Jon Gray、AI投資の回収が遅いことへの懐疑論に反論

Jon Grayは、支出とキャッシュフローへの懸念が高まるなか、AI投資からの即時リターンを求める声について「やや的外れだ」とし、強まる要求に異議を唱えた。

Google Newsで配信されたBusiness Insiderの記事によると、Blackstoneの社長であるGrayの主張は、より長い投資期間を前提としている。データセンターでは、経済性が明確になるまでに、数年を要する計画、建設、電力調達、顧客への賃貸が必要となる。

この立場は、株式市場からのより厳しいメッセージと対立する。投資家は、Alphabet、Amazon、Meta、Microsoft、Oracleに対し、AIへの設備投資を測定可能な売上高、利益率、フリーキャッシュフローと結び付けるよう、ますます求めている。

Grayはこの議論における中立的な観察者ではない。Blackstoneはデータセンター、エネルギーインフラ、その他のAI関連資産を投資戦略の中心に据えている。その実績は楽観論を支える根拠となる一方、同社のエクスポージャーは建設の継続に対する明確な経済的利害も生み出している。

したがって本当の論点は、AIが需要を生むかどうかではない。現在のクラウド成長とインフラへのコミットメントは、すでに大きな需要を示している。争点はタイミング、集中度、そして今日の建設が資金調達・運営コストを差し引いた後に許容できるリターンを生むかどうかにある。

Jon GrayのAIリターン論は時間軸を巡るものだ

Grayは投資家に対し、AIインフラを1四半期で回収すべきソフトウェア機能ではなく、長期にわたり利用される産業資産として評価するよう求めている。

Blackstoneの公開資料では、チップ、データセンター、冷却設備、発電を含む複数年の投資サイクルが説明されている。クラウドプロバイダーが生み出すコンピューティング容量を販売するには、これらの資産が先に整備されていなければならない。

この順序により、初期のリターン計算は不完全になりやすい。建設支出は即座に発生する一方、売上は建物への送電、サーバーの設置、顧客による契約済み容量の利用開始後に発生する。

また、データセンターは複数世代のコンピューティング機器を収容できる。そのため、建物や電力接続の経済的な耐用期間は、最初に導入したチップの実用寿命を超える可能性がある。

Grayの立場は、Blackstone自身のポートフォリオによって信頼性を増している。同社の第2四半期決算説明会で経営陣は、AIがデジタルおよびエネルギーインフラ全体の投資を牽引していると述べた。Blackstoneはさらに、四半期ベースで最大だった投資収益10件のうち9件がAI関連事業と結び付いていたと報告した。

同社によると、共同運用型のデジタルインフラ戦略は設定以来、年率18%の純リターンを生み出している。この数値はBlackstoneの投資戦略を対象としたものであり、AI市場全体を示すものではなく、普遍的な証拠として扱うべきではない。

Blackstoneは、ChatGPTの公開前に買収したデータセンター運営会社QTSを強調している。同社の年央見通しによると、QTSの賃貸済み容量は5年間で15倍に増加した。

この経験がGrayの考え方を形作っている。Blackstoneは生成AI需要が明確になる前に資本を投じ、その後、大手クラウド顧客がより多くのコンピューティング容量を求めるなかで恩恵を受けた。

ただし、1つの成功したプラットフォームだけで、より広範なリターンを巡る問題を決着させることはできない。取得価格、電力の利用可能性、資金調達の仕組み、テナント契約、建設時期は資産ごとに異なる。

Blackstoneの利益は、サプライチェーンにおける同社の立ち位置も反映している。長期リースを持つ大家は、テナントのAI製品の収益性が期待を下回っていても、魅力的なリターンを得られる可能性がある。

この違いは重要だ。インフラ所有者は希少な容量を販売する一方、クラウド企業はその容量を継続的な顧客収益に転換しなければならない。アプリケーション開発企業は、高額なモデル利用料とコンピューティング費用を賄えるだけの収益を上げる必要があるため、別の課題に直面する。

この発言は、忍耐強い資本の擁護として理解するのが最も適切だ。Grayは、すべてのAIモデル、データセンター、ソフトウェア企業が成功すると主張しているわけではない。

彼のより限定的な主張は、投資家が、容量の多くがまだ稼働していない段階で未完成の拡張を評価しているというものだ。この点では、建設期間が彼の主張を支えている。

しかし、同じ時間軸は失敗を覆い隠すこともある。電力制約で遅延したプロジェクトは、最も強い需要の時期を逃す可能性がある。現在のハードウェアを前提に設計された施設は、予想より早く高額なアップグレードを必要とするかもしれない。

したがって、時間はGrayにとって防御材料であると同時にリスクでもある。待てば契約済み需要を売上に転換できるが、その間に競合他社が容量を追加し、価格を引き下げる時間も与える。

Google NewsにAI支出への疑念があふれる理由

企業が投資に伴うリターンを開示できるペースを上回って資本コミットメントが増えているため、投資家の懐疑論は強まっている。

最大手クラウドプロバイダーは、AIの売上高や利益を独立した項目として報告することはほとんどない。AI関連の活動は、より広いクラウド、広告、ソフトウェア、インフラ事業の中に含まれている。

この会計構造により、直接的なリターン計算は難しくなる。Google CloudにはAIサービスと従来型クラウドワークロードが含まれ、Microsoftのクラウド部門はAzureとその他の製品を組み合わせている。

Amazon Web Servicesも同じ帰属の問題に直面している。Metaはインフラの多くを社内で利用しており、AIはレコメンデーション、広告、コンテンツツール、製品開発を支えている。

決算分析では、クラウドの利益率は手掛かりにはなるものの、AI投資からのリターンを切り分けることはできないとされた。従来型クラウドワークロードは依然として高収益であり、より弱いAIの経済性を覆い隠す可能性がある。

支出額はより把握しやすい。Reutersは、Microsoft、Alphabet、Amazon、Meta、Oracleの設備投資に関するコンセンサス予想が、1月の約4,850億ドルから2026年7月には約7,300億ドルへ増加したと報じた。

同じキャッシュフロー分析では、5社が2027年中にフリーキャッシュフローの創出額を上回る設備投資を行う可能性があると予測された。

企業がAI支出を一貫して分離していないため、これらの推計にはAI以外の投資も含まれる。ただし経営陣は、サーバー、データセンター、ネットワーク、関連するクラウド容量を主要な支出要因として挙げている。

圧力の現れ方は企業ごとに異なる。Microsoftは、ファイナンスリースを含む375億ドルの設備投資を計上する一方、四半期の営業キャッシュフローは358億ドルだったと報告した。

Amazonは、過去12カ月の営業キャッシュフローが1,485億ドルに達した一方、フリーキャッシュフローは12億ドルに減少したと報告した。Oracleの2026年度の設備投資は557億ドルに達し、営業キャッシュフローの320億ドルを上回った。

これらの数値は、支出が失敗に終わることを証明するものではない。しかし、なぜ投資家が容量拡大だけを十分な証拠として受け入れなくなったのかを説明している。

上場株主はもともと、多くのテクノロジー企業を資産の軽いプラットフォームとして評価していた。ソフトウェアと広告の収益は、工場、設備、在庫を同程度に増やすことなく拡大できた。

AIはそのモデルを変える。収益成長は、物理的な施設、専用チップ、冷却システム、送電設備、信頼できる電力への依存をますます強めている。

その結果、ソフトウェアの経済性と産業インフラが混在する構造となっている。この組み合わせは持続的な優位性を生む可能性がある一方、柔軟性を低下させ、需要が確実になる前に現金を消費する。

これが現在のGoogle News報道の背景にある緊張だ。Grayは、長年にわたるコンピューティング需要を支えるインフラを見ている。懐疑派は、収益性の測定がなお難しい巨額の固定的コミットメントを見ている。

両者の立場は完全に対立するものではない。投資家はAI需要が成長すると信じながらも、現在の建設に投じられるすべてのドルが十分なリターンを生むかどうかを疑問視できる。

この違いは、市場の反応が選別的になった理由を説明する。クラウドの成長と安定した利益率を示す企業は、負債や集中した顧客に大きく依存する企業よりも、より多くの忍耐を得ている。

議論は、経営陣がAIを信じているかどうかを超えた。投資家は現在、追加支出が利益率や株主リターンを恒常的に弱めることなく、追加収益を生む証拠を求めている。

忍耐強いインフラ資本と四半期ごとの市場圧力

主要な対立は、長期投資を重視するGrayのモデルと、短期的な財務上の証明を求める公開市場の投資家との間にある。

Blackstoneは、長期間にわたって非公開資産を保有することを前提とした資金を調達している。長期リース、契約済みキャッシュフロー、段階的な開発を軸に投資を組み立てることができる。

上場テクノロジー企業は異なる時間軸に答えなければならない。決算発表のたびに、株主は設備投資をクラウド成長、営業利益、フリーキャッシュフローと比較する機会を得る。

この違いにより、双方が正しく見えることがある。非公開のデータセンター投資は10年にわたり良好な成果を上げる一方で、クラウドプロバイダーの最初の数年間のキャッシュフローを圧迫する可能性がある。

Grayのモデルは希少性からも恩恵を受ける。主要なデータセンター市場では、適切な土地、送電網接続、設備、許認可、経験豊富な運営者が依然として限られている。

Blackstoneによると、一部地域で電力確保に必要な期間は約1年から7年以上へと延びている。希少性は、すでに電力供給可能な用地を管理する所有者のリース料と資産価値を支える可能性がある。

ハイパースケーラーにとっては、同じ希少性がコストを押し上げる。容量拡大の遅れによって顧客を失うリスクがあるため、クラウドプロバイダーは電力、建設、ネットワーク、設備により高い費用を支払う可能性がある。

これは異例のインセンティブを生む。一時的な過剰支出よりも、投資不足の方がテクノロジー企業の経営陣には危険に見える可能性がある。

十分なコンピューティング容量を確保できない顧客は、ワークロードを他社へ移したり、社内システムを構築したり、競合他社と長期契約を結んだりできる。失われた関係は、供給が改善した後も続く可能性がある。

Moody’sは、この懸念をハイパースケーラーの観点から実存的なものと表現している。同社の分析は、積極的な建設が供給過剰とリターン低下を生み得るとも警告した。

データセンターへの支出は通常、売上より大幅に先行する。プロジェクトが完全に生産性を発揮するまでには、計画、建設、試運転、機器設置、顧客による導入が必要となる。

この遅れは、Grayによる性急さへの批判を支える。建設中の施設に対し、成熟し完全に賃貸された資産と同じリターンを期待するのは合理的ではない。

ただし、投資家が評価しているのは未完成の建物だけではない。経営陣が需要を十分に正確に予測し、同時多発的な過剰建設を回避できるかどうかも見ている。

Alphabet、Amazon、Meta、Microsoft、Oracleは同時に拡張を進めている。専業クラウドプロバイダーや政府主導プロジェクトも、計画中の供給をさらに増やしている。

すべての参加者が似た成長予測を用いる場合、顧客が吸収できる以上の容量を集団的に建設する可能性がある。その場合、クラウド価格は下落する一方、減価償却費、利息、電力費は残る。

OppenheimerのJason Helfsteinはこの懸念を端的に要約した。業界が容量を作り過ぎれば、その価格は下落する。これは資本集約型市場における典型的なリスクである。

通信業界は、関連する歴史的な比較対象を提供している。1990年代後半の光ファイバー投資は、後に不可欠となるインフラを生み出したが、収益性のある需要が立ち上がる前に容量が供給されたため、多くの投資家が損失を被った。

インターネットは失敗した技術ではなかった。それでも、多くの個別プロジェクトや企業は低調なリターンに終わった。

AIインフラも同じように結果が分かれる可能性がある。社会全体でコンピューティング利用が大幅に増える一方、一部の所有者は支払い過多だった、あるいはプロジェクトへの資金投入が過剰だったと気づくかもしれない。

Goldman Sachsは、経済規模に占める比率で1990年代後半の通信投資ピークに並ぶには、AIハイパースケーラーの支出が2026年に7,000億ドルへ達する必要があると試算している。同社の投資見通しも、大手プロバイダーには潤沢なバランスシート余力があると指摘している。

したがって、規模は最も強い企業にとって当面の財務的苦境に陥るリスクを低減する。ただし、次の追加容量が直前の容量と同じリターンを生むことを保証するものではない。

Grayの主張は、資本力のある投資家が保有する、希少で契約に裏付けられたインフラに当てはめる場合に最も説得力を持つ。投機的なプロジェクト、レバレッジのかかった事業者、実証されていない用途へと一般化すると、その説得力は弱まる。

市場の焦りは、単なる短期志向ではない。持続性のあるインフラと、まだ検証されていない前提に基づいて構築された容量とを見分けようとする試みである。

リターンに関するデータの欠如が、実際の検証ギャップを生んでいる

BlackstoneもハイパースケーラーもAIの収益性を完全には示していないため、Grayの楽観論は中心的な問題を解決できない。

Blackstoneは、選定したインフラ戦略や個別のポートフォリオ企業のパフォーマンスを報告できる。これらの結果は、特定の契約や所有構造の下で資産がどう機能したかを示すものだ。

しかし、それらの施設を利用するクラウド顧客が得たリターンは明らかにならない。生成AIアプリケーションがサプライチェーン全体で必要となる価格を支えられるかどうかも示されない。

ハイパースケーラーの開示には、逆の限界がある。連結売上高、マージン、キャッシュフロー、設備投資は示されるが、AIインフラの寄与が切り分けられることはほとんどない。

そのため、投資家は間接的なシグナルを組み合わせている。クラウドの成長、受注残、稼働率、営業利益率、減価償却、リース債務、経営陣のコメントを注視している。

各シグナルには弱点がある。受注残には数年にわたる契約が含まれ得るうえ、顧客は収益認識前に導入スケジュールを交渉する場合がある。

価格が下落しても稼働率は改善し得る。クラウド成長は、生成AIではなく従来型のデータベース、ストレージ、ネットワークへの需要を反映している可能性がある。

収益性の高い既存サービスが新たなAIワークロードの損失を相殺するため、マージンも安定を保ち得る。セグメント別の開示がなければ、堅調なクラウド業績はAIで魅力的なリターンが得られている証明にはならない。

顧客集中も別の不確実性を生む。HSBCのテクノロジー調査は、OpenAIとAnthropicが複数の主要クラウドプロバイダーによって開示されたAI関連受注残のおよそ半分を占めると推計している。

プロバイダーが開示する顧客詳細は限定的なため、正確な比率を検証するのは難しい。ただし、両研究所はいずれも継続的な外部投資と大規模なインフラへのコミットメントに依存しているため、その可能性には意味がある。

集中した市場は、実態以上に強く見えることがある。あるプロバイダーのインフラ収益は、同じ投資ネットワーク内の別企業から資金提供を受けた顧客の支出に由来する可能性がある。

こうした関係が自動的に循環的、あるいは持続不可能になるわけではない。戦略的投資家がモデル開発者に資金を提供しつつ、同時にコンピューティング容量を販売することには合理性があり得る。

それでも、こうした取り決めは需要分析を複雑にする。投資家は、少数のグループ内で再循環する資本ではなく、独立した有料顧客からどれだけ利用が生じているのかを見極めなければならない。

懐疑的な見方はハイパースケーラーにとどまらない。企業はAIを試験的に導入していると報告しているが、実験が必ずしも広範な展開につながるとは限らない。

パイロット導入は技術的価値を示せても、統合、セキュリティ、トレーニング、ガバナンス、推論コストを賄えない場合がある。こうしたコストが測定可能な節減効果を上回れば、企業は利用を減らす可能性がある。

Blackstoneは、ポートフォリオ企業の約半数が何らかの形でAI導入に移行したと報告している。これは企業横断の有用な見方を提供するが、導入段階は財務的リターンと同義ではない。

最も重要な欠落データは増分利益である。投資家が知る必要があるのは、AIが追加インフラなしでも企業が得られたであろう収益や節減を上回る価値を生んでいるかどうかだ。

その計算には反実仮想、すなわち投資がなかった場合の結果の推計が必要となる。企業がそれを公表することはほとんどなく、外部者が正確に構築することもできない。

レコメンデーションシステムは、新たなAIハードウェアを使いながら広告収入を改善できる。しかし、その収益は価格上昇、視聴者の増加、無関係な製品変更を反映している可能性もある。

AIコーディングアシスタントはソフトウェアのサブスクリプションを増やせる。その寄与はなお、顧客維持、コンピューティングコスト、サポート費用、既存製品のカニバリゼーションの可能性に左右される。

この検証ギャップにより、双方は自分たちに有利な証拠を選ぶ余地を持つ。Grayはリース成長とインフラのリターンを示せる。批判派はフリーキャッシュフローの低下と限定的な開示を指摘できる。

どちらも最終的な結果を証明するものではない。設備拡張は現在も進行中であり、関連する容量の多くは安定した経済性を確立するほど長く稼働していない。

google newsから訪れた読者にとって、その不確実性は見出し上の意見対立より重要だ。この論争は、確信だけでは決着しない。

その根拠は、最終的に継続的な収益、持続的な稼働率、安定した価格設定、改善するマージン、そして資本コスト控除後のキャッシュ創出として現れなければならない。

こうした数字が見えるようになるまで、GrayのコメントはAI経済全体について検証済みの結論ではなく、もっともらしい投資仮説にとどまる。

Jon Grayの論点が最も厳しい試練に直面するところ

最大のリスクはAI需要が消えることではなく、供給、資金調達、顧客経済性がかみ合わなくなることだ。

コンピューティング需要は急増しても、投資家のリターンは期待外れに終わり得る。資産への支払価格と資金調達コストが、誰が価値を得るかを決める。

多額の利払い費は、強いリース収益による優位性を打ち消し得る。建設遅延は、施設が顧客への請求を開始する前にコストを発生させる可能性がある。

電力ももう一つの制約だ。データセンターには信頼できる電力供給が必要であり、新たな送電網や発電プロジェクトは、コンピューティング施設そのものより完成に時間がかかる場合がある。

電力を確保した開発事業者は、より大きな価格決定力を享受できるかもしれない。確保できていない事業者は、送電網への接続を待つ間、高価な土地と設備を抱えることになる。

地域社会と規制当局もスケジュールに影響する。懸念には、家庭の電気料金、水消費、騒音、排出量、土地をめぐる競争が含まれる。

新たな要件は、インフラコストをデータセンター事業者側に移す可能性がある。それは住民を保護する一方で、プロジェクトのリターンを低下させたり、建設を遅らせたりする可能性がある。

機器サイクルも不確実性をさらに加える。先進プロセッサは、建物、変電所、冷却システムよりはるかに速く商業的に陳腐化し得る。

所有者は、将来のハードウェア密度に対応できる施設を設計しなければならない。新たな電力・冷却要件を収容できない建物には、追加投資が必要になる可能性がある。

急速な効率向上は別の緊張関係を生む。より効率的なチップはタスク当たりのコンピューティングコストを下げ、低価格を通じて利用拡大を促す。

しかし、効率化は固定的なワークロードに必要な機械の台数を減らすこともある。需要は、そうした改善を吸収できるだけ迅速に拡大しなければならない。

競争はあらゆる層に影響する。Nvidiaはアクセラレーテッドコンピューティング向けハードウェアの多くを供給している一方、クラウド企業はコストとサプライヤー依存を抑えるため、自社プロセッサを開発している。

Googleは長年にわたり、機械学習ワークロード向けに設計された専用プロセッサであるtensor processing unitsを運用している。AmazonとMicrosoftも社内設計のAIチップを提供している。

カスタムハードウェアはハイパースケーラーの経済性を改善し得る。同時に、特定の外部プロセッサを前提に最適化された施設や資金調達の取り決めに関する想定を弱める可能性もある。

短期的に最も大きな圧力を受けるのは、最大手テクノロジー企業ではなくレバレッジのかかった事業者かもしれない。ハイパースケーラーは多様な収益源と大規模なキャッシュフローで支出を支えられる。

より小規模なインフラプロバイダーは、債務、設備融資、限られた数のテナントに依存することが多い。契約の遅延や借り換えの問題は、はるかに大きな影響を及ぼし得る。

S&P Global Ratingsは、5社の大手クラウドプロバイダーが2026年に約7,500億ドルを設備投資に支出し、これは売上高の約38%に相当すると推計している。同社の信用評価は、AI収益の拡大に伴いキャッシュフローが回復すると見込んでいる。

同機関はまた、長期的な信用力は収益成長が資本コミットメントを上回るかどうかに左右されると警告している。この条件は、AIバブルに関する大まかな主張よりも中心的な試練を正確に捉えている。

需要が利用可能な供給を上回り、長期契約が希少性をキャッシュフローへ転換し続けるなら、Grayの論点は成り立つ。資金調達コストが上昇する一方で容量が代替可能になるなら、その論点は弱まる。

主要なAI顧客が営業収益でコミットメントを賄えない場合も、その論点は弱まる。その場合、インフラ需要は自立的な利用ではなく、継続的な資本調達に依存することになる。

読者にとっての課題は、AIを単一で均質な市場として扱わないことだ。収益性の高い電力資産、全面的に賃貸された施設、クラウドサービス、消費者向けチャットボットでは、経済性が異なる。

一つの層におけるBlackstoneの成功は、すべての層での収益性を証明するものではない。逆に、アプリケーション経済性が弱いからといって、契約済みデータセンターが自動的に不採算になるわけでもない。

単純な好況か不況かという結論より、こうした分断された結果のほうが起こりやすい。強いプラットフォームは魅力的なリターンを得る一方、弱いプロジェクトは再編、統合、あるいは閉鎖に至る可能性がある。

したがって、Grayの「市場は焦りすぎている」という主張は選別的に適用すべきだ。実需と規律ある資金調達に裏付けられた資産には、時間が味方する。時間は過剰な取得価格や信頼できない顧客を修復しない。

google newsの読者が次に注目すべきこと

次の3つのシグナルは、Grayが早すぎるのか、正しいのか、あるいは建設と収益性のある需要の間に広がるギャップを見落としているのかを示すだろう。

まず、次回のハイパースケーラー決算サイクルでは、設備投資と並行してフリーキャッシュフローを注視すべきだ。収益成長だけでは論点に決着はつかない。

Grayにとって最も強い証拠となるのは、営業利益率が安定する中でAIまたはクラウド収益が拡大し、キャッシュフローが新たな資本コストを吸収し始めることだ。

逆のパターンなら、彼の見方は弱まる。フリーキャッシュフローが減少する一方で支出が増え続ければ、プロジェクト延期、自社株買い縮小、あるいは外部資金調達の拡大に向けた圧力が高まる。

投資家は、どちらか一方の数字だけを見るのではなく、設備投資を営業キャッシュフローと比較すべきだ。また、インフラへのコミットメントをより単純な現金支出の比較から外へ移し得るファイナンスリースも考慮する必要がある。

次に、開示された受注残が認識売上高へ転換されるかを注視すべきだ。大規模契約がインフラ仮説を支えるのは、顧客がワークロードを導入し、継続的な支払いを行う場合に限られる。

有用な証拠には、稼働率の上昇、クラウド売上の加速、容量制約への言及の減少が含まれる。価格が安定または改善すれば、需要がなお利用可能な供給を上回っていることを示唆する。

導入の遅れは、異なるメッセージを発することになる。複数のプロバイダーが同時に供給能力を投入して生じる価格下落も同様だ。

顧客構成は、総受注残高と同じくらい重要である。より幅広い企業への導入が進めば、OpenAI、Anthropic、そして潤沢な資金を持つ少数の買い手への依存を減らせる。

第三に、資金調達の変化を注視すべきだ。社債発行、合弁事業、資産売却、民間資金を活用した仕組みは、誰が建設リスクを負担しているかを示す。

データセンターは長期にわたって利用される資産であるため、外部資本の活用は合理的になり得る。長期の資金調達と組み合わせれば、テクノロジー企業がすべてのプロジェクトを直接資金調達する必要を減らせる。

ただし、レバレッジを見えにくくしたり、楽観的な稼働率の前提に依存するビークルへリスクを移したりする場合、資金調達はより懸念すべきものになる。投資家は保証、リース債務、テナント集中度を精査すべきだ。

こうしたシグナルは、一つの見出しではなく、複数回の決算期間を通じてより明確になるはずだ。この時間軸は、Grayの主張の一部を支える一方で、市場が証拠を求める正当性も維持する。

彼の発言は、複数年にわたるインフラサイクルを四半期単位で断じる見方に反論している。それでも、途中のマイルストーンが不要になるわけではない。

したがって最も有用な問いは、投資家が短気すぎるかどうかではない。忍耐が言い訳に変わる前に、企業が着実な進捗を示せるかどうかである。

読者は、キャッシュフロー、受注残の売上転換、資金調達の質を通じて、その進捗を追うことができる。これらの指標は、また一波の楽観的なAI発表より多くを明らかにするだろう。

AI支出に関する次のgoogle newsの見出しを見る際は、この3つの指標を併せて確認してほしい。すべてが同時に改善すれば、Grayの「忍耐」論は強まる。乖離すれば、市場の懐疑論はますます正当化されるだろう。