジュール市場規模は今後も拡大すると指摘している。[11]
今後、AIネットワークはさらに進化し続けます：400Gから800G、さらに1.6Tへ；従来の光モジュールからCPOへ；電子スイッチングから光電融合へ；一般ネットワークからAIファブリックへ；単一デバイスからクラスタ全体のスケジューリングへ。資本市場は今後、光モジュール事業だけでなく、AIクラスタの接続効率を向上させられる企業、GPUの待機時間を短縮できる企業、数万枚、十数万枚のGPUクラスタをより安定させられる企業に注目します。
七、トークンが安くなった後、エントリーする人が変わる
AI時代における本格的な大規模応用は、トークンコストが継続的に低下できるかどうかにかかっている。トークンが高価であれば、AIの普及は難しくなる。トークンが安価であれば、AIは企業のプロセスや日常生活に取り込まれやすくなる。
スタンフォード大学の2025年AIインデックスレポートによると、GPT-3.5レベルのモデルのクエリコストは、2022年11月の100万トークンあたり約20ドルから、2024年10月には約0.07ドルに低下し、約18ヶ月で280倍以上低下した。[12] さまざまなタスクにおいて、LLMの推論価格の低下速度は大きく異なり、年間9倍から900倍までである。
このデータは、AI産業における真の長期的なデフレ圧力がすでに現れ始めたことを示している。同じタスクをより少ないトークン、より少ないVRAM、より少ない電力、より少ない推論時間で実行できる者が価値を持つ。
このような会社を、私はトークン圧縮派と呼びます。
それらはモデル企業である可能性もあれば、推論プラットフォーム、チップ企業、クラウドプロバイダー、または企業向けAIインフラ企業である可能性もあります。重要なのは名前ではなく、同じタスクをより低コストで、推論チェーンをより短く、無駄な呼び出しをより少なくし、結果をより安定して達成できるかどうかです。
ここではいくつかの技術が重要です：MoE、クオンティタイズ、ディスティレーション、キャッシュ、推測デコード、モデルルーティング。特にモデルルーティングでは、すべてのタスクに最も高価なモデルを呼び出す必要はありません。成熟したAIシステムは、タスクの難易度、コスト予算、速度要件、プライバシー要件、精度要件に基づいて、自動的に最適なモデルとパスを選択します。ただし、モデルルーティングは大手企業の影響を受けやすく、その競争優位性はそれほど堅牢ではありません。
コストが下がった後、エントリーポイントの問題がより重要になる。多くの人が、AI時代のエントリーポイントはAI時代の美团のようなモデルスケジューリングプラットフォームになると考えている。この比喩は妥当だが、まだ深くない。真のAIエントリーポイントは、モデルを選択するためのプラットフォームではなく、ワークフローに組み込まれたシステムである可能性が高い。
一般ユーザーは毎日自発的にモデルスケジューリングプラットフォームを開くことはない。企業ユーザーも、モデルを呼び出すためにモデルを呼び出すことはない。ユーザーが求めているのはタスクの完了であり、企業が求めているのはプロセスの効率化であり、従業員が求めているのは仕事の成果である。AIは最終的にOffice、Feishu、DingTalk、WeCom、ERP、CRM、コードエディター、ブラウザー、メール、検索、財務システム、カスタマーサポートシステム、取引システムに組み込まれる。ワークフローを制御する者が、AIの呼び出し権を制御する。
Microsoftは2025年の年次報告で、Copilot製品ファミリーのビジネスおよび消費者向け月間アクティブユーザーが合計1億人を超えたことを公表し、Microsoft 365 Copilotをオフィスワークフローにさらに統合しました。[13] これは、AIの入口が単独のアプリである必要はなく、既存のワークフロー内のインテリジェンスレイヤーである可能性があることを示しています。
プログラマーの入口はコードエディターやコードホスティングプラットフォームかもしれない；オフィスの入口はMicrosoft 365、Google Workspace、Feishu、DingTalkかもしれない；企業経営の入口はERP、CRM、財務システムかもしれない；個人の入口はスマートフォンOS、ブラウザ、検索ボックス、スマートグラスかもしれない。AI時代における真の入口は、モデル一覧ではなく、ワークフローの入口である。
8. 企業のAIにとって本当に難しいのは、プロセスへの導入である
AIをワークフローの入口とするためには、もう一つの前提がある：それはAIが企業の実際のプロセスに組み込まれることである。企業におけるAIの最も難しい課題は、チャットボットを接続することではなく、モデルが企業データを安全に読み取れるか、業務プロセスを理解できるか、システムを呼び出せるか、ログを残せるか、監査に対応できるか、人間の承認メカニズムと連携できるかである。
多くの企業が今日AIを活用しているのは、従業員が自分で質問したり、文章を書いたり、要約したりする段階にとどまっている。これは個人の効率を向上させるが、組織構造を本質的に変えることはできない。真の企業AIとは、エージェントがプロセスに組み込まれることである。
カスタマーサポートエージェントは質問に答えるだけでなく、注文を確認し、物流を確認し、返金条件を判断し、アフターサービスシステムを呼び出す必要がある。財務エージェントはレポートを作成するだけでなく、伝票を読み、照合を行い、異常を識別し、承認意見を生成する必要がある。投資研究エージェントはニュースを要約するだけでなく、データを収集し、モデルを構築し、企業を比較し、リスクを追跡する必要がある。法務エージェントは契約書を作成するだけでなく、条項を検索し、リスクを識別し、事例を関連付け、変更履歴を残す必要がある。
その背後には、データベース、ベクトル検索、権限管理、データガバナンス、システム統合、ワークフローエンジン、監査ログ、セキュリティとコンプライアンス、企業知識ベース、エージェントオーケストレーションプラットフォームという一連のインフラが必要です。これらは大規模モデルほど魅力的に聞こえませんが、AIを企業に本格的に導入するための基盤です。企業がAIを導入する際の最初の投資は、華麗なタスクを実行するための単なるトークンを購入するのではなく、セキュリティ、データ、権限、プロセス、統合、コンプライアンスに使うべきです。
ここにはさらに大きな変化が隠れている：AIアプリケーションにおける真の収益源は、ソフトウェア予算ではなく、人件費予算にある可能性がある。SaaSはツールを販売し、AIエージェントは結果を提供する。ツールは人間が操作する必要があるが、エージェントはタスクを直接完了する。
AIカスタマーサポートシステムが単にソフトウェアを販売するだけであれば、市場の上限はカスタマーサポートソフトウェア市場であるが、実際に多数の人的カスタマーサポートを代替するのであれば、上限はカスタマーサポートのアウトソーシングおよび企業のカスタマーサポート人件費となる。AI法務システムが単にドキュメントツールを販売するだけであれば、市場の上限は限られているが、ジュニア弁護士や契約審査、デューデリジェンスの整理を代替できるのであれば、上限は法律サービスのコストプールとなる。
Harveyは注目に値する法律AIの事例である。TIME 2025年の報道によると、Harveyの評価額は約50億ドルで、300以上の顧客を抱え、53カ国に展開しており、米国収入上位10位の法律事務所のうち7社に導入されている。[14] これは、AIアプリケーションが高価値な知識労働の場面で単なるツールの代替ではなく、専門サービスの労働コストプールに浸透していることを示している。
将来真正優れたAIアプリケーション企業は、単にソフトウェア企業だと主張するのではなく、顧客の代わりにどれだけの作業を完了し、どれだけの人件費を削減し、どれだけのエラーを低減し、どれだけのコンバージョン率を向上させ、どれだけの納品期間を短縮できるかを示すだろう。資本市場は過去にARRを見てきたが、将来はそれがどれだけ大きな労働コストプールを削減できるかを見ることになる。
九、ローカルAIと計算能力の金融化を無視しないでください
他に2本のラインがあります。現在は最もホットではありませんが、中長期的には無視できません。1つはローカルAIです。今日のほとんどのトークンはクラウドデータセンターで生成されています。モデルに1回質問するということは、本質的に遠くのデータセンターがあなたの代わりに計算をしていることになります。しかし、今後すべてのAI推論をクラウドに置くことは不可能です。
理由は単純です。クラウド推論は高コストであり、多くのシナリオで低遅延が必要であり、多くのデータをクラウドにアップロードできないため、エンドデバイスはますます賢くなるでしょう。したがって、今後、一部のトークンはクラウドからローカル、つまりエンド側へ移行します。スマートフォンがAIを実行し、PCがAIを実行し、自動車がAIを実行し、ロボットがAIを実行し、スマートグラスがAIを実行し、ローカルワークステーションもAIを実行します。
端末側AIが本格化すれば、新たなハードウェアサイクルが訪れる。端末側AIチップ、NPU、低消費電力ストレージ、電源管理、放熱、センサー、カメラモジュール、マイクアレイ、AI PC、AIスマホ、AIグラス、ロボット、車載インテリジェントコンピューティングプラットフォームが、新たなサプライチェーンの再評価期に入る。
ただし、このラインは客観的に見ることが重要です。エッジAIの方向性は正しいですが、現在のところ真のキラーアプリが欠けています。AI PCやAIスマホはまだ主にハードウェアメーカーが推進しており、ユーザー側には絶対に買い替える必要性が形成されていません。したがって、エッジAIは最初に爆発するメインストリームにはなりませんが、中長期的には重要なメインストリームとなるでしょう。
もう1つのラインは、計算能力の金融化です。AIインフラは非常に重いです。GPUは高価で、データセンターも高価、電力契約も高価であり、建設期間が長く、資金の占有量も大きいです。テクノロジー企業自身の貸借対照表だけでこれを支えるだけでは、必ずしも最適な解決策とは言えません。
今後、以下のような新型の金融資産が登場する可能性がある：GPUレンタル契約、算力収益権、データセンターREITs、AIインフラファンド、電力長期購入契約、GPU担保融資、推論収入に基づく構造化ファイナンス、およびRWA化された算力資産。
私が所属する復星財富のデジタル資産事業は、香港で最も専門的なRWA発行チームの一つです。私の第一線での業務分析によると、算力資産RWAは高い金融資産価値を持ち、今後のグローバルなコンプライアンス取引の可能性を秘めています。FinChain星鏈と星路は、ビットコイン算力からAI算力まで、大手従来の算力メーカーがトークン化されたコンプライアンス金融の新たな道を実現するのを支援しています。
海外には、算力の金融化に成功した事例が既に存在しており、CoreWeaveが最も典型的な例である。2026年3月、CoreWeaveは85億ドルのdelayed draw term loan facilityの調達を発表し、これを最初の投資級GPUバックド・ファイナンスと称した。[15] これは、GPU、ラック、算力契約が、金融市場において抵当担保となり得る資金調達可能なインフラ資産として再評価されていることを示している。
これは鉄道、電信、クラウドコンピューティングと非常に似ています。鉄道時代には、鉄道会社が債券で資金調達して鉄道を建設しました。電信時代には、通信事業者が長期資本を投じてネットワークを構築しました。クラウドコンピューティング時代には、クラウドプロバイダーが巨額の資本支出でデータセンターを建設しました。AI時代には、GPU、ラック、電力契約、そして将来の推論収益も、金融市場によって再パッケージされ、価格が付けられ、流通されます。
10. 最高の機会：AIネイティブ企業が損益計算書を再定義する
前述はすべて産業チェーンについてでした。しかし、AIの最大の長期的影響は、産業チェーンだけでなく、組織形態が書き換えられることです。
かつて企業は人間によって部門が構成されていた。営業部、カスタマーサポート部、財務部、法務部、投資研究部、運用部など、各部門には役割、プロセス、承認、業績評価が存在した。AIエージェントが導入された後、組織は変化する。1人の従業員が複数のエージェントを管理できるようになり、1つの部門はAIエージェントのワークフローによって圧縮され、中台職は自動化され、管理範囲は拡大する。企業は労働集約型組織から、人と機械が協働する組織へと変貌する。
これは、将来の資本市場がAIネイティブ企業という新しい種類の企業を再評価することを意味します。これは単にいくつかのAIツールを購入したり、従業員にChatGPTを使って文案を書かせたりするのではなく、組織構造を最初からAIに基づいて再設計することを意味します。より少ない人数で、より高い収益、より高い一人当たりの生産性、より低い限界コスト、より速い納品スピードを実現します。
したがって、AIが資本市場に与える最大の影響は、「AI産業チェーンでどれが上がるか」だけでなく、「あらゆる業界の中で、誰がAIを使って自らの損益計算書を再構築できるか」にもあります。将来の市場は、以下の2つの企業を報います。1つ目はAIインフラとAI能力を提供する企業、もう1つはAIを活用して自社のコスト構造と収益構造を再構築する企業です。後者は表面上AI企業ではないかもしれませんが、その組織効率、利益率、1人当たりの生産性は根本的に変化します。
終わり：AIが希少性を再定義している
ここまで話してきたが、GPU、光モジュール、電力、液体冷却、ASIC、データセンター、エッジデバイスだけに注目していると、AIをあくまで一つのテクノロジーチェーンとして見ているにすぎない。より深い変化は、AIが何が希少であるかを再定義するということである。
過去はGPUが不足していたため、NVIDIAが上昇した。その後、HBMと光モジュールが不足したため、ストレージと光モジュールが上昇した。次に不足するのは、電力、液体冷却、AIネットワーク、推論チップ、データパイプライン、ワークフローの入口、企業データ、および組織の実行力である。
このAIマーケットラウンドを段階的に見ると、第1段階では計算リソースの構築を購入し、第2段階では計算リソースが安定かつ低コストで運用できるかを購入し、第3段階では計算リソースが企業のプロセスに組み込まれ、実際の収益と利益になるかを購入します。
光モジュールが10倍に値上がりしたのは、物語の終わりではなく、資本市場が初めてAIインフラの物理的ボトルネックを明確に認識した瞬間である。次に大きな再評価が起こるのは、まだ十分に価格に反映されていない次のボトルネックの上でだろう。
電力、液体冷却、AIデータセンター、カスタムASIC、AIネットワーク、トークン圧縮、モデルルーティング、企業データパイプライン、ワークフロー入口、エッジAI、計算資源の金融化、AIネイティブ企業——これらの分野が、AI産業チェーンの次なる富の地図を構成する。
もちろん、すべての企業が上昇するわけではなく、すべてのコンセプトが投資価値があるわけではありません。産業革命の各ラウンドにおいて、富は均等に分配されるわけではありません。資本市場から長期的に報われる企業は、ボトルネックを突破し、顧客と注文を持ち、技術的障壁とコスト優位性、エコシステム内での位置を確立した企業だけです。
AIの第一波の機会は、計算能力を構築できる者にある；次なる波の機会は、計算能力を支え、最適化し、スケジューリングし、最終的に計算能力を実際のビジネス成果に変える者にある。
注釈および資料元
以下の資料は、本文で言及された歴史的事実、公開データ、および産業事例を裏付けるものです。財経メディアの編集者が検証しやすいよう、公式機関、企業公告、権威あるメディア、または一次資料を優先的に使用します。
[1] 源杰科技の株価が貴州茅台を上回り、A株市場の新高値株となった件：新華網、2026年4月17日、『茅台を上回る、A株市場の新株王誕生』。 https://finance.sina.com.cn/wm/2026-04-17/doc-inhuupte2305062.shtml
[2] 1866年の大西洋横断電信の料金について：PBS American Experience、「How the Early Cable Was Used」によると、1866年の大西洋横断電信の初期料金は1語10ドル、最低10語から送信可能で、これは熟練労働者の10週間分の給与に相当した。 https://www.pbs.org/wgbh/americanexperience/features/cable-how-early-cable-was-used/
[3] ロイターのハトの事例について：ロイター、「ロイターにおける速度の長い歴史」では、ロイターが初期にハトを用いて金融情報を伝達していたことが述べられています。 https://www.reuters.com/article/business/the-long-history-of-speed-at-reuters-idUSKBN2761WD/
[4] 1915年の米国横断電話料金について：JSTOR Daily、「AT&T：最初のソーシャルネットワークの誕生」では、1915年の海岸から海岸への3分間の電話料金が20.70ドルであったと述べられている。 https://daily.jstor.org/birth-first-social-network/
[5] NVIDIA GB200 NVL72について：NVIDIA公式ページによると、GB200 NVL72は36個のGrace CPUと72個のBlackwell GPUを接続し、ラック規模で液体冷却設計を採用しています。 https://www.nvidia.com/en-us/data-center/gb200-nvl72/
[6] グローバルなデータセンターの電力消費について：国際エネルギー機関（IEA）「Energy demand from AI」によると、2030年までにグローバルなデータセンターの電力消費は約945 TWhに達し、世界の総電力消費の3%未満を占めると予測されています。 https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai
[7] ブロードコムのカスタムAIチップについて：Reuters、2026-03-04、「Broadcom forecasts second-quarter revenue above estimates」では、ブロードコムが2027年までにAIチップの収益が1,000億ドルを超えると予測していると報じられています。 https://www.reuters.com/technology/broadcom-forecasts-second-quarter-revenue-above-estimates-2026-03-04/
[8] AMDデータセンターAI事業について：AMD 2024年年次報告書によると、データセンターAI事業の年間収益は50億ドルを超え、Meta、Microsoft、OracleなどがAMD Instinct MI300アクセラレーターを導入していると記載されています。 https://ir.amd.com/financial-information/sec-filings/content/0001193125-25-067185/0001193125-25-067185.pdf
[9] Google TPU v5eのコスト効率について：Google Cloud Blog、「AI推論におけるGPUとTPUの1ドルあたりのパフォーマンス」では、TPU v5eが同じコストでクエリ量を向上させていると述べられています。 https://cloud.google.com/blog/products/compute/performance-per-dollar-of-gpus-and-tpus-for-ai-inference
[10] NVIDIA AIネットワークプラットフォームについて：NVIDIA Quantum-X800の公式ページでは、これがエンドツーエンドの800 Gb/s InfiniBandネットワークであると説明されています。 https://www.nvidia.com/en-us/networking/products/infiniband/quantum-x800/
[11] AI光トランシーバーマーケットについて：TrendForce、2026-04-20、「Global AI Optical Transceiver Market to Reach US$26 Billion」では、800G以上の光トランシーバーモジュールに対する需要が急増していると指摘されています。 https://www.trendforce.com/presscenter/news/20260420-13017.html
[12] AI推論コストの低下について：Stanford HAI「AI Index 2025: State of AI in 10 Charts」によると、GPT-3.5レベルのモデルのクエリコストは約18ヶ月で280倍以上低下している。 https://hai.stanford.edu/news/ai-index-2025-state-of-ai-in-10-charts
[13] Microsoft Copilotのユーザー規模について：Microsoft Annual Report 2025によると、Copilot製品ファミリーのビジネスおよび消費者向け合計月間アクティブユーザーは1億人を超えています。 https://www.microsoft.com/investor/reports/ar25/index.html
[14] Harvey法律AIケースについて：TIME 2025年世界で最も影響力のある企業リストで、Harveyの評価額は約50億ドル、顧客は300社以上、53カ国に及ぶと報じられています。 https://time.com/collections/time100-companies-2025/7289586/harvey/
[15] CoreWeaveのGPUバックド・ファイナンスについて：CoreWeave投資者関係のお知らせ、2026年3月に85億ドルのディレイドドロウ期間ローンファシリティの完了を発表し、これを最初の投資格付GPUバックド・ファイナンスと称した。 https://investors.coreweave.com/news/news-details/2026/CoreWeave-Closes-Landmark-8-5-Billion-Financing-Facility-Achieving-First-Investment-Grade-Rated-GPU-backed-Financing/default.aspx
注：本記事は業界の見解をまとめた長文であり、注釈は事実の出典を示すものであり、いかなる投資アドバイスも構成しません。