Anthropicに14000億ドルを与えるべきでしょうか?
著者:胡泳、北京大学新聞与传播学院教授
編集:苏扬、テンセント科技
人工知能産業は、象徴的な瞬間を迎えています。
2026年11月、設立からわずか5年余りのAnthropicが初の公開株式募集(IPO)を開始し、1兆ドルを超える評価額で資本市場に参入しようとしています。
招募書類によると、AnthropicのIPO完了後の基本流通総株式数は約130.7億株で、発行価格の範囲が70ドルから78ドルの場合、基礎的な時価総額は約9160億から1.02兆ドルに相当します。従業員オプションなど約49.2億株の潜在株式を考慮に入れると、完全希薄化評価額は約1.26兆から1.4兆ドルに達します。
大規模言語モデルを中心とした企業が、これほど短期間でこれほどの市場評価を得ること自体が、技術産業史上稀な現象です。
しかし、Anthropicの上場は、資本市場が人工知能の将来性を認めたことを意味するだけでなく、長い間技術の突破と資金調達の熱潮に隠されていた問題が、ついに公に検証される必要があることを示しています:人工知能は巨大な市場需要を創出しましたが、それがその評価額に見合った利益を生み出すことができるのか?
この記事を通じて、いくつかのトピックを探求したいと思います:
700億ドルの年収、調整後の41億ドルの営業利益、1040億ドルの純損失が同時に招募書類に記載されている中で、ビジネスモデルの根拠は何ですか?
モデルの推論は毎回計算力を消費し、最も活発なユーザーが必ずしも最も多くの収入をもたらすわけではありません。
モデル企業はエネルギー、通信、インフラの形で資本を組織し、評価の論理は「モデルがどれだけ強いか」から、資本コスト、投資回収期間、資本収益率へと移行しています。
ユーザー関係、ワークフロー、エコシステムを掌握している企業は、モデル企業よりもインテリジェンスを収入に変えるのが容易かもしれません。
現在、作業を完了することをインテリジェンスの価格設定とすることには合意がありますが、タスクの失敗やエラーによる経済的損失を誰が負担するかについてはまだ合意がありません。
人工知能が創出する価値は、必ずしもモデル開発者の収入や利益に等しいわけではありません。
チップ、電力、研究開発、資金調達コストなどを精算した後、「金を掘る」人がどれだけ残るかが、Anthropic上場の真の検証事項です。
01 700億 vs 13億:収入の奇跡と利益の疑問
これまでの人工知能のバブルの中で、最も確実な勝者は「シャベル」を販売する企業のようです。NVIDIAはGPUを提供し、TSMCは先進的なチップ製造を担い、クラウドコンピューティング企業はデータセンターを構築し、電力とエネルギー企業はますます大きくなる計算施設に基礎条件を提供しています。
どの大規模モデル企業が最終的に勝利を収めても、これらのインフラ供給者は産業全体の拡張から利益を得ることができます。
対照的に、OpenAIやAnthropicなどの大規模モデルを直接開発する企業は、驚異的なユーザー成長と収入成長を得ているものの、より複雑な経済学の問題に直面しています:インテリジェンスの開発コスト、インテリジェンスの販売価格、技術の先進性を維持するために必要な資本投入が、持続可能なビジネスサイクルを形成できるのか?
Anthropicの招募書類は、この問題を理解するための重要な根拠を提供しています。
2026年11月に更新された上場書類によると、同社の2025年の収入は約45.85億ドル、2026年の最初の9ヶ月の収入はすでに332.42億ドルに達し、第三四半期だけで約170億ドルの収入を実現しました。これは、たった1四半期の収入が、上半期全体の合計を超えたことを意味します。第三四半期の単季収入を単純に年化すると、Anthropicの収入運営率(run-rate)は680億から700億ドルに近づいています。
この成長速度は、従来のソフトウェア産業の発展ペースをはるかに超えており、生成型人工知能はもはや資本補助によってユーザー規模を維持する実験的な技術ではなく、 実際の支払い能力を持つ商業市場を形成しつつあることを示しています。
特に注目すべきは、Anthropicの収入が主に企業顧客からのものであり、インテリジェンスの使用量に応じて課金されるサービスである点です。これは、大規模モデルの商業化の焦点が、チャットツールの使用権の販売から、生産活動に参加できるインテリジェンス能力の販売へと移行していることを示しています。
大規模モデルは金を掘り当てただけでなく、 **掘削量はトン単位です。**しかし、収入の爆発的な成長は、自動的に利益の問題を解消するわけではありません。
Anthropicは2026年前9ヶ月の計算力とインフラ支出が約188億ドルに達し、332.42億ドルの総収入の約57%を占めています。
経営面では依然として損失が発生しており、前9ヶ月のGAAP(米国一般会計基準)営業損失は約12.6億から13億ドルです。 前9ヶ月の純損失は1040億ドルに達しましたが、その中には可変転換金融商品および関連負債の公正価値再評価から来るかなりの部分が含まれており、日常的な経営の現金流出ではありません。同時に、同社が開示した調整後の営業利益は約41億ドルに転正しました(調整後営業利益率は約12%)、収入に対する計算力コストの効率も著しく改善しています。
したがって、巨額の純損失だけを根拠にAnthropicのビジネスモデルが成立しないと断言するのは明らかに単純すぎますが、調整後の営業利益が転正したからといって大規模モデルが利益の難題を解決したと認定するのも同様に十分な根拠がありません。
重要なのは、企業が持続的な研究開発投資、計算力調達、インフラ構築および資金調達コストを負担した後、長期的に十分な自由現金流(FCF)を生み出すことができるかどうかです。
ますます多くの企業が、人工知能による定量的な生産性向上を強調し始めています。これには、作業フローの加速、通常のタスクの自動化、サービス能力の拡大、コスト管理の改善が含まれます。明らかに、人工知能の需要は強いですが、ウォール街はこの需要を満たすために必要なコストに対して忍耐を失いつつあります。
最も顕著な例はMetaです。同社の第三四半期の財務報告によると、人工知能がMetaの広告収入を26%増加させたにもかかわらず、同社の四半期自由現金流はマイナスに転じ、これは十年以上ぶりの現金純流出の状況です。同時に、Metaはその攻撃的な人工知能インフラ拡張計画を支えるために資本支出の見通しを引き上げました。
全体として、ウォール街はAIインフラ投資のリターン(ROI)に対する不安を瞬時に拡大させました。
過去2年間、市場は「AI能力の向上、ユーザーの粘着性の増加」と聞くだけで盲目的なプレミアムを与えていました。しかし、現在の段階では、資本支出が全業界で数千億ドル、さらには1兆ドル規模に迫る中で、ウォール街は精算士のように計算し始めています:これらの計算力投入はいつ実際の純増自由現金流に転換されるのか **?
もし投資回収期間が長すぎる場合、またはAIによる収入の増加が毎年数百億ドルの減価償却や電気代の請求を相殺できない場合、市場は評価の罰則を課すでしょう。
市場調査機関Gartnerの予測によれば、企業が現在の支出速度を維持し続けると、2030年末までに3.5兆ドルを超える人工知能インフラ投資が資産減損リスクに直面する可能性があります。人工知能サービス提供者は、2026年に人工知能インフラに近く1兆ドルを投入し、2027年から2030年にかけてさらに6兆ドルを投入する見込みです。
Gartnerは、この期間中に企業顧客と消費者からの人工知能収入が、これらの投資を利益性のあるリターンに支えるには不十分である可能性があると指摘しています。
02 スケールの非経済性
巨大な供給と需要、財務の不一致は、大規模モデルと従来のソフトウェア産業との根本的な違いを明らかにしています。
過去数十年、ソフトウェア・アズ・ア・サービス(SaaS)が資本市場に好まれるビジネスモデルとなったのは、ソフトウェア開発が完了した後、より多くのユーザーにサービスを提供するための限界コストが相対的に低いことが鍵でした。顧客規模が拡大するにつれて、企業は通常、スケール効果を通じて利益率を向上させることができます。しかし、大規模モデルはこの論理に完全には従いません。
モデルの推論、コード生成、長文分析、インテリジェントエージェントによるタスク実行は、実際の計算リソースを消費する必要があります。特に、人工知能が質問に答えることから複雑な作業を自律的に完了することに発展する際、1つのタスクはモデルを繰り返し呼び出し、外部情報を検索し、プログラムを実行し、結果を検証する必要があり、コストが増加します。固定月額料金のサブスクリプションを提供する企業にとって、最も活発なユーザーが必ずしも最も利益をもたらすユーザーであるとは限らず、むしろ計算力を最も消費するユーザーである可能性があります。
これが、各大規模モデルメーカーが上下文の長さ制限、呼び出し回数の上限、または階層的な課金を通じて「ユーザーを選別」する必要がある理由です。
重度のユーザーが「資産」から「負担」に変わる可能性がある中で、大規模モデル企業のビジネスモデルが成熟しているかどうかを判断するには、単に有料ユーザー数、サブスクリプション収入の成長、またはユーザーの活発度を見るだけでは不十分であり、異なるユーザーグループの単位経済性を観察する必要があります:各ユーザーがどれだけの収入をもたらし、どれだけの推論リソースを消費し、使用強度が増加した後の利益率がどのように変化し、企業がより合理的な価格設定と技術の最適化を通じてこの関係を改善できるかどうかです。
大規模モデルは必ずしもスケール経済を形成できないわけではありません。モデル圧縮、推論最適化、チップのアップグレード、キャッシュ技術、異なるモデル間のタスク分配は、単位計算コストを持続的に低下させることができます。Anthropicが開示した経営効率の改善も、技術の進歩がコスト構造を変える可能性があることを示しています。
しかし、人工知能は特有の需要拡張メカニズムにも直面しています:インテリジェントサービスがより安価で強力になると、ユーザーは単に既存のタスクをより低コストで完了するだけでなく、機械に過去には完了できなかったより多くの作業を要求し始める可能性があります。
経済学のジェヴンズの逆説は、ここで示唆に富んだ参照を提供します:資源利用効率の向上は、必ずしも資源消費の総量を減少させるわけではなく、むしろ需要の増加を刺激する可能性があります。大規模モデル企業にとって、単位推論コストの低下は、必ずしも全体の計算力支出の低下を意味するわけではありません。より安価なインテリジェンスは、より広範な応用をもたらし、より大きな計算需要をもたらす可能性があります。
Anthropicの招募書類における将来の計算力調達の約束に関する開示は、この矛盾を際立たせています。同社がすでに締結し開示した長期的な計算力とインフラの取り決めは、総規模が約9000億ドルに達し、その中のかなりの部分が2030年までに発生することが予想されています。
これらの数字は、Anthropicが相応の金額を支払ったことを意味するものではなく、現在の負債として単純に見ることもできませんが、重要な変化を反映しています:最前線の人工知能企業は、従来の意味での軽資産ソフトウェア企業から、チップ製造、電力網の容量、データセンター、長期資本調達に高度に依存する重資産技術企業へと変わりつつあります。大規模モデル企業は依然としてアルゴリズムの革新と研究人材に賭けていますが、物理的なインフラ供給の制約をますます受けるようになっています。
もし企業が技術の先進性を維持するために数千億ドルを継続的に投入しなければならない場合、その収入の成長が驚異的であっても、既存の評価を支えるのに十分な資本収益率を保証することはできません。
人工知能は特有の産業形態を呈しています:それはソフトウェア産業の速度で収入を創出しながら、エネルギー、通信、工業インフラ産業の方法で資本を組織する必要があるかもしれません。投資家はこれまで、どの企業が最も先進的なモデルを持ち、最も多くのユーザーを抱え、最も早く収入を増加させるかに注目していました。しかし、今後は、資本コスト、計算力調達価格、インフラ利用率、投資回収期間が、企業の長期的な競争力を決定する可能性があります。
03 モデル商品化のいくつかの可能性
Anthropicと比較して、OpenAIのビジネス展開はより広範で、個人ユーザーの汎用的な知能アシスタントになることを目指すと同時に、企業や開発者が人工知能を利用するための基盤プラットフォームにもなろうとしています。しかし、OpenAIも同様の矛盾に直面しています。
OpenAIの年次収益(ARR)と四半期収益はすでに100億ドル規模に達していますが、複数の公開財務開示や業界予測は、次世代の最前線モデルの高額なトレーニングコスト、巨額の推論支出、そして数百億ドル規模の計算力リース契約に制約されているため、近年の累積経営損失と今後数年間の予想キャッシュフローのギャップは依然として数百億ドルから千億ドルに達することを指摘しています。
したがって、ユーザーを引き付けることが鍵ではなく、最大の課題は広範な使用需要を持続的な資本投入をカバーするのに十分な収益に変換する方法です。
Metaは別の道を示しています。
OpenAIやAnthropicとは異なり、Metaは主に大規模モデルの販売によって収益を得るのではなく、人工知能を既存の広告、推薦、ソーシャルプラットフォームの体系に組み込んでいます。モデルの能力の向上は、コンテンツ配信、広告マッチング、マーケティングの自動化効率を改善し、成熟したビジネスの収益性を直接強化します。
Metaにとって、人工知能はまず既存のビジネスシステムの効率を向上させる技術であり、必ずしも独立して料金を請求する新製品ではありません。 このモデルには明らかな利点があります:既存の顧客関係、ユーザー規模、広告取引体系を活用して収益化を実現でき、消費者が知能サービスのために新しい支払い習慣を確立することに完全に依存する必要がありません。
しかし、Metaもデータセンターへの投資が拡大する問題に直面しており、巨額の資本支出がフリーキャッシュフローに圧力をかけています。これは、成熟したビジネスモデルを持つことが人工知能の資本集約的な特性を排除するわけではなく、これらのコストを負担するためのより安定した収益基盤を提供するだけであることを示しています。
Metaのケースは、大規模モデルの商業化におけるより深い矛盾を明らかにしています:モデルが創出する経済的価値は、必ずしもモデル提供者が直接得られるわけではありません。
人工知能がさまざまな製品やサービスに広く組み込まれるにつれて、ユーザー関係、アプリケーションシーン、商業チャネルを掌握する企業は、単にモデル能力を提供する企業よりも価値の収益化を実現しやすくなる可能性があります。これにより、基盤モデルが徐々に商品化されるかどうかが、大規模モデル企業の収益見通しを理解する上での重要な問題となります。
異なる企業が開発したモデルが性能、信頼性、使用体験において徐々に近づくと、顧客は価格とサービスコストにますます注目するようになります。モデル提供者が技術的進歩を続けても、競争のために長期的に高い利益を維持することが難しくなる可能性があります。
技術能力の拡散は消費者にとって有利ですが、必ずしも最初の技術開発者にとって有利ではありません。歴史的に、多くの重要な技術は最終的に広く使用されるインフラストラクチャになりましたが、技術自体の普及はその発明者が最大の経済的利益を得ることを保証するものではありません。
ただし、モデルの商業化はすべての人工知能サービスが商品化されることを意味するわけではありません。
企業が実際に購入するのは、質問に答えることができるモデルではなく、内部業務を理解し、専有データを呼び出し、複雑なプロセスを実行し、安全性とコンプライアンス要件を満たすことができるインテリジェントシステムのセットです。人工知能が企業の財務、研究開発、法務、顧客サービスプロセスに深く入り込むと、サプライヤーの変更は単なるチャットインターフェースの変更ではなく、データ移行、システム統合、リスク管理、組織トレーニングを含む可能性があります。
したがって、将来的により堅固なビジネスの堀は、モデルパラメータ自体ではなく、モデルと企業の業務プロセスの結合、そしてそれによって形成される開発者ネットワーク、データ環境、サービスエコシステムにあるかもしれません。
この観点から見ると、AnthropicとOpenAIも必ずしも基盤モデル提供者の位置に永遠に留まるわけではありません。彼らも消費者や企業向けの完全なサービスを開発しており、製品体験、業務プロセス、顧客関係を通じて差別化された優位性を築こうとしています。
AnthropicがClaude Managed Agentsを通じて企業のエージェント展開のハードルを下げ、Claude Codeを活用してソフトウェア開発プロセスに深く入り込むことや、OpenAIが人工知能を企業の日常業務に統合することを推進しているように、両社は同じ方向を探求しています:モデル能力や対話ツールの提供から、業務プロセスに組み込まれ、継続的にタスクを実行できるインテリジェントサービスの提供へと移行しています。
同時に、インテリジェントエージェントの発展は、人工知能の価格設定ロジックをさらに変える可能性があります。従来のサブスクリプションモデルは、一定期間内のソフトウェア使用権を販売し、トークン単位で計算リソースの消費を販売しますが、インテリジェントエージェントは実際には特定の作業の完了能力を販売する可能性があります。
もしAIシステムが法律文書のレビュー、ソフトウェアテスト、企業の財務分析を独立して完了できるなら、顧客が本当に関心を持つのは、それが消費したトークンの量ではなく、タスクが完了したか、結果が信頼できるか、そしてそれによってどれだけのコストが節約されたかです。
タスク、作業量、さらには実際の成果に基づいて料金を請求することが、将来のビジネスモデルの重要な構成要素となる可能性があります。しかし、このモデルは新たな責任問題も引き起こします:人工知能がタスクを完了しなかった場合、またはその誤りが経済的損失を引き起こした場合、費用とリスクは誰が負担すべきでしょうか?インテリジェントサービスが実際の労働に近づくほど、そのビジネスモデルは従来のソフトウェア産業のルールを完全に適用することが難しくなります。
04 誰が掘り当てた金を残せるのか?
よりマクロな視点から見ると、人工知能産業は価値分配構造の再編成を経験しています。
初期の最も明らかな受益者は、チップ、製造、インフラストラクチャの供給者です。なぜなら、業界全体の拡張は計算リソースへの需要に転換されるからです。しかし、モデル能力が拡散するにつれて、利益は企業の業務プロセス、ユーザーインターフェース、アプリケーションエコシステムを制御できる企業に徐々に移転する可能性があります。
もし計算力が長期的に不足している場合、インフラストラクチャ供給者は依然として強い交渉力を持つでしょう;もしモデル供給が十分であれば、アプリケーション企業はより大きな価値分配の余地を得るかもしれません;もし少数のプラットフォームがモデル、データ、支払い、業務プロセスを統合できれば、それらは新しいプラットフォーム経済を形成する可能性があります。
将来的に誰が最大の利益を得るかは、産業チェーンのどの段階が持続的な希少性を形成できるかに依存します。
歴史的に、マイクロソフトの長期的な競争優位性は、Windowsオペレーティングシステムのライセンス収入だけでなく、オペレーティングシステムを中心に形成された開発者エコシステム、ソフトウェアの互換性、企業顧客ネットワークからも来ています;グーグルもユーザーから検索料金を徴収することで商業帝国を築いたわけではなく、検索によって形成されたユーザーインターフェースを商業ニーズに変換して広告収入を得ています。
今日のAnthropicとOpenAIも同様に重要な選択に直面しています:基盤モデルは果たして、常に巨額の資本を投入して維持する必要がある技術製品に過ぎないのか、それとも開発者、企業顧客、アプリケーションエコシステムをつなぐプラットフォームの基盤となるのか?
もし彼らがモデルの上に安定した開発者ネットワーク、深く統合された企業業務プロセス、そして簡単には代替できないサービス体系を構築できれば、モデルの性能自体を超えた競争優位性と価格設定能力を得る可能性があります。しかし、このプラットフォーム化の転換が持続的な計算力投入をカバーするのに十分な利益を生むかどうかは、長期的な業績の検証が必要です。
Anthropicが最近提出した規制文書によれば、同社が今後行う予定の初めての公開株式(IPO)は、最も理想的な状況で1.4兆ドルの評価(希薄化後)、900億ドルの資金調達に達する可能性があります。
この野心的なIPOは、実際には投資家による人工知能業界への公投です。 それは より広範な 投資家に機会を提供します ------ 彼らは 会社が引き続き資金を消費することを支持することも、人工知能業界の重要な指標となる可能性のあるこの会社を回避することもでき、1.4兆ドルという歴史的な高評価を拒否することもできます。
いずれにせよ、AnthropicのIPO申請書は無視できない問題を明らかにしています:収益成長を維持するために、会社は上昇する計算コストを負担しなければなりません。これは明らかに投資家を説得することをより困難にします。もし人気のある人工知能のスター企業が、上場後も持続的に不振であれば、市場はそれを耐えられるでしょうか?これは時間をかけて検証する必要があります。
一つの問題は簡単に見落とされがちです:人工知能が創出する経済的価値は、必ずしもモデル開発者の収益や利益に転換されるわけではありません。
企業が人工知能を利用して生産性を向上させ、節約したコストは使用者の手に残る可能性があります;消費者が無料または低価格のインテリジェントサービスを通じて得る便利さは、消費者余剰として現れ、モデル提供者の収益にはならないかもしれません。たとえ人工知能が最終的に社会全体の生産性を著しく向上させたとしても、モデル開発者がその創出した価値に応じた経済的報酬を得られるとは限りません。
技術の社会的価値と開発者の財務的利益の間には、必然的な対応関係は存在しません。
AI **は確かに金を掘り当てました。しかし、チップ、電力、データセンター、研究開発投資、資金調達コストがすべて清算された後、掘金者は果たしてどれだけ残せるのでしょうか?**これが大規模モデルのビジネスモデルがまだ答えていない核心的な問題です。
Anthropicの上場はこの問題の終わりではなく、問題をより厳格な段階に導きました。それ以前は、市場は技術の突破、ユーザーの成長、資金調達の評価に基づいて未来を想像できました;上場後、企業は収益、利益、キャッシュフロー、資本回収を通じて自らの商業的価値を証明し続けなければなりません。
モデルがより賢いかどうかはもちろん重要ですが、より重要なのは、企業が経済的に持続可能な方法で知能を生産、分配、販売できるかどうかです。