Partnered With:

20倍を逃した後、AI投資の愚直な方法を見つけた

この記事を読むのに必要な時間は 41 分

AI産業チェーンの4層分解：計算能力、モデル、ミドルウェアからアプリケーションへ

原文タイトル：「20倍を逃した私が見つけた、AI投資の“愚直な方法”」
原文著者：宇十一、AIアナリスト

40年前の1978年10月22日、鄧小平氏が初めて日本を訪問した。東京から京都までの370キロの道のりは、世界初の高速鉄道である日本の「ひかり」新幹線で移動した。日本の同行者が感想を尋ねると、彼はこう語った。「走れと急かされている気がする。だから今の我々には、まさにこういう列車がふさわしい」と。

AIもまた、走れと急かしている。

過去2年間で、エヌビディアの売上高は600億ドルから2160億ドルへと急増し、株価は10倍になった。AIを巡る投資の波は世界中に広がり、光モジュール、データセンター、冷却、ロボット、AIアプリケーションと、次々と押し寄せている。毎日のように新たな値上がりストーリーが生まれ、誰もが「もっと早く手を打てばよかった」と後悔している。

しかし、走れと急かされるのはいいが、走る前にまず道を見極めなければならない。

AIは、我々の世代が巡り合える最も長いトレンドである。インターネットは1995年からGoogle上場までに10年、Facebook上場までにさらに8年を要した。その間には2000年のバブル崩壊を経験し、ナスダックは78%下落した。AIもおそらく同様の道を辿るだろう。現在はまだ1998年か1999年あたりの位置にいる可能性が高く、本当の最大のチャンスは将来のバブル崩壊後に現れるかもしれないし、今日誰も気づいていない片隅に潜んでいるかもしれない。

現在、モデルの能力は急速に進歩し、資本は狂ったように流入し、バリュエーションは不安になるほど高く押し上げられている。このような環境下では、2種類の人間がいる。

一種は今すぐ飛び込んで買う人間——タイミングを正しく掴めたと賭ける。儲かる可能性もあるが、より高い確率で山の中腹で買ってしまい、調整で振り落とされる。

もう一種は暴落を待つ人間——しかし問題は、本当に暴落した時に、あなたは買う勇気があるか？何を買うべきか分かっているか？この業界について何も知らなければ、パニックに直面してさらに慌てるだけだ。

私は第三の道を選ぶ：今は急いで株を買わず、まずはポジションを築く——「知識のポジション」を。

なぜなら、AIがどう発展しようと、真のチャンスが訪れた時にそれを見逃さないためには——まず業界全体を熟知した専門家になる必要があるからだ。いわゆる「殺し屋のような直感」とは、結局のところ「胸中に山あり谷あり」の認識から生まれるものに他ならない。

本日から、私は愚直で地道な取り組みを始めます。AI産業研究を全体像からスタートし、少しずつ掘り下げて、AIのバリューチェーンを徹底的に解明していきます。誰が儲けているのか、お金はどこから来てどこへ流れるのか、誰が代替不可能で、誰が他人の残り物を食べているのか。

市場が私たちにチャンスを与えてくれる日——暴落、調整、あるいは見過ごされたニッチな領域——が来たとき、私は数秒で判断できます：「この価格は手を出す価値があるか？」

さらに、この取り組みには2つの差別化ポイントがあります：

一つ目は、私の投資の基礎が非常に優れていることです私は投資において豊富な経験と極めて速い進化スピードを持っています。過去3年間のリターン率は、私の古くからのファンならよくご存知の通り、私と同じレベルに達している人はほとんどいません。もちろん、最も重要なのはリターン率ではありません。それには運の要素もあるからです。最も広く認められているのは、私の進化スピードです——AI時代こそ、誰がすごいかではなく、誰が速く進化するかが重要だと思います。

過去は詳しく述べる必要はありません。未来は今から始まります。私たちは「見ていてください」。

二つ目は、私が一つのことに集中していることです：これはどうやって儲けるのか？ここ数年、私の高い進化スピードは、主にこの集中力のおかげです。私は現象の背後にある富の機会だけに注目しています。今目にする記事のほとんどは、新しいスキルや新しいGitHubの使い方を教え、毎日バズるものや新しいものを追いかけています。これらも確かに重要ですが、投資家の視点として、私はその背後にある富の機会にもっと関心があります。

iPhone 4が登場したとき、あなたは他の人と同じようにそのデザインや性能に驚嘆しましたか？それとも、背後にある投資機会を研究しましたか？

この記事はシリーズ研究の第一弾で、主に一つのことを行います：マップを照らす。AIのバリューチェーン全体を体系的に研究することを、オープンワールドの大型ゲームをプレイすることに例えるなら——最初のステップはボスに突撃することではなく、まずマップを照らすことです：どのエリアがあり、どの重要なノードがあり、メインクエストは何か、サブクエストは何か。マップが明確になれば、その後どんな状況に直面しても、数秒で判断できます。

第一章：なぜ全体像からAIを見る必要があるのか？

NVIDIAの2年で10倍は、AI投資で最も輝かしいストーリーです。しかし、NVIDIAだけを見ていると、まるで一本の木だけを見ているようなものです——その足元にある森全体の構造を見逃してしまいます。

主要なテクノロジーの波が来るたびに、資金は産業チェーンに沿って一層ずつ外側へ拡散していく。 これは歴史的に繰り返し証明されてきた：

インターネット時代、第一波の資金はシスコ（ネットワーク機器）に、第二波はグーグル、アマゾン（プラットフォーム）に、第三波はFacebook、Netflix（アプリケーション）に流れ込んだ。モバイルインターネット時代には、第一波はクアルコム（チップ）、第二波はアップル（端末）、第三波はWeChat、TikTok（スーパーアプリ）だった。

AIも例外ではない。おおよその拡散チェーンが見えてくる：

第一層（2023-2024、既に十分に価格に織り込み済み）：GPU——エヌビディア
第二層（2024-2025、現在価格に織り込み中）：光インターコネクト、電源——LITEは16倍、Vertivは10倍に上昇
第三層（2025-2026、まだ十分に価格に織り込まれていない）：放熱、ストレージ、特殊受託製造
第四層（2026+、触媒を待つ状態）：AIアプリケーション、エネルギーインフラ、ロボット

投資家にとっての重要な洞察はこれだ：基盤に近いインフラほど、プレイヤーが少なく、代替性が低く、価格決定力が強い。

第4層のAIアプリケーション企業は数千社が競争しているかもしれない。だからこそ、エヌビディアは年間2160億ドルを稼ぐ一方で、ほとんどのAIアプリケーション企業はまだ赤字なのだ。

しかし、これは同時に、インフラ層の第二層、第三層、さらには第四層の中に——まだ市場から「AIコンセプト」のレッテルを貼られていない企業の中に——多くのチャンスが隠れている可能性があることを意味する。まずはどんなプレイヤーがいて、何をしていて、どれだけの価値があるのかを把握しよう。

これを理解する意義はこれだ：将来、市場が調整、パニック、または二極化を迎えたとき、自分たちがどこに注目すべきかが分かるようになる。

上記の四層の拡散層は、市場のセンチメントと資金の伝達順序——資金が最初に何を追いかけ、次に何を追うか——を説明している。しかし、各段階のビジネスロジックを真に理解するには、別の図が必要だ：産業チェーンの階層構造。次に、基盤から最上層へと順を追って、一層ずつ分解していこう。

私はAI産業チェーン全体を4層構造、4枚のメインクエストマップに分類している。

第二章：四層構造、四枚のメインクエストマップ

四枚のマップはそれぞれ：算力インフラ、モデル層、ミドルウェア、アプリケーション層であり、さらに究極の制約条件として：電力がある。

第1層：計算基盤インフラ——AIの「エンジン」

この層は、チェーン全体の物理的な基盤です。すべての資金は、どの層から流入しても、最終的にここに集まります。

（1）チップ設計：兵器の王者

NVIDIAは議論の余地のない支配者です。2026会計年度（2026年1月まで）の総収益は2160億ドルで、データセンターが1937億ドルを占めています——わずか2年前には500億ドル未満でした。この成長率は半導体史上、前例がありません。

これらの数字が何を意味するか？具体的な例を挙げると、最先端の大規模モデルをトレーニングするだけで、GPUコストだけで数億ドルかかります。そしてトレーニングは一度きりですが、モデルが稼働すると毎日数億回のユーザーリクエストを処理し、そのたびに計算リソースを消費します——これが「推論」コストです。モデルの生涯推論コストは、トレーニングコストの十数倍になる可能性があります。つまり、AIが使われ続ける限り、NVIDIAは継続的に「税」を徴収し続けるのです。

NVIDIAの堀は単なるハードウェアではありません。真の障壁はCUDA——500万人以上の開発者を抱えるソフトウェアエコシステムです。iOSがAppleにとってそうであるように、CUDAはユーザーが一度入ると離れにくくします。AMD（MI300X）やIntel（Gaudi）が追いかけていますが、エコシステムの差はまだ数年あります。

もう一つの道はカスタムAIチップです。BroadcomはGoogle TPUやAmazon Trainiumなどのカスタム設計を提供しています。ロジックは単純で、テック大手は永遠に一社に「首を絞められる」ことを望んでいません。しかし少なくとも現時点では、自社開発チップは補完であり、代替ではありません。

核心問題：NVIDIAの独占はいつまで続くのか？Duan Yongpingも「わからない」と言っています——「10年後のNVIDIAは確かに存在するだろうが、今の市場での地位を維持しているか？」これは数兆ドル規模の問いです。そしてその背後には、チップ製造の一連のサプライチェーンがあり、すでに多くの企業を押し上げています。私はこれにもっと注目します。

（2）チップ製造、パッケージング、ストレージ：兵器工場

設計されたチップは誰かが製造しなければなりません。TSMCは、世界最先端のAIチップの製造をほぼ独占しています。NVIDIA、AMD、Broadcom、AppleのコアチップはすべてTSMCが受託製造しています。3ナノメートル、2ナノメートルの競争では、SamsungやIntelの受託事業は大きく遅れを取っています。

さらに重要なボトルネックは、高帯域幅メモリ（HBM）です。AIチップの計算能力がどれだけ高くても、データが「供給されなければ」無駄になります。SKハイニックスはHBM分野で圧倒的なリードを誇り、HBM3EはほぼNVIDIAの独占サプライヤーです。SamsungとMicronが追いかけていますが、歩留まりの差は明らかです。

先進パッケージング（CoWoS）は、もう一つの生産能力ボトルネックであり、供給不足が1年以上続いている。

核心問題：TSMCとSKハイニックスの生産能力こそが力である。生産能力を掌握する者が、AI軍拡競争のペースを握る。

（3）光相互接続とネットワーク：神経系

AIトレーニングクラスターは数千枚のGPUから数十万枚に拡大している。チップ間でどのように高速通信を行うか？従来の銅ケーブルは800Gbps以上で物理的限界に直面している——信号減衰、消費電力の急増、放熱の制御不能。光相互接続が唯一の解決策であり、これはエンジニアリングの最適化で解決できるものではなく、電磁気学の基本法則が定める厳しい制約である。

主要プレイヤー：Lumentum（LITE、InPレーザーのリーダー、16倍の好調株）、Coherent（COHR、光学の垂直統合）、Tower Semiconductor（TSEM、シリコンフォトニクスの受託製造、以前に詳細なレポートを執筆）、Arista Networks（ANET、AIデータセンタースイッチ）、Astera Labs（ALAB、接続チップ）。

核心問題：光相互接続は第二の輪の機会である——すでに価格に織り込まれ始めているが、まだ完全には織り込まれていない可能性がある。重要なのは、どの企業にまだ余地があり、どれがすでに価格に織り込まれているかを見極めることであり、先日私が執筆した複数のレポートがこれに関連している。

（4）放熱と電源：都市の下水道

NVIDIAの最新GB200ラックの消費電力は最大120キロワットに達する。数万枚のカードが集まると、熱量は驚異的である。液冷は「オプション」から「必須」へと変わった。Microsoftの二相浸漬冷却技術により、Azureサーバーの冷却エネルギー消費は95%削減された。Vertiv（VRT）はこの分野のリーダーであり、nVent（NVT）、Modine（MOD）も急速に成長している。

核心問題：魅力的ではないが、不可欠である。典型的な第三の輪——ほとんどの人が見落としているが、これなしではAIデータセンターは動かない。次に、関連するレポートを発表する予定である。

（5）サーバーとデータセンター

Dell、Supermicroは、チップ、メモリ、ネットワーク、放熱を統合してAIサーバーを構築している。Equinix、Digital Realtyは物理的なサーバールームを提供する。CoreWeave（2025年IPO予定）は、純粋なGPUクラウドの代表である。

（6）クラウドコンピューティングプラットフォーム：計算リソースの卸売業者

AWS、Azure、GCPは計算リソースの「卸売業者」だ——この3大クラウドで世界シェアの約65%を占める。オラクルはAIクラウドの成長により、意外な勝者となった。

第二層：モデルとツール——AIの「オペレーティングシステム」

これはAI産業チェーンの中で最も注目され、成長率が驚異的でありながら、最も不確実性の高い層である。

五強の争い：OpenAI（GPT）、Anthropic（Claude）、Google（Gemini）、Meta（Llama オープンソース）、xAI（Grok）。この層の収益成長率は驚くべきものだ——AnthropicのARR（年間経常収益）は2024年末の10億ドルから、2025年末には90億ドルに急上昇し、2026年4月には300億ドルを突破した。

Salesforceが年間収益300億ドルに達するのに20年かかったのに対し、Anthropicは3年足らずで達成した。OpenAIの現在のARRは約240億ドルで、両社を合わせると500億ドルを超える。モデル企業はもはや「資金を燃やすストーリー」ではなく、確かな現金を生むビジネスである。

しかし、収益の急増の背後には、注目すべき構造的変化が起きている：AI計算リソースの重心が「トレーニング」から「推論」へと移行している。

過去2年間、AIの主要な計算リソースは大規模モデルのトレーニングに消費されてきた——膨大なデータを投入し、モデルに世界を理解させるためだ。しかし、モデルが一度トレーニングを完了すると、次に行うのは「推論」——つまり、モデルに実際に質問に答えさせたり、タスクを実行させたりすることだ。

Deloitteの調査によると、推論の計算リソース消費は2025年末にトレーニングを上回り、AIクラウドインフラ支出の55%以上を占めている。ある専門家は「過去は計算リソースの80%がトレーニング、20%が推論に使われていたが、将来はこの比率が逆転するだろう」と指摘している。

これは何を意味するのか？推論市場はトレーニング市場よりもはるかに大きくなる可能性があり（2030年には2550億ドルに達すると予測）、推論に必要なチップはトレーニングとは異なる——極限の計算ピーク性能よりも、コスト効率と低レイテンシーが重視される。これはNVIDIAの独占が挑戦を受ける突破口となるかもしれない：AMD、Marvell（NVIDIAから20億ドルの投資を受けたばかり）、そして各社の自社開発チップが推論市場を狙っている。

この層で最も考えるべき問題は、AIモデルが寡占状態になるのか、それとも「コモディティ化」されるのか、ということだ。

MetaのLlamaは無料で公開され、DeepSeekは極めて低コストで競争力のあるモデルを開発した。GLM-5の現在のAPIプランは品切れ状態で、オープンソースがモデル層の参入障壁を引き下げている。しかし、「コモディティ化」もそう簡単ではない——各モデルの能力差は縮まっているが、消えてはいない。

特に深い使用シナリオでは、モデル間の体験の違いは依然として顕著であり、企業のAPI統合、ワークフローのカスタマイズ、データ蓄積が切り替えコストを生む。最終的な構図は「勝者総取り」でも「完全なコモディティ化」でもなく、その中間——少数のモデルが主要市場を占めるが、互いに差別化競争を維持する——になる可能性が高い。

モデル層の利益がオープンソースによって圧縮されれば、真の価値は上層と下層に移行する。上層、つまりインフラ層への移行は、誰もがモデルを実行するため計算需要が減らずむしろ増えるからであり、下層、つまりアプリケーション層への移行は、呼び出しコストが下がりAIアプリケーションが儲けやすくなるからだ。この利益再配分のプロセスは、今後数年間のAI産業チェーンにおける最も重要な変数の一つになるかもしれない。

第三層：ミドルウェアとプラットフォーム——接着剤層

モデルとアプリケーションを接続する中間層。代表企業：Scale AI（データアノテーションとAI評価、評価額138億ドル）、LangChain（LLMアプリケーション開発フレームワーク）、Hugging Face（モデル共有プラットフォーム、AI分野のGitHub）。

この層の企業は現在、ほとんどが未上場で規模も小さい。しかし、AIアプリケーション層が爆発的に成長すれば、これらの「接着剤」企業も急成長する可能性がある——ECが爆発した時にShopifyやStripeが台頭したように。継続的な注目に値する。

第四層：垂直アプリケーション——金の入り口

AIがエンドユーザーに直接価値を生み出す場所。いくつかの方向性：

企業向けAIプラットフォーム：PalantirはAIオペレーティングシステムを政府や企業に販売。ServiceNow、Salesforceは従来のSaaSにAIを組み込んでいる。

コードツール：GitHub Copilotが事実上の標準で、Cursorが挑戦中。論理は明確——AIがプログラマーの効率を倍にできれば、すべての企業が支払うだろう。

医療AI：Isomorphic Labs（Alphabet傘下、AlphaFoldの系譜）は、長期的に最も注目すべき案件であり、2027年のIPOが期待される。

ロボットと具現化知能：長期的なTAMが最大の方向性。テスラOptimus、Figure AI、宇樹科技。ただし、現時点では非常に初期段階。

自動運転：Waymoが商業化で最も成熟しており、テスラFSDはビジョンベースのアプローチで追撃中。

アプリケーション層は百花繚乱であり、勝者を選ぶのが最も難しい層でもある。しかし注目すべきトレンドとして、2026年には世界のAIアプリケーション市場規模が初めて上流のインフラ市場を超えると予測されている——資金が「都市建設」から「店舗開設」へとシフトしているのだ。同時に、AIエージェント（自律型エージェント）が企業アプリケーションの新たな形態となりつつあり、2026年末までに企業アプリケーションの40%以上が内蔵AIエージェント機能を備えると予想される。2025年にはその割合が5%未満だったのに対し、である。

横断的視点：エネルギー——AIの究極の制約

すべての層が避けて通れない問題がある：電気はどこから来るのか？

AIデータセンターの消費電力は指数関数的に増加している。マイクロソフトは、電力不足により800億ドル相当のAzure受注を納品できない状況にある。これにより、一連のエネルギー投資の波が生まれている：Constellation Energy（原子力）、NuScaleとOklo（小型原子炉）、GE Vernova（ガスタービン）。

AIは拡大を続け、エネルギーインフラは極めて確実性の高い派生セクターである。

第四章：コンセンサスを超えた四つの問い

地図を描き終えた後、最も価値があるのはコンセンサスを確認することではなく、市場が見落としている可能性のあるものを特定することだ。現在、私は4つの問いに注目しており、今後の研究はこれらの角度から優先的に進める予定である。

問い一：トレーニングから推論への移行は、誰の運命を変えるのか？

過去2年間、AIコンピューティングの主な需要は大規模モデルのトレーニングだった。しかし現在、推論（モデルを実際に機能させること）がトレーニングを上回り、より大きな市場となっている。推論とトレーニングでは、チップに対する要求が異なる——極限の計算能力よりもコストパフォーマンスが重視される。

これにより新たな可能性が開かれるかもしれない：エヌビディアのトレーニング市場における独占はほぼ揺るぎないが、推論市場はより分散しており、AMD、マーベル、ブロードコム、そして各社の自社開発チップにもチャンスがある。同時に、推論の「継続的消費」特性は、計算需要が一度きりではなく、AIアプリケーションの普及に伴い持続的に成長することを意味する——これはサプライチェーン全体にとって良いニュースである。

問題2：6000億ドルの投資、そのリターンはどこにあるのか？

2026年には5大テクノロジー企業の設備投資が6000億ドルを超える見込みだが、AIアプリケーションから生み出される収益はそのほんの一部に過ぎない。歴史的にこれと同様の投資対効果のギャップは一度だけ発生した——1990年代末の通信インフラである。当時の結末は、多くの光ファイバー企業が倒産したことだった。

もちろん、重要な違いは：当時の通信企業は借金に依存していたが、今日のテクノロジー企業は自社の利益に依存しており、負債比率は歴史的低水準にある。しかし、AIアプリケーションの収益化のスピードが追いつかなければ、設備投資の成長率は必ず鈍化する——そしてこれがサプライチェーン全体に波及し、どの企業にリスクが生じるのか？

問題3：第二層、第三層の地図はどのようなものか？

エヌビディアは第一層であり、すでに十分に研究され価格付けされている。光インターコネクトと電源は第二層であり、市場で再評価されつつある。では第三層はどうか？冷却、特殊受託製造、AIセキュリティ、エッジ推論チップ——これらの領域にはどのような企業がいるのか？それらのビジネスモデルは？競争環境はどうなっているのか？これらの問題を今のうちに明確にしておかなければ、本当にチャンスが訪れたときには手遅れになる。これこそが、これから段階的に研究を進めるべきことである。

問題4：地政学はどのようにサプライチェーンに影響を与えるか？

米国による中国向けAIチップの輸出規制は、世界のAIサプライチェーンを二分しつつある。エヌビディアのH20が禁止され、中国は独自のAIインフラを構築している。これは、2つの並行するサプライチェーンがともに投資を行っていることを意味し、総量は予想よりも大きくなる可能性がある。しかし同時に、一部のサプライヤーは「どちらかに加担する」リスクに直面している。

第五章：今後の進め方

地図は描かれた。次はメインクエストである。

私は第一層から始め、一つ一つの要素を深く掘り下げていく。まるでゲームでエリアをクリアしていくように——まずメインクエスト（各層で最も中核となる企業とロジック）を進め、その後サブクエスト（周辺的だが驚きがあるかもしれない領域）を進める。

各ステーションでは、次の3つのことを明確にしましょう。このセクターのビジネスモデルは何か？競争構造はどうなっているか？バリュエーションはどの水準か？ この3つを理解しておけば、将来市場がどう変わろうとも、判断の基盤ができます。

ひとこと余談

この産業チェーン全体像を書いているうちに、LITEの話を思い出しました。

以前、WeChat公式アカウントでLumentum（LITE）について深く振り返ったことがあります。LITEが1年で20倍になったのを、どうやって他の人が掴んだのか？これは教科書的なケースです。2024年半ば、市場はまだこれを「通信サイクル株」と見なしており、1株50ドルでも誰も手を出しませんでした。しかし、その実体はAIデータセンターの「神経システム」であり、InPレーザーで世界シェア50～60％、銅ケーブルの物理的限界、経営陣が損失時に逆サイクルで増産、帳簿上の資産価値が時価総額を上回る——。

すべての情報は公開されていましたが、私の頭の中にそれを識別する産業チェーンマップがなかったのです。

すべての見逃しは、結局「行動が遅かった」のではなく、「研究が足りなかった」のです。

だからこそ、「知識倉」を作ろうと思いました。AIは十分に長いトラックです——今乗り遅れたことを心配する必要はないほど長いですが、何もせずにただ待つわけにもいきません。産業チェーンの各層、各セクターをしっかり理解することこそが、最善の準備です。市場が私たちにチャンスを与える日——それがバブル崩壊後の廃墟であれ、突然の転換点であれ——手に地図があれば、数秒で判断できます。

「殺手的な直感は、生まれつきのものではなく、数千時間の研究で得られるものです。」