テクノロジー企業が最先端のAIモデル開発にしのぎを削る中、AIインフラ投資に関する見出しがAIをめぐる議論の中心となっています。同時に、生成AIビジネスモデルの初期導入者の中にはAI導入の効果に疑問を呈する声も出ています。これらの投資によってどのような経済的価値が創出されるのか、また生成AI企業における価値創造の源泉を批判的に評価することが重要です。そのためには、まずAIの価値チェーンを理解し、潜在的な収益化の機会を特定する必要があります。AI価値チェーンとは、生の計算リソースとデータを、エンドユーザーに価値を提供するAIを活用した製品やサービスに変換するために必要な一連の活動と層を指します。これは人工知能から価値を創造、展開、獲得するエンドツーエンドのプロセスを表しています。
私はNewBuild Venture Capitalのマネージングパートナーであるロヒニ・チャクラバーティ氏に、新技術による価値創造の源泉について話を聞きました。私たちはAIの「イノベーションレール」という概念について議論しました。これは様々な企業から提供されるインフラサービス（AIの知識、実行能力、消費型ビジネスモデルを含む）であり、AIを主軸としたアプリケーションを動かすものです。アプリケーションはサプライチェーン、財務、マーケティングなどの領域からコンテキストを取り込み、AIイノベーションレールを再利用して迅速に価値を提供します。
AIの価値チェーンは、異なるが相互依存する要素を持つ多層構造として特徴づけられます。まず、コアインフラ層があります。基盤には、NVIDIA、AMD、グーグルなどの企業が提供する特殊なチップ（GPU、TPU、カスタムAIアクセラレーター）を中心としたコンピューティングとハードウェアがあります。クラウドプロバイダー（AWS、Azure、GCP）はこのコンピューティングリソースをアクセスしやすいインフラとしてパッケージ化しています。次にモデル層があり、基盤となる大規模言語モデル、画像生成モデル、動画モデルなどが含まれます。この領域の企業はOpenAI、Anthropic（アンソロピック）、グーグルから、メタのLlamaのようなオープンソースの取り組みまで多岐にわたります。
第3の層はプラットフォーム/ミドルウェア層であり、生のモデルとアプリケーションの間で価値の調整が行われます。これにはベクトルデータベース（Pinecone、Weaviate）、モデルデプロイメントプラットフォーム、プロンプト管理ツール、APIゲートウェイなどのサービスが含まれます。この層によって、AIモデルを大規模に実用的に使用することが可能になります。最後に、基盤となるインフラ層の上に構築されるエンドユーザーアプリケーションのアプリケーション層があります。これはコーディングアシスタント（GitHub Copilot）からコンテンツ作成ツール、カスタマーサービスチャットボット、医療、法律、金融などの業界特化型ソリューションまで多岐にわたります。
過去の技術革新の世代は、AIの産業構造に類似点を提供し、AI世界における価値獲得と価値創造の源泉を示しています。特に、AI価値チェーンは初期世代のクラウドコンピューティングプロバイダーといくつかの顕著な類似点を持っています。
AI価値チェーンと初期世代クラウドコンピューティングモデル
クラウド以前は、インフラベンダーがオープンソースソフトウェアのエンタープライズ版を販売し、アプリケーション開発者は自分たちのコンテキストで知識を再利用するために独自のインフラを構築する必要がありました。クラウドによって、「成果に対する支払い」や「使用したインフラのみに対する支払い」など、消費ベースの価格モデルが可能になりました。
クラウドコンピューティングにより、計算時間、使用したストレージ、ネットワーク帯域幅などに基づいて顧客が支払う消費ベースのモデルへの移行が可能になりました。例えば、AWS EC2は計算時間を秒/分単位で課金します。生成AIでは、顧客は処理されたトークン（入力＋出力）、API呼び出し、モデル推論時間に基づいて支払います。一部のプロバイダーは「予約容量」（OpenAIのエンタープライズ契約やAnthropicのモデルアクセスプランなど）も提供しています。
クラウドコンピューティングではPlatform-as-a-Serviceモデルも登場し、AWS、Azure、GCPの収益化戦略は、ハードウェアと運用を抽象化したスケーラブルなインフラをサービスとして提供することでした。OpenAI、Anthropic、Cohereなどの生成AIプロバイダーは、LLM-as-a-serviceやモデルAPIを提供し、モデルのトレーニングとメンテナンスを抽象化しています。これはクラウドの「構築ではなくレンタル」という哲学を反映しています。
両パラダイムは、アプリケーション開発者が新しいアイデアを迅速に実装できるよう、段階的な価格設定とフリーミアムモデルを提供しています。クラウドコンピューティングモデルは、無料クレジット、開発者プラン、エンタープライズサポート、ボリュームディスカウントなどの階層を提供しました。生成AIでも同様の段階的価格設定が可能であり、プロバイダーは限定的な使用量での無料アクセス（ChatGPTの無料枠など）や、大量利用顧客向けのエンタープライズAPI割引を提供できます。
これらの基盤的インフラサービスは導入が容易ですが、両方の価値チェーンにはエコシステムのロックイン効果があります。クラウドプロバイダーとの切り替えコストは、独自ツールやデータ統合の課題により高くなります。生成AIモデルは、ファインチューニングの複雑さやワークフローへの統合により、ロックイン効果を生み出します。顧客は一度プロンプト、パイプライン、安全対策を適応させると、そのプロバイダーに留まる傾向があります。
インフラプロバイダーにとって、両モデルは規模と範囲の経済性を持っています。クラウドコンピューティングでは、固定インフラコストがより多くの使用量に分散されるため、規模が拡大するにつれて利益率が向上します。同様に、生成AIモデルでは、モデルトレーニングの初期コストは非常に高額ですが、使用量が拡大するにつれて推論コストは安くなります。プロバイダーは、クラウドデータセンターの利用率と同様に、GPU/TPUの高い利用率に依存して経済性を成立させています。両モデルとも、オンプレミスAI、企業ファイアウォール内、ハイブリッドクラウドベースのモデルなど、複数の提供モデルを提供しているようです。
OpenAIはこの類似点を理解しているようで、独自のエンタープライズスタックを構築する方向に動いています。クラウドベンダーが企業のセキュリティ懸念に対応するためにプライベートクラウドを提供したように、AIベンダーも企業のニーズに合わせた同様のアプローチを採用する可能性があります。
AIに関するほとんどの話題は最先端のAI機能のプロバイダーに集中していますが、AIを価値創造に活用しようとするスタートアップや企業は、AI価値チェーンにおいて利益率がどこに存在し、戦略的なレバレッジポイントがどこにあるのかを理解する必要があります。
