AI投資はバブルか、資金の86％が大型ラウンドに集まる危うさ

2026年第1四半期のAI投資は、市場全体が一様にバブル化したというより、少数の大型案件に過熱が集中した状態とみるのが妥当だ。プライベートエクイティ支援を受けた10億ドル以上のAIラウンドが、対象となるAI調達額の約86％を占めたからである。

この86％は技術需要の弱さや、AI企業の大半が割高であることを直接示す数字ではない。示しているのは、2026年第1四半期の調達総額が少数の巨額案件に大きく左右され、見かけの市場成長と資金調達機会の広がりが一致していないという危うさだ。創業者と投資家は、資金集中、売上の質、設備投資の回収可能性を、AIスタックの層ごとに判定する必要がある。

86％は市場の厚みではなく集中度を示す

S&P Global Market Intelligenceの集計 では、2026年第1四半期にプライベートエクイティ支援を受けた10億ドル以上のAIラウンドは総額1793億3000万ドルに達し、対象となるAI企業の調達総額の約86％を占めた。同じ比率は2025年通年の55％、2024年の約41％から大きく上昇している。

重要なのは、この比率が企業数ではなく金額を分母とする点だ。AI企業の86％が資金を得たわけではなく、少数のラウンドが全体を押し上げている。投資総額だけを見れば活況でも、大型案件を除いた調達額や件数が伸びていなければ、初期企業や応用企業が利用できる資金の裾野は広がっていない。

集中は、それだけで非合理とはいえない。基盤モデルの開発や計算インフラの整備には巨額の先行投資が必要になる。ただし、同じ企業への出資が複数のファンドにまたがれば、投資先の名称が分散して見えても、最終的なリターン源泉は一部の企業や設備需要に偏る。需要や評価額が修正されたとき、影響を受ける範囲を過小評価しやすい構造である。

「AI」ではなく三つの層に分けて評価する

バブル判定の単位として、AI全体は粗すぎる。少なくとも、基盤モデル、計算インフラ、応用ソフトウェアに分けるべきだ。必要資本、収益構造、陳腐化リスクが異なるため、同じ調達段階でも評価額を単純には比較できない。

Cartaの2026年第1四半期データ では、同社を利用する企業が調達したベンチャー資金の60％超がAI企業に向かった。基盤モデル企業だけで全資金の14.2％、AI向け資金の約4分の1を占め、シリーズAの評価額中央値は基盤モデル企業が3億ドル、非AI企業が5500万ドルとされている。

この差を、すべてのAIスタートアップに適用できる相場と考えるのは危険だ。基盤モデル企業は研究開発と計算資源に大きな資金を必要とする一方、応用企業の価値は顧客への導入経路、独自データ、継続率、切り替えコストなどに左右される。インフラ企業では設備稼働率と契約期間が重要になるため、成長率だけをそろえても比較は成立しない。

指標1：大型案件を除いて資金の広がりを見る

資金集中を測るときは、調達金額と件数を分ける。確認したいのは、AI向け資金の比率だけではなく、10億ドル以上の案件を除いた総額、シードからシリーズBまでの件数、ラウンド規模の中央値である。平均値は巨額案件に引き上げられるため、市場の裾野を判断する用途には向かない。

投資家は、ファンド別の配分を企業別の実質エクスポージャーへ組み直す必要がある。複数の運用会社を通じて同じ基盤モデル企業、クラウド事業者、データセンター需要に投資していれば、契約上は別資産でも経済的な依存先は重なる。各ファンドが同一資産に異なる評価額を付けていないかも、集中リスクと併せて確認したい。

創業者側では、超大型ラウンドの評価倍率を自社の基準にしないことが重要だ。比較対象は、同じ層、同じ事業段階、近い粗利構造を持つ企業に絞る。高い評価額は当面の希薄化を抑えるが、次回調達までに達成すべき売上や契約規模も引き上げるため、資金調達条件の良さと事業リスクの低さは同義ではない。

指標2：売上を継続需要と単位採算に分解する

売上成長が評価を支えられるかは、その中身で決まる。契約済みの経常売上、試験導入から本契約への転換、更新率、顧客集中、利用量、推論費用を差し引いた粗利を分けて見る必要がある。割引や無料枠による利用増が中心なら、成長率が高くても価格決定力の証拠にはならない。

2026年6月に投稿された AI投資を評価した研究プレプリント は、実現済みの売上成長、企業導入、生産性の証拠が評価の一部を支える一方、一部の層では設備投資が確認済みの収益化より速く増え、将来の生産性がキャッシュフローへ表れる前に価格へ織り込まれていると整理している。結論は、実体的な技術革新と局所的なバブル傾向が併存するというものだが、査読済み論文ではない点には留意が必要である。

応用企業では、製品の利用量だけでなく、顧客が対価を払う成果まで確認する。作業時間が短縮されても、契約更新や追加支出につながらなければ収益基盤は弱い。反対に、処理能力、品質、規制対応など顧客の予算項目に結び付く成果があり、利用増に伴って粗利も改善するなら、モデル自体がコモディティ化しても事業価値を維持しやすい。

指標3：設備投資を回収できる条件を問う

基盤モデル企業とインフラ企業では、設備投資や計算資源への支出を営業キャッシュフローで回収できるかが最終的な境界線になる。利用量が増えても、計算単価の下落、電力・保守費の上昇、設備の陳腐化が速ければ、売上成長が投下資本利益率の改善につながらない場合がある。

判定では、基本、慎重、悪化の三つのシナリオを置く。慎重シナリオには顧客獲得の遅れと単価低下を、悪化シナリオには稼働率低下、資金調達コストの上昇、設備更新の前倒しを反映する。そのうえで、追加調達なしに事業を維持できる期間と、設備・計算資源への支出を営業キャッシュフローで回収できる時期を比べる。

三つの指標は、次の順序でまとめられる。

1. 10億ドル以上のラウンドを除いた調達総額と件数を確認し、市場の裾野を測る。
2. 企業を基盤モデル、計算インフラ、応用ソフトウェアに分類し、同じ層だけで比較する。
3. 売上を本契約、更新率、利用量、粗利、顧客集中に分け、継続需要を確かめる。
4. 設備・計算資源への支出について、稼働率と単価が悪化しても回収できるか試算する。
5. 複数ファンドを通じた同一企業や同一インフラ需要への依存を合算する。

資金の偏り、売上の質、回収可能性が同時に悪化しているなら、技術そのものが有望でも投資条件はバブル的である。反対に、資金が集中していても、検証済みの需要、改善する単位採算、現実的な回収期間がそろえば、巨額投資には事業上の根拠がある。問うべきなのはAI全体がバブルかではなく、どの層の評価が、実現可能なキャッシュフローから離れているかである。