TL;DR

· モルガン・スタンレー試算によると、1GW GB300の演算能力をモデルAPIに活用した場合、モデル層のROICは約20%〜60%となる。

· クラウドプラットフォームが直接GPUをレンタルする場合、75%の稼働率を前提とすると、IaaSのROICは約23%〜39%となる。

· レポートは引き続きアマゾンとグーグルに強気の見方を示す。Metaは依然としてトップピックだが、そのAIリターンは広告、自社アプリ、オープンモデルエコシステムからより多くもたらされる。

モルガン・スタンレーのBrian Nowakチームは最新レポートで直感に反する判断を示した。オープンウェイトモデルがAIトークン価格を押し下げているが、演算能力、スケジューリング能力、企業向けエントリーポイントを有するプラットフォームは、依然としてAI資本支出から相当なリターンを得られる可能性がある。

レポートは2つのシナリオをそれぞれ計算している。

モデルAPI層では、モルガン・スタンレーは1GW GB300データセンターをベースに、100万トークンあたりの価格を1〜2.5ドル、単一GPUのスループットを毎秒2000〜3500トークンと仮定し、演算能力の50%〜80%を推論に使用すると想定している。異なるシナリオの組み合わせにおいて、モデル層のROICは約20%〜60%となる。

クラウドプラットフォーム層では、レポートは1GWデータセンターに約41万基のGB300を配置し、GPU稼働率を75%、レンタル価格を1時間あたり7〜10ドルと仮定している。これに基づき、クラウドプラットフォームがGPU演算能力をレンタルする場合のIaaS ROICは約23%〜39%と算出される。

この2つの数値は、モルガン・スタンレーの核心的な判断をまとめて説明している。AIモデルの価格低下は、まずモデルプロバイダーのユニットエコノミクスに打撃を与える。しかし、アマゾンやグーグルなどのクラウドプラットフォームにとって、企業がAIを採用するには依然としてGPU、ストレージ、データベース、セキュリティ、モデルデプロイメントツールが必要である。モデルは安くなっても、モデルを支えるインフラストラクチャの価値が失われるわけではない。

オープンウェイトが価格を押し下げ、より多くのAIワークロードの展開を促進

オープンウェイトモデルの直接的な影響は、企業がAIを利用・展開する際のハードルを下げることである。

クローズドモデルとは異なり、オープンウェイトモデルはユーザーがモデルウェイトをダウンロードし、プライベートデータを用いてファインチューニングや再トレーニングを行い、ローカル、クラウド、またはAPI上で展開することを選択できる。企業は単一のモデルベンダーに完全に依存する必要がなく、データ、コスト、展開方法をより柔軟に制御できる。

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違いには、ウェイトのダウンロード可否、プライベートデータでのファインチューニング対応、自社ハードウェアでの実行可能性が含まれます。

その代償として、モデルAPIの高価格維持はますます困難になっています。フロンティア能力に近い低コストモデルが増えるにつれ、モデルラボはより低価格、より高速な応答、より完全なツールチェーンで顧客を争奪する必要があります。レポートでは、Metaが最新発表したMuse Spark 1.2などの低価格でフロンティアに近いモデルが、モデル層の価格競争をさらに激化させていると述べています。

これは市場がAI資本支出のリターンを懸念する理由でもあります。テクノロジー企業は数百億ドルをGPU購入、データセンター建設、電力確保に投じていますが、推論価格が下落し続ければ、最終的なリターンはますます3つの変数に依存することになります：GPU利用率、単一カードあたりのトークン処理量、そしてAIワークロードが他のクラウドサービス収益を牽引できるかどうかです。

モルガン・スタンレーは、価格下落がモデル層の利益を圧縮するものの、必ずしもAIインフラ全体のリターンが同時に悪化するわけではないと考えています。より安価で柔軟なモデルは、より多くの企業のAI採用を促進し、それによって基盤となる計算能力とクラウドサービスへの需要を拡大する可能性があります。

20%-60%：モデルAPI層のリターン試算

モデルAPI層の試算は、トークン価格、GPU処理量、推論に使用される計算能力の割合という3つの主要変数を中心に展開されます。

モルガン・スタンレーは、100万トークンあたり約1.75ドルを基準価格とし、1〜2.5ドルの範囲でシナリオ分析を行っています。レポートでは、DeepSeek-V4-Pro 1.6TなどのオープンウェイトモデルのGB300ハードウェア上の公開推論ベンチマークを参考に、単一GPUの処理量を毎秒2000〜3500トークンと仮定しています。

基準シナリオでは、計算能力の65%が推論に使用され、単一GPUが毎秒2750トークンを処理し、100万トークンあたりの価格が1.75ドルと仮定し、約400億ドルの収益/GWに相当します。完全なシナリオ範囲に対応する収益は約230億〜520億ドル/GWです。

これに基づき、レポートは1GWのGB300計算能力に対応するモデル層のROICを約20%〜60%と推定しています。

モデルAPIの収益とコストのフレームワーク。異なるトークン価格、処理量、推論計算能力の割合に応じて、GWあたり約230億〜520億ドルの収益に相当します。

ここで注意すべき点は、20%〜60%は固定の1.75ドル価格で自動的に得られるリターンではなく、異なる価格、処理量、計算能力配分の組み合わせによって形成されるシナリオ範囲であることです。

この会計が実現できるかどうかは、効率向上が価格下落に追いつけるかが鍵となる。トークン価格が引き続き急落し、GPU利用率とスループットが同期して向上しなければ、モデル層のリターンは明確に縮小するだろう。

23%〜39%：クラウドプラットフォームがGPUをレンタルするもう一つの会計

アマゾンやグーグルなどのクラウドプラットフォームにとって、より直接的な収入源はモデルAPIの価格リスクを自ら負うのではなく、計算能力をレンタルすることだ。

モルガン・スタンレーは、1GWのGB300データセンターには約41万個のGB300を構成できると仮定している。75%の利用率で、各GPUのレンタル価格が1時間あたり7〜10ドルであれば、年間収入は約189億〜270億ドル/GWに相当する。

IT機器の減価償却、非IT資産の減価償却、電力、人件費、メンテナンスなどのコストを差し引いた後、レポートはクラウドプラットフォームのGWあたりの税後営業利益が約89億〜153億ドル、対応するROICは約23%〜39%になると推定している。

クラウドプラットフォームのGB300 GPUレンタルモデル。1時間あたり7〜10ドルのレンタル価格は、約23%〜39%のROICに相当する。

この試算は、モルガン・スタンレーのクラウドプラットフォームのAI資本支出に対する強気な見方をより直接的に裏付けている。

モデルAPIの価格が下落しても、企業はオープンウェイトモデルを実行するためにGPUをレンタルする必要がある。クラウドプラットフォームにとって重要なのは、単一トークンをどれだけ高く売れるかではなく、希少な計算能力が高い利用率とレンタル価格を維持できるかどうかだ。

モルガン・スタンレーはまた、低価格モデルがより多くの利用量をもたらす可能性があると強調している。単価と利益率が低下しても、AIワークロード全体の規模が拡大すれば、クラウドプラットフォームのEBIT絶対額は依然として成長する可能性がある。

クラウドプラットフォームが販売するのはGPUとトークンだけではない

モルガン・スタンレーは、クラウドプラットフォームが価格競争を吸収できる理由は主に4つあると考えている。

第一に、計算能力は依然として希少である。企業がオープンウェイトモデルを選択しても、GPU、推論クラスター、ストレージ、ネットワーク、セキュリティ環境が必要だ。大企業は自社でインフラを構築できるが、より多くの顧客は依然としてAWS、Google Cloud、またはAzureを通じて計算能力をレンタルし、モデルをホストするだろう。

第二に、クラウドプラットフォームは規模を通じてシステム効率を向上させることができる。より大きなメモリ容量、より高速な相互接続、MoEアーキテクチャ、リクエストのバッチ処理は、いずれもGPU単位あたりのトークンスループットを向上させる。大規模なクラウドプラットフォームはより多くのエンタープライズ顧客トラフィックを有しており、リクエストの統合とスケジューリングが容易で、GPU利用率を高めることができる。

第三に、自社開発チップはサービスコストを削減できる。アマゾンはTrainiumを、グーグルはTPUを保有している。自社開発チップとソフトウェア最適化により、クラウドプラットフォームは価格競争においてより大きな調整余地を持ち、単一のGPUサプライヤーへの依存度も低減する。

第四に、AIワークロードは他のクラウドサービスの収益も牽引する。企業がAIを導入する際、通常はオブジェクトストレージ、データベース、ベクトル検索、RAG、セキュリティガバナンス、認証、モニタリングサービスも購入する必要がある。これらの付加サービスは、各AIワークロードがもたらすクラウド収益を拡大し、全体的な収益貢献度を高めることができる。

したがって、オープンウェイトモデルはAPIトークン収益を「集客商品」にする可能性がある一方で、より多くのGPUレンタル、データストレージ、データベースの需要をもたらす可能性もある。

アマゾン、グーグル、メタのリターンロジックはそれぞれ異なる

上記の判断に基づき、モルガン・スタンレーはアマゾンとアルファベットの「オーバーウェイト」評価を維持し、目標株価はそれぞれ335ドルと400ドルとしている。

アマゾンの強みは、AWSのエンタープライズ顧客基盤、Trainium自社開発チップ、そして完全なクラウドサービスエコシステムにある。グーグルはTPU、Geminiモデル、検索およびYouTubeのアプリケーションシナリオ、さらにGoogle Cloudのエンタープライズ配信能力を同時に有している。両社にとって、AI資本支出のリターンは主にコンピューティングリソースのレンタル、モデルホスティング、クラウドサービスのバンドルから得られる。

メタのロジックは異なる。

モルガン・スタンレーは依然としてメタをトップピックに挙げ、「オーバーウェイト」評価と775ドルの目標株価を付与しているが、メタはAWSやGoogle Cloudの意味でのエンタープライズクラウドプラットフォームではない。そのAI投資は主に、オープンモデルエコシステム、広告レコメンド効率、自社アプリ、データセンター能力を通じて実現される。

メタの目標株価およびリスク・リターン仮定。

レポートは、メタのAI投資がユーザーエンゲージメント、Reelsの収益化、広告測定能力を改善し、新製品に成長余地をもたらす可能性があると指摘している。しかし、データセンター建設の実行が不十分で資本集約度が上昇し続け、追加されたコンピューティングリソースが十分なリターンを生み出せなければ、フリーキャッシュフローと評価を圧迫する可能性もある。

最大のリスクは、価格下落が効率向上よりも速いこと

このレポートはAI価格競争を否定しているわけではない。

低コストのオープンウェイトモデルがフロンティア能力に近づくにつれ、企業はコスト、レイテンシー、展開の柔軟性、データ管理権をより重視するようになる。モデルラボが高価格のAPIだけで高利益を得るのはますます難しくなり、ツールチェーン、企業向け流通、アプリケーションシナリオ、エコシステムの重要性は引き続き高まるだろう。

クラウドプラットフォームも同様に重資産の圧力に直面している。1GWのGB300データセンターには、チップ、サーバールーム、電力、ネットワーク、減価償却が関わり、どの段階でもコストが上昇すれば最終的なリターンに影響する。企業向けAIアプリケーションの普及が予想より遅ければ、GPUの稼働率が不足し、資本支出が利益に転換しにくくなる。

スループットの向上も自動的に実現されるわけではない。ハードウェアのアップグレード、MoEアーキテクチャ、リクエストのバッチ処理は効率を高めるが、モデル、チップ、ネットワーク、ソフトウェアスタック、実際の顧客リクエストが連携して初めて機能する。

したがって、モルガン・スタンレーの結論は「AI価格競争は影響がない」というものではなく、次のようなものだ：トークン価格が下落すると、モデル層が最初に圧力を受ける。希少な計算リソース、システム最適化能力、企業向けクラウドへの入口を掌握するプラットフォームは、GPUレンタル、規模の経済、付加的なクラウドサービスを通じて価格競争を吸収する能力が高い。

次に注目すべきは、クラウドプラットフォームのスループットと稼働率の向上が、AI価格下落の速度に持続的に勝てるかどうかだ。

BlockBeats の公式コミュニティに参加しよう：

Telegram 公式チャンネル：https://t.me/theblockbeats

Telegram 交流グループ：https://t.me/BlockBeats_App

Twitter 公式アカウント：https://twitter.com/BlockBeatsAsia