① 要素の観点から：労働要素の重要性はさらに低下し、モデル、データ、計算能力（本質的には資本要素）の重要性が高まる。
② 供給の観点から：AIは供給曲線を根本的に変え、限界費用を大きく削減し、供給弾力性を急速に高め、規模の経済を極限まで追求する。
③ 需要の観点から：労働報酬の疎外が所得と需要の構造に影響し、従来の供給と需要、投資と貯蓄の関係が歪む可能性がある。経済の循環や分配メカニズムも変化し、供給と需要に基づく経済サイクルや価格・量のメカニズムに破壊的な影響を及ぼし、金融システムや社会契約の再構築を促す可能性もあります。
AI叙事の三層変革
2026年以降、世界のAIに関する物語は重要な辺境の変化を経験しており、少なくとも三層の物語の変化が見られます。
第一層の物語：Scaling Lawに関していくつかの意見の相違が現れ始めている。
過去数年のAI投資の中心は、Scaling Lawの経験則に由来します。すなわち、モデルが大きく、データ量が増え、計算能力が高まるほど性能が向上するというものです。しかし、この法則にはいくつかの亀裂が生じています。
第一に、物理的な制約、例えば電力供給やトランスなどの部品に関する硬い制約です。
第二に、データのボトルネックです。事前学習に用いる高品質な公開テキストデータは枯渇しつつあります。
第三に、投入の限界効率の減衰です。Scaling Lawの方向性は依然として存在しますが、投資を継続する理由はあります。ただし、モデルの限界ボーナス（投入単位あたりのモデル能力の向上）は低下する可能性があります。
したがって、計算能力の構築に加えて、アルゴリズムの拡張も次第に技術のもう一つの重要な焦点となっています。例えば推論時の拡張（Test-Time Compute）（思考連鎖CoT推論や推論時のスケーリング拡張）、後学習（Post-Training）、アーキテクチャの効率化（線形注意メカニズムLinearAttention、状態空間モデルSSMなどの新アーキテクチャ）、端末側の知能（SLMs）などです。
第二層の物語：CAPEX（資本支出）から投資回収への「不安」へと移行。
最新の指針によると、米国の大手テクノロジー企業は2026年のAI関連資本支出が7000億ドルを超えると発表しましたが、市場は「資本支出」の報いから「収益化の遅さ」への懸念にシフトしています。この投資規模を理解するために二つの参照枠を用います。
（1）歴史的参照系：2025年の米国のテック企業の資本支出はGDPの約1.9%に達し、2026年も引き続き2%以上に増加する見込みです。これは20世紀の主要なインフラ整備の総和にほぼ匹敵します。例えば、世紀初頭の全国ブロードバンド整備はGDPの約1.2%、1949年の電力大拡張、アポロ計画、1960年代の州間高速道路はそれぞれ約0.6%です。現在の米国におけるAIインフラ投資の強度は、経済史上極めて高い水準にあります。
（2）企業のキャッシュフローの観点：これが最近の懸念の主要な引き金となっています。推計によると、米国の五大クラウド事業者は2026年に営業キャッシュフローの約90%（2025年は65%）を資本支出に充てる見込みです。一部の企業では資本支出が営業キャッシュフローを超える見込みもあり、2026年にはフリーキャッシュフローがマイナスに転じる可能性もあります。これにより財務報告の警告も現実味を帯びてきます。同時に、債務調達のエクスポージャーも急速に増加しており、市場は2026年に米国のテック大手の債券発行総額が4000億ドルに達するとの見方を強めており、長期債の発行も注目されています。
第三層の物語：より深い懸念は、AIの破壊的変革に対する恐れから生じており、最近多くの産業に衝撃を与えています。
この物語の進展には明確な段階的な推移があります。検索や情報取得の方法の変化から、ソフトウェア応用やビジネスプロセスの変革、そして最終的にはAIの発展段階と密接に関係するマクロなパラダイムの推移へと至ります。
最初の段階はChat時代であり、検索や情報取得の方法を変えます。ChatGPTの登場から2025年初頭まで、AIは主に対話型アシスタントの形態で存在し、質問応答、テキスト生成、検索支援を行ってきました。この段階の影響は比較的穏やかであり、特定の商用ソフトや職場の直接的な置き換えには至っていません。市場の物語は「誰が最良のモデルを訓練できるか」「誰が基盤計算力を提供するか」に焦点を当てています。
次の段階はエージェント時代であり、ソフトウェア応用やビジネスプロセスの変革です。2023年2月初旬にAnthropicがClaudeCoworkをリリースしたことは、「生成回答」から「自律的に横断的なワークフローを実行する」段階への移行を示し、世界的にソフト株（SaaSの終末論やパニック）を引き起こし、金融サービス、代替資産運用、法律、商業不動産、交通など多方面に波及しています。
最終段階は包括的AIの時代であり、未来志向の推論の段階です。Substackの「THE2028GLOBALINTELLIGENCECRISIS」には新味は少ないものの、読みやすく鋭い指摘を持ち、「GhostGDP」やホワイトカラーの代替問題を提起し、マクロパラダイムの変革議論を促しています。AIが特定の産業や補助的な「労働」に取って代わるのではなく、「労働」そのものを直接置き換える場合、従来のマクロ経済のパラダイムは根本的な挑戦に直面します。
従来のパラダイムは「生産→分配→消費→再生産」の閉ループであり、「人」は生産者でもあり消費者でもあります。供給側の生産要素と需要側の供給源を兼ね、最終的に五つの部門からなる経済循環を形成します。しかし、AIが労働力を直接置き換えると、次のような結果が想定されます。
こうしたAIに関する物語の微細な変化は、市場が「ストーリー」に対してもはや反応しなくなることを意味します。一方ではAIの収益化の遅さを心配し、他方では破壊的な変革を恐れる。この一見矛盾する心情をどう理解すればよいのでしょうか。
論理的には、上述の三層の物語が指摘する問題は現実的かつ推論可能であり、真剣に向き合うべき問いです。しかし、より重要なのは変革のタイムラインと最終的な境界線であり、これは実際には予測が非常に難しい。現在の市場はパニック的な感情に支配され、最悪のシナリオを線形に外挿して価格付けしています。
その一因は、評価額の高さや取引構造の脆弱性にあり、これがパニックの増幅器となっています。今回の調整前、AI関連のセクターの評価は歴史的に高水準にあり、商用ソフトウェアも低くなく、ナラティブの引き金による集中放出が起きていました。
それに対し、多くの影響を受ける企業のファンダメンタルズは依然として堅調であり、主要ソフトウェア企業の最新の財務報告は堅実な収益成長と利益率の改善を示しています。深く顧客と連携し、高いスイッチングコストやデータ・コンプライアンスの壁を持つ企業もあり、AIを付加価値の一部として内在化できれば、むしろ恩恵を受ける可能性もあります。
また、マクロのパラダイム変化に対しては反論もあります。一つは「ジェボンズの逆説」（Jevons Paradox）で、効率化の向上は単なる置き換えではなく、需要の爆発的な拡大をもたらすことが多いと指摘します。AIの生産性向上による「デフレ効果」（価格低下）が新たな需要や産業を生む可能性もあります。二つ目は、AIは現状想像できない新たな職種を創出し、社会の適応能力はモデルの予測よりも強いことが多いという点です。三つ目は、規制や法制度、物理的な世界との相互作用、複雑な人間関係、高度に非標準化された判断などのコストは、市場のパニック仮説よりも高く、制度や法律、社会的慣性が自然に抑制要因となることです。
したがって、AIの変革は真剣に受け止めるべきですが、その過程は一夜にして完了するものではなく、タイムラインや境界、そして不確実性はむしろ分化と構造的な機会を生み出します。動的かつ構造的に見れば、投資家がすべきことは「AIのバスケットを買う」から「より精緻な選別へ」とシフトすることです。特にパニックと評価の調整が済んだ後に、重要なのは「どの変化が起きやすいか」「どの変化が起きにくいか」「先に起きるのは何か」「後に起きるのは何か」「置き換えか補完か」を見極めることです。差別化はさらに拡大します。
いくつかの選別の視点を提案します。
（1）ハードウェア面では、「強い制約」チェーンを探す。資本支出の期待がすでに高まる中、ハードウェアの超過収益を得るのは難しくなりつつあります。市場は資本支出を報いることをやめつつあるため、供給制約が最も厳しい部分、特に過去に容量拡大が遅く、次の拡張サイクルが長く、代替案が少ない部分に注目すべきです。例えば、ストレージや電力網の制約、変圧器などの設備、先進的なパッケージング能力、光ファイバーなどです。供給のボトルネックは交渉力を高める要因となります。
（2）モデル層の競争はより激化し、モデルの重みだけでなく、次のような差別化要素も重要です。
これらを総合した「モデル能力＋データフライホイール＋ビジネス障壁」の複合体を持つ企業が有利です。2025年半ば以降、米国の大手テック企業間の株価相関は約0.8から0.2に低下し、最近のAnthropicやByteDanceの動きも続くと見られます。
（3）応用層では、迅速に実現でき、AIの価値を具体的に示せるターゲットに優先的に注目すべきです。AIによるコスト削減や効率向上（ROI）を直接定量化できる応用、企業のコアワークフローに素早く入り込める応用、垂直分野のAIネイティブアプリケーションが優位です。
特に、最近調整が進むSaaS分野では、「AIに置き換えられる薄い機能のSaaS」と「AI時代においても不可欠なデータ・実行基盤」の区別が進む可能性があります。重要なデータノードや実行の要所（セキュリティ、コンプライアンス、データパイプライン、決済など）を担うアプリケーションや、AIを内在化して付加価値を高めるアプリケーションには、誤って過小評価される可能性もあります。
（4）中米のAI路線の違いも重要な視点です。
中国と米国ではAIの発展経路やマクロ的意味合いに差異があります。
過去数年のAIチェーンの追跡と理解は、投資家に明確な「認知アルファ」をもたらしました。AI革命は依然として最も重要なテーマですが、関連銘柄の評価が高騰し、新興リーダーのIPOも差し迫る中、物語の変化は加速し、投資にはより大きな挑戦をもたらすでしょう。