中国のAIモデルARRは年末までに130億ドルに達する可能性、ただし収益性の試練は始まったばかり

Goldman SachsがGoogle Newsで注目を集めたのは、中国のAIモデル収益のランレートが年末までに130億ドルに達する可能性があるという大胆な予測だ。この推計は、中国のプロバイダーがベンチマークでの勝利や無料チャットボットの普及を超えつつあることを示唆する。一方で、この見出しはより難しい問いも投げかける。トークン価格が下落し続けるなか、急拡大する利用を持続的な収益へ転換できるのか。

この数字の背景には、開発者、企業、海外ユーザーからの中国製モデルへの需要拡大がある。DeepSeekは2025年初頭、その効率性に対する認識を変えた。その後、Alibaba、Moonshot AI、Z.aiなどのプロバイダーは、ますます競争が激しくなる市場に新たなモデル、アプリケーション、クラウドサービスを投入してきた。

主戦場はもはや単純な中国対米国ではない。収益成長と積極的な価格圧縮の戦いである。中国のプロバイダーは導入を勝ち取るためにコストを下げる必要があるが、同じ経済性がリクエスト1件あたりから得られる収益を弱めかねない。

130億ドルというGoogle Newsの見出しが実際に示すこと

この予測が重要なのは、中国のAIを米国の研究所に対する技術的な挑戦だけでなく、商業市場として捉える枠組みを提示しているためだ。

Google Newsの見出しは、年末時点で130億ドルという推計をGoldman Sachsによるものとしている。しかし、閲覧可能な配信記事では、基礎となるモデル、企業別の内訳、算定期間は明らかにされていない。したがって、この数字は監査済みの業界収益ではなく、報じられた予測として扱うべきだ。

年間経常収益、すなわちARRは、現在の継続的な売上に基づくランレート指標である。サブスクリプションや契約済みサービスの規模を見積もるうえで有用だが、完了した会計年度にすでに認識された収益と同じではない。

市場が急速に成長している場合、この違いは重要になる。プロバイダーは後半期に事業を拡大すれば、12月時点で高い年換算ランレートに到達できる。一方、年間を通じて実際に回収した収益は大幅に低いままであり得る。

この予測は、消費者向けチャットボットのサブスクリプションより広い市場を対象としているようにも見える。Goldman Sachsは以前、モデル学習、ポストトレーニング、推論、AIアプリケーションを収益化チャネルとして挙げている。ポストトレーニングはモデルを顧客の要件に適応させるもので、推論はユーザーが新しいリクエストを送信した際に行われる計算処理である。

Goldman Sachsによる以前のAI収益分析では、中国のハイパースケーラーが急成長するAI売上を生み始めているとされた。主要な商業アプリケーションとして、動画生成、画像編集、物体識別が挙げられていた。

同分析は、困難な消費者市場についても説明している。Goldmanによれば、中国の主要チャットボットは無料で提供されており、当時の有料ユーザー数は重要性のない水準だった。その結果、収益化の負担は企業向けコンピューティングと専門用途のアプリケーションにより多く委ねられていた。

130億ドルという数字には、そのスタックの複数の層からの収益が含まれる可能性がある。クラウドベンダーは、アプリケーション・プログラミング・インターフェース、すなわちAPIを通じてモデルへのアクセスを販売する。開発者はAPIを利用し、自社ソフトウェアにモデル機能を組み込む。プロバイダーは専用デプロイメント、モデルのカスタマイズ、サブスクリプション、アプリケーションサービスも販売できる。

公開された算定方法がない以上、これらのカテゴリーを合算すると曖昧さが生じる可能性がある。モデル開発企業はクラウドパートナーを通じてAPI収益を得る場合がある。パートナーはその活動をAIクラウド収益として報告する可能性がある。両方を計上すれば、最終顧客に対して生み出された経済価値を過大評価することになる。

為替換算も別の変数となる。プロバイダーの国内収益の大半は人民元建てである一方、見出しはドル建ての推計を示している。基礎となる事業が変わらなくても、為替レートの変動によって報告総額は動き得る。

それでも、この予測は方向性を示すシグナルとして有用だ。Goldmanが、商業化は市場全体のランレート推計に値するほど速く進展していると見ていることを示している。ただし、読者は1つの見出しの数字を、利益、キャッシュ創出、あるいは完了した年間売上の明確な指標として解釈すべきではない。

この注意点が中心的な試練を浮き彫りにする。中国のプロバイダーは、低価格モデルを軸にした導入戦略を築いてきた。今や、トークンあたりの収益が低下するなかで、膨大な利用量がそれを補えることを証明する必要がある。

推論コストの低下が機会を生み出した

中国のAI収益機会が存在するのは、推論コストの低下によって、より多くの製品や組織で試行が手頃になったからだ。

Goldman Sachsは2025年1月、中国の推論コストが前年に比べて95%以上下落したと推計した。そのコスト分析は、モデル実行の低価格化が、より多くの生成AIアプリケーションを促進すると論じた。

推論はモデル学習の後に行われる。プロンプトへの回答、画像生成、コード作成、その他のリアルタイムタスクの完了に使われる計算処理を指す。追加のリクエストごとにコンピューティング能力が消費されるため、推論の経済性は顧客価格とプロバイダーの利益率の両方を左右する。

コスト低下により、開発者は大きなコミットメントをせずに、より多くのユースケースを試せる。小売業者はサポート対応を要約できる。ソフトウェア企業はコード支援を追加できる。メディアチームはビジュアルのたたき台を生成し、メーカーは検査画像を処理できる。

AIエージェントはこの効果を増幅する。エージェントは、繰り返しモデルを呼び出し、出力を確認し、その後のアクションを選択することで、多段階のタスクを完了する。そのため、1件のユーザーリクエストでも、従来型チャットボットの回答より何倍ものトークン消費を生むことがある。

この仕組みは、低コストで許容可能な性能を提供するプロバイダーに有利に働く。定義されたワークフロー内で安定して機能するなら、モデルがすべてのベンチマークで首位に立つ必要はない。開発者がより重視するのは、多くの場合、レイテンシー、一貫性、統合の手間、総運用コストだ。

中国の研究機関はこの立ち位置を強く打ち出してきた。DeepSeekは、効率性を重視した設計で高性能な推論モデルを提示し、世界的な注目を集めた。AlibabaのQwenファミリーは、ダウンロード可能なモデルとクラウドアクセスを通じて、開発者の間で幅広い認知を得た。Moonshot AIとZ.aiも、頻繁なリリースと低コストの提供を通じて競争している。

最近の導入状況は、この基本的な方向性を裏付けている。Associated Pressは、最近のある月にOpenRouterで最も利用された5モデルはいずれも中国製だったと報じた。OpenRouterは複数のモデルへのアクセスを集約しており、その活動は有用な開発者シグナルとなるが、市場全体を示すものではない。

同じ導入に関する報道は、中国製モデルが手頃な価格で、能力も高まりつつあることから、米国ユーザーを引きつけていると伝えた。企業がコーディング、調査、リード発掘、その他の実用的なタスクでの利用を検討しているとした。

この需要は中国を超えて広がっている。Goldmanは以前、中国のハイパースケーラーが収益の90%から95%を国内で生み出していると推計した。それでも、新たなデータセンターとサービスの展開市場として、アジア、中東、ラテンアメリカを挙げていた。

ビジュアル生成はすでに、その海外機会を示す証拠を提供している。Goldmanによれば、一部の動画・画像編集アプリケーションでは、中国より海外市場のほうが多くの収益をもたらしていた。こうした製品は、あらゆるやり取りに広範な地域固有のビジネス文脈を求めることなく、世界の顧客に提供できる。

オープンモデルも導入時の摩擦を減らす。開発者は利用可能なコードを確認し、選択した環境にモデルをデプロイし、自社システムをカスタマイズできる。この柔軟性は、単一のクローズドAPIへの依存を懸念する企業にとって魅力的だ。

ただし、ダウンロード数やトークン量が自動的に継続的な売上になるわけではない。開発者は、元の研究機関に支払うことなく、ダウンロード可能なモデルの重みを利用できる。クラウドプロバイダーが収益を得られるのは、顧客がホスティングされたインフラを利用するか、関連サービスを購入した場合に限られる。

ここに転換の課題がある。中国のプロバイダーは、技術的な流通を、有料推論、マネージドデプロイメント、企業向けサポート、または独自アプリケーションへと転換しなければならない。130億ドルという予測は、その橋渡しが多くの顧客にとって商業的に意味のあるものになることを前提としている。

こうしたサービスを評価する組織は、情報面の問題にも直面する。モデル発表、ベンチマーク、セキュリティレビュー、社内テスト結果は、さまざまな場所から届く。検索可能なAIナレッジベースは、ワークフローを特定のプロバイダーに委ねる前に、チームがその証拠を保持するうえで役立つ。

したがって、導入のストーリーは現実のものだが、まだ不完全である。推論コストの低下は、経済的に実行可能なタスクの数を増やす。残る問いは、各タスクを低価格にした後でも、プロバイダーが十分な価値を維持できるかどうかだ。

Alibaba、DeepSeek、中国のAIプロバイダーが直面する収益のパラドックス

市場で最も強力な導入の武器である積極的な効率化は、収益予測にも直接的な圧力をかける。

中国のモデルプロバイダーは、低い利用コスト、オープンなリリース、迅速な反復を通じて開発者を獲得しようとしている。こうした戦術は総需要を拡大し得る一方で、どのプロバイダーにとっても価格決定力の維持を難しくする可能性がある。

基本の式は、リクエスト量、リクエストあたりの収益、各リクエストを提供するコストという3つの要素から成る。価格下落が収益に寄与するのは、利用量が単位あたりの収益低下を上回る速度で増えた場合に限られる。利益を得るにはさらに、提供コストが十分に速く低下し、利益率を維持できることが必要だ。

AIエージェントは、この式の利用量側を改善する。文書を検索したり、コードを書いたり、ソフトウェアツールを連携させたりする間に、モデルを繰り返し呼び出せる。Goldman Sachsは、エージェント型システムの普及に伴い、世界のモデルクエリが大幅に増加すると予測している。

しかし、価格競争はその成長を相殺する可能性がある。あるプロバイダーが料金を引き下げれば、競合は追随するかどうかを判断しなければならない。顧客も、複数のモデルに異なるタスクを振り分け、単純な作業を最も安価で許容可能な選択肢へ回すことができる。

オープンモデルはこの圧力を強める。クラウド企業は、呼び出しごとに開発元へ支払うのではなく、第三者モデルをホスティングできる。大口顧客はダウンロードした重みを自社インフラ上で運用できる。研究機関は影響力を得ても、直接収益の獲得は限られる可能性がある。

Alibabaはこの競争で構造的な優位性を持つ。同社は主要なクラウドプラットフォームを運営し、Qwenモデルを開発し、ビジネスアプリケーションを提供している。この統合により、同じ需要の波を収益化する機会を複数得られる。

同社は、AIとクラウドを合わせた収益を5年間で1,000億ドル超にする目標を掲げている。2026年3月の決算報道で説明された10月から12月の四半期には、同社のクラウド収益は36%増加した。しかし、より広範な費用の増加により、Alibaba全体の四半期利益は67%減少した。

これらの結果は、市場における主な対立を示している。クラウドとAIの需要は増加しても、投資と競争によって短期的な利益は圧迫され得る。収益成長だけでは、プロバイダーがインフラから十分なリターンを得ているかどうかは分からない。

Alibabaは、クラウドおよびAIインフラに今後3年間で少なくとも3,800億元を投資することも表明した。供給能力はモデル利用の拡大を支える一方、その支出を正当化するために必要な収益水準も押し上げる。同社は可用性、サービス品質、資本規律のバランスを取らなければならない。

DeepSeekは異なる道を進んでいる。同社のモデルは、効率性を競争上の優先課題として定着させる一助となった。その影響は、同社に直接帰属する収益を超えて広がっている。他のプラットフォームも、そのリリースを導入したり、それを基盤に構築したりできるためだ。

このためDeepSeekは、130億ドルという見通しにとって重要でありながら、そこで生まれる収益の明白な受益者とは限らない。同社のモデルは、第三者プロバイダー全体でクラウド消費を促進し得る。経済的な利益は、インフラ事業者、アプリケーション開発者、企業向け統合事業者に帰属する可能性がある。

Z.aiは、このトレードオフの別の側面を示している。Associated Pressによると、同社は前年度の売上高が132%増の7億2,400万元になったと報告した。純損失は60%増の47億元に拡大した。

これらの数字は、ARRに文脈が必要な理由を示している。研究、コンピューティング、顧客獲得のコストが高止まりする場合、継続収益が急成長しても、より大きな損失と共存し得る。プロバイダーの収益ランレートだけでは、継続的なモデル開発を事業で賄えるかどうかは分からない。

Moonshot AIの最近の需要急増も、供給能力について同様の教訓を示している。Associated Pressは、同社がKimiモデルへの関心によって利用可能なリソースが逼迫したため、新規サブスクリプションを一時停止したと報じた。強い需要は製品への関心を裏付けるが、利用制限は短期的な収益化も制限する。

米国のプロバイダーも、この問題の別バージョンに直面している。OpenAI、Anthropic、Googleは、最先端の能力、開発者プラットフォーム、事業統合を通じて競争している。より高度なチップと成熟したクラウドインフラへのアクセスは大きいが、学習と推論に関するコミットメントも巨額だ。

競争の境界は、地理的なものではなくなりつつある。米国の開発者は、グローバルなホスティングサービスを通じて中国のオープンモデルを利用できる。中国企業は、国内モデルを社内データや特化ソフトウェアと組み合わせられる。顧客は国ごとのモデル群ではなく、ワークロードを比較するようになっている。

これは、中国対米国という単純な構図を弱める。中国のプロバイダーはコスト面で米国の研究所に圧力をかけるが、それ以上に互いへ強い圧力をかけている。低価格の新モデルが登場するたび、国内市場全体で顧客の期待がリセットされる可能性がある。

Goldmanの推計は、プロバイダーがエスカレートする補助金に頼らず成長を維持できれば、より信頼性を増すだろう。トークン需要の伸びを上回る値下げを繰り返さなければ市場シェアを維持できない場合、その見通しは弱まる。決定的な証拠となるのは、ベンチマーク順位ではなく収益の質だ。

ARR推計で分からないこと

最大の不確実性は測定にある。中国のAI市場には、モデルARRに関する一貫した公表定義が存在しないためだ。

ARRは、安定したサブスクリプション契約に最も適している。モデルサービスには、サブスクリプション、従量制API利用、クラウド契約、導入作業、プロモーション用クレジットが混在することが多い。これらの収益源を年換算すると、変動する前提に基づきながら精密に見える数字が生まれ得る。

利用量連動の収益は特に変動が大きい。開発者は製品ローンチ時に大量トラフィックを送信し、翌月には利用を減らすかもしれない。好調な1カ月を12倍すると、持続的な需要を過大評価するおそれがある。

企業契約は逆の問題を生み得る。長期契約には、予約済みコンピューティング容量、サポート、モデルのカスタマイズ、ストレージが含まれる場合がある。契約全体をモデルARRとして扱うと、どの製品が収益を生み出したのかが曖昧になる。

アプリケーション収益も、別の境界に関する問題を生む。AI動画サービスはモデルに依存するが、顧客が支払うのはアプリケーション体験に対してだ。サブスクリプション収益全体を含めれば、モデルとコンピューティングの要素だけを数えるより市場は大きく見える。

報じられた130億ドルの予測には、堅実な社内フレームワークが用いられている可能性がある。しかし、公表された見出しだけでは評価するための詳細が足りない。対象企業のリスト、カテゴリー定義、通貨前提、報告済み財務諸表との照合は見当たらない。

この制約は、予測を無効にするものではない。株式リサーチでは、企業ガイダンス、チャネルチェック、コンピューティング需要、アナリスト推計を組み合わせることが多い。ただし、読者はこの数字を独立監査済みの市場総額として扱うべきではない。

収益性も二つ目の欠落点だ。プロバイダーは、チップ、電力、ネットワーク、データセンター容量、エンジニアリング、カスタマーサポートに費用を支払わなければならない。海外展開では、コンプライアンス、ローカライゼーション、営業、インフラのコストも加わる。

Goldmanは以前、中国の主要インターネット企業が2026年中にデータセンターと関連AI能力へ700億ドル超を投資すると予測した。同社のinfrastructure outlookでは、この分野を「まず構築する」段階にあると説明している。

この支出は、エージェント型アプリケーションに十分な能力を生み出す可能性がある。一方で、事業導入の進行が予想より遅ければ、収益化を上回る可能性もある。データセンターは、長期の電力、土地、機器に関する約束をした後では、容易に縮小できない。

ハードウェアへのアクセスも引き続き制約となる。米国の輸出規制は、中国による一部の先進AIチップへのアクセスを制限している。中国のプロバイダーは国内製アクセラレーターの利用を増やしているが、ソフトウェア互換性と生産能力は依然として導入判断に影響する。

Goldmanは、中国企業が従来、設備投資の50%から75%を海外製チップに支出してきた一方、その比重は国内サプライヤーへ移りつつあると述べている。この移行は供給の強靭性を高め得るが、ハードウェアシステム間でモデルやアプリケーションを適応させるためのエンジニアリング作業も必要になり得る。

地政学的リスクは海外成長を複雑にする。各国政府は、セキュリティ審査、調達制限、新たな輸出規制を適用できる。企業も、プロンプト、出力、運用データがどこで処理されるかを確立できなければ、モデルの採用を見送る可能性がある。

モデルの品質は別の問題を提起する。中国のシステムは、コーディング、調査、一般的なアシスタント業務で競争力を高めている。独立評価機関は、特化能力、言語、ツール利用、難度の高い推論ワークロードにおいて、依然として性能にばらつきがあると指摘している。

あるワークフローで十分なモデルでも、別のワークフローには適さない可能性がある。企業は、自社の文書と失敗条件を使って信頼性を検証しなければならない。公開ベンチマークでは、非公開の業務プロセスを完全には表現できない。

セキュリティとガバナンスは、ベンチマーク性能と同じくらい重要だ。機密データを漏えいさせたり、信頼できないアクションを生成したり、大規模な人手レビューを必要としたりする低価格モデルは、結果的に高コストになり得る。購入者はトークン料金だけでなく、運用システム全体を評価する。

中国国内の規制要件も、モデルの挙動と展開を形作る。プロバイダーは、一般向け生成AIサービスを規律する国内規則に従う必要がある。海外顧客は、プライバシー、著作権、透明性、自動化された意思決定について異なる基準を適用する可能性がある。

こうした不確実性は、厳格な立証基準を生む。強いARRの数字には、認識済み収益、顧客維持率、粗利益率、再現可能な有料ワークロードによる確認が必要だ。ダウンロード数や一時的なトラフィック急増だけでは、その証明にならない。

したがって、この予測は検証途上の仮説として読むべきだ。中国の低コストモデル市場が商業規模に近づいていることを示している。ただし、各プロバイダーが持続可能なビジネスモデルを見つけたことまで証明するものではない。

Google Newsの予測を検証する3つのシグナル

次の3つのシグナルは、中国のAI導入の波が持続的な収益を生んでいるのか、それとも価格低下のなかで利用量だけを拡大しているのかを示すだろう。

第1のシグナルは、主要クラウドプロバイダーが認識するAI収益だ。Alibaba、Baidu、Tencentは、決算開示を通じて市場により明確な証拠を示せる。投資家には、AIモデルサービスを一般的なクラウドコンピューティングや無関係なアプリケーションから切り分けた一貫した数値が必要だ。

成長が複数の報告期間にわたって続けば、この予測を補強する。一四半期の年換算値だけでは説得力が弱い。最良の証拠は、AI収益の増加に顧客利用の拡大とクラウド利益率の改善が伴うことだ。

Alibabaは、Qwenの開発とクラウド配信を組み合わせているため、特に注目に値する。同社の幅広いプラットフォームは、学習、推論、ストレージ、アプリケーション需要を取り込める。一方で、これらのサービスをまとめて報告する場合、モデル層は見えにくくなる可能性がある。

Baiduも、モデルとクラウドの事業を通じて有用な検証材料を提供する。Tencentは、AI消費がコミュニケーション、ゲーム、広告、企業向けサービスに広がっているかを示せる。3社すべてで同様の勢いが見られれば、1社の会計上の選択ではなく、市場全体の変化を示唆するだろう。

第2のシグナルは、トークン量と単価の関係だ。プロバイダーは、利用量の増加が価格低下を上回っているかを示すのに十分な運用情報を開示しなければならない。粗利益率が安定または改善すれば、130億ドルのランレートは経済的により意味を持つ。

エージェント型の導入は、その結果をもたらす可能性がある。企業エージェントは、1つのタスクの途中で数十回のモデル呼び出しを行うことがある。こうしたワークフローが通常の本番運用に入れば、総消費量は見出し上のAPI料金の下落より速く増加し得る。

一時的なプロモーションは逆方向を示す。無料クレジットや補助金付きアクセスは、持続的な収益を生まずに測定上の活動量を押し上げる可能性がある。最安料金だけに引かれた顧客は、競合が対抗すれば再び乗り換える可能性がある。

供給能力の不足も慎重な解釈が必要だ。それは、ある時点で需要が利用可能なサービスを上回ったことを示す。しかし、追加能力が到着し、初期の関心が落ち着いた後にユーザーがいくら支払うかまでは分からない。

第3のシグナルは、セキュリティとコンプライアンスの審査後における海外顧客の維持だ。中国のプロバイダーはすでに国外の開発者を引き付けている。持続的な国際契約は収益基盤を広げ、激しい国内競争への依存を減らすだろう。

初期トライアルよりも維持が重要だ。開発者は、本番構成を選ぶ前に複数のモデルを日常的に評価する。テスト終了後もアプリケーションが有料トラフィックを送り続けるとき、プロバイダーは商業的に勝利する。

企業導入には、データ処理、モデル更新、サービス可用性、法的責任に関するより明確な保証が必要になる。これらの要件を満たすプロバイダーは、低コストの実験をより長期の契約に変えられる。それができないプロバイダーは、大口顧客を獲得できないまま、個人プロジェクトでは人気を保つかもしれない。

政策動向は、このシグナルを急速に強めも弱めもする。追加規制により、一部の国では調達経路が閉ざされる可能性がある。米国サービスへの制限が、別の地域で中国の代替サービスに機会を生む可能性もある。

オープンソース配布は、この議論にニュアンスを加える。広範なセルフホスティングは、直接的なAPI販売を生み出さずに中国モデルを技術標準として定着させる可能性がある。その影響は、企業向けサービス、パートナーシップ、クラウド展開を支え得るため、依然として重要だ。

Google Newsを通じてこの話題を追う読者は、年末時点の単一の数字に還元することを避けるべきだ。重要な問いは、認識済み収益、ユニットエコノミクス、顧客維持が連動しているかどうかである。

クラウド開示が改善し、利益率が維持され、海外顧客がトライアル後も残れば、Goldmanの報じられた予測はますますもっともらしく見えるだろう。損失と補助金が拡大するなかで価格が下落し続けるなら、この見出しは価値よりも活動量をより正確に測っていたことになる。

開発者や企業の購買担当者は、その結論を待たずに行動できる。明確に定義したワークロードでモデルを比較し、エラー率を記録し、総運用コストを測定し、代替手段を確保しておくべきだ。有用な評価には、トークン消費量に加えて、セキュリティおよび人によるレビューのコストも含まれる。

AIアプリケーションを選ぶナレッジワーカーにも、同じ規律が求められる。モデルコストの低下は、より優れた検索、文書作成、分析ツールを支え得る。しかし、信頼できるワークフローには、追跡可能な情報源、管理されたアクセス、機密情報の明確な取り扱いが必要だ。

中国のプロバイダーはすでに、高性能なAIをより低価格かつ利用しやすいものにすることで、市場を変えてきた。次の課題はさらに難しい。手頃な価格が、より安価な知能を目指す終わりなき競争ではなく、継続的な事業を生み出すことを示さなければならない。

Google Newsによる130億ドルの予測は、その試練に分かりやすい目標を与えている。企業が何を売上として認識するか、提供コストを差し引いた後にどれだけを維持できるか、そして最新モデルが登場しても顧客が支払いを続けるかに注目したい。