AI支出が「トークン最大化」から効率へ。IPO前夜に始まった顧客の選別

何が起きたのか

CNBC（6月26日付）は、AI支出の発想が「トークン最大化」から効率へ移っていると報じた。トークンとは、AIが処理する文章の最小単位を指す。利用が増えるほど、消費するトークンは増え、費用は膨らむ。これまでは、費用を気にせず大量に使うことが成長の象徴だった。その前提が崩れた。経営者は、明確な投資回収の絵がなければ、AIに金を出さなくなった。

象徴的な事例がある。CNBC（6月26日付）によれば、AIスタートアップのLindyのCEOは、自社の処理をAnthropicのClaudeから全面的に切り替えた。移した先は、中国のDeepSeekである。安価で、重みを公開したモデルを提供する会社だ。同CEOは、すべての処理を移したところ、費用曲線が地面に叩きつけられるように下がったと語った。性能の最先端より、費用の現実を選んだ判断である。

この事例が示すのは、乗り換えの容易さである。かつては、特定のモデルに合わせて作り込んだ仕組みを、別のモデルへ移すのは難しかった。だが、各社のモデルが似た使い方を採るようになり、移行の壁は下がった。気に入らなければ、より安いモデルへ移せる。顧客が乗り換えやすくなれば、AI企業は価格で縛られる。一社に囲い込む力が弱まり、価格と性能で常に選ばれ続ける必要が出てきた。顧客の選択肢が増えたことが、競争の質を変えている。

価格は、最先端ほど上がっている。CNBC（6月26日付）によれば、OpenAIの新モデルは、前の世代の倍の単価で登場した。グーグルの高速モデルも、前世代の約3倍の価格になった。Anthropicの新モデルも、従来の倍の単価である。性能の向上に応じて、最先端の利用料は上がり続けた。一方で、安価な代替が性能を上げてきた。最先端の価格と、実用に足る安価な選択肢の差が、顧客の判断を揺らしている。

業界の構図そのものも問い直されている。TechCrunch（6月26日付）は、もはやAnthropic対OpenAIの二強争いではないと論じた。中国のDeepSeekのような安価なモデルが、現実の選択肢として台頭した。性能のわずかな差より、費用の大きな差が効く場面が増えた。二強がしのぎを削る一方で、足元では別の競争が起きている。最先端を追わない顧客の存在が、市場の地図を塗り替えつつある。

重みを公開したモデルという特徴も、流れを後押しする。DeepSeekは、モデルの中身である「重み」を公開している。重みとは、AIが学習で身につけた知識の本体にあたる。これを公開すれば、企業は自社の設備でモデルを動かせる。外部のサービスに毎回費用を払う必要がなくなる。データを社外に出さずに済む利点もある。安さに加えて、自社で抱え込める自由度が、企業を引きつけている。

すべての顧客が乗り換えるわけではない。最先端の性能が必要な用途では、依然として二強のモデルが選ばれる。難しい推論や、長い手順を要する作業では、性能の差が成果を分ける。問題は、そうした用途が全体のどれだけを占めるかである。多くの業務は、最先端でなくても回る。実用に足る安価なモデルがあれば、そちらで十分という判断が広がる。最先端の価値が、用途ごとに問い直されている。

時期も重要である。CNBC（6月26日付）によれば、OpenAIとAnthropicはともに6月初めに非公開でIPOを申請した。両社の評価額は1兆ドルに迫る。巨額の期待を背負って上場へ向かう。だが、その足元で顧客の支出は選別へと向かう。成長の物語と、現場の倹約。この二つのずれが、上場後の評価を左右する。投資家は、成長率だけでなく、収益の質を見始めている。

トークンという単位を、改めて説明しておきたい。AIは文章を、単語よりも細かい「トークン」という塊に分けて処理する。利用料は、このトークンの数で決まる。長い文章を投げ、長い答えを受け取れば、消費するトークンは増え、費用も増える。「トークン最大化」とは、費用を気にせず大量のトークンを使う姿勢を指す。賢い答えを得るために、惜しみなく処理を投げる。その発想が、これまでの成長を支えた。いま、その前提が問い直されている。

費用の急増が、見直しの引き金になった。AIを業務に組み込むほど、処理の回数は増える。一回ごとの費用は小さくても、積み重なれば大きな額になる。経営者は、その請求書を見て立ち止まった。AIで何が改善し、いくらの価値を生んだのか。費用に見合う成果が示せなければ、支出は続かない。導入の熱狂が一巡し、費用対効果という冷静な物差しが戻ってきた。

背景：これまでの経緯

数年前まで、AIへの支出に上限はないように見えた。ChatGPTの登場以降、企業は競って生成AIを導入した。少しでも賢いモデルを、少しでも多く使う。その姿勢が、競争に遅れない証とされた。費用は二の次だった。AIを使うこと自体が、先進性の象徴になった。この「使えば使うほど良い」という空気が、AI企業の急成長を支えた。

その熱狂は、AI企業の評価額を押し上げた。OpenAIとAnthropicは、成長率の高さで投資家の資金を集めた。評価額は1兆ドルに迫る水準まで膨らんだ。だが、評価額の根拠は、将来の収益への期待である。期待が現実の収益に裏づけられなければ、評価はいつか揺らぐ。導入の熱が冷め、費用対効果が問われる段階が、いずれ来ることは見えていた。

両社の費用構造にも、見直しの圧力がかかる。賢いモデルを広く配るほど、それを動かす費用は膨らむ。利用者を増やすために価格を抑えれば、一回ごとの採算は厳しくなる。成長と採算が、引っ張り合う関係にある。上場をにらむ局面で、投資家はこの矛盾を見ている。成長率という物語だけでは、足元の赤字を正当化しきれない。収益への道筋を、具体的に示す必要が出てきた。

IPOという節目が、この問いを鋭くした。上場すれば、四半期ごとに業績を開示する義務が生じる。成長の物語だけでなく、数字での説明が求められる。投資家は、売上の伸びと同時に、利益への道筋を問う。費用がかさむ事業は、その問いに答えにくい。両社が顧客の支出の選別に直面するこの時期に、上場の準備が重なった。市場が成熟へ向かう局面で、AI企業は事業としての強さを試されている。

潮目を変えたのは、現場の実感だった。AIを導入したものの、期待した成果が出ない。費用ばかりがかさむ。そうした声が、各社で積み上がった。経営者は、AI支出の費用対効果を厳しく見るようになった。導入の段階から、活用と回収の段階へ。企業のAIとの向き合い方が、熱狂から計算へと変わった。

この変化は、新しい技術が普及する過程でよく見られる。登場直後は、可能性への期待が先行し、誰もが飛びつく。やがて、現実の成果が問われる段階が来る。期待と現実の差が、いったん失望を生む。その後、本当に価値のある使い方が定着する。AIも、その道のりを歩んでいる。いまは、過熱した期待が冷め、地に足のついた活用へ移る局面にある。費用対効果への関心の高まりは、技術が社会に根づく過程の自然な一歩でもある。

安価なモデルの台頭が、この変化を後押しした。中国のDeepSeekは、重みを公開した安価なモデルで存在感を高めた。最先端には及ばないとしても、多くの業務には十分な性能を持つ。価格は最先端の数分の一である。性能の差がわずかなら、費用の差が決め手になる。実用本位の顧客にとって、最先端を選ぶ理由は薄れた。

安価なモデルが性能を上げてきた事実も重い。かつては、安いモデルは性能も低く、実用には足りなかった。だが、技術の進歩は安価な側にも及んだ。最先端との差は、年を追うごとに縮まっている。最先端が一歩進む間に、安価なモデルが追いつく。この追い上げが続けば、最先端である価値そのものが問われる。先頭を走る企業ほど、後続との差を保つための費用がかさむ。その費用を、誰が負担するのかという問いが残る。

価格の上昇という逆説も起きている。最先端のモデルほど、利用料が世代ごとに上がってきた。性能を上げるには、より多くの計算が要るからである。賢くなるほど高くなる。一方で、安価なモデルは性能を上げながら価格を抑える。最先端と安価な選択肢の差は、性能でも価格でも広がっている。顧客は、その差を見て判断する。高い最先端を選ぶか、安くて十分なものを選ぶか。選択の基準が、明確に分かれ始めた。

利用の現場でも、発想の転換が進んだ。当初は、AIに任せる範囲を広げるほど成果が出ると考えられた。だが実際には、どの作業をAIに任せ、どこを人が担うかの見極めが成果を分けた。やみくもに大量の処理を投げるより、要点を絞って使う方が、費用も結果も良い。この気づきが、現場に広がった。費用対効果を高めるのは、より賢いモデルではなく、より賢い使い方である。同じモデルでも、使い方次第で費用は何倍も変わる。企業の関心は、どのモデルを買うかから、どう使いこなすかへと移りつつある。道具の性能から、道具を扱う技量へ。競争の焦点が、静かに移動している。

競争の質も変わった。かつてはAnthropic対OpenAIという、性能の頂点を争う構図が注目された。だがいまは、価格と費用対効果という別の軸が浮上した。Anthropicが中国のアリババによる不正な抽出を告発した一件も、競争の激しさを物語る。ブルームバーグ（6月24日付）が伝えた研究者の移籍劇と合わせ、業界は人材、技術、価格の多面的な争いへと広がっている。

世界トップメディアの見立て

CNBC（6月26日付）は、AI支出が成長の象徴から精査の対象へ変わったと論じた。同メディアは、IPOを控える両社にとって、この変化が評価を左右すると指摘した。投資家はもはや、無条件で資金を投じない。費用に見合う成果を求める。成長率という物語だけでは、上場後の評価を支えきれない。市場が成熟しつつある証だと見ている。同メディアによれば、かつて支出を惜しまない姿勢の最大の受益者だったのが、ほかならぬこの二強だった。その追い風が弱まる局面で、上場を迎える。

TechCrunch（6月26日付）は、二強の構図そのものが古くなったと主張した。同メディアは、安価なモデルの台頭で、競争の軸が性能から費用対効果へ移ったと整理した。最先端を追う企業と、実用で十分とする企業。市場が二つに分かれていく。最先端の性能が、必ずしも商業的な勝利を意味しない時代になったという見立てである。

価格上昇のデータは、各メディアの分析を裏づける。CNBC（6月26日付）が示した単価の比較によれば、最先端モデルの利用料は世代ごとに上がっている。性能を上げるには、より多くの計算が要る。その費用が価格へ転嫁される。最先端を維持するほど、価格は上がる構造である。安価な代替との差が広がるほど、顧客の選別は進む。価格の上昇が、皮肉にも乗り換えを促している。

この構造は、AI企業にとって難しい問いを突きつける。性能で先頭を走り続けるには、巨額の計算費が要る。その費用を価格に乗せれば、顧客は安価な選択肢へ逃げる。価格を抑えれば、自社の採算が悪化する。先頭を走るほど、この板挟みは深まる。最先端の地位そのものが、必ずしも事業の強さを保証しない。賢さを追う競争と、採算を守る競争が、同じ企業の中でせめぎ合っている。各社は、その均衡点を探っている。

中国勢の存在を重く見る論調も強い。安価で重みを公開したモデルは、費用を抑えたい企業にとって魅力的である。性能の差が縮まれば、価格の優位がそのまま競争力になる。米国の二強が性能で先行しても、世界の多くの顧客が安価な選択肢へ向かえば、収益の地図は変わる。技術の頂点と、市場の支持は、必ずしも一致しない。

競争の激化は、別の場面にも表れている。Anthropicは、中国のアリババが不正な手段で自社モデルの能力を抜き取ろうとしたと告発した。報道によれば、2万5000件の不正な口座を使い、数千万回に及ぶやり取りを通じて、Claudeの能力を自社モデルの学習に取り込もうとしたという。事実なら、最先端の能力をめぐる争いが、正攻法の外にまで及んでいることになる。性能、価格、そして能力の模倣。AIの競争は、複数の戦線で同時に進んでいる。

ブルームバーグ（6月24日付）が伝えた研究者の移籍劇も、同じ文脈にある。各社は、最先端を担える人材を奪い合っている。優秀な研究者の移籍が、企業の競争力を左右する。人材、技術、価格。この三つすべてで、業界は激しく動いている。費用対効果への関心の高まりは、その大きな地殻変動の一部である。最先端を維持する費用が、各社の経営を圧迫し始めている。

数字で見る

項目	内容
支出の潮目	「トークン最大化」から効率重視へ
OpenAI・Anthropicの評価額	1兆ドルに迫る水準
IPO申請	両社とも2026年6月初めに非公開で申請
Lindyの事例	Claudeから中国DeepSeekへ全面切り替え
最先端の単価	世代ごとに上昇（前世代の2〜3倍の例も）
競争の軸	性能の頂点から費用対効果へ
報道日	2026年6月26日（CNBC、TechCrunch）

日本への影響・示唆

第一に、AI導入の判断基準が変わる。これまでは最先端のモデルを使うことが先進性の証だった。これからは、業務に必要な性能を、最も安く実現できるかが問われる。日本企業がAIを導入する際も、最先端である必要は必ずしもない。用途に合ったモデルを、費用対効果で選ぶ。冷静な選定眼が、競争力の差になる。

第二に、モデルの使い分けが現実的になる。重要な業務には最先端を、定型的な処理には安価なモデルを。一つのモデルにすべてを任せるのではなく、用途ごとに使い分ける発想が広がる。複数のモデルを組み合わせて費用を抑える設計が、これからの標準になる。日本企業にとっても、調達と運用の巧拙が成果を分ける。簡単な要約や分類には安価なモデルを当て、難しい判断には最先端を使う。この切り分けを設計できる人材が、社内で重みを増す。AIの導入は、もはやどのモデルを使うかという単純な選択ではない。用途ごとに最適な組み合わせを設計する、運用の技術へと変わりつつある。

第三に、安価な選択肢の見極めが要る。DeepSeekのような中国勢の安価なモデルは、費用面で魅力的である。一方で、データの扱いや安定供給、規制の観点から、慎重な検討も要る。安さだけで選べば、別のリスクを抱える。費用、性能、安全性の三つを天秤にかけ、自社の用途に合う組み合わせを選ぶ。その判断力が、AI活用の成否を決める。特に顧客情報や機密を扱う業務では、データがどこへ送られ、どう保管されるかを確かめる必要がある。安さの裏にあるリスクを見落とせば、後で大きな代償を払いかねない。

第四に、AIの成果を測る仕組みが要る。費用対効果を語るには、効果そのものを測れなければならない。AIを使って何時間を節約したのか、どれだけ品質が上がったのか。それを数字で示せる企業が、支出の妥当性を説明できる。逆に、効果を測らずに使い続ければ、費用だけが膨らむ。日本企業がAIを定着させるには、導入と同時に効果を測る習慣を持つことが要る。感覚ではなく、データで判断する。その姿勢が、無駄な支出を防ぐ。

第五に、自社の強みとAIの組み合わせを考えたい。AIそのものは、誰でも使える道具になりつつある。差がつくのは、その道具を自社の業務にどう組み込むかである。balubo社のようなコンテンツ制作の現場でも、取材や編集のどの工程にAIを使い、どこは人が担うかの設計が成果を分ける。AIを使うこと自体は競争力ではない。自社ならではの使い方を見つけられるかどうかが、これからの差になる。

今後の見通し

注目点は三つある。第一に、IPOの行方である。OpenAIとAnthropicの上場が、どう評価されるか。顧客の支出が選別へ向かう中で、投資家が成長の物語をどこまで信じるか。上場の成否が、AI業界全体の温度を測る指標になる。

第二に、価格競争の深化である。安価なモデルの台頭で、最先端の価格にも下押し圧力がかかりうる。各社が性能と価格のどこで折り合うか。利用料金の動きが、顧客の選択を左右する。

第三に、費用対効果の可視化である。AIの成果を、どう測り、どう示すか。投資回収を説明できる企業が、支出を続けられる。成果の見える化が、AI活用の次の課題になる。測れないものは、改善もできない。AIの効果を数字で捉える仕組みが、これからの標準になる。

第四に、米中のAI競争の行方である。米国の二強が性能で先行する一方、中国勢が安価さで追い上げる。世界の顧客が、どちらをどれだけ選ぶか。技術の優位と市場の支持が、どこで折り合うか。AIの覇権は、最先端の性能だけでなく、世界の現場でどれだけ使われるかで決まる。安さと十分な性能を併せ持つモデルが普及すれば、勢力図は塗り替わりうる。その競争は、まだ序盤にある。

AIの競争は、最も賢いモデルから、最も割に合うモデルへと軸を移し始めた。