年に何兆円も燃やして、世界で一番かしこい「脳」をつくる——ほんの数えるほどのラボの話

一つ目の理由は、ソフトウェアの歴史にこれまでなかったお金のスピードです。年間の売上ペース（run-rate）を見てください：OpenAI は2025年初めの約130億ドルから、2026年初めには約250億ドルへ。Anthropic は2024年末の約10億ドルから——80倍に伸びて——2026年4月に300億ドルに達し、さらに run-rate 約470億ドルへと駆け上がり、ついに OpenAI を抜いて売上トップのラボになりました。たった1年あまりで、数兆円規模のビジネスを丸ごと立ち上げているんです。

二つ目の理由は歴史的な水準まで跳ね上がった企業価値です。OpenAI は世界記録となる1,220億ドルの資金調達ラウンドを締め、約8,520億ドルのバリュエーションがつきました。いっぽう Anthropic はそれを抜いて、史上もっとも価値あるAIスタートアップに——約9,650億ドル、まだ上場もしていないのに1兆ドルにあと一歩です。Elon Musk の xAI も2026年1月のラウンドで約2,300億ドルと評価され、その後 SpaceX に統合される際には xAI を約2,500億ドルと見積もるディールになりました。

でも一番深い理由は数字ではありません。それは戦略的なポジションです。最先端モデルは、あらゆるAIアプリが管をつないで飲みに来る「上流の蛇口」。一番かしこくて一番安いモデルを握る者が、次世代ソフトウェアまるごとのコストと実力を握ることになります。だからこそ巨大テック——Microsoft、Amazon、Alphabet、Nvidia——はこぞって巨額をこの層に投じる。自分でつくり、よそのラボにも投資する。なぜなら「この列車に乗り遅れる」ことのほうが、お金を払って乗るよりずっと高くつくからです。

閉じたラボの心臓は、ただ「モデルを上手に学習させる」ことではありません。毎回大きくしていかないと抜かれてしまう資本の輪（capital flywheel）なんです。一塊のお金が、どうやって次世代のモデルに化けていくのか、一歩ずつ追ってみましょう。

なぜ輪は毎回「大きく」ならないといけないのか？答えはscaling laws（スケーリング則）と呼ばれる法則にあります——モデルが大きいほど、データが多いほど、compute が多いほど、かしこさは予想どおりに増えていく。ただし、もう一段かしこくするには資源を「何倍にも」増やさないといけない。結果、最先端モデルの学習コストは GPT-4 の頃（2023年）の約7,800万〜1億ドルから、2025〜2026年には1モデルあたり2億〜5億ドルへ。そしてアナリストは、2027年までに1モデルあたり10億〜30億ドルに達すると見ています。

そしてここが、閉じたラボがふつうのソフトウェア事業と違うところ：コストは学習が終わっても終わりません。モデルが返す答え一つひとつ（inferenceと呼びます）に、本物の計算チップが要る。使う人が増えるほど inference のコストも膨らむ。だから輪は、次の学習費と今の運用費を同時にまかなう売上を回し続けないといけない——売上が数兆円規模に伸びても、ほとんどのラボがまだ赤字なのはこのためです（OpenAI は2026年に約140億ドルの赤字を見込んでいます）。

閉じたラボはAIのいちばん中心に座っています。下の層から資源を吸い上げ、上の層へ力を送り込む——このつながりを理解することが、なぜこのラボがデジタル経済まるごとを引っぱっていくのかを理解することなんです。

• クラウドとコンピュートに切っても切れないほど依存： どの工程も——学習も inference も——巨大なデータセンターの高価な GPU／accelerator の上で動く。この結びつきはあまりに強く、もはや「合体ディール」と化しています：OpenAI が結んだコンピュート契約の総額は1兆ドル超——Oracle、Nvidia、Amazon（AWS で380億ドル）、Broadcom と。ラボとコンピュートの持ち主は、互いの取引相手であり投資家でもあるんです
• AI Applications & Copilotsに材料を供給： チャットアプリ、コードを書く助手、文書を要約するツール、自分で動く agent システム——どれも最先端モデルから管を引いている。ラボがよりかしこい、より安い世代を出せば、アプリの群れがすぐにその恩恵を受けます
• 開いた側の親戚 Open-Weight Developersとは対照的： 閉じた側は壁の向こうから「答え」を売り、品質と価格を完全に握る · 開いた側は「設計図」を配って自分で動かさせ、主権と制御を売る。この二つは「1ドルあたりのかしこさ」で競い合い、その境界線はだんだん近づいてきています
• ほかのトレンドの火付け役： 最先端モデルはBiotechで薬を設計し、Cybersecurityで脅威を見張り、Robotics & Physical AIの脳になる——多くの人がこれを電気のような「汎用技術」と呼ぶのはこのためです。一つの製品ではなく、ほかのものが上に積み上がる土台の層なんです

プレーヤーの話に入る前に、この層への投資の仕方すべてを決める一つの事実を押さえておく必要があります：最先端モデルを本当に学習しているラボは、ほぼ全員まだ非公開企業——OpenAI、Anthropic、xAI はどれもまだ上場していません（OpenAI は2025年末に Public Benefit Corporation へ転換し、IPO への道を整えました）。これは誰かの弱点ではなく、大事な「市場の事実」です：ふつうの投資家がこの層に関われる道は、それらのラボの投資家でありコンピュートの持ち主でもある上場の巨人を通すこと、なんです。

ภาพประกอบ (backers.webp)

お金の線はとてもはっきりしています。OpenAI の再編後、Microsoftは約27%を保有し、最大のコンピュート・パートナーでもある · Amazonは Anthropic に約80億ドルを投資し、その持ち分の未実現の利益が2026年第1四半期の決算を168億ドル押し上げた——そのいっぽうで Anthropic は Amazon の Trainium チップの上で動いている · Alphabetも Anthropic に投資し、さらに自社にも Gemini ファミリーをつくるGoogle DeepMindを抱える · そしてNvidiaは OpenAI（大型ラウンドで300億ドル規模を交渉）と xAI の両方に投資——チップの売り手であり、株主でもあるんです。

競技場の中では、ここ1年で一番激しい戦いが世代ごとの追いかけっこでした——OpenAI、Anthropic、Google DeepMind が数か月おきに、よりかしこいモデルを代わる代わる出す（新しい Gemini は「agentic coding」や長時間の作業に力を入れている）。流れを変えたのは、モデルを「順を追って考える」（reasoning）よう学習させ始めたこと。そのおかげで2026年は「agent の年」と呼ばれるようになりました——モデルはただ答えるだけでなく、人の代わりに何段階もの仕事に手を動かせるようになったんです。

一つ目の方向は「大きくする」学習から「考えさせる」学習へ。この数年、かしこさはモデルとデータの規模を増やすことから来ていました。でも新しい波は、答えるときの「順を追って考える」段（reasoning / test-time）に compute を注ぎ込むことから来ています——モデルが難しい問いに長く考えることで、よりよく答えられる。これはコストの方程式を変えます：これまでは学習でお金を燃やし、これからは inference でますますお金を燃やす。そして、モデルが本当に人の代わりに仕事をするagentの時代への扉を開きます。

二つ目の方向は制約がチップから電力へ移ること。去年のボトルネックは GPU をどう確保するかでしたが、今年のボトルネックは「電力とデータセンターの用地をどう確保するか」になり始めています。次世代モデルの学習（2027年までに1モデル10億〜30億ドルに達するかもしれない）は、お金やチップより電力に縛られるようになる——ここが、閉じたラボがEnergy Transition & Power Demandと切っても切れなくなる地点です。

ภาพประกอบ (power.webp)

三つ目の方向は「閉じた」が両側から挟まれること。一方では開いた側が品質で追い上げ、差が縮んでいく。もう一方では顧客がコスパを問い始める。だから閉じたラボは、「ちょっとだけ」かしこいモデルが、ずっと高い値段に見合うのかを証明しないといけない。その答えが、この層へ流れ込む巨額の価値が長期的に誰のものになるか——そして閉じたラボが何社生き残れるか——を決めることになります。

AIのいちばん中心にある層は、いちばん固有のリスクを抱えた層でもあります。

一つ目のリスクは終わりのないお金燃やしです。学習費は世代ごとに跳ね上がり（1モデル10億〜30億ドルへ）、そこに使う人数につれて膨らむ inference 費が乗る。つまりラボは絶え間なく巨額を調達し続けないといけない——その大半がまだ赤字なのに。OpenAI は2026年に約140億ドルの赤字を見込み、xAI は2025年に売上わずか32億ドルに対し64億ドルの営業赤字でした。「学習を止めれば抜かれる」ビジネスで、お金のつまずきこそ一番大きなリスクなんです。

二つ目のリスクはバブルと、ぐるぐる回るディールへの疑問です。AI全体への投資は数兆ドル規模に向かっているのに、リターンはまだはっきりしません——MIT の研究によれば、企業の約95%がまだ生成AI投資のリターンを得られていない。もっと気がかりなのが「ぐるぐる回るディール」（circular deals）——Nvidia がラボに投資し、ラボがそのお金で Nvidia のチップを買い戻す。きれいに見える売上の一部は、同じお金が行ったり来たりしているだけ、ということ。外部の資金が枯れた瞬間、この輪はすぐつまずきかねません。

三つ目のリスクは集中と地政学です。世界で一番強力なモデルが、ほんの数社の手にあり、しかもごく少数の場所でしかつくれない最先端チップに頼っている。チップの輸出規制、米中の競争、ますますかしこくなるAIの安全性をめぐる問い——どれも、思ったより速く全体の地図をひっくり返しかねない変数です。

四つ目のリスクは互いにもたれ合う構造です。ラボはお金とコンピュートのために巨人に頼り、巨人はモデルと成長のためにラボに頼る。この関係は上り坂のときはいいけれど、両者の運命を一つに縛りつけます——もしどこか一つのラボがつまずけば、巨人が投資から計上した価値（たとえば Amazon／Alphabet が Anthropic の持ち分から帳簿に載せた数兆円規模の利益）も一緒に揺れることになります。

短くまとめると：このnodeは、世界で一番かしこいかしこさを壁の向こうにつくり、それを世界に貸し出すために巨額を燃やす、ほんの一握りのラボです。デジタル経済でもっとも強力なボトルネックの一つ——そしてラボ本体の大半が株式市場の外にいるからこそ、投資家が一緒に旅をする道は、「彼らのために誰が綱を握り、電気代を払っているか」を理解することにあるんです。