スタックを上がる：AIがコモディティの罠から逃れることで生じるエンタープライズ・ロックインのリスク
AIがバブルかどうかの議論を超え、AIラボがモデル提供者から上位層へ移行し、垂直統合とロックイン戦略によってコモディティの罠を逃れつつも、顧客ロックインと競争減少のリスクを生むと論じる。歴史的分析から、インフラ企業は価値を獲得できず、エンタープライズソフトウェアはスイッチングコストで高収益を実現してきた。AIの長期的収益性は推論課金ではなく、ソフトウェア的な堀に依存する。
本稿はArvind NarayananとAkash Kapurによるもので、AIがバブルかという議論を超越し、二つの視点を提示する。第一に、現在の財務状況と長期的な価値獲得を分離する。第二に、AIラボはモデル提供者に留まらず、積極的にスタックを上方へ移動している。この移動はコモディティの罠から逃れる可能性があるが、顧客ロックインと競争減少という新たな懸念を生む。
主要AI企業はインフラに巨額投資しIPOを目指すが、ビジネスモデルには疑問が残る。2030年代初頭までに4〜8兆ドルと見込まれる投資をどう回収するのか。批評家は損失とキャッシュバーンを指摘し、支持者は収益成長と企業採用を挙げる。しかし双方とも短期的視点に囚われている。
現在、AI企業は推論課金で収益を得るが、先端推論は持続困難な事業である。モデルの差別化は低く、スイッチングコストは小さく、価格は自由に調整できる。これらはコモディティの罠の条件を備えている。しかし業界は過渡期にあり、成熟すると構造は大きく変わる。著者らは、均衡状態ではモデル推論価格が限界費用に近づき、モデル層での持続的収益は困難と予測する。だがAIビジネス自体が不可能なわけではない。ラボの収益化の道は、垂直統合、エンタープライズ展開、スイッチングコストの構築など、スタックの上位層にある。
歴史的考察から、インフラ企業（鉄道、電力、通信）は創出した価値を獲得できず、エンタープライズソフトウェアはゼロ限界費用と深いスイッチングコストにより高収益を維持してきた。AIラボのロックイン戦略は、ソフトウェアの構造的特性をAIに導入しようとする試みである。例外として、クラウドコンピューティングとTSMCはコモディティの罠を逃れた。前者はマネージドサービスロックインなどでソフトウェア的性質を獲得し、後者は最先端製造でほぼ独占状態を実現した。
著者らは、モデル推論課金によるインフラ投資回収は困難と主張する。ベルトランのパラドックスにより、同質的な先端モデル推論は価格競争を招き、限界費用まで価格が低下する。モデルは差別化が難しく、ベンチマークで類似し、顧客も認識する。また、資本コストも類似する。これに対して、Appleは客観的性能指標ではなくブランドと体験で差別化し高収益を維持している。
結論として、AIラボが上位層に移動することは、競争と革新の観点から社会的懸念を生む。独占的集中と市場支配力への不安を、ロックインが顕在化する前に真剣に検討すべきである。著者らは今後の論文でこれらの問題をさらに掘り下げる。本稿では、鉄道、電気通信、クラウド、半導体製造などの歴史的事例、Deepseekの瞬間、トークン不足の時代など、幅広い分析を提供している。