MetaとMicrosoftのAI支出が明らかにする意外なAzure依存
Metaは、テクノロジー業界でも最大級の人工知能インフラを構築しているにもかかわらず、Microsoft Azureに年間数億ドルを支出していると報じられている。事情に詳しい人物によると、MetaとMicrosoftの関係では現在、毎週数兆個のAIトークンが扱われているという。
トークンとは、AIモデルが処理するテキストの小さな単位である。トークン量はワークロードの強度を示すが、関与するユーザー数やタスク数を明らかにするものではない。Bloombergが報じたAzure支出によれば、匿名の情報筋はMetaをMicrosoft最大級のAI顧客の一社と位置づけている。
この支出は、単なる新たなクラウド契約ではない。MetaはLlamaを開発し、自社データセンターを運用し、大量のコンピューティングハードウェアを購入しているほか、MicrosoftやOpenAIと同じAIユーザーをめぐって競争している。それでも報道によると、自社システムの出力評価を支援するため、Microsoftのクラウド経由でOpenAIのモデルを利用している。
ここに中心的な逆転がある。独立したAIインフラを最も積極的に構築する企業の一つが、モデルへのアクセスとコンピューティング能力のために競合プラットフォームへ支払っている。一方のMicrosoftは、自社AI製品と競合する企業から従量収益を得ている。
両社とも、報じられた支出額やトークン量を確認していない。MicrosoftとMetaはBloombergの取材にコメントを拒否しており、ワークロード、契約期間、モデル選定に関する重要な疑問は未解決のままだ。
それでもこの開示は、大規模AIシステムを支える経済性をまれに垣間見せる。クラウド需要はすでに大規模なインフラを保有するテクノロジー企業へと、ますます集中している。これらの企業は内部で構築を進めながら、速度、可用性、モデル品質がそれを正当化する局面では外部容量も購入している。
MetaがMicrosoftから購入しているとされるもの
MetaのAzure利用は、外部コンピューティング能力、サードパーティ製モデルへのアクセス、自社AIシステムをより迅速にテストする手段を組み合わせたものとみられる。
Bloombergによると、MetaはMicrosoftのクラウド経由で毎週数兆トークンを消費している。同社の開発者は、AIモデルのデプロイと評価を担うMicrosoftのプラットフォームMicrosoft Foundryを通じて、OpenAIなどのプロバイダーのモデルにアクセスしていると報じられている。
報道によれば、Metaはコストと可用性に応じて複数のプラットフォームからモデルアクセスを選択している。この説明は、排他的な提携ではなくマルチクラウド調達戦略を示唆する。Metaは、その時点で必要な容量またはモデルを提供するプロバイダーへ、個別のタスクを振り分けられる。
特に注目すべきワークロードが一つある。Metaの開発者は、Foundry経由で利用できるOpenAIの技術を使い、Meta独自のAIモデルが生成した出力を評価してきたという。
モデル評価では、正確性、関連性、安全性、指示追従性といった特性を測定する。開発者は回答を参照資料と比較したり、別のモデルに採点を依頼したりできる。Microsoftの評価ドキュメントでは、デプロイ済みモデルを使って既存の出力や会話全体を評価するワークフローが説明されている。
競合他社のモデルを評価者として利用することは、Metaがあらゆる判断をOpenAIに依存していることを意味しない。評価システムは通常、自動採点、人手によるレビュー、テスト、複数のモデルベースの検証を組み合わせる。Bloombergの報道は、これらの手法の比率を明らかにしていない。
それでも、この取り決めは開発を加速し得る。多くのモデルバージョンを試すチームは、出力を生成し、採点し、失敗を調査し、その過程を繰り返さなければならない。外部モデルへのアクセスにより、そのチームは追加の内部インフラを待たずに、別の評価者を加えられる。
Azureは、こうしたワークロードを取り巻く確立された制御レイヤーも提供する。エンジニアは、デプロイ、権限、監視、データセット、地域ごとの容量を一つのプラットフォームで管理できる。こうした運用機能は、特定のモデルへのアクセスと同じほど重要になり得る。
Metaの報告された利用量は、ワークロードが時折の実験を超えていることを示唆する。報道は正確な合計を示していないものの、毎週数兆トークンという規模は継続的な産業利用に相当するだろう。
トークン数も慎重に解釈する必要がある。より長いプロンプトはより多くの入力トークンを消費し、推論システムは大量の内部テキストと出力テキストを生成する可能性がある。複数のモデルが同じサンプルを処理する場合、評価を繰り返すことで利用量は増幅する。
報じられた年間支出も、内訳は不明である。モデル推論、評価、ストレージ、ネットワーキング、予約容量、または関連するAzureサービスが含まれる可能性がある。両社とも内訳を公表していない。
この不確実性により、Metaの社内コンピューティングコストとの直接比較はできない。クラウド請求にはインフラとマネージドサービスが含まれる一方、社内コストの計算ではハードウェア、エネルギー、設備、ネットワーク、エンジニアリングが時間をかけて配分される。
明確な変化は、会計上のものではなく戦略的なものだ。Metaは、自社の大規模なAI構築に資金を投じながら、大量の外部ワークロードを購入する意思を示している。これはAzureを、Llamaの単なる配布チャネルではなく、Metaのインフラを実用的に補完する存在にしている。
MetaとMicrosoftの関係が今重要な理由
報じられたMetaのMicrosoft支出は、投資家がAzureに求めてきたもの、すなわち独立系テクノロジー企業が大規模なAI利用に対して支払うという証拠をもたらす。
Microsoftは、第3四半期にAI事業の年間売上ランレートが370億ドルを超えたと述べた。同社はまた、Azureおよびその他のクラウドサービスの売上が前年同期比40％増加したと報告している。
これらの数値は幅広いポートフォリオを対象としており、Metaの寄与は特定していない。それでも、報道を取り巻く環境を示している。MicrosoftはAI収益を拡大する一方で、顧客需要は引き続き利用可能なコンピューティング能力を上回っている。
同社の四半期決算説明会では、ワークロード、顧客セグメント、地域を横断して、Azure需要が供給可能な容量を上回っていると説明された。Microsoftは、この容量制約が2026年を通じて続くと見込んでいる。
そのためMetaは、報じられた支出以上の価値を持つ。そのワークロードは、選択肢を持つ高度な買い手による高密度な利用の、目に見える事例となる。
テクノロジー企業は、モデルの経済性、インフラ性能、クラウド価格を大半の顧客より深く理解している。ワークロードを移動させ、大規模なコミットメントを交渉し、社内代替手段を構築できる。そうした買い手がなお外部容量を購入するなら、Azureが希少な運用価値を提供しているというMicrosoftの主張を支えることになる。
Bloombergによると、Microsoftは他の重要なAI顧客として、ByteDance、Adobe、Perplexity、エンタープライズAI企業Sierraを挙げている。この一覧は、需要が依然としてテクノロジー企業に大きく集中していることを示唆する。
この集中は、裏付けであると同時にリスクでもある。少数の大口顧客は、短期間で膨大なトークン量を生み出せる。一方で、モデルアーキテクチャ、社内容量、サプライヤーの経済性が変化すれば、支出を減らすこともできる。
Microsoftのインフラ投資を考えると、この違いは重要だ。同社は第3四半期の設備投資額を319億ドルと報告した。その約3分の2は、主としてGPUとCPUからなる、耐用年数が比較的短い資産を支えた。
Microsoftはまた、暦年2026年の設備投資を約1,900億ドルと予測した。この合計には、部品コスト上昇による推定250億ドルの影響が含まれている。
こうした投資には、実験的な関心以上のものが必要だ。Microsoftには、試験導入が終わった後もワークロードを稼働させ続ける顧客が必要である。従量課金サービスは、各リクエスト、評価、エージェントタスクを計測可能なクラウド利用へと変換する。
Metaは、継続的に容量を吸収できる種類のワークロードを提供する。モデル開発には、繰り返し行われるトレーニング支援、推論、評価、コーディング支援、安全性テストが必要だ。改善サイクルのたびに、別の大規模なトークン群が発生し得る。
このため、この報道は別のエンタープライズ顧客の発表以上に重要である。Metaは初めてAIを導入する企業ではない。すでに世界規模の消費者向け製品を運営し、第一線のAI研究者を擁している。
したがって、報じられたAzureの購入は、オーバーフロー、専門用途、あるいは戦略的なモデルアクセスを表している。いずれの説明も、Microsoftのプラットフォーム論の異なる側面を強化する。
オーバーフロー利用は、最大規模の内製企業でさえ容量制約に直面することを示す。専門用途は、マネージドクラウドツールがプライベートインフラと並存しても価値を保てることを示す。戦略的アクセスは、モデルの多様性がワークロードの実行場所に影響し得ることを示す。
Microsoftはいずれの説明でも利益を得る。顧客に自社モデル、クラウド、社内システムを放棄させることなく、インフラを販売できる。
この結果は、Amazon Web ServicesとGoogle Cloudにも圧力をかける。両社は、とりわけ単一プロバイダーへの依存を望まないAI企業から、同じ柔軟なワークロードをめぐって競争している。長期的なプラットフォーム忠誠が形成される前に、可用性とモデル選択が支出を動かす可能性がある。
Azureは競合のモデル選択ニーズから利益を得る
中心的な逆転は、Metaの製品がMicrosoftやOpenAIと直接競合していても、MicrosoftはMetaのAIへの野心から利益を得られる点にある。
MetaとMicrosoftは以前にも協業している。2023年、MicrosoftはLlama 2におけるMetaの優先パートナーとなり、Azureは開発者向けカタログに同モデルを追加した。
そのLlama提携により、MicrosoftはMetaが公開提供するモデルファミリーの配布者として位置づけられた。またAzureの顧客は、コンテンツフィルタリングとデプロイメントのためのMicrosoftのクラウドツールにもアクセスできるようになった。
最新の報道では、トラフィックは逆方向に流れているとされる。Metaは評価時に利用するOpenAIの技術を含め、Azure経由でモデルへのアクセスを購入しているという。
この双方向の関係は、クラウドプラットフォームが単一のモデルプロバイダーに賭けることを避ける理由を示している。顧客は自社モデルをマーケットプレイス経由で提供しながら、別のタスクのために他社モデルを購入できる。
Microsoft Foundryは、この柔軟性を前提に設計されている。モデル、エージェント、評価ツール、セキュリティ制御、デプロイ管理を共通の環境に集約する。顧客は、すべての運用レイヤーを作り直すことなく、ファーストパーティ製とサードパーティ製のシステムから選択できる。
このモデル非依存の立場により、MicrosoftはOpenAIとの提携を超えた影響力を得る。ある研究所が技術的リーダーシップを失っても、Azureは他のモデルへのアクセスを販売し続けられる。顧客が自社システムを構築した場合でも、Microsoftはインフラと管理レイヤーを販売できる。
Metaの報じられた行動は、この仕組みを裏付ける。同社は、一つのモデルがあらゆる用途で普遍的に優れていると宣言する必要はない。コーディングにはあるモデル、評価には別のモデル、消費者向け製品には自社モデルを選択できる。
このアプローチは、高度なAIチームが実際にどのように作業しているかを反映している。モデルの品質は、タスク、言語、レイテンシー目標、安全性要件、コンテキスト長によって異なる。コード生成に最適な選択肢が、そのコードを評価する最良の評価者とは限らない。
同じ論理はキャパシティにも当てはまる。企業は予測可能な本番需要に十分なインフラを保有していても、テスト需要が急増する局面ではクラウドリソースを必要とする場合がある。ピーク需要に合わせてすべてのサーバーを構築すれば、その後に高価なハードウェアが十分に活用されないまま残る。
外部キャパシティは、その遅れを抑える。開発チームは、新しいデータセンターやアクセラレータクラスタの完成を待たずに、大規模な評価実行を処理できる。テストの高速化は、モデル変更から製品リリースまでの間隔を短縮しうる。
Metaには、そのスピードを重視する強い理由がある。同社のAIアシスタントは、ChatGPT、Microsoft Copilot、Google Geminiなどの消費者向け製品と競合している。競合が先にリリースすれば、モデル改善の価値は薄れる。
Microsoftは逆のインセンティブに直面している。競合他社を強化する活動も含め、できるだけ多くのAI活動を収益化したい。Azureの収益にとって、Microsoft自身のアシスタントがあらゆるユーザーインタラクションで勝つ必要はない。
この構図は、過去のクラウド競争に似ている。NetflixはAmazonの動画事業と競合しながら、AWSの著名な顧客となった。クラウド事業者は、インフラ収益が製品レベルの競争と共存しうることを学んだ。
AIでは、インフラ層とアプリケーション層がより密接に結び付いているため、重要性が増す。モデル提供者は、性能、安全性、経済性に影響を与える。クラウドマーケットプレイスも、顧客がどのモデルに迅速にアクセスできるかを決める。
そのためMicrosoftは、自社アプリケーションを不当に優遇せず、モデル選択を支援することを顧客に納得させなければならない。大手テクノロジー購入企業は、キャパシティ配分、契約条件、データ管理、競合モデルへのアクセスを注視するだろう。
Metaの参加はAzureの信頼性を高めるが、忠誠を保証するものではない。報道によれば、Metaはコストと可用性に応じて複数のプラットフォームから購入している。つまりMicrosoftは、活発な調達市場における一つの供給者にすぎない。
それでも、この逆転はMicrosoftにとって商業的に魅力的だ。Azure上で稼働するMetaのすべてのワークロードは、Meta自身のインフラでは処理できなかった、あるいは十分に効率的に処理しなかった需要を収益化する。
報じられたトークン量が証明しないこと
週あたり数兆トークンは活動の規模を示すが、AzureがMetaに不可欠になったことや、すべてのワークロードが持続的な利益を生むことを証明するものではない。
第一の制約は情報源にある。Bloombergは中核となる主張を、この件に詳しい1人の人物に帰している。MetaとMicrosoftはコメントを拒否しており、どちらも規制当局への提出書類でこの取り決めを開示していない。
したがって読者は、支出、利用量、顧客順位を報じられた情報として扱うべきだ。大まかな方向性は両社の公表内容と整合するが、正確な数値は未確認のままである。
第二の制約はトークンに関するものだ。トークン量は、モデル間で経済価値を比較する標準化された指標ではない。システムごとに、トークン化手法、プロンプト長、推論プロセス、キャッシュ手法、出力パターンが異なる。
低コストの入力トークン1兆個は、より大規模なモデルによる出力トークン1兆個と同じ収益を生むわけではない。キャッシュ済み入力は、キャッシュされていない処理とは異なる経済性を持つ場合もある。
評価ワークロードは特にトークン集約的になりうる。1つのサンプルをあるモデルが生成し、別のモデルが採点し、複数の基準に照らしてレビューすることがある。このプロセスを多数のモデルバージョンで繰り返せば、エンドユーザーを増やさずに利用量だけが増加する。
だからといって、この活動が重要でないわけではない。評価はモデル開発に必要な工程である。ただし、追加の文脈なしにトークン合計から導入状況、収益、事業価値を読み取ることはできない。
第三の制約は顧客集中だ。Microsoftの最大級のAI顧客には、相当な交渉力を持つ他のテクノロジー企業が含まれると報じられている。需要は急速に拡大しうる一方、急速に移動する可能性もある。
Metaは、自社インフラの拡大に伴ってAzureの利用を減らせる。ワークロードをAWS、Google Cloud、Oracle、あるいは別の提供者に移すこともできる。高価な外部評価モデルを、より小規模な社内システムに置き換えることも可能だ。
クラウドのキャパシティ不足は、現在のMicrosoftの立場を強めている。供給が増えれば、価格競争の激化によって後にその優位性が弱まる可能性がある。新しいアクセラレータやより効率的なモデルは、各タスクに必要な計算量をさらに減らす可能性もある。
上昇するAI支出に関する最近の報道は、この緊張関係を明確に示している。MicrosoftとMetaは、業界がすべてのワークロードに対する安定した長期リターンを確立する前に、莫大なリソースを投入している。
Microsoftは、従量課金モデルが収益を顧客価値と一致させるとしている。この仮説は、顧客がエージェント、コーディングツール、評価、その他のAIサービスから測定可能な利益を得続けることに依存する。
Metaも関連する問題に直面している。外部モデルへのアクセスは開発を加速できるが、供給者コストやキャパシティ配分の変化に企業をさらす可能性もある。重要なワークフローに実用的な代替手段がない場合、依存はリスクとなる。
利用可能な証拠は、その程度の依存を立証していない。Metaが報じられているようにマルチクラウドで購入していることは、意図的な分散を示唆する。巨額の社内投資も、別の交渉力の源泉となる。
また、契約済みサービスの処理に必要な範囲を超えて、MicrosoftがMeta独自のモデル出力にアクセスするという証拠もない。企業向けクラウド契約には通常、具体的なデータおよびセキュリティ条件が含まれるが、両社はここでその詳細を開示していない。
プライバシー、知的財産、競争上の機微は依然として中心的な問題である。モデル評価には、未公開の能力、失敗事例、製品計画が含まれる可能性がある。高度な購入企業には、ログ、保存期間、学習利用、従業員アクセスに対する強力な管理が必要だ。
MicrosoftはFoundry向けに責任あるAIとセキュリティのガイダンスを公開している。しかし公開ドキュメントからは、Metaが交渉した正確な保護措置は明らかにならない。
慎重な結論は見出しより限定的だ。MetaはAzure AIの主要な利用者とみられるが、その関係の期間と戦略的な深さは依然として不明である。
MetaとMicrosoftの仮説を試す3つのシグナル
次に得られる証拠は、MetaのAzure利用が一時的なキャパシティ購入なのか、AI開発システムの恒久的な一部なのかを示すはずだ。
第一のシグナルは、Azure AIの消費量とキャパシティに関するMicrosoftの次回開示である。投資家は、新たな計算資源が利用可能になる中でAzureの成長が加速し続けるかを注視すべきだ。
Microsoftは、第3四半期に需要が利用可能なキャパシティを上回ったと述べた。また、供給制約が続くにもかかわらず、2026年暦年の後半にはAzureの成長が緩やかに加速すると予想していた。
キャパシティ拡大とともにAzureの成長が高まれば、MetaとMicrosoftに関する報道は持続的な消費というより広範なパターンの一部に見えるだろう。供給改善後に成長が鈍化すれば、この解釈は弱まる。
顧客集中も同等に注目に値する。Microsoftはさらに多くの大規模な外部AI顧客を明らかにしたり、Foundryの導入状況をより詳細に説明したりする可能性がある。顧客基盤が広がれば、少数のテクノロジー企業への依存は減る。
第二のシグナルは、Metaのインフラに関するガイダンスとモデルリリースの予定だ。Metaは現在、データセンター、プロセッサ、ネットワーク、AI研究にわたる異例の規模の設備投資を計画している。
社内キャパシティの増加が、クラウド支出を自動的に減らすわけではない。製品開発が加速すれば、社内・外部インフラの双方が拡大するほど総需要が増える可能性がある。
重要なのは、Metaが追加的なワークロードをどこに向けるかだ。新たなMetaのキャパシティが稼働した後も外部モデル評価を続けるなら、Azureが一時的なあふれ需要の受け皿以上の価値を提供していることを示す。
購入済みのモデルアクセスが急減すれば、つなぎ戦略を示唆する。Metaは、自社クラスタ、モデル、評価ツールが十分になるまでキャパシティを借りている可能性がある。
モデルのローンチは間接的な証拠を提供する。より速いリリースサイクル、改善されたコーディングシステム、新たな評価に関する主張は、Metaが外部リソースをどう使っているかを示す可能性がある。ただし、部外者がその変化をAzureと結び付けるには、同社が十分な方法論を開示する必要がある。
第三のシグナルは、競合するクラウドおよびモデル提供者の動きである。AWSとGoogle Cloudは、キャパシティの確約、モデルマーケットプレイス、評価サービス、大規模AI開発企業を対象とした契約で対応できる。
価格変更は重要だが、生の価格だけですべてのワークロードが決まるわけではない。可用性、レイテンシー、セキュリティ、モデル品質、導入速度が購買判断に影響する。即時に利用できるキャパシティを持つプラットフォームは、別の選択肢が書面上では安く見えても勝てる。
OpenAIとMicrosoftの関係も引き続き重要である。MetaはAzureを通じてOpenAIの技術を利用していると報じられる一方、Microsoftはますます幅広いモデル選択肢を推進している。この提携の変化は、アクセス、経済性、顧客信頼に影響する可能性がある。
マルチベンダー対応を強化したFoundryは、AIユーティリティ提供者としてのMicrosoftの役割を補強する。一つのモデル研究所への依存が強まれば、Azureはその提供者の性能と戦略により大きく左右される。
開発者と企業の購入担当者にとって、実務上の教訓はMetaの支出を模倣することではない。モデル選択とインフラへの忠誠を分けることだ。
チームは、評価に外部モデルを使いながら、社内システムを維持できる。キャパシティや性能が変化した場合には、ワークロードを複数の提供者に分散することもできる。その柔軟性には、移植可能なデータセット、再現可能なテスト、明確なセキュリティ管理が必要となる。
購入企業は、トークン量だけでなく、各ワークロードが生む価値を測定すべきだ。コーディング支援は、提供時間や欠陥率を改善すべきである。評価は、ユーザーに影響する失敗を捉えるべきだ。エージェントは、タスクコストを削減するか、測定可能な成果を増やすべきである。
また、退出経路も確保すべきだ。モデルベースの評価器はリリース判断に組み込まれ、置き換えが難しくなる可能性がある。チームには、提供者が変わっても維持できるベンチマークセットと人間によるレビューのプロセスが必要だ。
報じられた関係は最終的に、競合相手が同時に顧客、販売チャネル、インフラ供給者でもある市場を示している。MetaはMicrosoftのアプリケーションに挑戦しながら、Azureの収益を支えることができる。MicrosoftはLlamaを配信しながら、MetaにOpenAIモデルへのアクセスを販売できる。
この構図は、双方が手放す価値より多くの価値を得る間にのみ存続する。最も明確な証拠は、今後の消費量、インフラ開示、クラウド間のワークロード移動から得られるだろう。
数兆トークンを最終判断として扱うのではなく、これらのシグナルを注視すべきだ。それらは、これが短期的なキャパシティ裁定なのか、MetaのAI開発スタックにおける持続的な層なのかを示す。
