何が起きたか
AI Snake Oilに、Arvind NarayananとAkash Kapur（プリンストン大visiting fellow、New America上級フェロー。Sayash Kapoorとの血縁はない）による論考が掲載されました。狙いは「AIはバブルか否か」という論争から一歩出ることです。
著者は、現在の議論が「損失の拡大・設備投資と売上のギャップ・キャッシュバーン」を挙げる批判派と、「急速な売上成長・企業導入・Anthropicの初の黒字四半期」を挙げる強気派に割れているものの、両者とも同じ四半期決算を、同じ短期的な視野で見ているだけだと切り捨てます。両者が犯す誤りは同じ——移行期を均衡状態と取り違えていることです。
なぜ重要か：推論はベルトラン競争の教科書的ケース
中核の主張は、AI企業の収益の多くを占める「推論の従量課金」が、構造的に儲からないビジネスだというものです。著者はこれをベルトラン・パラドックス（同質財では価格競争が限界費用まで進む）の純粋なケースだと整理します。根拠として挙げられるのは次の点です。
- OpenAI・Anthropic・Googleという少なくとも3社が同水準のフロンティアに並び、モデルはほぼ差別化されていない
- 多くの用途でフロンティア性能は不要で、オープンウェイトモデルで十分
- 数百のベンチマークが存在し、顧客はモデルの「ほぼ同等性」を容易に観測できる
- AIの知見は急速に拡散し、モデルスケーリング・推論スケーリング・強化学習といったパラダイムがほぼ足並みを揃えて進むため、各社の資本構造も似通う
- 鉄道のような地理的差別化（局地的独占やキャプティブな輸送能力）が存在しない
結果として推論価格はトークンの限界費用へ収斂し、モデル層に持続的な利益は残りにくい。ここで対比として挙がるのがAppleです。ギガヘルツやメガピクセルという客観的に観測可能な性能軸での競争を意図的に避け、成果と言語化しにくい質——「it just works」——を訴求してブランドで差別化し、高マージンを維持してきました。モデルの性能がベンチマークで丸裸にされる限り、AIラボはAppleの逆をいく構造にいます。
歴史が示す3つの教訓
本稿は「AI as Normal Technology」の枠組みの一部で、鉄道・電力・通信/光ファイバー・クラウド・半導体製造・商用航空の6産業を検証しています。
第一に、インフラの構築者は自ら生んだ価値をほとんど回収できない。鉄道・電力・通信・航空の建設者は、競争・規制・コモディティ化によって薄利に追い込まれ、多くは消滅しました。米国鉄道資本は1860年まで年15%程度の直接・間接リターンを生んだとされますが、1840年代の英国の鉄道狂時代の後、米国では需要超過→供給追いつき→競争によるマージン圧縮→大量倒産という経路をたどりました。1990年代末の通信/光ファイバーでは7年で容量が18万6000倍に膨張し、その反動で約2兆ドルの時価総額が消えています。商用航空は80年にわたり投資家の資本を破壊し続け、純利益率は典型的に2〜4%です。
第二に、エンタープライズソフトウェアはこの罠を逃れた。複製の限界費用ゼロ、深いスイッチングコスト、そして数十年にわたって初期投資を償却できる持続的な価値——この組み合わせで、数十年にわたり75%以上の粗利益率を維持してきました。
第三に、部分的な例外が2つあります。クラウドはマネージドサービスによるロックイン、エグレス料金、コミット型の支出契約といった「ソフトウェア的性質」を獲得することでコモディティの罠を回避し、TSMCは最先端製造でほぼ独占を築くことで逃れました。
カルロタ・ペレスが理論化したように、「導入期（installation period）」にインフラを建設した者が、その価値の回収まで生き残ることは稀です。同僚のMihir Kshirsagarは、鉄道・電力・通信が余剰を吸い上げられなかった主因は経済構造そのものよりも規制だったと指摘しており、AIの帰結もまた自動的には決まらないことを示唆します。
何を見るべきか
直近のAIラボの浮沈——需要に先回りした投機的なインフラ増設、オープンウェイトがフロンティアに肉薄したDeepseekショック、AIエージェント需要の急増とトークンリーダーボードのような浪費が招いた「トークン希少性の時代」、そして競争的なオープンソース生態系への再びの機運——は、すべて移行期のノイズだと著者は見ます。
本当に見るべきは、ラボがどれだけ上のレイヤーへ登り、スイッチングコストを作り込めるかです。そして著者は、その堀が完成してロックインが効き始める前に、集中と競争への懸念を今こそ真剣に扱うべきだと訴えます。
💼 事業会社視点：これは自社にどう効くか
日本企業にとっての含意は明快です。モデル層の価格は下がり続ける前提で調達戦略を組み、価値は上のレイヤーで取る。
SaaS・EC事業者は、いま「どのモデルが最高か」で悩みすぎない方がよい。OpenAI・Anthropic・Googleが同水準に並び、数百のベンチマークで同等性が可視化され、オープンウェイトで十分な用途も多い以上、モデルは差し替え可能な部品です。プロンプト・評価データ・ツール接続をモデル非依存に設計し、抽象化レイヤーを挟んでおくこと。これは値下げの果実を自動的に取りに行く仕組みでもあります。
逆に警戒すべきは、著者が予告する「上のレイヤーへの侵攻」です。ラボが垂直統合と業務埋め込み型のエンタープライズ導入に進むなら、クラウドがエグレス料金やコミット型契約で作ったのと同じロックインが、AI基盤でも再現されます。大型のコミット割引や独自エージェント基盤への全面移行は、単価は下がっても交渉力を差し出す取引だと理解して契約すべきです。
受託開発・SIerには追い風と向かい風が同時に来ます。エンタープライズソフトが75%超の粗利を守ってきた源泉は、複製コストゼロ・深いスイッチングコスト・数十年償却できる持続的価値でした。同じ条件は、顧客の業務プロセスとデータに食い込む実装にも当てはまります。人月でモデルを呼ぶだけの案件は推論価格とともに削られる。ワークフローそのものを設計・運用し、切り替えられない資産を顧客側に作る側に回れるかが、5年後の粗利を決めます。