6月26日、Sean Goedeckeが「AI inference is obviously profitable」と題した記事を公開した。「AI推論は採算が取れない」という通説を実際のコスト計算で反論し、推論ビジネスの収益性が明らかであると論じている。なお、記事中で言及される「粗利70〜80%」はOpenAIをはじめとするAIラボ側が公表・示唆している数字であり、第三者機関による独立した検証値ではない点はあらかじめ押さえておきたい。
「AIは投資家の資金で赤字を垂れ流しているだけだ」という批判は、テック界隈で繰り返し語られてきた。AI推論（LLMへのAPI呼び出しなど）は本質的に採算が合わず、VC資金や電力消費者・地域住民へのコスト外部化によって成り立っているに過ぎない、という主張だ。しかし、Goedeckeはこれを「間違い」と断言する。
計算すれば答えは出る
まず、実際のコストを概算してみよう。
NVIDIA A100は最大400Wの電力を消費する。70Bパラメータの密なモデルをA100×4基で動かすと、約毎時200万トークンの処理が可能だ。米国の産業用電力価格で計算すると、電力コストは約13セント/時間。冷却コストを同額と仮定しても合計26セント/時間になる。
GPU本体の償却コストも加える。A100は1基約2万ドル。5年間使用すると仮定すれば、年間1.6万ドル、つまり約1.80ドル/時間の回収が必要だ。これをトークン単価に換算すると、約1ドル/100万トークン前後になる。
対して、OpenAIのGPT-4.1-miniは4.50ドル/100万トークンで課金している。上位モデルはその3〜6倍だ。「粗利70〜80%」というAIラボ側の自己申告値は、この試算と整合する。ただし、この数字はデータセンターの固定費やサポートコストを十分に織り込んでいない可能性があり、純利益ベースで同様の結論が出るかどうかは別問題である。
DeepSeekが証明する構造
自前の計算でも信じられないなら、オープンウェイトモデルの市場価格が傍証になる。
DeepSeekは、DeepSeek-R1の推論で80%超の粗利を主張している。そのAPIはOpenAIやAnthropicの半額以下にもかかわらず、だ。DeepSeek-R1をはじめとするDeepSeekのモデルは誰でもダウンロードできるため、過剰な利益率を設定すれば他のプロバイダーに価格で負ける。市場での競争原理が働いている状況下で、DeepSeekモデルの推論コストは約87セント/100万トークン水準で取引されており、これが実際の原価に近い水準だとGoedeckeは指摘する。
A100より効率的な最新GPU、スケールによるコスト削減、DeepSeekのMoE（Mixture of Experts）構造による実効パラメータ数の削減など、実際にはさらに原価が下がる要因が複数ある。
「OpenAIが赤字」と「推論が赤字」は別の話
ここが論点の核心だ。
OpenAIやAnthropicが（全社ベースで）赤字なのは事実かもしれない。しかしその理由は、推論が採算割れだからではなく、推論の利益で次世代モデルの訓練コストを賄おうとしているからだ。Anthropicが月額サブスクリプションでほぼ無制限の推論を提供しているのも、採算より先にユーザーを囲い込む戦略であり、APIベースの課金では十分な利益が出る設計になっている。実際、APIトークンで同等の利用をするとサブスクの約10倍のコストがかかる。
一方、単なる推論プロバイダーにはモデル訓練コストが存在しない。たとえOpenAIやAnthropicが経営破綻しても、そのモデルの権利を引き継いだ事業者は、訓練コストなしで推論ビジネスを継続できる。「AIバブル崩壊＝推論ビジネスの終焉」という図式は成り立たない。
この記事はHacker Newsでも活発な議論を呼んだ。コメント欄では「粗利と純利を混同しているのが問題の本質であり、データセンターの固定費やサポートコストを除けば数字はまったく変わってくる」という慎重論がある一方、「DeepSeekの例は説得力がある。モデルが公開されている以上、市場価格は実際の原価を反映しているはず」と同意する声も見られた。HNスレッドのリンクは元記事内にも記載がないため、詳細なコメントの確認はHacker News検索から元記事URLで当該スレッドを参照していただきたい。
この議論が持つ実務的な含意は二つある。一つは、エンジニアが日々使うAPIの価格構造を正確に理解するためのフレームワークとして有用であるという点だ。推論コストとモデル訓練コストを切り分けて考えることで、「AIラボが赤字」という事実がAPI価格の値崩れを意味しないことが把握できる。
もう一つは、推論ビジネスの参入障壁と持続可能性への示唆だ。オープンウェイトモデルの普及によって推論の原価は市場で透明化されつつあり、独自モデルを持たない推論プロバイダーでも、効率的なインフラとスケールさえあれば健全な粗利を確保できる構造が見えてきた。裏を返せば、差別化の軸は今後ますますモデルの質・レイテンシ・信頼性といった非価格領域に移行していくと読むことができる。「AIは赤字産業」という前提で戦略を立てているならば、その前提自体を再検討する余地がある。
詳細はAI inference is obviously profitableを参照していただきたい。
