AI投資サイクルの減速ではなく、TrainingからInference / Agentへの重心移動
AI開発のペースが落ちれば、GPUやデータセンターへの投資も減るのでしょうか。今回の議論は、安全性検証や社会実装が追いつくための時間を確保する「ペース調整」です。個社による訓練の一時停止は既に公表されていますが、2026年9月29日の自主合意には、業界一律の計算資源や開発頻度の上限、違反時の罰則は盛り込まれていません。
投資上注目したいのは、AIの計算需要の重心がTrainingからInference / Agentへ移る可能性です。モデルの安定化が企業導入を促し、Inference需要を押し上げるなら、AI需要の強弱だけでなく、その中身がどこへ移るかが重要になります。サブセクターごとの恩恵度に生じる差を、この先で考えていきます。
AI投資への影響をどう見るか
足元で議論されているAI開発の「ペース調整」について、現時点でAI関連投資の中長期的な前提を引き下げる必要はないと考えています。
「AI開発を減速させる」という見出しだけを見れば、モデル開発の鈍化、GPU需要の減少、データセンター投資の減速といった連想につながりやすく、短期的にAI関連株のセンチメントを悪化させる可能性はあります。ここで扱うのは、2026年9月にAnthropicのDario Amodei氏が論じた、安全性の検証や企業・社会への実装が追いつくための時間を確保しようという「ペース調整」です。
ただし、同氏は国際協調による停止も選択肢に含めており、OpenAIも8月18日時点で最大規模の予定強化学習(RL)訓練の保留を公表しています。9月29日の自主合意には、業界一律の計算資源や開発頻度の上限、違反時の罰則は盛り込まれていません。これは、既存のAI規制やその執行制度が存在しないという意味ではありません。
むしろ投資上重要なのは、今回の動きをきっかけにAIの計算需要の重心が、より巨大なモデルを作るためのTrainingから、すでに十分高性能になったモデルを大量に使うInference / Agentへ移る可能性です。
そうであれば、AI投資は減速するのではなく、知能を作る局面から、知能を実装して収益化する局面へ移行することになります。短期的にはTraining関連需要の成長率低下が意識される可能性がありますが、中長期では企業導入、Agentの普及、Inference利用量の増加がそれを上回り、AI全体の計算需要をさらに押し上げる可能性があると考えています。
[関連]データセンター関連銘柄｜AIラッシュと電力争奪戦が生む投資機会を徹底解説
「AI開発の減速」と「AI経済の減速」は同じではない
これまでフロンティアAIでは短期間に新モデルが投入され、そのたびに性能が大幅に向上してきました。技術的には極めてポジティブなことですが、AIを導入する企業の側から見れば、モデルの更新速度は速ければ速いほど望ましい、というわけでもありません。
企業がAIを本格導入するには、モデル選定、PoC、セキュリティ・コンプライアンス審査、システム接続、業務フローの再設計、本番運用まで相応の時間を要します。その途中で能力特性の異なる次世代モデルが登場すれば、評価や設計をやり直す必要も生じます。特にAIエージェントが企業の実際の業務プロセスを担う段階では、モデルの絶対性能だけでなく、プラットフォームの安定性が重要になります。
したがって、モデルの更新速度が落ち着けばプラットフォームの安定性が増し、企業導入が進み、Agentの浸透とInference利用量の増加を通じてAIの収益化につながる、という経路は十分に考えられます。AI技術の進歩速度を最大化することと、AI産業の経済価値を最大化することは、必ずしも同じではありません。
[関連]AI関連銘柄2026年版｜本命の日本株・米国株とAIエージェントなど注目テーマを解説
今回の議論は、能力向上が止まったから出てきたものではない
今回のペース調整論が出てきた背景も重要です。
AI企業の経営者が開発速度について議論し始めたのは、モデル性能が期待を下回っているためではありません。むしろ能力向上が速く、一部の高度なエージェントでは想定以上の自律性が確認されたため、安全性や管理体制を能力向上に追いつかせる必要性が高まったことが背景にあります。
安全性については当然慎重に見る必要があります。一方で投資の観点から見れば、「AIの能力向上が頭打ちになったため開発を遅らせる」という話とは逆です。今回のペース調整論を、AI技術の進歩そのものが失速した証拠と解釈するのは適切ではないと考えています。
最大の論点は、TrainingとInferenceのネット効果
AIインフラ投資について最も重要なのは、ペース調整によってTraining需要がどの程度減速し、その一方でInference / Agent需要がどの程度加速するかです。
AIの総計算需要は、Training、Inference、そして安全性評価の三つに分けて考えることができます。Trainingは一回あたりの計算量が極めて大きい一方、モデルを開発する企業数やTraining runの回数には限りがあります。これに対してInference需要は、ユーザー数、AI利用率、タスク数、そして一タスクあたりの計算量の掛け算で決まります。潜在的な母数は、こちらの方が圧倒的に大きいと考えています。
Agent化が「一タスクあたりの計算量」を押し上げる
特に重要なのがAI Agentです。
従来型のAIでは、一つの質問に対してモデルが一度あるいは数回推論して回答していました。Agentでは、一つの仕事を完了するために、計画を立て、検索し、資料を読み込み、推論し、コードを実行し、結果を検証し、修正して再実行し、最終成果物をまとめる、といった処理を自律的に繰り返します。したがって、一つのユーザー要求から発生するモデル呼び出しの回数は大幅に増加します。
さらに将来的には、人間がAIを呼び出す需要だけでなく、AIがAIを呼び出すマシン・トゥ・マシンの計算需要が増えていく可能性があります。この段階になると、人間が入力できるプロンプトの数はInference需要の上限ではなくなります。AIの計算需要を考えるうえで、これは非常に大きな構造変化です。
Trainingの減速が、Inferenceを加速させる可能性
今回特に注目しているのは、TrainingとInferenceが単純な代替関係にはないことです。
モデルの世代交代が多少安定すれば、企業はAIを本番システムへ組み込みやすくなります。その結果、Trainingの成長率低下がモデルの安定性を高め、企業導入とAgentの浸透を促し、Inference計算需要をむしろ押し上げる、という反作用が起きる可能性があります。
つまり「Training需要が減った分だけInferenceに移る」のではなく、Trainingのペース調整そのものがInference需要を増加させる可能性があるということです。中長期のAI計算需要を考えるうえでは、Inference、Agent、安全性評価の増分から、Trainingの減少分を差し引いたネットで評価する必要があります。現時点では、Inference / Agentの潜在市場と利用量の増加余地を考えると、中長期ではプラスになる可能性の方が高いと見ています。
DeepSeekショックから得られる示唆
2025年初頭のDeepSeek登場時にも、AIモデルの効率改善によって必要な計算資源が減少し、GPUやデータセンターの需要が減速するのではないかという懸念が急速に広がりました。しかしこの議論では、一単位あたりの計算量の低下と、コスト低下によって誘発されるAI利用量の増加を、分けて考える必要がありました。2025年1月にDeepSeek-R1が注目された後の決算でも、主要なハイパースケーラーは高水準の設備投資方針を維持し、複数社が前年を大きく上回る年間投資計画を示しました。
今回のペース調整にも同じ構造があります。Training頻度の低下だけを取り出せば計算需要にはマイナスですが、モデルが安定することで企業導入やAgent利用が加速すれば、Inference側の需要増加がそれを上回る可能性があります。
ただし、二つの事象の機構が同じというわけではありません。DeepSeekは能力あたりのコストを下げた事象であり、今回のペース調整は能力の投入間隔を延ばす事象です。共通しているのは事象そのものではなく、市場の推論の誤り方のほうです。DeepSeekが「より安くAIを作ることでAI利用を拡大させる」ショックだったとすれば、今回のペース調整は「モデルを安定させることでAI利用を拡大させる」可能性を持つものだと言えます。
共通する教訓は、計算効率の改善やTraining intensityの低下を、そのままAIの総計算需要の低下と読み替えてはいけない、という点にあります。
InferenceにはJevons効果が働きやすい
Inferenceにはもう一つ重要な要素があります。
AI半導体の性能向上やソフトウェアの最適化によって、トークンあたりのInferenceコストは継続的に低下すると考えられます。通常であれば、同じ仕事をより少ない計算資源で処理できるようになるため、これは半導体需要にはマイナスに働きます。
しかしAIでは、推論コストの低下がAIを利用できる業務範囲を広げ、利用頻度とAgent数を増やし、結果として総トークン消費量をむしろ増加させる、というJevons効果が発生する可能性があります。推論の利用単価が10分の1になり、利用量が20倍になれば、利用者の総支出は2倍になります。必要な計算資源が増えるかどうかは、利用量の伸びと、単位あたりの資源効率の改善との関係で決まります。
特にAgentが自律的に稼働する世界では、最終的なInference需要は人間の数ではなく、Agentの数、その稼働時間、そして一タスクあたりの計算量によって決まるようになります。この市場規模は非常に大きいと考えています。
AI CapExはPhase 1からPhase 2へ
これまでのAI設備投資は、より大きなモデルを作るためにTrainingを大規模化し、最新GPUを並べた巨大クラスタと高速ネットワークを構築し、それがさらに大規模なTrainingを可能にする、という循環が中心でした。知能そのものを作り上げる局面、Phase 1です。
今後は、企業導入が進み、Agent化によってInferenceが増え、AIサービス収入が立ち上がり、既設設備の稼働率が上がってROIが改善し、それが再投資につながる、という循環の比重が高まる可能性があります。作った知能を実装し、収益化する局面、Phase 2です。
これはAI CapExサイクルの終了ではありません。モデルを作るためのCapExから、モデルを使って収益を生むためのCapExへの移行です。むしろ後者の方が、設備投資と実体経済のROIを結びつけるという意味で、AI投資サイクルを持続可能にする可能性があります。
AIインフラの投資回収にもプラスに働く
これまでAI CapExに対する代表的な弱気論の一つは、巨額の設備投資を回収する前にGPUやAIシステムが陳腐化するのではないか、というものでした。モデルやシステムの世代交代が極端に速ければ、設備投資を短期間で回収する必要があり、データセンター投資の採算性やファイナンスにも影響します。
フロンティアモデルの能力ジャンプの間隔が多少延び、その間に既存インフラを利用したInferenceや企業向けサービスが拡大すれば、既設設備の利用率が上がり、設置済み計算資源あたりの収入が増え、投資回収の確度とROIの見通しやすさが改善します。
もっとも、半導体そのものの世代交代は別の変数であり、ハードウェアの経済的寿命が機械的に延びるわけではありません。それでも「技術進歩が速すぎて投資を回収できない」というAI CapEx最大の懸念の一つを緩和する方向には働きます。
半導体・AIインフラへの影響は一様ではない
重要なのは、1単位のTraining computeと1単位のInference computeでは、必要とされるハードウェア構成が同じではないことです。
Trainingでは、最高性能のアクセラレータ、HBM、超高速のスケールアップ／スケールアウト・ネットワーク、アドバンストパッケージングへの要求が非常に高くなります。これに対してInferenceはよりヘテロジニアスで、GPUだけでなくカスタムASICや推論専用アクセラレータなど、複数のアーキテクチャが使われる可能性があります。したがって、総計算需要が増加しても、サブセクターごとの恩恵には差が生じます。
相対的に恩恵が大きいと考えているのは、まずメモリとHBMです。Reasoning、Long Context、Agentの普及によって、Inferenceにおいてもメモリ容量と帯域の重要性は高まります。大量のAgentを並列稼働させるほどメモリ需要は増加するため、TrainingからInferenceへの移行を単純にHBM intensityの低下と捉えるべきではありません。
次にテスト工程です。Inference市場が拡大すれば、GPUに加えてカスタムASIC、推論アクセラレータ、HBMといった高性能半導体の出荷数量そのものが増えます。さらにチップレット化、HBMの高層化、アドバンストパッケージングの複雑化によって、テスト工程の重要性も高まります。TrainingとInferenceのどちらが伸びても恩恵を受けやすい領域だと考えています。
[関連]半導体関連銘柄の本命株｜AI・ダイヤモンド・国産化テーマを徹底解説
アドバンストパッケージングを含む後工程も同様です。Inferenceであっても、演算とメモリを近接配置する必要性は変わりません。むしろGPUだけでなく複数のカスタムアクセラレータが登場すれば、ロジック、HBM、I/Oダイ、チップレットを統合する技術の重要性はさらに高まる可能性があります。
[関連]半導体製造装置関連株の今後は？下落局面の本命銘柄と投資ポイントを解説
光ファイバーおよびデータセンター間接続も挙げられます。Trainingは巨大なデータセンターに計算資源を集中させることが合理的ですが、Inferenceではレイテンシを下げるため、ユーザーに近い地域へ計算資源を分散させる必要があります。ハイパースケールDCからリージョナル／メトロDCへの分散が進めば、DC間接続や光ファイバーの需要にはむしろプラスとなる可能性があります。
[関連]光電融合の関連銘柄｜IOWN本命の光半導体を業績と株価で解説【2026年】
一方、相対的に影響を受けやすいのは、超大規模Trainingクラスタ向けのネットワークです。GPU間を極めて高速に同期させるスケールアップ／スケールアウト・ネットワークは、巨大Trainingクラスタへの依存度が高いため、Training投資の成長率が実際に低下すれば相対的に影響を受けやすい領域です。もっともInferenceクラスタの大型化も進むため、絶対需要が減少するとは限りません。
最先端の前工程も同様です。フロンティアモデル競争が若干緩やかになれば、最新ノードへの移行速度に多少の影響が出る可能性があります。一方でInferenceの拡大によってアクセラレータ、ASIC、CPU、メモリ、ネットワークICのウエハ数量が増えれば、最先端比率は下がるものの数量は増える、という組み合わせになる可能性があります。前工程全体への影響は、現時点ではニュートラルから緩やかなプラスと考えています。
サブセクター別の方向感
TrainingからInference / Agentへの重心移動を前提とした相対的な方向感は、恩恵度の大きい順に、テストとHBM・DRAM、次いでアドバンストパッケージングを含む後工程と光ファイバー・DC間接続、その次にAIアクセラレータ、そして前工程装置とTraining専用色の強い超高速ネットワーク、という並びで考えています。
これはAI需要そのものの強弱を示したものではありません。AI需要の中身が、FLOPsを最大化する投資から、トークンとタスクを最大化する投資へ移行した場合の、相対的な恩恵度です。
現時点ではレジームチェンジではない
投資判断では、ナラティブがまず政策に変わり、政策が設備投資に影響し、設備投資が業績に効いてくる、という順番で考えるのが分かりやすいと思います。既に個社の訓練の一時停止や外部評価体制の整備が公表され、9月29日には自主合意も公表されており、議論だけの段階ではありません。
今後、業界を拘束する具体的な計算資源やTraining頻度の上限が設定される、開発ペースを直接制限する執行力を伴う政府規制が導入される、大手AI企業やクラウド事業者が設備投資計画を下方修正する、データセンター計画や契約のキャンセルが相次ぐ、大手企業がAgent導入を停止する。こうした事象が確認されれば、初めて業績前提を再検討する必要があります。現時点では、そこまでの変化は確認されていません。
短期的な株価変動と中長期的なAI需要の見通しは、分けて評価すべきだと考えています。
中長期ではAI投資サイクルを健全化する可能性
今回のニュースを「AIブームの終わり」と解釈する必要はないと考えています。
むしろ、モデル能力の急速な向上に対して一定のペース調整が入り、プラットフォームの安定性が高まって企業導入が拡大し、Agentが普及してInference計算需要が増え、既設AIインフラの稼働率とROIが改善し、それがより持続可能なAI CapExにつながる、という流れも考えられます。
これまでAI投資に対する最大の疑問は、「年間数千億ドル規模の設備投資を誰が利用し、どう回収するのか」という点でした。モデルをさらに賢くするためだけにCapExが増え続けるのであれば、この疑問は残ります。しかしAI投資の主軸が、TrainingのCapExがモデル能力を生むという構図から、InferenceのCapExがAgentと企業の生産性を生み、それが収益として回収されるという構図へ移るのであれば、この疑問には答えが出はじめます。
設備投資が実体経済の生産性と結びつくかどうかが、AI投資サイクルの持続性を決める分岐点です。今回のペース調整の議論は、その分岐点に向かう動きとして捉えることもできると考えています。
一行でまとめるなら
「AI開発の減速」と「AI経済の減速」は同義ではありません。
今回の動きは、AI投資が知能を作る局面から、知能を実装して収益化する局面へ移行する契機になりうるものであり、その場合に問われるのはAI需要の強弱ではなく、需要の中身がどこへ移るかです。
今なら急騰期待の“有力3銘柄”を
無料で配信いたします
買いと売りのタイミングから銘柄選びまで全て弊社にお任せください。
投資に精通したアナリストの手腕を惜しげもなくお伝えします。
弊社がご提供する銘柄の良さをまずはご実感ください。
▼プロが選んだ3銘柄を無料でご提案▼
執筆者情報
Marina Bay Capital Advisors Pte Ltd (シンガポール) CEO /日本投資機構株式会社 CIO/ 記事監修
大学卒業後、ゴールドマン・サックス証券など大手証券会社の投資調査部にてシニアアナリストとして日本株を担当。日経アナリストランキング首位。日本経済新聞、テレビ東京等のメディアにも多数出演。その後、世界有数の株式ヘッジファンドにて日本株ロング・ショートファンドの運用に従事。日本株運用のマネージング・ディレクター、日本株運用責任者などを歴任。ロング・ショート運用を通じて、国内外の様々な業界や企業に精通。