コンピューティングの低価格化が需要を支え得る理由
注目すべき重要な反論がある。コンピューティングの効率化はコストを引き下げ、より多くの利用を促すという点だ。この追加の需要が効率化による節減効果を上回れば、総消費量は増加する。これは「ジェヴォンズのパラドックス」として知られる現象だ。
処理能力やストレージの低価格化は、これまで何度も新たな用途への扉を開いてきた。処理能力やストレージの大幅な低価格化を実現するたびに、私たちはその新たな使い道を生み出してきたのだ。
もちろん、AIモデル開発の効率向上により、特定のタスクに必要な計算資源は減少するかもしれない。しかし、AI能力が安価になれば、これまでコスト面で断念していた用途にもAIが活用されるようになる。AIモデルを実行する「推論」と呼ばれるプロセスは、最終的に現在の建設ラッシュを牽引しているワークロードをはるかに凌駕する規模になるかもしれない。
したがって、供給過剰は一時的なものにとどまる可能性がある。キャパシティの完成が、それを利用するアプリケーションの登場よりも先に来ているだけかもしれないのだ。
本当の危険は「タイミング」にある
危険なのは、永遠にキャパシティが過剰であり続けることではない。需要よりも先行しすぎて、建設を行っている企業を破綻させてしまうことだ。
目的地に関する予測は正しくても、タイムラインの予測を誤ったために倒産した優秀な企業は数知れない。
筆者が経営幹部や投資家にアドバイスする立場であれば、以下の問いに焦点を当てるだろう。
・誰が建設資金を出資しており、そのうち負債はどの程度を占めているか？
・各事業者の顧客基盤はどの程度集中しているか？
・顧客契約によって確保された収益に対して、チップの価値が低下するスピードはどのくらい早いか？
・事業者の電力の確保状況はどの程度で、そのコストはいくらか？
供給過剰は打撃を与えるだろうが、AIを終わらせることはない。それは一部の人々にとっては苦痛であり、別の人々にとっては利益となるリセットなのだ。過去のブームから筆者が得る教訓は、インフラとは目的を達成するための手段であり、それ自体が目的ではないということだ。
