ChatGPTやClaudeの料金は上がる一方だったが、ここに来て一部のAPI料金はむしろ下がっている。同じ時期、Amazon、Alphabet、Meta、Microsoftの4社は2026年の設備投資を合計7250億ドル、前年の4100億ドルから77%も積み増すと発表した。投資は膨らみ続けるのに、一部では値下げも行われている。この噛み合わなさは、値下げ合戦の急先鋒だったDeepSeekが2026年8月、供給逼迫が背景にあるとされる価格引き上げに転じたことで一段と際立った。安さの競争を最後まで戦い抜けるのは、いったい誰なのか。
設備投資7250億ドルの裏でトークン価格が消えていく理由
Amazon、Alphabet、Meta、Microsoftの2026年設備投資は合計7250億ドルに達する見通しだ。前年の4100億ドルから77%の増加であり、複数社が2026年第1四半期決算で投資計画を上方修正した結果である。同じ年、OpenAIのAPI価格は2023年3月のGPT-4発表時点の100万入力トークンあたり30ドルから、GPT-5.5では5ドルへと約83%下落している。
2026年8月16日、DeepSeekは自社の推論モデルV4-Proの出力価格を、需要が集中するピーク時間帯に限って100万トークンあたり0.87ドルから最大3.96ドルへ、355%引き上げた。DeepSeek自身はオフピーク料金をピーク時より50%低く設定し「利用者がワークロードの実行タイミングを柔軟に選べるようにする」ためと説明したが、複数メディアはこの背景にGPU供給の逼迫と推論需要の急増があると分析している。値下げ合戦の主役たちがこれまで語ってこなかった制約条件だ。投資を膨らませながら価格を下げ続けるという冒頭の組み合わせは、電力とチップを巡る綱引きの結果として読み解ける。
Anthropic、OpenAI、Googleといった資本力のある陣営は、2026年8月時点でも値下げを止めていない一方、同じ月にDeepSeekは値上げへ転じた。GPUを大量に買い、電力を確保できる企業だけが値下げ合戦を継続でき、その体力を欠く企業は値上げへ転じるという選別が、投資拡大と値下げという一見正反対の動きの裏側で同時に進んでいる。
NVIDIAが一日で5890億ドルを失った1週間
2025年1月20日、DeepSeekは推論特化モデル「R1」を公開した。API価格は100万トークンあたり入力0.55ドル(キャッシュヒット時0.14ドル)、出力2.19ドルで、当時のOpenAI o1(入力15ドル、出力60ドル)と比べ出力価格は約27分の1にすぎなかった。性能はOpenAIの上位モデルに匹敵すると評価されながら価格は桁違いに安いという組み合わせが、業界の注目を一気に集めた。
この安さがウォール街を動かすまで1週間もかからなかった。2025年1月27日、NVIDIA株は17%下落し、時価総額5890億ドルが一日で消失した。米企業史上最大の1日あたり時価総額減少である。同日、Microsoft CEOのSatya NadellaはLinkedInに「Jevonsのパラドックスがまた起きた」と投稿し、効率化がかえって需要を押し広げるという見立てを示した。
Jevonsのパラドックスとは、19世紀の経済学者William Stanley Jevonsが石炭利用の効率化について指摘した現象で、あるリソースの利用効率が上がるほど、価格低下を通じてかえって総消費量が増えるという逆説を指す。AI推論に当てはめれば、トークン単価が下がるほど利用シーンが広がり、総消費電力や総GPU需要はむしろ膨らむ。民間調査会社Menlo Venturesが2025年12月にまとめた調査では、米企業約500社の生成AI支出は2024年の115億ドルから2025年の370億ドルへ約3.2倍に拡大しており、同じ期間にトークン単価は約10分の1に下がっている。値下げは需要を消すどころか、火に油を注いだ格好だ。
OpenAIのSam Altman氏はDeepSeekについて「非常に優れたモデルだ」と述べたと伝えられ、今後は従来より小さいリードしか維持できないとの見方を示したと報じられている。実際にOpenAIは2025年6月にo3のAPI価格を80%引き下げたとAltman氏が明らかにしており、DeepSeekショックはOpenAI自身の価格戦略にも直接影響を及ぼした。
この安さの起源としてしばしば語られるのが「557万6000ドルで訓練した」という数字だが、これは前月の2024年12月に公開されたDeepSeek-V3の技術報告書が示す訓練費用の見積もりであり、H800 GPU2048基で14.8兆トークンを学習した事前学習(プレトレーニング)に加え、文脈長拡張・事後学習までを含めた賃借料(時間あたり2ドル換算)にすぎない。この数字はR1固有の学習費用を意味しない。研究開発や既存インフラへの投資(DeepSeekは累計5億ドル超をGPUに投じたとも報じられる)も含まれていない。「低コストで強いモデルを作れる」という驚きは本物だが、訓練費用の一点だけを切り取った受け止め方には留保がいる。
GPU一時間0.78ドルの内訳が明かす値下げの正体
Stanford HAIの「AI Index Report 2025」によれば、GPT-3.5相当の性能を持つモデルの推論コストは2022年11月の100万トークンあたり20ドルから2024年10月には0.07ドルへ、23カ月で280分の1以下に下がった。Epoch AIの集計では、MMLU(大規模マルチタスク言語理解ベンチマーク)スコア86以上のGPT-4級性能に絞ると2023年3月の37.50ドルから2025年2月の0.18ドルまで、2年で208分の1になっている。両者に共通するのは、性能を一定に保ったまま価格だけが桁違いに下がり続けているという事実だ。
2026年3月に発表されたMIT論文(arXiv:2511.23455)は、この価格下落を3つの要因に分解している。論文はアルゴリズムの効率化を年率約3倍、ハードウェアの性能改善を年率約30%(コスト効率換算で年率約1.43倍相当)と明記する一方、企業間の価格競争そのものの寄与には明示的な倍率を示さず、観測された下落幅からの残差として年率1.5〜2倍相当が読み取れるとしている。3つのうち純粋な技術進歩に由来するのはアルゴリズム効率化だけで、残る2つは巨額の設備投資か、利益を削る体力のどちらかを前提にしている。
2025年10月の論文(arXiv:2510.26136)は、A800 80GB GPUを1時間動かすコストを0.78ドルと算出し、その内訳を減価償却0.64ドル、電力0.08ドル、保守0.06ドルとしている。電力費が占める割合は全体の約1割にすぎず、コストの主因はGPU本体の減価償却である。「電力がAIのコストを決める」という単純化は、この内訳だけを見ると成り立たないように思える。
だが減価償却費そのものが、新型GPUを買い続けるための設備投資に依存している。NVIDIA公式(2026年2月)によれば、Blackwell世代への移行に低精度演算形式NVFP4やソフトウェア最適化を組み合わせた結果として、Sully.aiはコストを90%削減、Latitudeは4分の1に(75%減)、Decagonは6分の1に(約83%減)圧縮したと報告した。いずれもGPU世代交代単体ではなく複合的な最適化の成果だが、その土台にあるのは最新世代のGPUへの投資であり、恩恵を受けられるのは次の世代のGPUを大量に買い替えられる企業だけだ。原価に占める電力費の割合が1割という数字は1基のGPUを1時間動かす単価の話であり、数十万基規模のデータセンターを動かす段になれば、電力の絶対額と調達可能量そのものが投資の成否を左右する。
設備投資の増加分3150億ドル(7250億ドルから4100億ドルを差し引いた額)に、A800の原価内訳が示す減価償却比率(82%)を当てはめると、GPU購入・更新に相当する規模は約2580億ドルという試算になる。データセンター建設には土地・建屋・冷却設備など減価償却比率に含まれない費用もかさむため粗い概算にすぎないが、投資の大半がGPUの買い替えに向かう構図は崩れない。NVIDIAが示す最大90%という単価改善は、低精度演算やソフトウェア最適化と組み合わされた買い替えの直接の果実であり、MIT論文が示す年率約1.43倍相当のハードウェア進歩分、残差として読み取れる年率1.5〜2倍相当の価格競争分は、いずれもこの買い替えを続けられる投資余力に支えられている。ただし電力費が原価に占める比率(約1割)は、GPU一基を一時間動かす運用コストの内訳にすぎず、数十万基規模のデータセンターを新設・稼働させる段になれば意味が変わる。買い替えたGPUを実際に動かし続ける電力そのものを調達できなければ、減価償却によるコスト改善は絵に描いた餅に終わる。
The Informationの報道(2026年2月)によれば、OpenAIの粗利益率は2024年の40%から2025年には33%へ低下し、Anthropicはマイナス94%から約40%まで改善したものの、両社とも社内目標には届いていないという。値下げを続けながら投資家に許容される範囲の赤字幅を保つには、粗利益率の管理そのものが綱渡りになる。安さを演出するための値下げは、企業の財務体力を静かに削っている。
OpusからDeepSeekまで、価格戦争の勢力図
Anthropicの最新モデルOpus 5/4.8は100万トークンあたり入力5ドル、出力25ドルで、主力のSonnet 5は入力2ドル、出力10ドルだ。OpenAIはGPT-5が入力1.25ドル、出力10ドルで、最廉価帯のGPT-5.6-lunaは入力0.20ドル、出力1.20ドルまで下げている。GoogleのGemini 3.7 Flashは入力0.75ドル、出力3.75ドルだ。最上位モデルと最廉価モデルの間には数十倍の価格差が生まれており、同じ業界の中でも値下げ合戦への体力差がすでに料金表に刻まれている。
Anthropicは2025年11月24日公開のOpus 4.5で、旧価格(入力15ドル、出力75ドル)から67%引き下げた入力5ドル、出力25ドルを提示し、この水準を4.8まで維持している。Sonnet 5も2026年6月30日の公開時から入力2ドル、出力10ドルを掲げ、2026年8月10日には9月に予定していた入力3ドル、出力15ドルへの値上げ計画そのものを撤回して、現行価格を恒久化すると発表した。公開から撤回発表までは6週間足らずであり、値上げを打ち出してから短期間で引っ込める判断は、競合の価格圧力がそれだけ強いことを裏づけている。
OpenAIは2026年7月30日、GPT-5.6ファミリーの最廉価モデルLunaを80%値下げ(入力1ドル、出力6ドルから入力0.20ドル、出力1.20ドルへ)した。同社が挙げた直接の理由は配信効率とソフトウェア・GPU最適化だが、Anthropicや中国発オープンウェイトモデルとの競争も背景にあると報じられている。OpenRouterの集計データでは、中国発モデルのトークン消費シェアが2024年末の2%未満から2026年半ばには急伸しており、集計方法の違いにより46%から61%までの幅で報告されている。安価な中国発モデルの存在感が増すほど、既存勢力も価格を動かさざるを得ない構図だ。
xAIのGrok 4.6は20万トークン未満で入力2ドル、出力6ドルとなっており、AlibabaのQwen3.8-Max国際版は入力2ドル、出力6ドルとほぼ同水準だ。中国本土向けの提供価格は国際版より60〜70%安く設定されており、地域ごとに価格帯を切り分ける動きも広がっている。米国発、中国発を問わず、主要企業のほとんどが価格引き下げの方向で足並みをそろえている。
同じ8月に正反対の動きを見せたのがDeepSeekだった。2026年8月16日、V4-Pro/V4-Flashにピーク時間帯(平日のUTC1〜4時、6〜10時)限定の別料金を導入した。上位モデルのV4-Proは出力価格が0.87ドルから最大3.96ドルへ、入力のキャッシュミス価格も0.435ドルから最大1.32ドルへ引き上げられた。InfoWorldなど複数メディアはこの値上げを「一部価格が10倍以上に跳ね上がった」と報じている。値下げの旗手だった企業が、供給制約を理由に自ら値上げへ転じたことになる。
Anthropic、OpenAI、Googleは大規模な資金調達を通じて数百億ドル規模の資本を投じ続けられ、値下げによる粗利益率の低下も株主や投資家に説明できる範囲の戦略的コストとして許容されている。一方でDeepSeekのようにGPU調達そのものが制約される企業は、需要が急増した瞬間に値下げを維持する原資を失う。同じ「値下げ合戦」という言葉で語られていても、戦っている土俵の厚みはまったく違う。この分岐を分けるのは、結局のところ資金調達力の差だ。
MoEと量子化が削るコスト、TPU神話の真相
MoE(専門家混合)アーキテクチャは、入力トークンごとに全パラメータの一部だけを活性化させる設計だ。Epoch AIの分析によれば、8個の専門家を持つ疎な構成は総パラメータ数が半分の密なモデルに近い計算コストで動作するといい、削減効果は処理条件によって変わるとされる。Mixtral 8x7Bは約470億パラメータを持ちながら、トークンごとに実際に使うのは2つの専門家だけで、推論コストは140億パラメータ相当のモデルに近い。こうしたモデル側の技術進歩も、値下げ余地を生み出す原資の一つになっている。
量子化はモデルの重みを扱う数値の精度を落として計算量とメモリ量を減らす手法だ。8ビット整数(INT8)まで精度を落とす場合、大規模な評価では精度低下がおおむね1〜3%に収まる例が報告されており、メモリ使用量を約50%削減できる。4ビット整数(INT4)まで踏み込むと、重みのみを量子化する手法ではINT8に匹敵する精度を保てる例がある一方、量子化の方式や対象タスクによって精度低下の幅は大きく変わり、メモリは約75%削減される。実例では700億パラメータのモデルでINT4量子化によりGPUコストが2万4000ドルから4000ドルへ83%減少したという報告もある。投機的デコーディングも標準的に2〜3倍のスループット改善をもたらし、NVIDIAはH200 GPUで3.6倍の高速化を実証している。
Google Cloud公式(2025年8月)によれば、Geminiのプロンプト処理1件あたりの消費電力は中央値0.24Wh(ワット時)で、直近12カ月でエネルギー消費量が33分の1、CO2排出量が44分の1に下がった。MoEや量子化といった前段までの効率化技術は、コスト削減効果に加えて、実測ベースの電力消費量そのものも縮小させている。トークン単価の下落は、この電力効率の改善という裏付けを伴っている。
こうした技術に加えてよく語られるのが「Googleが独自開発する推論や学習向けの専用チップTPU(Tensor Processing Unit)はNVIDIAのGPUより推論コストが安い」という通説だ。移行事例としてあるサービスの月間コストが210万ドルから70万ドル未満に減ったという逸話が繰り返し引用され、TPUはGPU比で4倍安いという数字が独り歩きしている。
だが独立ベンチマーク機関Artificial Analysisが実施した測定では、逆の結果が出ている。対話速度を秒間30トークンに揃えて測定したLlama 3.3 70Bの推論コストは、NVIDIA H100が100万トークンあたり1.06ドル、AMD MI300Xが2.24ドル、Google TPU v6eが5.13ドルで、NVIDIAはTPU v6eに対しトークン単価で約5倍優位という結果になった。「TPUが安い」系の記事を検証したブログ(junyi.dev)は、根拠として引用されるMLPerfにはそもそも推論性能あたりコストを報告する項目が存在しないことや、記事間で「4倍」「4.7倍」と数字が食い違うことを指摘している。ハードウェア間のコスト差はどの企業がどの条件で測定したかによって大きく揺れ、独立した測定ではむしろNVIDIAに軍配が上がっているのが実情だ。
それでもカスタム推論チップへの投資は止まらない。Groqは専用チップで秒間394トークンの速度を1ドル未満のコストで提供し、CerebrasはWSE-3チップで秒間2100トークンを実現している。マイクロソフト出資のd-Matrixは、既存手法比90%の効率改善を主張していると報じられている。コストの絶対値でどのチップが勝つかは測定条件次第で入れ替わるが、確実なのはGPU一辺倒からの脱却という投資の方向性であり、それもまた巨額の開発資金を投じられる企業にしか選べない選択肢である。
原発PPAとガスタービンが選別する生存者
NVIDIAのJensen Huang CEOは2026年3月のGTC 2026で「電力がボトルネックだ」と述べ、「売上は1ワットあたりのトークン数×利用可能なギガワット数で決まる」という定式を示した。Microsoft CEOのSatya Nadellaも2026年1月のダボス会議で、エネルギーコストがどの国がAIレースに勝つかを決めるという趣旨の発言をしたと報じられている。GPUの性能競争を主戦場とみなしてきた業界の頂点に立つ2人が、同じ時期に口をそろえて電力を制約として語っている。
MicrosoftとConstellation Energyは、閉鎖されていたThree Mile Island原発1号機(出力835メガワット)の再稼働に向けて20年間の電力購入契約(PPA)を結んでおり、この契約に関わる送電免除措置についても2026年6月1日に米連邦エネルギー規制委員会(FERC)の承認を得ている。Microsoft、Amazon、Meta、Googleの4社が締結した原子力関連の電力契約は合計で約7.5ギガワット相当(TerraPowerやOkloへの出資を含むMetaが最大で、報道によっては上限6.6ギガワットとも伝えられる)。原子力を使うデータセンター契約は業界全体では7社・13件で合計9.8ギガワットに達し、一般家庭約700万世帯分の電力に相当する。原発の新設には10年単位の時間がかかるため、既存炉の再稼働と長期契約による電力の先取りが、Huang氏とNadella氏の発言どおり当面の現実的な解決策になっている。
原子力だけでは足りず、オンサイトの天然ガス発電にも資金が流れ込んでいる。米国内でデータセンター事業者が計画するビハインド・ザ・メーター(電力網を介さない直結型)のガス発電容量は2026年5月時点の集計で約101ギガワットに上り、うち57ギガワット超が発注済みだったという。計画自体は月を追うごとに積み上がっている。
ガスタービン最大手GE Vernovaの受注残高は2029年まで埋まっており、電力インフラ企業VoltaGridとOracleは2025年10月、テキサス州のAIデータセンター向けに2.3ギガワット規模のオンサイトガス発電契約を結んでいる。一部地域では電力網への新規接続待ちが5年を超えるとされ、送電網の整備を待てない事業者ほど自家発電への依存を強めている。電力会社の送電網増強を待たず自前で発電所を建てる動きが、そのままハイパースケーラーの設備投資7250億ドルの中身の一部を形づくっている。
原発PPAもガスタービンの自家発電も、着工から稼働まで数年単位の先行投資と数百億ドル規模の与信枠を必要とする。これを用意できる4社は値下げを続けながら電力を確保でき、用意できない企業は値上げに転じるか、他社のインフラに依存し続けるかの選択を迫られる。ただしこの構図は固定されていない。DeepSeekのような資本力で劣る陣営も、電力やチップの調達環境が変われば戦略を再び転換しうる。安さの消耗戦は、電力とチップの調達力という物差しで参加者をふるいにかけている最中であり、勝敗はまだ確定していない。
22円の電力を抱える日本が組み込まれる先
日本の産業用電気料金は1キロワット時あたり約22円で、米国、中国、韓国より割高だとされる。中国の産業用電力価格は日本の約3分の1の水準にとどまるという。電力が安い国のデータセンターほど、同じ性能のAIサービスを低いコストで提供できる土台を持つことになり、この消耗戦の帰趨は日本にも直接跳ね返ってくる。
電力広域的運営推進機関(OCCTO)が2025年1月に示した試算では、データセンター向け電力需要は2034年度に44テラワット時、半導体向けと合わせて51テラワット時に達し、産業用その他需要の約14%を占める見通しだという。AIの電力需要は、日本の産業構造の中でも無視できない比重を持ち始めている。
NTTが2023年11月に発表した独自の軽量言語モデル「tsuzumi」は、GPT-3比で推論コストを最大70分の1に抑えられるという。電力価格で不利な条件を抱える日本にとって、モデル側の効率化は数少ない対抗手段の一つになる。
NTTは2026年4月27日、AIネイティブなインフラ構想「AIOWN」を発表し、国内データセンターのIT電力容量を現状の約300メガワットから2033年度には約1ギガワットへ、3倍以上に拡大する計画を示した。IT電力容量の拡大は電力会社との送電網増強交渉や新たな発電契約を何年もかけて積み上げる作業であり、AIOWNの数字はその交渉の進捗そのものを表している。米国のPPAが原発再稼働という既存資産の活用だったのに対し、日本のIT電力容量拡大は送電網そのものの増強を必要とする分、時間軸が長い。
一方でソフトバンクグループは、2026年5月30日にフランスへ最大750億ユーロ(約14兆円)を投じ、欧州最大級のAIデータセンターを建設すると発表した。2031年までに3.1ギガワット、最終的には5ギガワットまで拡張する計画だという。国内の電力制約を回避し、電力条件のよい海外に投資を振り向けるという選択が、日本企業自身の手で進んでいる。
設備投資7250億ドルとOpenAI入力単価83%下落という2つの数字は、同じ選別装置の裏表として読み解ける。電力とチップを大量に調達できる陣営は値下げを続け、それができない陣営はDeepSeekのように値上げへ転じる。日本にとっての次の分岐点は、NTTが2033年度に見込むIT電力容量1ギガワットへの拡大がどこまで前倒しできるか、そして国内の電力価格が主要国並みに近づく道筋が描けるかにかかっている。安いAIサービスを享受し続けられるかどうかは、性能競争の外側にあるこの電力の綱引きの結果で決まる。
