2050年までのAIデータセンター投資を32兆ドルと試算するこの予測が注目に値するのは、その規模そのものよりも、支出の「構造」について何を示唆しているかという点にある。鉄道、電化、インターネットの整備に投じられた資本をいずれも上回る数字だが、真の問題はその性質にある。
最大の特徴は、これが古典的な意味での「償却可能なインフラ」ではないことだ。鉄道や電力網は一度敷設され、数十年かけて減価償却された。一方、AIデータセンターはGPUやアクセラレーターに依存しており、新世代シリコンが登場するたびに4〜6年ごとの交換が見込まれている。これにより、見かけ上の設備投資額は「現状維持のためだけに支出を続けなければならない構造的義務」、すなわち永続的なトレッドミルへと転化する。各更新サイクルは、コンパクト・プライスパフォーマンスの変化とチップ供給の集中リスクにさらされる。投資家にとっての懸念は、生産性の恩恵が更新サイクルの要求よりも遅れて到来するという点であり、これはまさに主要サプライヤーによるAIチップ見通しの軟化が引き起こす不安そのものだ。減価償却を上回るペースで利益が複利成長しなければ、このモデルは持続しない。
さらに二つの制約がこの構図を締め付けている。電力調達が真のボトルネックになりつつあり、データセンター運営者は需要に先立って数百メガワット規模のエネルギー契約を確保しようとしている。また、更新サイクルの頻度が価格決定力を一握りのアクセラレーターおよびパッケージングサプライヤーに集中させており、買い手側は次の更新サイクルに対して交渉力をほとんど持てない状況にある。
日本にとっての戦略的問いは、このトレッドミルを「所有」するか「利用」するかだ。国内のハイパースケール容量は米国と比較して依然として薄く、繰り返し発生する設備投資の構造は、大半の日本企業にとって自社構築を全面的に進めることを厳しい賭けとしている。より守りやすいポジションは、減価償却が進むGPUをバランスシートで保有することではなく、従量課金型アクセス——予約容量、ソブリンクラウド契約、エネルギー連動型契約——の活用である。
SIerにとって、これはバリュープロポジションの再定義を意味する。マージンはもはやハードウェアの調達やラッキングにあるのではなく、ワークロードの最適配置、更新サイクルを通じたコストガバナンス、そして半十年で陳腐化するコンピュートへの過剰コミットをクライアントが避けられるよう支援することにある。RPAチームや開発チームはAIコンピュートを「変動する単価経済を持つ計量課金型ユーティリティ」として扱い、特定ベンダーのロードマップに賭けるのではなく、プロバイダーやモデル世代をまたいだポータビリティを前提にアーキテクチャを設計すべきだ。勝ち残る企業は、設備投資の規律をサービスとして提供できる企業である。
