· Uber の幹部ははっきりと述べている、Token 消費と実際の製品改善の間のリンクは「まだ存在しない」；OpenAI も企業向けAIのコストがますます現実的な問題になっていることを認めている。
· AI 需要は消えず、企業は試用からROI監査へと移行し始めており、モデルメーカーは値下げについて議論し始めている。クラウド、GPU、データセンターの成長弾力性の再検証が必要になっている。
· 関連銘柄：NVDA、MSFT、AMZN、GOOG、MU、AVGO、AMD、TSM、ARM、ORCL。
連続2ヶ月上昇していたAI米国株市場が最近弱含み、調整局面に入り、市場も表面上でその理由を探し始めている。
金利、評価の過熱、決算の乱れなどがこの調整を説明できるが、市場はより根底にある仮説を監査している：企業のToken消費増加は必ずしも収益、効率、利益の増加につながるのか。
過去2年間、AI取引には一つの順調な連鎖があった。企業が大量にAIを利用し、Token（モデルがテキストを処理する際の計量単位）の消費が増加、モデルメーカーの収入が増え、クラウド事業者はより多くの計算力を販売し、GPU、HBM（高帯域メモリ）、サーバー、データセンター、電力需要が拡大し続けた。Token使用量が引き続き増えれば、市場はこれをAI採用の加速とみなし、上流のハードウェアや資本支出に高い評価を与え続ける。
しかし最近の変化は、モデル供給者自身もコスト問題について議論し始めていることだ。
『ウォール・ストリート・ジャーナル』によると、OpenAIはモデル呼び出しの価格をさらに引き下げる研究を進めており、企業の予算圧力やAnthropicなど競合他社からの挑戦に対応しようとしている。同時に、OpenAIのCEOサム・アルトマンは最近、公に、ますます多くの企業がAIコストを重要な問題とみなしており、一部の顧客は第1四半期だけで年間のAI予算を使い切ったと述べている。
この事態自体は業界の構図を変えるには不十分かもしれないが、重要なシグナルを放っている：市場が議論し始めているのは、「モデルの能力」だけでなく、「コスト」「価格設定」「投資回収率」へと移行している。
今、緩んでいるのは「企業がAIを使い続けるかどうか」ではなく、「高価格のTokenに無条件で支払う意志があるかどうか」だ。
UberのCEO兼COOのアンドリュー・マクドナルドはポッドキャストで、「Token消費の増加と『有用な消費者機能』の間のリンクは『まだ存在しない』」と述べている。この言葉は買い手側からのものであり、売り手や投資銀行、モデルスタートアップからのものではない。
もしこれまで市場が「使用量が成功の証」と信じていたなら、今は第二段階に入っている：Tokenが最終的に収益増、労働コスト削減、利益率改善に変わるかどうか。この問題が財務部門から体系的に提起されると、AI産業の評価は「需要無限」から「リターンの検証」へと変わる。
Uberの事例は注目に値する。なぜなら、AIを理解していないからでも、使いたくないからでもない。むしろ、Uber内部ではAIコーディングツールの採用率は非常に高い。複数のメディア報道によると、約5000人のエンジニアのうち、月間使用率は一時84%から95%に達し、エンジニア一人あたりの月額請求額は数百ドルから2000ドルに及ぶ。
問題はまさにここにある。使用率が十分高いと、請求はもはやイノベーション部門の小規模な試験費用ではなく、運用層が説明すべき実際のコストとなる。UberのCTOは以前、年間Claude Codeの予算が4ヶ月で使い切られたと明かしている。マクドナルドはこれを「頭が爆発しそうな瞬間」と表現している。
企業内部では、AIツールは最初、「効率向上」の名のもとに予算に組み込まれることが多い。エンジニアはより速くコードを生成し、カスタマーサポートはより早く質問に答え、運用チームはより早くレポートを書く。これらはすぐに実感できる変化だ。
しかし、規模が拡大すると、財務部門はより硬い問いを投げかける：より多くの収益をもたらしたか？実際の人件費を削減したか？利益率を改善したか？
マクドナルドが言及した「tokenmaxxing」現象も、高い使用量が高い価値と必ずしも結びつかないことを示している。いわゆるtokenmaxxingは、チームや個人がAIツールの最大化のために大量にTokenを消費することを指す。データを見ると良さそうだが、必ずしもより良い製品結果に結びついているわけではない。AIサービス提供者にとっては収入だが、企業にとっては単なる制御不能なクラウド請求の一形態に過ぎない。
Uberのシグナルは、「AIツールが高価すぎる」以上に重要だ。
これはAIが役に立たないと言っているのではなく、AIが試験予算から運用予算に移行したとき、企業は一ドルのToken支出が測定可能なビジネス結果をもたらすことを証明する必要がある、ということだ。高採用率は自動的に成功を意味しなくなり、むしろコスト構造を早期に露呈させる。
企業の買い手は会計を始め、プラットフォームも料金体系を変えつつある。
GitHubは2026年6月1日からCopilotの従量課金制に移行し、月間AIクレジット（AI使用量）を導入すると発表した。軽度ユーザーにとっては単なる請求構造の変化かもしれないが、頻繁にインテリジェントツールを使う開発者からは、1回のセッションコストが数十ドルに達するとの声もあり、コミュニティの議論も高まっている。
この動きの意味は、プラットフォームが無制限のToken使用のコストを固定のサブスクリプション料金に完全に含めることをやめた、ということだ。
以前は、ユーザーが月額料金を支払い、プラットフォームは背後のモデル呼び出しコストを負担していた。今や、インテリジェントツールの呼び出し回数、コンテキスト長、多回のタスクが増えるにつれ、コスト圧力が明示化してきている。使えば使うほど支払う額も増える、これは「無限AI」叙事詩の修正だ。
さらに注目すべきは、この圧力がアプリケーション層からモデル層へと伝播している点だ。
過去2年、大規模モデル業界の主流はコスト削減と規模拡大だった。しかし、企業の調達部門がROIを監査し始めると、モデル供給者も新たな課題に直面している：もし顧客が高価格のTokenを継続して支払いたくなければ、成長は何によって維持されるのか。
OpenAIが最近示したシグナルは非常に典型的だ。一方でサム・アルトマンは企業の予算圧力を認めており、もう一方ではOpenAIがさらなる値下げを検討しているという噂も流れている。これは、業界の関心が「モデルの能力の優劣」から「単位知能コストの低さ」へと移行していることを意味している。
企業顧客にとって最も重要な問題は、どのモデルが最も強いかではなく、同じ予算内でより多くのビジネス成果を生み出せるモデルはどれか、ということだ。
MicrosoftはClaude Codeのライセンス削減も同じ方向性を示している。『The Verge』や『Axios』、『TechRadar』などの報道によると、MicrosoftのExperiences & Devices部門は大部分のClaude Codeの内部ライセンスを廃止し、自社のCopilotツールに切り替えた。具体的な規模や理由はまだ明らかになっていないが、Microsoftがコスト削減のために外部ツールの調達を縮小したと断定できるわけではない。
しかし、この動きは少なくとも、大手テック企業自身も外部モデル呼び出しコストの再配分を始めていることを示している。
これがAI産業チェーンに与える影響は、特定のツールの収入減少ではなく、買い手側の規律が上流に伝播し始めている点にある。企業は利用制限やより安価なモデルの選択、オープンソースや自社開発への切り替え、または供給者への割引要求も可能だ。モデルメーカーやアプリケーション企業は依然として需要はあるが、価格設定の決定権は「モデルの性能」だけでなく、「顧客がコストを計算できるかどうか」にも左右される。
クラウド事業者も影響を受ける。過去、クラウド収入の中でAI部分のストーリーは強かった：モデルの訓練、推論、企業向けアプリケーションには計算力が必要であり、Tokenの使用量が多いほどクラウド需要は確実だった。しかし、企業が単位Tokenコストを引き下げたり、高頻度低価値のタスクをより安価な推論経路に切り替えたりすれば、クラウド事業の収入弾力性は以前の予測より低くなる可能性がある。
企業がこの時点で監査を始める一つの理由は、AIの使用が十分なサンプル段階に入り、非効率な部分がもはや見過ごせなくなったからだ。
Entelligence.AIが2026年5月に発表した調査分析は、2444の組織と100万以上のPull Requestを対象としている。彼らの推計によると、1ドルのAI Tokenコストのうち、実際にユーザーに価値をもたらすのはわずか0.18ドル、AIによるバグ修正に0.44ドル、やり直しに0.27ドル、レビューの摩擦に0.11ドルが消費されている。
このデータは全産業の結論にはできない。供給者の自社調査ページからのものであり、主にソフトウェアエンジニアリングのシナリオを反映しているため、独立した監査や学術論文の結果ではない。しかし、重要なポイントは示している：企業側にはROI監査の圧力が確かに存在し、特にAI生成コンテンツに人間のレビューや修正、統合が必要なシナリオでは顕著だ。
AIツールが最も簡単に示せるのは生成速度だが、企業が本当に支払うのは成果物だ。AIが生成したコードにバグが多く、後続のレビューや修正、テストが必要なら、前段の時間節約は後段で帳消しになる。個人ユーザーには単なる体験の問題かもしれないが、大企業にとっては財務や組織管理の問題となる。
これも、Token使用量の増加が単純にAIの成功を意味しなくなる理由だ。
Tokenは収益の計測単位であり、コストの計量単位でもある。モデルメーカーにとっては、Tokenが増えれば増えるほど収入も増える。一方、企業にとっては、Tokenが増えても、それがより多くの収益や低コスト、より高い利益率に結びつかなければ、継続的な予算拡大の理由にはならない。
もし市場がこれまでToken増加をハードウェア需要の先行指標とみなしていたなら、今はもう一つの側面を補う必要がある：Tokenの価値変換率だ。Token消費が安定してビジネス結果に変わるなら、クラウド事業者のAI収入、GPU注文、HBM拡張、データセンター建設もより堅実な支えとなる。
マクロ戦略家のアンドレアス・ステノ・ラーセンは最近、Silicon Data関連のLLM Token支出指数（大規模モデルToken支出指標）が現在の市場で注目すべきグラフの一つだと指摘した。報道によると、この指数は企業が1百万Tokenあたりに支払った支出や価格水準を追跡しており、2026年初に明らかに上昇した後、5月末頃に下落の兆しを見せている。
ここで境界線を保つ必要がある。Silicon Dataの公開ページは主に製品紹介であり、指数の計算方法や完全な歴史データは十分に公開されていない。これは確定的な結論とみなすことはできないが、企業の支払い意欲の変化を観察する一つのシグナルとしては有効だ。
Token支出の指標が下がったからといって、AIの使用量が減ったわけではない。
実際、現在の市場はAI業界が「計算力競争」から「単位知能コスト競争」へと移行しているのを目撃しているようだ。企業は依然としてAIを必要としているが、過去の価格体系での調達を続ける意欲は必ずしも高くない。
もしOpenAIが最終的に新たな価格調整を開始すれば、企業側の予算圧力は緩和されると同時に、モデル業界は正式に価格競争段階に入ることになる。その時、市場は再び判断を迫られる：将来の成長は新たな需要からか、それとも価格低下後の使用量拡大からか。
AI需要は依然として増加する可能性があるが、その収益の価値や上流への伝播弾力性は変化するかもしれない。
この影響は各段階で異なる。アプリケーション層とモデル層はまず価格圧力に直面し、企業はより明確なROIを求め、低価値の呼び出しを減らすか、異なるモデル間でコストを切り替える。
クラウド事業者は収入の弾力性の問題に直面する。同じ使用量でも、単価が下がり、キャッシュやバッチ処理が増え、自社開発が増えれば、クラウドAIの収入増加はToken総量の増加ほどには伸びない可能性がある。
さらに上流では、GPU、HBM、先進封止、サーバー、データセンターの投資が未来の資本支出に関わる。企業の支払い規律がモデルメーカーやクラウド事業者の将来収入に慎重さをもたらせば、ハードウェアの注文やデータセンターの建設ペースは再評価される。
ラーセンの警告は、ハードウェア需要が直ちに消えると言っているのではなく、Token価格が継続的に弱含めば、AIインフラ投資サイクルの斜率に疑問が生じることを示している。
AI株の調整とToken請求監査の関係は単純な因果関係ではない。チップ株の下落がUberの予算使い切りと直接関係しているわけではないが、両者は同じ連鎖にある：評価が長期の高成長を織り込んだ後、エンドペイメント意欲やROIに関するシグナルは、上流の資本支出の見直しを拡大させる。
現時点の証拠は、「AIバブルはすでに崩壊した」とは言えない。企業はAIの使用をやめていないし、開発者もCopilotやClaude、その他のインテリジェントツールなしの状態に戻らない。より合理的な判断は、AI採用が早期の熱狂から予算規律の段階に入り、市場はどのユースケースがリターンを証明できるか、どれが単なる請求を生むだけかを見極め始めていることだ。
次に最も重要な検証は、クラウド事業者やソフトウェア企業の決算の言語が変化しているかどうかだ。Microsoft、Amazon、GoogleのAIクラウド収入の成長は引き続き高弾性を維持できるか；CopilotやClaude Codeなどの企業ツールの使用量課金後、契約更新やダウングレード、苦情の変化はどうか；これらが、買い手の規律が体系的に強まっているかどうかを示すより良い指標となる。
ハードウェア側では、GPU、HBM、データセンターの注文に下方修正の兆しがあるかどうかを見極める必要がある。クラウドの資本支出が引き続き増加し、先端チップの注文が緊迫していれば、Token支払い意欲の下落は健全な調整に近い。もしクラウドAI収入の弾力性が弱まり、上流の注文やデータセンター建設のペースが鈍化すれば、市場はそれをより深いサイクルの転換とみなすだろう。
AI取引は終わっていないが、その価格設定の言語は変わりつつある。以前は「どれだけTokenを使ったか」が問われていたが、今は「これらのTokenが最終的にどれだけの利益に変わったか」が問われている。この差が、今後のAI産業チェーンの評価分化の方向を決める。
律動BlockBeatsの求人情報はこちらから
律動BlockBeats公式コミュニティに参加しよう：
Telegram購読グループ：https://t.me/theblockbeats
Telegramグループ：https://t.me/BlockBeats_App
Twitter公式アカウント：https://twitter.com/BlockBeatsAsia
45.83K 人気度
314.08K 人気度
57.21K 人気度
694.22K 人気度
787.29K 人気度
AI市場の弱含みのもう一つの要因：OpenAIも値下げせざるを得なくなった
TL;DR
連続2ヶ月上昇していたAI米国株市場が最近弱含み、調整局面に入り、市場も表面上でその理由を探し始めている。
金利、評価の過熱、決算の乱れなどがこの調整を説明できるが、市場はより根底にある仮説を監査している：企業のToken消費増加は必ずしも収益、効率、利益の増加につながるのか。
過去2年間、AI取引には一つの順調な連鎖があった。企業が大量にAIを利用し、Token（モデルがテキストを処理する際の計量単位）の消費が増加、モデルメーカーの収入が増え、クラウド事業者はより多くの計算力を販売し、GPU、HBM（高帯域メモリ）、サーバー、データセンター、電力需要が拡大し続けた。Token使用量が引き続き増えれば、市場はこれをAI採用の加速とみなし、上流のハードウェアや資本支出に高い評価を与え続ける。
しかし最近の変化は、モデル供給者自身もコスト問題について議論し始めていることだ。
『ウォール・ストリート・ジャーナル』によると、OpenAIはモデル呼び出しの価格をさらに引き下げる研究を進めており、企業の予算圧力やAnthropicなど競合他社からの挑戦に対応しようとしている。同時に、OpenAIのCEOサム・アルトマンは最近、公に、ますます多くの企業がAIコストを重要な問題とみなしており、一部の顧客は第1四半期だけで年間のAI予算を使い切ったと述べている。
この事態自体は業界の構図を変えるには不十分かもしれないが、重要なシグナルを放っている：市場が議論し始めているのは、「モデルの能力」だけでなく、「コスト」「価格設定」「投資回収率」へと移行している。
今、緩んでいるのは「企業がAIを使い続けるかどうか」ではなく、「高価格のTokenに無条件で支払う意志があるかどうか」だ。
UberのCEO兼COOのアンドリュー・マクドナルドはポッドキャストで、「Token消費の増加と『有用な消費者機能』の間のリンクは『まだ存在しない』」と述べている。この言葉は買い手側からのものであり、売り手や投資銀行、モデルスタートアップからのものではない。
もしこれまで市場が「使用量が成功の証」と信じていたなら、今は第二段階に入っている：Tokenが最終的に収益増、労働コスト削減、利益率改善に変わるかどうか。この問題が財務部門から体系的に提起されると、AI産業の評価は「需要無限」から「リターンの検証」へと変わる。
Uberの高採用率は予算圧力を露呈している
Uberの事例は注目に値する。なぜなら、AIを理解していないからでも、使いたくないからでもない。むしろ、Uber内部ではAIコーディングツールの採用率は非常に高い。複数のメディア報道によると、約5000人のエンジニアのうち、月間使用率は一時84%から95%に達し、エンジニア一人あたりの月額請求額は数百ドルから2000ドルに及ぶ。
問題はまさにここにある。使用率が十分高いと、請求はもはやイノベーション部門の小規模な試験費用ではなく、運用層が説明すべき実際のコストとなる。UberのCTOは以前、年間Claude Codeの予算が4ヶ月で使い切られたと明かしている。マクドナルドはこれを「頭が爆発しそうな瞬間」と表現している。
企業内部では、AIツールは最初、「効率向上」の名のもとに予算に組み込まれることが多い。エンジニアはより速くコードを生成し、カスタマーサポートはより早く質問に答え、運用チームはより早くレポートを書く。これらはすぐに実感できる変化だ。
しかし、規模が拡大すると、財務部門はより硬い問いを投げかける：より多くの収益をもたらしたか？実際の人件費を削減したか？利益率を改善したか？
マクドナルドが言及した「tokenmaxxing」現象も、高い使用量が高い価値と必ずしも結びつかないことを示している。いわゆるtokenmaxxingは、チームや個人がAIツールの最大化のために大量にTokenを消費することを指す。データを見ると良さそうだが、必ずしもより良い製品結果に結びついているわけではない。AIサービス提供者にとっては収入だが、企業にとっては単なる制御不能なクラウド請求の一形態に過ぎない。
Uberのシグナルは、「AIツールが高価すぎる」以上に重要だ。
これはAIが役に立たないと言っているのではなく、AIが試験予算から運用予算に移行したとき、企業は一ドルのToken支出が測定可能なビジネス結果をもたらすことを証明する必要がある、ということだ。高採用率は自動的に成功を意味しなくなり、むしろコスト構造を早期に露呈させる。
コスト圧力は産業チェーン全体に伝播し始めている
企業の買い手は会計を始め、プラットフォームも料金体系を変えつつある。
GitHubは2026年6月1日からCopilotの従量課金制に移行し、月間AIクレジット（AI使用量）を導入すると発表した。軽度ユーザーにとっては単なる請求構造の変化かもしれないが、頻繁にインテリジェントツールを使う開発者からは、1回のセッションコストが数十ドルに達するとの声もあり、コミュニティの議論も高まっている。
この動きの意味は、プラットフォームが無制限のToken使用のコストを固定のサブスクリプション料金に完全に含めることをやめた、ということだ。
以前は、ユーザーが月額料金を支払い、プラットフォームは背後のモデル呼び出しコストを負担していた。今や、インテリジェントツールの呼び出し回数、コンテキスト長、多回のタスクが増えるにつれ、コスト圧力が明示化してきている。使えば使うほど支払う額も増える、これは「無限AI」叙事詩の修正だ。
さらに注目すべきは、この圧力がアプリケーション層からモデル層へと伝播している点だ。
過去2年、大規模モデル業界の主流はコスト削減と規模拡大だった。しかし、企業の調達部門がROIを監査し始めると、モデル供給者も新たな課題に直面している：もし顧客が高価格のTokenを継続して支払いたくなければ、成長は何によって維持されるのか。
OpenAIが最近示したシグナルは非常に典型的だ。一方でサム・アルトマンは企業の予算圧力を認めており、もう一方ではOpenAIがさらなる値下げを検討しているという噂も流れている。これは、業界の関心が「モデルの能力の優劣」から「単位知能コストの低さ」へと移行していることを意味している。
企業顧客にとって最も重要な問題は、どのモデルが最も強いかではなく、同じ予算内でより多くのビジネス成果を生み出せるモデルはどれか、ということだ。
MicrosoftはClaude Codeのライセンス削減も同じ方向性を示している。『The Verge』や『Axios』、『TechRadar』などの報道によると、MicrosoftのExperiences & Devices部門は大部分のClaude Codeの内部ライセンスを廃止し、自社のCopilotツールに切り替えた。具体的な規模や理由はまだ明らかになっていないが、Microsoftがコスト削減のために外部ツールの調達を縮小したと断定できるわけではない。
しかし、この動きは少なくとも、大手テック企業自身も外部モデル呼び出しコストの再配分を始めていることを示している。
これがAI産業チェーンに与える影響は、特定のツールの収入減少ではなく、買い手側の規律が上流に伝播し始めている点にある。企業は利用制限やより安価なモデルの選択、オープンソースや自社開発への切り替え、または供給者への割引要求も可能だ。モデルメーカーやアプリケーション企業は依然として需要はあるが、価格設定の決定権は「モデルの性能」だけでなく、「顧客がコストを計算できるかどうか」にも左右される。
クラウド事業者も影響を受ける。過去、クラウド収入の中でAI部分のストーリーは強かった：モデルの訓練、推論、企業向けアプリケーションには計算力が必要であり、Tokenの使用量が多いほどクラウド需要は確実だった。しかし、企業が単位Tokenコストを引き下げたり、高頻度低価値のタスクをより安価な推論経路に切り替えたりすれば、クラウド事業の収入弾力性は以前の予測より低くなる可能性がある。
高い使用量には高い価値の証明が必要
企業がこの時点で監査を始める一つの理由は、AIの使用が十分なサンプル段階に入り、非効率な部分がもはや見過ごせなくなったからだ。
Entelligence.AIが2026年5月に発表した調査分析は、2444の組織と100万以上のPull Requestを対象としている。彼らの推計によると、1ドルのAI Tokenコストのうち、実際にユーザーに価値をもたらすのはわずか0.18ドル、AIによるバグ修正に0.44ドル、やり直しに0.27ドル、レビューの摩擦に0.11ドルが消費されている。
このデータは全産業の結論にはできない。供給者の自社調査ページからのものであり、主にソフトウェアエンジニアリングのシナリオを反映しているため、独立した監査や学術論文の結果ではない。しかし、重要なポイントは示している：企業側にはROI監査の圧力が確かに存在し、特にAI生成コンテンツに人間のレビューや修正、統合が必要なシナリオでは顕著だ。
AIツールが最も簡単に示せるのは生成速度だが、企業が本当に支払うのは成果物だ。AIが生成したコードにバグが多く、後続のレビューや修正、テストが必要なら、前段の時間節約は後段で帳消しになる。個人ユーザーには単なる体験の問題かもしれないが、大企業にとっては財務や組織管理の問題となる。
これも、Token使用量の増加が単純にAIの成功を意味しなくなる理由だ。
Tokenは収益の計測単位であり、コストの計量単位でもある。モデルメーカーにとっては、Tokenが増えれば増えるほど収入も増える。一方、企業にとっては、Tokenが増えても、それがより多くの収益や低コスト、より高い利益率に結びつかなければ、継続的な予算拡大の理由にはならない。
もし市場がこれまでToken増加をハードウェア需要の先行指標とみなしていたなら、今はもう一つの側面を補う必要がある：Tokenの価値変換率だ。Token消費が安定してビジネス結果に変わるなら、クラウド事業者のAI収入、GPU注文、HBM拡張、データセンター建設もより堅実な支えとなる。
支払い意欲は産業チェーン全体に伝播し始める
マクロ戦略家のアンドレアス・ステノ・ラーセンは最近、Silicon Data関連のLLM Token支出指数（大規模モデルToken支出指標）が現在の市場で注目すべきグラフの一つだと指摘した。報道によると、この指数は企業が1百万Tokenあたりに支払った支出や価格水準を追跡しており、2026年初に明らかに上昇した後、5月末頃に下落の兆しを見せている。
ここで境界線を保つ必要がある。Silicon Dataの公開ページは主に製品紹介であり、指数の計算方法や完全な歴史データは十分に公開されていない。これは確定的な結論とみなすことはできないが、企業の支払い意欲の変化を観察する一つのシグナルとしては有効だ。
Token支出の指標が下がったからといって、AIの使用量が減ったわけではない。
実際、現在の市場はAI業界が「計算力競争」から「単位知能コスト競争」へと移行しているのを目撃しているようだ。企業は依然としてAIを必要としているが、過去の価格体系での調達を続ける意欲は必ずしも高くない。
もしOpenAIが最終的に新たな価格調整を開始すれば、企業側の予算圧力は緩和されると同時に、モデル業界は正式に価格競争段階に入ることになる。その時、市場は再び判断を迫られる：将来の成長は新たな需要からか、それとも価格低下後の使用量拡大からか。
AI需要は依然として増加する可能性があるが、その収益の価値や上流への伝播弾力性は変化するかもしれない。
この影響は各段階で異なる。アプリケーション層とモデル層はまず価格圧力に直面し、企業はより明確なROIを求め、低価値の呼び出しを減らすか、異なるモデル間でコストを切り替える。
クラウド事業者は収入の弾力性の問題に直面する。同じ使用量でも、単価が下がり、キャッシュやバッチ処理が増え、自社開発が増えれば、クラウドAIの収入増加はToken総量の増加ほどには伸びない可能性がある。
さらに上流では、GPU、HBM、先進封止、サーバー、データセンターの投資が未来の資本支出に関わる。企業の支払い規律がモデルメーカーやクラウド事業者の将来収入に慎重さをもたらせば、ハードウェアの注文やデータセンターの建設ペースは再評価される。
ラーセンの警告は、ハードウェア需要が直ちに消えると言っているのではなく、Token価格が継続的に弱含めば、AIインフラ投資サイクルの斜率に疑問が生じることを示している。
AI株の調整とToken請求監査の関係は単純な因果関係ではない。チップ株の下落がUberの予算使い切りと直接関係しているわけではないが、両者は同じ連鎖にある：評価が長期の高成長を織り込んだ後、エンドペイメント意欲やROIに関するシグナルは、上流の資本支出の見直しを拡大させる。
次の焦点は決算の収益弾力性と注文ペース
現時点の証拠は、「AIバブルはすでに崩壊した」とは言えない。企業はAIの使用をやめていないし、開発者もCopilotやClaude、その他のインテリジェントツールなしの状態に戻らない。より合理的な判断は、AI採用が早期の熱狂から予算規律の段階に入り、市場はどのユースケースがリターンを証明できるか、どれが単なる請求を生むだけかを見極め始めていることだ。
次に最も重要な検証は、クラウド事業者やソフトウェア企業の決算の言語が変化しているかどうかだ。Microsoft、Amazon、GoogleのAIクラウド収入の成長は引き続き高弾性を維持できるか；CopilotやClaude Codeなどの企業ツールの使用量課金後、契約更新やダウングレード、苦情の変化はどうか；これらが、買い手の規律が体系的に強まっているかどうかを示すより良い指標となる。
ハードウェア側では、GPU、HBM、データセンターの注文に下方修正の兆しがあるかどうかを見極める必要がある。クラウドの資本支出が引き続き増加し、先端チップの注文が緊迫していれば、Token支払い意欲の下落は健全な調整に近い。もしクラウドAI収入の弾力性が弱まり、上流の注文やデータセンター建設のペースが鈍化すれば、市場はそれをより深いサイクルの転換とみなすだろう。
AI取引は終わっていないが、その価格設定の言語は変わりつつある。以前は「どれだけTokenを使ったか」が問われていたが、今は「これらのTokenが最終的にどれだけの利益に変わったか」が問われている。この差が、今後のAI産業チェーンの評価分化の方向を決める。
律動BlockBeatsの求人情報はこちらから
律動BlockBeats公式コミュニティに参加しよう：
Telegram購読グループ：https://t.me/theblockbeats
Telegramグループ：https://t.me/BlockBeats_App
Twitter公式アカウント：https://twitter.com/BlockBeatsAsia