真のリスクはAIバブルではなく、五つの予算への依存
Jensen Huangは、AIへの投資が10年の論理に基づいていると主張していますが、市場は誤った方向を見ています。Nvidiaの収益の半分以上が五大顧客、いわゆるハイパースケーラーに依存しているというデータは、現在の市場の状況を理解する鍵です。この情報は、同社が2025年度第4四半期に681億ドルの収益を報告した週に発表されました。パフォーマンスが前年比73%増加したことを踏まえ、Huangは、投資家がAIがソフトウェア企業に与える脅威を評価する際に「誤解している」と述べました。問題はAIがソフトウェアを「殺す」かどうかではなく、新しいソフトウェアを誰が、どのような条件で、どれだけの耐性をもって資金提供するかです。
業績発表の際、Huangは持続可能性の議論を厳しい算数で捉えました。世界は毎年3000億〜4000億ドルをクラシックコンピューティングに投資していましたが、AIではその計算需要が「1000倍増加する」ため、それに必要な投資が求められるのです。彼の結論は明確でした：2026年には7000億ドルの大手企業によるキャピタル支出（capex）が予測され、これは始まりに過ぎないと。彼はこの業界に10年間の構築の必要性についても語りました。以前のコンピューティングに戻ることはできず、投資は構造的なものとなります。
市場はその自信を受け止め、capexのボリュームを見て今後の曲線を考えています。もし五大企業が毎年支出を倍増させれば、数年内に兆ドルに達します。しかしこの計算は現在のフリーキャッシュフローでは収益に結び付いていません。また、これらの企業はすでにフリーキャッシュフローを超えて支出し、データセンターの資金調達のために借金をしています。したがって、議論は哲学的なものではなく、市場の構造とリスクの集中に関するものです。
capexの持続可能性は「誰が支払うか」で決まる
2026年のキャピタル支出が7000億ドルに迫る中で、Metaが1350億ドル（2025年は720億ドル）、Googleが1850億ドル（2025年は910億ドル）を計画しているとなると、それは単なる追加的な支出ではありません。それは、企業の優先順位の産業規模での再編成です。Huangはこれを「新たな計算様式」として提示し、後戻りはできないとしています。この理論は内的整合性があります：AIの経済的アウトプットが生成されるトークンに依存しており、そのトークンがインフラに依存するのであれば、投資は必須条件となります。
ただし、財務的な視点から見ると、持続可能性はコストとリターンの分配によって決定され、技術的な避けられない要素ではありません。Nvidiaの収益の半分以上が五人のバイヤーに集約されているため、その一団におけるリズム、技術アーキテクチャ、購買方針のいずれかが変動すれば、市場全体が再構成されます。合計需要が増加しても、キャピタル支出と最終需要を制御する者たちが交渉権を握ります。
ここでよくある盲点が現れます。「バブル」を心理的現象と見なすのではなく、ガバナンスの現象として扱うことです。少数の予算への依存は、より激しいサイクルを生み出します。インセンティブが一致するとき、それは加速し、取締役会が自社株買いや配当、資本の規律を要求するときに減速します。実際、既にアナリストたちは、そのキャピタル支出が配当や自社株買いを通じて戻らない資本であるため、株主にとっての機会コストを観察しています。この対立は小さくなく、支出が持続的な投資に転じるか、ピークに終わるかを決める要因となります。
Huangの理論は市場の懸念と共存が可能です。投資は必要かもしれませんが、同時に脆弱に集中しています。その文脈において、2026-2027年の重要な変数は、売られるチップの数だけでなく、最終買い手がオリゴポリーであるそのチェーンをどれだけ戦略的に依存して構築しているかです。
AIがソフトウェアに脅威を与えるなら、それは経済の成熟も促す
表面的な解釈では、AIは従来のソフトウェアの価値を「圧縮」するため、特にSaaSモデルに影響を及ぼすと見なされます。しかし、Huangが述べた解釈は、その脅威を過大評価していると考えられています。ビジネスにおいて最も有益な理解の仕方は異なります。AIはソフトウェアの生産コストと運用コストを再編成し、コンピューティング、データ、流通、反復能力を制御する者へと権力を移動させます。
これは自動的にソフトウェア企業を破壊するわけではありませんが、慣性によるマージンの快適さを排除します。AIはユニットエコノミクスの永続的な監査を強制します。顧客が特定の機能がモデルによって「商品化」されたと認識すれば、ソフトウェア企業は次の三つの厳しい道のいずれかに対応する必要があります。(1) 顧客のビジネスで計測可能な成果に移行すること、(2) データ、規制、統合に実際の障壁を生み出すドメインに特化すること、(3) 運用コストを競争すること、これはスケールと技術的な卓越性が必要です。
この移行において、Huangの「トークン化」の議論は、デジタル価値の価格の新たな共通基準を提案するため、重要です。席数ではなく、計算労働を生成するコストが基準になります。もし市場がそのメトリクスを購入すれば、ソフトウェアは生産性の約束として売られるのではなく、検証可能な効率として売られることになります。これはプロセスをパッケージ化することに依存する者にとって脅威となりますが、インパクトを証明できる者にとっては機会となるかもしれません。
しかし、逆に多くの企業は二つの巨人、すなわちインフラを資金提供するハイパースケーラーと、利益のマージンを捕らえるチッププロバイダーの間に挟まれることになります。その間に、ソフトウェアは美観だけではない防御的な優位性を必要とします。これはマーケティングや「機能」で解決される部分ではありません。製品のガバナンス、実際の採用データ、商業的な規律によって解決されます。
新たな波は技術的なものではなく、組織的なもの：エージェントと企業の採用
Huangは、AIがエージェント化されることで最近の数ヶ月で転換点を迎え、これにより新たな需要の波が開かれると指摘しました。また、彼は先行する過程を予測しました。まずエージェント、次にロボティクスや産業機器における「物理的AI」、そしてビジネス利用の成長があると述べています。この流れは、キャピタル支出がモデルの訓練サイクルのみに留まらず、推論や継続的な運用に拡大する理由を正当化します。
私の社会資本の視点から見ると、この変化は企業にとってさらに厳しいものになります。エージェントは組織の周辺で仕事を移動させます。生産性はシステム部門のプロジェクトではなく、分散した能力となります。オペレーション、ファイナンス、販売、サービス、コンプライアンスといった領域へのシフトがあります。これにより、情報が循環し、学習が共同化される水平な内部ネットワークの価値が高まります。また、知識が少数の役割に集中する硬直した構造にはペナルティが課せられます。
ここで、無意識のうちに不平等を自動化するリスクが浮上します。エージェントやフローの設計が均質なテーブルから行われる場合、優先されるユースケースは、決定を下す側の経験を反映し、実行する側の現実を反映しません。典型的な結果は倫理的なスキャンダルではなく、スケールの失敗です。エージェントはデモでは動作するが、実際には例外、ユーザーの実際の言語、現場での摩擦を考慮せず、チームのインセンティブも無視して機能しません。
Huangが語る企業の採用は、「変革」という約束ではなく、活きたネットワークとして組織を理解する実装が重要です。出自や機能がより多様なチームは、操作上の盲点を早期に発見しやすい傾向があります。それは道徳的な美徳から来るものではなく、現実のカバレッジから来るのです。
同質性の隠れたコスト：集中した市場における戦略的脆弱性
五つのハイパースケーラーに集中した支出と、限られたプラットフォームに集中したコンピューティングパワーは、取締役会の古典的な問題を増幅させます。市場が少数の資本配分の決定に依存する場合、共有されるバイアスがマクロ経済的なものとなります。それらの決定が同じように考えるグループで行われる場合、全体のシステムは同期したエラーを起こしやすくなります。
ここで「バブル」の議論が短命である理由は、このシステムリスクが過大評価だけではないからです。調整の問題です：多くのアクターが同じアーキテクチャ、同じタイムライン、同じ需要の仮定に賭けています。もし主流のナラティブが変わった時、株主の圧力、借入コスト、規制、または新たな技術的効率によって調整が即座に伝播します。
Huangは地政学的なフロントにも言及しました。Nvidiaは現在の四半期で中国からの収益はゼロと示し、一定の販売が依然として可能であるが、顧客の購買決定に依存していると述べました。詳細を超えて、企業リーダーシップへのメッセージは単純です：市場が緊縮すれば、その技術の価値を否定するものではなく、公共政策によって市場が圧縮される可能性があります。そして市場が圧縮されると、マージンを求める競争が激化します。
そのような状況において、生き残る企業は正しいナラティブを繰り返す企業ではなく、伝統的な権力中心以外での信頼と実行力を構築する企業です。強固な社会資本はより多くの選択肢を意味します：才能を保持し、協力するパートナー、共にデザインする顧客、優先する供給業者。集中市場では、そのネットワークが重要な経済的利点となります。
Cレベルの運用命令：市場が多様化する前に権力を分散させる
HuangのAI支出の持続可能性に関する擁護は、技術的な軸では正しいかもしれませんが、多くの企業が脆弱な理由は技術的なものだけではありません。五つの予算への依存、インフラを資金調達するための借金、そして周辺から迅速に学ぶ設計されていない組織です。
ソフトウェア企業やAIを使う企業のリーダーにとって、合理的な行動は二重のものです。まず、リターンの規律を構築すること：各デプロイメントは、コストをビジネスメトリクスで正当化しなければならず、化粧のような採用ではなくしっかりとした評価が必要です。次に、内部ガバナンスを再設計し、運用知識と多様性が製品のライフサイクル、購入、リスク管理に実際に力を持つようにすること。
次回の取締役会では、Cレベルは自分のサブチームを見つめ直し、皆が似ている場合、必然的に同じ盲点を共有し、それが急を要するディスラプションの犠牲者になることを認識すべきです。
