Barclays、AIラボは収益の約40%をクラウド大手に支払うと指摘
Barclaysによると、AIモデル企業は収益100ドル当たりおよそ35〜40ドルをAWS、Microsoft Azure、Google Cloudに支払っている。この推計は、AIブームを、その経済的価値を誰が取り込むのかという、より複雑な物語へと変える。
この分析は、36Krのニュースフラッシュを含む複数のメディアが8月30日に報じたものだ。導入済みモデルがリクエストを処理するたびに実行される計算である推論が、AIラボからクラウド事業者への大きな収益移転になっていると説明している。
報道によると、Barclaysはクラウド事業者がAIラボの収益100ドル当たり10〜20ドルの営業利益を確保すると推定している。これは、関連インフラ収益の営業利益率が35〜45%に相当することを示唆する。
驚くべきなのは、AI企業のコンピューティング費用が巨額であることではない。モデル経済性の改善によっても、クラウド企業がバリューチェーンから外れていないという逆転現象だ。AIラボとハイパースケーラーは同じリクエストから利益を得るようになっているが、インフラの所有者はなお先に取り分を回収する。
これが、この数字の背後にある中心的な緊張関係を生み出している。OpenAI、Anthropicなどのモデル開発企業は、知能を高利益率のソフトウェア製品へと転換したい。一方、AWS、Azure、Google Cloudは、それを提供するために必要なコンピューティング能力の多くを供給している。
40ドルという主張がAI収益の読み方を変える
AIラボの収益は急速に伸び得る一方、その大きく継続的な部分は直ちにインフラ支出として流出する。
Barclaysの推計は、仮にAIラボの収益が100ドルある場合から始まる。調査を説明する報道によれば、そのうち約35〜40ドルが、最大手3社のクラウドプラットフォームが提供する推論能力に充てられる。
この支払いは、モデル応答の提供に関わるハードウェアとシステムをカバーする。これらのシステムには、アクセラレータ、ネットワーク機器、ストレージ、電力、冷却設備、そしてワークロードのスケジューリングに使われるソフトウェアが含まれる。
この推計は、すべてのAI企業が同じ比率を支払っていることを意味しない。ラボのコストは、モデルアーキテクチャ、顧客構成、契約条件、稼働率、ハードウェア、自社インフラを運用する能力によって左右される。
大規模リポジトリを扱うコーディングエージェントは、短い消費者向けチャットボットのやり取りよりはるかに多くのトークンを消費し得る。厳格なレイテンシ要件を持つエンタープライズ導入も、バックグラウンドでの要約ジョブとは異なるコストを伴い得る。
この数値は、特定の1社に関する監査済みの明細ではなく、業界モデルとして理解するのが適切だ。Barclaysはこの分析を「AI Labs & Hyperscaler Unit Economics Primer」と説明したと報じられているが、機関投資家向けレポートの全文は公開されていない。
このアクセス上の隔たりは重要だ。読者は、ワークロード量、ハードウェアの減価償却、契約割引、モデル効率性を含め、35〜40ドルという推計の前提をすべて独自に検証できない。
公開されている説明は、おおむね主要な数値で一致している。別のBarclaysの要約も、収益100ドル当たり35〜40ドルのインフラ取り分と10〜20ドルの営業利益を同行の調査に帰している。
ただし、繰り返される報道は同じ基礎文書に由来している可能性がある。モデル計算に対する別個の確認として扱うべきではない。
それでも、この推計はAI経済を理解する上で有用な枠組みを提供する。モデル提供企業が報告する収益は、推論後に保持される価値と同義ではない。
従来型ソフトウェアでは、追加の1ユーザーにサービスを提供する増分コストは比較的小さい。生成AIでは、ユーザーが回答を求め、画像を生成し、あるいはエージェントにタスクを委任するたびに、大きな計算処理が必要となる。
モデル開発企業は、量子化、キャッシュ、バッチ処理、ルーティング、小規模な特化モデルによってこのコストを下げられる。また、より安価な能力を交渉したり、カスタムシステムを導入したりすることもできる。
しかし、効率の向上が総インフラ支出を自動的に減らすわけではない。コスト低下はユーザーにより多くのリクエストを促し得る一方、エージェントは継続的な人間の入力なしに長いモデル呼び出し列を生成できる。
この反発効果は、トークンコスト低下の意味を変える。知能1単位のコストは下がっても、購入される単位の総数ははるかに速く増加し得る。
Barclaysのモデルは、単位当たりの効率と総需要の違いを捉えている。AIラボは各リクエストの提供をより効率化できる一方、クラウド事業者は総計算量をさらに多く販売し続けられる可能性がある。
これが、40ドルという主張が実際の緊張を生む理由だ。モデル層は改善しつつも、インフラ層への依存から抜け出せていないことを示唆している。
AI推論の利益率がこれほど急速に上昇した理由
報じられた利益率の改善は、モデル提供の低コスト化、稼働率向上、収益増によるものであり、コンピューティングコストの消滅を意味するものではない。
報道によると、Barclaysは有料推論の利益率が2025年の低い二桁台から、2026年には約50〜65%、あるいはそれ以上へ上昇したと推定している。調整後粗利益率の前年比改善幅は30〜50ポイントに達すると報じられている。
有料推論とは、API呼び出し、サブスクリプション、エンタープライズ製品など、収益に結び付くモデル利用を指す。粗利益率は、その利用を提供する直接コストを差し引いた後に残る収益を測る指標だ。
複数の仕組みがこの利益率を急速に動かし得る。新しいアクセラレータはより多くの処理をこなし、より優れたソフトウェアはそれらのアクセラレータを1日のより長い時間にわたり稼働させる。
モデル提供企業は、繰り返し情報を再計算しないためにキャッシュも利用する。バッチ処理は互換性のあるリクエストをまとめ、インフラコストをより多くの出力に分散させる。
量子化は、モデルのパラメータを表現するための数値精度を下げる手法だ。これによりメモリと計算要件を低減できるが、過度な量子化は出力品質に影響する可能性がある。
蒸留は、大きなモデルから選択された振る舞いを再現するよう小型モデルを学習させる手法だ。得られたモデルは、最大限の能力を必要としないタスクでは運用コストを抑えられる。
ルーティングは、さらに別の効率化レイヤーを加える。サービスは単純なリクエストを小型モデルに振り分け、難しい問題には高価な最先端システムを割り当てられる。
収益構成は技術効率と同じくらい重要だ。エンタープライズ契約、高価値なコーディングワークロード、従量課金製品は、一定のインフラからより多くの収益を生み出し得る。
Barclaysの数値は、モデル企業が計算の両面で意味のある進展を遂げたことを示している。報道によれば、有料リクエストからより多くの収益を得る一方で、有用な応答ごとに付随するコンピューティングコストを削減しているようだ。
ただし、50〜65%の粗利益率は、企業全体としての収益性と同じではない。AIラボは依然として、学習、研究、従業員、データ、安全システム、流通、一般管理に支出している。
報告されたモデルは推論経済に焦点を当てているため、学習支出は特に重要だ。次世代モデルの構築には、そのモデルが収益を生み出すはるか前から、別枠のコンピューティング資源が必要となる可能性がある。
販売上のインセンティブも状況を複雑にし得る。無料利用、バンドルアクセス、プロモーションクレジット、最低利用額契約は、認識収益と実際の需要の関係に影響し得る。
したがって、この推定上の改善が裏付ける結論はより限定的だ。有料モデル提供は、大きなクラウドコストを差し引いた後でも、高利益率の事業として成立しつつあると報じられている。
これは、追加のAIクエリが必ず提供企業の損失を深めるという考え方からの意味ある変化だ。ただし、すべての主要ラボが持続可能な純利益を達成したことを示すものではない。
利益率の上昇は、より強い競争も招き得る。モデル提供企業はAPI料金を引き下げたり、サブスクリプションにより多くの利用量を含めたり、回答品質向上のため追加のコンピューティング資源を投じたりする可能性がある。
Barclaysは、最先端モデルをめぐる競争の激化とコンピューティング供給の拡大に伴い、推論利益率が徐々に低下すると見込んでいると報じられている。この予測は通常の市場原理に沿う。
複数の提供企業が同等の知能を提供できれば、顧客の交渉力は高まる。効率化による節約の一部は、ラボに残るのではなく購入者に還元される。
同じ圧力は製品設計を通じても現れ得る。提供企業は、既存のサブスクリプション内で、より長いコンテキスト、より多くのエージェント手順、追加の推論を許可する可能性がある。
これらの追加は製品を改善するが、より多くの計算を消費する。ハードウェア効率を、恒久的な利益になる前により良いサービスへと転換し得る。
これが、報じられた逆転の仕組みだ。AIラボは利益率を改善しているが、競争によってその利得の一部が低価格とより重いワークロードへ変換され得る。
どのモデルが勝ってもクラウド大手は収益を得る
AWS、Azure、Google Cloudは、モデル競争が市場全体のインフラ需要を増やし得るため、有利な立場にある。
AIラボは、自社モデルの性能、信頼性、統合性が優れていると顧客に納得させなければならない。クラウド事業者は、複数のラボが競争し、そのすべてがより多くの計算を必要とする状況から利益を得られる。
この構図はインフラ通行料に似ているが、クラウド企業も大きなコストと投資リスクを負っている。将来の需要が確実になる前に、機器を購入し、データセンターを建設しなければならない。
最近の財務開示は、投資家がクラウドの立場を重視する理由を示している。Amazonは、AWSが2026年第2四半期に422億ドルの売上を生み出し、前年同期比37%増だったと報告した。
AWSの四半期営業利益は166億ドルで、前年の102億ドルから増加した。これらの数値は、セグメント営業利益率が約39%であることを示している。
Amazonはまた、AWSのAI事業が年間250億ドルの収益ランレートを超えたと述べた。同社は同事業について、四半期決算で前年比3桁成長と説明している。
これらの結果は、他のAWSサービスから推論収益を切り分けたものではない。また、AIラボに関するBarclaysの具体的な配分を証明するものでもない。
ただし、大手クラウドプラットフォームが大きな営業利益を生み出しながら急速に拡大できることは示している。AWSは同四半期のAmazonのセグメント営業利益の大半を占めた。
Microsoftは、Azureを独立した報告セグメントとして公表していないため、異なる見方を提示している。同社のIntelligent Cloud部門には、Azureに加えてサーバー製品とエンタープライズ製品が含まれる。
Microsoftは、2026年6月30日終了四半期にAzureおよびその他クラウドサービスの収益が43%増加したと述べた。決算説明会によると、Azureの年間収益は1,000億ドルを超え、41%増加した。
Intelligent Cloud部門は四半期収益393億ドル、営業利益160億ドルを報告した。営業利益率は約41%を維持した。
Microsoftはまた、顧客需要が引き続き利用可能なクラウド容量を上回っていると報告した。同社は同四半期に31のデータセンターを追加し、会計年度全体では88を追加した。
これらの数値は、Barclaysの論点における需要側を裏付ける。新たなインフラは利用可能になるとすぐ顧客が使う準備をしているため、容量は依然として価値を持つ。
また、コスト面も明らかにしている。Microsoftは需要に先行してAIインフラを拡大し、増加する製品利用を支えたことで、クラウドの粗利益率が低下した。
Microsoft Cloudの粗利益率は直近四半期に65%となり、前年同期の68%から低下した。この事業にはAzure以外も含まれるため、この数値をAIインフラ単体の収益性とみなすことはできない。
Google Cloudは第三の構造を示している。Googleはクラウドインフラとアプリケーションを販売する一方で、Geminiモデルや独自のTensor Processing Unitsも開発している。
Alphabetは、Google Cloudの2025年第2四半期の売上高が136億ドルで、前年同期比32%増だったと報告した。営業利益は28億ドルに達し、同セグメントの営業利益率はクラウド業績で20.7%となった。
したがって3社は、複数の経済的役割を兼ね備えている。生のインフラ、マネージドデータベース、モデルプラットフォーム、エンタープライズアプリケーション、そして自社または第三者のモデルへのアクセスを販売している。
この幅広さは、価値を取り込む機会を拡大する。クラウドプロバイダーは、1つのアプリケーションの背後にあるアクセラレータ、ストレージ、ネットワーク、データベース、セキュリティ層、マネージドAIサービスから収益を得られる。
モデル開発企業も重要な交渉力を握っている。最も強力なモデルはユーザーを引き付け、アプリケーション設計に影響を与え、複数のサプライヤーと大規模な容量契約を交渉できる。
OpenAIとAnthropicは、単一プラットフォームを超えてインフラ関係を拡大している。サプライヤーの多様化は、運用上の依存を減らし、交渉力を高める可能性がある。
クラウドプロバイダー同士も競争している。AWSはTrainiumとInferentiaを開発し、GoogleはTPUsを提供、Microsoftは外部ハードウェアの導入を継続しつつ独自アクセラレータを設計している。
カスタムチップはコストを下げ、各プラットフォームを差別化できる。また、ワークロードをプロバイダーのソフトウェアや運用環境により密接に結び付ける可能性もある。
したがって主要な競争は、AWS対Azure、あるいはGoogle Cloudという構図ではない。ソフトウェア並みの利益率を目指すAIラボと、モデル収益の継続的な取り分を得るインフラ所有者との争いである。
3大クラウド間の競争はこの争いを後押しするが、それに取って代わるものではない。複数のプロバイダーを利用するラボであっても、基盤となるコンピューティング作業には支払いが必要となる。
Barclaysの推計が証明しないこと
報告された数値はもっともらしい業界構造を示しているが、個々のAIラボやクラウドプラットフォームの監査済み経済性を示すものではない。
第1の不確実性は、基礎データにある。Barclaysは大手金融機関だが、完全なレポートとその方法論は公開ページでは確認できない。
公開された要約は、すべての入力値を示さずにモデルの出力を提供している。そのため、異なるトークン量、稼働率の前提、容量契約に対して推計を検証することは難しい。
第2の不確実性は会計上の範囲に関するものだ。AWSはセグメント売上高と営業利益を報告しているが、そのセグメントにはAI推論以外の事業も数多く含まれる。
Google CloudもインフラとWorkspaceアプリケーションを組み合わせている。MicrosoftのIntelligent CloudセグメントはAzureより広く、Microsoft Cloudにはさらに複数の製品が含まれる。
報告されたクラウドの営業利益率を、AI推論に直接割り当てることはできない。共通の研究費、本社費用、ハードウェアの減価償却費も、異なる会計区分に計上される可能性がある。
クラウドプロバイダーは、強いセグメント利益率を報告しながら、新たに導入したAI容量ではより少ない利益しか得ていない可能性がある。成熟したストレージ、データベース、従来型コンピューティングサービスが、全体の結果を支え得る。
逆のことも起こり得る。プラットフォームは新たな容量を埋め、より大きな顧客基盤を構築する間、短期的には低い利益率を受け入れる可能性がある。
第3の不確実性は、内部取引と戦略的関係に関するものだ。モデル企業は、コンピューティング容量を販売する同じクラウドプロバイダーから投資を受ける場合がある。
クラウドクレジット、優先アクセス、収益分配契約、株式投資は、単純な顧客・供給者関係を曖昧にし得る。名目上のインフラ請求額は、どちらの側にとっても完全な経済性を捉えていない可能性がある。
第4の不確実性はワークロードの違いに関わる。短いテキストリクエスト、画像生成タスク、長時間稼働するソフトウェアエージェントでは、推論コストを比較できない。
モデルは回答を生成する前に追加の計算を行うこともある。推論システムは、難しいタスクでの性能向上と引き換えに、より高い推論支出を選択することが多い。
利用が自律型エージェントへ移行するにつれて、ユーザーの1回の操作あたりのモデル呼び出し数は急増し得る。人間は1つのジョブを開始するだけでも、ソフトウェアは多数の検索、評価、修正を実行する場合がある。
このため、コスト管理はモデルだけの問題ではなく、アプリケーション設計の問題となる。開発者は、より高品質な応答が追加計算を正当化する場面を判断しなければならない。
エンタープライズの購入者も同様の問題に直面する。アプリケーションが数千人の従業員と反復的な自動プロセスにまたがって動作する場合、トークン単価が低くても総請求額が低いとは限らない。
購入者は、トークン単価だけでなく、完了したタスクあたりのコストを監視すべきである。再試行、追加の監督、あるいは後続作業がより多く必要なら、安価なモデルが必ずしも安価とは限らない。
この区別は、生産性に関する主張を評価する際にも重要である。推論により多く支出するシステムでも、十分な従業員時間を節約したり、高額なミスを防いだりできれば、より優れた経済性を実現し得る。
社内システムを構築する開発者は、こうした導入の背景にある意思決定を、検索可能な技術ナレッジベースに保存できる。この記録は、チームがモデル品質、タスク完了、運用コストを長期にわたって比較するのに役立つ。
第5の不確実性は価格設定の行動にある。プロバイダーが積極的に価格を引き下げる場合、推論コストの低下が利益率の拡大を保証するわけではない。
オープンモデルは、プロプライエタリAPIにさらなる圧力をかけ得る。企業は一部のオープンモデルをレンタルまたは私有のインフラ上で導入できるが、その場合はより多くの運用責任を負うことになる。
特化型クラウドプロバイダーもAIワークロードを巡って競争できる。魅力的なアクセラレータへのアクセス、柔軟な契約、あるいはより狭い範囲のタスク向けに設計されたシステムを提供する可能性がある。
こうした代替手段は、3つのハイパースケーラーがAI収益の同じ割合を恒久的に獲得するという見方を弱める。ただし、チップ、エネルギー、ネットワーク、データセンター容量への資金供給の必要性をなくすものではない。
Barclaysは、実際のAIラボの利益率が推計の一部を上回ると予想していると報じられている。これは、関係するラボによる検証済みの開示ではなく、あくまでモデルに基づく判断である。
したがって、この推計はバリューチェーンの地図として扱うべきだ。収益がどこに流れる可能性が高いかは示すが、どの企業が最も優れたユニットエコノミクスを持つかを確定することはできない。
クラウド利益率の仮説を検証する3つのシグナル
次の局面は、開示される利益率、インフラの多様化、そしてAI製品に含まれる計算量によって決まる。
第1のシグナルは、容量拡張が続く中でのクラウド収益性である。AWS、Microsoft、Googleは、インフラ支出が高止まりする中でも、増加するAI需要が利益率を支えられることを示さなければならない。
AWSはセグメント売上高と営業利益を公表しているため、Amazonの業績は比較的明確なベンチマークとなる。投資家は将来のAWS成長率を、同セグメントの利益率やAmazonの現金支出と比較できる。
Microsoftは別途評価する必要がある。Microsoftが容量を構築し、より多くのAI利用を支えるなかで、より広範なクラウドの粗利益率が低下していても、Azureの成長は力強く維持され得る。
同社の投資家向け指標では、直近四半期のMicrosoft Cloud粗利益率は65%と報告された。今後の開示では、効率改善がより重いAI導入のコストを相殺するかが示されるだろう。
クラウドの利益率が安定したままAI関連収益が伸びれば、Barclaysの仮説はより強まる。それは、インフラプロバイダーが経済性を損なわずに大規模投資を吸収できることを示す。
利益率の持続的な低下は、この仮説を弱める。それは、競争、減価償却、エネルギー、新たな容量が、モデルの想定以上にAI収益を消費していることを示唆する。
第2のシグナルは、主要なAIラボが重要な推論ワークロードをAWS、Azure、Google Cloudの外へ移すかどうかである。多様化には、特化型プロバイダー、自社施設、より広範なカスタムハードウェア契約が含まれ得る。
ラボが交渉力を得るために、ハイパースケーラーを完全に離れる必要はない。次の容量ブロックに対する信頼できる代替手段を持てばよい。
発表よりも長期契約が重要になる。重要な証拠は、企業が限定的な技術試験をどこで実施するかではなく、新たな本番ワークロードが実際にどこで稼働するかである。
Barclaysは、確約済みの顧客に支えられた一部のインフラプロジェクトが、最大手3社からシェアを奪うと予想していると報じられている。そうなれば、推定される350億〜400億ドルの移転はより分散する可能性がある。
クラウド大手は、低料金、カスタムチップ、資金提供、あるいはより深いソフトウェア統合で対応する可能性がある。どの対応も、ワークロード量を維持しつつ、そこから得る利益率を低下させる可能性がある。
主要なラボが最大規模の本番コミットメントを引き続き同じ3つのプラットフォームと契約するなら、クラウド側の立場は維持される。ワークロードの移行を伴わないサプライヤー多様化では、大きな変化は起きない。
第3のシグナルは、推論プロバイダーが各製品にどれだけの推論を含めるかである。モデル企業は、利用量ベースの課金、より厳しい制限、安価なシステムへのルーティングによって利益率を維持できる。
一方で、同じサブスクリプションでより長いコンテキスト、より多くのエージェント操作、より高い推論努力を提供して競争することもできる。この戦略は、利益率を圧縮しながら顧客価値を高め得る。
エンタープライズAIの購買により、このシグナルは観察しやすくなる。購入者は、タスク完了の成功、レイテンシー、セキュリティ、予測可能な支出を一体として評価するようになっている。
出力品質を維持せずに推論コストを下げる製品は、持続的な価値を生まない。総消費量を管理せずに品質を改善する製品は、拡張が難しくなる可能性がある。
チームは、モデル選択、プロンプト、出力、承認、事業成果を、再現可能な1つのワークフローで追跡すべきである。構造化されたAIワークフローは、追加のモデル利用が実際に完成した成果物を改善しているかを明らかにする助けとなる。
Barclaysの推計は最終的に、AI利益を巡る議論を捉え直す。報告された数値によれば、モデルラボはもはや有料リクエストごとに単純に資金を燃やしているだけではない。
クラウドプロバイダーも受動的なベンダーではない。各リクエストを可能にする物理システムに資金を供給・運用し、その後モデル収益の相当な部分を得ている。
決定的な問いは、AIラボが競争によって節約分を支出せざるを得なくなるより速く、このインフラ比率を低下させられるかどうかである。次回のクラウド決算、大規模な容量契約、製品利用制限の変更を注視したい。
これらのシグナルは、100ドルごとに約40ドルというクラウドの通行料が持続的なものとして残るのか、それともAIインフラ構築期の一時的な特徴となるのかを示すだろう。
