AIバブルは、なぜ避けられないのか？
国家予算7年分の設備投資。2030年、AIが世界を変えても、誰がその借金を返すのか。
循環する巨額の資金、増え続ける設備投資、急速に古くなるGPU。そして、最後にお金を払う人はどこにいるのか。
2026年10月18日｜可児波起
序章｜日本の国家予算7年分を、世界はAIに投じようとしている
125兆4,000億円。
これは、2026年度の日本の国家予算、補正後の一般会計の規模です。
日本という国が1年間に使うお金です。
年金や医療などの社会保障、教育、防衛、公共事業、国債の利払い。
僕たちが暮らす日本という国を動かすために、これだけのお金が必要になります。
125兆円。
もう、この時点で十分に大きな金額ですよね。
ところが今、世界では、この国家予算の約7年分に相当するお金を、一つの技術のために投じようとしています。
人工知能、AIです。
世界的なコンサルティング会社McKinseyは、2030年までに世界のデータセンターへ約1,072兆円の投資が必要になると推計しています。
そのうち、AIの計算処理に対応する設備だけで約832兆円。
日本の国家予算の約6.6年分です。
比較する金額 | 金額 |
|---|---|
日本の国家予算（2026年度補正後・年間） | 約125.4兆円 |
世界のAIデータセンター投資予測（2030年までの累積） | 約832兆円 |
国家予算との規模比較 | 約6.6年分 |
国家予算と企業の設備投資は違うものですが、ここでは金額の大きさを実感するための物差しとして使っています。
それにしても、832兆円。
とんでもない金額です。
巨大なデータセンターを建設する。
大量の半導体を購入する。
発電所を増やす。
電力を届けるための設備を作る。
冷却装置を設置する。
何十万台ものサーバーを動かす。
僕たちが普段使っているChatGPTやClaudeは、パソコンやスマートフォンの画面に表示されるサービスです。
でも、その画面の向こう側では、世界史に残る規模の設備投資が進もうとしています。
AIは、もはやソフトウェアだけの産業ではありません。巨大な設備投資産業になっているのです。
そして僕には、ずっと気になっていることがあります。
これだけのお金を使って作ったデータセンターは、何年間働けるのでしょうか。
何年間で元を取るのでしょうか。
そして、そのお金は誰が払うのでしょうか。
僕自身、生成AIが大好きです。
毎日仕事で使っていますし、もう半分は遊びのような感覚で、次々に新しい使い方を試しています。
「えーー！ こんなこともできるの？」
「じゃあ、これもできるんじゃない？」
そんなことを繰り返しているうちに、これまで人間が長時間かけていた仕事までAIへ任せるようになりました。
僕は、AIがこれから社会を大きく変えると思っています。
むしろ、2030年には今の想像を超えるほど高性能になっているのではないでしょうか。
だから今回、少し変わった方法でAIバブルを考えてみたいと思いました。
AIが失敗する未来ではなく、AIが大成功する未来を前提にする。
2030年。
AIは人間の仕事を大量にこなしている。
科学研究も進んでいる。
企業の生産性も上がっている。
誰もが安く、高性能なAIを使えるようになっている。
そんな素晴らしい未来が実現したとしましょう。
そのとき、2026年に計画された巨額の設備投資は、予定どおり利益を生んでいるのでしょうか。
僕の予言は、こうです。
2030年、AIは大成功している。その一方で、AIへの設備投資を回収できない企業が続出する。
しかも、その原因はAIの失敗ではありません。
AIが猛烈な速度で進歩すること自体が、以前の設備投資を苦しめる。
なぜそう考えるのか。
その理由を、世界のAI企業が描く未来と、実際のお金の流れから追いかけてみたいと思います。
第Ⅰ部｜AI企業が約束する、素晴らしい2030年
第1章｜OpenAI、Anthropic、Google。世界を変えるAIの未来
まず、2030年のAIがどんな姿になっているのかを考えてみます。
世界の主要AI企業は、現在よりはるかに大きな未来を描いています。
OpenAIは、ChatGPTを単に質問へ回答するサービスとして終わらせようとしていません。
AIが科学研究を進める。
新しい仮説を立てる。
実験結果を分析する。
さらに、次のAIを開発する研究そのものをAIが支援する。
そうした未来を目指しています。
想像してみてください。
現在、研究者が何年もかけて行っている仕事を、AIが手伝えるようになる。
膨大な論文を読み、人間が気づかなかった組み合わせを発見する。
新薬や新素材の開発が加速する。
エネルギー問題の解決にも、新しい可能性が生まれる。
しかも、AIがAIの研究開発を支援できるようになれば、技術の進歩そのものがさらに速くなるでしょう。
Anthropicも、大きな未来を描いています。
2026年10月、同社の共同創業者Jack Clarkは、AIによる知識労働の自動化や科学技術の進歩によって、2030年のアメリカ経済が飛躍的に成長するシナリオを示しました。
その大胆な予測では、アメリカのGDPが約7,000兆円規模に達する可能性があります。
GDPとは、国内で1年間に新しく生み出された経済的な価値の合計です。
AIが人間の仕事を支援し、企業の生産性を高めれば、社会全体で生み出される価値も増えていく。
そうした未来です。
Googleは、検索やメール、広告、クラウドへAIを組み込んでいます。
Microsoftは、Officeや企業システムでAIを活用しています。
Amazonは、AWSというクラウドサービスを通じて、企業がAIを利用するための計算基盤を提供しています。
Metaも、広告やSNSとAIを組み合わせています。
そしてNVIDIA。
NVIDIAは、AI向けの半導体を作る世界的な企業です。
同社は、データセンターを「AI工場」と呼んでいます。
従来の工場が自動車や家電製品を大量生産してきたように、AI工場は計算能力を使って知能を提供する。
文章を書く。
プログラムを作る。
画像や動画を生成する。
企業の仕事を自律的に処理する。
そうしたAIの働きを、巨大な計算設備によって提供するのです。
僕は、この未来に大きな可能性を感じています。
なぜなら、その初期段階がすでに始まっているからです。
僕自身、AIにECサイトの商品情報を調べてもらい、競合価格を比較し、ブログを制作し、業務改善のための仕組みまで作ってもらっています。
人間が確認しなければならない部分は残っています。
でも、AIが実際の仕事を処理できる範囲は確実に広がっています。
2030年になれば、今よりもはるかに多くの仕事をAIへ任せられるようになっているでしょう。
そして、こうしたAIが一部の大企業だけではなく、中小企業や個人にも広がっていく。
僕は、そんな未来を楽しみにしています。
2030年、AIは社会のあらゆる場所に広がっている。
今回のコラムでは、この未来を前提にします。
では、その素晴らしい未来が実現したとき、AI企業はどれくらいのお金を稼げるのでしょうか。
第2章｜AIが生み出す豊かさは、AI企業の売上になるのか
例えば、ある企業がAIを導入したとします。
それまで人間が行っていた仕事をAIで効率化し、年間10億円の費用を削減できたとしましょう。
素晴らしい成果です。
会社の利益が増える。
社員は、より重要な仕事へ時間を使える。
企業の生産性も上がります。
では、この会社はAIサービスへ年間10億円を支払うでしょうか。
おそらく、そんなことはありません。
仮にAIの利用料金が年間1億円なら、削減できた10億円との差額、9億円が利用企業に残ります。
AIを導入した企業は9億円の利益を得る。
一方、AIサービス企業の売上は1億円です。
ここに、今回のコラムを考えるうえで重要な違いがあります。
AIが社会に生み出す経済的な価値と、AI企業が料金として受け取る金額は、同じではない。
しかも、AIの提供方法は一つではありません。
OpenAIやAnthropicのように、AIの利用料金を事業の中心にする企業があります。
一方、GoogleやMetaには、AIそのものを無料、あるいは安価に提供し、広告や既存サービスで収益を得る方法もあります。
Microsoftは、AIをOfficeなどの企業向けサービスに組み込むことができます。
つまり、AIが社会へ広がることと、利用者がAI専用のサービスへ高額な料金を支払うことは、別なのです。
そしてAIの性能が上がれば、価格競争も進むでしょう。
同じ仕事を安く処理できるサービスが登場すれば、利用者はそちらを選びます。
僕だって、同じ成果が得られるなら安い方法を選びます。
AIはますます便利になる。
利用する企業も増える。
社会全体の生産性も上がる。
でも、その利益のすべてがAIサービス企業へ集まるわけではありません。
AIの社会的な成功が、AI企業の売上を保証するわけではない。
まず、この違いを覚えておきたいと思います。
この区別から投資の最後の財布を考えた別記事は、AIは本物。それでも僕がAIバブルを疑うのは「最後の財布」が見えないからです。
ここから先は、実際にAI企業がどれほど巨大な売上を目指しているのかを見ていきます。
第Ⅱ部｜国家予算7年分の投資を、誰が回収するのか
第3章｜OpenAIは2030年、トヨタを超える売上を目指す
では、AI企業は実際にどれくらいの売上を目指しているのでしょう。
ここで、日本人に馴染みのある企業と比較してみます。
トヨタ自動車です。
トヨタの2026年3月期の年間売上は、約50兆7,000億円でした。
世界中で自動車を販売する、日本を代表する巨大企業です。
Volkswagenグループの2025年売上も、約57兆9,000億円あります。
どちらも、何十年もの時間をかけて、工場、研究開発、販売網、物流網を作ってきました。
では、OpenAIはどうでしょう。
2026年9月時点で報じられた年換算売上は、約8兆円規模です。
年換算売上とは、直近の売上ペースが1年間続いたら、どれくらいになるかという数字です。
年間の確定した決算ではありませんが、現在の事業規模を理解する目安になります。
約8兆円。
それだけでも相当な金額です。
ところが、Financial Timesが報じたOpenAIの社内計画では、2030年の年間売上予測は約56兆円です。
つまり2030年には、現在のトヨタに匹敵する巨大企業になることを目指しているのです。
企業 | 年間売上 |
|---|---|
トヨタ自動車（2026年3月期実績） | 約50.7兆円 |
Volkswagen（2025年実績） | 約57.9兆円 |
OpenAI（2026年9月時点の年換算） | 約8兆円 |
OpenAI（2030年の社内予測） | 約56兆円 |
とてつもない成長ですよね。
そして、急成長しているAI企業はOpenAIだけではありません。
Anthropicも、法人向けAIを中心に売上を伸ばしています。
2026年10月に報じられた同社の第3四半期売上は、約2.7兆円。
四半期、つまり3カ月間の売上です。
AI企業は、すでに大きな売上を生み出し始めています。
ここを見落としてはいけないと思います。
AIには実際にお金を払う顧客が存在している。
企業がAIを導入している。
需要が伸びている。
これは事実です。
僕は2030年、OpenAIやAnthropicが今よりはるかに大きな企業になっていると考えています。
では、OpenAIが年間56兆円を売り上げる企業になったとしましょう。
大成功ですよね。
ところが、その巨大な企業を作るために、さらに莫大なお金が必要になります。
Financial Timesが報じたOpenAIの計画では、2030年までの計算資源やインフラ関連の支出は、約137兆円規模。
さらに、その間の累積フリーキャッシュフローの赤字は、約44兆円に達する見通しです。
フリーキャッシュフローとは、企業が事業で生み出した現金から、設備投資などに使ったお金を差し引いたものです。
簡単に言えば、事業を動かし、必要な設備へ投資したあと、現金がどれだけ残ったかという数字です。
赤字であれば、事業から入ってきた現金だけでは投資などを賄い切れず、ほかの資金が必要になります。
つまりOpenAIは、将来の巨大な売上を目指すために、その前の段階で大量の資金を必要としているのです。
お金を借りる。
投資家から出資を受ける。
クラウド企業と長期契約を結ぶ。
将来の成長を見込んで、現在の設備を確保する。
そして、売上が伸びる未来を待つ。
これが現在のAI産業です。
僕は、OpenAIが2030年に56兆円の売上を達成することも十分にあり得ると思っています。
でも。
トヨタ級の売上を達成する企業でさえ、巨額の追加資金が必要になる。
この事実は、AIという産業がどれほどお金を使う構造になっているかを示しています。
第4章｜なぜAIには832兆円もの設備投資が必要なのか
僕たちが普段使っているAIは、パソコンやスマートフォンの画面に表示されます。
質問すると、答えが返ってくる。
文章を作る。
画像を生成する。
プログラムを書く。
利用者から見ると、画面の中で完結しているように見えます。
でも、その向こう側では、巨大な計算設備が動いています。
AIの計算を担当する中心的な半導体がGPUです。
GPUは、大量の計算を同時に処理することが得意な半導体で、AIの学習や推論に使われています。
ただ、GPUだけではAIサービスを提供できません。
大量のデータを保存する設備が必要です。
半導体同士を高速につなぐネットワークも必要です。
GPUは大量の熱を発生させるため、冷却設備も必要になります。
そして、何より大量の電力が必要です。
こうした設備をまとめたものが、AIデータセンターです。
主な設備 | 役割 |
|---|---|
GPU | AIの計算を実行する |
サーバー・メモリー | データ処理や保存を行う |
高速ネットワーク | 大量のGPUを連携させる |
電力設備 | 必要な電力を供給する |
冷却設備 | 半導体の熱を処理する |
建物・土地 | 設備を収容し、運用する |
McKinseyが推計した約832兆円は、こうしたAI対応データセンターを世界中に整備するための投資です。
ここで、設備投資には一つの特徴があります。
お金を使うのが先で、回収するのは後。
データセンターを建設する。
GPUを購入する。
電力を確保する。
実際にサービスを提供できる状態にする。
そして、顧客へ計算能力を販売する。
設備が完成しても、それだけでは利益は生まれません。
利用する顧客がいて、料金を支払ってくれて初めて投資回収が始まります。
しかも、AIデータセンターでは、建設から稼働までに時間がかかります。
土地を確保する。
建物を建設する。
電力の供給を受ける。
設備を設置する。
何年もかかる場合があります。
その間も、投資したお金には費用が発生します。
銀行から借りていれば利息が必要です。
投資家から資金を集めていれば、将来の利益を期待されます。
つまり、AIデータセンターは、稼働する前から大きな資金負担を抱えているのです。
この巨大な先行投資を、AIサービスの売上で何年間もかけて回収しなければなりません。
では、ほかの巨大産業は、どのように設備投資を回収しているのでしょうか。
第5章｜自動車産業は、巨大な設備投資をどう回収しているのか
トヨタやVolkswagenも、巨大な設備投資を行っています。
工場を建設する。
製造ラインを整備する。
新しい車種を研究開発する。
そして、自動車を製造して販売します。
自動車産業には、長い年月をかけて形成された巨大な市場があります。
世界中の人が自動車を購入する。
企業がトラックを購入する。
古くなった車を買い替える。
こうした需要が、毎年発生しています。
自動車メーカーは、実際に商品を購入する顧客から売上を得ています。
そして、その売上をもとに、次の研究開発や設備投資を行います。
自動車産業にも大きな経営リスクがあります。
電気自動車への転換。
関税。
原材料価格。
為替相場。
競争による値下げ。
こうした問題によって、企業の利益は大きく変わります。
それでも、自動車産業には、長い時間をかけて形成されてきた最終需要があります。
一方、AI産業はどうでしょう。
AIの需要は急速に成長しています。
しかし、現在のAI市場は、短期間で何百兆円もの設備投資を必要とするほどの規模に拡大しようとしています。
ここに大きな違いがあります。
自動車産業は、長い年月をかけて市場を形成し、その市場から得た売上をもとに設備投資を続けてきました。
AI産業では、将来の巨大な需要を見込んで、現在の市場規模を大きく超える設備投資が進んでいます。
つまり、将来の売上を先取りする形で、お金が投入されているのです。
そして、投資をした企業は、その将来の売上によって設備を回収しなければなりません。
ここで、今回のコラムで最初の大きな計算をしてみます。
第6章｜投資回収に年間307兆円。本当にそれだけ売れるのか
832兆円。
これだけのお金をAIデータセンターへ投資した場合、毎年どれくらいの売上が必要になるのでしょう。
ここからは、僕自身の試算です。
考え方は単純です。
企業は、設備を購入するためにお金を使います。
その設備を動かして売上を得る。
電気代や運営費用を支払う。
そして、残ったお金で設備投資を回収し、投資家へ利益を還元します。
今回は、次の条件を設定しました。
投資総額は832兆円。
そのうち、GPUやサーバーなどのIT設備に496兆円。
建物や電力設備などに336兆円。
IT設備は6年間使えるとします。
建物や電力設備は20年間使えるとします。
投資家が求める年間収益率は10％。
さらに、売上の50％を設備投資の回収へ使えると考えます。
つまり、売上100円のうち50円が、設備投資の回収と投資家への利益に使えるという想定です。
この条件で計算すると、必要な年間売上は約307兆円になります。
毎年307兆円です。
設備を建設した年だけ307兆円売り上げればよい、という話ではありません。
設備を利用する間、必要な収入を確保し続ける必要があります。
ここで、もう一度、日本の国家予算を思い出してください。
年間125.4兆円。
AIインフラの投資回収に必要な年間売上307兆円は、その約2.45倍です。
比較する金額 | 年間額 |
|---|---|
日本の国家予算 | 125.4兆円 |
OpenAIの2030年売上予測 | 約56兆円 |
AIインフラ投資回収に必要な売上（独自試算） | 約307兆円 |
OpenAIが2030年にトヨタ級の企業へ成長したとしても、世界全体のAIインフラが回収しなければならない金額は、はるかに大きい。
Google、Microsoft、Amazon、Anthropicなども成長するでしょう。
それでも、僕が知りたいのは一つです。
世界中の企業と消費者は、毎年これほどのお金をAIの計算設備へ支払い続けるのでしょうか。
利用する人が増えるだけでは足りません。
設備投資を回収できるだけの収入が必要です。
ここで初めて、AI産業の規模を考えるときの重要な問題が見えてきます。
AIの需要が大きくなることと、その需要から十分な料金を回収できることは違う。
そして、その設備は、永遠に使えるわけではありません。
次に考えたいのは、GPUの寿命です。
第Ⅲ部｜AIの猛烈な進歩が、巨額の設備投資を古くする
第7章｜トヨタの工場は何年使える？ AIのデータセンターは？
設備には、いくつかの寿命があります。
一つは、物理的な寿命。
機械が壊れるまで、どれくらい使えるかという期間です。
もう一つは、会計上の耐用年数。
購入した設備の費用を、何年間に分けて経費として扱うかというものです。
そして、今回、僕が最も重要だと思っているのが、経済的な寿命です。
その設備を使って、競争力のある事業を続けられる期間です。
例えば、自動車工場。
建物は長期間使えます。
電力設備も使えます。
製造ラインやロボットも、改修しながら利用できます。
新しい車種が発売されたからといって、工場の建物をすべて壊すわけではありません。
では、AIデータセンターはどうでしょう。
建物や電力設備は長期間使えます。
しかし、GPUの経済的な寿命は、技術の進歩によって大きく変わります。
新しいGPUが登場すると、同じAIの計算を、より速く、より少ない電力で処理できるようになります。
すると、古いGPUを使っている企業は、新しいGPUを持つ競合企業との価格競争にさらされます。
GPU自体はまだ動く。
でも、十分な利益を生み出せなくなる。
これが経済的な寿命の問題です。
実際、Amazonは2025年、AIや機械学習の技術進歩を理由として、一部のサーバー設備の会計上の耐用年数を6年から5年へ短縮しました。
技術の進歩が、企業の会計にも直接影響しているのです。
では、GPUの性能は実際にどれほど進歩しているのでしょうか。
第8章｜2024年のGPUは、2026年にはどれほど古くなったのか
2024年、NVIDIAのH200は、AI向けの高性能GPUとして注目されていました。
大量のAI計算を処理するための、非常に高性能な半導体です。
ところが2026年には、次の世代のRubinが登場しています。
この2つを比較してみます。
GPU | メモリー容量 | メモリー帯域幅 |
|---|---|---|
NVIDIA H200 | 141GB | 4.8TB/秒 |
NVIDIA Rubin | 288GB | 22TB/秒 |
メモリー容量とは、GPUが一度に扱えるデータの大きさです。
メモリー帯域幅とは、そのデータをどれだけ速く読み書きできるかという性能です。
Rubinのメモリー容量はH200の約2倍。
帯域幅は約4.6倍です。
わずか数年で、これほどの性能向上が起きています。
メモリー帯域幅が4.6倍になったから、すべてのAI処理が4.6倍速くなるわけではありません。
でも重要なのは、こうした技術進歩によって、AIの計算コストが下がる方向に進んでいることです。
NVIDIAは、GPU単体だけでなく、CPU、ネットワーク、ソフトウェアを組み合わせたシステム全体でも性能を高めています。
より少ない電力で、より多くの計算を処理する。
より多くのGPUを効率的に連携させる。
無駄な計算を減らす。
こうした改善が積み重なっています。
AIが社会へ広がるためには、計算コストを下げることが重要です。
その意味で、NVIDIAの技術進歩は歓迎すべきものです。
しかし、ここで一つの構造が見えてきます。
新しいGPUを販売する企業にとって、技術進歩は新しい売上を生み出す機会です。
一方、以前のGPUを大量に保有している企業にとっては、競争力を維持するために、新しい設備への更新が必要になります。
AIの技術進歩は、半導体メーカーの新しい販売機会を生み出すと同時に、設備保有企業へ更新を迫るのです。
では、GPUを予定より短い期間で更新しなければならなくなったら、投資回収はどう変わるのでしょうか。
第9章｜GPUの寿命が半分になったら、必要売上はどうなるのか
ここで、第6章の計算へ戻ります。
基本ケースでは、GPUなどのIT設備を6年間利用できると想定しました。
その場合、投資回収に必要な年間売上は約307兆円でした。
では、技術進歩によって、経済的な寿命が3年間になったら？
必要な年間売上は約478兆円になります。
さらに、2年間だったら？
約651兆円です。
IT設備の経済寿命 | 必要年間売上 |
|---|---|
6年 | 約307兆円 |
3年 | 約478兆円 |
2年 | 約651兆円 |
6年から3年になるだけで、必要な年間売上は約171兆円増えます。
設備を短期間で回収しなければならなくなるからです。
ここで考えてほしいのは、GPUの性能向上が二つの方向から設備保有企業へ影響することです。
一つは、古い設備の経済的な寿命が短くなること。
もう一つは、新しい設備との競争によって、計算サービスの販売単価が下がることです。
つまり、必要な売上は増える。
でも、販売単価は下がる。
この二つが同時に起きる可能性があります。
AIの計算能力が安くなるほど、以前の設備投資を回収する条件は厳しくなる。
僕は、ここがAIバブルの最大の問題の一つだと考えています。
第10章｜2030年のAGIは、現在のGPUを使っているのか
さらに、もう一つ考えたいことがあります。
2030年、AIが人間の仕事を大量にこなせるようになったとします。
高度な推論ができる。
長期間にわたって仕事を進められる。
科学研究や企業の業務を支援できる。
そんなAIが実現している。
でも、そのAIは、2026年に購入したGPUを中心に動いているのでしょうか。
僕には、そこが疑問です。
現在のAIは、巨大なモデルによって大量の計算を行っています。
しかし、将来のAIが同じ仕組みを使い続けるとは限りません。
例えば、一つの巨大なモデルがすべてを処理するのではなく、小さなAIモデルが役割分担するようになるかもしれません。
文章の分類は軽量なAIが担当する。
情報検索は専用の仕組みが担当する。
長期記憶は外部のデータベースが担当する。
高度な推論だけを、最高性能のAIが担当する。
こうした構成なら、すべての仕事へ大量の計算能力を投入する必要はありません。
また、AI向けの専用半導体も進化していくでしょう。
スマートフォンやパソコンの中でAIを動かす技術も発達するかもしれません。
つまり、2030年のAIは、今とは違う場所、違う半導体、違う計算方式で動いている可能性があります。
一方で、AIエージェントの高度化によって、世界全体の計算量そのものは増えるでしょう。
長時間にわたって複雑な仕事を処理すれば、それだけ多くの計算が必要になるからです。
ここで重要なのは、計算需要が増えるかどうかだけではありません。
増えた計算需要が、どの設備へ向かうのか。
2026年に建設した設備が、その需要を獲得できるのでしょうか。
それとも、新しい半導体や新しい計算方式を採用した設備へ、需要が移っていくのでしょうか。
僕は、2030年のAIインフラでは、この設備の世代交代が大きな競争を生むと考えています。
第Ⅳ部｜AI企業の売上と借金が、互いに支え合う構造
第11章｜AIは安くなる。それでも売上は増え続けるのか
2030年、AIの利用量は現在より大幅に増えているでしょう。
企業がAIを使う。
個人も使う。
AIエージェントが複雑な仕事を処理する。
ただ、利用量の増加が、そのまま売上の増加になるわけではありません。
例えば、あるAIサービスが1回100円で利用されているとします。
年間1,000万回利用されれば、売上は10億円です。
では2030年。
利用回数が10倍の1億回になったとしましょう。
でも、技術の進歩によって料金が10分の1、つまり1回10円まで下がっていたら？
売上は、やはり10億円です。
時点 | 利用回数 | 1回の料金 | 売上 |
|---|---|---|---|
現在 | 1,000万回 | 100円 | 10億円 |
2030年 | 1億回 | 10円 | 10億円 |
利用量は10倍。
でも売上は変わらない。
AIは社会に広く普及しています。
利用者にとっては素晴らしいことです。
では、AIサービス企業の利益はどうなるのでしょう。
ここで重要になるのが、1回の処理にかかる費用です。
例えば、現在は100円の料金に対して、計算費用が50円かかっていたとします。
2030年には、料金が10円へ下がった。
でも、計算費用も5円まで下がったなら？
1回当たりの利益の割合は維持できます。
さらに計算費用が2円まで下がれば、利益率は改善するでしょう。
つまり、AIサービス企業にとって重要なのは、利用料金が下がること自体ではありません。
料金が下がる速度と、計算費用が下がる速度の関係です。
これは、設備を所有する企業にとって重要な問題です。
新しいGPUによって計算費用を下げられる企業は、料金を下げながら利益を確保できます。
一方、古い設備を持つ企業は、同じ競争についていけないかもしれません。
2030年、AIの利用量は現在よりはるかに多くなっている。
でも、その需要を獲得して利益を出せる企業と、利益を出せない企業の差は、今より大きくなっているでしょう。
僕は、そう予測しています。
第12章｜最後にお金を払う人は、どこにいるのか
ここが、今回のコラムで僕が最も重要だと思っている部分です。
AI業界では、世界中の企業が巨大な取引を行っています。
OpenAIがクラウド企業と契約する。
クラウド企業がGPUを購入する。
NVIDIAが半導体を販売する。
データセンター企業が設備を建設する。
投資ファンドが資金を提供する。
銀行が融資する。
ニュースを見ると、何十兆円、何百兆円というお金が次々に動いています。
でも、僕はここで一度考えたいのです。
そのお金は、最初にどこから来たのでしょうか。
例えば、一般企業がAIサービスへ料金を支払います。
AIサービス企業は、その売上の一部をクラウド企業へ支払います。
クラウド企業は、GPUやデータセンターの利用料金を支払います。
半導体メーカーは、その売上を使って次の製品を開発する。
こうして、お金はAI産業の中を流れていきます。
各企業は実際に商品やサービスを提供しています。
でも、このお金の流れを考えるうえで、見落としてはいけないことがあります。
最終顧客が支払ったお金と、企業間で何度も計上される売上は、同じものではない。
例えば、あるAIサービス企業がクラウド企業へ料金を支払ったとしても、それは最終顧客が新たに追加料金を支払ったことを意味しません。
AI産業の中で、売上と費用が移動しているのです。
だから、AI産業全体の投資回収を考えるときには、最終顧客から実際にどれだけのお金が入ってくるかを確認しなければなりません。
では、その最終顧客は誰でしょう。
一般企業。
消費者。
政府や自治体。
研究機関。
広告主。
こうした人たちです。
そして、AIサービスを利用する企業や消費者が支払える金額には、当然限界があります。
AIによって企業が得る利益と、AIサービスへ支払う料金の違いは、第2章で確認しました。
ここで重要なのは、その料金が、AI産業の巨大な設備投資を支えるために十分なのかということです。
第6章で、僕は世界のAIインフラ投資を回収するために、年間約307兆円の売上が必要になると試算しました。
では、世界中の企業や消費者は、毎年それだけのお金をAIへ支払い続けるのでしょうか。
僕は、ここが最大の疑問です。
さらに現在のAI業界では、最終顧客から受け取るお金だけではなく、企業間の投資や融資によって設備投資が支えられています。
つまり、将来の売上を期待して、現在の巨大な設備投資が進んでいるのです。
そして、その構造を象徴するのが、次の問題です。
この最終顧客と企業間の受注残の違いは、OracleのAI受注残6380億ドルは「最終需要」なのか？で具体的に追っています。
第13章｜半導体を売る会社が、半導体を買う会社へお金を出している
AI業界では、半導体メーカー、クラウド企業、AI開発企業、投資家の間で、非常に複雑な資本関係が生まれています。
例えばNVIDIA。
NVIDIAは、AI向けGPUを販売する世界的な企業です。
当然、AIの需要が増えればGPUが売れます。
では、そのGPUを大量購入する企業へ、NVIDIA自身が資金を提供したらどうなるでしょう。
顧客企業は、GPUを購入するための資金を確保できます。
NVIDIAは、GPUを販売できます。
顧客企業はデータセンターを建設し、その計算能力をAI企業へ提供する。
そして、その将来の売上を期待して、さらに投資家から資金が集まる。
こうした関係が、AI業界で実際に生まれています。
普通に考えると、合理的です。
NVIDIAは、自社製品を購入する企業の成長を支援できる。
GPUを購入する企業は、設備投資の資金を確保できる。
AI企業は、必要な計算能力を利用できる。
それぞれにメリットがあります。
でも、ここで僕は疑問を持ちます。
半導体を売る会社が、半導体を買う会社へ資金を提供している。
この仕組みが巨大になったとき、何が起きるのでしょう。
2026年10月、国際決済銀行BISは、AI企業間の循環的な資金関係について分析を公表しました。
2021年から2025年にAI企業へ流入した投資額のうち、55.2％がほかのAI企業からの投資でした。
さらに、AI企業間の投資には、出資する企業と出資される企業の間に商取引関係も存在するものがあります。
つまり、企業が資金を提供し、その資金を受けた企業が、資金提供側の商品やサービスを購入する関係が生まれているのです。
例えばOracle。
Oracleは、AI向けのクラウドサービスを拡大しています。
2026年6月、同社は将来のサービス提供に関する契約残高が約102兆円に達したと発表しました。
契約残高とは、顧客と契約しているものの、まだサービスの提供や売上計上が終わっていない金額です。
将来の売上につながる可能性がある数字です。
さらに、顧客自身がGPUを購入し、その設備をOracleへ提供するような契約も存在します。
企業間の契約、設備投資、資金調達が、複雑に結びついているわけです。
そしてNVIDIAは、大型AIデータセンター開発に関して、最大約16.8兆円の信用保証を提供する契約を公表しています。
信用保証とは、資金を借りた企業が返済できなくなった場合などに、保証する側が一定の責任を負う仕組みです。
半導体メーカーが、半導体を購入する設備の資金調達まで支えていることになります。
ここで、僕はもう一つの問いを持ちます。
AI企業同士の投資や保証がなくなったら、現在の設備投資はどれくらい続けられるのでしょうか。
最終顧客が支払う料金だけで、現在の投資規模を維持できるのでしょうか。
僕は、この循環的な資金関係が、AIバブルの重要な特徴だと考えています。
第14章｜借金は消えない。姿を変えて金融市場へ広がる
AIデータセンターの建設には、莫大なお金が必要です。
GoogleやMicrosoft、Amazon、Metaのような巨大企業は、既存事業から大きな利益や現金を生み出しています。
そのため、自社の資金を使ってAI投資を続けることができます。
しかし、すべてのAI関連企業が同じ状況にあるわけではありません。
例えばCoreWeave。
CoreWeaveは、大量のGPUを保有し、その計算能力を企業へ提供するAIクラウド企業です。
大量のGPUを購入する。
データセンターを確保する。
電力を供給する。
そして、顧客へ計算能力を貸し出す。
そのために、巨額の資金が必要になります。
2026年6月時点で、同社の債務とリース債務は、報道ベースで合計約8.3兆円規模に達しています。
ここで、もう一つの仕組みが登場します。
SPVです。
SPVとは、特定の事業や資産を保有するために作られる特別な会社です。
難しく聞こえますが、例えばデータセンターだけを所有する会社を別に作る、と考えると分かりやすいでしょう。
AIサービスを提供する企業がある。
データセンターを所有する企業がある。
そのデータセンターの建設費用を出す銀行や投資ファンドがある。
それぞれの役割を分けるわけです。
設備を所有する会社は、お金を借りてデータセンターを建設します。
AIサービス企業は、その設備を長期間利用する契約を結びます。
そして、設備を所有する会社は、利用料金を受け取って借入金を返済します。
合理的な仕組みです。
大きな設備投資を、複数の企業や金融機関で分担できます。
でも、ここで考えてみてください。
もしAIサービス企業が予定どおり料金を支払えなくなったら？
設備を所有する会社は、借金を返済しにくくなります。
さらに、GPUの市場価格が下がっていたら？
設備を売却しても、借金を返済するためのお金が足りなくなるかもしれません。
すると、資金を貸していた金融機関にも影響が出ます。
銀行。
保険会社。
投資ファンド。
そして、さまざまな投資家。
AIデータセンターの問題が、金融市場へ広がっていくのです。
2026年10月、IMFは世界金融安定性報告書で、AI関連投資の収益期待が崩れた場合、金融市場に影響が広がる可能性を指摘しました。
僕は、この問題を非常に重要だと考えています。
AI業界では、借入、長期リース、保証契約、特別目的会社など、さまざまな仕組みが使われています。
しかし、こうした仕組みで借金を分散しても、借金そのものが消えるわけではありません。
最後には、誰かが返済しなければならない。
そして、その返済を支えるのは、最終的にはAIサービスを利用する顧客からの収入です。
もし、その収入が予定より少なかったら？
AI関連企業だけではなく、金融市場全体へ影響が広がる可能性があります。
僕は、これがAIバブルの調整が始まる重要な経路になると予測しています。
設備の借金がGPU担保融資や投資ファンドへ広がる仕組みは、AIバブルの答え合わせは利用者数より先？でも追っています。
第Ⅴ部｜2030年、バブルはどのように崩れるのか
第15章｜AIが大成功する条件を与えて、もう一度計算する
さて、ここからが今回のコラムで最大の山場です。
ここまで、AI企業の未来、巨額の設備投資、GPUの進歩、企業間の資金循環、借金の仕組みを見てきました。
では、もう一度、AI企業が描く素晴らしい2030年を想像してみましょう。
AIは高度化する。
大量の仕事を自動化できる。
OpenAIやAnthropicは大きく成長する。
GoogleやMicrosoft、MetaなどもAIを広く普及させる。
世界中の企業がAIを使う。
科学研究も進歩する。
ここまでは、僕も大いに期待しています。
では、この楽観的な未来が実現した場合、現在の巨額投資は回収できるのでしょうか。
まず、かなり好条件のケースを考えてみます。
世界のAI設備投資が、最初に想定した832兆円より少ない、約592兆円に抑えられたとします。
さらに、GPUなどのIT設備を8年間利用できる。
建物や電力設備は20年間利用できる。
そして、売上の56％を設備投資の回収へ使えるとします。
この場合、必要な年間売上は約168兆円です。
当初の307兆円より、かなり少なくなりました。
これなら、AI市場が大きく成長すれば、投資回収が成立する可能性があります。
では、次に基本ケースです。
投資総額832兆円。
IT設備の経済寿命6年。
運営キャッシュフロー率50％。
必要な年間売上は約307兆円です。
そして、技術進歩がさらに速くなった場合。
IT設備の経済寿命が3年になったとします。
この場合、必要な年間売上は約478兆円になります。
シナリオ | 主な条件 | 必要年間売上 |
|---|---|---|
楽観ケース | 投資592兆円・IT設備8年利用 | 約168兆円 |
基本ケース | 投資832兆円・IT設備6年利用 | 約307兆円 |
技術更新加速ケース | 投資832兆円・IT設備3年利用 | 約478兆円 |
ここで分かることがあります。
投資回収が成立するためには、いくつかの条件が必要です。
まず、設備投資の総額を抑えること。
次に、GPUなどの設備をできるだけ長く利用すること。
そして、高い収益力を維持すること。
この三つが重要になります。
ところが現在のAI業界では、この三つを同時に満たすことが難しくなっているように見えます。
競争が激しいから、設備投資を増やす。
技術進歩が速いから、GPUの経済寿命が短くなる。
価格競争が激しくなるから、高い利益率を維持しにくくなる。
つまり、投資回収に必要な条件とは逆の方向へ、産業全体が動いているのです。
僕は、ここが今回の予言を支える最も重要な部分だと考えています。
AI企業は技術開発で負けたくない。
クラウド企業は顧客を失いたくない。
半導体メーカーは新しいGPUを販売したい。
投資家は成長する市場へ資金を投じたい。
それぞれに合理的な理由があります。
競争する企業が投資を止めにくくなる構造は、止めた者が損をする世界でも考えました。
でも、その判断が積み重なることで、設備投資が膨らんでいく。
そして技術進歩によって、購入した設備の価値が短期間で下がっていく。
これでは、投資回収が難しくなる企業が出てくるのは当然ではないでしょうか。
AIが失敗するから、AIバブルが崩れるのではありません。
AIが猛烈な速度で進歩し、計算能力を安く提供できるようになるからこそ、以前の設備投資が回収できなくなる。
これが、僕の予言です。
第16章｜金融危機は、AIが使われなくなる前に始まる
では、AIバブルが崩れるとしたら、最初に何が起きるのでしょう。
ある日突然、世界中の人がAIを使わなくなる。
企業がChatGPTやClaudeを解約する。
僕は、そんな形ではないと思います。
むしろ、AIの利用者が増え続けている段階で、金融市場の調整が始まると予測しています。
最初に起きるのは、売上成長率への失望でしょう。
例えば、あるAI企業が毎年100％成長すると期待されていたとします。
ところが実際には50％成長だった。
普通なら、素晴らしい成長率です。
でも、投資家が100％成長を前提に企業価値を計算していたら？
企業価値は下がる可能性があります。
すると、資金調達が難しくなります。
新しい株式を発行しても、以前ほど高い評価を得られない。
社債を発行するときの金利も上がる。
銀行融資の条件も厳しくなる。
そして設備投資を見直す企業が出てくるでしょう。
データセンターの建設を延期する。
GPUの購入計画を縮小する。
新しい設備への投資を減らす。
その結果、GPUの需要が弱くなる。
中古設備の価値が下がる。
設備を担保にした融資の評価も変わる。
長期契約の見直しが始まる。
設備を保有する企業の収益が悪化する。
その企業へ融資していた銀行やファンドにも影響が広がる。
僕は、こうした連鎖が起きると予測しています。
AIの利用者が増えているのに、AIインフラへ投資した企業が淘汰されていく。
これが、僕が想像している2030年のAI産業です。
ここで、2027年から2030年までの予言を残しておきます。
年 | 僕の予言 | 確認したい数字 |
|---|---|---|
2027年 | AI企業の成長期待と実際の売上に差が出始める | 売上成長率・利用料金 |
2028年 | GPU更新費用と資金調達が問題になる | 設備寿命・借入金利・建設延期 |
2029年 | AI設備を持つ企業の統合が進む | 買収・減損・リース契約の見直し |
2030年 | AIは普及するが、投資家の勝敗が明確になる | 投資回収率・最終需要・企業の存続 |
もちろん、未来はまだ決まっていません。
だからこそ、こうして予言を残しておきたいのです。
2030年になったとき、
「やっぱりAIバブルだった」
と言うだけでは、何の意味もありません。
どの数字を見ていたのか。
何が起きると考えていたのか。
どんな条件なら投資回収が成立すると考えていたのか。
そこまで残しておけば、2030年に答え合わせができます。
そして、もし僕の予言が外れたなら、それも重要な結果です。
AIの利用量が予想を超えたのか。
AI企業が設備投資を抑えたのか。
GPUが想像以上に長く使えたのか。
それとも、AI企業が最終顧客から想像以上の料金を回収できたのか。
どの理由であっても、そこには学ぶべきことがあります。
ただ、2026年10月18日の時点で、僕はこう予測します。
2030年までに、AIインフラへの巨額投資を巡る大きな金融的な調整が起きる。
そして、その調整は、AIの技術的な失敗ではなく、AIの急速な進歩と設備投資の回収期間のずれから始まる。
第17章｜日本は、このバブルの外側にいるのか
最後に、日本の話へ戻します。
日本の国家予算は、年間約125.4兆円。
そして世界のAIインフラ投資は、2030年までに約832兆円。
日本の国家予算の約6.6年分です。
ここまで大きなAI産業の変化が、日本と無関係であるはずがありません。
日本には、半導体製造装置を作る企業があります。
半導体材料を供給する企業があります。
データセンターを建設する企業があります。
電力設備や冷却設備を提供する企業があります。
そして、世界のAI関連企業へ投資する金融機関や投資家もいます。
世界のAI設備投資が拡大すれば、こうした日本企業にも事業機会が生まれます。
半導体関連の受注が増える。
電力設備の需要が増える。
データセンター建設が進む。
AIによる業務改善も広がる。
日本にとって、AI産業の成長は大きなチャンスです。
しかし、もし世界のAI設備投資が急速に縮小したらどうなるでしょう。
半導体メーカーへの発注が減る。
設備メーカーの受注が減る。
データセンターの建設が延期される。
AI関連企業の株価が下がる。
金融機関や投資ファンドの評価も変わる。
そして、その影響は株式市場や年金運用を通じて、一般の家計へ届く可能性があります。
さらに、AIデータセンターの建設によって、電力需要も変化しています。
発電設備。
送電網。
変電所。
こうした設備への投資が進んでいます。
もしAIの投資計画が大きく変われば、電力設備の需要予測にも影響するでしょう。
つまり、AIバブルの問題は、AI企業の株主だけの問題ではないのです。
日本の企業活動や金融市場、そして家計にも関係してきます。
僕は、ここを忘れたくありません。
世界のAI投資が832兆円という規模になると、もはや技術産業の一部だけの話ではありません。
世界経済そのものを動かす、巨大な資本投資になっている。
そして、その資本投資が予定どおり回収できなかった場合、影響は世界中へ広がっていくでしょう。
だからこそ、僕はAIの技術進歩を楽しみながらも、設備投資の数字を見続けたいと思っています。
終章｜2030年、AIは成功している。では、誰が儲かったのか
2030年。
AIは社会に欠かせない技術になっています。
企業では、AIが大量の仕事を処理している。
個人も、日常的にAIを利用している。
科学研究も進歩している。
医療や教育にもAIが広く使われている。
新しい産業も生まれている。
僕は、そんな未来を想像しています。
そして、その未来はきっと素晴らしいものだと思います。
でも2030年の僕は、もう一つのニュースを読んでいるかもしれません。
AIデータセンター企業の大型買収。
GPU設備の大規模な減損。
クラウド事業者の統合。
設備投資計画の縮小。
金融機関の損失。
そして、AI関連企業の倒産。
この二つのニュースは矛盾しません。
AIが大成功する。
でも、AIを支える設備へ投資した企業が、全員成功するわけではない。
これは、技術の成功と投資の成功が別だからです。
例えばインターネット。
今では、世界中の人がインターネットを使っています。
社会に欠かせない技術です。
でも、インターネットの普及を信じて投資したすべての企業が、利益を得たわけではありません。
多くの企業が消えました。
通信設備への過剰投資も起きました。
でも、インターネットは社会に残りました。
AIでも、似たことが起きるのではないでしょうか。
むしろAIの場合、設備の技術進歩が非常に速い。
GPUの性能が上がる。
処理単価が下がる。
新しいモデルが登場する。
計算方式が変わる。
これらの進歩は、AIを利用する人にとっては嬉しいことです。
でも、以前の技術へ巨額の設備投資を行った企業にとっては、厳しい競争を生みます。
そしてAIの能力が高まるほど、その競争は激しくなるかもしれません。
AIが失敗するから、AIバブルが崩れるのではない。
AIが急速に成功し、計算能力が安くなり、設備の世代交代が進むからこそ、現在の巨額投資が回収できなくなる。
これが、今回のコラムで僕が最も伝えたいことです。
もちろん、すべての投資が失敗するとは考えていません。
高い稼働率を維持できる企業。
設備を長期間利用できる企業。
低コストで電力を確保できる企業。
最終顧客から十分な料金を回収できる企業。
こうした会社は、大きな利益を得るでしょう。
でも、競争に敗れる企業も出てくる。
そのとき、技術は残る。
AIのサービスも残る。
利用者は、より安く、より高性能なAIを使えるようになる。
ただし、その裏側では、設備を所有していた企業や、そこへ資金を提供した投資家の一部が、大きな損失を引き受けることになる。
2030年。
AIは成功している。
でも、2026年に計画された巨額の設備投資が、すべて予定どおり回収されているとは限らない。
むしろ僕は、大きな投資の調整が起きると予測しています。
そして、その予言が正しかったのか、間違っていたのか。
2030年に、もう一度このコラムを読み返してみたいと思っています。
AIの技術がどれほど進歩したか。
AI企業がどれほど売上を増やしたか。
GPUの処理単価がどれほど下がったか。
設備投資がどれほど回収されたか。
そして、どの企業が生き残り、どの企業が消えたのか。
そのとき、きっと答えが見えているはずです。
2030年、AIは世界を変えている。
でも、その未来を作るために投じたお金を、誰が返したのでしょうか。
僕は、その答えを数字で確かめたいのです。
主な参考資料
本文中の投資回収試算について
本コラムで示した年間必要売上は、筆者が設定した条件に基づく独自試算です。
世界のAIインフラへの投資総額832兆円のうち、GPUやサーバーなどのIT設備に496兆円、建物や電力などの長期設備に336兆円を投じると仮定しています。
基本ケースでは、IT設備を6年間、長期設備を20年間利用できるものとし、売上の50％を設備投資の回収へ使えると考えています。また、資金を提供する投資家が年間10％の収益を求める条件を置いています。
この条件では、必要年間売上は約307兆円です。
IT設備の経済寿命が3年になれば約478兆円、2年になれば約651兆円になります。
楽観ケースでは、投資総額を592兆円へ抑え、IT設備を8年間利用し、売上の56％を投資回収へ使えると仮定しています。この場合の必要年間売上は約168兆円です。
これらは世界のAIインフラ設備を一つの大きな事業として考えたモデルであり、個別企業の決算を予測したものではありません。
金額は規模比較のため、1米ドル＝160円、1ユーロ＝180円で換算しています。
このコラムは、2026年10月18日時点の公開資料と筆者の独自試算から書いた、2030年への予言です。
関連記事
テーマ別に読む
この記事を書いた人
可児波起（かに なみき）。マーケティングデザイナー／DXコンサルタント。AIが生み出す社会的な価値と、AIインフラ設備保有者が回収できる収入を分け、2030年までの反証可能な予言として整理した。
可児波起
海辺の部屋｜デジタルと波の音
2026年10月18日
コメント