AIブームをめぐる市場の不安は、株価が高すぎるかどうかだけでは測りにくくなっている。ニューヨーク大学スターン経営大学院のAswath Damodaran氏は、Excess Returnsのインタビューで、AIが失速した場合の痛みはドットコム・バブル崩壊より広く及び得ると警告した。理由は単純な熱狂ではない。今回のAI投資は、ソフトウェア企業らしい軽い固定費ではなく、データセンター、サーバー、ネットワーク機器、電力、リース、資金調達を伴う実物資産の積み上げになっているからだ。
Damodaran氏の見方で鋭いのは、AIを「大きな市場があるから勝者が生まれる」という楽観論ではなく、「その市場を取りに行くために何を先に買っているのか」という会計と資本配分の問題に引き戻している点である。ドットコム期にも通信網やサーバーへの投資はあった。だが、現在の生成AIでは、利用が増えるほど推論に計算資源が必要になり、モデル競争が続くほど最新チップやデータセンターの更新圧力も残る。期待が外れたときに傷むのは、赤字スタートアップの株主だけではない。
AIは使われるほど費用が消える事業ではない
AIの経済性を考えるうえで、まず外すべき前提がある。生成AIは、いったん開発すれば追加ユーザーの費用がほぼゼロに近づく従来型ソフトウェアとは違う。利用者が質問し、コードを書かせ、画像や音声を生成するたびに、データセンター側では計算が走る。つまり売上が伸びても、その売上に対応する推論コストが消えるわけではない。
価格表を見れば、その構造はかなり露骨に出ている。OpenAIのAPI価格は、GPT-5.5で入力100万トークンあたり5ドル、出力100万トークンあたり30ドルと示されている。DeepSeekのAPI価格は、DeepSeek-V4-Flashでキャッシュミス時の入力100万トークンあたり0.14ドル、出力100万トークンあたり0.28ドル、V4-Proでもそれぞれ0.435ドルと0.87ドルである。提供企業が違えば品質、用途、容量、信頼性も違うため単純比較はできないが、利用量ごとに課金され、かつ低価格競争が見える市場であることははっきりしている。
ここが、Damodaran氏の警告の出発点になる。AIが企業の生産性を上げるとしても、同じ道具を競合他社も使えるなら、コスト削減分は価格競争で顧客に渡り、企業の利益率には残りにくい。AIを売る側も、利用ごとのコストを抱えたまま価格を下げる競争に入れば、成長しているのに利益が薄いという状態になり得る。市場が「AIならソフトウェア並みの利益率」と見ているほど、このズレは大きな調整要因になる。
ハイパースケーラーの数字は、すでに設備産業の顔をしている
設備投資の大きさは、主要企業の直近開示に表れている。Microsoftの2026会計年度第3四半期報告書では、2026年3月末時点の有形固定資産総額が3949億5100万ドルに達し、2025年6月末の2986億1900万ドルから大きく増えた。内訳では、サーバー、ネットワーク機器、ソフトウェアが1908億8300万ドルで、9か月前の1328億3600万ドルから伸びている。同社のSECデータでは、2026年3月までの9か月間に有形固定資産取得へ支払った現金が801億4600万ドルだった。
Alphabetも同じ方向を向いている。2026年第1四半期報告書では、2026年3月末時点の純有形固定資産が2810億2000万ドルだった。同社は、技術インフラ資産の約60%がサーバーとネットワーク機器で、残りがデータセンターの土地、建物、関連資産だと説明している。2026年第1四半期だけで有形固定資産取得への支払いは356億7400万ドル、未払いの有形固定資産購入も128億7300万ドルあった。
Metaは、AIインフラへの集中がさらに分かりやすい。2026年第1四半期の設備投資は、ファイナンスリース元本返済を含め198億4000万ドルだった。同社はルイジアナ州のデータセンターキャンパス共同開発事業に20%出資し、関係者が総額約270億ドルの開発費を持ち分に応じて負担する契約も開示している。Amazonも、AWSとその他事業を支えるインフラ費用として、サーバー、ネットワーク機器、データセンター関連の減価償却、賃料、公共料金などを挙げ、AIへの追加投資を続ける見通しを示している。
この数字が示すのは、AIが「研究開発費が増えた」段階を越え、貸借対照表の中心に入り始めていることだ。ハイパースケーラーは、需要が見える前にデータセンターを建て、GPUやネットワークを確保し、数年先の稼働を見込んで資本を投じる。需要が予想通りなら、先行投資は競争力になる。需要や価格が弱ければ、同じ投資は固定費と償却費として利益を削る。
減価償却が遅れて効くから、失敗の見え方も遅れる
AIインフラの怖さは、支出と損益のタイミングがずれる点にもある。データセンターを建設中の間、支出はキャッシュフローに出るが、損益計算書にはすぐ同じ重さで出ない。稼働後に減価償却として費用化されるため、投資判断の成否は後からじわじわ表れる。
Microsoftの減価償却費は、2026年3月までの9か月で240億ドルとなり、前年同期の157億ドルから増えた。Alphabetの有形固定資産減価償却は、2026年第1四半期に64億8200万ドルで、前年同期の44億8700万ドルを上回った。Metaの減価償却・償却費も、2026年第1四半期に59億9900万ドルとなり、前年同期の39億ドルから増えている。AI需要が伸びているうちは、これらの費用は成長投資の影として説明できる。だが、価格が下がり、稼働率が落ち、顧客のAI支出が鈍ると、同じ費用は利益率低下として見えやすくなる。
ここでドットコム期との比較が複雑になる。インターネット・バブルの後にも、通信インフラや光ファイバーの過剰投資は残った。だが生成AIの場合、競争の中心にあるGPUや推論インフラは陳腐化が速く、サービス価格もトークン単位で見えやすい。古い資産を長く使えば計算効率で不利になり、新しい資産に入れ替えればさらに資本が必要になる。市場が「AIの需要は無限に伸びる」と見ている間は耐えられるが、需要の伸びや単価に疑問が出ると、会計上の遅れが逆向きに働く。
Appleの設備投資は、AI競争の別ルートを示している
Appleの数字は、AI競争に別の資本配分があることを示している。Appleも製品やサービスにAI機能を組み込み、SEC提出書類ではAI機能の導入に伴う安全性や品質リスクにも触れている。ただし、同社の現金ベースの有形固定資産取得は、2026年3月までの6か月で43億4400万ドルにとどまる。少なくとも開示上は、Microsoft、Alphabet、Meta、Amazonのような巨大なAIインフラ積み上げとは違う資本配分である。
この差は、AI時代の勝ち筋が一つではないことを示す。自社で巨大な計算基盤を抱える企業は、モデル、クラウド、広告、業務支援、開発者向けサービスまで一気通貫で収益化できれば強い。逆に、需要の読みを誤れば、設備の重さを自社で背負う。Appleのように、端末、OS、アプリ体験、外部モデルとの提携を組み合わせる企業は、最先端モデル競争で目立ちにくい一方、インフラの失敗を貸借対照表に抱え込む度合いは小さい。
投資家にとって、この違いは「AIに積極的か消極的か」より具体的な判断材料になる。見るべきは、どれだけAIを語っているかではなく、どの資産を買い、誰の需要で回収し、どの期間で償却するのかだ。AIの機能発表が派手でも、その裏側の資本配分が違えば、下振れ時の痛み方も違う。
次の焦点は、モデル性能ではなく回収力だ
AI市場のリスクを見極めるうえで、モデルのベンチマークだけを追っても足りない。次に見るべきなのは、AIインフラがどれだけ使われ、どれだけの単価で売れ、どの程度の粗利を残しているかである。クラウド売上が伸びても、その伸びが設備投資と減価償却を上回らなければ、株式市場が期待する利益には届かない。
具体的には、ハイパースケーラーの設備投資、ファイナンスリース、データセンター共同開発、未払いの有形固定資産購入、減価償却費、クラウド粗利、AI関連売上の開示粒度が焦点になる。API市場では、入力と出力の単価、キャッシュ利用時の割引、低価格モデルの普及が、推論ビジネスの上限を決める。企業向けAIでは、利用企業がAI費用を追加予算として払うのか、既存ソフトウェア費用の置き換えとして値切るのかも大きい。
Damodaran氏の警告は、AIが失敗するという予言ではない。むしろ、AIが本当に大きな技術であるほど、その投資額も、社会的影響も、失敗時の処理も大きくなるという話である。AIが期待ほど収益化できなければ、過剰設備と資金調達の問題になる。AIが期待以上に働き、人間の業務を大きく置き換えるなら、雇用と所得分配の問題になる。どちらに転んでも、AIの価値を測る物差しは、デモの賢さから資本の回収力へ移っていく。
