AI lab and AI hyperscaler unit economics レポート解説

概要

このBarclaysのディープダイブは、AIラボとハイパースケールクラウドパートナーがAI製品をどのように収益化するかを説明する。エンタープライズおよびAPIミックス、トークン効率、インフラ改善によって2026年のユニットエコノミクスは著しく向上したと結論づける一方、会計表示と提携条件により、一見似たラボでも大きく異なって見え得るとしている。

主要見解

Barclaysの中心的な論点は、同種のAIラボ製品の経済性は似通っていても、事業ミックス、収益認識、ハイパースケーラーとの提携条件により、集計ベースの報告収益と売上総利益率は大きく異なり得るということだ。レポートは2つの仮想的なフロンティアラボを用いる。Lab Aは収益の70%超をAPIから得ており、内訳はDirect APIが45%、Indirect APIが25%、サブスクリプションが30%である。Lab Bはサブスクリプション収益が約80%、Direct APIが10%、Indirect APIが10%である。APIはサブスクリプションより推論マージンが高い傾向にあり、このミックスの差が報告収益性の乖離の大部分を説明する。Barclaysはまた、最終トレーニングランを表す総トレーニングコストの約10%が売上原価に計上されると仮定しているが、最終的にAIラボがトレーニングコストを売上原価と研究開発費のどちらへ配分するかはなお不明確である。 同レポートは、エンタープライズ導入とエージェント型ワークフローが必須購入製品となることで、2026年の有料推論マージンが2025年の10%台半ばから、2つの例示ラボで50%-65%+へ大きく改善したと推定する。より高マージンのAPIおよびエンタープライズ顧客へのミックスシフトに加え、モデルのトークン効率向上がタスク当たりに必要なトークンを減らし、マージンを支える。Barclaysの例示値では、Lab Aの有料推論マージンは2025年の14%から2026年の65%へ、Lab Bは18%から48%へ上昇する。想定した最終トレーニングコストを織り込むと、調整後売上総利益率は約30-50ポイント改善する。Lab Bの戦略パートナーとの収益分配は、一定のしきい値が達成されるまで収益性を圧迫し、その後2028年以降のいずれかの時点でゼロになると見込まれる。 製品構造も重要である。Claude CodeやCodexのようなサブスクリプション製品では、月額料金、使用量ベースの料金、定期的にリセットされる上限が用いられ得る。ラボはユーザーを維持するためにトークン消費を補助することがあり、サブスクリプションの推論マージンは一般にAPIより低い。Barclaysはサブスクリプションの推論マージンを約70%と見積もる一方、競争が拡大し、コンピュート供給が不足から余剰へ向かう前には2026年のマージンはより高い可能性があると指摘する。Direct APIは使用量ベースで、開発者が自社製品にAIラボのAPIを組み込み、トークン消費に応じて支払う。モデル効率の向上、表示上のAPIトークン価格の上昇、量子化やspeculatorsなどのインフラ手法、次世代コンピュート、クラウドパートナーとの収益分配が、いずれもAPI経済性の強化を支える。BarclaysはAPI推論マージンが2Q26にはFigure 5の水準を大きく上回ったと聞いているが、いずれ正常化するとみている。 Indirect APIは、エンドユーザーの機能はDirect APIと似ているが、ハイパースケーラーがユーザーへの請求とGo-to-marketを担い、ラボが直接関与しない点で商業上の関係が異なる。Lab AはIndirect API収益をグロスで認識すると仮定される一方、Lab Bは手数料控除後のネットで認識し、戦略パートナーがサービスをホストする場合は収益をまったく認識しない可能性がある。Indirect APIが事業のより大きな比率を占めるにつれ、このグロス対ネットの処理は、基礎的な経済性が比較可能でも、報告収益、成長、相対的な競争進捗の見え方を歪め得る。 レポートはAIラボの支出がハイパースケーラーへどう流れるかも追跡する。AIラボ収益$100ごとに、Barclaysは2026年に約$35-$40がハイパースケーラー収益となり、約35%-45%の営業利益率でほぼ$10-$20のハイパースケーラー営業利益を生むと見積もる。例示表では、Lab Aはハイパースケーラー収益$35、利益$11.8、利益率34%を生む一方、Lab Bは収益$41、利益$19.1、利益率47%を生む。収益分配はハイパースケーラーの報告営業利益率を高め得るが、Barclaysはこうした手数料を除けば、トークン当たりの基礎的利益は同じ可能性が高いと考えている。 短期的には、トレーニングが2026年のAI支出の大きな構成要素であり続けるため、AIラボのARRのほぼすべてがハイパースケーラーの収益に流入するとBarclaysは述べる。業界サマリーでは、AIラボ収益は2025年の$26 billionから2026Eの$137 billion、2027Eの$376 billion、2028Eの$690 billionへ増加すると予測する。推定ハイパースケーラーAI収益は$36 billionから、順に$124 billion、$289 billion、$502 billionへ増える。一方、AIラボ収益に対するハイパースケーラーAI収益の比率は、2025年の136%から2026Eの90%、2027Eの77%、2028Eの73%へ低下する見込みである。Barclaysは、ラボの推論利益はいずれトレーニングコストを上回ると予想する。また、AWS、Azure、GCPは、バックストップ型AIインフラ案件が2028年にシェアを獲得し始める前の今後2年間、AIラボのコンピュート支出で同程度のシェアを持つとみている。レポートは、足元のラボとハイパースケーラーのマージンは例示値を上回る可能性がある一方、フロンティアでの競争激化とコンピュート不足の緩和により、時間とともに低下すると注意を促す。

分析フレームワーク

Barclaysは、2つの仮想的なフロンティアAIラボについて、サブスクリプション、Direct API、Indirect APIの収益を分けた2025年・2026年の損益ウォーターフォールを作成している。次に、推論コスト、トレーニングコスト、クラウド手数料、戦略パートナーとの収益分配を配分し、製品ミックスと会計処理がラボのマージンおよびハイパースケーラーの収益・営業利益にどう影響するかを示す。最後に、このロジックを2028Eまでの業界予測に拡張している。

手法メモ

• その他その他

  AIラボおよびハイパースケーラーのユニットエコノミクス・ウォーターフォール分析

  レポートは顧客収益またはAIラボ収益$100ごとにモデル化し、収益分配、推論コスト、最終トレーニングコスト、パートナー手数料を配分して、ラボとクラウドプロバイダーのマージンを推定する。

• 業界・産業分析フレームワーク産業チェーンの上流・中流・下流波及

  AIラボ支出のハイパースケーラーへのフロースルー

  BarclaysはAIラボの収益とコンピュート需要が、ハイパースケーラーの推論・クラウド収益へどう転化するかを追跡し、関連する営業利益の取り分を推定する。

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 Web Services (AWS)

  バックストップ型インフラがシェアを獲得する前の今後2年間、AIラボのコンピュート支出で同程度のシェアを支配すると見込まれるハイパースケーラー。

  強み

  AIラボのトレーニングおよび推論収益に関与し、BarclaysはハイパースケーラーがAIラボ支出から大きな収益と営業利益を得ると推定している。

  比較

  Barclaysは、AWS、Azure、GCPが今後2年間、AIラボのコンピュート支出において同程度のミックスを支配すると見込む。

  リスク

  バックストップ型AIインフラ案件が稼働し始める2028年以降、ハイパースケーラーはAIラボのトレーニングと推論で市場シェアを失い始める可能性がある。

• Azure (MSFT)

  バックストップ型インフラがシェアを獲得する前の今後2年間、AIラボのコンピュート支出で同程度のシェアを支配すると見込まれるハイパースケーラー。

  強み

  AIラボのトレーニングおよび推論収益に関与し、戦略パートナーとの収益分配は報告上のクラウド営業利益率を高め得る。

  比較

  Barclaysは、AWS、Azure、GCPが今後2年間、AIラボのコンピュート支出において同程度のミックスを支配すると見込む。

  リスク

  バックストップ型AIインフラ案件が稼働し始める2028年以降、ハイパースケーラーはAIラボのトレーニングと推論で市場シェアを失い始める可能性がある。

• Google Cloud Platform (GCP)

  バックストップ型インフラがシェアを獲得する前の今後2年間、AIラボのコンピュート支出で同程度のシェアを支配すると見込まれるハイパースケーラー。

  強み

  AIラボのトレーニングおよび推論収益に関与し、戦略パートナーとの収益分配は報告上のクラウド営業利益率を高め得る。

  比較

  Barclaysは、AWS、Azure、GCPが今後2年間、AIラボのコンピュート支出において同程度のミックスを支配すると見込む。

  リスク

  バックストップ型AIインフラ案件が稼働し始める2028年以降、ハイパースケーラーはAIラボのトレーニングと推論で市場シェアを失い始める可能性がある。

主要データ

• 2026年のAIラボ有料推論マージン50%-65%+Barclaysの推定。2025年の10%台半ばから上昇。
• 調整後AIラボ売上総利益率の改善~30-50 points最終トレーニングコストを含む、2026年の2025年比。
• AIラボ収益$100当たりのハイパースケーラー収益$35-$402026年の推定推論関連フロースルー。
• AIラボ収益$100当たりのハイパースケーラー営業利益Nearly $10-$20約35%-45%の営業利益率において。
• AIラボ収益予測$137B in 2026E; $376B in 2027E; $690B in 2028E2025年の$26Bとの比較。
• ハイパースケーラーAI収益予測$124B in 2026E; $289B in 2027E; $502B in 2028EAIラボ収益に対する推定比率は、それぞれ90%、77%、73%へ低下。

影響と示唆

レポートは、AIラボの報告収益とマージンを比較する際には、製品ミックス、パートナー手数料、グロス対ネット会計を調整する必要があると主張する。AI需要からハイパースケーラーへの収益・利益の大きな取り分は当面続くとみる一方、代替的なバックストップ型インフラが利用可能になり、ラボの推論収益性が改善する2028年以降、この関係はより分散すると予想する。

リスク

• フロンティア競争が激化し、コンピュート不足が緩和すれば、AIラボとハイパースケーラーのマージンは低下する可能性がある。
• バックストップ型AIインフラ案件が利用可能になることで、ハイパースケーラーは2028年以降、AIラボのトレーニングおよび推論で市場シェアを失う可能性がある。
• Indirect API収益のグロス対ネット認識は、報告されるAIラボ収益と相対的進捗の比較を歪め得る。

注目点

• エンタープライズおよびエージェント型ワークフローの導入ペースと、それに伴うAPI・エンタープライズ収益へのミックスシフト。
• 2Q26に例示水準を大きく上回ったとされるAPI推論マージンが、時間とともに正常化するか。
• AIラボがGAAP財務報告でトレーニングコストを売上原価と研究開発費の間でどのように配分するか。
• Indirect APIの収益認識と戦略パートナーとの収益分配契約の変化。
• 2028年以降のハイパースケーラーのシェアに影響すると見込まれる、バックストップ型AIインフラ案件の時期と影響。