作者：Michael Wenye Li
翻訳：深潮 TechFlow
深潮導読：AI実験室は数千億ドルを燃やしたが、いつお金が回収できるのか誰にもはっきり説明できない。APIの価格設定は毎年10倍のスピードで下がり、オープンソースはクローズドの後を追いかけ、学習コストは積めば積むほど高くなる。この記事はテック業界の視点を飛び越え、香港の地下鉄MTRの45年にわたるビジネスモデルで、非常に示唆に富む答えを出す——チケット収入で儲けようとするな。駅の上の不動産を持て。
彼らは稼げないし、この問題自体が問い方を間違えている
こういうビジネスがある：最初に数十億の資本を投下しても、収入は一銭もない。中核サービスの価格は限界コストにほぼ近い。ユーザーに莫大な価値を生み出すが、建設側はほとんど一銭も回収できない。さらに次世代のインフラにも止まらず投資し続ける必要がある。
これはAI実験室の話ではなく、大型鉄道システムの話だ。
多くの人が鉄道をAI業界にたとえるが、ほとんどの結論はこうだ：汎用技術は公共財の性格を持つため、商業的に成立するには政府補助が欠かせない。
私はこの結論に異議を唱えたい。なぜなら香港のMTR（港鉄）は、実際にこの問題を解決しているからだ。MTRは世界でも極めて少数の「商業的に自立している」地下鉄システムの一つで、上場企業として配当や還元を行い、政府による運営補助を受けていない。
財務構造はまったく同じ
MTRの中核となる鉄道事業は、自らの拡張を自力で賄うことがこれまで一度もできていない。2018年はパンデミック前で最も良い年で、輸送事業のEBITは20億香港ドルだった。一方で2024〜2026年の資本支出（CAPEX）の見込みは879億香港ドルで、ほぼすべてが鉄道に使われる。3年間のピーク時の鉄道利益だけでは、資本支出の8%程度しかカバーできない。運賃収入では、そもそも次の路線の建設を賄う設計になっていない。
MTRの運賃は、政府の運賃調整メカニズムによって負担可能な水準に保たれている。建設コストを回収できるような運賃に設定することは不可能だ。そんなことをすれば誰も座れなくなるし、公共交通の本来の目的にも反する。各路線は自分の運営コストをカバーできるかもしれないが、運賃収入は決して次の路線の建設を支えられない。
AIのAPI価格に直面しているのは、同じ問題の鏡像版だ。蒸留とオープンソースの代替品によって、API価格は年あたり約10倍の速度で下がっていく。限界コストを上回る価格をつける実験室は、すべて数量を競合に手渡すことになる。各モデルは推論の段階では運営面で利益を出せるかもしれないが、利益率は次の学習サイクルの支出を永遠に賄えない。
世界で通用している解決策は補助金だ。ロンドン地下鉄はTfLの助成、中国の高速鉄道は兆ドル規模の債務を背負い、94%の路線は儲かっていない。AIも同じ道を歩んでいる：CHIPS法案、Stargateプロジェクト、ソブリン・ウェルス・ファンドの投資、国防総省の契約。デフォルトの終着点は、補助金に依存する準公共インフラである。
MTRは別の道を見つけた。
鉄道＋不動産
MTRが1979年に建設を始めた当初から、設計者は「運賃では建設コストを永遠に回収できない」ことを理解していた。そこで彼らは、まったく別の前提で会社を設計した——鉄道が周辺の土地を値上がりさせるなら、土地を手元に持つべきだ、と。
MTRは駅の上部や周辺で住宅ビル、オフィス、ショッピングセンターを開発し、自社のインフラが生み出した価値の増分を回収してポケットに入れる。こうして不動産の利益が鉄道運営を補填し、次の路線に資金を回す。現在、MTRは13のショッピングセンターを持ち、47の駅の上部にまたがる不動産プロジェクトを管理しており、不動産は実際の利益の大部分を担っている。
論理は明快だ。鉄道そのもののサービスから価値を取りに行くな。鉄道によって値上がりするそれらの資産を持て。
AIとの対応関係
「AI実験室はいつ儲かるのか？」と「鉄道はいつ運賃だけで自立できるのか？」は、同型の問題だ。答えも同じ——できないし、そもそも問い方が間違っている。
あるバイオテックのスタートアップは最先端モデルで医薬品化合物を選別し、臨床試験にかかる2年を節約した。ある物流会社はそれで配送ルートを最適化し、燃料コストを4000万ドル削減した。ある独立開発者は週末に納品し、過去5人のチームが3か月かけて完成させたプロジェクトを前倒しした。どのケースでも、モデル提供側がAPI料金として回収できる価値は、ほんの数パーセント未満にすぎない。提供側が値上げできないのは、他に4つの実験室と十数個のオープンソース代替品がほぼ同等の能力を提供しているからだ。残りの価値の流れはユーザーと、より広い経済圏へ向かう。
汎用技術というのは、そういうものだ。蒸気機関、電力、TCP/IPも、それらを生み出した側に収入をもたらしたことはない。
MTRの示唆：運賃で建設コストを回収しようとするのをやめて、あなたの「駅上の不動産」を探せ。
4つの候補案（防御的な順に）
政府が付与するデプロイ権が第一位だ。政府がある実験室に、国の医療記録、税務システム、または国防の後方支援に対する独占アクセスを与える。実験室が蓄積した領域データ、システム統合の深さ、規制上の資格は、数年かけないと複製できない。これがMTR自身の仕組みだ——国家が自然独占の性質に基づいて開発権を授与する。
強化学習の「報酬データ」の蓄積が第二位。数十億回の対話シグナルを用いて次世代モデルを訓練する。モデルの重みと異なり（重みは蒸留によって価値が目減りする）、RLデータはほぼ複製不可能で、世代をまたいで複利的に積み上がる。それは直接マネタイズできないかもしれないが、「土地」のようなもので、値上がりし、まだ開発されていない。
前置デプロイ型の統合が第三位。モデルのインターフェースをコンサル会社に売って生産性の余剰を持っていかせるのではなく、自分でエンドツーエンドでサービス提供の層全体を所有する。Palantirが、ソフトのライセンスを売るのではなく、エンジニアを政府機関に埋め込むのと同じだ。実験室は法律事務所からAPI費用を取らない。実験室は法律研究サービスそのものになり、消費したtokenではなく、納品した成果に基づいて価格が決まる。切替コストは、領域データや機関の知識が蓄積されるほど、継続的に上乗せされる。これがMTRのショッピングセンターだ——鉄道が生み出す人流を収益化し、乗客の運賃を上げるのではない。
国家データセットのデータホスティングが第四位。各国政府は、十分に活用されていない大量のデータセット（患者の記録、税務申告など）を握っている。ホスティング方に指定された最先端の実験室は、これらへの独占アクセスを得て、データに基づくモデルの訓練と製品の構築を行う。しかしこれは、公私のデータ独占を生み出すため、厳格なガバナンスの枠組みが必要になる：利用の境界を明確にし、公共への還流で得られる利益を規定し、独立した監督と、本当に拘束力のある説明責任の仕組みを用意すること。
問題の再定義
生き残れる実験室とは、APIを収益化可能にするようなものではなく、いまこの瞬間に自分の「駅上の不動産」を見つけて建設を始めるようなものだ。APIは鉄道であり、永遠に十分なお金を稼ぐことはない。お金は、鉄道の周りで値上がりする資産の中にある。
政策レベルの問題も同様に生じる。訓練の運営に補助金を出すよりも、政府は制度メカニズムを設計すべきだ（デプロイ権の枠組み、データのホスティング構造、生産性の測定基準など）。そうすれば、実験室が自らのインフラが生み出す余剰価値を取り込める。
最後に一つ、皮肉がある。AI政策の議論は、中米の枠組みに支配されている：アメリカの自由市場の実験室対、中国の国家が支援するチャンピオン企業。参照価値が最も高い制度モデルは、その両方ではない可能性がある。答えは香港のモデルかもしれない——45年の歴史を持つ官民混合体で、制度設計を通じて、イデオロギーではなく自己資金で回しながら商業化している。
1.16M 人気度
226.57K 人気度
72.07K 人気度
763.78K 人気度
187.04K 人気度
AIの会社は儲からないので、香港の地下鉄から学ぶべきだ
作者：Michael Wenye Li
翻訳：深潮 TechFlow
深潮導読：AI実験室は数千億ドルを燃やしたが、いつお金が回収できるのか誰にもはっきり説明できない。APIの価格設定は毎年10倍のスピードで下がり、オープンソースはクローズドの後を追いかけ、学習コストは積めば積むほど高くなる。この記事はテック業界の視点を飛び越え、香港の地下鉄MTRの45年にわたるビジネスモデルで、非常に示唆に富む答えを出す——チケット収入で儲けようとするな。駅の上の不動産を持て。
彼らは稼げないし、この問題自体が問い方を間違えている
こういうビジネスがある：最初に数十億の資本を投下しても、収入は一銭もない。中核サービスの価格は限界コストにほぼ近い。ユーザーに莫大な価値を生み出すが、建設側はほとんど一銭も回収できない。さらに次世代のインフラにも止まらず投資し続ける必要がある。
これはAI実験室の話ではなく、大型鉄道システムの話だ。
多くの人が鉄道をAI業界にたとえるが、ほとんどの結論はこうだ：汎用技術は公共財の性格を持つため、商業的に成立するには政府補助が欠かせない。
私はこの結論に異議を唱えたい。なぜなら香港のMTR（港鉄）は、実際にこの問題を解決しているからだ。MTRは世界でも極めて少数の「商業的に自立している」地下鉄システムの一つで、上場企業として配当や還元を行い、政府による運営補助を受けていない。
財務構造はまったく同じ
MTRの中核となる鉄道事業は、自らの拡張を自力で賄うことがこれまで一度もできていない。2018年はパンデミック前で最も良い年で、輸送事業のEBITは20億香港ドルだった。一方で2024〜2026年の資本支出（CAPEX）の見込みは879億香港ドルで、ほぼすべてが鉄道に使われる。3年間のピーク時の鉄道利益だけでは、資本支出の8%程度しかカバーできない。運賃収入では、そもそも次の路線の建設を賄う設計になっていない。
MTRの運賃は、政府の運賃調整メカニズムによって負担可能な水準に保たれている。建設コストを回収できるような運賃に設定することは不可能だ。そんなことをすれば誰も座れなくなるし、公共交通の本来の目的にも反する。各路線は自分の運営コストをカバーできるかもしれないが、運賃収入は決して次の路線の建設を支えられない。
AIのAPI価格に直面しているのは、同じ問題の鏡像版だ。蒸留とオープンソースの代替品によって、API価格は年あたり約10倍の速度で下がっていく。限界コストを上回る価格をつける実験室は、すべて数量を競合に手渡すことになる。各モデルは推論の段階では運営面で利益を出せるかもしれないが、利益率は次の学習サイクルの支出を永遠に賄えない。
世界で通用している解決策は補助金だ。ロンドン地下鉄はTfLの助成、中国の高速鉄道は兆ドル規模の債務を背負い、94%の路線は儲かっていない。AIも同じ道を歩んでいる：CHIPS法案、Stargateプロジェクト、ソブリン・ウェルス・ファンドの投資、国防総省の契約。デフォルトの終着点は、補助金に依存する準公共インフラである。
MTRは別の道を見つけた。
鉄道＋不動産
MTRが1979年に建設を始めた当初から、設計者は「運賃では建設コストを永遠に回収できない」ことを理解していた。そこで彼らは、まったく別の前提で会社を設計した——鉄道が周辺の土地を値上がりさせるなら、土地を手元に持つべきだ、と。
MTRは駅の上部や周辺で住宅ビル、オフィス、ショッピングセンターを開発し、自社のインフラが生み出した価値の増分を回収してポケットに入れる。こうして不動産の利益が鉄道運営を補填し、次の路線に資金を回す。現在、MTRは13のショッピングセンターを持ち、47の駅の上部にまたがる不動産プロジェクトを管理しており、不動産は実際の利益の大部分を担っている。
論理は明快だ。鉄道そのもののサービスから価値を取りに行くな。鉄道によって値上がりするそれらの資産を持て。
AIとの対応関係
「AI実験室はいつ儲かるのか？」と「鉄道はいつ運賃だけで自立できるのか？」は、同型の問題だ。答えも同じ——できないし、そもそも問い方が間違っている。
あるバイオテックのスタートアップは最先端モデルで医薬品化合物を選別し、臨床試験にかかる2年を節約した。ある物流会社はそれで配送ルートを最適化し、燃料コストを4000万ドル削減した。ある独立開発者は週末に納品し、過去5人のチームが3か月かけて完成させたプロジェクトを前倒しした。どのケースでも、モデル提供側がAPI料金として回収できる価値は、ほんの数パーセント未満にすぎない。提供側が値上げできないのは、他に4つの実験室と十数個のオープンソース代替品がほぼ同等の能力を提供しているからだ。残りの価値の流れはユーザーと、より広い経済圏へ向かう。
汎用技術というのは、そういうものだ。蒸気機関、電力、TCP/IPも、それらを生み出した側に収入をもたらしたことはない。
MTRの示唆：運賃で建設コストを回収しようとするのをやめて、あなたの「駅上の不動産」を探せ。
4つの候補案（防御的な順に）
政府が付与するデプロイ権が第一位だ。政府がある実験室に、国の医療記録、税務システム、または国防の後方支援に対する独占アクセスを与える。実験室が蓄積した領域データ、システム統合の深さ、規制上の資格は、数年かけないと複製できない。これがMTR自身の仕組みだ——国家が自然独占の性質に基づいて開発権を授与する。
強化学習の「報酬データ」の蓄積が第二位。数十億回の対話シグナルを用いて次世代モデルを訓練する。モデルの重みと異なり（重みは蒸留によって価値が目減りする）、RLデータはほぼ複製不可能で、世代をまたいで複利的に積み上がる。それは直接マネタイズできないかもしれないが、「土地」のようなもので、値上がりし、まだ開発されていない。
前置デプロイ型の統合が第三位。モデルのインターフェースをコンサル会社に売って生産性の余剰を持っていかせるのではなく、自分でエンドツーエンドでサービス提供の層全体を所有する。Palantirが、ソフトのライセンスを売るのではなく、エンジニアを政府機関に埋め込むのと同じだ。実験室は法律事務所からAPI費用を取らない。実験室は法律研究サービスそのものになり、消費したtokenではなく、納品した成果に基づいて価格が決まる。切替コストは、領域データや機関の知識が蓄積されるほど、継続的に上乗せされる。これがMTRのショッピングセンターだ——鉄道が生み出す人流を収益化し、乗客の運賃を上げるのではない。
国家データセットのデータホスティングが第四位。各国政府は、十分に活用されていない大量のデータセット（患者の記録、税務申告など）を握っている。ホスティング方に指定された最先端の実験室は、これらへの独占アクセスを得て、データに基づくモデルの訓練と製品の構築を行う。しかしこれは、公私のデータ独占を生み出すため、厳格なガバナンスの枠組みが必要になる：利用の境界を明確にし、公共への還流で得られる利益を規定し、独立した監督と、本当に拘束力のある説明責任の仕組みを用意すること。
問題の再定義
生き残れる実験室とは、APIを収益化可能にするようなものではなく、いまこの瞬間に自分の「駅上の不動産」を見つけて建設を始めるようなものだ。APIは鉄道であり、永遠に十分なお金を稼ぐことはない。お金は、鉄道の周りで値上がりする資産の中にある。
政策レベルの問題も同様に生じる。訓練の運営に補助金を出すよりも、政府は制度メカニズムを設計すべきだ（デプロイ権の枠組み、データのホスティング構造、生産性の測定基準など）。そうすれば、実験室が自らのインフラが生み出す余剰価値を取り込める。
最後に一つ、皮肉がある。AI政策の議論は、中米の枠組みに支配されている：アメリカの自由市場の実験室対、中国の国家が支援するチャンピオン企業。参照価値が最も高い制度モデルは、その両方ではない可能性がある。答えは香港のモデルかもしれない——45年の歴史を持つ官民混合体で、制度設計を通じて、イデオロギーではなく自己資金で回しながら商業化している。