AI 算力金融化：开源模型正在把算力推向资本市场（上）

欧易OKX

特邀专栏作者

2026-08-17 11:30

この記事は約5248文字で、全文を読むには約8分かかります

算力正在从IT成本转变为资本资产，而未来租金与残值的不确定性，正使其成为新的金融风险敞口。

AI要約

展開

核心观点：AI算力正从IT成本转变为资本资产，进入杠杆扩张阶段。当前市场缺乏标准化远期和衍生品工具，导致长期合同同时承担采购和价格管理功能，而真正进入衍生品市场的风险敞口取决于算力市场化程度。
关键要素：
1. 2025年Top 5云厂商AI CapEx占经营现金流比例接近94%，2026年合计已确认CapEx超7000亿美元，加速依赖债务融资。
2. Take or Pay长约（如CoreWeave超98%收入来自此类合同）将不确定的GPU利用率转化为可预测的合同现金流，改变GPU信贷风险排序。
3. GPU同时具备生产设备和技术产品属性，会计折旧与经济折旧难一致，风险集中在合同续约、再融资和违约处置节点。
4. 真正能进入衍生品市场的风险敞口需经多层过滤：仅限市场化交易、价格浮动且未被双边合同吸收的部分，与merchant compute占比相关性更高。
5. 开源模型提升市场化采购比例：DeepSeek V4发布后H100租金两周涨约7.5%，Kimi K3和GLM 5.2上线前后租金同步走强。
6. GPU-hour不可存储，缺乏库存套利约束，远期价格对边际信息敏感，真实订单流价值凸显，指数价值在于压缩非标报价形成定价锚。
7. GPU-hour更接近基础商品，AI Token因技术通缩和性能差异难标准化，需求侧更可能先从模型篮子、Router等工作负载定价入手。

本稿はOKX Venturesが制作した詳細な調査レポートです。ボリュームが大きいため、上下2編に分けて公開します。上編では算力の資産化、リスクエクスポージャー、デリバティブのプライシングロジックに焦点を当て、下編では算力金融インフラ、推論資産化の機会、業界動向を重点的に分析します。本稿は上編です。

序論：算力の資産化とリスクエクスポージャー

AIインフラは資本集約型の拡大段階に入りつつあり、算力の経済的属性もそれに伴って変化しています。かつて企業は算力をオンデマンドで調達するITコストとみなすことが多かったのですが、現在ではGPU、データセンター容量、複数年にわたる調達契約がバランスシートに計上されるケースが増え、算力は資本資産の特徴を帯び始めています：先行投資が大きく、資金回収に数年を要し、将来の収入と設備価値は需給と技術革新の影響を絶えず受け続けます。

GPUの調達とデータセンター建設も、債務資金への依存度を高めています。今日のGPU融資は、設備担保と長期顧客契約によって資金調達が可能になっていますが、市場には公開・標準化されたGPU-hourの先渡価格やヘッジ手段が依然として不足しています。債務は定められたペースで返済する必要がある一方、数年後にこのGPU群がどれだけのレンタル料を生み、どれだけの価値を持つかは、その時点の市場次第です。レバレッジが高ければ高いほど、このような価格不確実性が債務返済と借り換えに与える影響は大きくなります。

一、背景：算力市場の資本構造

1.1 算力拡大がレバレッジ段階に入る

過去数年、AIインフラにおける最も注目すべき変化の一つは、設備投資が企業内部のキャッシュフロー拡大を上回るペースで進んでいることです。2020～2023年、Top 5クラウド事業者のAI関連CapExは営業キャッシュフローに占める割合が概ね20%～30%でしたが、2025年には94%近くに達しました。2026年に入ると、Top 5クラウド事業者の確定済みCapEx規模は合計で7000億米ドルを超えています。

これらの企業は依然として強力な現金創出力を持っていますが、インフラ建設が長期間にわたり数千億米ドル規模で拡大する場合、債務資本が自然とより大きな役割を担うことになります。算力資産は独自の資金調達ロジックを形成し始めています。

GPU、サーバー、データセンターは収入が発生する前に資金を投じる必要があり、Neocloudなどの算力運用会社は通常、Hyperscalerのような成熟した法人信用を持っていません。そのため貸し手は融資判断をプロジェクト自体に置くようになってきています：将来のキャッシュフローが十分に安定しているか、債務の元利をカバーできるか、デフォルト後にどれだけの資産価値を回収できるか。

Take or Payの長期契約は、この構造が成立するための鍵です。顧客は予約した容量を完全に利用しなくても、契約に従って所定の料金を支払う必要があります。運用会社にとっては将来の収入の一部を事前に固定化することに相当し、貸し手にとっては不確実性の高いGPU稼働率を、予測しやすい契約キャッシュフローに変換することを意味します。

CoreWeaveはこのモデルの最も典型的な事例です（その収入の98%以上がTake or Pay条項付き契約に由来します）。投資適格顧客との複数年契約の割合が高まるにつれ、その資金調達は引き受け側の信用と契約カバレッジにますます依存するようになっています。Nebius、IRENなど、大型顧客との長期契約を持つ運用会社もその後、同様の構造を採用し始めました。

これによりGPU融資のリスク序列が変化しました。貸し手はまず契約キャッシュフローが債務をカバーできるかを判断し、最後にデフォルト後にGPUをどれだけ回収できるかを評価します。GPUの数量が担保規模を決定し、長期契約がさらにこの資産がどのような融資条件を得られるかを決定します。

1.2 キャッシュフローが固定された後、残るのは資産価格リスク

Take or Payは債務返済キャッシュフローの可視性を高めましたが、GPU自体の経済的価値は変動し続けます。数年後、この設備群がどれだけの収入を生み出し、どれだけの価値を持つかは、依然としてバランスシート上に残るリスクです。

GPUは生産設備と技術製品という2つの属性を併せ持っています。継続的にレンタル収入を生み出す一方で、極めて急速な技術革新サイクルの中にあります。新世代チップが登場すると、前世代の設備への影響はレンタル料、稼働率、更新価格、中古市場価値に徐々に反映されます。

そのため、GPUの会計上の減価償却と経済的減価償却が完全に一致することはほとんどありません。会計上は固定年数で設備コストを償却できますが、市場は毎日、GPUが競争力のある算力をどれだけ生み出せるかを再評価しています。貸し手にとって、主要な変数は最終的に残存ローン期間中のキャッシュフローと、デフォルト時に回収できる価値に集約されます。（大手クラウド事業者のデータセンター資産の減価償却方針をめぐっては、市場で疑問視する声も出ています）

これにより、現在のGPU融資がレンタル料下落時にも当面は安定を保てる理由も説明できます。引き受け顧客が契約を履行し続ける限り、スポット価格の変動が直ちに当期の債務返済に影響するわけではありません。リスクはむしろ、契約更新、借り換え、デフォルト処理といった局面に集中します。これらの時点で、GPUの市場レンタル料と残存価値がローンのセーフティマージンを再決定することになります。

レンタル料と設備価値の下落がローン元本の返済進捗より速ければ、LTVは再び上昇し、ローンのセーフティマージンは縮小します。長期契約はリスクを先送りできますが、設備のライフサイクル全体にわたる経済的価値を固定化することはできません。

現在の算力融資構造の欠陥はここに明確にあります：契約は顧客の支払いの一部を固定化するが、GPUの市場価格は依然として変動する。

市場は現在、主に複数年の容量契約による事前の価格固定に依存しています。初期のH100向け1年契約はスポットに対して明確なディスカウントがありましたが、スポット価格の下落と先渡契約価格の上昇により、両者の価格差は大幅に縮小しました。供給改善と契約条件の変化がこの結果に影響しますが、それはより根本的な問題も反映しています：標準化された先渡、先物、スワップ手段が不足している中で、産業参加者は長期の実物契約に調達と価格管理の両方の機能を同時に担わせるしかありません。

長期契約は個々の取引当事者間でのリスク配分は完了できますが、市場が継続的に公開価格を形成し、機関間でリスクを移転する必要が出てくれば、さらなる標準化された金融手段が必要になります。多くのGPU資産が債務資本によって支えられるにつれ、このニーズはますます顕著になります。

二、算力市場が本当に取引すべきものは何か？

算力が資本構造に入ると、価格変動には明確な負担者が生まれます。Neocloudはレンタル料下落リスクを、AI企業は調達コスト上昇リスクを、債権者は残存価値と借り換えリスクを保有します。デリバティブ市場は、多くの場合、バランスシートだけでは消化できないこれらのリスクから実際に形成され始めます。

2.1 3つの参加者タイプとリスクエクスポージャー

算力価格の変動は最終的に3つのバランスシートに影響を与えます。Neocloudは前期にGPU、データセンター、資金調達コストを固定化しますが、将来のレンタル料は依然として再プライシングされます。長期契約のカバレッジが不十分な場合、レンタル料の下落はすぐにEBITDAとDSCRを圧縮するため、フォワードを売って収入を事前に固定化するインセンティブが最も高くなります。AIラボと推論プラットフォームは反対側に位置し、GPU価格の上昇は直接的に粗利益を侵食し、市場逼迫時には価格と容量のリスクが同時に発生することが多いため、コストと利用可能な容量の両方を固定化する必要があります。貸し手は融資残高とGPUの経済的価値の間にどれだけのセーフティマージンが残っているかにより関心があり、公開指数とフォワードカーブが不足しているため、LTV、借り換え、コベナンツを動的に管理することは困難です。ヘッジ要件が徐々に融資条件に組み込まれるにつれ、算力デリバティブの需要も企業の自主的なリスク管理から、資金調達システムの中にまで入り込んでいきます。

2.2 潜在的な市場規模：どのリスクエクスポージャーがデリバティブ市場に入るか

世界中のGPU出荷量、データセンターCapEx、AIインフラ規模から算力デリバティブのTAMを直接推定すると、結果は1桁過大になる可能性が高いです。

実際にデリバティブ市場に入ることができるのは、依然として市場価格に晒されており、他の方法で吸収されていないリスクのみです。

Hyperscalerが自社構築し内部で使用するGPUは、リスクの大部分が自社のバランスシート内に留まります。すでに複数年の固定価格契約を結んでいる容量も、価格リスクは事前にバイラテラル契約で配分済みです。これらには経済的リスクがありますが、毎日市場で取引する必要は必ずしもありません。

したがって、世界の算力需要から実際のデリバティブTAMに至るまでには、少なくとも数層のフィルターが必要です：

これが、将来の算力デリバティブ市場の規模が、世界のGPU設置台数の単純な線形成長よりも、merchant computeの比率とより強く関連する可能性が高い理由です。

これまで多くの高度なモデルは少数の大規模ラボとHyperscaler内部で実行され、算力調達も高度に内部化されていました。オープンソースモデルの性能向上に伴い、多くの企業が自社でデプロイするか、workloadを第三者Neocloudや推論プラットフォームに委託できるようになりました。かつて少数の大規模バランスシートに閉じ込められていた算力需要は、徐々に公開市場での調達注文に変換されていきます。これが、オープンソースモデルの発展が注目に値する理由も説明しています：

第一に、より多くの算力が実際の取引価格を形成し始めます。十分な外部取引がなければ、指数は形成されにくく、フォワードカーブはなおさらです。

第二に、需要ショックはスポット市場へより速く伝播します。人気モデルがリリースされた後、多くの企業が同時にデプロイを増やせば、新規需要は第三者GPU容量に直接的な影響を与え、価格と稼働率は急速に変化します。公開市場が担う限界需要が多ければ多いほど、レンタル料の変動は企業が実際に管理すべきP&Lリスクになる可能性が高まります。

したがって、オープンソースモデルが算力の金融化にとって本当に重要な点は、市場調達の割合を高める可能性にあるのです。算力は十分な外部取引を経て初めて、指数化・先渡化・金融化に値する価格を徐々に形成していきます。最終的に算力デリバティブ市場の規模を決定する変数は、1）どれだけの算力が公開市場に入るか、2）どれだけの価格が変動のまま残るか、そして3）そのうちどれだけのリスクが元のバランスシートに留まり続けることができないか、です。

DeepSeek V4 のリリース後、H100レンタル料は2週間で約7.5%上昇しました。Kimi K3とGLM 5.2の登場前後には、H100、H200レンタル料にも同様の上昇傾向が見られました。人気のあるオープンソースモデルは短期間で大量のデプロイと推論需要をもたらし、これらの新規負荷が主にNeocloudと第三者推論プラットフォームによって引き受けられる場合、市場ではまず稼働率の低下、待ち行列、割当ての厳格化が発生し、その後オンデマンドレンタル料に反映されます。