AIブームが他のバブルとは異なる理由

Washington Postは2026年9月7日、投資家が鉄道や電力としばしば重ね合わせる安心感のある類推に異議を唱える、より鋭いAIバブル論をGoogle Newsで提示した。金融コラムニストのMatthew Lynnは、現在の設備投資拡大が、地理的な集中、異例の速さ、そして高度人材の雇用に及ぼし得る影響という3つの重要な点で異なると論じている。

この枠組みが重要なのは、よく知られた歴史的な類推には通常、楽観的な結末が伴うからだ。鉄道、送電網、インターネットには過剰な投資が集まり、資本は失われたが、社会にはなお価値あるインフラが残った。Lynnのコラムは、一国と少数の企業がリスクの大部分を抱える状況で、その筋書きが本当に有意な安心材料となるのかを問いかけている。

懸念はもはや割高なテクノロジー株に限られない。現在の投資拡大には、データセンター、電力システム、半導体サプライチェーン、社債、プライベートクレジット、長期の容量契約が含まれる。したがって、投資の縮小はAI研究所やNvidiaの株主だけにとどまらない。

最も強い結論は、AI暴落が不可避になったということではない。むしろ、歴史的な比較は、暴落の様相を決める固有のメカニズムを覆い隠しかねないということだ。現在のブームは、有用なインフラ、不確実な収益、集中した資金調達、急速なハードウェア減価償却、そして未解決の労働移行を組み合わせている。

Google NewsのAIバブル論は何を変えたのか

Washington Postのコラムは、投資ブームの存在そのものではなく、歴史的類推の安心材料となる部分を批判することで議論を変えている。

9月7日に公開されたAIバブル論は、鉄道、電化、初期インターネットが関連性のある比較対象だと認めている。いずれも最終的に経済的重要性を持つようになった技術をめぐり、投機的資本を引きつけた。また、投資が短期的な需要を上回った際には損失も生じた。

争点は、読者がそれらの先例から何を読み取るべきかにある。一般的な解釈では、投資家は損失を被っても社会全体は利益を得られるとされる。破綻した鉄道会社は線路を残し、失敗したインターネット企業は、後に価値あるサービスを支えることになった光ファイバーネットワークを残した。

Lynnは、AIでは3つの違いにより、その結末の再現性が低くなると論じる。第一に、中国も重要な競争相手であるものの、金融リスクの多くは米国に集中している。過去のインフラ投資の波では、建設と資金調達はより多くの国に分散していた。

第二に、AIの設備投資拡大は5年未満で加速した。鉄道網と電力網は数十年かけて発展したため、事業者、銀行、政府には弱いビジネスモデルを見極める時間がより多くあった。今日の購入者は、需要が明確になる前に、チップ、電力、リース、建設を約束することが多い。

第三に、生成AIは認知労働の代替手段としても売り込まれている。過去のインフラ投資の波は一部の職業を置き換えたが、物理的なネットワークの建設・運営には大規模な労働力も必要とした。一方でAIベンダーは、文章作成、プログラミング、分析、顧客対応、事務作業の一部を担えるソフトウェアを約束している。

こうした違いは、AIインフラに永続的な価値がないことを証明するものではない。類推が証拠として機能しなくなる地点を示している。有用な技術であっても投資としては失敗し得るし、持続するネットワークが当初の資金提供者に十分な収益を保証するわけではない。

このコラムはまた、株価から設備投資の構造へと注目を移している。株式市場のバブルは、基盤技術を機能不全に陥らせずにしぼむこともある。債務に支えられたインフラ投資の後退は、建設会社、公益事業者、民間融資者、設備供給業者、地域経済に影響を与え得る。

したがって、この論説に触れるGoogle Newsの利用者が目にしているのは、「AI株は高すぎる」という主張より広い論点だ。その主張は、集中した資本、短い投資サイクル、労働代替の可能性という組み合わせについて、経済には経験がほとんどないというものだ。

これは有益な修正である。「バブル」という呼び名は、しばしば複数の別個の問いを一語に圧縮してしまう。バリュエーションが過剰でも導入は進み得る。インフラが必要でも、容量は供給過剰になり得る。生産性が向上しても、個々の企業がその利益を獲得できるとは限らない。

より適切な検証は、収益がどこで生まれ、誰が資産に資金を供給し、予測が外れた際に誰が損失を負担するかを問うことだ。こうした問いは、基盤となる容量を構築するハイパースケーラーへと直接つながる。

5社のハイパースケーラーがAIをマクロ経済の賭けに変えた

Amazon、Alphabet、Microsoft、Meta、Oracleが企業のインフラ支出を国家の成長率に影響を与える規模まで拡大したため、このブームは異質に感じられる。

Federal Reserveの研究者は、この5社の設備投資総額が2025年第4四半期に1310億ドルへ達したと算出した。2025年通年では4120億ドルで、年率換算した米国の国内総生産のおよそ1.31%に相当する。

Federal Reserveのデータはリースを除外しているため、設備投資拡大に伴うすべてのコミットメントを捉えてはいない。この制約は重要だ。企業は、義務の全額を即時の設備投資として計上せずとも、長期契約を通じてデータセンター容量を確保できるからだ。

同じ研究は、AIインフラを供給する企業に金融市場の期待がどのように集中しているかも示している。ChatGPTの公開から2025年末までに、Nvidiaの時価総額は975%上昇した。Broadcomは636%上昇し、AMDは179%上昇した。

この3社のチップ企業は、2025年末時点でS&P 500の11.2%を占めた。10月には合計比率が12.4%に達していた。これらの数字は集中を示すが、それ自体で割高評価を立証するものではない。

投資は、コンピューティング容量への需要を生むモデル開発企業にも流れ込んでいる。Federal Reserveによると、OpenAIとAnthropicは2023年から2025年にかけて、それぞれ580億ドルと440億ドルを調達した。2025年末時点の評価額は、それぞれ5000億ドルと3500億ドルだった。

これにより、緊密に結び付いた市場が生まれている。クラウドプロバイダーはAI研究所に投資し、研究所はクラウド容量を購入し、チップメーカーはクラウドプロバイダーに供給し、見込まれるモデル需要がさらなるデータセンター建設を支える。個々の取引は実際の商業活動を反映していても、このネットワーク全体は楽観的な前提を増幅し得る。

Bank for International Settlementsは、最大手ハイパースケーラー5社が2025年と2026年にAI関連の設備投資として1兆ドル超を支出する見通しだったと推計している。また、こうしたコミットメントが収益やフリーキャッシュフローより速く拡大していることも明らかにした。

この不一致は、企業が直ちに支払い不能に陥ることを意味しない。最大手ハイパースケーラーは、収益性の高い広告、コマース、ソフトウェア、クラウド事業を持つ。既存のキャッシュフローにより、外部資金への依存度が高かった通信スタートアップや投機的なドットコム企業よりも余力がある。

ただし、財務力は競争を激化させる可能性がある。各社は、支出が少なすぎればクラウド顧客、モデル開発の主導権、開発者の支持、消費者への配信力を明け渡すことを恐れている。そのため、各企業にとって合理的な防衛的判断が、業界全体の過剰容量を生み出すことがある。

BISのリスク評価は、これを参加者が少数の技術的リーダーに支配されると見込む市場をめぐる競争として説明している。この論理では、投資を拒むことは過剰投資より危険に見え得る。

圧力が向かう先は明確だ。最高財務責任者は、誰も投資収益を明確に測定できないうちから、インフラへの承認を続けなければならない。投資家は、クラウド成長や広告改善が、より広範な事業部門に組み込まれたままの支出を正当化するかどうかを判断する必要がある。

供給業者も同様のリスクに直面する。半導体メーカー、電気設備メーカー、冷却の専門企業、公益事業者、建設請負業者は、ハイパースケーラーの予測を中心に事業を拡大している。AIサービスの最終利用者が持続的な支払い意欲を示す前に、これらの企業の収益は増加し得る。

ここでWashington Postの論点は説得力を増す。過去のインフラブームにもサプライチェーンへの依存はあった。だが今日の形は、株式市場、プライベートクレジット、電力計画、測定される経済成長に影響を及ぼす少数の企業予算に、異例なほど集中している。

実際のAI導入がバブル論をより難しくする

AIは純粋な投機の物語ではないが、実際の導入が現在の投資に十分な収益をもたらすかどうかまでは答えられない。

単純なバブル論への最も強い反論は、人々や企業がすでにこの技術を使っていることだ。Federal Reserveのデータでは、調査の質問と測定方法が進化するにつれ、報告された企業導入率は上昇している。改訂後の系列では、2025年末の企業導入率は約18%、導入予定は約21%とされた。

調査対象の労働者における仕事関連の生成AI利用は、2024年8月の33%から2025年11月には41%へ上昇した。専門サービスと金融では特に高い利用率が記録され、製造業では前年比で力強い伸びを示した。

これは、多くのドットコム企業に見られたような中身のないウェブサイト訪問ではない。労働者は、文書の下書き、会議の要約、コードの確認、サポート問い合わせへの回答、情報検索、代替案の比較にモデルを利用している。企業もAIを既存製品や社内プロセスに組み込んでいる。

ナレッジワーカーには、モデルを自身の資料と結び付ける方法も増えている。個人向けナレッジベースは、汎用モデルだけに頼るのではなく、文書、ノート、業務履歴に基づいてアシスタントを機能させられる。これによりAIは、単発のプロンプトではなく、繰り返し可能なワークフローで役立つようになる。

しかし、導入と収益性は別の指標だ。サービスは、ベンダーが利用を補助したり、既存サブスクリプションに組み込んだり、市場シェア獲得のため低い利益率を受け入れたりすることで普及し得る。高い利用量は、収益が推論、学習、減価償却、エネルギー、顧客獲得の費用を賄えることを示すものではない。

推論とは、学習済みモデルを実行して回答を生成することを指す。各リクエストはコンピューティング資源を消費するが、そのコストはモデル、回答の長さ、ハードウェア、稼働率によって異なる。推論コストの低下は需要を拡大する一方、計算単位当たりの収益を減らす可能性もある。

この緊張関係により、AIは技術標準が比較的安定している物理インフラと異なる。鉄道路線は何世代にもわたって有用であり続けることができる。AIアクセラレーターは、新しいチップがより高い性能やエネルギー効率を実現すると、経済的価値を急速に失う可能性がある。

Microsoftは2026年7月の決算開示でこの問題を示した。同社は、設備投資の約3分の2が、主にプロセッサーからなる短命の資産に関わるものだと述べた。これらの資産は、建物、電力接続、土地よりも頻繁な更新を必要とする。

急速な改善はユーザーに恩恵をもたらす一方で、投資の採算性を複雑にする。今日完成したデータセンターは価値を保てるかもしれないが、導入済みハードウェアの競争力は低下しうる。事業者は、旧式の設備をより長く稼働させることと、運用コストを下げるために再び投資することの均衡を取らなければならない。

クラウド各社の財務諸表が示す答えは一部にとどまる。Amazon、Alphabet、Microsoft、Metaはいずれも、AIインフラが生み出す利益を個別に開示していない。AI収益はクラウド部門、広告事業、生産性ソフトウェア、その他の既存事業に組み込まれている。

報告されたクラウド事業の利益率は、複数のケースで健全な水準を維持している。これは、主要企業が実際の収益エンジンを持つという見方を裏付ける。ただし、最新のAI設備に対する追加的な投資収益を切り分けるものではない。

既存のクラウドワークロードがあれば、AI比重の高い部門も収益性が高く見える可能性がある。この逆に、導入直後の設備が効率的な稼働率に達する前は、減価償却費や建設コストが利益率を押し下げることもある。公開情報だけでは、外部の人々がこれらの影響を完全に分離することはできない。

8月の分析では、AWSの営業利益率は約39％まで上昇し、Google Cloudは第2四半期に35.6％へ達した。MicrosoftのIntelligent Cloudの利益率も約41％を維持した。それでも経営陣は、これらの結果をAIに直接帰属させることを避けた。

クラウド収益のギャップは、依然として中心的な未解決問題である。アナリストは設備投資、クラウド成長率、受注残を観察できる。しかし、AI専用資産に対する信頼できる投資収益率は、まだ算出できない。

だからこそ、このブームを明らかに合理的、あるいは明らかに投機的だと呼ぶことは、その仕組みを見落としている。導入の拡大は技術を正当化する。しかし、その周囲に構築されたすべてのデータセンター、評価額、資金調達構造、予測を正当化するわけではない。

新たなリスクは負債、契約、顧客集中にある

懐疑的な見方が最も説得力を持つのは、透明性の高い企業支出が借入、オフバランスシートのコミットメント、循環的な需要へと移行する局面だ。

AIインフラ整備の初期段階は、主にハイパースケーラーの営業キャッシュフローに支えられていた。支出が通常の投資水準を超えるにつれ、負債の役割は大きくなった。国際決済銀行（BIS）は、ハイパースケーラーによる社債発行額が2025年に1,000億ドルを超えたと報告している。

借入の多くは満期5年超だった。長期満期は当面の借り換え圧力を抑えられる一方、経済的な耐用年数がなお不確かな資産への資金供給を企業に固定することにもなる。

資金調達は従来型の社債にとどまらない。ハイパースケーラーは、特定の資産を保有または資金調達するために設立された、法的に独立したビークルであるプライベートクレジット企業や特別目的事業体との連携を強めている。これらの事業体はデータセンターを開発し、その容量をテクノロジー企業へリースバックできる。

典型的な構造では、ハイパースケーラーは少数持分を保有する一方、電力やコンピューティング容量について長期リースまたは購入を約束する。民間投資家がエクイティを提供し、そのビークルが追加の負債を調達する。

infrastructure financingは、即時の設備投資を数年にわたる営業費用へ置き換えうる。BISはこうした義務の一部を、ハイパースケーラーの主要な貸借対照表の外にありながら、経済的には負債のように機能することから「シャドー・ボローイング」と呼んでいる。

こうした取り決め自体が不適切というわけではない。長期資産への資金供給に適した当事者の間でリスクを分配できる。また、株主、貸し手、規制当局にとって総エクスポージャーの測定を難しくする可能性もある。

銀行は特別目的事業体に信用枠を提供することがある。保険会社やプライベートクレジットファンドが債務を保有する場合もある。ハイパースケーラーは資金調達を支える保証や契約上のコミットメントを提供することもある。

このネットワークは、複数の潜在的な波及経路を生む。期待されるAI需要が低下すれば、データセンターの価値低下、借り換え条件の悪化、プライベートクレジットの投資意欲低下、企業保証の発動につながりうる。最大手テクノロジー企業が支払い能力を維持していても、問題は波及しうる。

顧客集中も別の不確実性を生む。クラウド企業は、モデル開発企業を最も急成長しているAI顧客の一群として数えている。その開発企業は、容量を購入するインフラ提供者からも巨額の投資を受けている。

これは収益が架空であることを意味しない。OpenAIとAnthropicは実際のユーザーや企業にサービスを提供している。しかし、インフラ分野の成長の一部が、多額の外部資本を継続的に必要とする顧客に依存していることを意味する。

BISは、チップメーカー、クラウドプロバイダー、AI研究所、専門クラウド企業の間にある循環的な資金調達にも注目している。投資家が顧客に資金を提供し、その顧客が投資家のコンピューティングサービスやハードウェアの購入を約束する場合がある。

個々の契約には戦略的な目的がありうる。しかし全体として見ると、AIサプライチェーン内で循環する資本ではなく、エンドユーザー顧客によって支えられた需要を特定することが難しくなる。

長期コミットメントがコンピューティング価格の低下と重なると、リスクは高まる。複数の事業者が似たような容量を構築すれば、競争によって賃貸価格が下落する可能性がある。顧客には恩恵となるが、資産保有者の収益は資金調達モデルの想定を下回るかもしれない。

電力面の制約は、当初この危険を隠しうる。限られた系統接続、変圧器、先端チップ、冷却設備が容量を希少なものにする。企業は数年先まで資源を確保することで対応し、それが報告上の受注残を押し上げる。

希少性は持続的な価格決定力を保証しない。ボトルネックは、各参加者が最終的に必要とする以上の容量を確保する動機になりうる。供給が到来すれば、市場は不足から過剰能力へ急速に移行する可能性がある。

ここでWashington Postの議論を過大評価すべきではない。負債と契約上のエクスポージャーの集中は、差し迫った危機を確認するものではない。公開データは依然として不完全であり、主要企業には大きなキャッシュ創出事業がある。

より妥当な結論は限定的だ。金融システムは、株式評価額だけでは見えない経路を通じてAIへのエクスポージャーを高めている。真剣なバブル分析には、債券、リース、プライベートクレジット、保証、そして基盤となる顧客の質を含める必要がある。

雇用がこのブームを鉄道や電力と異なるものにする

最も重要な違いは、AI投資がインフラ拡張だけでなく、認知的な業務に必要な労働の削減も対象としている点にある。

鉄道は雇用パターンを変え、競合する輸送事業に打撃を与え、新たな地域的な勝者を生んだ。同時に、線路の建設、列車の運行、設備保守、拡大するネットワークの管理のために、多くの人々を雇用した。

電化も似たような組み合わせを生んだ。一部の技術や職業を置き換える一方で、工場、家電、公益事業、まったく新しい産業を支えた。そのインフラは、生産性の恩恵が経済全体へ広がる前に労働を必要とした。

AIデータセンターも建設および技術職を生み出す。電気技師、エンジニア、冷却の専門家、警備スタッフ、保守作業員、エネルギープロジェクトを必要とする。設備需要はソフトウェアをはるかに超える産業に恩恵をもたらす。

違いは、製品が掲げる目的にある。生成AIは、これまでライター、プログラマー、アナリスト、デザイナー、研究者、サービス従業員に割り当てられていた仕事の一部を完了するために購入されることが多い。そのインフラは、労働要件を下げることに経済的価値が依存しうるシステムを支えている。

これは、すべての導入が雇用をなくすという意味ではない。多くの用途はむしろ労働者を支援する。開発者は不慣れなコードをより速く確認でき、研究者はすべてのファイルを手作業で確認せずに大規模な文書コレクションを検索できる。

プロダクトマネージャーは、散在するメモを整理し状況報告を準備するためにweekly AI workflowを利用するかもしれない。直接的な結果は、チームの縮小ではなく、より充実した仕事になる可能性がある。

しかし、企業がそれを前提に業務プロセスを再設計すれば、支援は代替へと変わりうる。1人の従業員がより多くの顧客やプロジェクトを担当できるようになれば、現職の労働者が解雇通知を受けなくても採用需要は低下しうる。

この移行は、生産性データの解釈を難しくする。労働者1人当たりの生産量の増加は、長期的には賃金と成長を支えうる。一方で、自動化へのエクスポージャーが大きい職種における雇用成長の鈍化と同時に起きることもある。

BISは、AIへのエクスポージャーが大きい米国のセクターでは、他のセクターよりも強い生産性向上と弱い雇用成長が記録されていたと指摘した。この関係は、AIがすべての差異を引き起こしたことを証明するものではない。しかし、雇用の結果が投資論争に含まれるべき理由を示している。

地理的な集中がこの問題を深める。米国は主要クラウド企業やチップ設計企業に関連する市場価値の多くを取り込んでいる。同時に、AIが高賃金のサービス業務への需要を減らした場合には、大きなエクスポージャーも負う。

他国は半導体製造、組み立て、エネルギー輸出、データセンター建設を通じて参加している。中国はモデル、チップ、アプリケーション、インフラの各分野で競争している。欧州は産業政策を活用し、容量の誘致と国内代替手段の開発を進めている。

それでも、米国の株式市場は世界の期待の中でも異例に大きな割合を担っている。BISによると、MSCI Global指数に占める米国株の比率は約64％だった。したがって、再評価は米国の投資家をはるかに超えて資産効果を波及させる可能性がある。

労働の置き換えは、株式の調整とは異なる経路をたどる。市場は数日で調整できる一方、組織が新しいワークフローを採用するには何年もかかる。企業は今日AI投資を発表し、次の四半期にツールを試験し、採用計画を変えるのはさらに後になるかもしれない。

この遅れは測定上の罠を生む。支持者は、現時点での解雇が限定的であることを恐れが誇張されている証拠として挙げられる。批判者は、金利や需要減速がより単純な説明となる場合でも、あらゆる採用減速を自動化によるものと解釈しうる。

読者はどちらの主張にも抵抗すべきだ。信頼できる分析には、職業別の採用、賃金、労働時間、生産性、業務の変化が必要である。見出しになる解雇者数だけでは、AIが労働者を補完するのか、将来の求人を静かに減らすのかを明らかにできない。

雇用の問題は政治的な対応も変える。政府が以前の投資ブーム崩壊をある程度容認したのは、残されたインフラが広範な将来の拡大を支えたためでもある。納税者が金融損失と集中的な雇用圧力に同時に直面する場合、社会的な容認度は低くなるかもしれない。

これは規制強化を保証するものではない。しかし、政策立案者が労働者の移行、エネルギーコスト、地域インフラ、データ権、市場支配力を一体として検討することを意味する。AIブームは、単に新たなネットワークが構築されるかどうかの問題ではない。

AIバブル警告を裏付ける、または弱めるもの

Google Newsの議論が持続的な警告へ発展するのか、それともAI収益が支出に追いつくにつれて薄れていくのかは、3つのシグナルによって決まる。

第1のシグナルは、最大手クラウドプロバイダーによるAI専用収益の開示である。投資家は現在、設備投資の見通し、クラウド成長率、受注残、幅広い営業利益率を受け取っている。近年導入されたAIハードウェアの収益に関する直接的な情報はほとんど得られない。

収益、稼働率、利益率がそろって上昇すれば、より良い開示は楽観的な見方を強めるだろう。設備投資が高水準のままで、AI容量の稼働が期待を下回る、あるいは価格がコストより速く下落するなら、その見方は弱まる。

第2のシグナルは、資金調達の構成だ。既存事業が十分なキャッシュを生み、その投資を賄える場合、ハイパースケーラーは積極的な投資をより安全に継続できる。社債発行、保証、リース、特別目的の資金調達が増加しているなら、リスクエクスポージャーが広がっていることを示す。

BISは、支出が通常の投資を上回るなか、すでに借り入れが増加していると指摘した。今後の報告では、オフバランスのプロジェクトに伴う規模、満期、取引相手、保証を明確にすべきだ。

多様な顧客基盤に支えられた透明性の高い長期資金調達であれば、目先の懸念は和らぐ。一方、借り換えへの依存度の高まり、テナントの集中、不十分に開示された保証への依存は、Washington Postの警告を裏付けることになる。

第3のシグナルは、職場での導入状況を測定することだ。重要な問いは、従業員が生成AIを試すかどうかではもはやない。組織がその利用を、持続的な生産性、収益、サービス改善、あるいはコスト削減へと転換できるかどうかである。

世界経済の成長シナリオは、情報処理機器とソフトウェアへの投資が2025年第3四半期に前年同期比16.5％増加したと指摘する。また、データ、アルゴリズム、組織変革による無形の恩恵は、従来の統計では捉えきれない可能性があるとも論じている。

この測定上の問題は、両方向に作用する。GDPは、そこから生じる能力が十分に価値あるサービスを生み出す前に、サーバーやソフトウェアを投資として計上しうる。他方で、研究の加速、意思決定の改善、新製品を通じて現れる便益を過小評価する可能性もある。

今後数四半期にわたり、多くの業界で信頼できる生産性向上が確認されれば、長く続く汎用技術だという見方が強まる。向上がテクノロジー供給企業と一部の専門職分野に限られるなら、集中に関する懸念は解消されない。

読者は、ブームが持続することと、すべての参加者が成功することも区別すべきだ。鉄道、電力、インターネットは、倒産や激しい市場調整を経験しながらも経済を変革した。AIもこの大きなパターンをたどりうるが、勝者、損失、労働への影響は大きく異なる可能性がある。

Washington Postのコラムは、歴史を確実性への戒めとして扱う点で説得力がある。違いを崩壊の証拠として読むなら、その説得力は弱まる。前例のない特徴が生むのは不確実性であり、あらかじめ決められた結末ではない。

開発者にとって実務上の論点は、補助金に支えられた実験が終わった後も、アプリケーションへの需要が続くかどうかだ。企業の購入担当者にとっては、AIシステムが統合、ガバナンス、研修、レビューのコストを差し引いた後にも、測定可能な価値を提供するかどうかである。

ナレッジワーカーは、雇用主が購入するツールの数だけでなく、役割をどのように再設計するかを見るべきだ。投資家は、幅広い導入主張に頼るのではなく、キャッシュフロー、顧客の質、減価償却、資金調達上のコミットメントを検証すべきである。

Google Newsは、「バブル」という言葉で通常語られる以上の精度を必要とする議論を浮かび上がらせた。次の試金石は証拠だ。より明確なAI収益、透明な資金調達、そしてインフラを販売する企業を超えて広がる生産性が求められる。

また記録的な投資が発表されるたびに、この3つを問うべきだ。最終的に誰がその能力の費用を負担するのか。そこからどのような測定可能な収益が生まれるのか。そして需要のどれほどが、外部資金の継続に依存しているのか。その答えによって、この設備投資が持続可能なネットワークに近いのか、高コストな過剰設備サイクルに近いのか、あるいは両者が不都合に混在したものなのかが分かる。