a16z市場レポート解説：AI投資はハードウェアへ、ソフトウェアは価値の再証明を迫られる

テクノロジーはどのようにして単一の業界から経済成長の重要な原動力へと変わったのか

かつて長い間、テクノロジー業界は伝統的な投資家やマクロ経済学者の目には、高成長ながらもアセットライト（軽資産型）な「ニッチな投資領域」として映っていました。世界金融危機（リーマンショック）以降、モバイルインターネットとクラウドコンピューティングの台頭に伴い、ソフトウェア業界は極めて低い限界費用とほぼ無限に広がる市場空間を武器に、10年以上にわたって潤沢なバリュエーション・プレミアムを享受してきました。それ以前の景気サイクルにおいては、住宅や自動車といった耐久消費財の購入や建設需要こそが、経済の重要な牽引役となるのが通例でした。

a16zの分析によれば、テクノロジーが経済全体を牽引する力は著しく増大しています。統計によると、ハイテク関連設備、ソフトウェア、研究開発投資を含めたテクノロジー投資は、現在米国の設備投資（CapEx）全体の約55%を占めるに至っています。同レポートは、AIインフラの建設が現在の経済において設備投資を牽引する極めて強力な推進力になっていると指摘しています。同時に、ほぼあらゆる業界でデジタルツールの導入が進み、完全に紙とペンだけで業務を行っている伝統企業を見つけることはもはや困難であり、各企業はそれぞれ程度の差こそあれテクノロジー企業への転換を進めています。

公開市場の財務会計基準で見ると、テクノロジー業界の利益規模はすでにS&P 500全体の総利益の半分近くに達しています。10余年前を基準時点と置いた場合、テクノロジーセクターが累計で実現した利益成長は、非テクノロジーセクターの約3.8倍に達します。さらに劇的な変化は増分において生じています。今年におけるS&P 500全体の予想利益増分のうち、テクノロジー企業が約76%を拠出しています。76%という数字は「新規に上乗せされた利益への貢献度」を示し、利益総額に占める割合が約半分であるという事実は「現時点で誰が最大の利益を上げているか」を示しています。前者は成長の源泉を、後者は既存の利益規模の所在を物語っています。

現在の株式市場にバブルが存在するのかという問いに対し、レポートは、主要株価指数が過去最高値を更新している主因は企業利益の拡大に裏打ちされている点にあると指摘しています。テクノロジーセクターのバリュエーション倍率（株価収益率＝PERなど）は、過去5年間の平均値と比べてむしろ約20%圧縮されており、株価の上昇が実体としての利益成長を伴っていることを示しています。もっとも、足元の利益成長が市場環境を支えているからといって、バブルの可能性を完全に排除できるわけではなく、将来的な利益の未達やバリュエーションの調整リスクが消滅したわけでもありません。今後、利益成長が減速したり、巨額の資本投入が期待通りのリターンを生まなかったりした場合には、市場は依然として再評価の厳しい試練に直面することになります。

巨大テック企業が稼ぎ出した利益は、半導体、電力、データセンターへ向かう

過去10年間、「ソフトウェアが世界を飲み込む（Software is eating the world）」はシリコンバレーで最も声高に唱えられた信条であり、身軽な資産構造、高い粗利率、低い保守コストによって、ソフトウェア企業は市場の寵児であり続けました。しかし、今回のサイクルにおける最も鮮明な特徴は、資本の関心が「ビットからアトムへ（From Bits to Atoms）」と大規模に移行した点にあります。

AIモデルを運用するには、半導体による演算、高速ネットワーク伝送、冷却、そして大量の電力供給が不可欠であり、ソフトウェアへの需要は膨大な実物設備の受注へと姿を変えました。大手企業がインフラ拡張を続ける背景には、下流から届く前例のない計算資源（コンピュート）への需要シグナルがあります。最先端フロンティアモデル企業の年間継続売上高（ARR）は急増しており、大手クラウド事業者の未履行の契約残高およびクラウド受注残（Backlog / RPO: 残存履行義務）も前年同期比で倍増以上のペースで伸びています。

ただし、ARRはある一時点の数値から推計した年換算の収益規模に過ぎず、その年の確定した認識済収益（Recognized Revenue）と同義ではありません。また、受注残も将来の契約履行義務を表すものであって、すでに手元に入金された現金を意味するわけではなく、これらのクラウド受注にはAI用途以外の従来型業務需要も含まれています。

これらの巨大な需要シグナルを根拠に、レポートが集計したハイパースケーラー（超大規模クラウド事業者）各社は、手元の潤沢な営業キャッシュフローをハードウェアインフラという現実の設備投資へと絶え間なく投入しています。

この設備投資の規模は、ウォール街の予測を幾度となく上回ってきました。統計によれば、クラウド事業者の設備投資総額は前年に4,160億ドルに達し、今年は7,910億ドルへ跳ね上がると推計され、今後2年間で1兆ドルの大台に迫ると見られています。なお、この数値はクラウド事業者の設備投資全体を集計したものであり、すべてがAI専用投資というわけではありません。資金の流れを見る上では、会計上の利益と投資後に残る現金とは本質的に異なる指標です。日常の事業活動から生まれる営業キャッシュフローから、工場や設備などの資本支出を差し引いた後に残るものこそが、配当や自社株買い、リスクヘッジへと自由に振り向けることのできるフリーキャッシュフロー（FCF）です。巨大企業の営業キャッシュフロー自体は依然として潤沢であるものの、設備投資の急拡大により、フリーキャッシュフローの比率は足元で急激に低下しています。専門機関の予測では、このようなキャッシュフローの圧迫状態は2028年頃まで続くと見られており、その後の反発はクラウド事業収益が実際に現実化するかどうかに依存しています。

大規模なインフラ建設を支えるため、従来は借入に頼ることが極めて少なかった巨大テック企業も、クレジット市場（オンバランスおよびオフバランスのファイナンスを含む）を通じた資金調達を活発化させています。貸し手から見れば、巨大テック企業全体の投下資本利益率（ROIC）は現時点でも借入コストを上回っており、投資対象も安定したキャッシュフローを生み出す実物資産です。ただし、企業全体のROICは成熟事業を含めたすべての投下資本に対するリターンを測るものであり、新規のAIプロジェクトが投資に見合うものとなるかは、そのプロジェクト自体が将来どれだけの現金を回収できるかにかかっています。

さらに重要なのは、この実物投資の波が半導体分野にとどまらないという点です。広帯域メモリ（HBM）、光モジュール、液冷システム、高圧変圧器、さらには銅などのコモディティに至るまで、サプライチェーンの逼迫に直面しています。現実の現場では、GPUの納期は比較的予定通りであるのに対し、変圧器やガスタービンの納入待ち期間が数年にも及ぶケースが散見され、半導体が納品されても即座に通電・稼働させることができないという物理的なボトルネックに直面しています。加えて、インフラ建設は専門的な電気・機械設置工事に携わる職種の給与プレミアムを押し上げています。電力供給に関して、2019年から2024年の過去データを対象としたある地域研究では、データセンターが大規模で安定したベースロード需要家として電力網の高額な固定費を分散負担した結果、データセンターの容量が急増した州において、一般家庭向けの小売電気料金が平均して一定程度低下したと報告されています。ただし、これは特定の過去期間および地域サンプルにおける実証的観察結果であり、すべての地域や将来においても普遍的に電気料金が低下すると結論づけることはできません。

この実物投資ブームの推進力も、AIだけによるものではありません。電気自動車（EV）や太陽光発電の普及に伴う電力網のアップグレード、地政学的要因による製造業の国内回帰（リショアリング）、人口高齢化に伴う自動化需要、そして増大し続ける国防支出が、いずれも実物投資を押し上げています。AIインフラが計算と電力供給に焦点を当てているのに対し、これらは交通、生産、労働力代替、防衛といった異なる領域の現実の需要に対応しています。それらに共通しているのは、ソフトウェアのような身軽な資産構造の論理を脱し、電力網の更新、工場建屋の建設、重機設備の調達および据付工事に高度に依存している点です。AIインフラはその中でも最も際立った代表例に過ぎず、複合的な実物投資の潮流が一体となって、資本の「アトム（物理世界）」へのシフトを後押ししています。

新型半導体が登場しても、なぜ旧世代GPUはレンタルされ続けるのか

計算資源への投資が拡大し続けるなか、市場の弱気筋が抱く典型的な懸念は、半導体の減価償却が急速に進むリスクです。高性能半導体がわずか3〜4年で新アーキテクチャに取って代わられるとすれば、旧世代のハードウェアは即座に市場需要を失い、クラウド事業者が保有する資産は大幅な減損を被るのではないかという議論です。

しかし、実際の市場力学はこの直線的な推論を覆しました。コンピュートレンタル市場の実測データによれば、旧世代半導体の単位時間あたりのレンタル価格は、新製品の登場によって暴落するどころか、旺盛な需要の波に支えられて横ばいを維持し、場合によっては小幅に反発すらしています。

追跡データによると、各世代のGPUはレンタル市場で値動きにばらつきがあるものの、全体として価値を維持しています。B200の1時間あたりレンタル料は約5.69ドル、H200は約3.29ドル、H100は約2.63ドル、そして旧世代のA100は約1.59ドルとなっています。A100のレンタル料は年間を通じて持続的な下落を見せておらず、より古い世代のハードウェアであっても、現在の旺盛な計算需要の下では依然として十分なレンタル価値と実用的な利用場面が存在することを示しています。

もっとも、レンタル先が存在することと、すでに投下資本を回収できたこととは同義ではありません。1台のGPUにおける真の投資リターンは、導入時のチップ購入価格、実際のレンタル稼働率、データセンターの電力消費および日常の運用保守コスト、そして今後どれだけの期間稼働し続けられるかによって左右されます。レンタル料の安定推移はハードウェアの急速な陳腐化懸念を和らげていますが、実際の商業的なリターンを算出するには、これらのコスト要素を総合的に精査する必要があります。

レポートはこのメカニズムを説明するために、経済学におけるジェボンズのパラドックス（Jevons Paradox）を援用しています。技術効率が向上して単位あたりの利用コストが低下すると、利用のハードルが下がることによってより多くのアプリケーション需要が喚起され、結果として資源の総消費量が拡大するという理論です。これは需要の波及メカニズムを説明する概念であり、必ずしも需要の爆発的増加を宿命づける法則ではありません。

モデル推論の領域において、Token（モデルがテキストを処理する基本単位）需要の伸びはひときわ顕著です。モデルルーティングプラットフォームであるOpenRouter上では、Agent経由の呼び出しにおける7日移動平均のToken使用量が10倍以上の急成長を遂げ、直近の7日移動平均使用量は約7.3兆Tokenに達しました。人間のユーザーによる単発の一問一答形式のやり取りと比較して、Agentはマルチターンの自律実行や長いコンテキスト長を伴う呼び出しを行うため、はるかに大量のTokenを消費します。

注意すべきは、Token総量の増加がサーバーハードウェアにかかる実際の計算負荷の同率の増加を直接意味するわけではないという点です。OpenRouterのデータによれば、Agentが消費するTokenの内訳において、プロンプトキャッシュ（Prompt Caching）が占める割合は86%に達しているのに対し、人間のユーザーが消費するTokenにおけるキャッシュ比率はわずか29%にとどまります。キャッシュとは、同一のプレフィックスを過去に処理した際の中間計算結果を再利用する仕組みです。Agentが連続してタスクを処理する様子を想定すると理解しやすいでしょう。毎回のステップにおいて、共通のタスク指示や参照資料を引き継ぎ、そこに最新の操作結果が付け加えられます。キャッシュがない場合、モデルはその重複する共通部分を何度もゼロから処理しなければなりませんが、プレフィックスキャッシュを活用すれば既存の計算結果を再利用できるため、重複する計算を大幅に削減できます。後続の新規コンテンツやモデルの回答生成には依然として計算が必要であるため、Token使用量と実際の物理的な計算負荷は1対1では対応しません。

モデルのエコシステムにおいては、重みが公開されたオープンウェイトモデルのToken消費シェアが増加しており、Token関連の総支出も拡大していますが、最先端のプロプライエタリ（クローズド）モデルも高難易度の課題処理において依然として価格プレミアムを維持しています。また、旧世代モデルも即座に用途を失ったわけではありません。タスクごとに求められる能力は異なり、より安価なモデルで十分に完遂できるタスクであれば、ユーザーがそれらを使い続ける合理的理由は十分に存在します。

モデルルーティング（Model Routing）は、この選択をシステムによって自動化します。タスクの難易度に応じてモデルを選定し、コストと出力品質のバランスを最適化します。Databricks自社のコーディングタスク評価において、インテリジェントルーティングはタスクごとのコストを削減しながら、図中の比較対象モデルをわずかに上回るタスク完了率を達成しました。これは最適化の一手法を示すものであり、具体的な効果はタスクとモデルの組み合わせに依存します。

この仕組みがコストと需要を結びつけます。個々のタスク実行が安価になることで、従来はコストが高すぎて断念されていたタスクが採算ラインに乗るようになります。企業がこれによって自動化の適用範囲を広げれば、より多くのタスクがToken総使用量と計算需要の全体的な増加を牽引する可能性があります。効率性の改善が総需要を実際に押し上げるかどうかは、創出される新規アプリケーションが十分に存在するかどうかにかかっています。

AIの活用は始まったが、リターンはまだ広く把握されていない

基盤となる計算資源への投資が巨額であるにもかかわらず、実際の業務導入現場に目を向けると、AIの採用状況は依然として「広範囲ではあるが比較的浅い」という特徴を示しています。すでに相当な割合の企業がAI機能を実際の業務に組み込んでいるものの、公開検証が可能な財務的リターンへと包括的に結実している事例は、現時点ではまだ初期段階にとどまっています。

S&P 500の大企業が開示したAIの導入プロセスを集計すると、以下の3つの階層がそれぞれ異なる実態を示していることが分かります。

• 導入階層（「使われているか」を示す）：74%の企業がAI戦略を策定していると表明し、69%の企業がすでに具体的なAI機能を稼働させ、その導入状況を開示しています。
• 成果階層（「どのような事業効果をもたらしたか」を示す）：決算報告書や公開説明会において定量化可能な商業成果を提示できている企業は29%に急減します。
• 継続的追跡階層（「効果を継続的に追跡・測定できているか」を示す）：追跡指標を継続的に開示できている企業はわずか2%にすぎません。

これらの比率は外部に向けた開示情報に基づいた統計です。追跡指標を公表していない企業であっても、社内的に効果検証を進めている可能性はあります。ただし、市場が外部から継続的に検証可能な客観的成果は、現時点では依然として極めて限定的です。

社内での利用深度に関しても、企業間のツール採用状況には極めて顕著な格差が存在します。OpenAIの調査によると、企業グループごとに高度な機能の採用度合いに大きな開きがあります。Pluginsは外部ツールと接続する拡張機能を指し、Skillsはタスクの処理手法や手順を定型化して再利用する機能を指します。下表の分母は週間アクティブ企業ユーザー（WAU）です。

注：OpenAI自身を独立した比較対象群とした場合、PluginsとSkillsの利用率はそれぞれ95%と93%に達します。ここでの採用率は企業内における高度なツールの利用範囲と深度を反映したものであり、事業リターンやプロジェクトの成功率と直接同一視すべきではありません。

企業ごとの実際の利用強度にも極めて大きな偏りが見られます。OpenAIのプラットフォームサンプルにおいて、レポートが設定した起点を基準とすると、全業界の上位10%の企業における出力Token指数は17.1倍に拡大した一方、中央値付近の10%の企業では2.1倍の拡大にとどまりました。なお、これは出力Tokenの伸びを比較したものであり、市場全体の計算資源消費を網羅した調査ではありません。

採用率は「どれだけの組織が使い始めたか」を示し、利用強度は「1社あたりどれだけ使い込んでいるか」を示します。膨大な数の企業が依然として初期的な利用段階にとどまる一方で、ごく一部のヘビーユーザー企業がすでに膨大なリクエストを生み出しているため、「全体的な導入はまだ浅い」という実態と「プラットフォーム全体の利用量が急拡大している」という事象は矛盾なく両立します。

一部の企業はすでに具体的な事業成果を公表しています。以下は同レポートが集約した企業側の自己申告による実例です。

• AmazonおよびMeta（EC購買行動と広告効果）：Amazonは決算説明において、Alexaのサポートを利用して買い物を行うユーザーの平均注文単価が、利用しないユーザーと比べて40%以上高いと報告しています（これは利用者と非利用者の横断的比較であり、ランダム化比較試験の結果ではありません）。また、同社のAds Agentは顧客獲得単価（CPA）を6%低下させました。Metaの最高財務責任者（CFO）であるSusan Liは、同社のAdvantage+が購買数を13%押し上げ、カート追加へのコンバージョンを16%向上させたと開示しました。
• ServiceNow（エンタープライズワークフローと契約額）：取締役会長兼最高経営責任者（CEO）のBill McDermottは、ServiceNow AIの年間契約額（ACV）が第2四半期に10億ドルを突破し、傘下のAgenticワークフローの導入件数が9か月間で9倍に拡大したと明らかにしました。
• Affirm（与信審査と購買成約）：Affirmの企業開示によると、同社が導入したモデルは、従来のシステムであれば否決していたはずの申請（信用履歴が浅くFICOスコアを持たない借り手を含む）を承認し、取引完了件数を3.4%上乗せしました。さらに、この追加融資群のパフォーマンスは、比較対象となる従来の拡大顧客層よりも良好でした。
• LemonadeおよびChime（損害調査費用と顧客対応コスト）：Lemonadeは株主への書簡において、保険金請求業務の自動化により損害調査費用比率（LAEレシオ：支払保険金そのものではなく、請求の調査・査定にかかる費用の割合）が5%という低水準に抑えられたと述べています。ChimeのCEOであるChris Brittは、AIが継続的な効率向上をもたらし、顧客1人あたりのサポートコストが4年連続で毎年10%ずつ低減していると語っています。

消費者向け市場においては、AIの利用率と有料課金の浸透率との間に明確なギャップが存在します。統計によると、4月時点で全米の世帯において個人向けAI有料サービスを購読している比率は約2.2%にとどまります。一方、5月時点の別の統計では、すでに課金している世帯の平均月間支出額は約31ドルとなっています。これら2つの統計は対象サンプルも調査時点も異なるため、そのまま組み合わせて解釈することはできません。また、このデータは有料サブスクリプションを対象としたものであり、無料版を利用している世帯は含まれていません。有料の普及率は依然として低いものの、すでに継続して対価を支払う熱心なユーザー層が一定数形成されています。ごく一部のヘビーユーザーの需要と、一般層への課金普及の遅れという現象もまた、同時に成り立っています。

ソフトウェア企業の収益力は向上したのに、なぜバリュエーションは下落したのか

大規模言語モデルによるコード生成、UI構築、プロセス自動化のブレークスルーに伴い、資本市場では一時「ソフトウェアの終焉（SaaSpocalypse）」というパニック的な言説が巻き起こりました。AIが自然言語の指示から瞬時にオーダーメイドの業務ツールを自動生成できるようになれば、従来型SaaS（サブスクリプション型ソフトウェアサービス）が前提としてきたアカウント数（シート数）ベースの課金モデルは根底から崩壊するのではないか、という懸念が市場に広がったためです。

a16zはソフトウェア業界が直面している新たな要求を「価値の実証を迫られるフェーズ（SaaS-Prove-It）」と表現しています。各社は今後も持続的に成長できることだけでなく、AIが製品自体の付加価値を高め、顧客が引き続きその対価を支払う意志があることを証明しなければなりません。

ソフトウェアセクターが直面したバリュエーションの調整は、その主因が単なるAIによる代替の脅威だけにあるのではなく、マクロ的な金利環境の変化に伴う本質的なリプライシング（再評価）プロセスにあります。ゼロ金利政策（ZIRP）の時代には、低コストの資本を背景に、赤字を許容してでも高い売上成長を追求する拡張モデルが正当化されていました。しかし金利が正常化し、資本コストが上昇するにつれて、ソフトウェア業界は全般的に、成長スピードを抑制して収益性を重視する体質改善へと舵を切りました。

上場ソフトウェア企業のサンプル分析はこの変化を如実に浮き彫りにしています。調査対象となった上場ソフトウェア企業のうち、約75%の企業が当該報告期間において営業黒字を計上しているものの、全体としての成長率は減速しており、年間売上成長率20%以上を維持している企業はサンプル全体の約30%にとどまります。ソフトウェア企業の売上成長率は鈍化しているものの、全体としては底打ちして安定推移する兆しを見せており、大半の企業において営業レバレッジは安定または改善傾向を示しています。ここでいう営業レバレッジとは、売上が拡大した際に営業費用の一部が同率では増加しないため、新規売上がより効率的に利益へと転換される構造を意味します。一方、バリュエーション倍率（市場が企業の売上や利益の1単位に対してどれだけの評価額を支払うかの水準）について見ると、依然として高成長を維持できているソフトウェア企業は、ゼロ金利時代のピーク時こそ下回るものの、過去平均に近いマルチプルで評価されています。セクター全体のバリュエーション倍率が圧迫されている主因は、高成長を維持できる企業の絶対数が以前と比べて大幅に減少したことにあります。

さらに重要なのは、ソフトウェア業界の内部において耐性を示す領域に極めて強い構造的二極化が見られる点です。

1. サイバーセキュリティおよび可観測性（システムの稼働監視、障害検知、ログ解析ツール群）の顕著な優位性：レポートのチャート集計時点において、同セクターの時価総額加重平均ポートフォリオの年初来累積株価リターンは約+80%に達し、他のソフトウェア群を大きくアウトパフォームしました。レポートに掲載された別のバリュエーション比較図でも、セキュリティ関連企業が高いマルチプル・プレミアムを維持していることが示されています。株価リターンは株価がどれだけ上昇したかを測定するものであり、バリュエーション倍率は売上や利益の1単位に対して市場がいくらの評価額を付けているかを示す指標であるため、両者は区別して評価する必要があります。
2. バーティカルSaaSのマルチプル圧縮はホリゾンタル（汎用型）SaaSよりも軽微：一般的なコラボレーションツールやオフィスツールと比較して、業界特化型のバーティカルソフトウェアは特定産業のワークフロー深くに組み込まれており、業界特有の専有データや厳格な信頼性が要求される業務要件と密接に結合しているため、バリュエーション倍率の下落圧力は相対的に小さく抑えられています。ただし、顧客が継続して利用料を支払い続けるかどうかは、現場のリアルな業務課題を安定して解決し続けられるかにかかっています。

ソフトウェア業界の将来展望を巡り、レポートは2つの異なるシナリオを提示しています。

1つ目は、かつての紙媒体新聞業界の歴史の再来です。当時、上場新聞各社の株価は、実際の企業利益が崩壊する数年前からすでに下落を始めていました。もしAIがオーダーメイドのツールを直接生成できるようになり、従来のソフトウェアの利用者数（シート数）単位で課金するビジネスモデルの基盤が完全に代替されてしまうとすれば、現時点で帳簿上の売上高や営業レバレッジが堅調を維持していたとしても、将来的に抜本的な価値の見直しや破壊的衰退のリスクに直面する可能性があります。

もう1つは、AIがアセットライト企業の資本効率をさらに高めるというシナリオです。ソフトウェア企業がAIを活用して製品の提供コストや運用コストを引き下げたり、顧客が喜んで対価を支払うような新機能を付加したりできれば、利益率とプロダクトの付加価値を同時に高めることが可能になります。レポートは、アセットライト企業とアセットヘビー企業の自己資本利益率（ROE：株主資本に対する当期純利益の比率）の推移を比較し、この可能性を論じています。もし企業が株主資本を同率で膨らませることなく、AIを通じてより多くの純利益を創出できるようになれば、アセットライトモデルのROEは一段と押し上げられる期待があります。ただし、グラフに示されたROEの改善見通しにはアナリストの将来コンセンサス予想が含まれており、これは推計シナリオを提示したものであって、すでに確定的に発生した、あるいは実証された因果関係を示すものではありません。

スタートアップ投資はAIに集中し、リターンはごく少数の巨大案件に偏る

ベンチャーキャピタル（VC）およびスタートアップの領域においては、資金がごく一部の領域に極端に集中する傾向が強まっています。企業価値の高い一部の有力テクノロジー企業が未上場のままで長く事業を継続する（Private-for-Longer）傾向が定着し、すでに巨大な企業へと成長しているため、より多くの企業価値の増大がIPO前の段階で発生するようになっています。その結果、一般の個人投資家が上場株式の購入を通じてこれら企業の急成長の果実を享受できるタイミングは、従来よりも大幅に遅くなっています。プライベートセカンダリー市場（企業が新株を発行して直接調達するのではなく、既存株主間で既存株式を売買する取引）においては、最上位のトップ未上場企業は取引においてほとんどディスカウントされず、場合によってはプレミアム価格で取引されることすらあります。ただし、これはすべての未上場企業がディスカウントを免れていることを意味するわけではなく、データが示すように個別の取引間では価格のばらつきや大幅な割引が依然として存在しています。

評価額の上昇は主に帳簿上の含み益を増大させるものに過ぎず、株式の売却やイグジットを完了して初めて現実の現金へと換金されます。VCファンドが最終的に出資者へどれだけの現金を分配できるかは、実際の売却成立と回収額にかかっています。

投資マネーは明らかに最上位企業とAI領域へと集中しています。統計によれば、今年における米国のベンチャー投資総額のうち、AI関連企業への投資が86%を占め、非AI企業への投資はわずか14%にとどまりました。イグジット市場においてはべき乗分布が極めて鮮明に現れています。今年上半期における米国のM&AおよびIPOイグジットの統計によると、上位1%の大規模取引がイグジット総額の84%を占め、上位10%の取引が全体の94%を占めました。

企業経営の観点では、成熟企業と同様に、大半の一般的なスタートアップも資本コストの上昇を受けて成長一辺倒から収益性の重視へと舵を切っています。一方で、直近で資金調達に成功した企業群のサンプルは依然として極めて高い成長スピードを維持しています。レポートが集計したトップクラスのAIアプリケーション企業の成長は特に突出しています。ベースとなるARRが500万ドルから5,000万ドルの上位層では、前年比成長率の中央値が423%（事業規模が約5.2倍に拡大）に達しました。また、ARRが5,000万ドルから2億ドルに達するさらに大規模な企業層においても、成長率の中央値は150%（事業規模が約2.5倍に拡大）を記録しました。ただし、これらの数値は厳選されたトップAIアプリケーションのサンプルに基づくものであり、一般的なスタートアップの成功確率やAI業界全体の普遍的なパフォーマンスを代表するものではありません。

資金の集中が進む一方で、投資の対象はこれまでVCマネーがあまり流入していなかった垂直的な実業シーンへと広がっています。

• プロフェッショナルサービス分野：法務や税務・会計といった、従来は高コストな人的リソースに依存していた専門サービス業務が、VCがAIアプリケーションを展開する重要なフロンティアとなっています。
• 防衛および製造技術：限られた防衛予算の制約下において、投資および調達の重点は、小型で低コスト、かつ量産が容易な装備品へとシフトしています。これにより、同等の予算でより多くの数量を調達・配備することが可能になりますが、こうした低コスト装備が単体として高価な重装備と全く同等の性能を持つわけではありません。
• 物理空間におけるビジネス実例：公共安全の分野では、自動ナンバープレート認識システム（ALPR：レポートで言及されているFlockなど）が、人手不足に悩む警察署において車両情報から捜査の手がかりを発見することを可能にしています。なお、これに伴う治安改善データは導入前後の実績比較であり、直接的な因果関係の証明と見なすことはできません。また、賃貸住宅の内見対応業務において、EliseAIは音声ベンダーと提携して特定地域のアクセント（方言）を再現した案内音声を導入しました。同社の自己申告データによると、内見への転換率は5.28%向上（パーセンテージポイントではなく相対的な増加率）、受電エンゲージメントは7.8%向上、発話単語数の中央値は7.8%増加（単語数の増加は成約率の向上と同義ではない）したとされています。ただし、公開されたランダム化比較試験の詳細を欠いているため、これらは企業の自己申告データにとどまり、確定的な因果関係の結論と見なすことはできません。

未上場企業の実運用データも、市場の動向を読み解く有用な手がかりを提供し始めています。OpenRouterのデータは同社プラットフォーム上でのToken呼び出しトレンドを反映し、Stripeのデータは決済プラットフォーム上を通過するSaaS企業の売上決済規模を反映しています。プラットフォームごとにカバーする顧客層や業務領域が異なるため、それぞれが捉えているのは自社の母集団における変化です。例えば、Stripeのデータでは、同社プラットフォーム上のSaaS企業の売上成長率が再び回復に転じている兆候が示されています。

レポートの結びにおいて、著者らは高負荷なコンピュートを要する新たな消費者体験、身体性を備えたロボティクス（Embodied AI）、完全自動運転、AI主導のバイオ・ヘルスケア、さらには企業の非プログラミング系ワークフローへの深い浸透といった未来の有望領域を展望しています。a16zは、次なる需要の波はこうした領域へと拡大し続けると予測しています。それらの領域で具体的に何が実現され、ユーザーがどれだけの対価を支払う用意があるのかは、今後の実際のプロダクト展開とビジネス成果によって検証されていくことになります。