AI資本支出はリターン検証期に突入：3大クラウドは市場から過剰に割り引かれているか？

概要

2026年以降、人工知能（AI）インフラ関連の設備投資は拡大を続けており、それに伴い市場の関心は大手テクノロジー企業へとシフトしている。かつて投資家はAI投資を長期的な成長資産とみなす傾向が強かったが、現在、核心となる問いは『これらの設備投資を、十分に高い売上高、売上総利益、フリーキャッシュフロー、および資本利益率に転換できるか』という点へと徐々に移行しつつある。

マイクロソフト、アマゾン、アルファベット／グーグルのクラウド大手3社に対する最近の株価の重荷は、AI関連の設備投資やフリーキャッシュフロー、トークンコストに対する表面的な懸念を反映している。しかし、より本質的な産業構造のシフトは、企業向けAIが『広範な試行』から『精密な利用料算定の時代』へと移行しつつあることかもしれない。この段階において、企業は最も高価なモデルを制限なく呼び出すことはしなくなり、タスクの価値、コスト、成功率、遅延（レイテンシー）、およびコンプライアンス要件に基づいて、モデル、計算能力、データ、セキュリティ、および課金をよりきめ細かく管理するようになる。

これは必ずしもAI需要の崩壊を意味するものではない。むしろ、AIが実験段階から本格的なビジネス導入段階へと移行していることを示唆している可能性がある。単一モデルを提供する企業にとって、企業によるトークンコストの抑制は逆風となるかもしれないが、Azure、AWS、Google Cloudといったマルチモデル対応のクラウドプラットフォームにとっては、精密な利用料算定は、企業向けAIのコスト管理レイヤー、モデルルーティングレイヤー、データガバナンスレイヤー、および課金レイヤーとしての価値をむしろ高めることになるかもしれない。

Ⅰ. 市場がクラウド大手3社の評価を見直す核心的理由

最近のクラウド大手3社関連株の軟調さは、市場が長期的なAI需要を否定していると単純に捉えるべきではない。より正確には、市場の関心が『AI需要はあるのか』から『AI需要を実現するためにどれほどの資本が必要か』へと移行しているのである。これはバリュエーション（投資価値評価）ロジックの変化を意味する。従来、AI関連の設備投資は成長投資とみなされることが多かった。しかし、データセンター、GPU、ネットワーク、電力、冷却システム、ストレージへの投資が急速に膨らむなか、投資家は、これらの支出が真に高リターンをもたらす成長資産なのか、それともテック大手が参加を余儀なくされている防衛的な軍拡競争なのかを疑問視し始めている。

マイクロソフトのデータは、この設備投資の加速を視覚的に裏付けている。同社の2026年度第3四半期における有形固定資産（物件および設備）支出は308億7600万ドルに達し、前年同期の167億4500万ドルから大幅に増加した。また、2026年度の最初の9カ月間では、同支出は前年同期の474億7200万ドルに対し、801億4600万ドルとなった。この変化は、AIインフラの構築が通常のクラウド設備投資から、より強度の高い投資サイクルへと格上げされたことを物語っている。

アマゾンのキャッシュフロー構造もまた、設備投資の圧力を示している。2026年第1四半期のアマゾン・ウェブ・サービス（AWS）の売上高は前年同期比28%増の376億ドル、営業利益は142億ドルとなり、クラウド事業自体は依然として力強い成長を維持している。しかし、直近12カ月間の営業キャッシュフローは1485億ドルであったものの、フリーキャッシュフローは12億ドルにまで落ち込んだ。これは主に有形固定資産の取得額が大幅に増加したためであり、同社はこれが主にAI投資を反映したものであると明言している。

アルファベット／グーグルも同様の特徴を示している。アルファベットのGoogle Cloudの2026年第1四半期売上高は63%増の200億ドルと、クラウド事業の成長が著しく加速した。しかし、同四半期における有形固定資産の取得支出は356億7400万ドルに達し、フリーキャッシュフローは101億1600万ドルとなった。グーグルのキャッシュフローは制御不能な状態にまで悪化しているわけではないが、設備投資の傾きが明らかに急峻になっている。

したがって、市場が本当に懸念しているのは、クラウド大手3社に需要がないことではなく、その強い需要自体がもたらす資本の制約である。AIインフラへの投資が拡大し続ける一方で、それに対応する売上高やキャッシュフローへの転換ペースが予想を下回れば、バリュエーション・マルチプル（投資倍率）は自ずと圧縮されることになる。

Ⅱ. 単なるナラティブにとどまらず、財務諸表に顕在化し始めたAIコスト

AI製品と従来のソフトウェア・サブスクリプション・サービスとの最大の相違点の一つは、コスト構造にある。従来のOfficeや企業向けソフトウェアの限界コストは低い。ユーザーが電子メールを1通多く作成し、スプレッドシートを1枚多く作成し、あるいは文書を1通多く生成したとしても、ソフトウェア企業のユニットコスト（単位当たりコスト）が著しく増加することはない。しかし、AI製品は異なる。モデルの呼び出し、推論、そしてAIエージェントの実行のたびに、計算能力、ストレージ、ネットワーク、およびモデルサービスのコストが発生する。

マイクロソフトはすでに財務諸表でこの変化を開示している。2026年度第3四半期、マイクロソフト・クラウドの売上総利益率は66%に低下した。これはAIインフラへの継続的な投資とAI製品の利用拡大が要因であり、AzureおよびMicrosoft 365 Commercial Cloudの効率改善によって一部相殺されたものの、影響は無視できない。言い換えれば、AIの利用はもはや売上側のストーリーにとどまらず、コスト側にも侵入しているのである。

プロダクティビティ＆ビジネスプロセス部門において、マイクロソフトは売上原価が6億8000万ドル増加したと開示した。これは主に、Microsoft 365 Copilotのライセンス枠（シート）および利用拡大を支えるAIインフラ投資によるものである。これはCopilotが同社のファンダメンタルズを毀損したことを意味するものではない。むしろ、AIソフトウェアの売上総利益率構造が従来のOffice SaaSよりも低くなる可能性を示しつつも、企業が『ライセンス枠＋利用料金』モデルを通じて課金方式を再設計できれば、売上総利益率の圧力を管理する余地は依然として残されていることを示している。

この変化が投資家にもたらす意味合いは重要である。AI製品は従来のソフトウェアの論理だけで評価することはできず、売上成長率、利用強度、推論コスト、モデルルーティングの効率性、キャッシュ比率、および利用状況に応じた課金能力などを通じて観察されなければならない。今後本当に追跡すべきなのは、AI製品のユーザー数だけでなく、単位当たりの利用が持続可能な売上総利益を構築できるかどうかである。

Ⅲ. 企業によるトークン抑制の開始：需要の崩壊か、それとも精密な利用料算定か

企業がAIの利用制限を始めたことは、最近の市場におけるもう一つの主な懸念材料である。しかし、この現象を需要の消失と直接結びつけるべきではない。より合理的な解釈は、企業が『可能な限りAIを使用する』という段階から、『AIを毎回使用するだけの価値が本当にあるのか』という精密な利用料算定の段階へ移行しつつある、ということだ。

ウーバーの事例はそれを代表している。報道によると、ウーバーは従業員にAIプログラミングツールの利用を推奨した結果、わずか4カ月で年間AI予算を使い果たした。その後、同社はClaude CodeやCursorといったエージェント型コーディングツールに対し、従業員1人あたりツールごとに月額1,500ドルの上限を設定した。この事例は、AIツールに価値がないことを示すものではなく、むしろツールが十分に有用で普及スピードが速すぎる場合、企業の予算が急速に管理不能に陥り得ることを示している。

グーグルとメタの間におけるGeminiの計算能力の制約を巡る状況も、先端的な計算能力の供給が依然として逼迫していることを示している。報道によると、グーグルはメタに対し、メタが求めるすべてのGemini計算能力を満たすことはできないと通知し、その結果、メタは従業員に対してAIトークンをより効率的に使用するよう促したという。なお、この報道はReutersによって独自に検証されたものではないため、公式に確認された事実ではなく、あくまでメディアの報道として扱うべきである。しかし、これが反映するトレンドは明確であり、テック大手が大量のAIインフラ構築を続けている状況下にあっても、高品質な計算能力の供給が需要に追いつかない可能性があることを示唆している。

マイクロソフトによる社内でのClaude Codeライセンスの調整も、同様の論理を反映している。The Vergeは、マイクロソフトがClaude Codeのライセンスの大半を廃止し、多くの開発者にGitHub Copilot CLIへの移行を促す計画であると報じた。同報道によると、この調整はツールの統合と財務的要因の双方に関連しているという。この事例は、大手テクノロジー企業の内部でさえ、AIツールの利用がコスト、製品戦略、およびエコシステム支配の観点から制限され始めていることを示している。

AWSによるいくつかの価格改定は、供給側の観点からAI計算能力の希少性を反映している。Business Insiderによると、AWSは1月に約15%の値上げを実施したのに続き、機械学習向けのEC2 Capacity Blocksの価格を約20%引き上げた。強調すべきは、これがAWS全体にわたる全面的な値上げではなく、特定のAI／機械学習向け容量予約サービスに対する価格調整である点だ。これが意味するのは、先端的なAI計算能力が依然として希少性を有しており、大手のクラウドプロバイダーが一部の容量製品において一定の価格決定権を維持しているということである。

これらの事例は総合して、一つの判断を指し示している。すなわち、企業はAIの利用を中止しているのではなく、その利用の管理を始めつつある、ということだ。トークンコスト、計算予算、タスクの価値、および利用権限は、企業のIT部門や財務部門に共通する関心事となりつつある。これこそが、まさに『AI精密利用料算定の時代』の産業的基盤にほかならない。

Ⅳ. メタによる計算能力売却の報道：供給側も投資利益率（ROI）の算定を開始

メタがクラウド事業を計画し、余剰となったAI計算能力を売却する予定であるという最近の報道は、このロジックに供給側の証拠を加えるものである。ReutersはBloombergを引用し、メタが余剰のAI計算能力を販売するためのクラウド事業を立ち上げつつあると報じた。この計画は未だ発展途上にあり、戦略が変更される可能性もあるとし、またReuters自身もこの報道を独自に検証することはできなかったと述べている。したがって、この情報は完了した公式な戦略開示としてではなく、メディアの報道であり、観察すべきシグナルとして捉えるべきである。

この出来事の重要性は、メタがAWS、Azure、あるいはGoogle Cloudの直接的な代替手段に即座になるかどうかではなく、大手テック企業もまた、AIインフラへの巨額の投資を経て、計算能力をいかにして外部に課金可能な資産へと転換するかを考え始めていることを示している点にある。Reutersの報道は、メタによる計算能力の供給増加が、大手ハイパースケーラーよりも、CoreWeaveやNebiusといった新興クラウド企業（ネオクラウド）に大きな影響を与える可能性があるというアナリストの見解も伝えている。これらの新興企業は、その需要成長を部分的にメタに依存しているためである。また、同報道はメタの2026年におけるAIインフラ投資が1450億ドルに達する可能性があるとも指摘している。

産業的な視点から見ると、メタの事例はAI計算能力がアセット（資産）化されつつあることを物語っている。計算能力はもはや単なる社内の研究開発投資にとどまらず、リース、値決め、管理が行われるインフラ資産となり得る。しかし、長期的に価値を真に獲得できるのは、単に『誰が計算能力を保有しているか』ではなく、計算能力、モデル、データ、セキュリティ、課金、および企業ワークフローを統合できる存在である。これこそが、クラウド大手3社と、単なる計算能力のリース事業者の決定的な違いでもある。

Ⅴ. 精密なAI利用料算定の時代：広範な試行から本格的なビジネス導入へ

『AI精密利用料算定 of the epoch（精密なAI利用料算定の時代）』は、企業向けAI商用化の第2フェーズと捉えることができる。第1フェーズは広範な試行の段階であり、企業にとっての核心的な問いは、AIを製品やプロセスに結びつけられるか否かであった。この段階では、AI機能がソフトウェア、検索、オフィスツール、顧客サービス、プログラミングツールなどに急速に組み込まれ、市場は利用状況、ナラティブ、および技術的な実現可能性に主な関心を寄せていた。

第2フェーズが精密な利用料算定の段階である。企業は以下のような問いを投げかけ始める。『すべてのAI呼び出しにそれだけの価値はあるか』『すべてのタスクに最先端モデルが必要か』『どのタスクなら、より安価なモデルで代替できるか』『どのようなコンテンツをキャッシュできるか』『バッチ処理に適したタスクはどれか』『どのAI利用をライセンス料に含め、どれを従量課金制にすべきか』。これは、AIが製品デモンストレーションから本格的なビジネス導入へと移行しており、企業が予算、コンプライアンス、およびコスト配分システムへの組み込みを開始していることを示している。

第3フェーズはタスク当たりコストの最適化である。AI時代においては、100万トークン当たりの価格だけを見ることはできない。なぜなら、企業が実際に購入しているのはトークンそのものではなく、特定のワークフロー内における有効な成果だからである。例えば、プログラミングにおいては、コードのバグ修正やチームに承認されるコード修正の完了が1つのタスクとなり得る。カスタマーサービスにおいては問い合わせ（チケット）の解決、財務分析においてはアナリストに採用されるサマリーの完成が該当する。本当に重要なのは、有効な成果を得るための総コストであり、すなわちモデルコスト、ツールコスト、リトライコスト、および手動レビューコストの合計を成功率で割ったものである。

第4フェーズは成果報酬型（成果に対する支払い）の段階である。最終的に企業は、単なるトークンではなく、成果に対して支払うことを好むようになる可能性が高い。例えば、解決されたカスタマーサービス・チケット、完了したコンプライアンス審査、創出された適格な営業リード、あるいは完成したソフトウェア機能に基づいた課金がこれに該当する。AIの商業化がこの段階に入れば、価値の源泉は『より多くのトークンを消費すること』から『より低いコストで、より多くの有効な成果を生み出すこと』へと移行するだろう。

Ⅵ. 精密な利用料算定が、クラウド大手3社のプラットフォーム価値を高め得る理由

企業が最強のモデルだけを追い求めるのであれば、価値は単一モデルを提供する企業の手元に集中するかもしれない。しかし、企業が最も効果的なタスクを最も低いコストで完了することを目指し始めると、価値は複数のモデルに対応するクラウドプラットフォームへと多く流れることになる。その理由は、AIを本格的に導入する企業にとって、必要なのはモデルそのものだけではないからだ。彼らは権限管理、データの境界設定、モデル選定、コスト監視、課金配分、遅延制御、コンプライアンス審査、およびビジネスワークフローの統合も必要としているのである。

マイクロソフト、アマゾン、グーグルに共通する強みは、単にGPUをリースしたり単一のモデルを販売したりするだけでなく、企業向けのAI実行環境（ランタイム）を提供している点にある。Azure、AWS、Google Cloudはそれぞれ、計算、ストレージ、ネットワーク、データベース、セキュリティ、ID管理、モデルマーケットプレイス、モデルルーティング、コスト監視、課金、コンプライアンス、および企業向け販売チャネルを擁している。これらの能力により、彼らはAI精密利用料算定の時代において、単なる計算能力の供給者ではなく、企業向けAIプラットフォームとしての色彩を強めることになる。

クラウドプロバイダーは、この能力を製品化しつつある。Microsoft Azure AI Foundryのモデルルーターは、コストと遅延の最適化を目的として設計されており、同様の品質を維持しながら、単純なタスクは小規模で安価なモデルに、複雑なタスクはより強力なモデルに振り分ける。AWSのBedrock Intelligent Prompt Routingは、リクエストごとに同じモデルファミリーの中からモデルを選択することができ、AWSは精度を落とすことなくコストを最大約30%削減できると公式に発表している。Google CloudのModel Gardenは、グーグルやパートナー企業から200以上のモデルを提供しており、顧客が同一プラットフォーム上でモデルの発見、カスタマイズ、および導入を行うことを支援している。

これが、メタによるAI計算能力の売却報道が、必ずしもクラウド大手3社にとって直接的な悪材料にならない理由でもある。短期的にはAI計算能力市場の供給が増加し、特に計算能力のリースのみを行う一部の企業にとっては競争が激化する可能性がある。しかし長期的には、計算能力がリース可能で価格設定が可能なインフラ資産になりつつあることを証明しているにすぎない。長期的に本当に重要となるのは、単一の計算能力の供給ではなく、プラットフォームが計算能力、モデル、データ、および企業ワークフローをいかに統合できるかである。

Ⅶ. クラウド大手3社の異なる道筋

マイクロソフトの強みは、企業ワークフローの入口を押さえていることにある。Office、Teams、Outlook、Excel、PowerPoint、GitHub、Dynamics、セキュリティ、およびAzureは、連携して企業の日常的な業務環境を構成している。Anthropicなどの他のモデル開発企業が、短期的にマイクロソフトの核心的な地位を直接覆すことは困難である。なぜなら、企業のワークフロー、IDシステム、権限、ファイル、コラボレーション、およびコンプライアンスシステムには高い移行コストが伴うためだ。マイクロソフトが本当に管理する必要があるのは、Copilotの売上総利益率構造である。Copilotが完全に固定のライセンス料（シートフィー）に依存し、高コストの呼び出しを無制限に許容する場合、売上総利益率の圧力は極めて大きくなる。しかし、マイクロソフトが『ライセンス枠＋利用料金』モデルを段階的に推進し、高コストのAI利用をより価値の高いシナリオへ振り向けることができれば、売上総利益率の圧力は十分に管理可能となるかもしれない。

アマゾンの強みは、中立的なマルチモデル・プラットフォームとしてのAWSの立ち位置にある。AWSは単一のモデルにすべてを賭ける必要はなく、顧客はBedrockにおいてClaude、アマゾンが自社開発したNova、Meta、Mistralなどのモデルを使用することができる。仮にいくつかのタスクがClaudeからより安価なモデルへと移行したとしても、ワークロードがAWSのエコシステム内に留まる限り、アマゾンはインフラ、データアクセス、セキュリティガバナンス、およびプラットフォームサービスの売上を確保し続けることができる。報道によると、アマゾンとAnthropicの提携条件の一部が、計算時間による精算からトークン使用量による精算に近い形式に移行する可能性があるという。この情報は依然として公式に開示されたものではなく、観察すべきシグナルにとどまる。仮にこの方向性が維持されるならば、Claudeの利用コストは利用量に応じてより直線的に上昇することになり、AWSによるモデルルーティングや自社開発モデルの利用促進がさらに活発化する可能性がある。

グーグルの道筋は、モデル、チップ、およびクラウドの統合を強調している。同社はGemini、TPU、Google Cloud、Model Garden、検索、およびマルチモーダルデータといった豊富な資源を擁している。アルファベットのGoogle Cloudの2026年第1四半期の売上高は63%増の200億ドルに達し、クラウド事業の成長率は目覚ましく加速した。また、同社はGoogle Cloudの受注残（バックログ）が4600億ドルを超えたことも開示している。GeminiやTPUのコストおよびパフォーマンス上の優位性を、Google Cloudの企業シェア獲得や高品質なキャッシュフローへと転換できれば、Google CloudもまたAI精密利用料算定の時代において恩恵を受けることになるだろう。

Ⅷ. オラクルがこれらとは異なる文脈である理由

オラクルもAI計算能力の不足から恩恵を受けているが、その投資ストーリーはマイクロソフト、アマゾン、グーグルとは異なる。クラウド大手3社の核心はモデル、計算能力、データ、セキュリティ、課金、および企業ワークフローをプラットフォームへと統合することにあるが、オラクルのストーリーは、巨額のAI受注残と、それに伴う設備投資の拡大、資金調達ニーズ、およびフリーキャッシュフローへの圧力を伴う性質のものに近い。

オラクルが公式に開示した情報によると、2026年度の残存履行義務（RPO）は前年度比363%増の6380億ドルに達した。しかし、クラウドインフラ（Cloud Infrastructure）事業の成長を支える投資を継続したため、同年度のフリーキャッシュフローはマイナス237億ドルとなった。また同社は、2026年度に負債で430億ドル、株式で50億ドルの資金を調達し、2027年度にはさらに約400億ドルを負債と株式を通じて調達する見込みであることも開示している。

したがって、オラクルの存在は、AI関連の設備投資に対する市場の懸念が根拠のないものではないことを投資家に思い起こさせる。ただ、このリスクは、資本集約度が高く、資金調達ニーズが高く、顧客集中度が高いAIインフラ先行型のストーリーにおいてより深刻なのであり、マイクロソフト、アマゾン、グーグルのようなプラットフォーム型のクラウド企業においては、リスクとプラットフォーム価値を切り離して評価する必要がある。

Ⅸ. バリュエーションへの影響：クラウド大手3社は過剰にディスカウントされているか

バリュエーションの観点において、予想株価収益率（予想P/E）は、大まかではあるが有用な観察ツールとなり得る。現在、マイクロソフトの予想P/Eは約19倍であり、過去5年間の平均である30倍近くを下回っている。アマゾンは約27倍で取引されており、5年平均の約45倍を下回る。アルファベットは約24〜25倍で、5年平均の約22倍をやや上回る水準だ。仮にAI関連の設備投資が最終的に低リターンの防衛的な支出であることが判明した場合、クラウド大手3社の予想P/Eが20倍台前半、あるいは10倍台に回帰したとしても、必ずしも十分に割安とは言えないかもしれない。逆に、精密なAI利用料算定によって、クラウドプラットフォームの企業向けAIシステムにおける代替不可能な性質が強化されるならば、現在のバリュエーションは短期的なキャッシュフローの圧力を過剰に反映する一方で、将来的なプラットフォームのキャッシュフローを過小評価している可能性がある。

投資家にとっての鍵は、クラウド大手3社が単に『割安』か『割高』かを判断することではなく、彼らの設備投資が長期的なプラットフォームの売上高に転換され得るかどうかを判断することである。これには、クラウドの売上成長、AI製品の売上総利益率、設備投資の伸び率、減価償却の圧力、フリーキャッシュフローの回復スピード、モデルルーティングの効率性、企業のAIに対する支払意欲、および利用料課金構造などを継続的に追跡することが求められる。

Ⅹ. リスク要因

第1に、AI設備投資の回収期間が市場の想定よりも長期化する可能性がある。データセンター、GPU、ネットワーク、電力、および冷却設備はいずれも高度に資本集約的な資産であり、AI売上の伸びが期待に届かなければ、減価償却やキャッシュフローの圧力が引き続きバリュエーションを押し下げる要因となり得る。

第2に、トークン価格の下落がユニットエコノミクス（単位当たりの経済性）に二面的な影響を与える可能性がある。トークンコストの低下はAI利用の普及を促すが、価格の下落ペースが利用量の拡大やコスト効率の改善スピードを上回れば、クラウドプロバイダーが計算能力の単位当たりから得られる売上総利益が圧迫されるおそれがある。

第三に、企業におけるAIの導入が、楽観的な想定を下回る可能性がある。企業がトークン使用量の制限、予算上限の設定、権限管理の厳格化を行っていることは、一部のAIアプリケーションが未だ十分な投資対効果（ROI）を示せていないことを意味している可能性がある。もしAIエージェントの成功率、安定性、コンプライアンス、制御可能性が不十分であれば、正式な業務展開のペースが鈍化するかもしれない。

第四に、モデル開発企業や新興のコンピュート・プロバイダーが、価値の分配を変化させる可能性がある。OpenAI、Anthropic、Google、Meta、そして新興のネオクラウド（neocloud）はすべて、AIインフラとモデルAPIの価値を巡って競合している。Metaがコンピュート能力を売却しているという噂は、コンピュート供給の構図が変化している可能性を示唆しているが、その長期的な影響は不透明である。

結論：問題はAIの需要が存在するかどうかではなく、設備投資をプラットフォームのキャッシュフローに変換できるかどうかである。

クラウド大手3社が現在直面している核心的な課題は、AI需要が存在するかどうかではなく、AI関連の設備投資を持続可能なプラットフォームのキャッシュフローに変換できるか否かである。AI投資に対する市場の姿勢は、「投資は多ければ多いほど良い」から「投資がリターンを生み出せるか」へと変化している。これが、Microsoft、Amazon、Googleのバリュエーションが、AI関連設備投資、フリーキャッシュフロー、およびトークンコストによって総じて左右され始めている理由である。

しかし、企業がAIの使用管理を開始したことは、必ずしもAI需要の崩壊を意味するわけではない。これは、AIが広範な試験導入から正式な業務展開へと移行しつつあることを示している可能性もある。正式な展開フェーズでは、より複雑なモデル選定、データガバナンス、権限管理、コスト監視、課金システム、およびビジネスプロセスの統合が必要となり、これらはまさにAzure、AWS、Google Cloudの強みである。

Metaがコンピュート能力を売却しているという噂は、供給側もAI設備投資に対するリターンを求め始めていることを示している。Oracleの事例は、AIインフラへの強い需要が必ずしも高品質なフリーキャッシュフローに直結するわけではないことを市場に再認識させている。投資家にとって本当に理解すべきなのは、異なるAIインフラ企業がそれぞれ異なる方法で設備投資リスクを負っているということである。Microsoft、Amazon、Googleの投資価値は、単に短期的な設備投資の規模によるものではなく、最終的には企業向けAIの時代において、AIインフラ投資を長期的なプラットフォームのキャッシュフローに変換できる能力にかかっている。