AWSは需要に対応するため投資を拡大、それでも供給能力は逼迫

Amazon Web Servicesは、今年数千億ドル規模の設備投資を約束しているにもかかわらず、需要が供給を上回ったことを受けてインフラ投資を拡大している。

AWS CEOのMatt Garman氏はBloombergに対し、顧客が求める供給能力は依然としてクラウドプロバイダーが提供できる水準を上回っていると語った。Amazonはそのため、サプライチェーンが許す限りの速さでデータセンターを建設し、部品を確保し、電力へのアクセスを拡大している。

希少なコンピューティング能力を販売する企業にとって、この発言は安心材料に聞こえる。一方で、AIインフラブームの根底にある最大のリスクも浮き彫りにしている。Amazonは数年先の需要を見越して支出しながら、現在の供給不足が一時的な熱狂ではなく、持続的な顧客ワークロードを反映していることを示さなければならない。

Amazonの最新決算は、その主張を補強している。AWSの2026年第2四半期の売上高は422億ドルに達し、前年同期比37%増となった。これは同部門にとって18四半期で最も速い成長率だった。

しかし、その加速を支えるために必要な投資は増え続けている。Amazonは現在、データセンター、チップ、ロボティクス、その他の長期プロジェクトにまたがる大規模な設備投資を見込んでいる。直近の増加には、メモリーコストの上昇も寄与した。

MicrosoftとGoogleも同じ物理的制約に直面している。3社はいずれも、チップ、ネットワーク機器、土地、熟練労働者、そして膨大な量の電力を必要としている。こうした投入資源をソフトウェアの速度で増やすことはできない。

したがって競争は、もはやモデルの品質やクラウド機能だけにとどまらない。将来の収益性を損なうことなく、どのプロバイダーが資本を実用的なコンピューティング能力へ転換できるかに、ますます左右されるようになっている。

AWSの需要は利用可能な供給能力を上回るペースで拡大

重要な変化は、AWSが単に支出拡大を計画していることではない。Amazonは、現在進めている拡張計画でも確定した顧客需要を満たせないとしている。

8月3日のGarman氏へのインタビューで、AWSのトップは需要が供給を大幅に上回る市場を説明した。同社は顧客の要請に応えるため、建設と投資を継続すると述べた。

この不均衡は、Amazonが第2四半期決算を発表した後により明確になった。同社の四半期決算によると、AWSの売上高は前年同期比37%増の422億ドルとなった。

AWSの営業利益も、前年の102億ドルから166億ドルへ増加した。これらの数字は、クラウド事業の拡大が成長と利益の双方に寄与していることを示している。

Amazonによると、AWSは年間換算売上高ランレートで1,690億ドルに達した。また、AI事業と半導体事業はそれぞれ、年間換算ランレートで250億ドルを超えたとしている。

年間換算ランレートとは、ある期間の現在の売上ペースを1年全体に引き延ばして示す指標である。勢いを示すには有用だが、予測や年間実績の保証ではない。

この区別は重要だ。Amazonは、回収までに何年もかかる支出を正当化するために、現在の需要を用いている。今日の顧客要請が、はるかに長い稼働期間を持つ設備や施設への投資を引き起こす可能性がある。

CEOのAndy Jassy氏は、Amazonが生み出される供給能力を収益化する前に、土地、電力、建物、サーバー、チップ、ネットワーク機器を取得しなければならないと述べている。一部のインフラは数カ月で整備できる一方、より大規模なプロジェクトには数年を要する。

この先行期間は難しい計画課題を生む。Amazonが慎重すぎる建設を行えば、AWSが必要な供給能力を提供できず、顧客がワークロードを他社へ移す可能性がある。逆に積極的すぎれば、十分に活用されない資産がキャッシュフローと投資収益を圧迫しかねない。

Amazonは現在、前者のリスクをより切迫したものと見ている。Jassy氏は投資家に対し、計画中の投資を実行しても、2026年のすべての需要を満たすだけの供給能力は不足すると語った。

同氏はまた、この不均衡が2027年にも続くと予想していると述べた。独立系の投資支出分析で報じられた同氏のコメントによると、2028年に向けた既存の需要シグナルもすでに際立っていた。

同社の自信は、大規模AIモデルのトレーニングだけを反映しているわけではない。AWSは、人工知能のワークロードがストレージ、データベース、ネットワーク、セキュリティ、汎用プロセッサーへの需要も高めるとしている。

ポストトレーニングは、初期トレーニングのサイクル後にモデルを改良する作業を指す。一方、推論は、誰かがモデルを利用した際に回答を生成するコンピューティング処理である。

どちらの活動も、専用AIアクセラレーターを超えて幅広いクラウドリソースを消費し得る。本番環境のエージェントには、データベース、ID管理、監視、メモリー、業務アプリケーションとの接続も必要となる。

この関係は、AmazonがAIを既存クラウド事業の増幅要因とみなす理由を説明する。新たなモデル導入は、同じ顧客アカウント内で複数の従来型AWSサービスを利用させる可能性がある。

ただし、強い需要が自動的に利用可能な供給を生むわけではない。AWSが機器を設置し、電力を接続し、サービスを有効化し、供給能力を実用化して初めて売上を計上できる。

この物理的な提供ギャップこそ、Garman氏のメッセージにある緊張関係だ。AWSが語っているのは、これから創出したい需要ではない。インフラ上の制約により、直ちに提供できない事業について語っている。

AIブームは建設という課題になった

AWSは数分で世界中にソフトウェアを販売できるが、そのソフトウェアを支えるインフラは、遅く断片化した物理的サプライチェーンを通じて構築しなければならない。

最新のAIデータセンターに必要なのは、グラフィックスプロセッサーだけではない。変電所、冷却システム、非常用発電、光接続、スイッチ、メモリー、ストレージ、サーバー、そして訓練を受けた運用担当者が必要となる。

依存要素の一つひとつがボトルネックになり得る。十分な電力がなければ、完成した建物の価値はほとんどない。アクセラレーターを出荷しても、ネットワーク、冷却、周辺のサーバー能力がなければ顧客に提供できない。

Amazonによる光インフラへの投資は、この依存関係の連鎖の規模を示している。同社はCorningと、光ファイバー、ケーブル、接続製品に関する複数年・数十億ドル規模の契約を締結した。

この光ファイバー契約により、ノースカロライナ州で製造業の雇用が1,000人分創出される見込みだ。また、建設作業や技術訓練も支援する。

大規模AIクラスターでは、プロセッサー、ストレージシステム、その他の施設の間で膨大なデータを移動させるため、光ファイバーが不可欠となる。ネットワーク能力が不足すれば、高価なプロセッサーがデータ待ちになる可能性がある。

メモリーも制約の一つである。Jassy氏はAmazonの設備投資要件が高まった一因としてメモリーコストの上昇を挙げており、より広範な戦略変更がなくても部品価格のインフレが支出を変え得ることを示している。

電力はさらに難しい問題である。電力会社、規制当局、土地所有者、送電網運用者が、データセンターをいつ接続できるか、どれだけの電力を消費できるかに影響を及ぼす。

クラウドプロバイダーは、多くの地域が発電・送電能力を増強するよりも速くサーバーを発注できる。その結果、機器を確保できても、導入可能なコンピューティング能力に必ずしも直結しない。

こうした制約は、規模の意味を変える。従来、クラウドにおける規模とは、多数のリージョンを運営し、固定費を数百万の顧客に分散することを意味した。AIはこれに加え、希少な物理的資源を何年も前から調整する必要性をもたらした。

Amazonは、自社の運用実績が優位性につながると主張する。AWSは20年にわたり、需要予測、供給契約の交渉、大規模な顧客ワークロード向けインフラの設計を行ってきた。

その経験が不足をなくすわけではない。しかし、AWSがどこに供給能力を配置するか、どの部品を確保するか、専用アクセラレーターと汎用システムをどう配分するかを決める助けにはなる。

Amazonは独自のプロセッサーも設計している。Trainiumはモデルのトレーニングと推論を対象とし、GravitonはArmアーキテクチャに基づく汎用コンピューティング処理を担う。

カスタムチップは、AWSにコストと供給を管理する別の手段を与える。単一の外部プロセッサーベンダーへの依存を減らせる一方、製造は依然として限られた半導体サプライチェーンに依存している。

顧客側にも、利用可能なハードウェアを効率的に使えるソフトウェアが必要となる。AWSは、モデル開発とデプロイを自社インフラ上へ移すため、SageMaker AI、Bedrock、Bedrock AgentCoreなどのサービスを提供している。

Amazonによると、Bedrockでは顧客がマネージドサービスを通じて複数のモデルから選択できる。このモデル選択は、AI戦略全体を一つの開発者に縛られたくない顧客を支援する。

AgentCoreは、ID管理、メモリー、監視、ポリシー制御など、AIエージェントを実行するためのインフラを提供する。AIエージェントとは、モデルと接続されたツールを使い、複数段階のタスクを完了するソフトウェアである。

こうしたサービスが重要なのは、インフラ需要が本番導入に左右されるためだ。たまに実行するデモでは、継続的なクラウド利用はほとんど生まれない。日々の業務取引を処理するエージェントは、複数のシステムにまたがる継続的な需要を生む。

したがってAWSは、実験を継続的な消費へと転換しなければならない。顧客が不確実なパイロットのために供給能力を予約するのではなく、アプリケーション内でAIを継続的に利用する場合、その投資ケースはより強固になる。

支出と並行して売上成長が加速しているため、制約をめぐる説明には説得力がある。それでも、現在のワークロードがどのように成熟するかについては、依然として一部が予測に基づく。

建物や電力インフラは、個々のAI製品よりはるかに長く使われる。Amazonは、モデルアーキテクチャ、プロセッサー設計、顧客の選好が急速に変化し続ける中で、物理的なコミットメントを行っている。

長寿命の資産と急速に変化するソフトウェアとの不一致は避けられない。問われるのは、AWSが次に顧客が選ぶものを支えられるだけの柔軟性を、自社インフラに維持できるかどうかだ。

Amazonにとって本当の競争相手は自らの投資公約

中心となる競争は、持続的で供給制約を受ける需要があるというAmazonの主張と、収益を生む何年も前から供給能力に資金を投じるという財務上の現実との間にある。

この賭けをしているのはAmazonだけではない。Alphabet、Microsoft、Meta、その他のテクノロジー企業も、AIインフラに巨額の資本を振り向けている。

こうした共通の支出は、Amazonのリスクを取り除くものではない。むしろ、同じメモリー、チップ、光ファイバー、建設労働力、電力接続をめぐる競争のコストを押し上げる。

また、予測を難しくする可能性もある。AWSの利用可能な供給能力が限られている顧客は、複数のプロバイダーに供給能力を予約するかもしれず、見かけ上の需要が最終的な消費を上回る可能性がある。

クラウド契約に確定したコミットメントが含まれる場合、より強い証拠となる。それでも、顧客が製品、予算、モデル戦略を見直せば、導入スケジュールは変わり得る。

Amazonの対応は、長寿命インフラの経済性を軸としている。同社の投資サイクルについての説明で、Jassy氏は、AWSは新たな供給能力を収益化する前に現金を支出すると述べた。

同氏は、ネットワーク機器とコンピューティングハードウェアの耐用年数はおよそ6年になり得ると指摘した。データセンター資産は30年以上にわたり有用であり続ける可能性がある。

この時間軸により、Amazonは一つの施設から収益を得る機会を複数回持てる。建物、電力接続、ネットワークインフラが顧客へのサービス提供を続ける間に、サーバーを入れ替えることができる。

このモデルは、AWSの初期拡大期にも機能した。Amazonはクラウド導入が主流になる前から投資を行い、その後、企業がプライベートデータセンターからコンピューティングを移行する流れの恩恵を受けた。

しかし、AIインフラの拡大には重要な違いがある。専用プロセッサは高価であり、顧客需要は特定のモデルに集中し得るうえ、ハードウェア性能は急速に進歩する。

施設そのものは数十年にわたって価値を保つ可能性がある一方、内部のプロセッサははるかに早く陳腐化する。旧式の機器でも推論や従来型ワークロードには利用できるが、収益力は低下する可能性がある。

AIシステムもまた、より効率的になり得る。モデルの改善、ソフトウェア最適化、量子化、用途特化型の小型モデルにより、同じ結果を得るために必要な計算量を減らせる。

量子化は、モデルが使用する数値精度を下げる手法だ。この技術により、多くの用途で十分な精度を維持しながら、メモリと計算の要件を削減できる。

効率化は、必ずしも総需要を減らすとは限らない。計算コストの低下が利用拡大を促すことがあり、このパターンはしばしばリバウンド効果と呼ばれる。

AWSは、導入の拡大が効率化による効果を上回ると見込んでいる。アプリケーション、ユーザー、エージェント、自動化プロセスの増加により、総計算消費量は増え続けるという考えだ。

同社の第2四半期決算は、現時点ではその見方を裏付けている。AWSの成長は加速し、AI関連と従来型クラウドサービスの双方が増収に寄与した。

収益性も一定の防御力をもたらす。AWSの営業利益は、全社的な現金投資が増加するなかでも、Amazonに大きな内部資金源を提供している。

ただし、営業利益とキャッシュフローは異なるものを測定する。設備投資には直ちに現金が必要となる一方、会計上の費用は資産の耐用年数にわたって認識される。

そのため投資家は、2つの時間軸を評価する必要がある。Amazonが将来の施設に資金を投じているため、足元のクラウド利益が増える一方でフリーキャッシュフローが弱まる可能性がある。

建設コストが上昇したり、稼働開始のスケジュールが遅れたりすれば、圧力はさらに強まる。稼働が遅れる設備能力は、すぐにクラウド収益を生み出さないまま資本を消費する。

Amazonの幅広い事業は、状況をより複雑にしている。同社の設備投資プログラムは物流、ロボティクス、衛星、その他のプロジェクトも支えているため、見出し上の投資額がすべてAWSに対応するわけではない。

このため、公開情報だけから正確な投資収益分析を行うのは難しい。投資家はAWSの売上高と営業利益を確認できるが、インフラ経済性をプロジェクト単位で完全に分解した情報は得られない。

したがって、Amazonの投資方針は将来のリターンを示す証拠ではなく、規律ある賭けとして捉えるべきだ。経営陣は、短期的な現金維持よりも設備能力を優先するに足る需要があると見ている。

市場は、稼働率、売上成長、利益率、キャッシュ創出を通じてその選択を判断する。Garman氏の需要に関する主張は機会の存在を示すが、それが魅力的な事業になるかどうかは実行力で決まる。

MicrosoftとGoogleが両面から圧力を強める

AWSは巨大な規模でクラウド市場をリードしているが、競合他社はより速く設備能力を増強したり、AI需要をより効率的にクラウド成長へ転換したりすることで圧力をかけられる。

Microsoftは、大規模なエンタープライズソフトウェア基盤と、Azureと業務アプリケーションの緊密な関係を武器に競争へ参入している。顧客は既存契約、開発者ツール、職場向け製品を通じてAIを導入できる。

Googleは独自のAIモデル、カスタムTensor Processing Units、研究力、そしてより小さな基盤から成長するクラウド事業を持ち込む。同社の第2四半期のクラウド成長率は、AWSの伸び率を上回った。

成長率だけで市場リーダーシップが決まるわけではない。規模の小さい事業は、より大きな競合他社よりも絶対額での増収が少なくても、より速く拡大できる。

それでも競合の急成長は重要だ。顧客はワークロードを複数のプロバイダーに分散できるからである。マルチクラウド戦略は単一ベンダーへの依存を減らし、設備能力の交渉における交渉力を生む。

競争は逆方向にも働く。主要プロバイダーすべてで設備能力が制約されている場合、顧客にとって即座に選べる代替手段は少ない。これは稼働率を支え、空き施設のリスクを抑える可能性がある。

その影響は、どこで設備能力が利用可能になるかに左右される。AIインフラは、地域、プロセッサの種類、ネットワーク構成、ソフトウェアプラットフォームの間で完全に代替可能ではない。

ある場所で特定のアクセラレータを必要とする顧客は、別の場所にある汎用設備能力で常に代替できるわけではない。データ所在地に関する規則やレイテンシー要件も、移行をさらに制限する。

これにより、より広いクラウド市場の内部には、多数の小規模な供給市場が生まれる。AWSはあるサービスで余剰能力を持つ一方、別のサービスでは需要を断らざるを得ない場合がある。

ソフトウェアの互換性も、こうした判断に影響する。Bedrock、SageMaker AI、またはAWSのデータベースを利用している顧客は、本番システムをAzureやGoogle Cloudへ移す場合、移行作業に直面する。

競合プラットフォームを中心に構築されたワークロードについても同じことが言える。技術的な切り替えコストは顧客関係を維持し得るが、すべての新しいAIプロジェクトが1つのプロバイダーにとどまることを保証するものではない。

AWSの戦略は、モデルの選択肢とそれを支えるインフラに重点を置く。Amazonは、顧客がモデルを選びつつも、データ、アプリケーション、セキュリティ管理、エージェントサービスをAWS内に維持することを目指している。

この位置付けは、1つの主力モデルを中心とした戦略とは異なる。最も人気のあるモデルが変わっても、クラウドプラットフォームを持続的な層として扱う考え方だ。

企業が1つのモデル開発者との緊密な統合より柔軟性を重視するなら、このアプローチは機能し得る。競合のモデルとプラットフォームの組み合わせが明らかに優れた経済性を示す場合、その強みは弱まる。

カスタムプロセッサも競争の前線である。AWSはTrainiumとGravitonを推進し、Microsoftは独自シリコンを開発し、Googleは長年にわたりカスタムAIアクセラレータを運用してきた。

これらのチップは交渉力を高め、各プロバイダーのインフラに適したサービスを生み出せる。一方で、大規模な研究開発投資と、生産を正当化できるだけの顧客導入も必要となる。

どのプロバイダーもスタック全体を支配しているわけではない。先端半導体の製造、メモリ、ネットワーク部品、電力網インフラ、建設能力は、依然として外部サプライヤーに分散している。

この依存関係は、クラウド競争がソフトウェアのリリースだけでは勝てないことを意味する。調達、施設エンジニアリング、電力事業者との調整が、今や製品の提供可能性を左右している。

AmazonとCorningの契約は、長期的なコミットメントを通じて戦略的な投入資源を確保する対応策の一例だ。同様の取り決めは供給不確実性を減らせる一方、将来の購入を会社に縛り付けることにもなる。

したがって競争リスクは両面にある。AWSは構築が遅すぎれば事業を失う可能性がある一方、すべてのプロバイダーが同じ楽観的な需要曲線を前提に建設すれば供給過剰が生じ得る。

過剰能力が生じるために、AI導入が広範に減少する必要はない。より効率的なモデル、企業導入の遅れ、重複した予約が、より小規模な需給ミスマッチを生む可能性がある。

エンタープライズの購買担当者にとって、競争は交渉力をもたらす一方で計画上のリスクも伴う。カタログに掲載されているクラウドサービスでも、地域別の割り当て、待機期間、ハードウェアの選択肢の制限がある場合がある。

購買担当者は、モデルのベンチマークと併せて、利用可能な設備能力、導入スケジュール、契約上の柔軟性を評価すべきだ。本番インフラの提供が遅れるなら、最高性能のデモンストレーションにも価値はほとんどない。

開発者も関連するトレードオフに直面する。移植可能なモデルと標準インターフェース向けに設計すれば、1社への依存を減らせるが、最も効率的なサービスはしばしば独自インフラを利用している。

ナレッジワーカーは、その結果を間接的に体験するかもしれない。設備能力の増加は応答時間を改善し、AI機能を拡大し得る一方、インフラ不足は製品投入を遅らせたり、アクセスを制限したりする可能性がある。

クラウドプロバイダーは、こうした制約を見えないものにしようと競争している。Garman氏の発言は、その規模と投資にもかかわらず、AWSがまだその目標を達成していないことを示している。

Amazonの設備能力への賭けを崩しかねない要因

Amazonにとって最大のリスクはAIが消えることではない。インフラコストが、収益性の高い顧客利用より速く上昇することだ。

現在の成長は実需要の証拠を示しているが、その需要がどれほど続くかを結論付けるものではない。企業はAI予算を拡大する一方で、信頼できるアプリケーションの導入には依然として苦戦し得る。

多くのプロジェクトは、データ品質、セキュリティ、ガバナンス、統合の問題に直面する。こうした障害は、企業がインフラを予約したりパイロットを完了したりした後も、本番利用を遅らせる可能性がある。

エージェント型アプリケーションは、もう1つの不確実性を加える。エージェントはモデルを繰り返し呼び出し、複数のシステムにアクセスするため、高いクラウド消費を生む可能性がある。

一方で、予測不能なコストやエラーを生じることもある。企業は、監視、ID管理、ポリシー制御の信頼性が高まるまで、利用を制限するかもしれない。

Amazonは、こうした懸念に対処するサービスを構築している。しかし、マネージドツールの存在は、顧客がインフラ計画で想定される規模でエージェントを導入することを確認するものではない。

第2のリスクは技術効率に関わる。新しいプロセッサやモデル技術は、より少ないエネルギー、メモリ、アクセラレータ時間で同じタスクを実行できる。

この効率化は市場を拡大する可能性があるが、タイミングが重要だ。急激な改善により、Amazonが特定のハードウェア構成を十分に減価償却する前に、その需要が減少する可能性がある。

ハードウェア構成も同様の課題を生む。顧客の選好が変わった際、あるアクセラレータを基盤とする設備能力を別のものへ経済的に転換できるとは限らない。

AWSは複数のプロセッサ選択肢を支援することで、このリスクを抑えられる。それでも、顧客が特定の地域で各種類を何台必要とするかを予測しなければならない。

第3のリスクは実行だ。データセンターでは、許認可、機器、電力、ネットワーク、訓練を受けた作業員が正しい順序でそろう必要がある。

どれか1つの要素が遅れるだけで、他の要素も遊休化しかねない。Amazonは通電できないサーバーを保有したり、ネットワーク接続の準備が整う前に建物を完成させたりする可能性がある。

供給契約は不確実性の一部を減らす一方で、コミットメントも生む。需要が後に弱まっても、Amazonには部品の購入や生産能力拡大の支援に関する義務が残る可能性がある。

地域社会と規制当局からの圧力も、建設に影響を及ぼし得る。大規模データセンターは、電力料金、水使用、土地消費、騒音、非常用発電をめぐる懸念を引き起こす可能性がある。

こうした懸念は、プロジェクトが停止することを意味しない。ただし、承認までの期間を長引かせたり、プロジェクトの経済性を変える追加投資を必要としたりする可能性がある。

第4のリスクは財務面の可視性だ。AmazonはAWSの売上高と営業利益を報告しているが、投資家はすべてのインフラ投資額を特定の顧客ワークロードへ直接結び付けることはできない。

全社的な設備投資はAWS以外の事業も対象としている。この広い範囲により、公開情報からAIインフラ拡大のリターンを計算することはさらに難しくなる。

AmazonによるAnthropicへの投資も、四半期比較をより複雑にしている。第2四半期の純利益には、その投資に関連する多額の営業外収益が含まれていた。

この会計上の利益は、AWS顧客が生み出した現金を表すものではない。読者は、これをクラウド部門の基礎的な売上・営業実績と区別すべきだ。

慎重な分析では、需要と希少性も区別する必要がある。設備能力の不足は、例外的な顧客成長、建設の遅れ、非効率な配分、あるいは複数の要因が重なって生じる可能性がある。

Garman氏の発言は結果を説明しているのであって、不足の構成全体を明らかにするものではない。公開報道からは、要求された設備能力のうち、確固たる契約上のコミットメントを伴う割合は分からない。

こうした不明点のいずれも、Amazonの主張を否定するものではない。むしろ、その主張を検証するために必要な証拠を定義している。

最初に注目すべきシグナルは、次の決算期におけるAWSの売上成長率だ。成長の加速が続けば、追加された設備能力が速やかに顧客支出へ転換されるというAmazonの主張を裏付けることになる。

減速が見られる場合は、より慎重な解釈が必要になる。需要の弱まりを示す可能性がある一方、供給制約によってAWSが存在する需要を取り込めなかったことを示す可能性もある。

したがって、設備増強に関する経営陣のコメントは重要となる。投資家は、稼働を開始したインフラのタイミングを、売上高や契約済みコミットメントの変化と比較すべきだ。

2つ目のシグナルは、AmazonのキャッシュフローとAWSの営業利益率である。インフラ投資が、その成長によって生み出されるキャッシュを継続的に上回るなら、売上成長の説得力は薄れる。

拡張局面では短期的な圧力が予想される。より重要なのは、新たなデータセンターやプロセッサーが稼働を開始するにつれ、利用率が改善するかどうかだ。

利益率を維持したまま利用率が上昇すれば、投資判断の根拠は強まる。売上の増加に見合わないコスト上昇が繰り返されれば、その根拠は弱まる。

3つ目のシグナルは、AWS、Azure、Google Cloudの間で顧客がどのように移動するかだ。大型契約、地域別の提供状況、本番環境への導入は、供給不足がAWSに有利に働くのか、不利に働くのかを示すことになる。

AWSのキャパシティを待つ顧客は、遅延を受け入れる、ワークロードを再設計する、あるいは他社へ移す可能性がある。それぞれの対応は、Amazonの長期的な立場に異なる影響を及ぼす。

Amazonはまた、AIサービスがより広範なプラットフォーム全体の需要を生み出していることを示さなければならない。ストレージ、データベース、ネットワーキング、汎用コンピューティングの成長は、経営陣が説明する乗数効果を裏付けるものとなる。

この拡張を追う読者は、建設発表だけでなく、測定可能な提供実績に注目すべきだ。稼働開始したキャパシティ、継続的な利用、利益率、キャッシュ創出は、プロジェクトの公表規模以上に多くを明らかにする。

クラウドベンダーを評価するチームは、決算資料、キャパシティ更新、契約、導入記録を、検索可能なナレッジベースに保管できる。その記録により、変化するベンダーの主張を時系列で比較しやすくなる。

AWSは立場を明確にしている。かつてなら極端に見えた規模であっても、顧客需要が継続投資を正当化するというものだ。次の焦点は、顧客が代替手段を見つける前に、Amazonがキャパシティを稼働させられるかどうかである。

次回のAWS決算では、3つの答えに注目したい。クラウド事業の成長はなお加速しているか。新施設は可用性を改善しているか。そして、キャッシュ創出は投資曲線に追いつき始めているか。

これらのシグナルが、Amazonのキャパシティ不足が持続的な優位性を意味するのか、それとも期待との高コストな競争にすぎないのかを決めることになる。