GoogleもAnthropicも「AIは儲からない」——だから中小企業の出番が来た
Related Articles

結論から言う。AIの「作る側」が儲からなくなるほど、「使う側」は有利になる
GoogleがAIインフラに年間750億ドル(約11兆円)を突っ込んでいる。Anthropicは年間80億ドル(約1.2兆円)を燃やしている。それでも「儲からない」と市場に叩かれている。
これは大企業の悲劇だが、中小企業にとっては朗報だ。
理由はシンプル。巨人たちが血を流しながら作ったAIインフラとモデルが、信じられないほど安い価格で降りてくるからだ。300万円かかっていたことが5万円でできる——そういう構造変化が、今まさに起きている。
大企業が苦しんでいる構造を理解する
まず数字を見よう。
Googleの親会社Alphabetは2025年の設備投資計画として750億ドルを発表した。前年の約500億ドルから50%増。そのほぼ全額がAI関連のデータセンターとGPUだ。
にもかかわらず、直近の四半期決算では検索広告収入の成長率が前四半期の17%から9.8%に鈍化。クラウド部門(Google Cloud)の売上成長も28%と堅調に見えるが、営業利益率は改善が頭打ち。市場は「投資に見合うリターンが出ていない」と判断し、決算発表後に株価が一時7〜8%下落した。
Anthropicはもっと厳しい。2024年の年間売上は約8.5億ドルと報じられているが、同年のコンピュート費用だけで推定20億ドル以上。売上の2倍以上を計算コストに食われている。Claude 3.5のトレーニングに数億ドル、推論コストも1クエリあたり数セント。ユーザーが増えるほど赤字が膨らむ構造だ。
OpenAIも同様で、2024年の売上約37億ドルに対し、年間支出は約85億ドルと報じられている。
なぜこうなるか。AIモデルの開発には3つのコストが重くのしかかる。
- トレーニングコスト:GPT-4クラスのモデルを1回学習させるのに推定1億ドル以上
- 推論コスト:ユーザーがAPIを叩くたびにGPUが回る。利用者が増えるほどコストが増える
- 人件費:AI研究者の年収は50万〜100万ドルが相場。トップ層は数百万ドル
つまり、AIを「作る側」は巨額の固定費と変動費の両方に押しつぶされている。
で、中小企業にとって何が変わるのか
ここからが本題だ。
大企業が赤字覚悟で競争しているおかげで、AIを「使う側」のコストは劇的に下がっている。この1年で起きたことを整理する。
コスト崩壊の実態
APIコストの暴落。
GPT-4が登場した2023年3月、APIの入力トークン単価は100万トークンあたり30ドルだった。2025年5月現在、GPT-4oは100万トークンあたり2.5ドル。2年で12分の1になった。
AnthropicのClaude 3.5 Sonnetは100万トークンあたり入力3ドル、出力15ドル。さらにClaude 3.5 Haikuは入力0.8ドル、出力4ドル。実用レベルのAIが、月数千円で使える水準まで来ている。
GoogleのGemini 2.0 Flashに至っては、100万トークンあたり入力0.1ドル、出力0.4ドル。もはやタダ同然だ。
つまり、月5,000円もあれば、中小企業でも十分にAI APIを業務に組み込める。
オープンソースモデルの実力が追いついた
もうひとつの構造変化。オープンソースのAIモデルが、商用モデルに肉薄するレベルに達している。
MetaのLlama 3.1(405Bパラメータ)は、GPT-4に匹敵するベンチマークスコアを叩き出している。これが無料で使える。GoogleのGemma 2、MistralのMixtral、日本語ならELYZAやCyberAgentのモデルもある。
重要なのは、これらのモデルを動かすコストだ。
- Llama 3.1の70Bモデルなら、クラウドGPUサーバー(A100 1枚)で月額約3〜5万円で運用できる
- 8Bの軽量モデルなら、RTX 4060搭載の15万円程度のPCでローカル動作する
- さらに量子化(モデルの軽量化技術)を使えば、8万円のゲーミングPCでも動く
かつてAIを自社で動かすには、数百万円のサーバーと専門のエンジニアが必要だった。今は15万円のPCと、ネットで公開されているセットアップ手順があればいい。
中古GPU市場という穴場
大企業がH100やH200といった最新GPUに乗り換える中で、旧世代のGPUが中古市場に流れ始めている。
- NVIDIA A100(80GB):新品で約250万円 → 中古で約80〜100万円
- NVIDIA RTX 3090:新品で約25万円 → 中古で約8〜10万円
- NVIDIA RTX 4090:新品で約30万円 → 中古で約20万円前後
RTX 3090は24GBのVRAMを搭載しており、70Bクラスのモデルを量子化すれば動かせる。10万円以下で手に入るAI推論マシンだ。
「で、結局何をすればいいのか」
抽象論はここまでにしよう。地方の中小企業が今日からできることを3つ挙げる。
1. まずAPIで「使う」実験をする(初期投資ゼロ〜月5,000円)
OpenAI、Anthropic、GoogleのAPIは従量課金。クレジットカードがあれば今日から使える。
具体例:
- 見積書のドラフト自動生成(入力:過去の見積データ → 出力:新規案件の見積書)
- 問い合わせメールの自動分類と返信案作成
- 社内マニュアルをベースにしたQ&Aチャットボット
いずれも、プロンプトの工夫とGoogle Apps ScriptやMake(旧Integromat)の組み合わせで、エンジニアなしでも構築できる。月のAPI費用は数百円〜数千円だ。
2. 自社データ×オープンソースモデルで「他社に真似できない武器」を作る
中小企業の最大の資産は、長年蓄積された自社固有のデータだ。
- 製造業なら:検品画像データ、不良品の傾向データ
- 小売なら:顧客の購買履歴、季節変動パターン
- 建設なら:過去の工事記録、原価データ
これらをオープンソースモデルにRAG(検索拡張生成)で接続すれば、「自社のことを知っているAI」ができる。外注すれば100〜300万円かかる仕組みが、LangChainとLlama 3.1の組み合わせで、実質10〜20万円(PC代含む)で構築できる。
大企業は汎用的なAIを作ることに必死だが、中小企業は「自社の業務だけに特化したAI」を作ればいい。汎用で戦う必要はない。特化すれば、大企業のAIより役に立つものが作れる。
3. 属人化を壊す仕組みとしてAIを入れる
地方の中小企業で最も深刻な問題は「あの人がいないと回らない」だ。
ベテラン社員の暗黙知をAIに食わせて、誰でも引き出せるようにする。これだけで事業継続リスクが劇的に下がる。
実例として、ある地方の製造業(従業員30名)では、ベテラン職人の加工ノウハウ(約200件の判断基準)をChatGPTベースのチャットボットに整理した。構築期間2週間、費用は月額2,000円のAPI代のみ。新人の立ち上がり期間が3ヶ月から1ヶ月に短縮された。
本当のリスクは「AIを使わないこと」
最後にひとつ。
「AIは大企業のもの」「うちにはまだ早い」——この認識が一番危険だ。
今起きているのは、AIの民主化ではない。AIのコモディティ化だ。水道や電気と同じように、AIが「当たり前のインフラ」になる過程にいる。
大企業が数兆円を燃やして作ったものが、月数千円で使える。これは中小企業にとって、過去に例のないチャンスだ。
逆に言えば、同業他社がこの武器を使い始めたとき、使っていない企業は「手書きの帳簿で戦っている会社」と同じ立場に追い込まれる。
Googleが儲からないと嘆いている間に、そのおこぼれを拾おう。
大企業が作り、大企業が値下げし、大企業が赤字で提供しているAI。
使わない理由がない。
—
JA
EN