現在進行中のジェボンズのパラドックスについて、興味深い考察です。GPU価格が高止まりする一方でトークン価格は下落しています。効率向上によって需要が縮小するのではなく、むしろ爆発的に増えるという典型的なケースです。

推論コストは急速に低下しています（モデルの改善、競争、Blackwell級の規模拡大）。しかし、計算リソースの使用量は減りません。むしろ、膨大な新規需要が生まれます。トークンが安くなれば、エージェント型ワークフローやコーディングの自動化が増え、AIツールを使い始めるユーザーも増えます。トークン総量は、単価の低下をはるかに上回るペースで伸びています。その結果、希少なリソース（GPU、HBM、電力、データセンター）は依然として逼迫しています。

AIインフラにとって、これは次のことを意味します。

$NVDAをはじめとするGPUメーカーは、引き続き恩恵を受けます。高い稼働率と続く供給不足により、価格と販売量は堅調に推移します。

推論の拡大に伴い、メモリ（HBM/GDDR）、ネットワーク、電力インフラへの需要は持続的に伸びます。

トークン価格の下落が処理量の増加を上回れば、ハイパースケーラーやネオクラウドは利益率の圧迫に直面します。ただし、今のところは供給能力の制約と支出総額の増加から、需要が優勢と見られます。

推論中心のワークロードへの移行は、純粋な学習クラスターよりも、特化型シリコンや高スループットシステムに追い風となります。

要するに、AIの普及は、効率化によるハードウェア需要の減少よりも速く進んでいます。単価は急落しても、支出総額とインフラ需要は増え続けます。数量の伸びが引き続き最大の原動力である限り、物理インフラ層には強気です。