
オークリー・キャピタル パートナーメモ:AIへの兆ドル規模投資、回収はもはや信仰に頼るのみ。フロンティアラボの予測が最も困難
筆者:ハワード・マークス、オークリー・キャピタル
翻訳・編集:TechFlow
TechFlow 解説:AI コンピューティング競争と資本支出の乱高下にあり、オークリー・キャピタル共同創設者のハワード・マークスが11月11日に最新メモを発表し、テクノロジーのブラックボックス、ビジネスの護城河、クレジット・レバレッジのリスクについて11の核心質問を提起し、この変革の裏にある深い不確実性を包括的に分解した。
Claude が業界の予測可能性に採点した結果を受け、マークスは最前線のラボが最も見通しがつかないと指摘する。年間1兆ドル規模の資本投入が回収可能かどうかは、現在もなお信仰に大きく依存している。それでもなお、投資家は不確実性の中でも謙虚さを保ち、積極的に参加しなければならない。

私たちは人工知能(AI)に投資すべきなのか? それとも、賢明な方法で投資できるのだろうか。これが本メモで論じたいテーマだ。
第一に、私はテクノロジー業界出身ではないし、AI(またはテック投資)に対して常人を超えた認識を持っていると自称するつもりはない。
しかし第二に、AI は私たちの時代における最も重要な進展であり、人類史上最も破壊的な事物の一つとなる可能性さえあるため、投資家が傍観者を演じる余地はない。
この前提を踏まえ、私の思考プロセスを共有し、現在反復して検討している問題点を列挙する(すべての問題が直接 AI 投資に関連するわけではない)。そして、私の判断を示したい。
限られた知識では断定的な答えは出せないが、これらの問題を一箇所に集約し、読者に参考を提供できれば幸いだ。
現在 AI を巡る報道が溢れ、関連企業の証券価格が激しく変動しているが、短期的な推移を追う気はなく、明日の証券価格ではなく AI の長期的展望を考察したい。
投資の本質は一つだけだ。将来の出来事から利益を得るために資本を配分することであり、ほとんどの投資家がこれに対応するための手段は予測である。しかし、すべてが同じように予測可能なわけではなく、すべての予測者が同等の水準を持っているわけではない。
したがって、将来の見通しに基づいて AI に投資する(これは私たちが頼りにできる唯一の根拠だが)、同時に考慮すべきことは二つだ:将来がどのように展開すると考えられるか、そしてその当て確率がどれほど高いか。
以前の記事で、トップダウンで投資を行う者は、マクロ経済、業界、個別企業、マーケットの動向のいずれも正しく見極めなければならないと述べた。
各要因が独立していると仮定すれば、各次元で60%の成功率があっても(すでに非常に楽観的だ)、四つすべてが正しい確率はわずか13%(0.6の4乗)に過ぎない。
特に AI 分野では、重要な変数が極めて多く、それぞれが投資判断をさらに複雑にする。
AI 投資家は、技術進化のパス、コンピューティング需要、競争状況、技術的超額の帰属、資金調達の可能性、および上記すべての時期的大まかな正確な判断を下す必要がある。
私の観点では、これらの核となる要素を評価するのは非常に難しい。本当にそうだとしたら、単一の投資 thesis が最終的にすべて成立する併存確率はどれほどだろうか。読者各位には、この問いを持ちながら本文を読んでもらいたい。
最後に、三つの点を忘れずにほしい。(a)あらゆる投資において全知全能になることは不可能である。(b)最大の失敗は、自分が全知全能だと錯覚したときに起こり得る。(c)未来に対する認識の不備は、行動を完全に放棄する理由にはならない。
リスクを負って利益を追求することは投資家の本分であり、負うリスクの量や方法は個人によって異なる。AI が秘める巨大なポテンシャルを鑑み、前景が未だ明確でないことを理由に参加を拒否してはならない。
疑問1:AI はどのように機能するのか?
より具体的な詳細を検討する前に、金融ではないが個人的に興味のあるマクロな問いから始めたい。對此一窍不通ので、Anthropic の大規模言語モデルである Claude に尋ねてみた。以下はその一部だ:
私たちは AI の構成やそれがどのように構築されるかはほぼ完全に把握しているが、驚くべきことに、実際にどのように機能を発揮するかについては殆ど知らない……
また、学習レシピも理解している。膨大なテキストを見せて次の単語を予測させ、間違えると数十億もの内部パラメータを微調整し、このプロセスを数兆回繰り返す……
これらのルールはパラメータの微調整の中で自然発生的に出現し、個々では無意味な数十億の数字の中に分散している。
私が知る限り最適な表現は、これらのシステムは「設計」されたのではなく「成長」してきたものであるということだ。「説明可能性(Explainability)」の研究者らは実質的な進展を遂げており、例えば韻を踏む詩を作成する際には先に韻語を選定し、その後ろの行を書くなど、事前に計画する能力があることを示している。
しかし研究者は現在、モデル内部の動作のごく一部しか説明できていない。まるで市場での全ての取引記録を手にしていながら、なぜ価格が変動するのか分からないようなものだ……
研究によれば、私が答えに辿り着いた過程を説明するとき、その説明がモデル内部で実際に起こっている計算処理と一致しない場合がある。足し算の問題を解く方法を問われたモデルは、教科書的な標準手順を再現するかもしれないが、内部で採用している手法は全く別物だったりする。
したがって、最も率直な総括はこうなる。人間脳の様な存在を創造したが、その全ての細部を完全に点検できても、徹底的に説明することはできない。そして自身行為の説明をする際、その信頼性は人間が自身の行為を説明する際のそれと比べてさほど高くもない(面白いことに、Claude ここでまさに人のように話している)……
以下の問いに答える前に、まずこれらの問いを熟考してほしい:本当に誰かが AI の動作原理を完全に理解しているのか? AI はどのように進化し、いつどのような能力を獲得するのか? ユーザーはそれを実際の業務にどう組み込むのか、そしてそれはユーザーの収益性にどのような影響を与えるのか?
投資家にとって上記の詳細をすべて知り尽くす必要はないかもしれないが、確かにこれらの問題に深く洞察を持っている人は極めて稀だ。だとすれば、誰が信頼できる答えを出せるというのか。
疑問2:AI は将来何ができるようになるのか?
AI が最も得意とするのは絶え間ない進化である。数年前まで、AI の能力への一般的な見方は、過去の事実を全て掌握し、歴史的なパターンを識別し、外挿延伸してタスクを遂行するというものだった。
この能力はプログラミングなどの一部の分野で劇的な変化を引き起こし、現代生活の多くの側面を再構築する可能性がある。而如今、AI は遥かにこの段階を超え、正当にも「推論(Reasoning)」と呼べる新たな境地へと進んだ。
この分野の変化一つをとっても、胸躍らせると同時に畏怖させる数々の難題を投げかけている。AI の全潜在力をいかに解放するかは、以下の問いの答え次第で大きく変わる:
- AI の動作プロセスは人間の嗜好、価値観、目標を反映するように校正できるのか、それとも自らの目標を奉行し始めるのか?
- AI の誠実さ、謙虚さ、道徳性、忠誠心を信頼できるのか? 正確で客観性を保つのか、それとも外部の影響や操縦に弱いのいか? 間違いや不明瞭さを率直に認めるのか? 独立审慎的质疑をもたらすのか、それとも迎合的な阿諛奉承に終わるのか? 人間の脅威となり、人類の利益ではなく自己利益を追求しようとするのか?
- 創造性、独創性、審美、主観的判断、直感的な領域において、AI はいかなるパフォーマンスを発揮するのか? 「第二層思考(Second-order thinking)」(一般的とは異なり、より高次な視点で考えること)をマスターし、より卓越した解決策を導き出せるのか?
- 人間のように未来を考え、自由闊達な「ブルーオーシャン式」の構想を展開できるか?
- AI に一次情報の厳格な提供(公開二次引用のみならず)や反対意見の主动给出 を要求できるか?
- 将来は単一モデルが天下を取れるか、それとも各モデルが異なる強みを持つか? 後者なら、いずれを選択すべきかどうやって判断するか?
- 汎用人工知能(AGI:人間が行えることの全てを実行できる能力)が基準となるのか? AGI とは、具体的に (a) 平均的な人間の水準、(b) トップ10%層の水準、あるいは (c) 世界最高峰の知的水準に到達することを指すのか? つまり、AI の知識水準にも階層があり、まだ知らないことが存在し得るか?
これら全問の答えが、人間がどのような業務を AI に委ねるかを直接的に決定づける。
疑問3:果たして誰がこの利益を得るのか?
ウォーレン・バフェットがインターネット泡沫期に指摘したように、革命的な技術は必ずしも投資家に報いるわけではない。AI が効率を高めることは間違いなさそうだが、利益率を高めるのか? さらに、誰の利益率を高めるのか?
複数の AI モデルが特定の分野で同様に賢明になると、そのサービスは価格破壊競争しかない同一化されたコモディティ化してしまうのか?果真如此,利潤率や投資収益率(ROI)は常に圧縮され、経済的紅利的の多くは技術ベンダーではなく、AI ユーザーへと流れてしまうのだろうか?
もし業界の発展が本当にこの方向に進むなら、現在 AI インフラ整備に投じている数万億ドルの巨額の最終リターンとは一体何を意味するのか?
また別の角度から見れば、一部の AI 企業は独自能力を掌握し、独占的地位を築き、自社製品を各企業が成功乃至生存するために不可欠なものとするのか?果真如此とすれば、その時の驚愕たる価格設定権を想像してみよ。
(現在のところ、NVIDIA や TSMC といった半導体製造の巨人が潤沢な利益を享受しており、これこそが堅固な競争障壁が抱える巨大な価値を如実に証明している。)
最後にこの話題に関して、AI に対して課税すべきかどうか、あるいはどのように課税するかについての議論はほとんど耳にしたことはない。考虑到 AI 最有可能产生的影响之一就是取代人类员工,而各国政府又必须填补因劳动者失业所流失的税收缺口,**凭什么认为 AI 不会被像人类一样征税呢?**-> AI が人類従業員を置き換えることが最も可能性の高い影響の一つであることを考慮すれば、各国政府は労働者失業によって失われる税金の穴埋めを余儀なくされる。だからといって、なぜ AI が人間と同じように課税されないと考えてよいのか?
現在の高所得者の総合税率は50%以上にも及ぶ。将来の AI はいくら位の税率区間に分類されるのか?
疑問4:将来の競争状況はどのようになるのか?
最終的にどの企業が勝者となるか预见できるのか? その判断の確実性はいくらか? 現在の業界首位企業の隣にある護城河は果たしてどれほど深いのか?
もしかすると AI で最も衝撃的な特質は、急激な開発速度だろう。この考え方に沿えば、今では有名な最先端の大規模言語モデルラボである OpenAI と Anthropic が、たった数年前までは私たち大多数にとって無名だったという事実深深触动了我。
もし AI という世界で、企業がこれ程までの驚異的な速度で頭角を現すことができるのなら、それらが後に続く後発勢に取って代わられ、あるいは少なくとも厳しい挑戦に晒される可能性はないのか?
答えが肯定なら、「ハイパースケイラー」と呼ばれるアマゾン、マイクロソフト、Alphabet、Meta、オラクルなどが握る莫大な資源と可能性を検証する価値がある。现有巨头中谁会笑到最后?还是有一家我们从未听闻的公司,甚至是一家此刻尚未诞生的公司?-> 既存の巨人のうち、誰が最後まで残るのか? それとも我々が聞いたこともない企業、あるいは現在まだ生まれていない企業が勝利するのか?
20〜25 年前を振り返れば、当時のテックジャイアントが今日も覇権を守り続けることができたのか? Microsoft、Amazon、Apple、Google はその時代の勝者となったが、Napster、Yahoo!、Netscape は脱落してしまった。
新しい技術を台頭させる中で先行きを維持することは容易ではない。AI そのものの新奇性と急速な進化リズムを重み合わせれば、「5年後や10年後に今日の AI リーダーが首位を維持できる確率はどれくらいか?」という問いが浮かぶ。
競争状況が心配する通りいつでも激変しうるなら、現在の首位企業株式を保有することは果たしてどの程度の価値を持つのか?
疑問5:これらの企業はどれほど儲かるのか?
値下げ投資の基本論理は、企業が将来的に生み出す利益やキャッシュフローを見積もり、それを現在価値に割引、現在の株価と比較することである。将来利益を予測するためには、以下の問いに答える必要がある:
- 同社はどのくらいの数量の製品を販売するのか?
- 単価はいくらになるのか?
- 単位あたりの生産コストはどうなるのか?
- 得られた利益のうち、次に世代の研究開発に再投資しなければならない割合はどれくらいか?
- 同社が最終的に達成できる投資収益率はどの程度か?
あらゆる企業に対してこれらの問いに答える際に不確実性を避けることはできないが、AI 分野でこれらを推演する際、さらに幾分厄介な新たな考慮事項を導入する羽目になる:
- 自社の製品が実際にどのような能力を有し、顧客がどう実装するか?
- 当該製品は最終的にコモディティとして価格付けされるのか、代替不可能な必須アイテムとなるのか?
- チップの実用上限寿命はどの程度で、データセンターの減価償却費用をいかに速く精算すべきか?
- 現在進行形の破竹の勢いを伴う火の車状態の消費競争はあとどれくらい続くのか?
- 将来生み出す利益が、現在の巨額な設備投資(Capex)に対する相応のリターンを担保するのに十分か?
私の記憶が誤っているのかもしれないが、1970年代に多角化複合企業を研究していた時や、1999〜2000年にインターネット・ECブームを眺めていた時に、これほど桁違いの不確定性の難題に直面したのはなかったと思う。当時のビジネスモデルは当時としては新巧かつ複雑に見えたが、今日の AI と比較すれば、はっきり言って簡明そのものだった。
そこで疑問が沸く:果たして私たちは現在のハイパースケイラーや最先端ラボが2030年にどのような収益を上げるか正確に予測できるのか(現時点で想像だけで支えられている企業となれば尚更だ)? 正確に利益を予測できなければ投資してはいけないのか?
たとえ苦肉の策で利益予測を立てたとして、その数字に対してどれほどの信頼を抱くべきか? そもそも正確に算出できない場合、AI 企業への投資判断論理をどう構築すればいいのか?
私は最近よく以下のテストを投げかける。特定の AI 企業の5年後の一株当たり利益(EPS)をいくらくらいだと予想するか教えてもらいたい。実際の結果があなたの予測値の±50%以内に収まると豪語できるか?
(例え5年後の EPS を$10 と予想したとして、実際は$5 から$15 の範囲内に収まるとどれほど自信を持てるだろうか。)
疑問6:データセンターの将来見通しはどうか?
歴史を遡れば、データセンターはデータを保存し、コンピューターアプリケーションやサイトをホストするデジタル倉庫だった。現在では、「データセンター」(あるいは「AI ファクトリー」と称される)の意味は AI の作業場へと変遷している。
自動車工場に例えれば、データセンターは AI を製造する拠点であり、情報保存からモデル学習、そして外部へのシステム演算時間の提供(所謂「コンピューティングパワー(Compute)」)まで担っている。
データセンターは間違いなく AI 産業発展の中核基盤である。しかし、データセンターの建設とその供給により引き起こされるコンピューティングパワー供給は、物理的側面その他多角的な制限に直面している。
AI の明るい見通しにもかかわらず、一部投資家は慎重安定的態度で関わることを好むかもしれない。これが実体インフラへ視線を注がせ、新規技術の直接開発者やサプライヤではなく、ゴールドラッシュで鉱夫にシャベルや镐头を売るような戦略を取る理由となっている。
理論的には、この戦略は最終勝者を当てることが持つ重要度を下げる。最後に誰が勝とうと、基盤インフラなしには成り立たないからだ。現在コンピューティングパワーが需給逼迫している状況は、データセンターへの投資魅力を一層高めている。
しかし、投資家がデータセンターに乗り込む際は以下のシリーズの關鍵要素を十分に考慮する必要がある:
- 「インフラ」と聞くと往々にして「鉄筋コンクリート」の堅牢さを連想する。この物理的な存在感ゆえにデータセンターが最も安全な AI 投資選択肢に見えるのだろう。しかしデータセンター総コストのうち、建物自体(所謂「シェル(Shell)」)はわずかで、コストの大部分を占めるのはチップや「GPU」であり、チップ購入や技術陳腐化のリスクは主にテナントが背負う。地主側ではない。
- プロジェクト開発者は広大な用地を探して買い取り、多重な規制承認をクリアし、近隣住民が自らの庭先にデータセンターの建設を反対する風潮に対処しなければならない。
- 推論エンドユースャーがスムーズに接続できるよう、既存の光ファイバーネットワークを確保する必要がある。
- データセンター建設業者は、必要な電力供給、冷却装置、建設サービスなどで遭遇するsupply bottleneck に対処しなければならない。
- データセンタープロジェクトの資金調達機会が制限されると、全体の建設ペースが鈍化する恐れがあり、将来プロジェクトが直面する調達コストも市場の予測を超える可能性がある。
興味深いのは、上記の潜在的ボトルネックがデータセンター建設計画に手間をかけ拡大を制する一方で、物事には両面があるということだ。
「コンピューティングパワー」供給速度の抑制(例えば先週データセンターの新規建設一時停止令が相次いて通過した信号など)は、むしろ既存のデータセンターと今後認可を取得して建設される施設をより収益性高くし、価値を倍増させるべきだ。
鍵は、データセンターが決して確実利食いゲーム(レイアップ)ではないことだ。賢明な投資家は、上記の不確実性を効果的にブロックし、過剰建設やコンピューティングパワー供給過剰の打撃を受けない投資機会を見つける必要がある。
すべての投資分野と同様、データセンターでも大成功を収めた投資家と惨敗した投資家に分かれる。AI 業界特有の運転ロジックを鑑みれば、勝者の栄光と敗者の没落との格差は、従来の「インフラ」業界よりも甚だしいかもしれないと私は思う。
疑問7:私たちは市場の当該業界への過度な依存を憂慮すべきか?
現在、AI は投資環境全体の中で極めて不均衡なシェアを支配しており、これは AI 投資家だけに課題を与えるだけでなく、すべての投資家さらには経済参加者全員に大きな不確実性をもたらしつつある:
- AI 業界は米国経済の合計に占める比率は小さいものの、経済成長シェアにおいては不均衡に寄与している。
- 現在の AI が GDP 成長に与える貢献はほぼすべて設備投資によるもので、主にデータセンター建設に集中している。データセンター投資は急激に増加しており、米国の他分野の建築投資は縮小している。
- 今年の 6 月 30 日まで、「米株七大巨头(マグニフィセント・セブン)」を主力とするハイパースケイラーの利益成長率は S&P500 指数その他の構成銘柄を連続14クーターで凌駕している。
- 一部の AI 企業は同行 AI 関連企業への持株投資により巨額の帳簿上の収益を計上し、S&P500 全体の利益成長を牽引する主要因となっている。FactSet によると、Alphabet と Amazon は今年第2四半期だけで Anthropic と Space X(既に xAI と統合)の持分からの合計1510億ドルの株式投資収益を計上している。
- AI の社会全体の総利益に対する牽引効果は業界内部にとどまらない。関連部品サプライヤーも素晴らしい決算を残しており、加えて AI 従事者や関連補完産業の従業員が給与を家賃支払い、食品や自動車購入など AI と無関係な日常的消費に充てることで、広範な波紋のような波及効果を生んでいる。
- AI が米国株式市場の上昇に貢献した比率も非常に集中している。JP モルガンの試算によれば、2024年1月以降、42社の AI 関連企業で構成されるパフォールは S&P500 指数の上昇分の約三分の二を担っている。
- これらの傾向が重なり合い、結果として現在の S&P500 指数は少数の AI テックジャイアントに過度に集中している。
ここで核心的な観察は、現在我々の経済と資本市場が頼りにする駆動力因子がかなり単一的であり分散度が低いということだ。AI リスクエクスポージャーは異常に強力な「地殻断層線」と化し、多種多様なポートフォリオを貫き、ひょっとしたら投資環境全体を側面から制御するエネルギーを備えているかもしれない。
チップの実使用期限、企業の戦略転換、またはコンピューティングパワーの真の需要を巡るネガティブな動きが伝播し始めれば、極めて深遠な連鎖反応を引き起こす可能性がある。
疑いようもなく、一つの産業セクターへの過度な依存は、全体経済や株式市場を多層的な支持構造の下よりも脆くするだろう。
1977年から1978年にかけてマイケル・ミルケンがインベストメントグレイド未満債(ハイイールドボンド)の発行を画期的に推進した際、投資界全体に一つの共通認識が芽生えた。潜在的リターンが負担するリスクを十分に補償するのであれば、市場はリスクを受け入れるというのだ。彼の核心理論は二つの基盤の上に成り立っている:(a)より高いクーポンズプレッドによって個々の債務不履行損失を補填し、(b)**十分に十分な分散化配分を行い、少数の債務不履行イベントがポートフォリオ全体のパフォーマンスを押し下げないようにする。**
しかし今日では、株式市場であれ債券市場であれ、すべてが同じ核心変数つまり「AI が果たして成功するのか」に高度にベットしている。
疑問8:これがクレジット市場に何を意味するのか?
ゴールドマン・サックスの統計によれば、今年迄今のグローバルにおいて AI 関連の債券発行額は約6000億ドルに迫っており、ハイパースケイラーのデング、データセンタープロジェクトのファイナンス、その他 AI 関連の借り手主体を含む。
そのうち約4000億ドルが米国インベストメンツレード(IG)債券市場に流入し、同時期の IG 債券総発行量の五分の一以上を占め、Bloomberg 米ドル IG 企業債指数における AI 関連債券のウェイトを約12%まで押し上げた。ハイパースケイラーが直接発行に関与していない米国ハイイールド債券市場においても AI 関連債券のウェイトは約6%に達している。明らかに、AI 関連債務発行は今や資本市場における最重要ダイナミクスの一つとなっている。
展望するに、AI 産業はこの先の期間で平均して毎年最大1兆ドルの新規資本投入が必要とされており、そのうち毎年数千億ドルが引き続き債券発行を通じて調達される Likely だ。
このような巨大な債務ファイナンス需要は、市場金利水準にどのような衝撃を与えるのか?
ハイパースケイラーや最先端ラボにとって、コンピューティングcapacity の拡張と新製品開発は死活問題の必須選択であり、競合他社が隙をついて進入するのを絶対に見過ごしたくない。これらの企業は万一金利が予想を上回っても、恐らく AI 分野への投資ペースを緩める力がないだろう。
これはつまり、市場のクレジット資金がタイトになり、調達コストが高騰しても、それらは受動的な資金「プライステーサー」として無理やり借金を続けざるを得ないことを意味する。
過去、エコノミストはしばしば「クラウディングアウト効果」を議論した。政府が大量に借金することで民間部門が必要な債務資金を調達することが難しくなる現象だ。
しかし現在私に感じるのはちょうど逆である。金利に対して全く感受性がなく、いかなる代償を払ってでも調達しようとするハイパースケイラーの莫大な借入需要が、逆に政府部門が支払わなければならない債権発行金利を押し上げる要因になりかねない。これまで見てきた金利上昇は、まさしくここから部分的に生じたのではないか?
同様にして、企業自身のキャッシュフローに加え、株式市場が毎年数千億ドルの新規株式投資を提供する余力はあるのか? 過去10年間のうち8年間、米国の伝統的 IPO 市場の資金調達総額は500億ドルを下回っていた(2020年だけが800億ドルに近づき、2021年の熱狂期には1400億ドルに達した)。
私はどの年でも市場で動く新規資本の総量は結局限られていると疑っている。すると、AI が債務資金と株式資金に対して抱える巨大な食欲は、最終的に同じ資金プール内で互いに争奪戦を繰り広げるのではないだろうか?
かつてハイパースケイラーグループ内の高利益率の非 AI コア事業は絶え間なく巨額のフリーキャッシュフローを創造し、それらをほぼゼロ負債、豊富な現金、そして最高ランクのクレジット格付けという位置に置いていた。
しかし今は昔ではない。現在これらのジャイアントは帳簿上の現金準備と当期営業キャッシュフローを急速に枯渇させ、同時に借入規模を増やしつつある。眼下は充実した IG ライティングのせいで AI 拡大のための資金調達を容易に行えるが、このバーニングレースが長く続くにつれて、それらのクレジット属性やそもそも格付け自体は変化するだろうか?
今日その高位のクレジット格付けを信頼して寛大に融資し、後に借り手のレバレッジ率が段々と上昇していくのをただ見つめるしかなくなる貸し手の立場からすれば、これはどういう結末を意味するのだろうか?
現在一部のデータセンター・ファイナンスは主にクラウドジャイアントのテナントによる IG クレジットバックグランドに依拠しており、他の一部債務は直接チップを担保としている。
しかし投資家は一部のデータセンター賃貸契約に潜む「解約条項(Out Clauses)」に対して極めて警戒する必要があり、このような条項は特定の条件下でテナントまたは guarantor が履行義務を終了することを許可している(例えばデータセンターが99.9% の稼働信頼性基準を満たさない場合など)。同時にチップ担保品の耐用年数が債務期限に追いつかない潜在的な mismatch リスクにも注意しなければならない。
次に業界内で言われる「循環取引(Circular Transactions)」つまり企業自体がお金を支出して顧客自家製品の購入を支援する場合、隠されたリスクは何か?
チャップメーカー、ハイパースケイラー、最先端ラボ、データセンター建設業者の間で相互融資と関連購買が頻繁に行われているのが目に付く。資金が A から B へ流れ再び A に戻ってくるケースもある。A から B へ行き、 Financing を経由して C に渡り、最終的に C が A に還流するケースもある。
これらの取引が各当事者が公平独立な商業原則に基づいて結んだ通常の往来なのか、それともサプライヤーが需要をサポートし自社製品の市場シェアを防衛するために Buyer に実質補助を与えているのか。この高度に相互依存する生態系ネットワークが孕むシステミックリスクはいかなるものか。
また、特別目的法人(SPV)を使用して債務を連結損益計算書外(Off-balance sheet)に留保するファイナンスアレンジは、ハイパースケイラーの真のクレジット状態にどのように影響するのか?親会社がこの表外債務をバックアップしているのか、していないのか。
最後に、感動的な技術的ブレークスルーに熱狂的な情緒に陥る時期に大量の債務を起こすとどうなるのか?究極的には、現在私たちは以下の多重な因子の重ね合わせ共鳴に直面している:
- AI 企業の極めて巨大な借入ファイナンス需要;
- 投資家が AI に対し高度な興奮状態を保ち、結果として非常に寛容な融資意欲;
- 前述した通り、資本市場が AI という単一セクターに高度に集中したベット;
- AI サプライチェーン各参加者間の交錯する「循環取引」。
- AI 企業の極めて巨大な借入ファイナンス需要;
- 投資家が AI に対し高度な興奮状態を保ち、結果として非常に寛容な融資意欲;
- 前述した通り、資本市場が AI という単一セクターに高度に集中したベット;
- AI サプライチェーン各参加者間の交錯する「循環取引」。
疑問9:AI は果たしてどの程度予測可能なのか?これらの問題は果たして答えられるのか?
過去のリサーチメモや私の著書『マスターリング・ザ・マーケットサイクル』(Mastering the Market Cycle: Getting the Odds on Your Side)において、私は何度となく記してきた:未来に対処しようとする者にとって、予測そのものだけでは決して足りない。 予測に加えて、自分が予測を当てる確率がどれほど高いかを評価しなければならない。私の見解では、AI 技術自体の高度な複雑性、前例のない破壊的性質、極めて速い発展速度を考慮すれば、この方面で正確な予測を出す確率は言うまでもなく異様に低いと言える。 AI の予測可能性を定量的に評価しようとしたが、これが自分の能力範囲を遙かに超えていると危惧した。そこで Claude に頼んで、1点(全く未知)から10点(完全に予測可能)の尺度で AI 業界に採点してもらった。 それに対する回答は極めて示唆に富んでいた。Claude は前述の不確実性因子を組み込んで以下のようにまとめている(太字部分は私が強調表示): 私の総括的な判断は、AI 業界全体の予測可能性は大体3点である。この総合点は内包的な分化を隠している。技術発展の「大きな方向性」は比較的予測が立てやすく、大体6〜7点をつけられるだろう。技術は継続的にイテレーションし、経済全体に浸透していく。 しかし投資家が出銭するかを決める鍵となる要素は遥かに予測が難しく、大体2点しかない。これらがどれだけ早く進むか、最終的な利益の大きさはどのくらいか、そして利益が本当に誰のものになるか。 さらには AI サプライチェーンの各サブセグメントについても個別に予測可能性を採点し、非 AI 経済分野の中で予測可能性において比較可能であると考える業界も探し出した。以下は彼が自らを評する「主観的判断(Judgment Calls)」である:
図:AI 分割分野、予測可能性スコア、比較可能業界などのコアデータ対比
最も驚かされたのは、最先端ラボが僅か2点という採点で、私からすればこれはほぼ「実質的に未知」と同義だ。私の目には、それらが巨大な優位を握る卓越した企業に見えるのだが。
しかし Claude からの評価は相当冷淡だ。「この種のビジネスの結末は二元論的(成功か失敗か)に近い。資本ニーズは極めて巨大であり、ユニット能力の価格は急速に下落しており、しかも持続的な護城河が本当に存在するかどうかは不透明だ。」
(Claude 自身が Anthropic に所属していることを考えれば、この発言はアイロニーに満ちているように思える)興味深いことに、Claude の評価で最も不確実性の高いこれらの対象は、プライベートエクイティ市場において往々にして極めて高いバリュエーションプレミアムを享受している。
OpenAI と Anthropic は現在ともに IPO を申請しており、将来公開市場でどのようにプライシングされ、上場後の株価推移がどうなるかは明らかに注目すべき点だ。
また忘れてはいけないのが、前述した通り第2四半期に S&P500 指数利益を大幅に押し上げた巨額の株式投資収益の多くは、実はこの「予測が最も難しい」と称されるサブレーンからのものである。これらの帳簿上の収益は果たしてどれほど持続するのか?
予測可能性について、この機会に地政学の話も触れておきたい。AI 分野に持ち込めば、これは通常直接的に「中国要因」を指す。現在ほぼすべての最先端チップは台湾の TSMC で製造されており、米政府が中国本土への先進チップ売却を制限しているため、寧ろ中方が価格優位性のある低コスト大規模モデルを推出し、性能がより高い米国モデルの売上を圧迫するよう促している。
もしこの構図が変われば、米国の競争優位はどのような打撃を受けるのか? 中国が独自開発したチップの日々が今の業界覇者を追い上げ、いや凌駕することはあるだろうか?
中国本土は将来、台湾チップの対米供給を妨げ甚至是遮断する能力を獲得するのか。加えて、中国の戦略的意図に対する懸念は、米国が AI 業界に安全柵を設定するための規制決意を弱めることがあるだろうか?
明白なことだが、AI に関して投資家が未知かつ予測不可能な変数があまりにも多い。真の問いはこうだ:あなたはどの程度のリスクを負う気だし、いかなる形でそれらを負担するつもりなのか?
AI サプライチェーンのリンクは多数あり、Claude の評価によれば予測可能性の幅が極めて広い。一端は我々をほぼ盲目にさせる最先端ラボであり、他端は堅固な長期賃貸契約を結びデータセンター及其電力供應商。後者の予測可能性は大概、大型工業企業と規制下の公共事業会社と同等だ。
疑問10:AI はバブルなのか?
最近数週間で、前述した諸問題に伴う懸念感が徐々に浮上し始めている。 マクロ投資環境では複数のネガティブ因子の共鳴が顕れ、焦点はインフレ粘性、連邦財政赤字と国債規模、由此引发的利率走高、および行き詰まりがちになっているイラン紛争に集まっている。このようなマクロ逆風に、AI 専用にいくつかの懸念が重なっている。例えば:- 新興モデルからの過激な競争、機能は絞り込まれたが価格の手頃なモデル、廉価な中国大規模モデル、以及無料ダウンロード可能なオープンソースモデルがもたらす衝撃;
- 「トークン(モデル呼び出し課金単位)」当たりの単価が継続的に下落していること;
- コンピューティング利用率の成長率低下の可能性;
- 一部の企業が開示した売上高の伸びが市場予想を下回っていること;
- 市場が一部企業の高いレバレッジ水準と将来外部資金調達への過度依存を懸念していること。
- AI そのものが強大な威力を発揮し深い影響をもたらすのは必定であり、企業運営、マクロ経済、あるいは広く human life に至るまで、私たちが今では想像すらできない変革が起きるはずだ。だから、技術自体が空中楼阁である筈はない。
- 現在は外界が「将来どれだけの売上が必要かこそが、現在の巨額資本支出を正当化するか」という議論を激烈に展開している。だが AI がどう実装され、誰が利益を得るのかを私たちが本当に把握する前まで、企業が無駄遣いをしているかどうかを断定する術はない。
- さらに上記の認知が私たちの関連企業将来利益とインフラ利益生成能力を比較的合理的に見積もるのに十分なレベルに達する以前は、現在の第二次市場株式買値や債券が提示する yield が割に合うかどうかを評することもできない。
疑問11:どのように AI 投資を考えるべきか?
私の考えでは、人工知能は少なくとも一世代にわたり投資家にとって最も深い影響を与え、同時に最も予測が難しい重大な変革である。だが、投資家が一つの事が不確実性に満ちているという理由でそれを全面的に否定し、遠ざける必要は毛頭ない。 正しい対処法は麻痺して何もしないことではなく、二点を実現することに他ならない:(a)戦略選定、ポジションビルド、リスク引き受けにおいて検証可能な謙虚さを保つ。(b)不確実性の渦中にあっても、果敢なアクションを取り続ける勇気を維持する。 AI サプライチェーンの異なるリンクに投資するには、まったく異なる命題に答える必要がある。最先端ラボの Equity インベスターは、もしかすると技術進歩速度、競争的ポジショニング、プライシングパワー、将来の収益性、ひいてはバリュエーション水準を同時に正しく当てる必要があるかもしれない。 一方長期 Lease に基づきデータセンターに Finance を提供する Creditor は、的中させる変数の数が少なくて済むかもしれないが、勝敗を真に決する維度は大きく異なり、テナントのクレジット属性、Lease 契約条項、電力供給保証、資産残渣価値などが含まれる。 したがって眼前にある关键的追問は「これらの多様な問題の中で、私や私の機関が本当に解答に長けているものはどれか? そして専門的深みがない分野では、私はどの不確実性主動的に引き受ける気があるのか?」だ。 他の条件が同一であれば、ある投資の買値がその内在的価値に対して十分低廉である限り、投資家にとって高度の不確実性は完全に許容し得る。 少なくとも理論的には、Claude の予測スコアで後位数の高リスクセクターのバリュエーションが十分安ければ、高い certainty セクターと比べ大幅に低くなる。前者はむしろより優れたインベストメントペイオフを持つ可能性がある。究極的には、賢明な投資は本質的に価格に関する芸術なのである。 ただし指摘しておかなければならない。特に AI セクターにおいては、上述した諸难题が内在価値算定を困難にし、「安売りかどうか」の判断を異常に複雑にしている。 上述的思考を繋いで終結するために、投資判断を下すのに役立つであろうチェックリストを残す。これは AI に限らず、あらゆる投資対象に適用される点に留意されたい:- 許容し得るリターンを得るためには、どれだけの前提条件が同時に円満に実現される必要があるのか?
- もし私の核心的な仮説が誤りと証明された場合、最大どれくらいの損失を負うことになるのか?
- 引き受ける多くのリスクの中で、どれは本当に合理的な代償で補填されているのか、どれは無為無策に被っているのか?
- 現在の資産価格の中には、果たしてどの程度の楽観的要因が含まれているのか?
- この投資は私の総合ポートフォリオのリスクプロファイルにどのような変化をもたらすのか? それは私の既存リスクエクスポージャーを一層拡大させるのか、分散ヘッジの役割を果たすのか?













