Amazon、Microsoft、AlphabetがAIをハイパースケーラー競争へと変えている

Amazon、Microsoft、Alphabetは、需要、利益率、エネルギー、長期的なリターンに関する疑問が未解決のまま、AIインフラに前例のない資源を投入している。Google Newsの最近の見出しは、これら3社をAIの次の10年を支える位置にあるハイパースケーラーとして位置づけた。

この見方は競争の規模を捉えている一方で、その中心的な緊張関係を過小評価している。ハイパースケーラーはもはや、従来型のコンピューティング容量を貸し出しているだけではない。チップ、データセンター、電力契約、ネットワークシステム、モデル、ソフトウェアを、一体化したプラットフォームとして資金供給している。

Amazon Web Services、Microsoft Azure、Google Cloudは現在、AI開発者と、大規模モデルの学習・運用に必要な希少資源との間に位置している。その優位性は、資本、流通網、インフラの支配力にある。一方で、技術や顧客の選好が変わり続けるなか、需要に先行して支出することがリスクとなる。

これは、どのクラウドプロバイダーが最も速く成長するかという単純な競争ではない。巨額のインフラ投資を、コスト、電力制約、代替アーキテクチャが優位性を損なう前に、持続的な顧客収益へ転換できるかを問う試験である。

Google Newsが3大ハイパースケーラーについて正しく捉えていること

ハイパースケーラーという呼称が重要なのは、Amazon、Microsoft、Alphabetが、ほとんどの企業には資金調達も運用もできない規模でコンピューティング容量を拡張できるからだ。

ハイパースケーラーは、需要の増加に応じて複数地域にまたがるサーバー、ストレージ、ネットワーク容量を追加できるよう設計された、広大で分散型のコンピューティングインフラを運用する。その決定的な特徴は、例外的に大きな1つのデータセンターではない。需要の増加に合わせて多数の施設を構築、接続、運用するための再現可能なシステムにある。

3社はAWS、Azure、Google Cloudを通じて、その定義に当てはまる。それぞれがグローバルインフラに、マネージドデータベース、サイバーセキュリティ、開発者ツール、AIモデル、エンタープライズ向け営業網を組み合わせられる。この幅広さにより、顧客がAIアプリケーションを実験段階から本番環境へ移す際の作業負荷を軽減できる。

AIワークロードがクラウドへの要件を変えたことで、この違いはさらに重要になった。最先端モデルの学習には、高速ネットワークで接続された大規模なアクセラレータクラスターが必要となる。一般に推論と呼ばれる、そのモデルの提供には、ユーザーがリクエストを送るたびに信頼できる容量が求められる。

どちらのワークロードでも、チップへのアクセスだけでは足りない。顧客には、データパイプライン、ストレージ、ID管理、可観測性、数千のコンピューティングコンポーネントを調整するソフトウェアが必要だ。フルスタックを管理するプロバイダーは、これらの要素の相互作用を最適化できる。

Amazon、Microsoft、Alphabetはまた、長期にわたる投資サイクルを吸収できる事業も持つ。Amazonは、コマース、広告、物流、サブスクリプション収益を持つ企業としてAWSに資金を供給できる。MicrosoftはAzureをエンタープライズソフトウェアと組み合わせている。AlphabetはGoogle Cloudを検索、広告、YouTube、コンシューマーサービスと組み合わせている。

この財務力は、小規模なインフラプロバイダーに対する優位性をもたらす。新たなデータセンターは、計画、電力確保、建設、設備導入まで何年もかかり得る。運営者は、施設が意味のある収益を生むずっと前から資金を投じる。

最近の支出額は、参入障壁がどれほど高くなったかを示している。Microsoftは、2026年暦年の設備投資額が約1,900億ドルになると見込むとした。Amazonは2026年の支出見通しを約2,200億ドルへ引き上げたが、この合計には物流、チップ、衛星も含まれる。

Alphabetは2026年最初の6か月間に、設備投資として806億ドルを支出した。同社の提出書類では、サーバー、ネットワーク機器、データセンターを含む技術インフラ投資が年間で大幅に増加する見通しだとしている。

各社で支出の分類方法が異なるため、これらの合計を完全に比較することはできない。それでも、インフラへの資金供給能力が製品の一部になった市場を示している。

Google Newsは1つの見出しで3社の名前を取り上げられる。より深い物語は、現在ではこれらの企業のバランスシートが、AI業界の大部分がどれほど速くコンピューティング容量を獲得できるかを左右していることだ。

AI需要がクラウド大手に先行建設を強いている

ハイパースケーラーが需要のすべてが明確になる前に拡張しているのは、建設され、電力が供給され、接続されていない容量を顧客は購入できないためだ。

クラウドインフラはかつて、企業が遊休化するかもしれないサーバーを保有することを避ける手段だった。AIはその価値提案をなくしてはいない。容量リスクの多くを顧客からクラウドプロバイダーへ移したのである。

プロバイダーは、顧客がどのアクセラレータを必要とするか、ワークロードがどこで稼働するか、各地域がどれだけの電力容量を支えられるかを予測しなければならない。数年後にどのモデル、アプリケーション、チップ設計が主流になるかを知る前に、これらの判断を下す必要がある。

Microsoftの最新業績は、経営陣がなぜそのリスクを受け入れるのかを示している。Azureおよびその他のクラウドサービス収益は、2026年度第4四半期に43%増加した。同社のクラウド指標によると、通年のMicrosoft Cloud収益は2,144億ドルに達した。

同社はまた、商業向け残存履行義務が6,780億ドルに達したと報告した。この指標はMicrosoftがまだ認識していない契約済み収益を対象とするが、時期や契約条件のため、即時売上のようには機能しない。

Microsoftは、同四半期の設備投資が410億ドルに達したと述べた。およそ3分の2は主にCPUとGPUといった短命な資産に充てられ、残りはより長期に使用されるインフラに投じられた。

この区分は重要である。土地、建物、電力システムは複数世代のハードウェアを支えられる。一方、アクセラレータとサーバーは、チップ性能、モデル設計、顧客ニーズが急速に変化するため、更新サイクルが短い。

Amazonにも同様の状況が見られる。AWSの売上高は2026年第2四半期に37%増加し、18四半期で最も高い成長率となった。Amazonは同時に、クラウドとAIの需要を満たそうとして年間設備投資の見通しを引き上げた。

この組み合わせは、インフラ投資が実際の収益を支えている証拠となる。ただし、Amazonがそれらの資産の耐用期間全体でどの程度のリターンを得るかは、まだ明らかではない。

Alphabetの数字も別のシグナルを加えている。Alphabetの四半期業績によると、Google Cloudの収益は2026年第2四半期に前年同期比82%増加した。同社は、この加速をAIインフラとAIソリューションへの需要によるものとしている。

Alphabetはまた、上半期の設備投資が806億ドルだったと開示した。これは比較対象となる2025年同期の396億ドルの2倍を超える。

これらの数字は明確なフィードバックループを生み出す。クラウド需要がさらなる建設を促し、新たな容量がより多くのAIサービスを可能にし、それらのサービスが追加のコミットメントを引き寄せる可能性がある。各プロバイダーは、このループを自社プラットフォーム内で回し続けたいと考えている。

容量不足は、ためらうことの競争上のコストを変える。顧客が必要とする時に適切なチップや電力を提供できなければ、顧客は次のワークロードを他社に移す可能性がある。データ、アプリケーション、従業員のスキルが別のクラウドに蓄積されれば、その移行を元に戻すことは難しくなる。

そのため、求められる対応は継続的な投資だ。Amazon、Microsoft、Alphabetは、すべてのAIユースケースが有効性を証明するまで建設を待つことはできない。商業的な状況がなお不完全なうちから、用地を確保し、設備を調達し、電力を手配しなければならない。

Amazon、Microsoft、AlphabetはAIスタック全体で競争している

主要な競争は、単なる生のコンピューティング性能をめぐるAWS対Azure対Google Cloudではない。チップやモデルからエンタープライズアプリケーションに至る完全な経路を支配するための競争である。

Amazonは長年、インフラの幅広さをAWSの優位性としてきた。同社はNvidiaベースの容量を提供し、モデル学習用にTrainiumアクセラレータを開発し、推論用にInferentiaチップを提供している。このアプローチは、顧客に選択肢を与えると同時に、Amazonの単一サプライヤーへの依存を減らす。

AWSは、複数の開発元のモデルへのアクセスを提供するマネージドサービス、Bedrockも提供している。その戦略は、すべての顧客に1つのモデルファミリーの採用を求めるのではなく、モデルの選択肢とインフラの柔軟性を重視する。

Microsoftは、Azureインフラをエンタープライズソフトウェアの販売網と結び付けている。すでにMicrosoft 365、GitHub、セキュリティ製品、IDサービスを利用している企業は、まったく新しいベンダー関係を構築せずにAIを追加できる。

MicrosoftとOpenAIの提携は、生成AI導入の第1波においてAzureに目立つ地位を与えた。しかしMicrosoftは、モデルカタログの拡充と社内モデル開発への投資も進めている。この多様化により、Azureの将来を1つの外部研究所に結び付けるリスクを抑えている。

Alphabetは、より垂直統合された道を進んでいる。Googleはテンソル処理ユニットを設計し、Google Cloudを運用し、Geminiモデルを開発し、Search、Workspace、Androidなどのサービスを通じてAIを提供している。

独自アクセラレータは、コストと供給を管理するもう1つの手段となる。また、Googleはハードウェアとソフトウェアの設計を協調させられる。この連携により、Googleのアーキテクチャ向けに開発されたワークロードの効率を向上できる可能性があるが、顧客は依然としてポータビリティを評価する必要がある。

3つの戦略は、異なる出発点を反映している。

インフラモデル

• Amazon: 幅広いクラウドの選択肢、独自AIチップ、複数のモデルプロバイダーへのアクセス。

• Microsoft: エンタープライズソフトウェア、開発者ツール、主要なモデル提携と接続されたAzureの容量。

• Alphabet: 独自チップ、Geminiモデル、クラウドサービス、コンシューマー向け流通を1つの企業構造の下に統合。

顧客上の利点

• Amazon: 既存のAWS利用者は、確立済みのデータやアプリケーションの隣でAIを展開できる。

• Microsoft: 企業はAIをID管理、生産性、ソフトウェア開発システムと統合できる。

• Alphabet: 顧客は、協調されたスタック内でGoogleのモデル、データツール、インフラを利用できる。

戦略上のエクスポージャー

• Amazon: 独自チップがNvidiaハードウェアと並んで継続的な採用を獲得できることを示す必要がある。

• Microsoft: クラウドの利益率を守りながら、パートナー依存を管理しなければならない。

• Alphabet: 既存事業を損なうことなく、技術統合をエンタープライズ市場での成果へ転換しなければならない。

AIインフラは完全に代替可能ではないため、こうした違いは重要である。開発者は移植性のあるアプリケーションコードを書けるが、データサービス、セキュリティポリシー、モデルインターフェース、専用ハードウェアが依存関係を生み出す。

こうした依存関係はスイッチングコストを生み得る。同時に、顧客が複数のプロバイダーを利用する理由にもなり得る。ある企業は1つのクラウドでモデルを学習させ、別のクラウドを通じてサードパーティのモデルにアクセスし、機密データは別の環境に保持するかもしれない。

マルチクラウドの導入は、これが勝者総取りの競争になることを防ぐ。それでも、顧客がスタックのより多くを自社プラットフォームに配置するほど、各プロバイダーは利益を得る。サービスが増えるほど収益も増え、顧客がとどまる理由も増える。

Nvidiaはこの競争全体における中核的な供給企業であるが、この物語の主な対抗相手ではない。クラウド大手はNvidiaのハードウェアを購入する一方で、自社独自の代替技術も開発している。当面の競争は、コンピューティングへのアクセスを、最も価値の高い顧客プラットフォームへと転換できるのはどの企業かにある。

Metaもハイパースケールのインフラを運用し、AIに巨額を投じている。ただし、AWS、Azure、Google Cloudに匹敵する汎用のパブリッククラウドは提供していない。同社のインフラは主に、自社の消費者向け製品とモデル戦略を支えるためのものだ。

Oracleや専門プロバイダーもAIワークロードを巡って競争している。その存在は顧客に追加のキャパシティと交渉上の余地を与える。それでも、最大手3社のパブリッククラウドプラットフォームは、資本力、地理的な展開力、ソフトウェアの幅広さ、既存のエンタープライズ顧客基盤という、他に類を見ない組み合わせを維持している。

支出ブームにはリターンという課題がある

急速なクラウド成長はハイパースケーラーの投資仮説を支えるが、売上成長だけでは、現在のインフラ支出が十分なリターンを生むことの証明にはならない。

設備投資が財務結果に反映されるには時間がかかる。企業は多くのインフラ資産を、全額を即時の営業費用として計上するのではなく、減価償却を通じて会計処理する。現金は早い段階で流出する一方、会計上の費用と売上は後の期間にわたって現れる可能性がある。

このタイミングの差により、投資の波は当初、管理可能に見えることがある。より難しい検証は、減価償却費が増え、ハードウェアが老朽化し、顧客が値下げを求め始めたときに訪れる。

Microsoftは第4四半期に、Microsoft Cloudの粗利益率が65%だったと報告した。同社は、Azureの売上構成、AIインフラへの投資、製品利用の増加により、粗利益率が前年同期比で低下したと説明した。

これはMicrosoftの支出が失敗した証拠ではない。需要と収益性が異なる方向に動き得ることを示している。利用増は売上を生むが、同時に高コストなコンピューティング能力も消費する。

Microsoftは四半期の営業キャッシュフローで554億ドル、フリーキャッシュフローで196億ドルを計上した。同社は決算説明会で、この差の一因として高水準の設備投資を挙げた。

Amazonはさらに鮮明なキャッシュフローの対比に直面した。同社は堅調な売上とAWS成長の加速を報告する一方、直近12カ月のフリーキャッシュフローはマイナス圏に転じた。この反転はAmazonの複数事業にまたがる支出を反映しており、すべてをAIに帰するべきではない。

それでも投資家は、3社すべてについて同じ問いを評価しなければならない。各社は持続的で契約済みの需要に対応する能力を構築しているのか。それとも、資産が期待どおりのリターンを生む前に減速しかねない投資サイクルに反応しているのか。

長期の顧客契約はこのリスクを抑えるが、なくすものではない。契約は期間、解約権、価格、最低利用量で異なる。受注残は可視性をもたらし得るが、特定の利益率を保証するものではない。

ハードウェアの陳腐化も別の不確実性を生む。データセンターの建物は数十年にわたって使い続けられる一方、サーバーやアクセラレーターの経済的耐用年数ははるかに短い。チップ効率の大幅な改善により、古い装置は物理的に動かなくなる前に競争力を失う可能性がある。

モデル効率も同様の逆転を生み得る。より優れたソフトウェアにより、顧客が少ない計算能力で同じ作業を実行できるようになれば、単位当たりの需要は低下する可能性がある。コスト低下が利用増を促すことはあり得るが、その反発がすべてのアプリケーションで自動的に起こるわけではない。

競争は、値下げを通じて効率向上の恩恵を顧客に移転させる可能性もある。各ハイパースケーラーが市場シェアを守るためにキャパシティを値引きすれば、AI処理量が増えても利益率は拡大しないかもしれない。

最大の未解決課題は需要の質だ。一部のAIアプリケーションはすでに、コーディング、顧客サービス、検索、広告、文書分析、科学研究を支えている。ほかの導入は、予算や生産性向上の見通しが不透明な実証段階にとどまっている。

エンタープライズの購入者は、こうした実証を拡大する前に、測定可能なリターンをますます求めている。モデル料金、クラウド利用料、統合作業、セキュリティ審査、人による監督を考慮しなければならない。説得力のあるデモが、必ずしも収益性の高い本番システムになるとは限らない。

ここでGoogle Newsの見立てには厳密な検証が必要になる。3社はAIの次の10年を支える位置にあるが、その位置づけは価値のすべてを獲得することと同義ではない。

顧客、チップメーカー、モデル開発企業、エネルギー供給企業、アプリケーション企業が、それぞれ経済価値の一部を得ることになる。クラウドプロバイダーは大きな資本リスクを負う一方、ほかの参加者には交渉の余地が残る。

電力と建設が製品上の制約になりつつある

次のクラウドにおけるボトルネックは、単により優れたプロセッサーへアクセスできるかどうかではない。それらのプロセッサーを、電力が供給され、接続され、許認可を得た施設に設置できる能力である。

AIデータセンターは、特定の場所に大きな電力負荷を集中させる。送電網の計画担当者は、住宅、工場、病院、その他の事業者にも供給しながら、こうした負荷を安定的に賄わなければならない。

国際エネルギー機関は、AI向けに最適化されたデータセンターの電力需要が2030年までに4倍超へ拡大すると見込んでいる。より広範な分析では、世界のデータセンターによる電力消費は同じ期間に2倍超へ増加すると予測している。

これらの数値は世界全体の需要を示すものだが、インフラへの圧力はしばしば地域単位で現れる。国全体の電力供給が十分であっても、ある地域では送電能力の制約や長い系統接続待ちが生じ得る。

IEAは、2030年までのデータセンター電力需要の増加分のほぼ半分を再生可能エネルギーが満たすと見込む。天然ガス、原子力、蓄電、送電網の増強も、事業者がどこで信頼性の高いキャパシティを追加できるかに影響する。

ハイパースケーラーは、長期の電力契約、新規発電に関する提携、エネルギー計画への一段と直接的な関与を通じて対応している。また、電力1単位当たりの処理量を増やすため、チップ、冷却システム、ソフトウェアも設計している。

効率は現在、競争力を左右する機能となっている。同じモデル出力をより少ないチップで提供できるクラウドプロバイダーは、コストを下げ、制約下にあるキャパシティを解放し、あるいは顧客により低い価格を提示できる。

カスタムシリコンは、この目標に直接寄与する。AmazonのTrainium、Googleのテンソル処理ユニット、Microsoftの社内チップ開発は、それぞれの企業に性能とエネルギー使用を制御するための追加手段を与える。

ただし、カスタムハードウェアにはソフトウェア上の課題が伴う。開発者には、専用チップを実用的にするコンパイラー、フレームワーク、ドキュメント、移行ツールが必要だ。顧客が大規模なエンジニアリング作業なしにワークロードを移せなければ、ハードウェア効率の意味は薄い。

建設スケジュールも不確実性をさらに高める。企業は土地や機器を購入できても、送電線、変圧器、許認可、冷却インフラを待たなければならない場合がある。遅延は、報告された資本コミットメントと実際に利用可能なコンピューティング能力を切り離す。

サプライチェーンも引き続き圧力点である。先進的なアクセラレーターは、最先端の半導体製造、高帯域幅メモリー、パッケージング能力、ネットワーク機器に依存している。1つの部品が不足するだけで、ほかはそろったクラスターでも稼働に入れない可能性がある。

水使用量や地域社会の懸念も、承認に影響する可能性がある。データセンターの計画は、公益料金、騒音、土地利用、排出量、地域資源を巡る競合についての疑問にますます直面している。

これらの問題はハイパースケーラーの優位性をなくすものではない。大企業は契約を交渉し、送電網工事に資金を供給し、地域間でワークロードを分散できるため、投資仮説の一部を強化する。

一方で、資金だけでキャパシティが保証されるという前提は弱まる。勝つプロバイダーは資本を予定どおりに稼働インフラへ転換し、そのキャパシティを魅力的な稼働率で販売しなければならない。

開発者やエンタープライズ顧客にとって、リージョン選定はより重要になる。同じプロバイダーが運営する施設でも、可用性、レイテンシー、データ所在地、モデルの選択肢、エネルギー制約は異なり得る。

チームには、アーキテクチャ上の意思決定、ベンダーとのコミットメント、実験に関する正確な記録も必要だ。検索可能なエンジニアリング・ナレッジベースは、サービスやハードウェアの選択肢が変化する中で、こうした文脈を維持する助けとなる。

ハイパースケーラーへの賭けが成功するかを決める3つのシグナル

競争の次の段階は、クラウドの稼働率、経済的リターン、物理的なキャパシティが顧客に届くまでの速さによって決まる。

第1のシグナルは、新たなキャパシティが利用可能になる中でもクラウド成長が力強く維持されるかどうかだ。直近の報告四半期では、Azureが43%、AWSが37%、Google Cloudが82%成長した。これらの成長率は今後の業績に対する厳しい比較基準となる。

キャパシティ拡大とともに高成長が続けば、市場は供給制約下にあるという見方が強まる。急減速すれば、支出が需要に追いついたか、あるいは顧客の選別が厳しくなっていることを示唆する。

成長の構成も重要だ。投資家は、長期的なエンタープライズ・ワークロードと、一時的なトレーニングプロジェクト、社内取引、モデル開発企業による異例に集中したコミットメントを区別すべきである。

Microsoftは、通年のクラウド売上の約90%がフロンティアモデル企業以外の顧客から得られたと説明した。この開示は需要の根拠を広げる助けになる。AmazonとAlphabetからも同様の証拠が示されれば、業界全体の投資仮説は評価しやすくなる。

第2のシグナルは、設備投資、利益率、フリーキャッシュフローの関係だ。売上が伸びても、投資がより多くの現金を消費し、減価償却が将来の利益を圧迫する可能性がある。

稼働率の改善により、各プロバイダーは固定費をより多くの顧客業務に配分できる。拡大が続く中でクラウドの利益率が安定または上昇すれば、経営陣の投資判断を支えることになる。

利益率の低下、支出の度重なる増加、弱いフリーキャッシュフローは、自動的に失敗を意味するわけではない。ただし、投資家が許容可能なリターンを確認できるまでの期間を長引かせる。

第3のシグナルは、発表済みのインフラが予定どおりに利用可能になるかどうかである。決算説明会では、キャパシティ制約が緩和しているのか、顧客導入が加速しているのか、あるいは電力や機器の遅延がプロジェクトを後退させているのかが明らかになるはずだ。

Amazonは、計画中のAWSキャパシティの多くにすでに顧客のコミットメントがあるとしている。Microsoftは大規模な商用受注残を示している。Alphabetは、AIインフラとソリューションへの需要がクラウド成長を牽引していると述べている。

こうした発言は、実際に稼働するキャパシティ、認識された売上、持続的なキャッシュ創出につながるとき、より説得力を持つ。契約済み需要が提供済みサービスを繰り返し大幅に上回る状態が続くなら、その説得力は弱まる。

エネルギーデータも同等に注目すべきだ。IEAは、世界のデータセンター電力需要が2025年に17%増加したと報告した。更新されたエネルギー見通しでも、このセクターは以前に予測された成長軌道に近い水準を維持している。

より急激な増加は需要の根拠を強める一方、送電網と政治的な圧力を強める可能性がある。需要の鈍化は、効率改善、建設の遅延、AI導入の弱さを反映している可能性がある。それぞれの説明は異なる意味合いを持つ。

顧客は、こうした財務指標と並行してモデルの可搬性にも注目すべきである。オープン標準とツールの改善によりワークロードの移行が容易になれば、ハイパースケーラーは価格と性能でより積極的に競争することになる。

独自サービスが業務ワークフローにより深く統合されれば、切り替えコストは上昇する。この結果はプラットフォームの交渉力を強める一方、購入者にとっての依存リスクを高める。

したがって開発者は、モデルの品質だけでなく、総推論コスト、レイテンシー、地域ごとの供給能力、データ転送費用、セキュリティ管理、プロバイダーを変更するために必要な工数も評価すべきです。

企業の購買担当者は、AI支出を具体的な業務成果に結び付ける必要があります。有用な指標には、完了したタスク数、レビュー時間、エラー率、顧客維持率、創出された収益などがあります。トークン消費量だけでは、ビジネス価値を示すことはできません。

ナレッジワーカーも、これに関連する選択に直面しています。クラウド事業者間の競争により、高性能なモデルがより多くの製品に組み込まれるでしょう。しかし、アクセスできることが信頼できる出力を保証するわけではありません。組織には依然として、ソース管理、権限管理、そして回答の根拠となる証拠をたどる仕組みが必要です。

パーソナルナレッジベースは、ローカルの文脈を整理し、必要に応じて取り出せる状態に保つことで、この作業を支援できます。その価値は、AIの出力をユーザー自身が確認できる資料に結び付ける点にあります。

元のGoogle Newsの見出しは、Amazon、Microsoft、Alphabetを、AIの次の10年を支えるインフラの所有者として捉えるよう読者に促しています。この主張が条件付きのものにとどまる限り、それは有用な出発点です。

その規模は、再現できる企業がほとんどない優位性を彼らにもたらします。各社のクラウド事業はすでに大きな需要を示しており、より広範な事業基盤は長年にわたる建設投資を支えることができます。

同じ規模は、判断を誤った場合のコストも引き上げます。これらの企業は、AI需要、ハードウェア、規制、エネルギー供給の最終的な姿が明確になる前に、資金を投入しています。

次回の決算シーズンでは、クラウド成長率、利益率、フリーキャッシュフロー、そして供給能力の制約に関する発言に注目してください。次に、実務的な問いを投げかけるべきです。ハイパースケーラーがより多くのAI需要を報告しているのは、より多く投資したからなのか。それとも、顧客が収益性が高く持続的な利用を約束しているため、より多く投資しているのでしょうか。