過去2年、人工知能は間違いなく世界の資本市場で最も熱い追い風となり、あらゆる産業チェーンを巻き込む富の狂乱を引き起こしました。
上流の中核ハードウェアから下流でのアプリケーション実装まで、AI分野は一波の“史詩級”な相場を繰り広げました。エヌビディア（NVDA.US）は計算能力の独占的な地位を背景に時価総額を順調に押し上げ、智藍（02513.HK）、OpenAI、Anthropicなどの大規模モデル企業の評価額は大きく上昇しました。SKハイニックス（SKHY.US）やインテル（INTC.US）といった半導体大手も勢いに乗って台頭し、光モジュール、光チップ、特殊セラミック材料などの個別サブセクターは軒並み倍増して急騰。データセンターのインフラ整備、電力関連の補助、メモリーデバイスといった、いわゆる従来型のインフラ分野も、AIの計算能力構築の追い風を受けて逆風下の相場展開を見せました。
一時期、資本が狂気じみて流れ込み、企業が一段と出資し、業界の楽観ムードは最大限に高まった。誰もがAIが、数十年単位の新たな産業革命と成長サイクルを切り開くと確信していた。
しかし2026年の盛夏、シリコンバレーの熱波はいまだ続いているのに、AI産業は透き通るような“資本の冷え込み（資本寒流）”を迎えた。フィラデルフィア半導体指数は直近20取引日で累計-18％超となった。その中で今年最も好調だった半導体株、マイクロン・テクノロジー（MU.US）は直近20取引日で累計-24％近く、ジェンセン・ファン（黄仁勳）に熱狂的に買われてきたスター銘柄のマーベル・テクノロジー（MRVL.US）は20日で累計-37％超。かつて“計算能力は永遠に不足する”とされてきた物語にも亀裂が入った。
この突然のバリュエーション冷却は、おそらく単に市場心理の後退、あるいは短期資金の利確にすぎないのかもしれない。しかし同時に、AI産業の熱狂的な疾走の過程にある暗礁を直視せざるを得ない。それが、この熱狂が持続できるかどうかを左右する可能性がある。
第一の暗礁：規制の鉄の幕がもたらす影響
AI技術の進化速度は、法規制の更新ペースをはるかに超えている。加えて、技術がもたらす能力の境界が曖昧であること、データ安全リスク、アルゴリズム倫理の懸念、独占や侵害の問題などが、世界のAI規制を“空白の探索”から“全面的な引き締め”へ押し進める可能性があり、AIの無秩序な拡張を阻む重要な関所になる。
現在、世界のAI規制システムは、密集した“導入・実装”の段階に入っている。EU（AI法）が正式に発効し、高リスクAIシステムに厳格な参入管理を適用し、汎用AIモデルに対して透明性とリスク評価の要件を求めている。中国では生成AIの管理弁法を継続的に整備し、大規模モデルの届出、データのコンプライアンス、コンテンツの審査などの厳格な要求を明確化した。米国では、行政命令や業界ルールを通じて、大規模モデルの学習、データ収集、AIの独占的行為に対する的を絞った規制が行われている。さらに各国は、AIの越境データ移転、AI生成コンテンツの著作権、AIによる雇用代替リスクといった分野の個別ルールも継続的に導入している。
規制の全面的な引き締めは、業界の参入障壁を直接引き上げる。中小のAI企業にとっては、コンプライアンスコストの急増が、生存圧力の上昇につながる。一方で、トップのテック・ジャイアントにとっては、規制が製品発表のサイクルを長引かせ、グローバル展開の戦略を余儀なく変更させる。規制はAIの商業化プロセスを阻むためではないが、ゲームのルールを変えることになる。
第二の暗礁：資本拡張の持続可能性——コストと効果の精査
今年上半期のAI産業バリュエーションの爆発は、明らかに上流の産業チェーンに偏っていた。下流の大規模モデルやアプリなど、終端ユーザーに向けたテック巨頭は、多額の資金を計算能力の構築、モデル学習、データセンターの整備、技術開発に投じ、それが上流の産業チェーンの業績好調を押し上げ、バリュエーションを急騰させる重要な支えになっている。同様に、もしこうしたテック巨頭や主権主体がAIへの投資を引き下げたり、AI投資のペースを落としたりすれば、このバリュエーションのロジックは揺らぐ。
AI投資を見極める際に主に評価するのは、2点だ。投資利益率と、その投資が生み出せる能力である。AIへの投資はすでに数年行われており、得られる効果も少しずつ見え始めている。現時点でのAI産業チェーンの評価には、ある程度“現金化できる見込み”が織り込まれている。上流産業チェーンが最近、追い高騰して投資を集めた速度と規模から見ると、市場のAI投資に対する期待は非常に楽観的だ。もしAIの発展が期待に届かなければ、AI投資は進行が鈍り、投入額も縮小する。すると上流の産業全体の市場価値は縮小する。
今後の6月期の業績は、AIの資本支出（キャピタル・エクスペンディチャー）の方向性を見極める重要な手がかりとなる。Google（GOOG.US）、Microsoft（MSFT.US）、Amazon（AMZN.US）、Meta（META.US）など海外のテック巨頭、そして中国のテンセント（00700.HK）、アリババ（09988.HK）といった国内の有力インターネット企業も、拡大鏡の下で細かく観察されることになる。彼らのAI投資に対する見通し、AIの進捗、AIアプリがそのエコシステムのサービスにどう溶け込むのか——これらは、これまでより厳しい目で審査されるだろう。仮に巨頭のAI事業が予想に届かなければ、プラスのキャッシュフローを生み出す見通しは立ちにくい。計算能力投資、研究開発投資、インフラ投資の費用対効果が改善しないままなら、必然的に続く資本支出を自ら削減し、結果としてAI産業サプライチェーン上流の需要が縮小することになる。
同時に、これらの企業の既存事業の業績やキャッシュフローの状況も、将来のAI投資に直接影響する。中核事業の利益とキャッシュフローこそが、テック・ジャイアントが長期にわたり科学技術の競争領域へ投下し、AIを構想・展開するための裏付けなのだ。
しかしAI技術の急速な浸透は、伝統的な産業構造を着実に覆している。グーグルの広告業、アマゾンのEC小売、マイクロソフトのOfficeスイート、メタのソーシャルメディア広告……。これらこそが、テック巨頭の資本支出の本当の源泉だ。だがAIが伝統産業を覆すことで、その“スポンサー”である資金提供側自身にも反作用が生じている。
広告業界を例に取ると、生成AIによってコンテンツ制作は非常に安価になった。大量のAI生成による質の低い情報がプラットフォームにあふれ、広告枠の実際の到達率が下がる。すると広告主は、デジタル広告の費用対効果に疑問を持ち始める。同時に、AI検索が従来の検索エンジンの広告シェアを侵食している。ユーザーが大規模モデルから直接答えを得られるなら、誰があの“スポンサーリンク”をわざわざクリックしたがるだろうか？
さらに重要なのは、これらのテック巨頭の中核サービスが収益を生むには、ユーザーの支払い能力と消費需要に依存している点だ。AIに置き換えられた人材は収入が減るため消費を抑え、最終的にそれがこれらのテック巨頭へと跳ね返り、従来の産業で利益を得てきた巨頭の収益は大幅に落ち込むことになる。自社の売上が圧迫される状況では、資金提供側もまた、AI関連の年間の資本支出が「千億元級」になりがちな規模を、当然のように支えられなくなる。
第三の暗礁：AIの商業化「言うほど座らない」
AIの波は持続できるのか。最終的には、素朴な問い——それは本当に儲かるのか？——にかかっている。
大規模モデルはAI産業チェーンの最も中核的なマネタイズのフロントエンドであり、業界の商業化能力を検証するための重要な尺度だ。現在、国内では智谱（Zhipu）、百度（09888.HK）の文心一言、アリババの通義千問、海外ではGPTシリーズやClaudeなどの主流大規模モデルが、いずれも同様の困難に直面している。1回の学習コストは数千万から最大1億ドル規模に達し、日常の推論に必要な計算能力の消費、データの反復更新、運用コストは上がり続ける。それにもかかわらず、マネタイズ手段はAPI呼び出し、企業向けカスタムサービス、会員サブスクリプションの3つに高度に集中している。
より重要なのは、多くの企業がAIを導入した後、短期的にその経済的リターンを定量化するのが難しいという点だ。個人ユーザーでは月額料金に対する支払い許容度が限られ、転換率も概して低い。一方、法人顧客は予算がより潤沢だが、予算が大きいということは高いリターンを意味し、通常はAIへの投資を「コスト項目」から「収益項目」に早く切り替えたいと考える。それゆえ短期的には実現が難しいケースが多い。
一方で、大規模モデルの推論コストは高速に下がっている。これは朗報であると同時に呪いでもある。低コストによってより多くのユースケースが実現可能になる一方で、大規模モデル企業の価格決定権は継続的に削られ、商業化の難度が上がる。
第四の暗礁：利上げ局面がAI投資を高コスト化する
AI産業の高速な拡張は、世界的な低金利環境の恩恵なしには成り立たない。過去数年、世界的な金融緩和により、テック企業は極めて低いコストで社債発行、ローン、資金調達ができ、ためらうことなくAIの計算能力投資や技術開発に拍車をかけられた。しかし主要各国の中央銀行が利上げ局面に入ることで、緩和の恩恵は終わりを迎える。これによりAIのサプライチェーン全体の投資・調達コストが上昇し、AIプロジェクトへのリターン要求も大幅に引き上げられる。
現在、世界の債券市場は継続的に圧迫されている。先進国では財政赤字が高止まりし、国債利回りの上昇を促しており、市場全体の調達金利は全面的に上向きだ。同時に、GoogleやAmazon、Metaなどのテック巨頭はAIを継続的に展開するため、大規模な社債発行で資金を集めており、さらに市場金利を押し上げる可能性がある。AI企業にとっては、資金調達コストの上昇が、計算能力投資、研究開発投資、インフラ投資それぞれの回収に求められる期待収益をさらに高めることを意味する。投資家がこうした案件を精査する際も、これまで以上に厳しい目になるだろう。
第五の暗礁：供給過剰の隠れた懸念
熱狂的な投資期には、巨頭たちは往々にして“規模を崇拝する”罠に落ちやすい。しかし需給の法則を見落とす。メモリチップ、計算チップ、光モジュール、サーバーなどの中核領域では、1兆級の供給能力投資が流入している。だがこのような盲目的な増産が、深刻な需給の不均衡危機を生み出し、業界の継続的な上昇を妨げる重要要因になり得る。
たとえばメモリチップを例に取れば、巨頭たちによる1兆ドル超規模の投資は、数年後に深刻な供給過剰へと変わる可能性が高い。市場に同質化した大規模モデルや過剰なハードウェアがあふれたとき、価格競争は免れず、利益率は極端に圧縮される。
第六の暗礁：雇用代替がもたらす“経済的な反作用”
AI技術の普及は、繰り返し作業の代替から、中高レベルのホワイトカラー業務の代替へと進み、大規模な雇用の再編を引き起こしている。従来は多くの人がAIはライン作業者や基礎的なサービス人材を置き換えるだけだと考えていたが、今やコード生成モデルは初級・中級のエンジニアのプログラミング作業を代替でき、AIオフィスツールはコピーライティング、運営、財務、基礎的な法務などの職務を代替できる。巨大テック企業の大量解雇は常態化し、数多くの高給の頭脳系ポジションがAIに置き換えられている。
この雇用代替は個人の現象ではなく、集団的かつ業界全体に及ぶ構造変革だ。代替される職場の人々の多くは、住宅ローン、消費者ローン、家庭の老後や育児といった“固定的な支出”を抱えている。大規模な失業は収入の断絶を直接引き起こし、さまざまな経済的連鎖反応を招く。住民の収入が減れば消費が縮み、住宅ローンの返済不能リスクが上がり、信用のデフォルト率は上昇し続ける。結果として住宅市場や消費市場の活力が抑え込まれ、局地的なデフレ圧力が生まれる。
産業連鎖の観点から見ると、下流の消費市場が持続的に弱い状態は、徐々に上流の実体産業やテクノロジー産業へと波及する。各業界の企業の利益は圧迫され、企業はAI投資の費用対効果をより慎重に天秤にかけ、むやみに追随してAIの布陣を増強しなくなる。さらに、全体のデフレ圧力は、世界の金融政策の“受動的な調整”を後押しし、資本市場の流動性にも影響を与える。そうしてAI産業の継続的な拡大を、根本から制約することになる。
物理的な限界と抽象的な壁
経済や社会による制約に加えて、AI自身もまた、避けがたい物理的・認知的な天井に直面している。
まずは物理的なインフラの“硬い”ボトルネックだ。大規模モデルの学習と推論は、まさに“電力の暴れ馬”であり、2030年までに世界のデータセンターの電力消費量は倍増すると見込まれる。今後の制約要因は、チップの供給ではなく、それに電力を供給するギガワット級の電力供給そのものになるかもしれない。
また、AIの仮想シミュレーションと現実の物質世界の間には、決定的に埋められないギャップがある。デジタルモデルは相関関係を当てはめることしかできず、熱による変形、材料の応力といった物理的な因果を完全に再現することはできない。許容誤差が極めて低い製造や航空などの領域では、AIの“幻覚”が致命的なリスクにつながる可能性がある。
認知のレベルでは、現状のAIシステムは本質的に、いまだ人間の認知フレームの中で動いているだけだ。文章のパターンを復唱することはできても、現実世界における因果ロジックの理解が欠けている。さらに、人間のように物理世界との相互作用を通じて新しい概念を発明したり、新しいものを創造したりすることもできない。もし新鮮で真のデータが絶えず供給されないなら、たとえモデルのパラメータをさらに増やしても、反復の当てはめに陥る行き止まりになる可能性がある。
啓示：狂熱から畏敬へ、そして回帰
AIの波を妨げているのは、単一の技術的ボトルネックではない。規制、資本、経済、社会、物理、そして認知が絡み合ってできた“巨大な網”だ。これが私たちに与える深い示唆は、技術革命の重要な転換点は、多くの場合、技術が強化される瞬間ではなく、社会と企業がついに新技術に適合する新しい組織形態を見つけた時に訪れる、ということだ。
蒸気機関の発明から半世紀以上が経ってようやく、工場制度がその生産力を本当に解き放った。電力が登場して数十年後に、ようやくラインが製造業を根本から変えた。AIも同様だ——真の転換点は、計算能力のブレークスルーの日ではなく、私たちがついに人材をどう組織し、プロセスをどう再構築し、インセンティブをどう設計し、AIと人間がそれぞれの役割を担いながら協同的に進化できるようになったその日なのかもしれない。
規制は追いつく必要があり、資本は帳尻を合わせる必要があり、ビジネスモデルは検証が必要で、雇用は転換が必要で、物理的なボトルネックは突破が必要——これらはいずれも一朝一夕にはできないことだ。だが、まさにこうした“抵抗”こそが、AIの歩みを高ぶりから落ち着きへ、投機から価値へと回帰させる。
文：呉言