核要のまとめ
現在、大手テクノロジー企業は「フルスタックAI」に注力しています。チップ、計算能力、モデル、アプリケーション、端末に至るまで、AI産業チェーンのすべての段階を自社でコントロールしようとしています。この動きには二つの理由があります。一つは、他社による制約を恐れることです（例えば、モデル企業が計算能力を不足していたり、クラウドベンダーが顧客を奪われることを恐れているなど）。もう一つは、インターネット時代の「無限の拡大」に成功した経験から、「何でもできる」と思い込んでいることです。しかし、フルスタックの拡大には大きな代償が伴います。資金の消費が激しく、フリーキャッシュフローがマイナスになり、内部リソースの争奪や調整コストが急増し、核心事業の成長を妨げることさえあります。長期的に見ると、フルスタックは産業分業が未熟な時期の不安から生まれたものであり、外部の取引コストが下がる（例えばAPIや標準インターフェースにより異なる企業の製品が簡単に連携できるようになる）につれて、大手企業は再び「それぞれが専門分野を担う」という効率的な分業体制に戻るでしょう。
一、なぜ大手企業はAIを「すべて手に入れたい」と思うのか？不安が原因
大手企業がフルスタックAIに取り組む本質は、「負けたくない」という不安からです。AI産業チェーンの各段階が次の防御線になり得るからです。例えば、NVIDIAのようにチップで大儲けをしたり、Anthropicのようにモデルで収益を上げたり、Appleのようにデバイスの配布権を握ったりします。どの段階も欠けていると、競争相手に利益を奪われる恐れがあります。モデル企業が他社のGPUに依存していると、価格上昇や供給停止のリスクがありますし、クラウドベンダーが計算能力のみを提供していると、顧客をモデル企業に奪われる可能性があります。
また、インターネット時代の成功体験から、「拡大すれば何でもできる」という思い込みがあります。例えば、張一鳴の「Super Company」や王興の「無限の拡大」戦略は、機会があれば資本と人材を投じるものです。彼らは「今日の小さな機能が明日大きなプラットフォームになるかもしれない」と考え、どんな機会も逃したくありません。この「何も他社に任せたくない」という考え方が、技術的選択から戦略的な不安へと変わっています。
二、フルスタックの拡大には二つのタイプがある：一つは有効、もう一つは「貪欲」
フルスタックは一枚岩ではありません。実際には二つのタイプに分かれます：
1. 縦方向の統合（核心能力を中心に拡大する）：例えば、モデル企業がチップやデータセンターに進出する（OpenAIがJalapeñoチップを開発）、クラウドベンダーがモデルのトレーニングに進出する（MicrosoftがMAIモデルを開発）。これは外部依存を減らすためです。自社でチップを製造すればNVIDIAに依存しなくなり、自社でモデルを開発すれば顧客を失うことがありません。このような拡大は価値があり、サプライチェーンの協力を最適化できます（例えば、Microsoftが自社チップを開発したことでCopilotの推論速度が40％向上しました）。
2. 横方向の拡大（何でも試してみる）：モデルを持っているからといって、チャットボットやコーディングツール、ブラウザ、ハードウェア端末にも進出します。これは弱点を補うためではなく、あらゆる可能性の入口を逃したくないからです。例えば、エージェントを開発するとユーザーを他社に奪われる恐れがあり、端末を開発すると配布権を失う恐れがあります。しかし、このような拡大はリソースを分散させ、計算能力や人材、資金を複数の事業に割り当てるため、核心事業の成長を妨げることになります。
三、フルスタックは資金と人的リソースを消費し、大手企業はもう持ちこたえられない
フルスタックの代償は明らかです：
1. 資金の消費が激しく、フリーキャッシュフローがマイナスに：今年、AlphabetやMicrosoftなど4社はAIインフラに6500億ドルを投じる予定で、前年比で約60％増加しました。阿里は第2四半期の資本支出が75％増加し、腾讯は80億ドルを投じましたが、両社ともフリーキャッシュフローがマイナスになりました。字节はAIへの投資のために200億ドルの海外ローンを組みました。資金は早く消費されますが、収入やリターンは数年後になります。大手企業のプレッシャーは非常に大きいです。
2. 内部の調整が外部との協力よりも困難：Google DeepMindの再編がその例です。GeminiモデルチームとCloudがTPUリソースを争い、長期的なAGI研究と商業的な目標が衝突し、重要な分野への投資が不足しています。阿里のQwenチームも不満を抱いています。外部企業は阿里云の計算能力をスムーズに利用できますが、内部ではリソースが不足しています。組織が大きくなるほど、調整コストが高くなり、外部の分業の方が効率的です。
四、フルスタックは最終形ではなく、分業こそが王道か？
経済学者のコースは、「企業が存在するのは市場取引コストが高いからだ（例えば、サプライヤーとの交渉が面倒）」と述べています。しかし、内部管理コストが市場取引コストを上回る場合は、他社に任せるべきです。現在、AI産業ではこの逆転が起きています：
1. 内部の調整コストが高まっている：OpenAIはラボから製品会社、そしてインフラ会社へと変化し、組織が複雑になり、プロのマネージャーや従来の管理システムを導入せざるを得なくなり、柔軟性を失っています。
2. 外部の取引コストが低下している：APIによりモデル機能が容易に利用できるようになり、MCPやA2Aなどの標準インターフェースにより異なる企業のエージェントやツールが互いに連携できるようになりました。例えば、AnthropicのMCPはChatGPTやGeminiなどに利用され、GoogleのA2Aはオープンソース財団に提供されています。これらにより、「他社との協力」の方が「自社で開発する」よりもコスト効率が高くなっています。
将来、AI産業はより効率的な分業に戻るでしょう。チップ企業はチップを、モデル企業はモデルを、アプリケーション企業はアプリケーションを専門にし、標準インターフェースを通じて連携します。フルスタックは過渡期の産物に過ぎません。
五、大手企業は目覚め始めたのか？OpenAIとDeepMindの方向性の変化
最近、大手企業は方向性を調整し始めています：
- OpenAI：Altmanは「何でもやるべきではない」と明言し、プラットフォームを提供し（ユーザーへのアクセスと開発者へのAPIの提供）、SoraやAtlasなどの「良い製品」を廃止し、リソースを核心分野に集中させています。
- DeepMind：Hassabisは日常の管理から撤退し、AGI研究に戻りました。実際の運営は商業化に長けた人材に任せ、一部のチームをGoogleのシステムに再編しました。これは研究と商業のバランスを取るためです。
これらの変化は、大手企業がフルスタックが「必ずしも勝利につながるわけではない」と認識し始めたことを示しています。何もかもを手に入れるよりも、核心的な強みを深めることが重要だということです。
最後のまとめ
フルスタックAIは集団的な不安から生まれたものですが、最終的には合理性に戻るでしょう。自社の核心的な部分を他社に代替されないものにすることができる企業だけが、AI時代に安定した立場を築くことができます。単に「何でも手に入れる」ことで勝つわけではありません。