北米インターネット・クラウドコンピューティング：オープンウェイトモデルがトークン価格を圧迫する一方、コンピュートの希少性がクラウドベンダーの収益を引き続き支える

概要

本レポートは、オープンウェイトモデルの急速な普及が生成AI業界のユニットエコノミクスおよび投下資本利益率に与える影響を検討する。中核的な結論は、トークン当たり価格の低下はモデルプロバイダーに直接的な圧力をもたらす一方、導入と推論量の成長も促すというものだ。ハイパースケールクラウドベンダーは、希少なコンピュート、価格決定力、カスタムチップ、ソフトウェア最適化、エンタープライズ顧客基盤、クラウドサービスのクロスセルを活用し、引き続き健全な収益を得ると予想される。

主要見解

第一に、オープンウェイトモデルは無料ダウンロード、プライベートデータでのファインチューニング、柔軟な導入を通じてモデルの流通チャネルを拡大し、技術普及を加速させる。第二に、モデル層の価格競争は激化し、ラボは収益とリターンを維持するため、より高いトークンスループット、より強いモデル差別化、より広範なエコシステムに依存する必要がある。第三に、ハイパースケールクラウドベンダーは希少かつ資本集約的なコンピュート資源を支配しており、合理的な価格設定と高い稼働率を通じて収益化できる。低価格モデルがもたらすボリューム成長は、マージン率以上に重要となる可能性がある。第四に、API収益に加え、オープンモデルはアクセラレータのリース、検索拡張生成に必要なストレージ・データベース、ならびにセキュリティ、ガバナンス、アイデンティティ、監視サービスの収益も牽引する。第五に、最も低い提供コストが重要な競争要因となり、カスタムチップ、自社モデル、より強いハードウェア・ソフトウェア共同最適化能力を持つクラウドベンダーが優位性を高める。

分析フレームワーク

本レポートはモデルラボとハイパースケールクラウドベンダーをレイヤー別に分析している。モデル層では、100万トークン当たり価格、GPU当たりトークンスループット、推論に使用される容量比率、ギガワット当たり収益に基づきリターンを評価する。インフラ層では、GPU数、稼働率、時間当たりレンタル価格、減価償却、エネルギーその他の運営コストに基づき、EBIT、NOPAT、ROICを推計する。また、META、AMZN、GOOGLの事業ドライバー、シナリオ別バリュエーション、リスクリワード特性を組み合わせて資産をマッピングしている。

手法メモ

• ユニットエコノミクス分析生成AIモデルAPIリターンフレームワーク

  トークン価格、スループット、推論容量に基づき、ギガワット当たり収益と投下資本利益率を推計する

  このフレームワークでは、1ギガワットのデータセンターに約410,256個のGB300チップが搭載されると仮定し、推論に使用される容量比率、GPU当たり毎秒トークン数、100万トークン当たり価格に基づいて年間収益を推計し、コンピュートリースコストと比較する。

• インフラリターン分析ハイパースケールクラウドベンダーGPUリースリターンフレームワーク

  稼働率、時間当たりレンタル価格、資本コストに基づきNOPATとROICを推計する

  このフレームワークは75%の稼働率を用い、IT減価償却、非IT減価償却、エネルギー、人件費、保守などのコストを織り込む。異なるレンタル価格シナリオは約23%～39%のROICに対応する。

• 産業バリューチェーン分析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比較

  モデルの制御、カスタマイズ能力、導入方法、コスト、流通経路を比較する

  オープンウェイトモデルでは、ユーザーがモデルウェイトを取得し、プライベートデータでファインチューニングを行い、導入場所を独自に選択できる。クローズドソースモデルは通常、サブスクリプションまたはAPIを通じてのみ利用可能である。

• バリュエーション分析強気・基本・弱気ケースのバリュエーション

  将来年度のEPSとPER倍率に基づき目標株価レンジを形成する

  META、AMZN、GOOGLの目標株価は主として2027年および2028年の平均EPSと対応するPER倍率に基づいており、収益成長率、マージン、AI収益化の差異を用いてシナリオを構築している。

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）。

• META PLATFORMS INC (US.META)

  オープンウェイトモデルのプロバイダー、AIインフラ投資家、デジタル広告プラットフォーム；本レポートは最有力銘柄に指定し、Overweight評価を付与している。

  強み

  AI投資はReelsのエンゲージメントと広告収益化を改善すると見込まれ、広告測定・アトリビューションも引き続き改善する。効率重視の組織変革、サブスクリプション、クリック・トゥ・メッセージ事業が追加的な上振れオプションを提供する。

  弱み

  高額なデータセンターおよびAI設備投資が資本集約度を高め、オープンモデルの低価格戦略はモデル層における直接的な収益化能力を圧迫する可能性がある。

  比較

  純粋なクラウドインフラベンダーと比べ、METAは広告、ユーザーエンゲージメント、新製品を通じてより間接的にAIリターンを実現する一方、オープンモデルのエコシステムによる流通上の優位性も持つ。

  リスク

  Reelsの収益化が予想を下回ること、ユーザーエンゲージメントの低下、広告ターゲティング規制、マクロ消費の低迷、Reality Labsの損失拡大、データセンター建設の実行不振によるリターン低下。

• AMAZON COM INC (US.AMZN)

  AWS、Bedrock、アクセラレータリース、関連クラウドサービスを通じてオープンウェイトモデルからの推論需要を取り込む；本レポートはOverweight評価を付与している。

  強み

  AWSは長期的なクラウド導入サイクルにあり、コンピュートリース、ホスト型API、ストレージ、データベース、セキュリティサービスを通じて多層的な収益化を実現できる。高マージン事業が継続投資を支える。

  弱み

  クラウド事業と小売事業はいずれも継続的な高水準の投資を必要とし、短期利益は投資ペース、フルフィルメントコスト、AWSの成長に比較的敏感である。

  比較

  METAと比べ、AMZNはオープンモデルによって牽引されるクラウドインフラ利用からより直接的に恩恵を受ける。GOOGLと比べ、その優位性はAWSの規模、エンタープライズへのカバレッジ、幅広いクラウドサービスのポートフォリオに集中している。

  リスク

  AWS収益の減速またはマージン低下、予想を上回る投資強度、商品マージンの悪化、配送・フルフィルメントにおける不十分な営業レバレッジ。

• ALPHABET INC (US.GOOGL)

  Geminiモデル、Google Cloud、TPUカスタムチップ、検索、YouTubeの流通チャネルを保有；本レポートはOverweight評価を付与している。

  強み

  カスタムTPUとモデル・クラウドプラットフォームの相乗効果が提供コストの削減に寄与する。Gemini Flashなどの効率的なモデル、Google Cloudの受注残、SearchとYouTubeの商業化が多様な成長源を提供する。

  弱み

  AI検索と低価格モデルはコンピュート集約度を高め、マージンを圧迫する可能性がある一方、新製品の収益化はまだ成熟していない。

  比較

  GOOGLはモデルラボとハイパースケールクラウドベンダーの両方の特性を持つ。純粋なモデルプロバイダーと比べ、インフラと流通面で優位性があり、AMZNと比べ、自社モデル、検索、動画エコシステムにおけるより強い相乗効果を持つ。

  リスク

  検索広告成長の鈍化、AI製品による中核検索のカニバリゼーション、新製品の低い収益化率、コンピュートコストの上昇、不十分な費用規律、クラウド事業の加速が予想を下回ること。

主要データ

• モデルAPIのベースライン・トークン価格約$1.75/100万トークンレポートで用いられたベースライン前提であり、長期的にはさらに低下する可能性がある。
• 推論スループット前提約2,000～3,500トークン/秒/GPUGB300ハードウェア上のオープンウェイトDeepSeek-V4-Pro 1.6Tに関する公開推論ベンチマークに基づく。
• モデル層の投下資本利益率約20%～60%保有するGB300インフラ1ギガワットに対する推定結果。
• 1ギガワット当たりのGB300チップ数約410,256Morgan Stanleyの推計。
• ハイパースケールクラウドベンダーのGPUリースリターン約23%～39%75%の稼働率と$7～$10の時間当たりレンタル価格レンジに基づく。
• METAの目標株価$7752027年および2028年の平均EPS $34/$35の約23倍；強気・弱気ケースはそれぞれ$1,000、$450。
• AMZNの目標株価$3352027年および2028年の平均EPS $14の約25倍；強気ケースは$410。
• GOOGLの目標株価$4002027年および2028年の平均EPS $15/$18の約24倍；強気・弱気ケースはそれぞれ$450、$225。

影響と示唆

オープンウェイトモデルの主な影響は、AIインフラのリターンを消滅させることではなく、バリューチェーン全体で利益を再配分することにある。モデルラボはより顕著な価格・粗利益率圧力に直面し、スループット向上、モデル革新、製品差別化によってこれを相殺する必要がある。一方、ハイパースケールクラウドベンダーは、より大きな推論ワークロード、GPUリース、ストレージ、データベース、セキュリティなどの追加サービスから恩恵を受ける可能性がある。投資の観点では、低い提供コスト、カスタムチップ、強力なソフトウェアスケジューリング能力、自社モデル、大量のエンタープライズリクエストを持つコンピュート所有者に注目すべきである。

リスク

• オープンウェイトモデルとの競争により、トークン当たり価格がスループット効率の改善を上回る速度で低下し、モデル層のROICを圧迫する可能性がある。
• AI需要またはGPU稼働率が予想を下回れば、ハイパースケールクラウドベンダーのデータセンターリターンが弱まる可能性がある。
• 設備投資、エネルギー、減価償却、保守コストが前提を上回れば、実際のユニットエコノミクスがモデル推計を下回る可能性がある。
• モデルアーキテクチャ、カスタムチップ、インターコネクト、リクエストバッチ処理における効率改善が予想を下回る可能性がある。
• 新たなAI製品が検索その他の高マージン事業をカニバリゼーションし、より低い収益化率でコンピュート負荷を高める可能性がある。
• マクロ消費・広告支出の低迷、規制上の制約、企業導入の減速が関連企業の収益に影響する可能性がある。
• 本レポートのリターンは前提に基づくシナリオ推計であり、トークン価格、スループット、稼働率、レンタル価格に非常に敏感である。

注目点

• オープンウェイトモデルおよびフロンティア水準に近いモデルの100万トークン当たり価格の変化。
• GPU当たりトークンスループット、推論に使用される容量比率、リクエストバッチ処理の効率。
• METAの今後のMuseモデルのリリース頻度、能力改善、エコシステム導入状況。
• Google Gemini FlashおよびGemini 4の効率、性能、商業化の進展。
• AWS、Google Cloud、その他クラウドプラットフォームにおけるAI収益、受注残、稼働率、マージン。
• TPUやTrainiumなどのカスタムチップの、汎用GPUに対するコスト・性能上の優位性。
• オープンモデルがストレージ、データベース、検索拡張生成、セキュリティ、ガバナンスサービスにもたらす追加収益寄与。
• META、AMZN、GOOGLによる設備投資、フリーキャッシュフロー、AI投資リターンに関する開示。