METRはカリフォルニアのAIコーディング能力評価の研究機関だ。彼らは昨年、「AIエージェントが人間の専門家の所要時間の50％の成功率でタスクを完了できる期間」を測る指標を提案した。2025年3月に最初に発表されたとき、Claude 3.7 Sonnetのこの数字は50分だったが、2025年末にはClaude Opus 4.6は14.5時間にまで改善された。過去2年で、この指標の倍増サイクルは7ヶ月から4ヶ月に短縮された。エージェントの信頼性がさらに向上すれば、トークン消費は毎年50％増加の問題ではなく、一夜にして桁違いの増加になる。
全員トークン最大化：誰も止められない軍拡競争
著者：五源资本パートナー 孟醒；出典：晚点LatePost
私たちはシリコンバレーを一周調査し、気づいたことは、波を作る人さえも、その波に飲み込まれそうになっているということだった。
2026年3月24日の朝、私はYC W26バッチのデモデイの観客席に座っていて、5社目の会社がプレゼンを始めたとき、もうメモを取るのをやめることに決めた。
重要でないからではなく、自分が記録したこれらの情報は、来月にはもう古くなっているかもしれないと気づいたからだ。
このバッチには100社以上が参加しているが、実はやっていることは非常に集中している：およそ80％は垂直型エージェント、例えば弁護士の書類整理、カスタマーサポートの工单配布、HRの履歴書選別などだ。
もし去年の10月にこれらのプロジェクトを見たら、「なかなか面白いアイデアだ」と思っただろう。しかし、問題は、この5ヶ月で世界が変わったことだ。
Claude Codeは、もともと開発者向けのツールから、ほぼ誰でも直接使えるインターフェースに変わった。Opus 4.6がリリースされたことで、コーディングのハードルは一気に下がった。
これらの垂直エージェントは、ビジネスの壁ができる前に、普通のエンジニアや私自身でも、週末だけで作れるレベルになっている。彼らはすでに投資価値を失っている。
YCの一サイクルは3ヶ月だが、今回の12月入所のプロジェクトと、事前選考を含めると、約5ヶ月前に選ばれた「良い会社」だ。だが、その5ヶ月という時間は、今のAIの進化速度では、何度もパラダイムシフトを起こすには十分すぎる。
2012年に私が初めて起業し、YCのFly Out（現地面接招待）を受けたとき、YCはほぼ唯一無二の存在であり、選ばれた会社は「次の方向性」を示すことが多かった。しかし、競争の構図は変わりつつあり、YCはここ数年で逆転し、「遅行指標（lagging indicator）」のようになってきている。
YCのバッチ制度は、申請、選考、入所、磨き上げ、ピッチといった流れで、モバイルインターネット時代において非常に成功してきた。しかし、このペースは、より遅い世界に合わせて設計されたものだ。
この1年半、私は四半期ごとにシリコンバレーに来ている。最後に来たのは去年の10月だ。以前は変化の速さを感じていたが、その「速さ」はほとんど月単位で感じられるものだった。
今回は、「週単位」で感じる必要がある。
ある晩ご飯のとき、ポストトレーニング（後訓練）をしている友人がふと一言：
「気づいたら、シリコンバレー自体も自分たちについていけなくなってきている。」
全員トークン最大化：誰も止められない軍拡競争
半年前に誰かが私に、「Metaの数万のエンジニアが、すべて競合他社の製品を使ってコードを書いている」と言ったら、私は冗談だと思っただろう。
しかし、それは本当だ。Metaの全員がClaude Codeを使っている。これはスタートアップや実験的なチームの話ではなく、時価総額1兆ドル級の巨大企業の話だ。
コードのセキュリティは放棄され、トークン予算は爆発し、ランキングは盛り上がり、シリコンバレー全体がコストを気にせずAIに投資している。しかし、その投資の結果はどうだろうか？
まずコードの安全性について。半年前には考えられなかったことだ。コードは企業のコア資産であり、外部のAPIに触れさせることはできないはずだった。Metaも最初はそう考えていた。彼らは「myclaw」という内部ツールを作り、この問題を解決しようとした。Metaの友人によると、彼らはコーディング用の製品を作ったが、「使いにくくて誰も使わなかった」という。
使われなくなったため、会社は妥協した：顧客データに関わらなければ、Claude Codeを好きなだけ使って良いとした。
次に、各部署は「AIネイティブ組織になるにはどうすればいいか」という内部会議を開き、トレーニングや評価を行った。コードの安全性や使用の安全性といった、かつては当たり前だったルールはすべて後回しにされ、まずは効率を上げることが優先された。
安全性の観点から、GoogleはClaude CodeやCodexなど競合ツールの使用を禁止しているが、DeepMindは例外だ。Geminiモデルや内部アプリケーションを担当するいくつかのチームはClaude Codeを使っている。
Googleも努力している。彼らは内部コーディングツールのAntigravityをリリースし、今年2月には、約50％の新しいコードがAIによって書かれていると宣言した。
それでも、DeepMindの人々はClaude Codeを使い続けている。DeepMindがそうできるのは、Anthropicが彼らにプライベートデプロイを提供しているからだ。Anthropicの推論とトレーニングは、Google CloudのTPU上で行われており、双方に信頼関係がある。しかし、Metaや他の巨大テック企業にはその関係はなく、コードの安全性は投げ捨てられている。皆が賭けているのは、まずスピードを上げることだ。
コードの安全性は最初に倒れた旗だ。次はトークン予算だ。
パロアルトの数社のAIネイティブスタートアップでは、エンジニア一人あたりの年間トークン予算は約2万ドルだ。これは特に珍しい数字ではないが、重要なのは、そのコストがトップエンジニアの給与にほぼ匹敵することだ。会社はAIを使って人件費を削減しているように見えるが、実際の総コストは変わらず、人的コストをトークンコストに置き換えているだけだ。
Metaはこの点で最も極端だ。彼らは内部のトークン消費ランキングを作り、「多く使った者が上位に入る」仕組みを導入した。最下位の者は解雇される可能性もあり、Metaの社員は「token legend」という非公式の称号まで巻き込んでいる。
しかし、その一方で、Metaは今年2回の大規模なリストラを行い、合計1万人以上を解雇した。全員がClaude Codeを使ってトークン量を競いながら、大規模な人員削減も進めている。
これら二つの事象は矛盾しない。それは同じ事象の表裏だ。
私はあるCクラスの会社を訪れ、技術責任者がSlackを開いて見せてくれた。そこにはエージェントが走り続けている様子が映っていた。複数のCursorエージェントが並列で動き、Claude Codeのウィンドウも開かれている。今のエンジニア界隈で最も流行している不安は、「寝る前に、自分の複数のエージェントが何をしているのか分からないときに不安になる」というものだ。
しかし、実際に生産性はそんなに向上しているのだろうか？去年の年末から、多くのトップ推論エンジンやデータベース企業のCTOたちが興奮気味に語る：「百倍エンジニア」「十倍効率化」だ。以前は60人必要だった仕事が、Claude Codeと2人で一週間でできるようになった。
私も最初は彼らと一緒に興奮したが、やがて冷静になり、次の疑問を持った：効率が100倍向上したとしても、その結果、会社の売上は100倍増えるのか？あるいは、製品ラインは100倍拡大するのか？結局、「100倍」の向上は、どれだけ人員を削減できたかの指標に過ぎないのではないか。
私は明確な答えを得られなかった。実際、100倍の効率化は、会社の売上増加には50％や1倍程度しか反映されていない。
その差はどこにあるのか？今のところ誰もはっきりと説明できていない。
「これだけ多くのトークンを使えば、会社の遺伝子が変異して別の会社になるはずだが、実際に何に変わるのかはわからない。」
あるtoBセールス出身の創業者は、彼のチーム16人、2人の営業だけで、12ヶ月で3000万ドルのARRを達成したと語る。これはAIコーディングによる成功例だ。こうしたケースは稀に見られるが、多くの場合、スタートアップは何かを作り出すが、それがプロダクトマーケットフィット（PMF）には至っていない。
今のシリコンバレーでは、100種類のやり方を試す「vibe coding」が流行している。どれが成功するかを見極めるためだ。しかし、次のトレンドを掴むのは依然として難しい。
最も印象的な反例は、Anthropic内部の事例だ。私はAnthropicの友人に、「エージェントを使う上で最も苦痛なシナリオは何か？」と尋ねた。彼の答えは、「オンコール（即時対応）」だった。
オンコールの典型的なシナリオは、ClaudeのAPIが突然遅くなったり、モデルの推論ノードが落ちたり、ユーザーフィードバックで特定のプロンプト出力がおかしいときに、オンコールのエンジニアが迅速に原因を特定し、コードのバグか計算資源の問題かモデルの異常かを判断し、修正を決めることだ。
Anthropicは世界で最もコーディングエージェントに強い会社だが、その内部のオンコールエージェントは使いにくいままだ。
これが2026年4月の現状だ。蒸気機関はすでに発明されたが、時には馬車より遅く動くこともある。重要なのは、誰もが蒸気機関が最終的に馬車を追い越すと知っているため、皆が狂ったように投資を続けていることだ。コードの安全性もトークン予算も無視され、ランキングも盛り上がっている。蒸気機関が馬車を超える日がいつ来るのか誰も知らないが、その日を待つ者は誰もいない。
なぜなら、その時を待つことの代償は、トークンの誤った消費よりも大きいかもしれないからだ。
さらに、トークンの消費量はおそらく線形ではなく、むしろ指数関数的に増加している。これは私の以前の自動運転の経験を思い出させる。2021年、上海で連続5時間の無人運転を初めて実現したとき、これは大きなブレークスルーだった。それまでは、テスト車両は10台、15台、20台と徐々に増えていたが、その閾値を超えた後は、すぐに100台、1000台に達した。今日のコーディングエージェントも、似た段階にある。
2021年、上海で滴滴の自動運転が初めて連続5時間の無人運転を達成した。これは国内自動運転のマイルストーンだった。写真は、当時の滴滴自動運転のCOO孟醒と、Googleの「無人車の父」Sebastian Thrunの対話（2021年）。
METRはカリフォルニアのAIコーディング能力評価の研究機関だ。彼らは昨年、「AIエージェントが人間の専門家の所要時間の50％の成功率でタスクを完了できる期間」を測る指標を提案した。2025年3月に最初に発表されたとき、Claude 3.7 Sonnetのこの数字は50分だったが、2025年末にはClaude Opus 4.6は14.5時間にまで改善された。過去2年で、この指標の倍増サイクルは7ヶ月から4ヶ月に短縮された。エージェントの信頼性がさらに向上すれば、トークン消費は毎年50％増加の問題ではなく、一夜にして桁違いの増加になる。
この予測は、今年末までに、多くの企業（大手テック企業も含む）が、実際には20％の人員だけで十分になるだろう、というものだ。
xAIの崩壊後、ロケットを作る人々はモデルも作り始めた
マウンテンビューのステーキハウスで、夜9時過ぎ、一人の元マスクと長く仕事を共にした友人が私の向かい側に座った。3時間以上話し続けたが、振り返ると、彼は一度もマスクの良さについて語らなかった。
一つのエピソード：私は彼に、「xAIで3年間働いてきたが、日々のリズムはどうだった？」と尋ねた。彼は、「ほとんど会社に住んでいて、家はほとんど何も整えていない。ベッドも買っていない」と答えた。会社の中には「sleeping pod（睡眠用カプセル）」で寝ていたという。青年旅館のようなものだ。私は、「今は巨額の株式報酬ももらっているし、辞めたのだから、せめてベッドくらい買えば？」と笑った。
xAIの仕事の忙しさはシリコンバレーでは有名だが、今や初期チームの約90％は去った。彼らには退職グループがあり、日々新しいメンバーが加わっている。
引き金はTony Wuの解雇だ。その後の連鎖反応で、内部の人は「他の会社では幹部の退職に半年もかかるところ、xAIは1ヶ月で済んだ」と語る。去年の10月には、マスクの不満に気づいた人もいたが、ここまで早く一掃されるとは思わなかった。
今やマスクはSpaceXやTeslaから人を引き抜き、xAIを引き継ごうとしている。「ロケットを作る人々がモデルも作り始めた」のだ。
マスクの不満は、彼が莫大な資金と計算資源を投入したにもかかわらず、Grokが一線に入れなかったことに由来する。なぜだろうか？これは私がxAIの立ち上げメンバーに尋ねる最も多い質問だ。答えは、私の想像よりもずっと単純だと、ある友人は言う。「チームの戦闘力は非常に高く、仕事も極めてハードだが、製造業の管理方式は大規模モデル企業には合わないのかもしれない。」
私は8年間自動運転を経験しており、この点についていくつかの感触がある。マスクはSpaceXやTeslaで、システムエンジニアリングを本質的に行ってきた。長いサプライチェーンに関わり、ソフトウェア、ハードウェア、供給網にまたがるが、最終的にはエンドツーエンドのエンジニアリングの問題だ。
彼は、長いリンクの中で重要なレバーを見つけ出し、時間を極限まで圧縮して解決するのが得意だ。ロケットエンジンの連鎖、再利用着陸もこの思考の産物だ。
しかし、xAIではシステムエンジニアリングのようにはいかない。彼は今、3つのことをしている：まず、世界最大のGPUクラスターに投資（今や「neo lab」から「neo cloud」へと変貌し、Cursorに計算力を提供している）、次に、チームにパルス的な締め切りを設定し、自らいくつかの製品特徴を撮影している。これはポイントを押さえるだけで、全体の計画ではない。
自動運転の人たちは知っているが、後期になると、ソフトウェア、インフラ、ハードウェアのリーダーシップの問題が核心的な対立になる。3つの方向性には、CTOレベルの決定者が必要だが、誰も3つの分野を同時に理解していない。良いやり方は、創業者はすべての分野を完璧に理解していなくても、資源のバランスを取り、段階的な優先順位を決めることだ。今はソフトウェアを優先し、次の段階でインフラに移す。これが全体の計画だ。
xAIの問題は、全体の計画がなく、ただ突き進むだけだということだ。圧力がそれほど高くなければ、賢い人たちは自己修復できる。時間を与えれば、各方面は自然と協調のリズムを見つけるだろう。しかし、マスクの超高圧管理と不十分な全体計画は、すぐに崩壊させる。各リーダーは自分の優先順位を守り、全体の調整役はいない。
SpaceXやTeslaが成功した理由の一つは、これらの業界では、マスクはほぼ競合に遭遇したことがなく、自分と戦ってきたことだ。しかし、AIは違う。OpenAIさえも、Anthropicに奪われる危険性のある激しい競争だ。
xAIの共同創業者の一人は、去年、「競争があまりにも激しいこと」と、「AI時代の応用革新の機会が少なく、すべてがモデルに食われてしまうこと」の二つを予想外だったと語る。
Anthropicの台頭は、過去1年のAI業界における最も劇的な逆転劇だ。そして、戦場の焦点も一変した。1年前はC端ユーザーや動画生成の競争だったが、今や（段階的に）勝負を決めるのはtoBとコーディングだ。
もちろん、xAIの物語は、「資金があまりにも早く、あまりにも多く流れ込み、どうなるか」というストーリーでもある。
今日、xAIを離れる友人たちも、当時の決断を後悔しないだろう。xAIはシリコンバレーで最も速く富を築いた神話の一つだ。最初の数十億ドル規模の資金調達から、SpaceXとの合併、2,500億ドルの巨獣へと、わずか1年で変貌した。そして、xAIの9人の共同創業者のほぼ全員が億万長者になり、コアエンジニアも数千万から1億ドルの範囲に達している。シリコンバレーの資金は本当に多い。彼らが再び起業すれば、自分たちの興味のある分野に十分な資金を投入できる。
不安なエンジニア、さらに不安なリサーチャー
エンジニアと話すと、今や奇妙な暗黙の了解がある：みんな自分はもうあまりコードを書かなくなったと認めているが、それを隠そうともしない。なぜなら、AIに武装されて、AI化していないエンジニアを排除できると信じているからだ。
今や80％のソフトウェアエンジニアのコアスキルは、モデルに置き換えられている。残っている理由は、モデルがたまにバカをやるため、監視役が必要だからだ。しかし、「監視する」こと自体も、もうすぐ不要になるかもしれない。
もっと積極的に考えると、「AIネイティブ組織」と呼ばれるものは、非常にセクシーに聞こえる——各部署がワークフローを整理し、AIが介入できる部分をオンライン化し、スキルとして書き出す。だが本質的には、自分たちの能力を機械のスキルに蒸留しているだけだ。あなたの能力を機械のスキルに変換し、会社はあなたのスキルを手に入れる。これもAI化の一環だ。そこから人員削減を行うかどうかは、道徳的な問題だ。今のMetaはまさにこれをやっている。
トークン最大化の競争は続いているが、底流には、シリコンバレー全体に漂う不安感がある。
さらに驚いたのは、その不安が研究者層にも広がっていることだ。
研究者は最もピラミッドの頂点にいる人材であり、「研究者」と一括りにされることも多いが、実際には大規模モデル企業（OpenAI、Anthropic、DeepMindなど）で、モデルの訓練やアルゴリズム革新を担う人々だ。彼らとエンジニアの違いは、エンジニアは「ものを作る」側で、コードを書き、展開し、性能を最適化する。一方、研究者は「何を作るか」を考える上流工程だ。新しい訓練方法を提案し、モデルのアーキテクチャを設計し、実験を行い仮説を検証する。
しかし、今や研究者の仕事さえも自動化の波に飲み込まれつつある。これはDeepMindの同僚たちがやっていることだ——モデルを訓練するためにモデルを訓練する、というAIの自己進化の流れだ。今年のシリコンバレーの大きな潮流だ。淘汰されるのはエンジニア（技術者）だが、年末には研究者も代替され始めるだろう。
これはもはや新しい概念ではない。Andrej Karpathyの自動研究（auto research）はその先駆けだ。今や、AI科学者向けのツールやハーネスフレームワークがこの方向に向かっている。ただし、多くの閉ループは、「論文を出す」段階にとどまっている。AIが実験や論文執筆を補助しても、最終的には人間が判断している。
OpenAI、Anthropic、Googleは、より積極的な目標を掲げている。彼らは、閉ループをモデルのアップグレードに直結させたいのだ。細部の改良だけでなく、AI自身が次のパラダイム的ブレークスルーを見つけることを目指す。これが実現すれば、研究者の役割は本当に置き換えられる。Google DeepMindは1年以上前から、モデル自身に次の実験を決めさせ、どの道が有望か自己評価させ、その道を進む仕組みを内部で進めている。これが、モデルが次世代を訓練する仕組みだ。
さらに、研究者が解雇される動機は、コストの高さにある。研究者は世界で数千人規模で、年収は数百万ドルから数千万ドル、時には億ドルに達する。
「未来は、10人が100人分の仕事をして、20人分の報酬をもらい、残りの90人は失業する、という状況になるかもしれない。」
実際、解雇は表面上の数字よりも大きい。多くの企業は、最初に外部のアウトソーシング業者を削減する。これにより、インドやフィリピンといった国々が最も影響を受ける。彼らはかつて欧米のカスタマーサポートやデータアノテーション、財務バックエンドを担っていたが、その役割はAIに奪われつつある。これまで経済のアップグレードに頼ってきた「サービス業の階段」は、AIによって削り取られるかもしれない。
シリコンバレーはMetaを注視している。もしMetaの実験が成功し、収益が落ちず、効率が本当に向上すれば、他の大手も追随し、解雇は一気に業界の常態となるだろう。そして、その解雇は自己加速的だ。最初は躊躇し、士気を傷つけるのを恐れるが、一度常態化すれば、どんどん早くなり、痛みも少なくなる。
しかし、旧ポジションを削減しながら、新たなポジションも生まれている。
多くのスタートアップは、「AIビルダー」と呼ばれる新役割を募集し始めている。これは、プロダクトマネージャー、フロントエンドエンジニア、バックエンドエンジニアを一体化した役割だ。また、データサイエンティストと機械学習エンジニアを融合させた複合職や、ライティング、広告運用、コンテンツ制作を一体化した担当者も増えている。
シリコンバレーの企業はこれらの新役割に対して非常に需要が高いが、最大の課題は、「どうやって採用するか」だ。履歴書だけでは判断できない。なぜなら、これらの役割は以前存在しなかったからだ。能力は本人のプロジェクトに隠されている可能性が高い。現場でコードを書かせても、能力を測るのは難しい。なぜなら、「審美眼＋AIの使い方」の組み合わせだからだ。そこで、あるスタートアップは、雇用者のニーズに合わせて、面接者がAIツールを使ってタスクをこなす模擬環境を自動生成するサービスを始めている。これは、かつてのコーディングテストの新しい形だ。
AIが何でもできる時代、人の価値は「何ができるか」から、「何を価値あることと判断できるか」に変わりつつある。
一巡の資金調達と二つの評価額、NVIDIAはすべての「牌」にチップを置く
これまで、エンジニア、研究者、金融従事者など、多くの役割が代替されたと話してきた。しかし、ある役割だけは代替されず、むしろこの変革の中で、裏の黒幕のような存在になりつつある。
その中心はNVIDIAだ。
私は、過去1年で稀少性は緩和されたと思っていた。実際、2025年中頃には、NVIDIAが支援するneo cloud（AIブームの中で台頭したGPU専用の新型クラウドサービス）が資金調達に苦戦し、成長が鈍化した例もあった。しかし、今回の調査で、稀少性は再び高まり、その度合いも前回よりもひどいことに気づいた。
具体的な兆候：もしあなたがClaudeのAPIのようなAPIサービスを安定して提供でき、99パーセンタイルの安定性を確保できれば、公式のAPI価格の2〜3倍で売れる。
Anthropicの需要増に伴い、APIの中断が増えている。これは、Claudeを基盤としたエージェント製品にとって問題だ。
以前はRouter（ルーティングサービス）などのビジネスは、「公式より安くすれば流量が増える」というモデルだった。今や逆だ。安定性そのものが希少資源になった。これを武器に稼ぐスタートアップも出てきており、シリコンバレーのミニ版CoreweaveやNebiusが次々と登場している。
さらに、今回の計算資源のボトルネックは、GPUの割り当てだけの問題ではない。Elad Gilは最近、「上流のメモリメーカー（Hynix、Samsung、Micron）の増産サイクルは少なくとも2年かかる」と指摘した。つまり、2028年までに、AI企業が計算能力を積み上げて差を広げることはほぼ不可能だ。計算能力の制約は、寡占的な大規模モデル市場を強化している。努力不足ではなく、物理的な製造サイクルの遅さによるものだ。
背後の権力構造は明確だ。カードを持つ者が強い。カードを持つ者は英偉達（NVIDIA）が決める。今上場しているCoreWeave、Lambda、Nebiusは、すべて英偉達の支配下だ。
英偉達の戦略は、私の理解よりも深い。Reflectionの投資家と私が話したところ、最も早く資金調達したneo labは、コーディングをやっていたが、創業者は黄仁勋に会い、「コーディングはやめて、米国のDeepSeek、米国のオープンソースモデルをやれ」と言われた。彼らは180度の方向転換をした。
米国の資本市場には、かつて少なかった構造も出現している。同じラウンドで、2つの評価額レンジに資金が分かれるのだ。早期に参入した投資家は低評価の枠に入り、英偉達のような資金力のある大手は高評価の枠に押し込まれる。これは国内でも最近見られる現象だ。
しかし、英偉達が配分をコントロールしようとしても、存在しないものはコントロールできない。
米国社会では、データセンターへの抗議が激化している。現在、全米で約100のデータセンタープロジェクトが阻止され、そのうち40は中止に追い込まれている。メイン州では、データセンター建設を全面禁止する法案が成立した。ある町では、60億ドルのデータセンター計画が承認されたが、半数の議員が夜中に投票で解任され、新たに選ばれた議員たちは、その決定を取り消すことだけを目的としている。
計算能力不足は、製品やユーザー数の不足ではなく、物理的な世界がデジタルの要求に追いついていないことに起因している。
これは別のレベルの「追いついていない」状態だ。
シリコンバレーの評価体系が書き換えられつつある
まず数字を見てみよう。
米国のGDPは約30兆ドルだ。OpenAIとAnthropicの現在の収益は、それぞれ年間約300億ドル。つまり、両社はすでに米国GDPの0.1％を占めている。年末までに両者がそれぞれ1,000億ドルに達し、クラウドサービスやその他のAI収益も加われば、AIは米国GDPの約1％を占めることになる。ほぼゼロから1％へ、わずか数年での変化だ。
この速度は前例のないものだが、不思議なことに、成長が速いほど、投資家は価格付けに迷うようになっている——この急速な成長に直面して、シリコンバレーの評価フレームワークは崩壊しつつある。
何度も二次市場の友人と深く話した結果、繰り返し出てきた言葉は「re-rationalization」（評価の理性回帰）だ。
過去数年、AI投資の評価は、将来のキャッシュフローに基づいていた。今は、その枠組みが崩れつつある。
問題は、DCF（割引キャッシュフロー）という最も基本的な評価モデルにある。通常、未来10年のキャッシュフローを予測し、終値（terminal value）を加える。これは、会社がその後も安定して運営し続けると仮定し、残存価値を一括で評価するものだ。終値は、評価全体の70〜80％を占めることが多い。
しかし、今は2つの変化が同時に起きている。第一に、未来10年を予測できるのは