不動産担保債券からGPU担保債券まで、NvidiaはAIGの真似をしているのか？

Nvidiaが再びデータセンター資産の証券化計画を報じられており、今回の取引はAIコンピューティングパワーの熱狂を危険な新段階へと押し上げる可能性がある。

BloombergのマクロストラテジストSimon Whiteによると、Nvidiaがデータセンターを投資可能な資産へと転換する計画は、AIコンピューティング分野で深刻な過剰供給を引き起こす可能性があり、とくに成果ベースの価格設定モデルが業界標準となりつつある中で、そのリスクが高まっている。この判断の根本的なロジックは、金融化が需要シグナルを人為的に増幅し、市場の供給過剰という現実を覆い隠している点だ——これは2008年金融危機前の住宅バブルと酷似している。

Whiteは、NvidiaとApollo、Brookfield、KKR、Blackstone、BlackRockおよびGoldman Sachsとの協業フレームワークは、いわゆる“AIファクトリー”へ5,000億ドル超の資本流入を引き起こすことを目的としていると指摘する。Nvidiaは一部の取引で最大25%のGPU担保の価値に保険を提供し、その価値を保証する。これは住宅バブル時の状況との類似点を無視できない。当時、AIGはCDOのシニア債の保険販売を通じ、銀行が資本占有を減少させ、より多くの有害債務を配分可能とした——最終的には相関性が急上昇し、国家救済に至った。

金融化の加速：GPU債券市場のAIGモーメント

Simon Whiteは、このAIインフラ熱が、かつてのアメリカ州間高速道路建設（1960年代）やブロードバンド敷設（2000年代）など歴史的なインフラ拡大サイクルを規模で上回っているとみている。この熱狂を継続させるため、複数のクロスファイナンスやサプライヤー融資取引が次々と成立しており、Nvidia関連だけで取引規模は7,500億ドルにも達する。

Nvidia CEOのJensen Huangは、「AIファクトリーのコンピューティングパワー」を投資可能な資産クラスへと成長させることを明言した。GPU支援の債務市場は今年爆発的な成長を示しており、今回の新たな協定はそのプロセスをさらに深く推し進めている——資産の証券化と分配だ。パートナーは資本やインフラの専門知識、そして証券化および流通を提供する。

取引の魅力向上により、Nvidiaは債務ストラクチャー内のシニア債券へより高い信用格付けを与えることとなる。一方、米国証券取引委員会（SEC）はデータセンター債券の証券化規則を緩和したばかりだ。Whiteはこれを、金融危機時の年金基金が最終的に参入するポイントになぞらえた——それは多くの場合、リスクがより広範な負債側へ拡大し始める区切りであり、危機終焉への序章となる。

表面的にはNvidiaのリスクは限定的に見えるかもしれない。 しかしWhiteは、これこそAIGがかつて判断を誤ったパターンだと警鐘を鳴らす——時間の経過とともにAIGはリスクがなく有利だとみなした義務を次々と引き受け、最終的には借り手の信用ストレスの相関性上昇が災厄となったのだ。

過剰供給シグナル：金融錬金術が覆い隠す需給不均衡

Whiteの主要な懸念は、金融化がシステマティックに市場が発信する過剰供給のシグナルをフィルタリングしている点にある。住宅危機と同様、現代の資本支出熱は金融錬金術の潤滑油によってますます多くの資本を引き寄せ、過剰な建設へと突き進んでいる。そしてすでにコンピューティングパワーが十分に供給されているというシグナルは、十分に注目されていない恐れがある。

需要側について、Whiteは評価基準自体が根本的に変容しつつあると述べる。GPUリースの標準計測単位は1時間当たりコスト、推論段階では1tokenあたりコストとなっている。だが最終ユーザーにとって本当に重要なのは、その支出によってどれだけの知能的価値を得られるのか、あるいはより直截的に「1タスク完了のコストはいくらか」という点である。

知能コストは低下しているが、この変化はGPUレベルの価格設定には直ちには反映されていない。もしモデルが同じタスクを10分の1のtokenで遂行できるようになり、GPUのtokenあたり価格が変わらなければ、1GPUあたりの実効効率は10倍に高まることになる。

“token最大化”が過去のものとなる中、同じタスク実行時のtoken消費量が大きく変動し得る証拠が続々と現れ、また大規模言語モデル（LLM）はより多くtokenを消費できるよう簡単に調整可能であることから、成果ベースの価格設定モデルがますますエンタープライズユーザーの支持を集めている。このトレンドが主流となれば、モデル提供者はtoken消費の抑制を迫られGUPリース価格も下落するだろう。

もう一つ注目すべきは、GPUの実際の利用率が報告によれば極めて低いことだ。Cast AIのレポートでは、GPUの平均利用率はわずか5%に過ぎない。ClearMLによれば、企業の半数近くが遊休チップで「数百万ドル」を浪費しているという。

ジェヴォンズのパラドックスの限界：経路依存性こそ市場の真のリスク

こうした効率化の主張に直面し、AIへの資本支出の強気派はジェヴォンズのパラドックス（Jevons paradox）を持ち出すことが多い。「コンピューティングによる知能コスト低下は必然的に需要増を招き、量で価格を補う」とする見解だ。

これに対しWhiteは懐疑的だ。ジェヴォンズのパラドックスは全ての時間軸で作用し続けるものではなく、市場にとって重要なのは経路依存性であるとみる。現在の大規模言語モデルが主導するAI発展環境下では、“知能需要”（token需要ではなく）が現行価格ではいずれ伸び悩み、コンピューティングコストの長期的下落を招くと推測している。

貸し手として、担保の相関性が悪化し、もう一つのキーリスク——借り手の信用状況——も同時に弱まった場合、リスクは爆発的に蓄積されていく。その時、Nvidiaは保険義務を履行せざるを得ず、自社の融資取引にも問題が発生する恐れがあり、そもそも主力製品の価値も下落することになる。Googleのように自社バランスシートでこの資本支出熱を支えている企業も、同様のリスクにさらされている。

住宅危機が示した通り、相関性が高まると、その動きは止めることができない。Whiteの結論は、Nvidiaの今回の計画は、市場が再びこの金融の不可避な流れを目撃する日をさらに近づけるものだ、というものだ。