AI需要はまだ終わらない——トークン経済が企業、半導体、雇用を飲み込む日

「AIブームはそろそろピークではないか」。
2024年から2025年にかけて、投資家、メディア、企業経営者のあいだでは何度もこの問いが繰り返されてきた。生成AIは一時的な熱狂なのか。GPU投資は過剰なのか。企業は本当にAIにお金を払い続けるのか。

しかし、NextBigFutureが2026年4月25日に公開した記事「AI Demand is Still Booming」が描く世界は、その疑念とはかなり違う。そこにあるのは、AI需要の失速ではなく、むしろ需要が供給を大きく上回り続けるという見方だ。しかも、その需要は単なるチャットボット利用や話題性ではない。企業が実際の業務でAIを使い、コードを書かせ、調査を進め、分析を自動化し、これまで大人数で時間をかけていた仕事を少人数で処理し始めているという現実である。

この記事の中心にあるのは、半導体・AIインフラ分析で知られるSemiAnalysisのDylan Patel氏の発言だ。NextBigFutureは、SemiAnalysis自身のAI支出が、前年の数万ドル規模から、現在では年間換算で700万ドル規模に急増したと紹介している。重要なのは、その支出が研究者やエンジニアだけのものではない点だ。非技術職のスタッフまでもがClaudeやコード生成AIを日常的に使い、業務の進め方そのものを変えているという。

これは、AI需要を考えるうえで極めて重要な視点だ。AIの価値は「何人が無料で試したか」では測れない。企業がどれだけ業務プロセスに組み込み、どれだけトークンを消費し、その消費がどれだけの売上、コスト削減、意思決定速度につながるかで決まる。つまり、AI経済の中心指標は「ユーザー数」から「トークン消費量」と「トークンあたりの経済価値」に移りつつある。

実行が安くなり、アイデアの価値が問われる時代

NextBigFutureの記事で最も刺激的なのは、「アイデアは安く、実行は難しい」という古い常識が崩れつつあるという主張だ。

これまでのビジネスでは、アイデアだけなら誰でも出せるが、それを実装し、検証し、営業し、改善し続ける実行力こそが差別化要因だった。優れたプロダクトを作るにはエンジニア、デザイナー、データ分析者、プロジェクトマネージャー、営業担当が必要で、時間も資金もかかった。

しかし、AIがコードを書き、調査し、仮説を検証し、資料を作り、データを分析するようになると、実行のコストは急速に下がる。もちろん、人間の判断や品質管理は必要だが、「まず作ってみる」「まず調べてみる」「まず検証してみる」までの距離は圧倒的に短くなる。

この変化は、起業家や企業にとっては大きなチャンスだ。少人数のチームでも、大企業並みの試行錯誤ができる。個人でも、以前なら部署単位で行っていた分析や開発に近いことが可能になる。NextBigFutureの記事では、GPUを使ったチップ解析ダッシュボードや、米国の電力網分析・AI影響ベンチマークのような作業が、少人数・短期間で実現された例が紹介されている。

ただし、この世界では「何を作るか」の重要性がさらに増す。実行が簡単になるほど、凡庸なアイデアはすぐに模倣され、価格競争に巻き込まれる。AIで何でも作れるようになるからこそ、本当に価値のある問いを立てられる人、独自のデータや顧客接点を持つ企業、意思決定の速い組織が有利になる。

AI時代に価値を持つのは、単なる作業量ではなく、良い問題設定、良いデータ、良い市場理解、そしてAIの出力を現実の利益に変える能力だ。

トークンを使う企業と、使わない企業の格差

この記事が提示するもう一つの強い論点は、「AIをほどほどに使う」だけでは不十分になる可能性だ。

AI導入というと、多くの企業はまずコスト削減を考える。従来8時間かかっていた仕事を1時間で終わらせる。人員を減らす。外注費を削る。これは確かに短期的には効果がある。

だが、NextBigFutureの記事が強調するのは、それだけでは勝てないという考え方だ。AIで1時間働いて終わりにするのではなく、同じ8時間を使って8倍、10倍のアウトプットを出す企業が勝つ。つまり、AIを「楽をする道具」として使うか、「生産量を爆発させる道具」として使うかで、企業間の差が広がっていく。

この見方はかなり厳しい。AIを使わない人、使っても限定的な人、トークン消費をケチる企業は、長期的に不利な立場に固定されるという警告でもある。Dylan Patel氏周辺で語られる「permanent underclass」という表現は過激だが、言いたいことは明確だ。AIを使い倒して価値を生む層と、AIによって置き換えられる側に回る層とのあいだに、新しい格差が生まれるということだ。

もちろん、この議論には注意も必要だ。全員が無制限にAIを使えばよいという単純な話ではない。機密情報、誤情報、著作権、セキュリティ、品質保証、コスト管理の問題は残る。しかし、企業がAI利用を過度に制限し、現場が旧来のやり方に縛られたままでいれば、AIを積極活用する競合に対してスピードで劣後する可能性は高い。

AI時代の経営課題は、「AIを使うかどうか」ではなく、「どの業務に、どのモデルを、どの権限で、どれだけ使わせるか」に移っている。

需要爆発の裏側にある半導体ボトルネック

AI需要が増えるほど、現実世界の制約が前面に出てくる。モデルはクラウド上で動いているように見えるが、その裏側にはGPU、CPU、メモリ、ネットワーク、電力、冷却設備、データセンター、半導体製造装置、先端パッケージングがある。

NextBigFutureの記事は、特にメモリ、TSMC、CPU、GPU寿命、光通信、銅箔、PCB、製造装置など、AIインフラの各層で供給逼迫が起きていると指摘している。AI需要は単にNVIDIAのGPUだけを押し上げているのではない。AIエージェントや推論処理が広がるにつれて、CPUやDRAM、HBM、ストレージ、ネットワーク機器にも負荷が広がっている。

これは重要な変化だ。初期のAI投資ブームは、主に大規模モデルの学習に必要なGPU需要として語られてきた。しかし、AIが実務に組み込まれると、需要の中心は推論、つまり日々の利用に移っていく。企業がコード生成、検索、分析、カスタマーサポート、営業支援、設計、ロボット制御などにAIを使えば使うほど、継続的な計算資源が必要になる。

そして推論需要は、単発の巨大トレーニングとは違う。毎日、毎時、毎秒発生する。ユーザーが増え、AIエージェントが自律的にタスクを回し始めれば、トークン消費は人間の手入力速度を超えて増える。AIが別のAIを呼び出し、コードを生成し、テストし、修正し、検索し、再び要約する。こうしたエージェント的なワークフローは、従来のチャット利用よりはるかに多くの計算資源を消費する。

その結果、半導体供給網は広範囲に圧迫される。DRAMやHBMの不足、先端プロセスの生産枠、CoWoSのような先端パッケージング、サーバーCPU、データセンター電力、送電網、冷却設備。AI需要は、ソフトウェア産業の話であると同時に、製造業、エネルギー、地政学の話でもある。

Anthropic、Claude Code、そして“モデルの囲い込み”

記事ではAnthropicの収益成長やClaude Codeの利用拡大にも触れられている。NextBigFutureは、AnthropicのARRが大きく伸び、需要が強いため価格やレート制限を調整しても売れる状況にあると述べている。ただし、こうした数字は非公開企業に関する推定や関係者発言を含むため、公式決算のように扱うべきではない。

それでも、方向性としては理解しやすい。AIコーディングツールは、企業にとって費用対効果が見えやすい。コード生成、バグ修正、テスト作成、移行作業、社内ツール開発などは、AIによる時間短縮が直接的に測定しやすい領域だ。エンジニアの時給や採用コストを考えると、高性能モデルへの支出が正当化されやすい。

ここで問題になるのが、最良のモデルへのアクセスだ。需要が供給を上回るなら、AI企業はすべてのユーザーに同じ条件で最高性能モデルを提供する必要はない。高い単価を払う企業、長期契約を結ぶ企業、戦略的に重要な顧客を優先できる。

NextBigFutureの記事が言う「model hoarding」は、この状況を表す。最高性能モデルや大きな推論枠が、資金力のある企業に優先的に割り当てられる可能性がある。そうなれば、AIの民主化という理想とは逆に、AI能力が一部の巨大企業や高収益企業に集中する。

これはクラウド時代にも起きたことだが、AI時代にはさらに深刻になるかもしれない。なぜなら、AIモデルへのアクセス差が、そのまま製品開発速度、営業効率、研究開発能力、顧客対応力、さらには雇用構造に直結するからだ。

ロボティクスが次の需要波を作る可能性

記事では、ヒューマノイドロボットやロボティクスにも触れている。現在のロボットAIは、視覚・言語・行動を結びつけるモデルがまだデータ効率の面で課題を抱えている。しかし、もし少数の実演から作業を学べるようなブレークスルーが起きれば、物理世界でのAI需要が一気に広がる可能性がある。

この点は、AI需要の将来を考えるうえで非常に大きい。現在のAI需要の多くは、文章、コード、画像、動画、検索、分析といったデジタル空間で発生している。だが、ロボットが倉庫、工場、家庭、建設、医療、農業、物流で使われ始めれば、AIは物理的な作業にも入り込む。

物理世界の作業は、デジタル作業より市場規模が大きい。人間が手で行っている仕事、移動を伴う仕事、環境変化に対応する仕事は膨大にある。ロボットがそれらを少数ショットで学習できるようになれば、ロボット1台あたりの学習、推論、シミュレーション、制御に大量の計算資源が必要になる。

つまり、ロボティクスの進展は、GPUやトークン需要の第2波になり得る。テキストAIの次に、物理AIが来る。もしそうなれば、AIインフラ需要は現在の予想をさらに上回る可能性がある。

SNS・コメント欄の反応：強気、警戒、中国脅威論

 

この記事や関連するDylan Patel氏の発言に対するネット上の反応は、単純な賛否では分けられない。大きく見ると、三つの反応がある。

第一に、投資家・テック関係者の強気な反応だ。X上では、AI支出は理論上の期待ではなく、TSMCやASML、メモリ企業、データセンター関連企業の受注や見通しに現れているという投稿が見られる。AI需要はまだ続く、半導体サイクルは終わっていない、むしろGPU以外のCPUやメモリ、電力インフラに広がっているという見方だ。これはNextBigFutureの記事と近い立場である。

第二に、労働者や一般ユーザーの不安だ。AIが仕事を奪うのではないか、企業がAI投資のために人員削減を進めるのではないか、AIデータセンターが地域の電力や水資源を圧迫するのではないかという懸念は強い。Pew ResearchやNBC News関連の報道でも、米国ではAIに対する警戒感が高まっていることが示されている。SNSでは、AIを「生産性向上の道具」と見る投稿と、「雇用と創作を破壊する仕組み」と見る投稿が正面からぶつかっている。

第三に、中国との競争をめぐる反応だ。NextBigFutureの記事のコメント欄では、中国モデルが米国に遅れている理由は技術そのものよりもチップ供給の制約であり、中国が数年以内にその制約を克服すれば、低価格競争で米国AI企業が苦しくなるという趣旨のコメントが投稿されている。これは、AI競争をモデル性能だけでなく、半導体供給、国家産業政策、価格競争力の問題として見る視点だ。

このコメントは一読者の見解にすぎないが、重要な論点を含んでいる。現在のAI覇権は、モデル、データ、半導体、クラウド、電力、資本市場が一体になっている。米国企業が高性能モデルと高価格契約で先行しても、中国企業が効率化と低価格化で追い上げれば、市場構造は変わる。DeepSeek以降、低コスト・高効率モデルのインパクトはすでに広く意識されている。

AIへの反発は本当に広がるのか

NextBigFutureの記事は、2026年秋までにAI企業、特にAnthropicやOpenAIに対する大規模な抗議が起きる可能性にも触れている。これはかなり強い予測だが、背景には世論の変化がある。

AIに対する不安は、単なる新技術への漠然とした恐怖ではない。雇用、著作権、教育、偽情報、監視、軍事利用、データセンター建設、電力消費など、具体的な争点が増えている。AI企業のトップが「世界が大きく変わる」「多くの仕事が変化する」と語れば語るほど、一般の人々は期待よりも不安を感じやすくなる。

さらに、AIの恩恵が見えにくいことも問題だ。企業はAIでコストを削減し、投資家は株価上昇を享受し、エンジニアや経営者は生産性向上を実感する。一方で、一般消費者が感じるのは、カスタマーサポートの自動化、コンテンツの粗製乱造、雇用不安、電気料金や地域インフラへの懸念かもしれない。

AI企業が社会的な支持を得るには、「未来にすごいことが起きる」と語るだけでは不十分だ。医療、教育、中小企業支援、行政手続き、障害者支援、研究開発など、現在の生活を具体的に良くする事例を見せる必要がある。そして、雇用移行や再教育、データ利用の透明性、地域との合意形成にも向き合わなければならない。

技術が強力になるほど、社会的な説明責任も大きくなる。

「ファントムGDP」という見えない生産性

記事の中で興味深い概念の一つが「Phantom GDP」だ。AIによって実際の生産量や価値は増えているのに、コストが大幅に下がるため、従来のGDP統計には十分に表れないという考え方である。

たとえば、以前なら200人が1年かけて行っていた分析を、数人が数週間で実行できるようになったとする。社会的には大きな価値が生まれている。しかし、その作業に支払われる人件費や外注費が大幅に減れば、名目上の経済活動は縮んで見えるかもしれない。

これはインターネット時代にも起きた問題だ。無料の検索、無料の地図、無料の翻訳、無料または低価格のソフトウェアは、生活の質を大きく向上させたが、GDPにはその全価値が反映されにくい。AIはこの問題をさらに大きくする可能性がある。

企業の内部では、AIによる生産性向上が明確に見えている。だが、マクロ統計ではその価値が捉えにくい。結果として、経済指標は停滞しているように見えるのに、実際の知的生産量や意思決定速度は急上昇している、という奇妙な状況が起こり得る。

この「見えない生産性」は、政策判断を難しくする。雇用統計、賃金、GDP、企業利益、物価、設備投資の読み方を変える必要が出てくるからだ。

では、企業と個人は何をすべきか

AI需要が本当にこれからも拡大するなら、企業と個人に求められる行動は明確だ。

企業はまず、AI利用を実験段階で止めてはいけない。社内チャットボットを導入して終わりではなく、営業、開発、経理、法務、調査、マーケティング、カスタマーサポート、経営企画など、業務ごとにAIで何を増幅できるのかを見直す必要がある。

同時に、AI支出を単なるコストとしてではなく、売上や生産性に変換する投資として管理するべきだ。どの部署がどれだけトークンを使い、どのような成果を出しているか。AIによって増えたアウトプットは何か。削減できた時間を、より高付加価値な仕事に再投資できているか。こうした指標が必要になる。

個人にとっても、AIは避けて通れない。重要なのは、AIを使って短時間で仕事を終わらせることだけではなく、AIによって自分の提供価値を増やすことだ。調査の深さ、提案の数、試作品の速度、学習効率、発信量、分析力。AIを使って自分の仕事の上限を引き上げる人と、従来の作業を少し楽にするだけの人では、数年で大きな差がつく。

ただし、AIを使うほど人間の役割が消えるわけではない。むしろ、問いを立てる力、出力を評価する力、倫理的・法的リスクを判断する力、顧客や社会の文脈を読む力が重要になる。AIは実行を速くするが、何を実行すべきかまでは自動的に決めてくれない。

AI需要は「ブーム」から「産業基盤」へ

NextBigFutureの記事が示す最大のメッセージは、AI需要を一過性のブームとして見るのは危険だということだ。

もちろん、現在のAI投資には過熱もある。すべてのAI企業が成功するわけではない。高すぎる評価額、過剰な設備投資、収益化できないサービス、社会的反発、規制、エネルギー制約など、リスクは多い。AI関連株が常に上がり続ける保証もない。

しかし、需要そのものが消えるかといえば、そう考える根拠は弱い。企業がAIで実際に業務を速くし、コードを書き、分析し、意思決定し、顧客対応を変えているなら、トークン需要は継続する。さらに、エージェント、ロボティクス、動画生成、科学研究、設計自動化が広がれば、計算資源への需要はむしろ増える。

AIの本質は、単なるアプリではなく、知的作業の限界費用を下げるインフラである。知的作業が安くなれば、企業はより多くの知的作業を発注する。ソフトウェアが安くなるほどソフトウェア需要が増えたように、トークンが価値を生む限り、AI需要は増え続ける。

次の競争は、誰が最も良いモデルを持つかだけではない。誰が最も多く、最も賢くトークンを使えるか。誰が半導体と電力を確保できるか。誰がAIの出力を利益に変えられるか。そして、誰が社会的反発を抑えながら、AIの恩恵をわかりやすく示せるか。

AI需要はまだブームの中にある。だが、そのブームは単なる熱狂ではなく、経済の基礎構造を変える段階に入り始めている。

---

出典URL

NextBigFuture。Dylan Patel氏のインタビュー内容、SemiAnalysisのAI支出急増、AI需要、半導体供給制約、ロボティクス、社会的反発予測など、本記事の主要な土台。
https://www.nextbigfuture.com/2026/04/ai-demand-is-still-booming.html

Dylan Patel氏の関連インタビュー「The Supply and Demand of AI Tokens」。トークン需要、供給制約、AI利用による生産性変化に関する背景情報。
https://www.youtube.com/watch?v=LF3aUIM57uw

SemiAnalysisの「The Great AI Silicon Shortage」。AI計算需要、トークン需要、半導体供給不足、TSMC・メモリ・GPU供給制約に関する補足情報。
https://newsletter.semianalysis.com/p/the-great-ai-silicon-shortage

BigGo FinanceによるSemiAnalysisのAIトークン支出に関する要約記事。SemiAnalysisの年間換算700万ドル規模のAI利用、Phantom GDP、permanent underclassの議論を補足。
https://finance.biggo.com/news/49e997a69909cc52

ReutersのMorgan Stanley関連報道。エージェントAIの普及により、GPUだけでなくCPUやメモリ需要も拡大するという市場見通しの補足。
https://www.reuters.com/technology/morgan-stanley-sees-agentic-ai-widening-chip-spending-beyond-graphics-processors-2026-04-20/

Pew Research CenterのAIに対する米国世論の整理。AI規制への信頼、職場でのAI利用、雇用不安など、社会的反発の背景情報。
https://www.pewresearch.org/short-reads/2026/03/12/key-findings-about-how-americans-view-artificial-intelligence/

Pew Research Centerの職場AIに関する調査。米国労働者のAIへの期待と不安、雇用機会への懸念についての補足。
https://www.pewresearch.org/social-trends/2025/02/25/u-s-workers-are-more-worried-than-hopeful-about-future-ai-use-in-the-workplace/

The VergeによるNBC News世論調査の紹介。AIに対する好感度が低いという社会的反発の文脈を補足。
https://www.theverge.com/ai-artificial-intelligence/891724/nbc-news-march-2026-poll-ai-ice

X上の関連投稿例。AI支出が受注や半導体企業の見通しに表れているという強気なSNS反応の参考。
https://x.com/LogWeaver/status/2044840169233084452

X上の関連投稿例。Dylan Patel氏の「より多くのトークンを使わなければ恒久的な下層にとどまる」という趣旨の発言が拡散された反応の参考。
https://x.com/InvestLikeBest/status/2047453235527512076