AIバブルに関する懸念は2026年に入ってから強まり、投資家や政策立案者はAIバブルが崩壊するかどうか、そしていつ崩壊するかに注目している。しかし、本当の問題は、現在のバリュエーションが膨らんでいるかどうかではなく、AIの新たなビジネスモデルが以前の技術革命のそれとは異なるかどうかである。

何十年もの間、テック企業の業績と評価の主な原動力は規模であった。アプリ、ウェブサイト、オンライン小売業者、ソーシャル・メディア・プラットフォームがユーザーベースを拡大するにつれ、限界費用は低下し、ネットワーク効果が定着し、価格決定力が高まった。バリュエーションは、短期的な収益性よりも長期的な成長の可能性を反映するようになった。

競争の力学は6つの重要な次元で異なるため、過去のハイテク企業の勝者を決定づけた力がAIの展開を支配する可能性は低い。第一に、資本支出はもはや浅い堀ではなく、手ごわい障壁となっている。以前の技術の波では、資本要件は主にスタートアップ段階に限られ、比較的控えめだった。例えば、フェイスブックは当初、50万ドルのシード資金を調達しただけだった。

しかし、そうした初期のイノベーションは、Linux、Apache、MySQL、PHPといった既存のインフラ（いわゆるLAMPスタック）の上に構築されていたため、初期コストは劇的に低かった。これとは対照的に、AIは非常に資本集約的である。企業がデータセンターを建設し、コンピューティング能力を拡大し、特殊なハードウェアに投資するため、業界全体の設備投資額は2030年までに7兆ドルを超えると予測されている。これまでの技術サイクルとは異なり、こうした投資要件は業界が成熟しても衰えることはなく、さらに強まる可能性さえある。

さらに、データセンターの寿命は数十年単位ではなく年単位で測られることが多いため、これらのコストが有意義に減少することはないかもしれない。クラウド・コンピューティングでも汎用サーバーへの大規模な投資が必要だったが、AIでは、AIモデルの訓練と実行に関わる膨大な数の同時計算を処理するために、グラフィックス・プロセッシング・ユニットやテンソル・プロセッシング・ユニット（TPU）など、まったく新しいインフラが求められる。

このようなシステムは高価で、エネルギーを大量に消費する。大規模なAIトレーニングの実行には、2027年までに10億ドル以上のコストがかかると予想されている。そのため、莫大なキャッシュフロー、強固なバランスシート、資本市場へのアクセスを持つ今日のハイテク大手が決定的な優位性を持つことになる。

第二に、AIの事業コスト構造は従来の規模の経済を弱体化させる。以前の技術サイクルでは、プラットフォームが成長するにつれて、ユーザー1人当たりの限界コストは低下した。ソーシャルメディアであれ、ソフトウェアであれ、ウーバーのようなライドシェアアプリであれ、コストは拡大する顧客ベースに分散され、プラットフォームは規模を拡大しても高い利幅を維持することができた。

また、これらのモデルは運営費が低いことも特徴であった。フェイスブックが十分な規模に達すると、ユーザーを増やすための限界コストは無視できるものになった。その結果、企業は各ユーザーにサービスを提供するためのコストにほとんど注意を払わなくなった。

AIはこうした力学を逆転させる。大規模な言語モデルやその他のAIシステムは、何十億もの計算を必要とするインタラクションのたびに多大なコストが発生するため、限界費用を管理することはもはやオプションではない。そのためAI企業は、TPUのようなカスタム・ハードウェアや、中国のDeepSeekのような、よりスリムで効率的なモデルを開発することで、クエリーごとのコストを削減することに注力している。

AIがこれまでの技術革命と異なる3つ目の分野は、ネットワーク効果の弱さと脆さである。従来のハイテク・プラットフォームは、自己強化的な成長の恩恵を受けていた。買い手と売り手がアマゾンのマーケットプレイスに引き寄せられたのは、活動がすでにそこに集中していたからに他ならない。

AIのユーザーはモデルを簡単に切り替えることができ、テキスト用、画像用、コーディング用など複数のモデルを同時に使用することも、独自のモデルを構築することもできる。乗り換えコストは低く、忠誠心も弱いため、長期的な勝者を決定する上でネットワーク効果の影響ははるかに小さい。

レガシーなハイテク企業にとって、限界費用の低下とネットワーク効果の組み合わせは、規模のメリットを増幅させ、可能な限り多くの眼球を獲得しようとする競争に拍車をかけた。フェイスブックのように、広告を通じて消費者の注目を集めることで価値を生み出してきた企業にとっては、この戦略は理にかなっていた。

AI企業は異なるコスト構造に直面している。製品の新しい反復のたびに、追加の資本投資が必要になる。ユーザーが増えるごとにコストは増加し、特に推論コストは増大する。トレーニング費用は、より多くのユーザーベースにわたって償却することができ、ある程度の規模の経済が現れるかもしれないが、利用者の増加は依然として運営コストの上昇につながる。

4つ目の違いは、市場の細分化から即時飽和へのシフトにある。これまでのハイテク・プラットフォームは、大きく分断された市場の中で成長してきた：グーグルは検索を支配し、アマゾンは小売に集中した。大学生（フェイスブック）や専門家（リンクトイン）のような明確なニッチを追求することで、企業は競争が激化する前に成熟する時間があった。

対照的に、AIは業界を横断する汎用技術である。ユーザーはアプリやアプリケーション・プログラミング・インターフェースを通じて即座にAIにアクセスすることができるため、企業は競合他社が出現する前に成熟する余裕はもはやない。このダイナミズムは、AIが個々の分野だけでなく、あらゆる既存のテクノロジー・ビジネスモデルを破壊する可能性を与える。

第5に、今や政治的影響力は市場力と同じくらい重要である。それ以前の技術革新の波では、企業はAIが必要とするほど政府や規制当局と関わる必要はなかった。ソーシャルメディア・プラットフォームはやがて、その中毒性の影響に関する精査に直面することになったが、今日の新たなテクノロジーがもたらすリスクはより深く、AIが雇用の置き換えを引き起こし、不平等を悪化させ、民主的ガバナンスを弱体化させる可能性があることを考えれば、多くの意味で実存的なものである。AI企業は市場原理と政治的圧力の両方に直面しており、規制を形成し、世論に影響を与え、風評リスクを吸収できる企業が成功しやすい立場にある。

マイクロソフトはそのような企業の典型例である。政治的、社会的な正当性を得るための明確な努力として、同社は最近、データセンターの電気料金を負担することを約束し、価格上昇が消費者に転嫁されないようにした。

最後に、AIは勝者総取りの力学の影響を受けにくいかもしれない。規模、ゼロに近い限界費用、強力なネットワーク効果により、フェイスブック、グーグル、アマゾン、アップルといった企業は、それぞれソーシャルメディア、検索、電子商取引、スマートフォンを支配することができた。AI分野は、少なくとも当初は、このようなパターンをたどることはないだろう。単一の独占的な勝者に収斂するのではなく、複数の支配的なプレーヤーを支援し、それぞれが独自のニッチを支配する可能性がある。

確かに、あるAI企業が、その技術的リードが自己強化され、事実上克服不可能となる時点に到達する可能性はある。継続的な自己改善と圧倒的な製品の優位性、あるいは人工知能の開発を通じて、そのような企業は永続的な市場支配力を獲得し、その分野を支配することができるようになるかもしれない。

それまでは、投資家はAIが新たな戦略ロジックに従っていることを認識しなければならない。この急速に進化する状況にレガシー・テクノロジーの指標を適用することは、逆効果であるだけでなく、コストがかかる可能性もある。過去のプレイブックに依存する投資家は、今日のAI主導の市場で敗者となるリスクがある。

株式報酬を考えてみよう。歴史的に、株式インセンティブはハイテク企業が人材を雇用し、維持し、知的財産を獲得し、M&Aを通じて拡大することを可能にしてきた。しかし、ストックオプションでは、データセンター、コンピューティング・パワー、エネルギー・インフラを賄うことはできない。これらのニーズを満たすために、AI企業は実際の投資、確立されたキャッシュフロー、資本市場への確実なアクセスを必要としている。

同様に、かつて投資家は、ユーザーの成長が堅調で広告収入が伸びている限り、利益率がマイナスになることを容認していた。しかし、AIを取り巻く不確実性と必要な資本支出の規模により、投資家がこれらの投資がいつ損益分岐点に達するか、あるいはAI主導の変革が最終的にどのように利幅を拡大するかを評価する能力は限られている。その結果、強固なバランスシートと実証可能な財務回復力が重視されるようになっている。

したがって、AIの主導権争いは、ユーザー数の多い企業や成長率の速い企業が勝つわけではない。むしろ、優れた製品と財務力および政治的影響力を組み合わせることができる企業が勝者となるだろう。

この意味で、AIは近年の資産軽量型ハイテクモデルよりも、20世紀半ばの資本集約型産業に近い。運営コストが上昇し、消費者がモデル間を容易に行き来する中、政治資本と規制の影響力を永続的な競争優位性に変換しつつ、弾力的な需要を取り込むことができるかどうかで収益性が決まるだろう。

国際的なエコノミストであるダンビサ・モヨ氏は、ニューヨーク・タイムズ紙のベストセラー4冊の著者である。