AIトークン価格の急落、半導体・クラウド・データセンターに迫る「稼働率」の試練

AIの推論コストは急速に低下している。これは開発者や企業にとっては導入のハードルを下げ、新たな用途を生む追い風になり得る。一方で、半導体、クラウド、データセンターに投じられる巨額資金にとっては、より難しい問いを突きつける。低価格化を上回る速度で、有料の利用量は増えるのか。

Goldman Sachsが警戒しているのは、投資と価格の時間差だ。サーバー、アクセラレーター、施設、電力網への投資は数年単位で先行するのに対し、モデル利用の単価は短期間で下がり得る。Silicon DataのLLM Token Expenditure Indexは、8月に29％下落した後、100万トークン当たり0.97ドルとなった。別のフロンティアモデル価格指数では、2023年3月の基準値から84％低い水準となっている。245

利用量がこの価格下落を補えなければ、高コストの計算能力が、単価の低い推論ワークロードを奪い合う構図になりかねない。問題は「AI需要が伸びるか」だけでなく、「その需要が設備投資を正当化する収益と稼働率を生むか」だ。

価格下落は悪材料ではない。ただし、量が必要になる

トークン単価の低下そのものは、必ずしも弱気材料ではない。安価になれば、これまで費用対効果が合わなかった業務にもAIを組み込みやすくなり、試行や導入が広がる可能性がある。

ただし提供側では、1トークン当たりの売上低下を、次のいずれか、あるいは組み合わせで上回る必要がある。

• 課金対象となるトークン利用量の大幅な増加
• 販売価格以上のペースで進む自社のコスト削減
• 導入支援、セキュリティー、データ連携、業務ツールなど付加価値サービスの拡大

Goldman Sachs関連の報道が示す懸念は、競争的なモデル価格設定によってトークン当たりの収益化が続きにくくなり、計算消費が十分に伸びない場合にはインフラ余剰を招く可能性がある、という点にある。12

2026～2031年で約7.6兆ドルという投資規模

この論点が重いのは、AIインフラの増強計画が極めて大規模だからだ。Goldman Sachsのベースライン試算では、コンピュート、データセンター、電力を合わせたAI資本投資は2026年から2031年に約7.6兆ドル。年間投資額は2026年の約7650億ドルから、2031年には1.6兆ドルへ増えるとされる。もっとも、Goldman Sachs自身が、これは前提条件に敏感な推計であって確実な予測ではないと明記している。9

こうした投資の多くは、短期で縮小しにくい長寿命資産に向かう。アクセラレーター、サーバー、ネットワーク、建屋、電力設備は、導入後に十分な期間にわたり稼働し、収益を生むことが必要になる。

半導体：納入台数より「実際の稼働」が重要に

半導体メーカーにとって、供給過剰リスクが直ちに受注急減として現れるとは限らない。顧客は新規AIサービスの投入、供給確保、将来の需要見込みを理由に、当面は能力増強を続ける可能性がある。

ただし、導入済み能力が採算の取れる需要を上回り始めれば、アクセラレーターやサーバーの追加購入は鈍りやすい。顧客は価格により敏感になり、性能当たり・電力当たり・コスト当たりの効率を厳しく問うようになるだろう。

この局面では、ハードウェアの差別化、強いソフトウェアのエコシステム、あるいは推論効率の優位性を持つ企業の方が相対的に耐性を持ち得る。見るべきなのは、機器が出荷されたかではなく、導入後にどれほど継続的な収益ワークロードを処理しているかである。

データセンター：問われるのは電力不足ではなく利用率

データセンター事業は、土地、電力、建設に長期かつ巨額の資金を固定する。推論が安くなり、モデルやソフトウェアの効率が改善すれば、同じアプリケーション出力に必要なインフラ量が減る可能性がある。その場合、稼働率、リース条件、プロジェクト採算に圧力がかかる。

もちろん、データセンター需要が消えるという話ではない。AI導入では電力確保や技術要件が供給制約となり続ける可能性がある。ただし、ある地域で電力が希少であることと、すべての地域・案件で高収益の需要が保証されることは別問題だ。

投資家は物理的な希少性だけでなく、施設稼働後の契約容量、契約更新、増床の動き、そして顧客側の実利用を切り分けて見る必要がある。

クラウドとモデル提供者：単価ではなく「量と価値」で補えるか

クラウド事業者やモデル提供者にとって、低価格推論は諸刃の剣だ。価格が下がれば開発者や企業の利用を呼び込みやすい半面、利用1単位当たりの売上は減る。

粗利益を守るには、利用量の増加に加えて、コスト効率の改善や、モデル周辺の高付加価値サービスが必要になる。競争によるプロプライエタリモデルの値下げは、Goldman Sachs関連の報道で中心的なリスクとして挙げられている。12

したがって重要なのは、トークンの表示価格だけではない。顧客への販売価格、提供側の処理コスト、課金される総利用量の関係である。

最大の上振れ要因はAIエージェント

強気シナリオの核となるのが、複数の手順を自律的に処理するAIエージェントだ。単純なチャット利用よりも多くのトークンを消費し得るため、実用化が進めば総需要を大きく押し上げる可能性がある。

Goldman Sachs Researchは、消費者・企業でのAIエージェント導入を背景に、月間トークン消費量が2026年から2030年に24倍となり、約120京トークンに達するとの見通しを示している。7

これは、トークン価格の下落が直ちに計算需要の減少を意味しない理由でもある。ただし、あくまで予測だ。エージェントがデモや低コストの試行にとどまらず、企業や利用者が継続して対価を払う業務フローへ定着することが、インフラ投資を支える条件になる。

投資家が注目したい指標

供給過剰の可能性を判断する際は、トークン価格の見出しだけでなく、次の指標を組み合わせて確認したい。

• AI売上高とトークン価格の下落幅：単価低下の中でも総収益は拡大しているか
• アクセラレーター・サーバーの受注と実導入：購入された能力は実際に稼働しているか
• データセンターの稼働率、契約容量、更新率：開設後も需要コミットメントは維持されているか
• クラウドの粗利益率：効率化と付加価値サービスが低い推論価格を相殺しているか
• AIエージェントの本番運用：反復的で業務上重要な利用が増えているか
• 電力供給の制約：持続的な有効能力の制約なのか、それとも需要に先行した一時的なボトルネックなのか

結論：AIインフラ投資は「設備増設」から「収益化と稼働率」の物語へ

Goldman Sachsの警告は、LLMトークン価格の下落が本質的に悪いというものではない。安価な推論こそがAI利用を広げる契機になり得る。

リスクは、価格下落とモデル効率の改善によって、必要な計算量や収益が、エージェント主導の利用増加より速く減ってしまうことにある。AIインフラ投資家にとっては、単純な設備増設の成長物語ではなく、実利用、稼働率、収益化を検証する局面になっている。低価格のトークンを、継続的で高付加価値なワークロードへ変換できる企業が、コスト、性能、サービスの厚みで優位を保ちやすいだろう。17