Generative AI inference economy and investment cycle レポート解説

概要

この共同ガイドブックは、推論時代へ移行する市場における8つの主要な生成AI論点を検討する。中核的な結論は、AI投資は複数年の機会である一方、2028年にインフラ支出の伸びが鈍化することで、ハイパースケーラー、ソフトウェア・エネーブラー、AI導入企業、希少な電力インフラ供給企業へ恩恵が広がるというものだ。

主要見解

Morgan Stanleyは、AIサイクルが当初のハードウェア・半導体主導段階から、インフラ、ソフトウェア、アプリケーション層へ進むと予想する。ハイパースケーラーのデータセンター設備投資は2027年に前年比約$500bn、60%増の$1.5tnとなり、2028年には約12%増へ減速するとみる。ハードウェア株が必ずしも大幅下落するとはみていないが、設備投資の伸び鈍化、収益の拡大、キャッシュフロー改善、売上高・EBITの上振れにより、上流層でより大きな業績予想上方修正とマルチプル拡大の機会が生じると論じる。AMZN、GOOGL、MSFT、METAなどの生成AIエネーブラーに前向きである。 伸びが鈍化しても構築規模は大きい。Morgan Stanleyは、2027-28年に約80 GWが稼働し、AMZN、GOOGL、META、MSFTの総コンピュート容量が2025年の約35 GWから2028年の約145 GWへ増えると予測する。GOOGLが最大の容量を追加し、Gemini、Google Cloud、AI対応のSearchとYouTubeがこれを支える見通しである。カスタムASICの増分容量に占める比率は、2025年の34%から2028年の66%へ上昇すると予測し、主にGoogle TPUとAmazon Trainiumが牽引する。この構成変化は、サービス提供コストの低下と推論スループット向上の一部である。 生成AIの設備投資は3つの収益化モデルで魅力的なリターンを生み得るとする。ハイパースケーラーIaaSで貸し出す1 GW GB300データセンターでは、約$23bn/GWの売上、$8bn/GWの運営費、約$15bn/GWの増分EBIT、約30%の税引後ROICを推計する。自社インフラでAPIを提供するモデル事業者は、例示的なベースケースで約$30bn/GWの売上、$23bn/GWの増分EBIT、約46%のROICを実現し得る。第三者インフラ上のモデルAPIは約$41bn/GWの高い売上を見込むものの、約$28bn/GWの賃借コストを負担し、約$13bn/GWの増分EBITにとどまる。このため、自社インフラ上で稼働するモデル層が最も高いリターンを得る一方、ハイパースケーラーのインフラ経済性もなお魅力的とみている。 需要機会は広い。Morgan Stanleyは、生成AIツールによりデジタル化または拡張され得る世界のナレッジワーク支出を$20-30tn、消費者支出を約$30tnと特定する。パブリッククラウドと過去の技術導入曲線を参照し、2027年の企業AI支出を約$800bn、より広いナレッジワーク機会の約4%の浸透率と見積もる。AIは全面的なインフラ移行を必要とせず、生産性向上までの時間が短く、導入で遅れる企業の競争機会損失が大きいため、クラウドより速く普及する可能性があるとしている。 経済全体で導入の兆候が現れている。Morgan Stanleyによれば、2Q26時点でS&P 500企業の約25%が生成AIの効果を定量化しており、1年前の14%から上昇した。テクノロジー、通信サービス、金融、ヘルスケア、産業が早期導入分野であり、AIを売上成長、生産性、サービス提供コスト低下へ結び付ける企業は、より大きな財務上の恩恵を受ける可能性がある。 オープンウェイトモデルは、コンピュート需要への脅威ではなく導入の触媒と位置付けられている。低コスト、独自データでのファインチューニング、柔軟な導入が用途を広げる一方、フロンティアモデルの価格設定と差別化には圧力をかける。低いtoken価格は総token需要を拡大し得る一方、AWS Bedrock、Microsoft Foundry、Google Vertexなどのハイパースケーラープラットフォームは、モデルホスティングの複雑さを抽象化し、コンピュート、ファインチューニング、データパイプラインなどを通じて収益化できるため価値を維持すると論じる。感応度分析でも、オープンウェイト導入拡大下で1 GW GB300容量は約20-40%のROICを示す。 資金調達については、年初来の世界のAI関連債務発行が約$450bnに達しても、追加インフラ発行を吸収する信用市場の余力はあるとみる。調整は資金制約ではなくスプレッド拡大を通じて起きる可能性が高い。AMZN、GOOGL、MSFT、METAの4大建設企業は、2027年に$980bn、2028年に$1.2tnの営業キャッシュフローを生み、両年で必要な債務調達は$290bnにとどまる見通しである。ただし、オフバランスシートのリースや購入約定の増加、開示の限定性、偶発的コミットメントの増加は、現行格付け水準での債務余力を縮小し得る。 最後に、電力の利用可能性が最大の物理的ボトルネックである。Morgan Stanleyは米国で38 GWの電力不足を見込み、電力コスト上昇、系統接続の遅延、behind-the-meter発電の増加を予想する。behind-the-meter電力はGW当たりの設備投資を約$3bn増やすと見積もり、2H27と2028年に稼働開始するとみるRubin Ultra世代のNVIDIAチップでは総コスト$50bn/GWとして織り込んでいる。これにより、BE、INIO、SEIなどのオンサイト発電供給企業、およびWULF、HUT、CIFR、RIOTなどの電力供給済みシェル事業者に前向きである。州・地方政府の監視はベースケースでは概ね管理可能とみるが、モラトリアムの拡大、労働力・資材制約、2028年選挙を巡る政治リスクは、プロジェクト遅延やコスト上昇につながる可能性がある。

分析フレームワーク

レポートは、チップ、ラック、出荷量、GW当たりコストのボトムアップ予測に、コンピュート収益化に関する3つの例示的な投下資本利益率ケースを組み合わせている。さらに、容量、token経済性、導入類似例、企業証拠、信用市場分析、電力制約を、セクターおよび企業への影響へ結び付けている。

手法メモ

• 業界・産業分析フレームワーク需給フレームワーク

  コンピュート容量、チップ供給、電力ボトルネックの分析

  Morgan Stanleyは、AIコンピュートの利用可能性と経済性を評価するため、データセンター容量と拡張を制約する物理的要因を推計している。

• 企業ファンダメンタルズ・財務フレームワークROIC-WACCスプレッド

  生成AIのROICモデリング

  レポートは、ハイパースケーラーの貸出とモデル事業者の収益化構造について、GW当たりの売上、運営費、NOPAT、投下資本をモデル化している。

• バリュエーション手法DCF（割引キャッシュフロー法）

  一部の電力インフラ企業に対するDCF評価

  レポートは、一部企業のリスク・リワード分析で、割引率と事業予測を含むDCF前提を用いている。

• バリュエーション手法PER・PEG評価

  一部の大型テクノロジー企業に対するP/EおよびPEGベースの目標株価フレームワーク

  レポートは、予想EPSに利益倍率を適用し、一部企業の評価ケースでPEG比較を参照している。

資産マッピングと比較

投資テーゼから固有資産への構造化マッピング（強み、弱み、同業、リスク）。

• Amazon.com (AMZN)

  AIインフラ収益化とAWS需要から恩恵を受けると見込まれるハイパースケーラーおよび生成AIエネーブラー。

  強み

  AWS、顧客へのディストリビューション、カスタムシリコン投資。

  弱み

  投資期間の長期化と小売マージン圧力が利益を圧迫する可能性。

  比較

  GOOGL、MSFT、METAと並ぶ4大ハイパースケーラーの一社。

  リスク

  AWS売上の減速またはマージン低下、予想より長い投資サイクル。

• Alphabet (GOOGL)

  最大のコンピュート容量追加が予想されるハイパースケーラーで、Search、Cloud、AIプラットフォームの革新から恩恵を受ける。

  強み

  TPU容量、Gemini、Google Cloud、SearchとYouTubeのディストリビューション。

  弱み

  AIサービスは収益化率が低く、コンピュート集約度が高い可能性。

  比較

  主要ハイパースケーラーの中で容量追加を主導すると予想。

  リスク

  広告成長の減速、マージン圧力、AI製品の収益化リスク。

• Microsoft (MSFT)

  Azure、Foundry、Copilotの収益化を通じたAIエネーブラー。

  強み

  Azure成長、M365のディストリビューション、AIサービス導入。

  弱み

  投資拡大がマージン拡大を抑制する可能性。

  比較

  AMZN、GOOGL、METAと並ぶ主要ハイパースケーラー。

  リスク

  IT支出の弱さ、AI導入の限定性、資本集約度の上昇。

• Meta Platforms (META)

  統合型モデル事業者かつAI導入企業であり、レポートのリスク・リワード部分ではトップピック。

  強み

  大規模なファーストパーティデータ、ディストリビューション、広告プラットフォーム、AIによるエンゲージメント向上余地。

  弱み

  データセンターの資本集約度とReality Labsの損失。

  比較

  レポートは、自社インフラ上のモデル層が構造的に有利とみる。

  リスク

  エンゲージメント低下、Reels収益化の鈍化、広告規制、AI構築の実行不振。

• NVIDIA (NVDA)

  推論およびトレーニング需要から恩恵を受けるコンピュート供給企業。

  強み

  BlackwellとRubinの性能リーダーシップ、レポートが示す需要超過。

  弱み

  カスタムシリコンと競合代替策がマルチプル拡大を制限する可能性。

  比較

  カスタムASICは増分容量に占める割合を拡大すると予測。

  リスク

  AI最終市場が期待通りに拡大しないこと、顧客のGPU購入削減、競争または輸出規制。

• Bloom Energy (BE), Innio (INIO), Solaris Energy Infrastructure (SEI)

  電力供給までの時間制約から恩恵を受けるオンサイト発電供給企業。

  強み

  大口負荷顧客向けのbehind-the-meterおよび分散型電力ソリューション。

  弱み

  経済性はコスト、規制、顧客導入に依存。

  比較

  通電済みデータセンター用地を収益化する電力供給済みシェル事業者とは異なる。

  リスク

  競争、コスト削減の未達、規制、データセンター需要の弱さ。

• TeraWulf (WULF), Hut 8 (HUT), Cipher Mining (CIFR), Riot Platforms (RIOT)

  電力資産を高性能コンピューティングのデータセンター容量へ転換できる電力供給済みシェル事業者。

  強み

  電力パイプライン、リース、Bitcoinからデータセンターへの転換機会。

  弱み

  評価は契約、通電、プロジェクト実行の前提に依存。

  比較

  レポートは、これらの企業がオンサイト発電を支える同じ電力ボトルネックの受益者とみる。

  リスク

  AI支出の減速、想定を下回るリース経済性、建設遅延、コスト超過、パイプライン容量の収益化失敗。

主要データ

• ハイパースケーラーのデータセンター設備投資成長率60% in 2027; ~12% in 2028Morgan Stanleyは、2027年に設備投資が$1.5tnに達した後、成長が減速すると予測。
• 総コンピュート容量~35 GW in 2025 to ~145 GW in 2028約4倍の成長で、2027-28年に約80 GWが稼働開始する見通し。
• 増分容量に占めるカスタムASIC比率34% in 2025 to 66% in 2028主にAmazon TrainiumとGoogle TPUが牽引。
• 生成AI ROIC25-50%ハイパースケーラー貸出とモデルAPI収益化における例示的な経路。
• 世界の生成AI対象支出$50-60tn$20-30tnのナレッジワークと約$30tnの消費者支出で構成。
• 生成AIの効果を定量化したS&P 500企業~25% in 2Q261年前の14%から上昇。
• 世界のAI関連債務発行~$450bn year to dateレポートは、資金調達停止ではなくスプレッド拡大による調整を予想。
• 米国の電力不足38 GWbehind-the-meter電力および電力供給済みシェル型ソリューションを支える。

影響と示唆

Morgan Stanleyは、推論の収益化と導入が拡大するにつれて、AI機会は半導体を超えて広がると予想する。ハイパースケーラーとソフトウェア・エネーブラー、早期導入企業、そして持続するデータセンター制約から恩恵を受ける電力ソリューション供給企業が受益するとみている。

リスク

• AI支出が減速し、コンピュート、インフラ、関連する電力容量への需要が低下する可能性。
• 電力、労働力、資材、系統接続の制約がデータセンターの開設を遅らせ、コストを押し上げる可能性。
• 州・地方レベルのデータセンター反対がより広範または恒久的な制限に拡大する可能性があり、2028年選挙が政治リスクの焦点。
• オープンウェイトモデルがモデル層のtoken価格と競争上の差別化に圧力をかける可能性。
• オフバランスシートのリースと購入約定は、強い営業キャッシュフローにもかかわらず将来の債務余力を低下させる可能性。
• 電力供給済みシェル事業者では、建設遅延、コスト超過、通電の不確実性、顧客契約の失敗がリターンを損なう可能性。

注目点

• 2028年に向けたハイパースケーラー設備投資の伸びと、収益・キャッシュフローの拡大がソフトウェアとエネーブラーへの資金移動を支えるか。
• コンピュート容量の追加、特にGoogle TPUとAmazon Trainiumの導入がNVIDIA容量と比べてどう進むか。
• token価格、スループット、トレーニングではなく収益を生む推論に割り当てられる容量の割合。
• 特にテクノロジー、金融、ヘルスケア、産業における企業導入と定量化可能な効果の証拠。
• 信用スプレッド、AI関連発行、オフバランスシート約定の増加。
• 電力の利用可能性、データセンター許認可、behind-the-meter発電の導入、および2028年選挙前の規制動向。
• オンサイト電力および電力供給済みシェル事業者の新規データセンター契約、容量調達、通電の進捗。