AIインフラ熱狂とAnthropic勝利は織り込み済み — 真の問いは「その先」
NVIDIA、半導体製造装置、データセンター、電力、光ファイバー — AIインフラ関連銘柄が次々と高値を更新している。多くの投資家がこのインフラ熱狂をどう読むかに気を取られているが、視野を1段階広げれば次のステップは比較的見えやすい。AIインフラ投資の上で次に儲かるのは AGI（汎用人工知能）モデルを提供する Anthropic・Google・OpenAI といった寡占プレーヤーである。これは多くの市場参加者がすでに織り込みつつある。
本当の問いはその先である。AGIが社会に普及し、超人的な知能が電気や水道のように当たり前のインフラになった世界で、どの分野が長期の主役を取るのか。本記事ではこの問いに正面から答える。結論を先に述べれば、AGI普及後に相対的に希少化するのは「物理（atoms）／規制で守られた業種／信頼が必要な領域」であり、ビット（bits）の世界はコモディティ化して儲からなくなる。
過去5回のテック革命（鉄道・電力・PC・ネット・スマホ）はすべて「インフラ→応用層」の二段階で進んだが、今回はそれだけでは足りない。AGIは応用層であるソフトウェアそのものを内製化してしまう破壊力を持つため、過去サイクルの単純踏襲（スマホ→SaaSが勝った→AIでもSaaSが勝つ）は通用しない可能性が高い。本稿は学術フレームワーク（Baumolのコスト病・Jevonsのパラドックス・Carlota Perez の二段階モデル）を土台に、AGI普及後の6つの本命分野を整理する。
現在のAIインフラに含まれているもの — 何がもう買われているか
「AIインフラ」と一口に言うが、その実体は単一ではなく、すでに 5つの層 に分かれて買われている。これを整理しないと「AIインフラの先」が見えにくい。
| 層 | 含まれるもの | 国内外の代表的な受益銘柄群 |
|---|---|---|
| 計算層（半導体） | GPU・HBM・先端ロジック・メモリ | NVIDIA、AMD、TSMC、SK Hynix |
| 製造装置層 | 露光・成膜・検査・後工程 | アドバンテスト、東京エレクトロン、ディスコ、SCREEN |
| データセンター層 | サーバー・冷却・ネットワーク機材 | Vertiv、Super Micro、各社サーバー |
| 通信層 | 光トランシーバー・高速ファイバー | Coherent、Lumentum、住友電工、フジクラ |
| エネルギー層 | 電力会社・発電・送電・原子力 | Vistra、Constellation、東京電力、関西電力 |
つまり「電力・DC・半導体」はすでにAIインフラの一部として買われている。これらをまとめて「AIインフラ」と呼ぶのが市場の実態であり、ここから新規にロングを積み増す妙味は段階的に薄れていく可能性が高い。AIインフラ投資の主役期は永遠ではないことは、過去の Cisco（光インフラのピーク覇者）が25年経ってもピーク株価を回復していない歴史から学べる教訓である。
AGI寡占の必然性 — Anthropic・Google時代が来る構造的理由
AIインフラの次に来るのは AGIモデル提供企業の寡占である。これがほぼ既定路線と見られているのは、以下の3つの構造的理由がある。
第一に、フロンティアモデル開発の固定費が天文学的である。GPT-5級のモデルを訓練するには年間数百億ドル規模の計算費用がかかる、と各社のCFOコメントから推定されている。この規模は既存の Big Tech とトップAIスタートアップ以外には負担できない。規模の経済が極端に効くため、自然と数社の寡占構造に収束する。
第二に、フィードバックループが先行者に有利に働く。利用者が増えるほどデータが蓄積し、モデル改善が早くなり、品質差が広がる。半導体製造の先端プロセスと同じく、後発が「同じ性能を1年遅れで作る」のは可能でも、「フロンティアを抜く」のは困難な構造である。
第三に、企業の AI 採用は標準モデルに集中する。Microsoft Copilot・Google Workspace AI・Anthropic Claude が企業向けの標準APIになると、企業は複数のAIプロバイダを使い分けず、信頼できる1〜2社に集約する。SaaSではなく公益事業に近い使われ方になるため、独占的な利益率を取れる。
これらは多くの市場参加者がすでに認識しており、上場 Big Tech の株価に部分的に織り込まれている。したがって本記事は AGI 提供者そのものを「予測」とは扱わず、AGI が普及した後の世界を予測する。
知能がコモディティ化した世界の経済法則
AGIが当たり前の世界では、これまで「希少」だった知的労働がコモディティ化する。プログラミング、文章生成、画像制作、データ分析、戦略立案、契約レビュー、コード設計、翻訳 — いずれも単価が劇的に下がる。すると相対的に希少化するのは何か。学術的には3つのフレームワークで予測できる。
この2つを組み合わせると、AGI普及後の世界では**「知能はタダ、しかし電気・身体労働・物理アセットは高くなる」という非対称が生まれる。Carlota Perez の展開期理論（インフラ後に応用層が儲かる）と組み合わせれば、応用層のうちAIで複製できないmoat を持つ領域だけ**が長期で利益率を維持する、というのが理論上の結論である。
AGI普及後に強い6分野 — 全体像
理論を踏まえて、具体的に強くなる分野を6つに整理する。
| 分野 | なぜAGI耐性があるか | 国内の代表的な業種例 |
|---|---|---|
| 1. エネルギー | AGI自身の食料、Jevonsで需要爆増 | 原子力・電力・送配電・LNG |
| 2. フィジカル（ロボット・身体労働） | 物理動作はソフトでは置換不可、Baumol | 産業ロボ・介護・建設・修繕 |
| 3. 規制業種・法的責任 | 法的責任主体は AI ではなく人間 | 医療・金融・法務・保険・公益 |
| 4. 希少リソース | 知能がタダ→atomsが希少化 | 商社・鉱物・農業・水・土地 |
| 5. IP・コンテンツ・独自データ | AGI学習素材の権利は所有者に残る | コンテンツ・出版・放送・スポーツ |
| 6. 信頼・ブランド | 人間が「人間に頼みたい」領域 | 高級食品・化粧品・対面サービス |
以下、それぞれを掘り下げる。
1. エネルギー — AGIの食料、半導体の次のボトルネック
AGIが普及するほど 電力こそが究極のボトルネックになる。米エネルギー情報局（EIA）の最新ガイドラインでは、2030年までに北米のデータセンター電力消費が米総電力需要の約8〜10%に達するとの試算が出ている。国際エネルギー機関（IEA）も2024年版報告書で、2026年までに世界のデータセンター電力消費が2022年比でほぼ倍増するとの見通しを示した。
問題は、半導体性能が伸びても電力という物理制約は越えられない点である。半導体メーカーがチップ性能を10倍にしても、設置場所の電力契約が伸びなければデータセンターは増設できない。これは Jevons パラドックスがそのまま当てはまる構造で、AGIが安くなれば需要が爆増し、電力会社・原子力・送電網が長期の本命になる。
日本でも原子力再稼働、地熱、洋上風力、送配電網更新、データセンター用地・配電設備のすべてが恩恵を受ける構図にある。電力会社は規制ビジネスで成長性が乏しいと長年見られてきたが、AGI需要によって電力需要の長期成長見通し自体が書き換わる可能性がある。
2. フィジカルAI・身体労働 — ロボット、介護、建設、修繕
AIが知的労働を吸収するほど、身体を伴う労働は相対的に高価値化する。Baumolのコスト病が示す通り、介護・建設・配管・電気工事・物流現場・修理といった身体労働の単価は下がりにくく、むしろAIで効率化された他産業の賃金上昇に引きずられて高くなっていく。
並行して フィジカルAI（ヒューマノイドロボ・自律走行・産業用ロボ） は AGI能力の物理拡張として急成長が期待される。ロボットは AGI に置き換えられる側ではなく、AGIの能力を物理世界で実行する身体として AGI と相補関係にある。日本のロボット産業（ファナック、安川電機、ハーモニックドライブ、ナブテスコ、SMC、キーエンスなど精密制御に強い企業群）は AI モデルの精度向上の恩恵を直接受ける。
人間の身体労働も、ロボットコストが下がるまでは Baumol の重力で価格上昇する。日本厚生労働省の推計では、2040年に介護人材が約280万人不足するとの見通しがあり、この需給ギャップは介護関連事業者の賃金・サービス単価上昇圧力に直結する。建設・修繕も同様の構図である。
3. 規制業種・法的責任 moat — 医療・金融・法務・保険・公益
AIが進化するほど明確になるのは、「最終責任を負える主体は人間と法人だけ」という事実である。医師の診断、銀行の融資判断、弁護士の法的助言、保険会社の支払決定、公益事業の安全性 — いずれも AI が補助はできても法的責任主体としては存在できない。規制免許・資格・許認可が moat になっている業種は、AGI 時代にむしろ参入障壁が強化される。
具体的には:
- 医療: 診療報酬制度・医師免許・許認可・治験
- 金融: 銀行免許・与信履歴・口座網・規制対応
- 保険: 料率規制・代理店ネットワーク・支払責任
- 法務: 弁護士資格・判例・地域慣習
- 公益: 電力・ガス・水道・通信の事業免許
- 行政受託: 信頼・資格・自治体との関係
AGIが業務効率を上げる分、これらの業種は少ない人員で同じ売上を維持・拡大できるため、利益率が改善する構図がある。Salesforce型のSaaSが per-seat 課金で苦しむ一方で、銀行・保険・医療法人は per-contract（契約あたり）で稼いでおり、AI で1人あたり処理件数が増える分が直接利益率改善になる。
4. 希少リソース・物理アセット — 商社・鉱物・農業・水・土地
「Bits commoditize, atoms become scarce（ビットはコモディティ化、原子は希少化）」というシリコンバレーで広まった命題は、AGI 時代の本質を捉えている。AI で知能がタダになる一方、ロボット・電化・データセンターの全てが物理リソースを必要とする。具体的には:
- 銅・リチウム・希少金属: ロボット・電池・送電網の急増需要。BHP社や IEA の長期予測では2035年までに銅の需要は現状から30〜50%増加する見通しがある
- 土地: データセンター用地、再エネ用地、データ処理に近い住宅
- 食料・農地: AI で人口が減るわけではなく、食料需要は残る
- 水: データセンター冷却・半導体製造での需要増
日本の総合商社（三井物産、三菱商事、伊藤忠商事、丸紅、住友商事）は資源権益を多面的に保有しており、原子は再び希少化する世界では構造的な追い風を受ける。これは2020年代前半のインフレ局面で既に一部反映されたが、AGI普及はさらに長期の追加需要要因になる可能性がある。
5. IP・コンテンツ・独自データ — 学習素材の所有者
AGIモデルは大量のテキスト・画像・音声・動画で学習する。しかしその学習素材の所有権は学習する側ではなく作る側に残る。米国で New York Times が OpenAI を著作権侵害で提訴した事件（2023年12月提訴、係争中）は、コンテンツの価値が AI 時代に「ゼロ」ではなく「上昇」していることを象徴している。
AGI能力が上がるほど、差別化の源泉は学習に使える独自データになる。具体的には:
- 音楽・映像IP: AGI が生成しても「ビートルズ・マリオ・ガンダム」を上書きできない
- スポーツ放映権: ライブ性とブランドはコピー不能
- 企業財務データ: Bloomberg・S&P・QUICK のような専門データ
- 医療データ: 病院・製薬会社が保有する診療記録
- 地理空間データ: 衛星・地図・物流ネットワーク
- 出版・放送アーカイブ: 過去資産そのものが学習元として価値を持つ
日本では、ソニーグループ（音楽・映画・ゲームIP）、任天堂、サンリオ、東宝、リクルート（HRデータ）、ぐるなび・カカクコム（消費者データ）、出版社・テレビ局が IP/データ moat を持つレイヤーとして注目される。
6. 信頼・ブランド — 人間が「人間に頼みたい」領域
最後に、消費者が AI ではなく人間に頼みたい領域は、AGI普及後にむしろ価値が上がる。高級料理、対面の医療相談、対面の法律相談、対面の教育（高単価）、富裕層向け資産運用、ラグジュアリー商品、職人技の手作り品 — いずれも「AIではない」ことが付加価値になる。
Baumol のコスト病と組み合わせれば、**「人間が時間と労力を費やすこと自体が希少品」**になる。AGI で代替可能な領域は単価がゼロに向かう一方、AGI で代替できない人間性や信頼が必要な領域は逆に高価格化する。日本では、伝統的な高級食品・化粧品（資生堂、コーセー、味の素・キッコーマンの輸出ブランド）、富裕層向け不動産、観光（高級旅館・料亭）、伝統工芸などが該当する。
鏡の裏側 — 弱くなる分野
シンメトリックに、AGI普及後に相対的に弱くなる分野も整理しておく。これは1〜6の裏返しであり、ポートフォリオで持ちすぎないことが重要である。
| 分野 | 弱くなる理由 |
|---|---|
| 汎用ホリゾンタルSaaS | 中小企業の AI 内製化、per-seat 課金の崩壊 |
| ホワイトカラー人材派遣 | AGI が知的単純作業を吸収 |
| 一般的コンサルティング | 戦略立案・分析が AGI でコモディティ化 |
| 単純な検索・メディア | AGIが直接回答するため広告収益逓減 |
| 中規模ソフトウェア外注 | 開発がAIで内製化される |
| 単純なデータ入力・BPO | 完全自動化される |
予測の限界 — 機械的に当てはめない3つの注意点
理論フレームワークと過去パターンを組み合わせた予測ではあるが、以下の限界は明示しておく。
特に(1)は重要で、本記事の本命6分野がいつから織り込まれるかは読みにくい。AIインフラ熱狂のピークが過ぎる前後（直近3〜7年のどこか）から段階的に始まる、というのが過去サイクルからの推測だが、確実ではない。
投資家視点の実務的な含意
ここまでをふまえた実務的なスタンスは、以下の3点に集約できる。
第一に、AIインフラ銘柄を全部売る必要はないが、ピーク警戒と分散の比率を段階的に上げることが理にかなう。展開期入りのサイン（ハイパースケーラCapEx減速・半導体ガイダンス上方修正率低下）を観察しつつ、長期では本命6分野への配分を増やしていく組み立てになる。
第二に、6分野は1社で全て取れない。エネルギー・フィジカル・規制・希少資源・IP・信頼はそれぞれ異なる業種で、別の企業が勝つ。「次のNVIDIA」を1社探すのではなく、レイヤー横断で分散保有するのが歴史の教訓である。
第三に、SaaS銘柄を持つ場合は仕分けが必須。データmoatがある銘柄、規制対応で moat があるもの、ネットワーク効果が働くもの、outcome 課金可能なもの、業界特化が深いもの — これらを満たす一部だけが生き残り、汎用ホリゾンタル系や per-seat 依存度の高い銘柄は AnthropicショックでPER縮小リスクが高い。
まとめ — AGI後の世界は「物理」「規制」「希少」が再び主役
AIインフラ熱狂と Anthropic・Google覇権は織り込みが進んでいる。本当の問いは「AGI が普及した世界で何が強いか」であり、その答えは知能のコモディティ化に対するシンメトリックな現象として整理できる。Baumol のコスト病、Jevons パラドックス、Carlota Perez の展開期モデルを組み合わせれば、希少化するのは物理・規制・身体性・信頼・希少リソースであることが理論的に導ける。
具体的にはエネルギー／フィジカル（ロボット・身体労働）／規制業種／希少リソース／IP・データ／信頼ブランドの6分野で、それぞれ AI で複製できない moat を持つ。AIインフラ熱狂のピーク警戒と並行して、これらの分野への段階的シフトを準備するのが、過去サイクル＋今回の特殊事情を両方織り込んだ整理になる。
※ 関連記事: 日銀利上げで本当に勝った5業種 — 3サイクル30年分の実証