Matt McLennan、AIへの集中が市場の慢心を招いたと指摘

Matt McLennanは、AI関連株をめぐる対立を鮮明にした。前例のない市場集中にもかかわらず、その成功が投資家のリスク意識を鈍らせているという。

First Eagle InvestmentsのバリューマネジャーであるMcLennanは、8月5日のBloomberg BriefでVonnie Quinnとの対談において、この懸念を語った。彼の主張は、AI相場を支える都合のよい前提に異議を唱えるものだ。投資家は、力強いテクノロジー企業の収益、拡大するインフラ支出、圧倒的な競争上の地位を、集中投資が安全である証拠として受け止めてきた。

その論理には危険な逆転が含まれている。最も多くの資本を集める企業は、しばしば卓越した事業を持つ。しかし、その人気が将来のリターンを損なう可能性はなおある。株価が高ければ失望を吸収する余地は小さく、指数の集中は、本来分散されているはずのポートフォリオ全体に影響を広げる。

McLennanは、人工知能に経済的価値がないと主張しているわけではない。彼が疑問視しているのは、その価値に対して投資家が支払う価格と、その価格に織り込まれた確信だ。この区別は重要である。優れた技術、収益性の高い企業、魅力的な投資先は、それぞれ別のものだからだ。

この議論はアクティブ運用のファンドマネジャーにとどまらない。時価総額加重型の指数を保有する人は、企業の時価総額が上昇するほど、その企業をより多く保有することになる。この機械的なプロセスは、バリュエーション、競争、技術的な持続性について新たな判断をしないまま、エクスポージャーを増やし得る。

その結果、市場は相反する二つの考えによって形作られている。AIのリーダー企業は実際の利益成長を生み続けることができる一方、指数に占める比重の拡大は市場全体をより脆弱にする可能性もある。

McLennanの警告はAIの可能性ではなく、価格に関するもの

中心的な主張はAIが失敗するということではなく、投資家が失敗に対する十分な保護を求めなくなっているという点にある。

Bloombergのインタビューで、McLennanは市場の慢心を、人工知能をめぐる強い集中と結び付けた。彼の懸念は、永久的な元本損失を避けるというFirst Eagleのより広範な重視点を反映している。

永久的な元本損失は、一時的な株価下落とは異なる。将来得られるはずのキャッシュフローに対して投資家が払い過ぎ、それが実現せず、元の価値に戻る現実的な道筋がなくなったときに生じる。

McLennanはFirst Eagle InvestmentsのGlobal Valueチームを率いる。同チームのプロセスは、強靭な事業、保守的なバランスシート、そしてバリュー投資家が「安全域」と呼ぶものに焦点を当てている。その安全域とは、資産の市場価格と、その本源的価値に対する慎重な見積もりとの差である。

AIへの熱狂は、その安全域を狭め得る。投資家はしばしば高成長を遠い将来まで予測し、競争、規制、実行上のリスクを軽視する。企業が野心的な予想を達成しても、当初のバリュエーションが十分に厳しければ、リターンは弱いものになり得る。

First Eagleのバリュー哲学は、払い過ぎによって生じる恒久的な毀損リスクから始まる。この枠組みがあるからこそ、McLennanはAIの可能性を評価しながらも、それに関連する株式には慎重でいられる。

この区別は、彼の主張を単純なバブル論とも切り分ける。バブルだと断じることは、価格が広く経済的実態から乖離していることを示唆する。McLennanの立場はより精密だ。成功している少数の企業群に期待と資本が集まり、その結果、予想外の事態に対する保護が薄くなっているという。

こうした想定外の事態がAIの投資テーマを破綻させる必要はない。売上成長の鈍化、利益率の低下、減価償却費の増加、価格決定力の弱まりは、投資成果を変え得る。金利上昇も、遠い将来の利益の現在価値を押し下げる可能性がある。

バリュエーションがすでに持続的なリーダーシップを前提としている場合、わずかな見通し修正でも重要になり得る。投資家はAI需要が拡大することだけに賭けているのではない。現在のリーダー企業が、その拡大を十分に取り込んで現在の時価総額を正当化できることにも賭けている。

ここに慢心が入り込む。過去の強いリターンは不確実性を小さく感じさせるが、起こり得る結果の幅は依然として大きい。すると株価上昇自体が、その上昇を生んだ物語の証拠となる。

このプロセスは自己強化的になり得る。好調なパフォーマンスがより多くの資本を引き寄せ、資本流入が指数内の比重を高め、比重の拡大が追加的なパッシブ買いをもたらす。これらのどの段階も、それぞれ単独では価格を支える長期的なキャッシュフローを検証しない。

McLennanは以前にも同様の懸念を示している。NYSEとの対談では、数年にわたる集中したリターンを受けて、少数のグロース企業に巨額の資金が流入していると述べた。

彼は反対側にある機会も指摘した。投資家が地味だとして退けるディフェンシブ企業や人気の低い企業は、相対的に魅力的になり得る。これはバリュエーションに関する見方であり、テクノロジーのリーダー企業が直ちに下落するとの予測ではない。

タイミングは依然として予測不可能だ。集中した市場は集中したままであり得るし、割高な資産はさらに割高になり得る。McLennanの警告は、正確な市場の天井ではなく、エクスポージャーと備えに関するものだ。

市場集中はAIへの確信をポートフォリオリスクへと変える

分散された指数は数百社を保有していても、実際にはごく少数の企業に大きく依存している場合がある。

時価総額加重では、株式市場での価値が大きい企業ほど大きな比率が配分される。この構造を利用する投資家は、各企業を同じ比率で保有するわけではない。したがって、リーダー企業は小規模な構成銘柄よりもリターンに大きな影響を及ぼす。

この設計は、大手テクノロジー企業がアウトパフォームしている間、とりわけうまく機能した。アクティブな銘柄選択を必要とせず、最も大きな上昇を生んだ企業へのエクスポージャーを増やせたからだ。

同じ設計が集中リスクも生み出す。主要企業数社が反転すれば、他の企業の好調なパフォーマンスを圧倒しかねない。企業数の多さによる広範な保有は、経済的な原動力に対する均衡の取れたエクスポージャーを保証しない。

AIは主要銘柄間のつながりをさらに深める。半導体設計企業はクラウド事業者が利用するプロセッサを販売する。クラウド事業者はモデル開発企業向けのインフラを構築する。消費者向けプラットフォームは、それらのモデルを導入しながら企業顧客にサービスを販売する。

これらの企業は別々の事業であり続けているが、その成長ストーリーはますます相互に結び付いたAI支出に依存している。そのため、インフラ需要の減少はチェーンの複数の部分に影響を及ぼし得る。

Goldman Sachs Asset Managementは、2026年の集中分析において、S&P 500の上位10銘柄が指数の36.5％を占めていたと報告した。Nvidia、Apple、Microsoftはいずれも主要な比重を占めていた。

集中分析は重要な反論も示している。特に、主要企業が力強い利益を生み、健全なバランスシートを維持している場合、大企業の支配が自動的に危機を生むわけではない。

この証拠は、安易な結論を防ぐ。今日のAIリーダー企業は、売上、顧客、事業規模を欠く投機的な企業ではない。多くが価値あるインフラ、流通網、データ、既存のキャッシュ創出事業を保有している。

しかし、質の高さは価格リスクを消し去らない。バリュエーションがほぼ完璧な実行を織り込むとき、優良企業も魅力の乏しい投資先になり得る。こうした期待が複数同時に修正される場合、集中はその代償を大きくする。

AI投資は、企業の支出判断と市場のリーダーシップも結び付ける。ハイパースケーラー、すなわち世界最大級のクラウド事業者は、プロセッサ、データセンター、ネットワーク、電力に多額の支出を行っている。

投資家は一般に、その支出が持続的な収益と生産性を生むと期待している。依然として不確実なのは、新たな収益がインフラの運用・更新にかかる総コストをどれほど早く上回るかだ。

減価償却には特に注意が必要だ。AIサーバーは、従来型の施設が耐用年数を終える前に経済的に陳腐化する可能性がある。ハードウェアの更新サイクルが速まれば、競争力を維持するための継続的コストが増加し得る。

競争によって、経済的価値が現在のリーダー企業から移転する可能性もある。モデル価格の低下はソフトウェア購入者に利益をもたらす一方、モデル提供企業のリターンを制約し得る。カスタムチップは汎用供給業者への依存を減らせるが、そうした取り組みにも固有のリスクがある。

つまり、投資家はAIの広範な導入を正しく予測しても、利益がどこに蓄積するかを誤る可能性がある。技術導入と株主リターンは異なる経路をたどる。

歴史的な記録は慎重さを支持する。鉄道、通信ネットワーク、商用インターネットは、巨大な経済的価値を生み出した。しかし、特定の参加企業に過大な価格を支払った投資家は、なお長期的な損失を被った。

AI企業はこれらの先例とは大きく異なるため、比較には限界がある。そこから得られる有益な教訓は、資本集約度と期待に関するものだ。重要なインフラは、需要と価格設定が明確になる前に過剰な資本を引き寄せることがある。

集中は、この不確実性をテクノロジー専門家だけの問題ではなくする。退職口座、年金ポートフォリオ、一般的な株式ファンドも、ベンチマークの比重を通じて同じエクスポージャーを引き継ぎ得る。

ここにMcLennanの主張がパッシブ投資家へ及ぼす圧力がある。幅広い指数の保有がなお期待どおりの分散を提供しているのか、それとも追加的なバランス調整が適切なのかを判断しなければならない。

AI市場の慢心が自己強化される理由

AI相場は、価格の強さが資本を呼び込み、それがさらなる価格上昇を生むフィードバックループを作り出している。

この仕組みは、実際の事業パフォーマンスから始まる。高度なコンピューティングへの需要は、半導体企業、クラウド事業者、ネットワーク機器供給企業の収益を押し上げる。投資家は最も強い参加企業に高いバリュエーションを与える。

こうした高いバリュエーションは、各企業の時価総額加重指数における比重を高める。その指数に連動するファンドは、対応するエクスポージャーを維持しなければならない。したがって、それらのファンドに流入する新規資金は、より大きな割合を同じリーダー企業に向けることになる。

ベンチマークの好調なパフォーマンスは、さらに多くの指数投資を促す。また、リーダー企業の保有比率が小さいアクティブマネジャーにも圧力をかける。慎重な姿勢が最終的に正しかったとしても、ベンチマークに後れを取れば顧客の解約につながる可能性がある。

キャリアリスクは行動を変える。上昇を続ける割高な株式を避けたことで、ポートフォリオマネジャーは顧客を失い得る。皆と同じ株式を保有するほうが安全に感じられるのは、反転が起きても同業者とベンチマークがともに影響を受けるためだ。

その安全性は社会的なものであり、金融上のものではない。共通のエクスポージャーは、一人だけ間違った場合の評判上のペナルティを軽減する。だが、元本損失の根本的な可能性を減らすわけではない。

企業のインセンティブも、このループを強化し得る。株価の上昇は株式報酬の魅力を高め、買収の資金調達を容易にする。また、顧客、供給業者、従業員の間で信頼を強めることもある。

その結果、企業はより積極的に投資でき、当初の成長ストーリーを支える。競合他社も独自の支出で対応せざるを得ず、AIインフラへの需要はさらに増加する。

この循環には非合理的な参加者は必要ない。一つひとつの判断を個別に見れば、いずれも合理的に映り得る。リスクは、それらの判断が相互に作用する仕組みから生まれる。

クラウドプロバイダーは、顧客がAIの計算能力を求めるため投資を行う。チップ供給企業は、クラウドプロバイダーから注文が入るため生産能力を拡大する。インデックスファンドは、企業価値が上昇したため買い入れる。投資家は、直近のリターンが強かったためそのファンドを購入する。

こうした行動が重なると、市場はバリュエーションへの感応度を失いやすくなる。また、ベンチマークに連動した買いは特定企業の将来利益についての見解を示すものではないため、意見の不一致を覆い隠すことにもなり得る。

State Street Global Advisorsは、AI関連の力強い利益が指数の集中を後押しする重要な要因だと説明している。同社の集中に関する調査も、集中は自動的に弱気判断へ結び付けるのではなく、分析を要するものだと強調している。

利益が投資支出を正当化する限り、フィードバックループは続き得る。問題は、連鎖のどこかが弱まったときに表面化する。顧客が導入を延期するかもしれず、クラウドプロバイダーが設備投資計画を抑制するかもしれず、あるいは新たな供給能力が価格を押し下げるかもしれない。

変化は劇的である必要はない。グロース株の価値の大部分は、何年も先に見込まれる利益から生じる。そのため、成長率や割引率の前提がわずかに変わるだけでも、価格は大きく動き得る。

投資家は測定上の問題にも直面する。AIによる収益は、より広範なクラウド、広告、ソフトウェア売上から切り分けることが難しい場合がある。設備投資は財務諸表に明確に表れる一方、それに対応するリターンは複数の製品ラインに分散したままになることがある。

この非対称性は、物語に基づく解釈を促しやすい。経営陣はAIを貢献要因として説明できるが、単独のリターンを計算できるほどの詳細を開示しないこともある。投資家はその場合、クラウドの成長率やモデル利用量といった間接的なシグナルで進捗を推定する。

こうしたシグナルは重要だが、すべての疑問に答えるものではない。利用量は増えても、単価は下がる可能性がある。売上は伸びても、インフラコストがそれを上回るペースで増える可能性がある。生産性向上の恩恵は、プロバイダーより顧客に多く及ぶこともある。

したがって市場は、一連の前提に依存している。AI需要は引き続き強く、主要プラットフォームは地位を守り、インフラの採算性は改善しなければならない。現在のバリュエーションが、投資家がどの程度の誤差を許容できるかを決める。

McLennanの「慢心」論は、この誤差許容度を標的としている。投資家がリーダー企業をほぼ必然的な勝者だと信じると、不確実性に対して求める補償は小さくなる。

力強い利益は弱気シナリオを複雑にする

集中は脆弱性ではあるが、AI株が事業実態から乖離している証拠ではない。

真摯な評価は、McLennanの警告に対する最も強力な反論に向き合わなければならない。主要テクノロジー企業は多額の利益を生み、確立された顧客関係を持ち、大規模な既存事業から投資資金を賄っている。

この土台は、現在の市場をドットコム期の脆弱な企業群と隔てるものだ。かつてのインターネット関連株の多くは、外部資金と検証されていない事業モデルに依存していた。今日の最大手テクノロジー企業は、成熟した製品を世界規模で販売している。

その競争優位も具体的だ。クラウド事業者は広範なコンピューティングネットワークを保有する。チップ設計企業は専門的な知見とソフトウェアシステムを有する。消費者向けプラットフォームは、既存サービスを通じて数十億人のユーザーに届く。

AIはこうした優位を強め得る。流通網を持つ企業は、新たなツールを顧客の目の前へ直接届けられる。キャッシュフローを持つ企業は、小規模な競合が追随に苦しむなかで高コストのインフラに資金を投じられる。

導入の根拠は、注目を集めるチャットボットにとどまらない。企業は機械学習を、コーディング、顧客対応、広告、物流、不正検知、研究、社内検索に利用している。消費者の熱意が変動しても、こうした用途は継続的な需要を支え得る。

大企業の導入に関する調査も、展開がなお不完全であることを示唆している。S&P 500企業を対象にした2026年の研究では、2025年までのAI統合の水準にばらつきが見られた。これはさらなる導入の余地を残すが、導入だけでプロバイダーの利益が保証されるわけではない。

したがって強気シナリオは、単なる熱狂以上のものに基づく。既存の利益、高いスイッチングコスト、幅広い流通網、そして長い成長余地を組み合わせたものだ。

市場の集中は、経済の集中を反映する場合もある。少数の企業群が総利益の大きな割合を稼ぐなら、大きな指数ウェイトは必ずしも誤りではない。それは基礎となる経済の構造を表している可能性がある。

歴史には、懐疑論者の予想より長く優位を維持した支配的な企業群の例がある。目立つ存在になったというだけで、リーダーシップが反転する必要はない。

投資家は、絶対的な集中と相対的な機会も区別すべきだ。大型テクノロジー株をすべて避けることには、それ自体のリスクがある。ポートフォリオは、経済性が悪化する割安企業を保有する一方で、持続的に複利成長する企業を逃す可能性がある。

First Eagleの枠組みは、価値と低いバリュエーション倍率を分けることで、この緊張関係に対処している。安く見えるというだけで、事業が魅力的になるわけではない。重要なのは、そのキャッシュフロー、耐性、価格が有利な確率を生み出しているかどうかだ。

同じ論理はAIのリーダー企業にも当てはまる。高い倍率は持続的な成長によって正当化され得るが、それは競争、再投資の必要性、不確実性を織り込んだ後に限られる。

MSCI Global Artificial Intelligence Indexは、テーマ型エクスポージャーについて別の見方を提示している。その方法論は複数の地域ユニバースから企業を選び、AI関連性スコアを用いる。個別構成銘柄のウェイトは10％に上限設定されている。

このAI指数の方法論は、集中への一つの対応を示している。上限を設ければ、より広範なテーマへのエクスポージャーを維持しつつ、単一企業への依存を抑えられる。

ただし、このような構成でも共通のリスクはなくならない。異なるAI企業であっても、同じ投資支出サイクル、資金調達環境、顧客の期待に依存している可能性がある。

したがって、銘柄数による分散は、経済的な要因による分散を過大評価することがある。投資家は、どの保有銘柄が同じ前提に依存しているのかを見極める必要がある。

また、弱気論は設備投資を本質的に無駄なものとみなすことで行き過ぎる可能性もある。インフラ投資は、価値ある能力、独自の専門性、低い単位コストを生み出し得る。そのリターンが見えるようになるのは時間を経てからだ。

McLennanは、慢心を指摘するだけで市場が天井を付けたと立証することはできない。投資家の確信を測るのは難しく、バリュエーションのシグナルは短期的なタイミング判断の手掛かりとしては不十分だ。

彼の警告は、ポートフォリオに関する問いとして捉えるのが最善だ。投資家の成果のうち、どれほどの部分が、相互につながった複数企業が厳しい期待を満たすことに依存しているのか。

この問いは、強気シナリオが正しい場合でも有用である。リスク管理で問題となるのは、各シナリオに割り当てた確率だけでなく、誤ったときの結果でもある。

真のリスクは共有されたAI投資支出サイクルにある

最大の危険は一つの製品の失敗ではなく、チップ、クラウドインフラ、ソフトウェアにまたがる同時的な再評価だ。

AI市場へのエクスポージャーは、複数の業界にまたがることで分散されているように見えることが多い。ポートフォリオには、半導体設計企業、装置メーカー、データセンター事業者、公益事業者、クラウドプラットフォーム、アプリケーション開発企業が含まれるかもしれない。

しかし、これらの事業は、継続的なAI設備投資への期待という一つの根底的な要因を共有し得る。その要因が変われば、一見別々の保有銘柄も同じ方向に動く可能性がある。

チップ需要は連鎖の初期段階に位置する。クラウド企業は、能力を構築するためにプロセッサーやネットワーク機器を購入する。その後、モデル開発企業や一般企業がその能力を借りる、あるいは利用する。

最終需要が想定どおりに増えれば、稼働率は上昇し、プロバイダーはより多くのワークロードに固定費を配分できる。これにより、システム全体の採算性が改善する。

導入に時間がかかれば、未使用の能力がリターンを圧迫し得る。プロバイダーはワークロードを呼び込むために価格を下げるかもしれず、顧客は将来のハードウェアの方が性能向上を約束しているため、契約を先延ばしにするかもしれない。

このタイミングのずれは重要だ。インフラは、需要が確実になる前に構築しなければならないことが多い。そのため企業は、完了した受注ではなく予測に基づいて大きなコミットメントを行う。

電力と建設は、さらに制約を加える。新しいデータセンターには、送電網への接続、冷却システム、土地、専門設備が必要だ。需要が健全なままでも、遅延はコストを押し上げ得る。

アプリケーション層では、競争圧力が価格を急速に下げる可能性がある。開発者はモデルを切り替えたり、プロバイダーを組み合わせたり、オープンな代替手段を使ったりできる。性能向上が常に持続的な価格決定力に結び付くわけではない。

企業導入は別の不確実性をもたらす。成功したデモンストレーションは、本番環境への導入と同じではない。企業はセキュリティ、データアクセス、信頼性、統合、従業員のワークフローに対応しなければならない。

ナレッジワーカーには、AIの出力が有用な文脈に基づいているという証拠も必要だ。よく整理されたAI knowledge baseは情報源へのアクセスを改善できるが、検証の必要性をなくすものではない。

こうした実務上の障壁は、導入を終わらせることなく収益認識を遅らせ得る。その緩やかな進展でも、市場価格が急速な収益化を織り込んでいる場合には重要になる。

共有された投資支出サイクルは、複数の経路から反転し得る。クラウド企業は設備投資ガイダンスを引き下げる可能性がある。法人顧客は購買判断を先延ばしにする可能性がある。モデル価格の下落は収益予測を弱め得る。

規制はコストを加える可能性があるが、すべての参加者に同じ影響を及ぼすとは考えにくい。著作権紛争、プライバシー要件、安全性規則は、学習と導入の採算性を変え得る。

地政学的な制約も、別の不確実性を生む。輸出規制は先進チップの対象市場を制限し得る一方、サプライチェーン政策は生産コストを押し上げ得る。

競争は依然として最も広範な圧力だ。市場はAIを大きなプラットフォーム転換として正しく認識しながら、現在の供給企業が得られる利益を過大評価している可能性がある。新たなアーキテクチャは、特定部品への需要を減らし得る。

効率性の向上も同様の曖昧さを生む。学習済みモデルを実行するのに必要な計算である推論が安価になれば、利用総量は増え得る。一方で、タスク当たりの収益は減少する可能性がある。

これは、コスト低下と需要拡大の間にある典型的な緊張関係だ。投資家は、どちらの効果が優勢なのかを示す証拠を必要とする。

したがってMcLennanの論旨におけるリスクの範囲は、限定的に保つべきだ。集中は、すべてのAI企業が一斉に下落することを意味しない。異なるバランスシート、製品、顧客基盤は依然として重要だ。

また、高額な設備投資は、その後にバストが起きることの証明でもない。それは、期待を観察可能な財務結果によって検証できる地点を示している。

決定的な問いは、投資と並行して現金収益も広がるかどうかだ。売上成長は最終的に、減価償却費、営業コスト、資本の機会費用を支えなければならない。

この証拠がなければ、投資家は経営陣の予測と市場の信頼に大きく依存する。それこそが、慢心が高くつく環境である。

BloombergのMcLennanインタビューが残した三つの注目シグナル

設備投資、収益化、市場の広がりは、AIへの信頼が引き続き実績によって支えられているかを示す。

最初のシグナルは、次の決算サイクルにおけるハイパースケーラーの設備投資ガイダンスだ。投資家は、計画支出をクラウド需要、AIサービス収益、そして設備稼働率に関する経営陣のコメントと比較すべきである。

支出の増加が需要の力強い拡大と並行して進むなら、強気シナリオを支える材料となる。インフラ投資が顧客を単に先回りしているのではなく、顧客の動きに追随していることを示すからだ。

より明確な収益化がないまま支出だけが増えれば、McLennanの懸念は強まる。企業が十分なリターンを示す前に、市場が投資を引き続き評価していることを意味する。

支出の減速は慎重に解釈する必要がある。インフラ供給企業に圧力をかける需要の弱まりを示している可能性がある一方、異例に大規模な建設期間を経た後の効率改善を反映している可能性もある。

2つ目のシグナルは、AI収益とインフラ総コストの関係だ。投資家に必要なのは、ユーザー数、モデルのリリース、処理量だけではない。

増分収益が減価償却、エネルギー、ネットワーク、継続的なハードウェア更新を支えられるという証拠が必要になる。利益率の改善は、市場の期待のより多くを裏付けるため、安易な楽観論という見方を弱めるだろう。

利用量の増加と同時に価格が下落すれば、結果は一様ではない。市場を拡大させる一方で、利益の実現を遅らせる可能性がある。その影響は、チップ供給企業、クラウドプロバイダー、アプリケーション企業で異なる。

開示の質も重要になる。AI関連の収益、コスト、設備能力を分けて開示する企業は、不確実性を低減できる。支出が無視できない規模に達した局面では、需要に関する大まかな説明はあまり役に立たない。

3つ目のシグナルは市場の広がり、すなわち企業やセクター間で上昇がどれほど広く分配されているかだ。より幅広い利益成長は、少数のAI関連リーダー企業への依存を減らす。

市場の広がりは2つの経路で改善し得る。他のセクターがより強いリターンを生み出すか、あるいは主要テクノロジー企業が一休みし、その間に市場の他の部分が追いつくかだ。

いずれの展開でも、インデックスへのエクスポージャーはより集中しにくくなる。アクティブ運用のマネージャーにとっても、最大級のグロース株以外で機会が増えることになる。

市場の広がりがさらに狭まれば、McLennanの主張は強まる。インデックスの上昇が引き続き同じ企業に依存するなら、ポートフォリオはそれらの企業の業績と資本計画により敏感になる。

投資家はこれらのシグナルを、自動的な売買指示として扱うべきではない。各指標は複数の理由で変動し得るうえ、短期的な市場反応はしばしば基調となるトレンドを覆い隠す。

より良いアプローチは、物語を繰り返し検証することだ。AI需要は現金収益を生んでいるか。その収益はより多くの企業に届いているか。現在の価格には、通常の実行上の問題を吸収する余地があるか。

McLennanの警告は、突き詰めれば規律に関するものだ。AIはこの時代で最も重要な技術の一つであり続け得る一方、その主要銘柄は特定の価格では投資対象として難しくなり得る。

BloombergまたはRSSHub Bloombergフィードを通じてこの動きを追う読者にとって、次に決定的な証拠となるのは、また一つ自信に満ちた予測ではなく財務諸表から得られるものだ。支出、利益率、市場の広がりが、集中が持続的な経済性を反映しているのか、それとも薄れゆく慎重さを反映しているのかを決める。

実務的な問いはシンプルだ。あなたのポートフォリオは、どれほどの失望を吸収できるのか。同じAI支出の前提を共有する保有銘柄を見直し、その集団的なエクスポージャーが事業実績によって正当化されているかを追跡してほしい。