AIをめぐる経済は、いま二つに分かれつつある。AIを使うための「知能」の価格は急速に下がっているのに、それを届けるための物理的な基盤――先端半導体、高帯域幅メモリー（HBM）、サーバー、ネットワーク、電力、データセンター――は不足し、むしろ高くなっている。

これは単なる値下げ競争ではない。どの企業が利益率を守れるのか、巨額のAI投資をどう評価するのか、そしてどこに信用リスクが積み上がるのかを変える構造変化だ。今後の勝者は、必ずしも最も多くのトークンを販売する企業ではない。希少なインフラ、顧客への販路、独自データ、あるいは測定可能な成果に結びついたソフトウェアを押さえる企業である可能性が高い。

トークン価格の下落で、価値の中心が移る

モデルや処理条件、求める品質によって比較は変わるものの、同等水準のAI推論コストが約2年間でおよそ95％下落したとの試算がある。39 正確な下落率には幅があるとしても、方向性は明確だ。かつて高価なAPI利用料を必要とした機能が、より安価なモデルやオープンウェイトモデルでも利用できるようになっている。

OpenAIの相次ぐ値下げは、その圧力を象徴する。同社は2026年7月、小型モデルのGPT-5.6 Lunaを80％、中型モデルのTerraを20％値下げした。34 さらに8月には、開発者向けの最上位モデルGPT-5.6 Solについて、3カ月間の価格を20％超引き下げると発表した。33

利用者にとっては朗報だ。推論コストが下がれば、AIエージェントの運用、カスタマーサポートの自動化、コンテンツ制作、コーディング、大量データの処理を導入しやすくなる。

しかしモデル提供企業にとっては、利用量が十分に増えない限り、1単位あたりの売上が減る。差別化されていないモデルの能力そのものを高値で販売するだけのビジネスは、次第に守りにくくなる。

ここで重要なのは、「知能が安くなること」と「AIシステム全体が安くなること」は同じではないという点だ。トークン単価が下がっても、検索・データ取得、監視、セキュリティー、応答速度、既存システムとの統合、人的な確認まで含めた実運用コストは、依然として大きい。

物理的な供給網は逆方向へ動く

AIの処理需要に対し、供給インフラの拡大は追いついていない。Samsung Electronicsは、AI向け半導体の需要で生産能力が逼迫するなか、一部の先端受託製造サービスの新規注文価格を最大15％引き上げたと報じられている。1

同社は、半導体不足が一段と深刻になり、2028年まで続く可能性があるとの見通しも示している。主要なデータセンター事業者との複数年の供給契約を進めており、メモリー事業では交渉がまとまれば生産能力の約60～70％を長期契約でカバーする枠組みを説明している。256

こうした契約は、市場の性格を変える。供給能力は、単にその時点で最も高い価格を提示した顧客に渡るものではなくなりつつある。大口顧客は数年前から供給枠を確保できる一方、中小企業は不足と価格変動の影響をより受けやすくなる。

メモリー市場の見通しは特に厳しい。SK Hynixの郭魯正（クァク・ノジュン）CEOは、2027年が業界にとって供給面で最悪の年になる可能性があり、需要が生産能力を上回る状態は2030年以降も続き得ると述べた。これは企業側の予測であり、確定した未来ではない。それでも、供給拡大に時間がかかることを示す警告にはなる。17

NVIDIAが示す、インフラ側の価格決定力

NVIDIAの直近決算は、モデル価格の下落がハードウェア需要をまだ弱めていないことを示している。同社の2027会計年度第2四半期売上高は962億ドルで、前年同期比106％増。データセンター売上高は890億ドルで、同117％増だった。4950

AI市場の核心にあるのは、このねじれだ。効率の高いモデルは特定のタスクに必要な計算量を減らすが、価格低下は利用量を大きく押し上げることもある。効率化を上回るペースで需要が拡大すれば、推論1回あたりのコストが下がっても、インフラ全体の消費量は増え続ける。

その結果、ボトルネックは別の場所へ移る。アクセラレーターが確保できても、メモリー、先端パッケージング、ネットワーク機器、電力、送電網への接続が不足するかもしれない。

NVIDIAの四半期粗利益率は75％だったが、メモリー価格の上昇が今後の利益率を圧迫する可能性も指摘されている。4953 需要が強いからといって、サプライチェーンの全ての工程が同じように高収益になるわけではない、ということだ。

ハイパースケーラーはどこまで吸収できるか

大手クラウド企業、いわゆるハイパースケーラーは、AIサービス価格の下落とインフラ費用の上昇という食い違いに、中小のAI企業より対応しやすい。クラウド、広告、法人向けソフトウェア、消費者向けサービスなど複数の事業に投資を分散できるからだ。

AIを大規模なクラウド契約に組み込み、自社の販売網で利用量を増やし、長期契約で供給を確保することもできる。AIサービスの利益率を一時的に下げても、クラウド顧客との関係や市場シェアを守るという選択肢がある。

ただし代償は、投下資本の効率だ。AIの価格が利用量の増加より速く下がれば、巨額のデータセンター投資が利益を生むまでの期間は長くなる。

中小のAI事業者にとっては、より厳しい。高価な計算資源を借り、汎用的なモデルへのアクセスを再販売するだけの企業は、API価格が顧客基盤の拡大より速く下落したときに防波堤を持たない。持続可能な事業には、業務フローの掌握、独自データ、セキュリティー、信頼性、販売網、あるいはトークン数ではなく検証可能な成果に連動した料金体系が必要になる。

AIが安くなっても、生産性向上がすぐ来るとは限らない

価格低下は実験と導入を促す。しかし、導入と経済的な価値の実現は別だ。企業がAIで持続的な生産性向上を得るには、業務プロセスの再設計、データの整理、システム統合、従業員の訓練、管理体制の構築が必要になる。

投資家にとっては、成果が出る前に支出が膨らむタイミングリスクがある。競合他社が導入しているという理由だけで、企業が計算能力やソフトウェアを先に確保するケースも考えられる。期待された生産性向上が遅れれば、インフラ契約は固定されたまま、AI収益の前提だけが下方修正される可能性がある。

上振れシナリオは、推論価格の急落が利用量を爆発的に増やす展開だ。AIへの総支出、クラウド消費、生産性がそろって伸びる可能性がある。

下振れシナリオは、モデル価格が利用量の伸びを上回って下落し、データセンターの稼働率や巨額の設備投資の収益性が想定を下回る展開である。

信用リスクを分けるのは「契約された需要」

AIインフラ投資は、信用市場の問題にもなっている。データセンターの建設、インフラ企業の買収、部品の長期発注には多額の資金が必要で、その多くは長期負債で賄われる。

返済の裏付けとして説得力があるのは、信用力のある顧客との複数年契約と、予測可能な利用量だ。逆に、返済が将来の投機的な需要に依存している場合は脆弱になる。AI価格の下落、稼働率の伸び悩み、電力費や部品価格の上昇は、いずれもプロジェクトのキャッシュフローを悪化させ得る。

劣後債など下位の債務 tranche が大きくなったり、信用保険のコストが上がったりすれば、貸し手が下振れリスクへの対価を求めている兆候と読める。ただし、それだけで信用イベントが迫っていることを意味するわけではない。重要なのは、表面的なAI需要の強さより、契約の質と借り手のキャッシュフローの耐久性である。

マクロ経済への影響は一方向ではない

AIはデジタルサービスの一部でデフレ要因になり得る。推論コストが下がれば、コーディング、分析、顧客サポート、コンテンツ制作、一部の事務作業のコスト低下につながる。競争がその節約分を価格に反映すれば、企業や消費者にも恩恵が及ぶ。

一方、インフラ建設は特定の市場で反対の効果をもたらす。メモリー、先端半導体、サーバー、建設能力、土地、電力、送電網への接続が不足すれば、資本財やエネルギー投入の価格は上がる。

当面は、AIを使ったデジタル業務の価格が下がる一方、AIを生産・提供するための資本財や電力にはインフレ圧力がかかるという、まだら模様の展開が想定される。「AIインフレ」や「AIデフレ」が一つの形で現れるのではなく、効率化がボトルネックを上回るか、企業が値下げ分を顧客に還元するかで結果は変わる。

サプライチェーンは戦略資産になる

複数年の供給枠の確保は、半導体の地政学的重要性も高める。SamsungとSK Hynixはメモリー分野で交渉力を持ち、先端ロジック半導体やパッケージングは限られた企業と地域に集中している。

供給能力が数年前から予約される状況では、輸出規制、補助金政策、地域的な混乱の影響が大きくなる。供給を短期間で別の地域や企業へ振り替えることが難しいからだ。

世界的な需要が高まれば、中国のメモリーメーカーが規制の影響が比較的小さい製品分野で機会を得る可能性はある。ただし、最先端のHBMなどAIに不可欠な部品で差を縮めるのは容易ではない。顧客認証、信頼性基準、技術的な複雑さ、輸出規制、調達ルールが、代替サプライヤーのシェア拡大を制約する可能性がある。

価格差を最後に負担するのは誰か

残る問題は、安くなるAIの利用と、高くなるAIの生産の差額を誰が負担するのかだ。考えられる選択肢は複数ある。

• ハイパースケーラーが利益率を下げ、AIを自社エコシステムの防衛に使う。
• 半導体・メモリーメーカーが、供給制約が続く間、希少性による価格決定力を維持する。
• 投資家がAIインフラ投資の低いリターンを受け入れる。
• 貸し手が金利上乗せや損失という形で負担する。
• 顧客が、AI提供企業から高付加価値・成果連動型のサービスとして転嫁を受ける。

短期的に最も現実的なのは、このうち最初の三つが組み合わさる展開だろう。AIへのアクセスは今後も安くなる。しかし、供給が追いつくまで、あるいはすでに積み上がった投資を正当化するほど需要が伸びないことが明らかになるまで、AIを動かす機械、メモリー、電力、データセンター、販売網は高価なまま残る可能性がある。

投資家にとっての戦略的な示唆は明快だ。トークン価格の下落は、AI投資の終わりを意味しない。知能そのものが豊富になった後も、それを使うための機械、メモリー、電力、供給枠、顧客接点が希少であり続けるなら、そこにこそ持続的な価値が残るかどうかが試される。

AIをめぐる経済は、いま二つに分かれつつある。AIを使うための「知能」の価格は急速に下がっているのに、それを届けるための物理的な基盤――先端半導体、高帯域幅メモリー（HBM）、サーバー、ネットワーク、電力、データセンター――は不足し、むしろ高くなっている。

これは単なる値下げ競争ではない。どの企業が利益率を守れるのか、巨額のAI投資をどう評価するのか、そしてどこに信用リスクが積み上がるのかを変える構造変化だ。今後の勝者は、必ずしも最も多くのトークンを販売する企業ではない。希少なインフラ、顧客への販路、独自データ、あるいは測定可能な成果に結びついたソフトウェアを押さえる企業である可能性が高い。

トークン価格の下落で、価値の中心が移る

モデルや処理条件、求める品質によって比較は変わるものの、同等水準のAI推論コストが約2年間でおよそ95％下落したとの試算がある。39 正確な下落率には幅があるとしても、方向性は明確だ。かつて高価なAPI利用料を必要とした機能が、より安価なモデルやオープンウェイトモデルでも利用できるようになっている。

OpenAIの相次ぐ値下げは、その圧力を象徴する。同社は2026年7月、小型モデルのGPT-5.6 Lunaを80％、中型モデルのTerraを20％値下げした。34 さらに8月には、開発者向けの最上位モデルGPT-5.6 Solについて、3カ月間の価格を20％超引き下げると発表した。33

利用者にとっては朗報だ。推論コストが下がれば、AIエージェントの運用、カスタマーサポートの自動化、コンテンツ制作、コーディング、大量データの処理を導入しやすくなる。

しかしモデル提供企業にとっては、利用量が十分に増えない限り、1単位あたりの売上が減る。差別化されていないモデルの能力そのものを高値で販売するだけのビジネスは、次第に守りにくくなる。

ここで重要なのは、「知能が安くなること」と「AIシステム全体が安くなること」は同じではないという点だ。トークン単価が下がっても、検索・データ取得、監視、セキュリティー、応答速度、既存システムとの統合、人的な確認まで含めた実運用コストは、依然として大きい。

物理的な供給網は逆方向へ動く

AIの処理需要に対し、供給インフラの拡大は追いついていない。Samsung Electronicsは、AI向け半導体の需要で生産能力が逼迫するなか、一部の先端受託製造サービスの新規注文価格を最大15％引き上げたと報じられている。1

同社は、半導体不足が一段と深刻になり、2028年まで続く可能性があるとの見通しも示している。主要なデータセンター事業者との複数年の供給契約を進めており、メモリー事業では交渉がまとまれば生産能力の約60～70％を長期契約でカバーする枠組みを説明している。256

こうした契約は、市場の性格を変える。供給能力は、単にその時点で最も高い価格を提示した顧客に渡るものではなくなりつつある。大口顧客は数年前から供給枠を確保できる一方、中小企業は不足と価格変動の影響をより受けやすくなる。

メモリー市場の見通しは特に厳しい。SK Hynixの郭魯正（クァク・ノジュン）CEOは、2027年が業界にとって供給面で最悪の年になる可能性があり、需要が生産能力を上回る状態は2030年以降も続き得ると述べた。これは企業側の予測であり、確定した未来ではない。それでも、供給拡大に時間がかかることを示す警告にはなる。17

NVIDIAが示す、インフラ側の価格決定力

NVIDIAの直近決算は、モデル価格の下落がハードウェア需要をまだ弱めていないことを示している。同社の2027会計年度第2四半期売上高は962億ドルで、前年同期比106％増。データセンター売上高は890億ドルで、同117％増だった。4950

AI市場の核心にあるのは、このねじれだ。効率の高いモデルは特定のタスクに必要な計算量を減らすが、価格低下は利用量を大きく押し上げることもある。効率化を上回るペースで需要が拡大すれば、推論1回あたりのコストが下がっても、インフラ全体の消費量は増え続ける。

その結果、ボトルネックは別の場所へ移る。アクセラレーターが確保できても、メモリー、先端パッケージング、ネットワーク機器、電力、送電網への接続が不足するかもしれない。

NVIDIAの四半期粗利益率は75％だったが、メモリー価格の上昇が今後の利益率を圧迫する可能性も指摘されている。4953 需要が強いからといって、サプライチェーンの全ての工程が同じように高収益になるわけではない、ということだ。

ハイパースケーラーはどこまで吸収できるか

大手クラウド企業、いわゆるハイパースケーラーは、AIサービス価格の下落とインフラ費用の上昇という食い違いに、中小のAI企業より対応しやすい。クラウド、広告、法人向けソフトウェア、消費者向けサービスなど複数の事業に投資を分散できるからだ。

AIを大規模なクラウド契約に組み込み、自社の販売網で利用量を増やし、長期契約で供給を確保することもできる。AIサービスの利益率を一時的に下げても、クラウド顧客との関係や市場シェアを守るという選択肢がある。

ただし代償は、投下資本の効率だ。AIの価格が利用量の増加より速く下がれば、巨額のデータセンター投資が利益を生むまでの期間は長くなる。

中小のAI事業者にとっては、より厳しい。高価な計算資源を借り、汎用的なモデルへのアクセスを再販売するだけの企業は、API価格が顧客基盤の拡大より速く下落したときに防波堤を持たない。持続可能な事業には、業務フローの掌握、独自データ、セキュリティー、信頼性、販売網、あるいはトークン数ではなく検証可能な成果に連動した料金体系が必要になる。

AIが安くなっても、生産性向上がすぐ来るとは限らない

価格低下は実験と導入を促す。しかし、導入と経済的な価値の実現は別だ。企業がAIで持続的な生産性向上を得るには、業務プロセスの再設計、データの整理、システム統合、従業員の訓練、管理体制の構築が必要になる。

投資家にとっては、成果が出る前に支出が膨らむタイミングリスクがある。競合他社が導入しているという理由だけで、企業が計算能力やソフトウェアを先に確保するケースも考えられる。期待された生産性向上が遅れれば、インフラ契約は固定されたまま、AI収益の前提だけが下方修正される可能性がある。

上振れシナリオは、推論価格の急落が利用量を爆発的に増やす展開だ。AIへの総支出、クラウド消費、生産性がそろって伸びる可能性がある。

下振れシナリオは、モデル価格が利用量の伸びを上回って下落し、データセンターの稼働率や巨額の設備投資の収益性が想定を下回る展開である。

信用リスクを分けるのは「契約された需要」

AIインフラ投資は、信用市場の問題にもなっている。データセンターの建設、インフラ企業の買収、部品の長期発注には多額の資金が必要で、その多くは長期負債で賄われる。

返済の裏付けとして説得力があるのは、信用力のある顧客との複数年契約と、予測可能な利用量だ。逆に、返済が将来の投機的な需要に依存している場合は脆弱になる。AI価格の下落、稼働率の伸び悩み、電力費や部品価格の上昇は、いずれもプロジェクトのキャッシュフローを悪化させ得る。

劣後債など下位の債務 tranche が大きくなったり、信用保険のコストが上がったりすれば、貸し手が下振れリスクへの対価を求めている兆候と読める。ただし、それだけで信用イベントが迫っていることを意味するわけではない。重要なのは、表面的なAI需要の強さより、契約の質と借り手のキャッシュフローの耐久性である。

マクロ経済への影響は一方向ではない

AIはデジタルサービスの一部でデフレ要因になり得る。推論コストが下がれば、コーディング、分析、顧客サポート、コンテンツ制作、一部の事務作業のコスト低下につながる。競争がその節約分を価格に反映すれば、企業や消費者にも恩恵が及ぶ。

一方、インフラ建設は特定の市場で反対の効果をもたらす。メモリー、先端半導体、サーバー、建設能力、土地、電力、送電網への接続が不足すれば、資本財やエネルギー投入の価格は上がる。

当面は、AIを使ったデジタル業務の価格が下がる一方、AIを生産・提供するための資本財や電力にはインフレ圧力がかかるという、まだら模様の展開が想定される。「AIインフレ」や「AIデフレ」が一つの形で現れるのではなく、効率化がボトルネックを上回るか、企業が値下げ分を顧客に還元するかで結果は変わる。

サプライチェーンは戦略資産になる

複数年の供給枠の確保は、半導体の地政学的重要性も高める。SamsungとSK Hynixはメモリー分野で交渉力を持ち、先端ロジック半導体やパッケージングは限られた企業と地域に集中している。

供給能力が数年前から予約される状況では、輸出規制、補助金政策、地域的な混乱の影響が大きくなる。供給を短期間で別の地域や企業へ振り替えることが難しいからだ。

世界的な需要が高まれば、中国のメモリーメーカーが規制の影響が比較的小さい製品分野で機会を得る可能性はある。ただし、最先端のHBMなどAIに不可欠な部品で差を縮めるのは容易ではない。顧客認証、信頼性基準、技術的な複雑さ、輸出規制、調達ルールが、代替サプライヤーのシェア拡大を制約する可能性がある。

価格差を最後に負担するのは誰か

残る問題は、安くなるAIの利用と、高くなるAIの生産の差額を誰が負担するのかだ。考えられる選択肢は複数ある。

• ハイパースケーラーが利益率を下げ、AIを自社エコシステムの防衛に使う。
• 半導体・メモリーメーカーが、供給制約が続く間、希少性による価格決定力を維持する。
• 投資家がAIインフラ投資の低いリターンを受け入れる。
• 貸し手が金利上乗せや損失という形で負担する。
• 顧客が、AI提供企業から高付加価値・成果連動型のサービスとして転嫁を受ける。

短期的に最も現実的なのは、このうち最初の三つが組み合わさる展開だろう。AIへのアクセスは今後も安くなる。しかし、供給が追いつくまで、あるいはすでに積み上がった投資を正当化するほど需要が伸びないことが明らかになるまで、AIを動かす機械、メモリー、電力、データセンター、販売網は高価なまま残る可能性がある。

投資家にとっての戦略的な示唆は明快だ。トークン価格の下落は、AI投資の終わりを意味しない。知能そのものが豊富になった後も、それを使うための機械、メモリー、電力、供給枠、顧客接点が希少であり続けるなら、そこにこそ持続的な価値が残るかどうかが試される。