モルガン・スタンレーは、GPT-6 Astraのリリースが市場の議論の方向を変えると報告した。Astraは、推論能力、エンジニアリング能力、コンピュータ使用、および物理世界のタスク実行における本質的な飛躍を意味し、AIが単純な相互作用から複雑なタスク実行へと拡張されることを示している。

著者：龍玥

出典：ウォールストリート・ジャーナル

一个モデルのリリースが、市場の議論の方向を変えています。

過去数ヶ月、市場は「既知のAI需要に応えるには、どの程度のインフラが必要か？」という問題を巡って議論してきました。この問いの裏には、AIインフラが過剰投資されているのではないかという疑念があります。

しかし、追風トレーディングプラットフォームの情報によると、モルガン・スタンレーは9月7日に発表したレポートで、GPT-6 Astraの重要性を単なる規模拡大（Scaling）の物語の継続と単純に理解すべきではないと指摘した。これはまた一つのモデルのアップグレードではない。

Astraは、推論能力、エンジニアリング能力、コンピュータ操作、および物理世界のタスク実行という4つの側面において、能力の幅と相互運用性の本質的な飛躍を示しています。これは、AIが複雑な推論、専門的なエンジニアリングタスク、コンピュータの直接操作、さらには現実世界のタスクを実行できるレベルに進化したことを意味します。実行可能なタスクが増えれば、収益を生むシナリオも増加します。OpenAIの最新記事でも、より優れたモデルが新たな「作業領域」を開くと述べられています。

AIのナラティブは再び「需要の議論」から「物理的ボトルネック」へと戻っている

Astraの登場は、市場の核心的な課題を「既知のAIニーズを満たすためにどの程度のインフラストラクチャが必要か」から、「モデルの知能が向上するにつれて、どの程度の新しいワークロードが経済的に実現可能になるか」へと転換する可能性がある。

これは完全に逆の方向の問題である。前者は需要側の疑問であり、後者は供給側の圧力である。

アナリストはレポートの中で、核心的な経済学的ロジックを提示した：より優れたモデルは弾力性効果を生み出す——AIが1ドルあたり得る知能と実用性が高まるほど、推論ワークロードの数、継続時間、複雑さは増加する。

これは古典的な「ジェバンズのパラドックス」と似ています：効率の向上は消費を減らすのではなく、総消費を拡大します。単位コストあたりの知的生産性の向上 → 以前は採算が合わなかったアプリケーションが可能に → 新しいワークロードが流入 → 算力とインフラへの需要が逆に拡大する。

アナリストは、Astraの能力が商業的に有用なアプリケーションに変換されれば、現在のチャットやコーディングに限定された使用シナリオをはるかに超えて、アクセス可能なAI収益プールが大幅に拡大すると考えている。

モルガン・スタンレーの推計によると、グローバルな知識労働者のTAMは約22.5兆ドル（グローバル9億人の知識労働者、平均年収約2万5200ドルを基に算出）であり、消費者支出のTAMは約30兆ドルで、小売＋旅行（約16兆ドル）、自動運転／移動（約4兆ドル）、飲食配達（約4兆ドル）、広告（約3兆ドル）を含みます。

アナリストの結論は、Astraの登場がボトルネックのナラティブを「需要の形成」から「物理的供給制約」、すなわち規模化条件下でこれらの知能を提供できるかどうかに戻したということである。

具体的には何を指すのでしょうか？計算能力。電力。材料。労働力。など。

物理的ボトルネックはどこにありますか：ABFとHBM4E

供給側の逼迫には、具体的な2つの対策があります。

最初はABF基板です。

モルガン・スタンレーは、ABFランプが2027年から需要が供給を上回り、2030年までその差が拡大し続けると予想しています。主な制約は、新規生産能力が最低でも2年かかるということです。

二つ目はHBM4Eの後工程（BEOL）の複雑さです。

報告によると、HBM4Eの後工程は、半導体製造における大きなパラダイムシフトを示しており、HBMは専用の3Dメモリースタックから、高度に統合されたカスタムChipletロジックシステムへと進化しています。

具体的影響チェーン：

• HBM4Eのインターコネクト層数が増加（SKハイニックスがダミーバンプを導入）することで、大量のDRAM資本支出がBEOL生産能力の拡張に不得不使用される。
• 前工程（FEOL）のプロセス移行に伴う資本支出とDRAM GB出荷量の加速は、2027年下半年までに実現すると予想されます。
• DRAMメーカーが設備の生産能力を優先的に確保するため、NANDの生産能力拡大は遅れる可能性がある

これらのボトルネックの共通点：どちらも検証可能で追跡可能な物理的制約であり、市場の感情ではない。

電力：最も現実的な物理的ボトルネック

データセンターの規制圧力が高まる中、電力供給が別の重要な物理的ボトルネックとなっている。アナリストは、超大規模クラウド事業者の合計計算能力が2025年の約35GWから2028年には約145GWへ、約4倍に増加すると予測している。

アナリストは、米国が38ギガワットの電力不足に直面しており、データセンターがますます表後（behind-the-meter）の自己発電ソリューションを採用すると指摘しています。

この計算によると、表後電力ソリューションにより、1ギガワットあたりの資本支出は約30億ドル増加する。Rubin Ultra第1世代のNVIDIAチップを例に取ると、表後電力を含む総コストは約1ギガワットあたり500億ドルである。

市場はどのようなものを過小評価しているのか

アナリストは、市場が現在、以下の3つの要素を過小評価していると考えています：

第一に、GPT-6 Astraのグローバルなテクノロジー受益者は十分に価格反映されていません。

第二に、供給の逼迫はより長く続く可能性があります。ABFおよびHBM4E BEOLの制約は、短期間で解決できるものではありません。

第三に、AIに依存せずとも上昇している銘柄が静かに強さを示しています。アナログチップ（STM、NXP、Renesas）は、3年以上にわたるL字型の底値を経て、在庫削減、価格の安定、工業用注文の改善という初期段階の回復期にあります。

結論は「AIをもっと買う」ではない

モルガン・スタンレーが提示した投資優先順位：

AI計算能力（最優先）＞ネットワーク（次点） ＞ メモリ（選択的）＋アナログチップ（前期サイクルのヘッジ）、以下を含む：

• AI計算力：GPU（NVIDIA）、ASIC（MediaTek、GUC）、ABF基板（欣興、揖斐電）、MLCC（村田、三星電機）、後道封測（愛德萬、東京電子、華豐、日月光、京元電）、電源（台達）
• ネットワーク：GLW、LITE、COHR、KEYS、古河电工、藤仓
• メモリ：構造的シェア成長と地元化（長鑫記憶体）を優先。SKハニックス、サムスン、铠侠は供給が引き続きタイトな状況下で戦略的な上昇空間を有する。
• 非AI：モジュールチップ（ステイスマイクロエレクトロニクス、ニンテンドー、レネサス）

この行は、「我々は、より広範な推論サイクルと限られた物理的生産能力、上昇するコンテンツの強度、増加する製造の複雑性の交差点に位置する企業を優先して配置する」と示しています。

清醒を保つ必要がある場所

モルガン・スタンレーの報告は一方的な楽観視ではなく、注目すべき3つの点を明確に示しています：

まず、AIへの期待はすでに高まっている。市場はAI企業に対する許容度を「良い業績」から「完璧な業績」へと引き上げており、Astraが実質的な進展をもたらしても、業績が大幅に期待を上回らなければ、株価の反応は依然として限定的となる可能性がある。

第二に、2028年の資本支出の成長率は鈍化すると予想されます。株式の価格付けは成長率の変化の方向を重視しており、減速自体が絶対値が依然として増加している場合でも、評価を継続的に圧迫する可能性があります。

第三に、マクロ的な逆風は依然として存在しています。報告書では、石油価格、インフレ、FRBの金利路線、2028年米大統領選などの不確実性に言及しており、特に民主党が行政権を獲得した場合のデータセンター拡張に対する潜在的な政治的抵抗に注目しています。