AIデータセンター投資の真実：IBM CEOが警鐘を鳴らすその真意とは？
IBMのアービンド・クリシュナCEOが、AIデータセンターへの巨額投資に警鐘を鳴らした。2025年12月1日公開のポッドキャスト「Decoder with Nilay Patel」(The Verge)でのインタビューが発端で、単なる過熱感への牽制にとどまらない、投資構造そのものへの疑義として注目されている（出典: Futurism「IBM CEO Says the Math Just Doesn’t Add Up on Its Competitors’ AI Spending」2025年12月5日 https://futurism.com/artificial-intelligence/ibm-ceo-math-ai、Yahoo Finance「IBM CEO Arvind Krishna Breaks Down Why A 100-Gigawatt AGI Push Could Cost $8T」2025年12月 https://finance.yahoo.com/news/ibm-ceo-arvind-krishna-breaks-020108714.html）。
クリシュナ氏の試算はこうだ。1ギガワット規模のAIデータセンターを構築するには「現在の水準で」約800億ドルの設備投資が必要になる。業界全体がAGI(汎用人工知能)開発に向けて合計100ギガワット規模の能力を追求した場合、総投資額は約8兆ドルに達する。この規模の投資について、利払いだけをまかなうにも年間8,000億ドルの利益が必要になるといい、現状のAI関連収益の規模とは大きな乖離があると指摘している。加えて、AI計算基盤の中核であるGPUなどの半導体は約5年で陳腐化し交換が必要になる点も、光ファイバー網のような長期的に価値を生むインフラとは性質が異なるとして懸念材料に挙げている。空売り投資家として知られるマイケル・バリー氏も、大手ハイパースケーラーがGPUの減価償却期間を実態より長く見積もり、利益を過大に見せている可能性があるとの懸念を示している（出典: CNBC「The question everyone in AI is asking: How long before a GPU depreciates?」2025年11月14日 https://www.cnbc.com/2025/11/14/ai-gpu-depreciation-coreweave-nvidia-michael-burry.html）。
クリシュナ氏はAIが「バブル」だとは明言していない。生成AIやLLMは企業に実際の生産性向上をもたらしており、投機ではなく実需に基づく技術転換だという立場だ。それでも、投じられた資本、特に負債で調達された資本の一部は「回収されないものが出る」との見方を崩していない。OpenAIのサム・アルトマンCEOは2025年10月末、約30ギガワット規模のコンピュート基盤に対して今後8年間で総額約1.4兆ドルの投資コミットメントを行っていると明らかにしている（出典: TechCrunch「Sam Altman says OpenAI has $20B ARR and about $1.4 trillion in data center commitments」2025年11月6日 https://techcrunch.com/2025/11/06/sam-altman-says-openai-has-20b-arr-and-about-1-4-trillion-in-data-center-commitments/）。クリシュナ氏はこうした積極的な投資姿勢について「同意できない」との考えを示している。
IBM自身は、企業向けAIプラットフォーム「watsonx」や量子コンピューティングに軸足を置く。これらは巨大データセンターへの「箱モノ投資」とは異なり、企業の具体的な業務課題の解決や、既存のコンピュータでは扱えない高難度計算に価値の源泉を置く方向性だ。Microsoft、Amazon、Metaといった大手も引き続きハイパースケールなインフラ投資を進めているが、各社とも自社サービスとAIの統合によって収益源を確保しようとしており、単純な計算能力の積み上げだけを競っているわけではない。
クリシュナ氏はまた、現行のLLM技術の延長線上だけでAGIに到達できる確率は「0〜1%」にとどまるとの厳しい見方も示している。AGI実現には、言語モデルと「ハードな知識」に基づくシステムを組み合わせるなど、現在の技術路線とは異なるアプローチが必要になるという。
投資家・技術者にとってこの警鐘が示唆するのは、AIの可能性そのものへの懐疑ではなく、「投資回収の確からしさ」と「技術陳腐化のスピード」を常に天秤にかける必要性だ。GPUのような減価の速いハードウェアへの投資は、長期的な減価償却やアップグレード戦略を織り込んだ上で評価する必要がある。また、特定ベンダーへの依存を避け、柔軟性・拡張性を持たせた設計を選ぶことも、この局面でのリスク管理として重要になる。単純な計算能力の増強競争の先に、実際にどのような価値を生み出すアプリケーションが育つのか。そこを見極める視点が、これからのAIインフラ投資には欠かせない。