バンク・オブ・アメリカ：Metaがコンピューティングパワーを販売するのは、AI投資のリターンストーリーをうまく語るため

作者 | 張雅琦

      編集 | 硬AI

Metaは大量のAIコンピューティングリソースを現金化することを企画しており、この構想は新たな事業ラインの雛形であるとともに、高額な設備投資のリターンに対する投資家の疑問への戦略的な回答でもあります。

報道によれば、Metaはクラウドインフラ事業を立ち上げ、外部顧客向けにAIコンピューティングリソースとモデルサービスの提供を計画しています。発表直後、Metaの株価は1日で約10%上昇し、同期のS&P500指数の約0.25%の上昇を大きく上回りました。市場はこの潜在的な新事業に対し好意的に反応しています。

追風トレーディングデスクによると、バンク・オブ・アメリカ証券のアナリストJustin PostとNitin Bansalは7月1日に発表したレポートで、クラウド事業の推進がMetaの計算資産およびモデル開発の潜在的価値を際立たせ、AIインフラへの継続投資へのリターンが見えにくいという投資家の懸念をある程度払拭できると述べています。バンク・オブ・アメリカはMetaの「買い」評価を維持し、目標株価を835ドルとしています。

Metaクラウド計画が明らかに：2つのルートを並行推進

Bloombergが事情に詳しい関係者から得た情報によると、Metaのクラウド事業計画には現時点で2つの方向性があります。1つはAIモデルホスティングサービスの提供で、開発者はMetaの既存AIインフラ上で稼働する複数のモデルにアクセスすることができ（例えばMuse Sparkシリーズ）、アクセス量に応じて課金されます。この形態はAmazon AWSのBedrock製品に類似しています。もう1つは計算能力そのものの提供で、CoreWeaveなど新興クラウド事業者により近い位置付けです。

この計画はMeta社内の"Meta Compute"という戦略に属し、AIインフラの構築と運用管理に特化しています。MetaのCEOはこれまでにもエンタープライズ市場にビジネスチャンスがあることを公言し、建設コストを上回る価格で外部に計算能力を販売できる可能性を示していました。

バンク・オブ・アメリカはレポートで、よりマクロな視点から、もしMetaの2026年の設備投資規模が最大3GWの計算能力構築を支えることができれば（1GWあたり約400億～450億ドルの想定）、今クラウド事業プラットフォームを構築しておくことで、企業はより大きな戦略的柔軟性を手にすることになると指摘しています——万が一余剰計算能力が発生した場合、1GWあたり年間100億～150億ドルの価格で外部に貸し出し、企業にとってプラスのサポートとなる。

競合ポジショニングへの疑問、戦略の是非は避けて通れない

市場は好意的に反応していますが、バンク・オブ・アメリカも潜在的な懸念に率直に言及しています。Meta独自開発のチップはAmazon、Microsoft、Googleなどの成熟したハイパースケーラーに後れを取っているようです。同時に、Meta自身も引き続き第三者との契約で計算能力を調達し（最近ではCrusoeとの1.6GW契約など）、

この現象は、Metaの戦略ロジックに対する市場の疑問を呼んでいます。自社でも外部から計算能力を購入している企業が、説得力のある計算能力再販事業を構築できるのか？また、ハイパースケールクラウド市場での競争力はどう位置付けられるのか？

バンク・オブ・アメリカは、Metaがこの分野でより強い市場の認知を得られるかどうかは、ある程度同社の大規模言語モデル（LLM）の先端的な能力進展にかかっている——モデルのレベルが高ければ高いほど、外部からMetaの計算能力への需要も高まり、クラウド事業の商業的なロジックもより堅固になるだろうとしています。

AI単位経済性の改善はクラウド事業者にとって両刃の剣

Metaのクラウド計画とは別に、AI計算コストの側面でも注目に値する動きがあります。The Informationによると、OpenAIはシステムレベルの最適化策を発見し、一部モデルの推論コストを約半分まで削減したとされています。これは既存サーバーインフラの効率的な活用によるもので、新たなハードウエアやモデル構造の導入を必要としません。OpenAIはこの最適化を未ログイン状態のChatGPTトラフィックに適用しており、関連トラフィックは数百枚のNVIDIA製GPUで十分に処理可能となっています。ただしこの手法の原理や、ログインユーザーやAPI、計算負荷の高い推論プロダクトに汎用可能かは現時点で不明です。

バンク・オブ・アメリカによれば、計算コスト効率の改善は大手インターネット企業全般にとってポジティブな方向性だという。もしこの技術が業界全体で普及すれば、新たなハード投入なく既存計算能力の有効アウトプットを増大でき、追加設備投資の緊急性を低減し、AIビジネスの単位経済モデルも向上します。エージェンティックなアプリケーションシーンがtoken消費の大幅な増加を牽引する中、計算最適化の戦略的価値はさらに高まるでしょう。

ただし、ハイパースケールクラウド事業者にとっては、推論コスト低下が価格競争のプレッシャーとなるリスクがあり得ます。ただし同時に、より良い収益構造とより広いアドレッサブル市場の拡大がAIワークロード需要の持続的成長を牽引し、全体的にはポジティブです。