テックトピア：米国のテクノロジー業界の舞台裏(75) 鉄道ブーム超えのAIインフラ投資、その請求は誰に回るのか

金融市場はここ数四半期、AI関連企業の収益成長だけでなく、急激に膨張する設備投資と、それがフリーキャッシュフローを圧迫する構造に厳しい視線を注ぎ始めています。AI需要はどこまで拡大し、巨額の先行投資に見合うリターンを回収できるのでしょうか。「テックトピア:米国のテクノロジー業界の舞台裏」の過去回はこちらを参照。

市場がその不確実性を織り込み始めるなか、米ブルッキングス研究所の秋季会議(9月24～25日)で、AIインフラ投資の規模と、それを支える金融の仕組みを数字で示した論文「Financing the AI Buildout」が発表されました。著者は、コロンビア・ビジネススクールで不動産と金融を研究するステイン・ファン・ニューヴェルブルフ(Stijn Van Nieuwerburgh)教授です。

AI投資は鉄道や高速道路を上回る規模に

論文は、2026年7月時点の米国内データセンター開発パイプラインを基に、2025〜2032年のAIインフラ投資を試算しています。中央シナリオでは、約180GWの新規設備が2032年までに稼働します。2032年より後に完成する案件への先行投資も含め、この期間に発生する投資額は10.3兆ドル(約1617兆円、1ドル=157円換算)に達します。

10兆ドルと言われても、どのくらいの規模なのかイメージしにくいことでしょう。著者はこの数字を、米国の過去のインフラ投資ブームとGDP比で比べています。

鉄道(1870〜1890年):2.24%
州間高速道路(1956～1973年):1.13%
通信・光ファイバー(1996～2003年):1.10%
AI(2025～2032年):3.63%

中央シナリオ通りなら、AIは米国の近代産業史における主要なインフラブームを上回ります。

AIインフラは過去のインフラと中身の性質も異なります。鉄道や光ファイバーが数十年単位で減価償却されるのに対し、AIデータセンターの大きな部分を占めるGPUなどIT機器の経済寿命は3～6年程度です。同じ1ドルの投資で、あとに残る資本は過去のブームよりはるかに小さくなります

さらに、この前例のない投資規模は、資金調達の力学そのものを変えつつあります。Oracle、Microsoft、Amazon、Meta、Alphabetの主要5社による年間設備投資額は、2020年の約970億ドルから、2026年には8000億ドルを超える見通しです。論文の推計では、5社の営業キャッシュフローの合計を初めて上回ります。

積層棒グラフは5社の設備投資額(Capex)の合計推移、斜線パターン棒は5社合算の営業キャッシュフロー、折れ線グラフ(右軸・%)は設備投資比率(Capex / OCF)

圧倒的なキャッシュ創出力を持つ大手テック企業でさえ、内部キャッシュフローと自社名義の社債だけですべてのインフラを賄い、自ら保有し続けるモデルでは、現在の投資ペースを維持しにくくなっているのです。

このような巨額の投資を、AIインフラの金融はどのように支えようとしているのでしょうか。論文が示す論点は、大きく3つに整理できます。

リスクが貸借対照表の外へ移っている

第1の論点は、資産やレバレッジ、将来の債務が企業本体の貸借対照表だけでは捉えにくくなっていることです。

かつてハイパースケーラーは、データセンターの多くを内部資金や無担保社債で建設し、自ら所有していました。現在は合弁事業(JV)、プライベートクレジット、証券化、特別目的会社(SPV)、長期リースなど、外部資本を組み合わせるケースが増えています。企業本体から資産・負債や将来債務を切り離す構造です。

論文が象徴的な事例として取り上げるのが、Metaの大規模データセンター「Hyperion」です。総事業費約300億ドルのプロジェクトで、Metaは持分の80%を投資会社Blue Owlに約25億ドルで売却しました。両社による合弁事業体のBeignetは、その後に270億ドルを外部から調達しています。プロジェクト価値の約90%を負債で賄う構造で、元利金返済カバー率(DSCR)は1.12倍です。

高いレバレッジにもかかわらず、Beignet債はS&Pから「A+」の格付けを取得しました。その信用力を支えるのは、主要テナントであるMetaとの契約であり、その信用力です。

発行利回りは6.58%で、論文の推計ではMeta自身が同時期に同等の無担保社債を発行する場合より少なくとも1ポイント高くなります。Metaにとっては期間全体では50億ドルを超える追加利息につながる計算です。

それでもMetaがこのスキームを採用する意味があるのは、約300億ドルの資産と負債をすべて本体に抱え込まず、貸借対照表の余力を維持できるためです。

論文は、安く借りるためではなく「高成長で資本集約度の低い“アセットライト”な企業としての財務指標や評価を保つことが、この仕組みの合理性だと分析しています。本体の格付けやレバレッジ比率を温存できれば、次の設備投資や買収、先端R&Dへ向けた財務余力を確保できます。

ただし、オフバランス化によって事業リスクそのものが消えるわけではありません。リスクはMeta、プロジェクトの出資者、債権者などの間に分配されます。同時に、その所在を外部から追跡することは難しくなります。

必要売上高は年間約3.725兆ドル

第2の論点は、負債の年限とインフラ構成資産の耐用年数の間のミスマッチです。

たとえばHyperionの債券は2049年まで続きます。施設全体の稼働価値は、Metaが別途調達するGPUなどのコンピュート基盤に依存します。

投資の大きな部分を占めるGPUの世代が変わり、消費電力や冷却の要件が変われば、いまのチップに合わせて建てた施設は建物そのものが物理的寿命を迎える前に、大規模な改修が必要になる可能性があります。

論文では、AIインフラへの投資額の68%を占めるIT機器の経済寿命を6年、そのほかの資産を20年と仮定しています。2032年までに稼働する約180GW(ギガワット)について、アンレバード・リターンを10%、営業キャッシュフロー・マージンを50%を確保するには、成熟時に年間約3.725兆ドルの売上が必要になります。IT機器の寿命が3年なら、必要売上は約6兆ドルに跳ね上がります。

AI企業は、サブスクリプション、API、企業向け契約、クラウド、コマースなど、あらゆる収益源を育てなければなりません。広告もその1つです。初期は広告モデルに慎重だったOpenAIがChatGPTへの広告導入に踏み切った背景にも、こうした収益圧力があります

ただし、論文はこの水準を非現実的だと結論づけているわけではありません。3.725兆ドルを設備容量に換算すると、100%稼働時で1GPU・1時間当たり約5.5ドルです。これは現在の最先端GPUクラウドのレンタル単価と照らし合わせて非現実的な水準ではありません。

問題は、約180GW規模の新たな計算資源を、価格崩壊を起こさずに高稼働率で埋め続けられるだけの持続的需要を創出できるかどうかです。

AI業界に広がる「循環投資」の構図

第3の論点は、AI産業の各プレーヤーの間に広がる循環的な資本関係です。

チップメーカー、クラウド事業者、AIモデル開発企業、データセンター事業者、インフラ投資家は長期契約、戦略投資、融資などを通じて互いに依存するようになっています。一つひとつの取引は独立して見えても、最終的には同じAI需要や少数の大手企業の信用力に依存しているケースがあります。

直近の事例として、Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs、KKRが設けた、NVIDIA製ハードウェアを対象とする総額5000億ドルの融資枠があります。NVIDIAは対象となる資産について25%の残存価値を保証しました。つまり、チップを販売する企業が、そのチップを購入する顧客の資金調達と資産価値まで間接的に支えています。

こうした相互依存関係は、需要が伸びている間は投資サイクルを加速させるレバレッジとして機能しますが、需要が想定を下回った瞬間、個別の取引単位では測れないシステミックな相関リスクへと転化します。1つの分野で需要が落ちれば、クラウド収入、リース料、資産価格、債権回収へと影響が連鎖しかねません。

市場の価格形成にもその予兆は現れています。かつてデータセンターREITは、株式市場全体との連動性を示すベータ値が0.5程度の安定した「守りのインフラ資産」でした。しかし現在はベータ値が1.0前後にまで上昇しており、AI関連株と同じリスクにさらされつつあります

問われるのは投資規模より「見えにくさ」

もっとも、Van Nieuwerburgh教授は、AIインフラ投資が直ちに金融危機の火種になると断定してはいません。

AIトランスフォーメーションが持続的な生産性向上を生み出し、高稼働率が維持されるならば、これらのインフラ資産は巨額のキャッシュフローを生み出す原動力となり得ます。現時点で過去の信用バブルに匹敵するシステミックリスクと結論づけるのは「時期尚早」だとしています。

著者が警鐘を鳴らすのは、投資規模やリスクの大きさそのものより、その所在が見えにくくなっていることです。企業の貸借対照表、リース、JV、保証、プロジェクト債務、SPVなどへリスクが分散した結果、需要減少、借り換え、資産の残存価値といったリスクを、最終的に誰がどの程度負っているのかを把握することが難しくなっています。

だからこそ著者は最優先課題として、AI投資を規制することではなく、市場横断的な「測定と情報開示」の確立を挙げています。銀行、保険会社、プライベートクレジット、証券化ビークルなどが、同じ企業や同じAI需要にどれだけ依存しているのか。需要の停滞時にどの経路を伝って損失が伝播するのか。

まずは、その全体像を把握できるようにする必要があります。そのリスクマップが描かれない限り、市場は潜在的なストレスを正しく値付けできません。

19世紀の鉄道も、20世紀末の光ファイバー網も、技術革新への確信から熱狂的なインフラ建設が進められました。そして需要の立ち上がりが供給スピードに追いつかず、金融環境が引き締まりに転じたとき、技術の成長痛は金融システムの構造問題へと転化しました。

期待が剥落したとき、最後の損失はどこへ落ちるのでしょうか。過熱するAIインフラ競争で問われているのは、膨らみ続ける設備投資の額そのものではありません。その背後に積み上がったリスクの所在を示す「地図」が、まだ十分に描けていないことです。