AI：オープンウェイトモデルはAIの普及を促進し、3つのシナリオごとに異なる恩恵を受ける企業が現れる

概要

本レポートはオープンウェイトモデルとクローズドウェイトモデルの競争に焦点を当て、Kimi K3のリリース、中国モデルに対する米国の潜在的な規制、関連する政策書簡によって引き起こされた市場論争を議論している。モルガン・スタンレーは、より小型で効率的なオープンモデルがコンピュートおよびAIインフラ需要を弱めることを投資家が懸念していると考えるが、本レポートの中核的見解は、オープンウェイトモデルが競争と低コストを通じてAIの普及を加速し、企業のAI導入を広げる可能性があるというものである。

主要見解

本レポートは、企業が現在オープンモデルとクローズドモデルの両方を使用しており、オープンウェイトモデルは主に、コーディングや文書解析など、速度、セキュリティ、頻繁な呼び出し、またはドメイン固有の適応を必要とする小規模ユースケースで用いられていると考えている。長期的には、オープンモデルがフロンティアモデルに追いつき続ければ、モデルAPI価格を引き下げ需要を拡大する。クローズドモデルが優位性を維持すれば、資本力のある少数のフロンティアラボ、クラウドプロバイダー、学習インフラプロバイダーが引き続き恩恵を受ける。ハイブリッドアーキテクチャが主流になれば、モデルルーティング、オーケストレーション、オブザーバビリティ、セキュリティ、ガバナンスの重要性が高まる。

分析フレームワーク

本レポートは、将来の企業AIモデル導入を、クローズドモデルが勝つ、ハイブリッドアーキテクチャが勝つ、オープンウェイトモデルが勝つという3つの状態に分け、各シナリオにおける産業チェーン全体の受益者を導き出すシナリオ分析フレームワークを用いている。分析は、企業導入率、コスト構造、性能差、デプロイ先、データ主権、規制制限、ソフトウェアスタックの複雑性、コンピュートおよび電力需要に焦点を当てている。

手法メモ

• テーマ型リサーチ3状態シナリオ分析

  オープンモデルとクローズドモデルの競争を軸に、異なる業界の受益者チェーンを予測する

  単一の経路を予測するのではなく、本レポートは将来を、クローズドモデルが勝つ、ハイブリッドモデルが勝つ、オープンモデルが勝つという3つのシナリオに分け、各シナリオにおけるクラウド、モデル、セキュリティ、半導体、ネットワーキング、オンプレミスインフラ、エッジデバイスの相対的な受益者を比較している。

• 経済メカニズムジェボンズのパラドックス

  効率改善は総需要を拡大させる可能性がある

  本レポートは、モデルコストの低下と効率改善がAIインフラ需要を減少させるとは限らず、より多くの企業とユースケースがAIを導入することで総利用量が拡大する可能性があると考えている。

• 企業テクノロジーアーキテクチャモデルオーケストレーションおよびオブザーバビリティのフレームワーク

  マルチモデル環境ではソフトウェアレイヤーの価値が高まる

  企業がオープンモデルとクローズドモデルの両方を運用する場合、コスト、能力、レイテンシー、コンプライアンスに基づきモデルを動的に選択する必要があるため、ゲートウェイ、ルーティング、オーケストレーション、評価、ガバナンス、セキュリティ、オブザーバビリティの各レイヤーがより重要になる。

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）。

• GOOGL, AMZN, MSFT

  クラウドサービスプロバイダー

  強み

  クローズドまたはハイブリッドのシナリオでAIワークロードを取り込むことができる。Geminiがフロンティアに復帰すれば、GOOGLはモデルAPIの経済性からも恩恵を受け得る。

  弱み

  オープンモデル価格の低下はクローズドモデルからの超過収益を抑制する可能性がある。各クラウドプロバイダーの受益度は、モデル能力と顧客のデプロイメント選好に左右される。

  比較

  クローズドモデルが勝つ場合はGOOGLとAMZNが際立つ。ハイブリッドシナリオではAMZN、GOOGL、MSFTがすべて恩恵を受ける。オープンモデル勝利シナリオではMSFTが強調されている。

  リスク

  競争的なモデル環境の変化、価格下落、企業によるオンプレミスまたはエッジデプロイメントへの移行。

• NVDA, AVGO

  半導体およびAIコンピュート

  強み

  本レポートは、NVDAが複数のシナリオで恩恵を受けると考えている。クローズドモデルが勝つ場合、学習クラスターと高集約度コンピュートの需要が堅調に推移し、AVGOも恩恵を受ける。

  弱み

  より小型のオープンモデルが効率を大幅に向上させた場合、タスク当たりのコンピュート需要は低下する可能性がある。

  比較

  クローズドモデルシナリオではNVDAとAVGOが挙げられ、ハイブリッドシナリオではNVDAが挙げられている。

  リスク

  モデル効率の向上、推論価格の低下、学習から推論またはエッジへのコンピュート需要の移行。

• PANW, CRWD, ZS, NTSK, OKTA, FTNT, SAIL, VRNS

  セキュリティソフトウェア

  強み

  分散型、オンプレミス、マルチモデルのデプロイメントは、セキュリティ、ガバナンス、アイデンティティ、アクセス制御への需要を高める。

  弱み

  クローズドモデルが勝つ場合、一部のセキュリティ負担はフロンティアモデルラボが負う可能性がある。

  比較

  セキュリティソフトウェアは3つのシナリオすべてにおける重要な受益者であり、分散型ワークロードによりオープンおよびハイブリッドのシナリオで重要性が高まる。

  リスク

  企業AIのデプロイメントが予想より遅く進むこと、またはモデル数に沿ってセキュリティ予算が増加しないこと。

• DDOG, PLTR, APPN

  インフラソフトウェア、オーケストレーション、オブザーバビリティ

  強み

  マルチモデル環境では、ルーティング、オーケストレーション、監視、評価、コストおよび品質追跡が必要となる。

  弱み

  企業が単一のクローズドモデルAPIを採用し続ける場合、ソフトウェアスタックの複雑性の上昇は限定的となる可能性がある。

  比較

  ハイブリッドシナリオではDDOG、PLTR、APPNが挙げられ、オープンモデル勝利シナリオではPLTRが挙げられている。

  リスク

  プラットフォームの統合、クラウドプロバイダー固有ツールによる代替、企業の自社構築能力。

• DELL, HPE, NTAP, P, HPQ, AAPL

  オンプレミスインフラおよびエッジデバイス

  強み

  オープンモデルが勝つ場合、より多くのワークロードがオンプレミス、プライベートクラウド、ソブリンクラウド、エッジデバイスへ移行する。

  弱み

  クローズドモデルが優位性を維持する場合、企業はクラウドとAPIを通じてモデルを消費し続け、ローカルハードウェアへの需要が減少する可能性がある。

  比較

  これらの資産は主にオープンウェイトモデルが勝つ場合に恩恵を受ける。

  リスク

  大規模モデルのローカルデプロイメントにかかる高コスト、企業エンジニアリング人材の不足、不確実な投資回収期間。

• BE, INIO, SEI, WMB, LBRT

  オンサイト電力およびエネルギーインフラ

  強み

  クローズドモデルが勝つ場合、学習用スーパークラスターが、信頼性の高い電力に対するギガワット規模の需要を牽引する。

  弱み

  モデル効率が大幅に改善し、ワークロードがより分散化した場合、集中型のハイパースケール学習クラスターによる追加需要は弱まる可能性がある。

  比較

  本レポートは、クローズドモデル勝利シナリオでオンサイト電力供給企業を特に強調している。

  リスク

  データセンター建設の減速、送電網接続の制約、規制および設備投資サイクル。

主要データ

• 企業のオープンモデル利用率63%41カ国のテクノロジーリーダー700人を対象としたマッキンゼー調査では、回答者の63%が、通常クローズドモデルと併用してオープンモデルを使用していることが示されている。
• 米国企業のOpenRouterトークンのうち中国オープンモデルにルーティングされた割合30%+本レポートによると、2026年2月から7月にかけて、米国企業が週次で使用したOpenRouterトークンの30%超が中国のオープンモデルにルーティングされた。ただし、このデータは大企業よりもスタートアップをより反映している可能性がある。
• AIタスク当たりの平均便益とコスト$55 benefit vs. $2-5 cost本レポートは、企業AI導入には依然として大きな伸びしろがあることを示すため、過去の推計を引用している。
• オープンモデルによる潜在的な価格低下約70%本レポートは、クローズドモデルからオープンモデルへの移行によって平均価格が70%低下し、消費者は年間約$25Bを節約できる可能性があるとするMITの研究を引用している。ただし、研究期間、モデル差異、総保有コストに関する制約にも言及している。
• オープンデプロイメントの投資回収期間最短3カ月から最長6年カーネギーメロン大学の研究では、小規模デプロイメントの投資回収期間は最短3カ月となり得る一方、200B-1Tパラメーターの大規模デプロイメントでは最長6年かかる可能性が示されている。
• GOOGLのモデルAPI ROICシナリオ約45%または約30%Geminiがフロンティアに復帰した場合、本レポートは、GOOGLが自社インフラ上でモデルAPIを運用することによるROICを約45%と推計している。インフラプロバイダーとしては約30%となる。

影響と示唆

投資上の含意は、オープンモデルがAI投資の論拠を必ずしも弱めるわけではなく、むしろコスト低下とユースケースの拡大がより幅広い企業AI支出を生み出し得るということである。クローズドモデルの勝利はフロンティアモデルラボ、クラウド、学習コンピュート、ネットワーキング、電力に有利であり、ハイブリッドの勝利はクラウド、インフラソフトウェア、セキュリティソフトウェア、モデルオーケストレーションに有利である。オープンモデルの勝利は、オンプレミスインフラ、エッジデバイス、セキュリティ、オブザーバビリティ、ルーティング、アプリケーションレイヤーのデプロイメントに有利である。

リスク

• 中国のオープンウェイトモデルに対する米国の潜在的な規制は、事業継続性リスクを生む可能性がある。
• オープンモデルを利用する企業は、ファインチューニング、ホスティング、人材、コンピュートのコストを負担しなければならない。総保有コストの観点でオープンは無料を意味しない。
• オープンウェイトモデルは、安全アラインメントの除去、悪意のある改変、責任所在の不明確さなどのリスクに直面する。
• 海外モデルに関する企業の信頼、ブランド、セキュリティ、コンプライアンス上の懸念が導入を制限する可能性がある。
• クローズドなフロンティアモデルが大差で優位を維持する場合、企業の中核ワークロードにおけるオープンモデルの浸透は期待を下回る可能性がある。

注目点

• Kimi K3、Qwen、DeepSeek、Llama、Gemmaなどのオープンウェイトモデルとクローズドなフロンティアモデルの性能差の変化。
• 中国のオープンモデルに対する米国の規制、および海外フロンティアモデルに対する中国の規制。
• 企業AI支出におけるオープン、クローズド、ハイブリッドアーキテクチャの実際のシェアの変化。
• モデルAPI価格、トークン当たりコスト、推論効率、企業ユースケース拡大のペース。
• 企業がAIワークロードをオンプレミス、プライベートクラウド、ソブリンクラウド、エッジにデプロイするペース。
• モデルオーケストレーション、ルーティング、オブザーバビリティ、セキュリティ、ガバナンスソフトウェア向け予算の増加。