Frontier
AIブームの勝者は誰か――GPUの稼働率と利用料金が左右する巨額設備投資の採算性
AI向けの計算設備が急速に増加するなか、データセンター事業者にとって新たな課題が浮上している。高性能なGPUを大量に設置しても、それらが十分に利用されなければ投資を回収することは難しい。仮にAIサービスの需要が拡大しても、計算設備の供給がそれ以上の速度で増加すれば、利用料金の低下によって事業者の収益性が悪化する可能性がある。
2026年に公表された、コロンビア大学ビジネススクールのスティン・ファン・ニューワーバーグ（Stijn Van Nieuwerburgh）教授による研究論文「Financing the AI Buildout」は、こうしたAIインフラ投資の経済性を分析している。2026年9月のBrookings会議稿では、設備の耐用年数や投資収益率、稼働率をもとに、巨額のAI投資を回収するために必要な売上高とGPUの利用料金を試算した。
研究が提起するのは、AIへの需要が今後どこまで増加するかという問題だけではない。大量に建設される設備を十分な価格で利用してもらい、投資した資本に見合う利益を確保できるかという、設備産業としての採算性である。
GPUの稼働率が下がると必要な料金は上がる
AIデータセンターの事業収益を考えるうえで重要なのが、GPUの稼働率と利用料金の関係である。高性能なGPUには多額の初期投資が必要となるが、設備の利用時間が減少しても、その購入費用が減るわけではない。そのため、稼働率が低下すると、実際に利用された時間当たりに必要な収入が増加する。
Brookings会議稿の付録Dでは、必要な投資収益率を年10％、営業キャッシュフロー・マージンを50％、IT機器の経済的耐用年数を6年と仮定している。この条件で、対象となるAIインフラへの投資を回収するには、設備が完成して成熟した段階で年間約3.725兆ドルの売上高が必要になると試算している。
この必要売上高を、論文が想定するGPUの設置台数と利用時間に換算すると、GPUが100％稼働する場合には、設置済みGPU1基当たり1時間約5.5ドルの収入が必要となる。稼働率が80％の場合には、実際に課金できる1時間当たり約6.9ドル、70％では約7.9ドルが必要になる。
重要なのは、これらがGPUの実際の取引価格ではなく、一定の投資収益率を確保するために必要な収入単価だという点である。
例えば、事業者がGPUの稼働率を80％と想定して料金を設定していても、設備供給の増加によって稼働率が70％に低下すれば、同じ投資額を回収するために必要な料金水準は上昇する。しかし、市場で競争が激しくなっていれば、その分だけ値上げできるとは限らない。
ここに、AIインフラ投資の難しさがある。設備投資によって計算能力を拡大することと、その設備から十分な収入を確保することは、別の問題なのである。
AI計算設備が供給過剰になる可能性
AI関連の設備投資では、将来の計算需要の拡大を見込んでデータセンターが建設される。しかし、設備の完成までには時間がかかり、投資判断の時点で数年後の需要を正確に予測することは難しい。
2026年10月に公表されたNBER版の「Financing the AI Buildout」では、米国で2032年までに完成すると想定される約188GWのデータセンター設備について、約9兆ドルの投資が必要になると推計している。一方、9月のBrookings会議稿では、2032年以降に完成する施設への先行投資も含む2025～2032年の投資額を約10.3兆ドルと見積もっている。両者は対象範囲と前提が異なる推計値であり、確定した建設額ではない。
今後の投資採算を左右するのは、こうした設備がどの程度実際に完成し、その計算能力を市場が吸収できるかという点である。
仮にAIサービスの利用が急増しても、計算設備の供給がそれ以上に拡大すれば、事業者間の競争によって利用料金が下落する可能性がある。反対に、電力供給や建設用地、半導体の供給に制約が残れば、計算能力が不足し、高い料金水準が維持される場合もある。
著者は、GPUの利用料金を一定の水準で維持できるかどうかについて、需要の拡大だけでなく、データセンターやクラウド事業者間の競争が重要になると指摘している。
AIの計算需要が増えるという見通しだけでは、設備投資の成功を判断できない。需要と供給の両方を分析する必要がある。
半導体メーカーとデータセンター事業者では利益の仕組みが異なる
AI関連企業の収益構造は、その企業が産業のどの段階に位置するかによって大きく異なる。
半導体メーカーは、データセンターの新設や設備更新に必要なGPUなどを供給する。設備投資が急増する局面では、半導体の販売数量や売上高が拡大する可能性がある。一方、主要顧客の投資計画が減速すれば、受注や将来の収益に影響が及ぶ場合もある。
データセンター事業者は、施設や計算能力を提供することで、賃料や利用料金などの収入を得る。しかし、施設の建設や設備の取得には多額の資金が必要であり、収益性は稼働率、料金、電力費用、設備更新などに左右される。
また、データセンター事業者のなかでも、建物と電力設備を中心に保有する企業と、GPUを自ら保有して計算能力を販売する企業では、負担するリスクが異なる。前者では賃貸契約の期間や入居企業の信用力、施設の維持費用などが重要になる。一方、後者ではGPUの利用需要や利用料金、技術革新による設備更新費用などが収益性を大きく左右する。
AIサービスを開発する企業も同様に、売上高の拡大がそのまま高い利益率につながるとは限らない。必要な計算能力を外部から調達する場合には、その利用料金が事業コストに影響する。
今回の論文は、AI産業全体の将来利益を企業別に予測した研究ではない。しかし、AIインフラの金融構造や設備の採算性に関する分析は、同じAI関連企業であっても利益とリスクの所在が異なることを考える材料となる。
GPUの耐用年数が短縮すると必要売上高は増加
設備の稼働率に加え、技術革新の速度もAIインフラ投資の採算性に影響する。
データセンターの建物や電力設備は比較的長期間利用できる一方、GPUやサーバーなどのIT機器は新技術の登場によって、短期間で競争力を失う可能性がある。従来の設備が利用できる状態でも、より高性能で電力効率の高い機器への更新が必要になる場合がある。
Brookings会議稿では、IT機器の経済的耐用年数を6年と仮定した場合、必要な成熟時点の年間売上高を約3.7兆ドルと試算している。しかし、ほかの条件を変えず、耐用年数を3年と仮定すると、必要売上高は約6兆ドルに増加する。
これは実際のAI市場がその売上高に達すると予測したものではない。投資費用を回収し、設定した収益率を確保するために必要な水準を示した条件付きの試算である。
GPUの経済的耐用年数が短くなると、新しい設備を購入する頻度が高まり、投資回収に必要な収入が増加する。反対に、設備を長く使いながら十分な需要を確保できれば、投資採算が改善する可能性もある。
AI関連の設備投資では、半導体の性能だけでなく、その設備が経済的に何年間利用できるかという問題が重要になる。
電力インフラの制約が投資競争を左右する
AIデータセンターの拡大には、計算設備だけでなく、安定した電力供給が欠かせない。大規模な施設では、送電網への接続、変電設備、冷却装置などの整備が必要となる。
こうした条件は、データセンターの建設計画や完成時期に影響する。半導体を調達できても、必要な電力容量を確保できなければ設備を十分に稼働させることは難しい。
このため、AIインフラ投資は半導体産業だけでなく、電力設備、送配電関連機器、冷却設備などの市場にも影響を与える可能性がある。
蓄電池や電力管理システムについても、ピーク電力の抑制やバックアップ電源などの用途で需要が生まれる可能性がある。ただし、実際の採算性は必要な電力容量、充放電時間、設備費用、電力価格などによって異なる。
電力関連企業がAIデータセンター向けの需要を獲得した場合でも、設備の製造費用や建設期間、受注条件によって利益率は変化する。
したがって、AIインフラの建設計画が拡大することと、それに関係する企業が十分な投資収益を確保することは、区別して考える必要がある。
技術革新の成功と投資の成功は一致しない
過去のインフラ投資にも、新しい技術の普及が設備投資の成功を保証しなかった事例がある。
1990年代後半には、インターネット需要の成長を背景に通信網や光ファイバーへの投資が拡大した。インターネットはその後、社会や経済に広く普及したが、設備投資に参加したすべての企業が十分な収益を実現したわけではなかった。
需要の拡大を期待して大量の設備が建設され、その後に供給過剰や価格競争が生じれば、技術そのものが社会に利益をもたらしても、設備を保有する企業の投資収益は低下する可能性がある。
AIインフラにも、これと共通する問題が存在する。ただし、AIと過去の通信投資では技術や市場環境、設備の耐用年数などが異なるため、同じ経過をたどると決まったわけではない。
今後のAI市場を評価するうえで重要なのは、技術が社会に普及するかどうかに加え、計算設備の需要と供給、利用料金、更新投資、資金調達費用などの条件が、事業者の収益性にどのような影響を与えるかという点である。
半導体メーカー、クラウド企業、データセンター事業者、電力関連企業では、AI市場の成長によって得られる利益も負担するリスクも異なる。AIブームの勝者を考えるには、企業がどの市場で収益を得ているのか、その収益を得るためにどれほどの資本を必要とするのかを見極める必要がある。
今回の研究が示す稼働率と必要利用料金の関係は、AIインフラの投資採算を理解するための重要な視点となる。AIという技術が成功することと、AIインフラへの巨額投資が高い収益を生み出すことは、必ずしも同じではない。
参考資料・関連研究
1．Brookings Papers on Economic Activity（原論文全文・29ページ）
Stijn Van Nieuwerburgh, "Financing the AI Buildout," Fall 2026 Conference Draft.
2．Columbia Business School（AIインフラの投資採算に関する研究解説）
3．Brookings Institution（研究者インタビュー・解説）
"The $10 Trillion Question: Financing the AI Buildout," October 8, 2026.
4．Columbia Business School（著者所属大学の研究紹介）
Stijn Van Nieuwerburgh, "Financing the AI Buildout."
5．国際エネルギー機関（IEA／2026年のAI・電力需要分析）
IEA, "Key Questions on Energy and AI," April 16, 2026.
6．国際エネルギー機関（IEA／データセンターの電力需要予測）
IEA, "Energy and AI: Energy Demand from AI," 2025.
7．ローレンス・バークレー国立研究所（米国データセンターの電力使用量）
Shehabi et al., "2024 United States Data Center Energy Usage Report," December 2024.
IMF, "Global Financial Stability Report: Resilience, Risk, and Transformation," October 2026.
9．国際通貨基金（IMF／データセンターへの融資と金融リスク）
IMF, "Global Financial Stability Report," April 2026, Chapter 1, Box 1.3.