AIO・AI活用の知見を届けるメディア
AIの性能向上は、いつまで企業価値の向上につながるのだろうか。
2026年11月2日、生成AI「Claude」を開発するAnthropicが、IPOに向けた開示資料で2026年第3四半期の業績を公表した。
売上高は約169.6億ドル。前四半期比47%増という驚異的な成長を続ける一方、営業損益は約5.67億ドルの赤字となった。
さらに注目すべきは、AI向け計算資源・インフラに関する契約コミットメントが約8,954億ドルに達していることだ。
もっとも、赤字であること自体は、成長企業にとって必ずしも問題ではない。
Amazonをはじめ、多くのテクノロジー企業が先行投資によって赤字を計上しながら成長してきた。SaaS企業でも、顧客獲得費用を先行して負担し、継続課金によって投資を回収するモデルは一般的である。
それでは、なぜ生成AI企業の赤字はこれほど注目されるのだろうか。
本稿では、生成AIの性能向上が必ずしも企業の利益成長につながらない可能性について考察する。
一般的なSaaS企業は、サービス開発や顧客獲得に大きな初期投資を必要とする一方、既存のソフトウェアを追加の顧客に提供する限界費用は比較的小さい。
そのため、顧客数が増えるほど固定費が分散され、利益率が改善する構造を持ちやすい。
一方、生成AIには異なる特徴がある。
利用者が増えれば、モデルの推論に必要な計算資源も増加する。もちろん、規模の経済や技術改善による原価低減は期待できるが、売上の増加に対して費用がどの程度増えるかは、モデルや利用形態によって異なる。
さらに、最先端モデルの開発競争に参加し続けるためには、研究開発や計算インフラへの継続的な投資が必要となる。
Anthropicの2026年第3四半期決算では、前四半期の約9.74億ドルの営業黒字から約5.67億ドルの営業赤字に転じた。計算資源の調達費用増加が収益性を圧迫したと報じられている。
なお、純損失約232.9億ドルには転換社債等の評価に伴う多額の会計上の損失が含まれるため、純損失全額を事業運営による現金流出と捉えるのは適切ではない。
重要なのは、赤字額そのものではなく、売上成長によって十分なフリーキャッシュフローを生み出せる事業構造を構築できるかという点である。
ここで、もう一つの論点を考えたい。
生成AIは、この数年間で驚異的な進歩を遂げてきた。
初期の生成AIでは難しかった複雑な文章作成、プログラミング、画像認識、資料分析などが、現在では日常的に利用されている。
しかし、今後も同じ速度で性能が向上したとして、それに比例して利用者の支払意思額が増加するのだろうか。
例えば、メールの文章作成や会議議事録の要約を目的とする利用者にとって、モデルの性能が一定水準に達した後の追加的な改善は、必ずしも大きな価値を持たない。
経済学的に言えば、これは「限界効用の逓減」に近い。
もちろん、すべての用途で性能が飽和しているわけではない。高度なプログラミング、専門的な分析、自律型AIエージェントなどでは、さらなる性能向上が大きな経済価値を生む可能性がある。
しかし、一般的な利用者にとって十分な性能と、最先端モデルが実現する性能の間には、支払意思額の大きな差が存在しない可能性がある。
この点は、生成AI市場の将来の収益性を考えるうえで重要である。
実際、AI市場では性能向上と価格低下が同時に進んでいる。
スタンフォード大学の「AI Index Report 2025」によれば、GPT-3.5相当の性能を持つモデルの推論価格は、2022年11月から2024年10月までに280分の1以下に低下した。
また、オープンウェイトモデルとクローズドモデルの性能差も、一部のベンチマークでは縮小している。
出典：Stanford HAI「AI Index Report 2025」
OECDも2025年の研究において、AI市場では品質調整後の価格低下と、モデル提供事業者・モデル数の増加が進んでいることを報告している。
出典：OECD「Developments in Artificial Intelligence Markets」（2025年）
ここで注目したいのは、AIモデルの原価が低下したとしても、それが必ずしもモデル提供企業の利益率改善につながらないことである。
仮に、あるモデルの推論原価が80から20に低下したとしよう。
※推論原価とは、AIがユーザーからの質問や指示に対して回答を生成する際に発生する費用のこと。主にGPUなどの計算資源の利用費用や電力費などが含まれる。AIモデルの開発・学習にかかる費用とは区別され、一般に利用量が増えるほど推論に必要な費用も増加する。
項目 | 推論原価（Inference Cost） | 学習費用（Training Cost） |
|---|---|---|
意味 | AIが質問や指示に対して回答を生成するための費用 | AIモデルに大量のデータを学習させ、性能を向上させるための費用 |
発生タイミング | ユーザーがAIを利用する際 | モデルの開発・学習時 |
主な費用 | GPU等の計算資源、電力、サーバー運用費 | GPU等の計算資源、電力、学習データ整備費 |
費用の性質 | 利用量に応じて増加する変動費的な性質 | モデル開発に伴う先行投資的な性質 |
コスト削減方法 | モデルの軽量化、計算処理の効率化 | 学習アルゴリズムの改善、計算効率の向上 |
販売価格が100のままであれば、限界利益は20から80へ改善する。
しかし、競争によって販売価格も100から30に低下すれば、限界利益は20から10へ減少する。
つまり、技術革新による原価低減の利益を、モデル提供企業ではなく利用者が享受する可能性がある。
これは消費者にとって望ましい一方、巨額の研究開発投資を行う企業の株主にとっては、必ずしも好ましい構造ではない。
こうした市場環境では、必ずしも最も高性能なAIモデルを開発した企業が、最大の利益を獲得するとは限らない。
むしろ、顧客との接点をすでに持つ既存事業者が、生成AIの普及による経済的利益を獲得する可能性がある。
例えば、MicrosoftやSalesforceなどの企業は、既存の顧客基盤、業務データ、販売チャネル、業務システムとの連携を持っている。
これらの企業は、必ずしも独自に最先端モデルを開発しなくても、外部のAIモデルを組み込むことで顧客への提供価値を高められる。
AIモデル間の性能差が縮小し、利用価格が低下すれば、既存事業者はモデルを比較的安価に調達できるようになる。
一方、モデル提供企業は価格競争にさらされる可能性がある。
この場合、価値を獲得する主体は、基盤モデルを開発する企業から、顧客接点や業務プロセスを支配する企業へと移るかもしれない。
ただし、既存SaaS企業も安全とは限らない。
AIエージェントが従来の業務ソフトウェアの機能を代替するようになれば、既存SaaS企業の収益基盤そのものが脅かされる可能性もある。
したがって、既存事業者が必ず勝つというよりも、AIモデルそのものの性能以外に、どこで持続的な競争優位性を形成できるかが重要になる。
ここまで、生成AIの性能向上による経済的価値の逓減について論じてきた。
しかし、この見方には重要な反論がある。
AIの性能向上によって、これまで実現できなかった新しい用途が生まれる可能性だ。
AIの能力を評価する研究機関METRは、AIが自律的に完了できるタスクの難易度を、人間の専門家が作業に要する時間を基準として測定している。
同機関の研究では、AIが対応できるタスクの時間的な範囲が継続的に拡大してきたことが示されている。
出典：METR「Measuring AI Ability to Complete Long Tasks」
これは、単純な質問応答や文章作成とは異なる市場が生まれる可能性を示唆する。
例えば、AIが人間の監督のもとで、数日間にわたるソフトウェア開発や複雑な業務プロセスを実行できるようになれば、従来のソフトウェア利用料ではなく、人件費や業務委託費の代替として価格設定できる余地がある。
その場合、現在の生成AI市場で観測される価格低下だけを根拠に、将来の市場規模や収益性を判断することはできない。
つまり、既存用途では性能の限界効用が逓減する一方、新たな用途の創出によって需要が拡大する可能性があるということである。
今後、生成AI企業の企業価値を評価するうえでは、売上成長率やモデルのベンチマークスコアだけでは不十分だろう。
少なくとも、以下の4つの視点が重要になる。
第一に、推論原価の低下率と販売価格の下落率である。
技術革新によるコスト削減が、企業の利益として残るのか、それとも価格競争によって顧客へ移転するのかを見極める必要がある。
第二に、顧客の継続率と価格決定力である。
モデルの性能だけでなく、業務への組み込み、独自データ、セキュリティ、信頼性などによって乗り換えコストを形成できるかが重要となる。
第三に、継続的な設備投資とフリーキャッシュフローの関係である。
営業利益が黒字化したとしても、計算資源の確保や次世代モデルの開発に多額の資金を投じ続ける必要があれば、株主に帰属するキャッシュフローは限定的となる。
第四に、新規需要の創出速度である。
既存用途における価格低下を上回る速度で、高付加価値な新規用途が拡大するのであれば、モデル提供企業の成長投資は正当化される可能性がある。
生成AIが今後も進歩を続けることと、生成AIを開発する企業が高い投資リターンを実現することは、必ずしも同義ではない。
技術が社会に広く普及し、利用者の生産性を大きく改善したとしても、その経済的利益の大部分を利用者や既存事業者が享受する可能性がある。
Anthropicの赤字決算が示す重要な論点も、単に足元の損益が赤字であることではない。
むしろ、巨額の投資を続ける必要がある事業構造のなかで、将来どの程度の利益率とキャッシュフローを実現できるのかという問題である。
そして、その答えを左右するのは、AIモデルの性能向上だけではない。
技術革新によるコスト削減、競争環境、顧客の支払意思額、新たな用途の創出、そして既存事業者との価値配分である。
AIの性能が人間の多くの需要を満たす水準に近づいたとき、それでもなお最先端モデルへの巨額投資は経済的に正当化されるのだろうか。
この問いは、今後のAI市場を評価するうえで、避けて通れない論点になると考えている。
本記事は2026年11月3日時点の公開情報に基づく考察です。将来の市場構造や企業収益に関する記述は筆者の見解であり、特定企業の業績や株価を予測するものではありません。