
AI への支出はいくらが妥当か? なぜ多くの VC ファンドは未だ投資家への還元を図れていないのか。投資の中で真に outlier な存在はどこにあるのか?
著者:Venture Curator
翻訳:TechFlow
TechFlowダイジェスト:本稿は2組の実数データを用いて2つの事実を明らかにする。大手VCがAIの同質化プロジェクトに殺到している一方で、新興ファンドマネージャーこそが多様なユニークな企業に賭けているという点、そして多くのVCファンドは設立から9年後でもLPに元金を戻せていないという点だ。資金調達中の創業者にとって、ブランド名の光よりもファンド背後の資金プレッシャーを理解することの方が遥かに重要である。

新興VCがより変わったスタートアップへの投資を増やす中、AIへの支出は7万社超の企業間で大きな格差を見せている。
果たして誰がリスクベンチャーの異質な起業に投資するのか?データは何を示しているか。
リスクベンチャーキャピタリストは一般的に、これは異質な企業を探る商売だと教え込まれている。誰も予測しなかった少数の企業が利益の大部分をもたらし得るので、最大規模のチーム、最広範なネットワーク、最大の資本を誇る機関こそがそれらを発見するのに最も適すべきだ。
しかし、OdinのDan Grey氏がDealroomのデータを基にした新研究によれば、最大手の機関ほど現在、他の支援企業とは一線を画すような会社には最も投資しなくなる傾向にあることが明らかになった。
Grey氏は、大手ファンド5社(a16z、General Catalyst、Lightspeed、NEA、Accel)が2023〜2025年にシードラウンドでポートフォリオ化した全企業と、厳選されたトップ級の新規ファンドマネージャー陣に対し、希少性に基づいてスコアリングを行った。希少性は、事業面(業界、モデル、顧客、地域)と技術面の2次元から、2018〜2025年にシードラウンドで資金調達した全企業と比較して測定され、最も異質な上位20%が「異類」とカウントされた。
新興マネージャーが評価可能なシードラウンド投資の24.7%を異類属性を持つ企業へ回している(198社中49社)。一方、メガファンドはわずか11.5%にとどまった(278社中32社)。ほぼ2倍の開きがある。
この開きは、すべての小規模ファンドが逆張りの投資家だからではない。新興マネージャーの多くもメガファンドと同様にAIへ大きく集中している。Convictionは100%がAI、South Park Commonsは93.5%に及ぶ。開きが生まれるのは、異なるミッションを持つ専門型ファンドによるもの。例えばLowercarbonはAIへの投資比率が18.8%のみ、Multicoinは15.4%のみである。
これがポートフォリオ構成が重要な理由である。異なる新興マネージャーのポートフォリオ5つを統合すると、一般に集中度が22.6%低下する。一方、5つのメガファンドを統合しても集中度は僅か2.0%しか低下しない。5社すべてが既に82.7%から89.5%のAIエクスポージャーを抱えているためだ。考えられる新興マネージャーの組み合わせ462ケースのうち、メガファンド群を上回ったのはわずか2ケースだった。
この事実はポートフォリオ統計の範囲を超えて重要である。資金調達リスクに関する研究では、投資家が後続資金の利用可能性をどう見込むかが、どの実験に最初のチェックが出せるかを決定すると長年指摘されてきた。Odinは慎重に、自らのデータがこのメカニズムを証明するものではないとしている。しかし最大の資金プールが広く投資対象として認識されている案件のみに留まるなら、そのコンセンサスの外側にある企業は他者にファーストモネーを出すことを待つしかない。
では、これは新興マネージャーが勝者を当てることに長けているということだろうか。
そうではない。ここで言う「異類」とは支援企業の中で希少なものを指しており、必ずしも革新的であることや成功する可能性が高いことを意味するものではない。創業者の背景をスコアリングに組み入れたところ、差は19.8%対14.4%に縮まった。新興マネージャー集団は精製されたサンプルであり、市場全体を代表するものではない。また小規模ファンドにも独自のヘリング・エフェクト(群衆心理)が存在する。ブロックチェーンは当初のラウンドで全体の46.7%を占めたが、後に20.9%まで下落している。
ここが投資家が警戒すべき点である。
リターンは異質な企業からもたらされると主張するなら、有名ブランドのファンドを追加することで大半は同じベットを重ねているだけになる。本当に異なるミッションを持つファンドのバスケットこそが多様性を高めるものだ。ただし範囲だけでチェックを発行する理由にはならない。Odinが独自に設定したテスト基準はこうだ。あるファンドが既存ポートフォリオにどのような不足分を加え得るか、手数料とCarry(報酬分配権)はどういう条件か、持分割合のカットオフはどの程度か、後続資金調達のリスクはどうか。
真の問題はどちらのファンドが规模最大いかではない。それは、データが示すように次第に顔ぶれが変わってきているからこそ、他の谁也が見ていない場所を本当にウォッチしているファンドがどこなのか、という点である。
設立から9年後でも、多くのVCファンドは依然として投資家に資金を返せない。次に何が起きるか?
創業者は通常、自らが受けるVCをパシエント・キャピタル(忍耐強い資本)と捉えるよう教え込まれる。リスクベンチャーはマラソンであり、ファンドは大きな成果を待つために設立されており、CAPテーブル上誰も現金回収を急いでいるわけではない。
しかしCartaの2026年第2四半期VCファンド業績報告書における新データは、多くのファンドの我慢強さが消耗しつつあることを示唆している。というのも、それらの大半が未だLPへの資金返済を行っていないからだ。
CartaはネットDPIを追跡している。これはファンドが実際にLPに返還した現金が、LPが1ドル投入するごとに占める割合を示す指標であり、2017年から2026年の間に投資を開始した米国のリスクベンチャーファンド約3000社を対象としている。
2017年に投資を開始したファンドは今から約9年を迎え、典型的な10年生命周期のファイブエンドに近づいている。メディアンファンドが返還したキャッシュは僅か0.37倍だった。クォータイル上位25%のファンドでも0.70倍に過ぎない。LPの投入額を上回り1.37倍に達したのは上位10%のみであった。
より若手のファンドは状況がさらに悪い。2018年バッチのメディアンの返還額は0.15倍、2019年バッチは0.04倍で、つまり7年後に1ドル投入すれば4セントしか戻ってこない計算だ。
価値は帳簿上には存在する。2017年ファンドの帳簿上の価値はメディアンで1.72倍だが、そのうち現金として返還されたのは約5分の1にすぎない。残りは依然として売却もIPOも行われていないプライベートカンパニーの中にロックインされている。
これを外部から把握するのが難しい理由を説明する第2のディテールがある。これらのファンドの大半は確かにいくらかの資金を返還している。2017年ファンドの86%と2018年ファンドの70.4%が少なくとも一部のキャッシュを配布している。したがってほぼ全てのファンドがLPに対して「分配は始まっている」と伝えられる。しかし、お金を「完済した」と言えるファンドはほとんどない。
ではなぜ創業者は自分が投資を受けるファンドのCAPテーブルに関心を持つべきなのか。
投資を受けているファンドの時計とあなたの会社の時計は一致していないからだ。運用期限が近づき、LPに対して実質的な負債を抱え、次のファンドを調達しようとしているファンドは、できるだけ早く流動性を得るための強いインセンティブを持っている。このプレッシャーは、早期売却を促したり、セカンダリーマーケットで保有株式を売却させたり、あるいは次のラウンドでの追加出資をより慎重に行う形で表れる可能性がある。
ここが創業者が注意すべきポイントである。
これらはすべて、投資家があなたにとって不利な行動を取るということを意味するわけではない。ファンドは存続期間を延長できるし、トップクラスの機関投資家の多くが自社の勝者を引き続き支援する正当な理由を持っている。Cartaのデータは単なるキャッシュギャップを示しているだけであり、各ファンドがどう動くかを必然化するものではない。しかし、あなたにチェックを出すファンドの誕生年は、今やフットノートではなく現実の変数となった。2017年または2018年バッチのファンドから資金を出すパートナーと、全く新しい2025年バッチのファンドから出すパートナーでは、置かれている立場がまったく異なる。
真のリスクは投資家に流動性が必要だという事実そのものではない。あなたの資金がどのファンドから出てくるのか、そのファンドが自身の出資者に対してどれだけ未払いのキャッシュを抱えているのか、そしてそれがあなたの次回ラウンドや Exit においてどんな助言をもたらす影響を及ぼすのかを知らないという点にある。
AIにおいて最大のお金はどこにいるのか:フロンティアモデルか、ミドルマレットか。
AI関連報道の大半はフロンティア(最先端)、つまり各ラボの最新・最賢明・最高価なモデルを追っている。しかしTheory VenturesのTomasz Tunguz氏は一つの仮説を提示している。真に重要な市場はミドルマレット(中堅層)であり、支出データもこれを支持しているのだ。
ミドルマレットはすでにAI支出の約40%とトークン使用量の30%を占めている。

それと比較してフロンティアモデルのシェアは極めて薄い。Anthropicの最強モデルであるFable 5.1は、リリース直後の12日間だけでゲートウェイ支出の3.7%を占めたにすぎない。その前身モデルはピーク時に13.2%に達したが、半数のコストでOpus 5が発売されてから1ヶ月後には4.9%まで下落した。エンタープライズアカウントにおけるフロンティアモデルのトークン消費割合は、8月上旬の53%から9月には45%に減少している。
価格競争もまさにこのレイヤーで繰り広げられている。9月にAnthropicが新モデルの値下げを行なった際、OpenAIは約90分で追随した。その値下げ以前、Opusシリーズの連続4バージョンは入力が1百万トークン当たり5ドル、出力が25ドルで据え置かれていた。ローエンドでは、OpenAIが7月にLunaの価格を80%引き下げ、9月にはさらに50%削減した。
ミドルマレットの価格を引き下げ続ける3つの力がある。
ラボ間の競争。ラボはこれまで数週間から数カ月単位だった価格追従を、今では数時間以内に実施するようになっている。
オープンウェイトモデル。公開データのあるゲートウェイでは、オープンモデルが大半のトークン量を稼働させており、価格はクローズドソースモデルの加重平均価格より86%低い。
ファインチューニング。オープンウェイトモデルKimi K2.5をベースにファインチューニングされたCursor Composer 2は、これまでの自社開発モデルと比べて総コストを86%削減した。HarveyはSonnet 5と比較してセルあたりのコストを55%引き下げながら、スコアではFable 5を上回った。
この状況が持続するのは構造的なものである。企業がAIに求めていること、例えば契約書の要約やチケット分類などの作業は、年々ほぼ変化しない。一方でこのハードルを満たすインテリジェンスのコストは急速に下落している。つまり一定の要件を満たすレベルのレイヤーが四半期ごとに安くなっていけば、実際の業務の大部分はこのレイヤーに集中し、フロンティアには至らない。
需要の形状は頂点がフロンティアであるピラミッドよりも、中央が太いベルカーブに近い。購入者が重視するのは頭脳性能のピークではなく、1ドルでどれだけのインテリジェンスを購入できるかということだ。解決していないのは、このミドルマレットが最終的にコモディティ化されるかどうかである。もしコモディティ化すれば、AI市場全体の経済構造さえも書き換わることになる。
これらのモデルの上に製品を開発する者にとって問うべきはある。あなたのプロダクトが本当に必要とするのはどのレイヤーか。ミドルマレットの仕事に対してフロンティアモデルの価格を支払うことは、今すぐ捨てるべき利潤なのである。
あなたのスタートアップが本当にAIにいくら使うべきか?データが示す答え。
ほとんどの創業者にAIにかかった費用を尋ねると、自信たっぷりに数字が出るだろう。ChatGPTとClaudeの使用権、Cursorの請求書、増加し続けるAPI利用料などを合わせれば月額数千ドルに膨らむ。精密に聞こえるが、実際にはそうではない。完全に性質の異なる3つの支出をまとめ上げているだけだからだ。共通点はサプライヤカテゴリというただ一点のみである。
Rampが7万社以上の米国企業をカバーする決済データを分析した結果、「AIを活用する」という行為がいかに分断されているかが浮き彫りになった。
企業のペライジメントは従業員あたり月額11.38ドル。上位10%は611ドルを費やしている。
上位1%は7,449ドルで、ペライジメントの約650倍である。Rampはこの支出データをRevelio Labsがカバーする21,559社の労働記録と紐付けた結果、支出が多い企業は2年間で従業員数が10.2%増加し、そのうちエントリーポジション採用が12%増だったことが判明した。
低利用率層のデータでは明確な変化は見られなかった。

つまりもっと使えばいいのだが、どこに使うべきか。
多くの創業者はAI請求書を自社のソフトウェア予算と比較してしまう。これらの経費が請求書上でFigmaやNotionと並んでいるからだ。しかしそれは間違えた対照軸である。増えていくAI支出の代替対象はソフトウェアではなく人間の方なのだ。カスタマーサポートのエージェントに対するベンチマークはSaaSスイートではなくカスタマーサポートの担当ポジションである。
典型的なシード段階の企業で試算してみよう。従業員12名、月額給与コストは約18万ドル、AI支出は月額4千ドル。ソフトウェア予算と比較すれば4千ドルは重い数字に見える。だが給与コストと比較すれば単に2.2%に過ぎない。同じ数字なのに結論が正反対になる。
解決策はAI予算を3つに分け、それぞれ固有のベンチマークで評価することだ。
給与代替型AI(カスタマーサポート、SDR、プログラミングエージェント):見込み採用していない人員の賃金と対比する。もしそのポジションが何か説明できないなら、このカテゴリには含めるべきではない。
生産性向上型AI(ライセンス、ノート、執筆ツール):アクティビティ率を見る。翌月までに利用率が減衰するなら解約すべきだ。
原価型AI(プロダクト内蔵のトークンおよびAPI呼び出し):10倍スケール時の粗利益率を確認するものであり、会計上COGS(売上原価)に計上する必要がある。

これら3カテゴリを混ぜてしまうとシグナル同士が相殺し合う。ライセンスでの過剰支出により合計額が肥大して見え、創業者はエージェント活用を抑制しがちだが、そここそがリターンを生む箇所である。上位1%の勝ち組が多いから成功しているのではなく、支出が正しく分類されているからだ。人間の代わりにAIを使う箇所には大胆に投資し、人間のスピードを上げるだけの用途には厳格に絞込み、プロダクト内部では粗利益率を徹底的に監視している。
我々は完全なランキング手法を解題している。30分で終わる監査プロセスを含むものであり、今週中に自身の請求書を照合するのに活用できる。詳細は「あなたのAI支出のベンチマークは本当にこれでいいのか?」を参照のこと。
なぜディープテックのVCデューデリジェンスはむしろ悪化しているのであろうか。
難易度の高い技術ほど厳しい審査を受けるべきだと誰もが考えるだろう。量子コンピュータ、核融合炉、新しいチップアーキテクチャなどは、物理法則に適合して動作するか否かで決まり、その検証には本当の専門性が要求される。
しかしPostQuantumのMarin Ivezic氏によれば、現実はその真逆である。取引規模が大きく、テクノロジー密度が高ければ高いほど、科学的に妥当性を裏付ける独立した人物が現れない確率が上がる。
投資家が怠慢になったからではない。複数の構造的変化が重なっているのである。
エキスパート層の消滅。
過去、投資家は銀行のリサーチチームから独立した技術的判断を得られた。これらのチームにはプロフェッショナルなアナリストが雇われていた。2018年に欧州MiFID II規則が研究費用と取引費用の分離支払いを義務づけたことで、このモデルは縮小した。報道によれば、欧州の株式リサーチ規模は約20%減少し、主要銀行のプロフェッショナルアナリスト数も減っている。
专家ネットワークは現在約25億ドルのビジネスとなり、ある程度空白を埋めている。しかし、誰に何を問うべきか分かっている場合に限って機能する。最先端分野では、それはちょうどジャネラリズムな投資家が欠如している知見なのである。
資金がジャネラルistに流れた。
2025年のプライベート量子投資は49億ドルに達し、192%成長した。最大の投資家は専用量子ファンドではなくブラックロックとNVIDIAである。政府系ファンドや年金基金もこうしたラウンドへの参入を拡大させており、政府系ファンドを対象とした調査では58%の機関がリードラウンドを行うのに必要なリソースを欠いている。技術レビューを自前で実行できない資本は、最終的に他人の判断に頼らざるを得なくなる。
リードインベスターの肩書きが審査に取って代わった。
権威あるリードインベスターが参加することで、シンジケート内の全参加者の信用を補填する。サイドシーダーはリードインベスターが物理的実現可能性を検証済みとみなすが、その審査資料は見えず、実際に検証が行われたのか確認できない。幾つかのラウンドではそれすら存在しない。Quantinuumの6億ドル調達には名義上のリードインベスターが不在であった。
デッドラインとヘリングエフェクトがスピードを審査より優先させた。
2023年末時点で、米国ファンドは歴史的な3116億ドルのDry Powderを抱えていた。配置プレッシャーにさらされたファンドマネジャーにとって、ホットトレードに加わる方が遅延させるより収益性に優れる。また、同業者と共に誤っても、一人で間違うことの評判へのダメージは圧倒的に小さい。
ディープテックには強制チェックポイントがない。
バイオテックは優れた対照群である。FDAの承認プロセスが各ステージのデータ公開を強制するため、業界はその周りに一整套のデューデリジェンス規範を構築している。サイエンティフィックアドバイザーボード、専門審理官、段階的チェックポイントなどだ。
量子分野には同等の関門が存在しない。本稿で発見できた大型量子企業に対する最も厳格な技術レビューは、オーストラリア政府によって行われ、情報公開申請を通じてようやく表面に出たものであり、投資家由来ではない。
その結果は明確に数値に表れている。

2025年のプライベート量子投資は49億ドルだが、量子計算業界全体の総營收は約14億ドルに過ぎない。2021年にSPAC経由で上場した3社の量子企業は2025年の合計營收を約12億ドルと予測していたが、実際は約1.38億ドルの配達にとどまった。そして最も誠実な検証作業を行ったのは投資家ではなくショーターだったのである。
この展開の結末はすでに歴史がある。2006年から2011年の間、リスクベンチャーがクリーンテックに投じた資金は250億ドルを超え、その半数以上が損失となった。当時の学者は当時、ハードウェア経験のない年金基金や政府系ファンドこそが、次に此类の企業にお金を渡す側になるだろうと警告している。
提案されている解決策は単純である。一定規模を超えるディープテックラウンドにシンジケート参加する前に、LPは独立した技術的実現可能性レビューを要求すべきだ。その審査はファンドから委託されてはならず、創業者によって選定されてもならない。なお、著者自身は量子スタートアップに投資しており、類似の審査サービスを提供する会社を経営している。しかし核心的な主張は揺るがない。ディープテック領域では、CAPテーブル上のマークが密かに技術検証に取って代わっており、そのような額のチェックの前には、数週間の独立審査費用など問題にならないのである。













