メインコンテンツへスキップ
       

生成AIは19世紀の鉄道バブルと同じ経過をたどるのか――英国・米国の投資過熱と崩壊後に残るインフラ(AI作成)

第1 この記事が扱う問いと結論

1 同じ資本サイクルをたどる可能性は相当にある

生成AIは,19世紀の英国又は米国の鉄道投資ブームと同じ歴史をそのまま繰り返すわけではないが,同じ資本サイクルをたどる可能性は相当にある。
すなわち,実用性が確認された新技術に資金が集中し,需要が確定する前に供給能力が増設され,長期契約と外部資金への依存が深まり,期待収益が実現しない部分から価格調整が始まるという経過である。

もっとも,価格調整が起きても,生成AIの利用やデータセンターが消えるとは限らない。
鉄道は社会的に成功したが,1845年の投資家が同じように成功したわけではなく,生成AIでも技術の定着と一部の株式・企業・設備の価値毀損が同時に起こり得るからである。

2 「同じ経過」は五つの段階に分けて検討する

本記事で比較するのは,①技術の実用性が先に確認される段階,②初期の成功が将来へ外挿される段階,③能力確保競争によって設備投資が需要に先行する段階,④固定的な支払義務と外部資金への依存が増す段階,⑤価格が調整された後も有用なインフラが残る段階である。
株価が上がっているという一点,又は生成AIが有用であるという一点だけで,バブルの有無を判定することはできない。

本記事は,英国・米国の鉄道投資と生成AI投資を比較し,歴史的事実,各資料の観測と試算及び筆者の評価を区別して検討することを目的とする。将来の株価又は個別企業の存続を予測するものではなく,二つの時代の資本形成を比較するための枠組みを示すものである。

本稿の従来の投資額及び見通しは,各箇所に示した対象期間の資料による。
第4の5には2026年10月公表の追加開示を追記し,従来の数値と対象期間を区別した。

第2 19世紀英国の鉄道狂時代に何が起きたか

1 実用性のない技術への投機ではなかった

英国の鉄道投資は,実体のない計画から始まったものではない。
1830年に開業したリバプール・アンド・マンチェスター鉄道その他の既存路線が輸送需要を示し,既存鉄道の交通量と配当が改善したことが,新しい路線にも同様の収益を期待させた。

当時の価格資料を復元した研究では,既存鉄道株指数は1843年1月の1000から1845年8月の1717まで上昇した。
したがって,鉄道狂時代の出発点は「役に立たない技術への熱狂」ではなく,「既に役立った技術の成功を,重複路線や地方路線へ広く外挿したこと」にあった。

2 計画と認可が短期間に集中した

1846年4月23日の英国下院議事録で,ピールは,1845年に成立した鉄道法案が118件であり,株式資本4584万9000ポンドと借入資本1463万5000ポンドの調達が認められたと説明している。これは資金調達の権限であって,建設済みの路線や実際に支払われた工事費を示す数字ではない。別の1846年1月26日の議事録では,その時点で商務院に提出されていた計画が少なくとも2万687マイルあり,公表された計画や類似路線の建設費に基づけば,すべての建設には少なくとも3億5000万ポンドを要すると見積もっている。

すべての計画が議会を通過したわけではなく,認可された路線がすべて完成したわけでもない。
それでも,英国議会の公式史は,1845年から1847年までに8590マイルが認可されたとしており,議会の個別法による認可が短期間に集中した規模は極めて大きかった。

3 株価の頂点より後に建設支出が頂点を迎えた

鉄道株は1845年8月頃に頂点を付け,同年11月までに18.2%下落し,その後も1850年4月頃まで下落が続いたとされる(Campbellの研究)。

この数値は,研究者が指数化した鉄道株全体の動きに関するものであり,単一銘柄の値動きを示すものではない。Campbell・Turnerの研究が新会社の上場初日を含む場合と含まない場合を分けて比較しているように,新会社の株式をいつから比較に含めるか等によって結果が変わり得る点にも注意を要する。

これに対し,鉄道建設投資の対国内総生産比は,1846年5.7%,1847年6.7%,1848年4.7%と推計されている。
株価の転換が先に起こり,議会認可と建設支出がその後も進んだという時間差は,現在のデータセンター建設を読む上で特に重要である。

4 追加払込請求と金融逼迫が重なった

当時の鉄道株は,額面全額を最初に払い込むのではなく,一部を払い込んで株式を引き受け,建設の進行に応じて会社がcallと呼ばれる追加払込を求める仕組みを広く用いた。
この仕組みは,上昇局面では少ない当初資金で大きな持分を持てるが,株価下落後も建設資金の払込義務が残るため,投資家の流動性を急速に奪った。

もっとも,1847年の商業危機を鉄道の追加払込だけで説明することはできない。
穀物不作と輸入増加,金流出,金利上昇,商社破綻及び1844年銀行特許法の下での通貨制約が重なっており,鉄道建設は金融逼迫を増幅した一要素とみるのが適切である。

5 株主損失と鉄道網の拡張は両立した

鉄道株が大きく下落しても,建設済みの線路,駅,橋梁及び接続された路線網は消滅しなかった。

Campbellの研究が引用する歴史統計では,グレートブリテンの開通済みの鉄道路線は1842年までに1951マイル,1850年には6123マイルとなった。株価の下落と,輸送に利用できる路線網の拡張は,分けて評価する必要がある。

その過程では,鉄道会社が他社と合併したり,路線を他社へ賃貸したりすることもあった(Campbell・Turnerの研究)。

したがって,鉄道狂時代から得られる第一の教訓は,「バブルが崩壊すれば技術も無価値になる」ことではなく,「社会に有用な設備でも,当初の価格と資本構成では投資家に利益を残さないことがある」という点にある。

第3 米国の鉄道投資ブームは別の比較軸を示す

1 英国の鉄道狂時代と米国の恐慌を混同してはならない

19世紀米国の鉄道投資は一回の「鉄道バブル」ではなく,南北戦争後の急拡張と1873年恐慌,その後の再拡張と1893年恐慌を含む複数の局面から成る。
英国の1840年代が部分払込株式と追加払込請求を中心としたのに対し,米国では鉄道抵当社債,銀行・証券会社による販売,レシーバーシップ及び再編が比較の中心となる。

また,1873年及び1893年の恐慌を鉄道だけで説明することもできない。
これらの恐慌とその後の不況には,国際的な資金移動,通貨制度,金流出,銀行取付け及び農産物価格等の複数の事情が関わるため,本記事では鉄道を単独原因ではなく,過剰な長期投資と金融を結び付けた伝播経路として比較の軸に置く。

2 1873年には鉄道債券の販売失敗が金融危機へ波及した

ノーザン・パシフィック鉄道の資金調達を担ったJay Cooke & Co.は,1872年の広告で,同鉄道の30年満期・金払いの社債について,鉄道とその収益及び土地に対する第一順位抵当を挙げ,安全性を強調して一般投資家に宣伝した。

別に,1871年刊とされる当事者発行の契約資料は,30年後の元金と年7.3%の利息を金で支払うこと,鉄道,事業権及び土地等への第一順位抵当を定めている。広告上の安全性の強調と,契約上の担保範囲・支払条件は区別して読む必要がある。

しかし,建設費が膨らみ,追加の社債販売が困難になると,Jay Cooke & Co.は1873年9月18日に営業を停止し,9月20日にはニューヨーク証券取引所が取引を停止した。1910年の米国政府報告は,この10日間の停止を前例のない措置と評価している。

米国National Monetary Commissionの1910年報告書は,同時代のCommercial and Financial Chronicleを引用し,新規鉄道債券の販売難と,鉄道事業に関係する金融業者の立替え・借入れを記述している。
本記事では,この記述を,鉄道会社の長期投資と,その資金調達を支える金融機関の資金繰りを合わせて見るための史料として用いる。鉄道だけが恐慌の原因だったと認定するものではない。

3 1893年には大規模なレシーバーシップが集中した

米国政府のStatistical Abstract of the United States 1909の表165によれば,1892年にレシーバーシップに置かれた鉄道の数(原表のNumber of roads)は36,延長は1万508マイル,株式及び社債額は3億5769万2000ドルであった。
1893年には,鉄道の数は74,延長は2万9340マイル,株式及び社債額は17億8104万6000ドルへ急増しており,鉄道会社の信用問題が広範な資産再編へ進んだ規模を確認できる。

もっとも,同表の表題は「レシーバーシップに置かれた鉄道及び担保権実行によって売却された鉄道」であり,この74という数値を単純な「倒産件数」と言い換えるべきではない。
また,この表は米国政府の統計要覧に収録されたものであるが,原資料は業界誌Railway Ageとされており,行政記録に基づく全件集計かどうかまでは,この表の記載だけから確定できない。

4 米国型は現在の債務・特別目的事業体との比較に適する

英国の事例は,株価の頂点より後に建設支出と追加払込が続く時間差を示すのに適している。
これに対し,米国の事例は,長期設備を社債で建設し,販売停止と利払不能が金融仲介業者へ波及し,その後にレシーバーシップと所有権再編が起こる経路を示すのに適している。

現在の生成AI投資が営業キャッシュフロー中心から社債,プライベートクレジット,リース及び特別目的事業体へ広がるほど,比較対象は英国型だけでなく米国型にも近づく。
鉄道網が会社破綻後も新しい所有者の下で使われたように,AIでも企業又は証券の価値が毀損した後,電力接続,建物,通信設備又は顧客基盤が再編後の事業に残る可能性がある。

第4 2026年の生成AI投資はどこまで膨らんだか

1 企業AI投資と設備投資は別の数値である

Stanford AI Index 2026がQuidのデータを集計したところ,2025年の世界の企業AI投資は5816億9000万ドル,そのうち民間投資は3446億6000万ドル,生成AIへの民間投資は1708億7000万ドルであった。
企業AI投資には合併・買収,少数持分投資,株式公開その他が含まれるため,この金額を各社の会計上の設備投資と合算してはならない。

別の物差しである設備投資について,国際エネルギー機関は,大手テクノロジー企業5社の2025年の設備投資が合計4000億ドルを超え,2026年にはさらに75%増える見込みであるとする。 同じ「AI投資」という言葉でも,企業価値の移転を含む投資統計と,データセンター等を新設する設備投資では,経済的な意味が異なる。 同報告に掲載された設備投資の図表は2026年4月15日更新であり,2026年の金額は推計である。5社の設備投資全体を扱う数字であって,生成AI向け支出だけを分離した実績ではない。

2 大手各社の開示にも巨額の固定支出が表れている

大手企業の決算資料には,AIだけを切り出せない数値も多いが,クラウドとAIを支える設備への支出が急増していることは確認できる。
比較可能性を保つため,次の表では,各社が実際に開示した範囲と,AI専用支出ではないという留保を併記する。

企業・開示の対象期間開示された金額・指標比較するときの注意点
Alphabet・2026年上半期キャッシュフロー計算書上の有形固定資産購入805億9800万ドルAI以外の技術インフラ等を含む。
Microsoft・2026年度第4四半期同社の設備投資指標410億ドル,約3分の2がCPU・GPU等AI以外のクラウド需要も含む。ファイナンス・リースの元本は開始時に全額を設備投資へ計上するため,現金支出だけの指標ではない。
Meta・2026年通期の見通し1300億~1450億ドル2026年7月29日の第2四半期決算発表時点の見通し。ファイナンス・リースの元本支払額を含む。
Amazon・2026年第2四半期末までの直近12か月売却額・奨励金控除後の有形固定資産購入額が前年同期から661億ドル増加。フリーキャッシュフローは76億ドルの流出661億ドルは購入額そのものではなく,前年比の増加額である。同社は増加の主因をAI投資と説明しているが,AWSの営業利益も増加している。

各行は,上半期,企業の会計年度の四半期,特定時点の通期見通し及び直近12か月という異なる期間・指標を示している。金額を単純に合計したり,同一基準の設備支出として大小を比較したりすることはできない。

Alphabetの2026年上半期805億9800万ドルは,キャッシュフロー計算書に示された有形固定資産の購入支出であり,AI以外の技術インフラ等も含む。本記事で別に取り上げる購入約束は将来の契約上の約束額であるため,この支出実績と区別する。

Microsoftの2026年度第4四半期の設備投資指標は410億ドルで,約3分の2がCPU・GPU等に向けられている。AI以外のクラウド需要も含み,ファイナンス・リースの元本を開始時に全額計上するため,現金支出だけの額ではない。

Metaの1300億~1450億ドルは,2026年7月29日の第2四半期決算発表で示された,同年通期の設備投資見通しである。当時の見通しであり,ファイナンス・リースの元本支払額を含む。

Amazonの2026年第2四半期末までの直近12か月では,売却額・奨励金控除後の有形固定資産購入額が,前年同期から661億ドル増加した。661億ドルは購入額そのものではなく増加額であり,同じ期間のフリーキャッシュフローは76億ドルの流出であった。同社は購入額の増加の主因をAI投資と説明し,AWSの営業利益も増加している。

Alphabetは,2026年6月末の重要な購入コミットメントその他の契約上の義務を8110億ドル,うち短期分を2007億ドルと開示した。
主として技術インフラと在庫の長期供給契約等に関するが,コンテンツ使用許諾とエネルギーのtake-or-pay契約も含むため,全額をAI需要又はAI設備と扱うことはできない。

3 内部資金だけでは賄えない局面へ移りつつある

国際決済銀行は,AI関連投資の必要額が増えるにつれ,資金源が大手企業の営業キャッシュフローから,社債,プライベートクレジット,特別目的事業体,リース及び保証へ移ると分析する。
短期的な金融安定リスクはなお中程度と評価されているが,投資の持続可能性は高い利益期待の実現に依存し,株式市場の評価が債券市場の評価より先行している点が緊張を示すとされる。

この変化は,鉄道株の部分払込と法的に同じではない。
しかし,需要予測が外れた後にも長期購入契約,リース料,元利金又は保証が残るという経済的機能は,建設後にcallが投資家へ到来した鉄道狂時代と共通する。

4 電力と系統接続が投資速度を制約する

国際エネルギー機関は,世界のデータセンター電力消費が2025年の485TWhから2030年には約950TWhへほぼ倍増し,同年の世界電力需要の約3%を占めると予測する。
2020年から2025年までにAIサーバーの電力密度は11倍となり,2027年にはさらに4倍となる見込みである。

需要予測の大きさだけでなく,送電網への接続,変圧器,冷却設備,高帯域幅メモリ及び建設期間が供給速度を左右する。
計画されたすべてのデータセンターが完成するわけではない一方,供給制約が続く間は高い価格と稼働率が維持され,それが追加投資を正当化する循環も生じ得る。

5 2026年10月の追加開示は支出の時期と約束の内訳を示す

第4の2の表は,各行に示した期間の開示として残し,ここでは2026年10月公表資料による追加情報を区別する。 Microsoftは2027年度第1四半期の決算説明で,設備投資を452億ドル,そのおよそ4分の3を主としてCPU・GPU等の比較的短命な資産に向けたものと説明した。 この設備投資額には,リース開始時に元本全額を計上するファイナンス・リース74億ドルが含まれ,有形固定資産への現金支払額は394億ドルであった。 また,第1四半期に見込んでいた第三者の容量引渡しの一部が遅れ,下半期にずれ込んだことを設備投資額の説明に挙げており,設備支出又は計上の時期は契約・納入の進捗にも左右される(出典:Microsoftの決算説明会)。 なお,2026年度第4四半期の決算説明で,同社は2027年度からデータセンター・オフィス建物の見積耐用年数を15年から25年へ変更し,今後のデータセンター・リースではオペレーティング・リースに分類されるものが増えると説明している。同社の設備投資指標にはファイナンス・リースが含まれる一方,オペレーティング・リースは含まれないため,年度間の設備投資額を比べる際には,この分類の影響も確認する必要がある。

Alphabetの9月末の重要な購入約束(material purchase commitments)は9244億ドルであり,うち8021億ドルは技術インフラ及び在庫,エネルギーのtake-or-pay契約並びにコンテンツ使用許諾に関する複数年の約束である。 残りは主として未履行の発注書であり,12か月以内に期限が来るのは2134億ドルである。 8021億ドルは9244億ドルの内数であり,両者を加算してはならない。 また,全額をAI専用設備の購入額又は当期の現金支出と扱うこともできない(出典:AlphabetのForm 10-Q・Purchase Commitments and Other Contractual Obligations)。 このうち複数年の購入契約には,価格に上下限があるものや契約数量を一部減らせるものがあり,開示額は契約上の価格・数量の上限で計算されている。すべてが自由に取り消せるという意味ではないが,上限額がそのまま確定した支払実績になるわけでもない。将来の支払約束には,相手方が契約を履行することが前提とされている。

同じ資料は,開始前の将来リース料1305億ドル及び金融保証228億ドルも開示している。 将来リース料,保証及び購入約束は,性質と期間の異なる開示であり,それぞれの対象と重複の有無を確かめずに一つの「AI債務残高」へ合算すべきではない。 金融保証は,主として将来の電力調達契約の相手方による長納期設備の調達を支えるもの(162億ドル)であり,ほかに販売済みTPU機器の買戻し保証(66億ドル)がある(出典:Alphabetの同Form 10-Q・MD&A及びNote 10)。 未開始リース1305億ドルは,主としてデータセンター・エネルギーインフラの将来のリース料であり,開始予定は2026~2031年,解約不能期間は1~26年である。金融保証228億ドルの内訳である電力・エネルギー関係162億ドルとTPU関係66億ドルは,条件が生じた場合の将来支払額の最大額である。TPUの買戻しには,所定の条件に加えて機器が稼働可能な状態で返還されることなどが条件となる。同社は両保証の公正価値を重要な額ではないと説明しているが,これは保証リスクが存在しないという意味ではない。これらを現在の負債計上額や当期の支払額として足し合わせることはできない。詳しくはAlphabetの2026年第3四半期Form 10-Qの注記と将来の現金支出の説明を参照されたい。

資金流出の大きさについても,Alphabetの第3四半期FCFの流出90億6500万ドルと,Amazonの直近12か月FCFの流出423億5700万ドルは期間が異なる。 両社ともフリーキャッシュフローは非GAAP指標である。Alphabetは営業活動によるキャッシュフローから有形固定資産購入額を控除し,Amazonは営業活動によるキャッシュフローから有形固定資産購入額のうち売却額・奨励金を控除した額を差し引いている。四半期と直近12か月という対象期間に加え,設備投資の控除方法も確認して比較する必要がある(出典:Alphabetの決算発表,Amazonの決算発表)。

本稿の比較で注目するのは,投資の決定,支払,設備の稼働及び収益化の時間差である。
今回の企業開示は,その時間差を検討する材料として位置付ける。
各社の決算数値のみから,将来の金融危機の有無又は進行順序を確定することはできない。

各指標の意味は,AIクラウドの受注残と売上の違い――RPO・ARR・前受金・FCFを決算で読むで詳しく整理している。

第5 生成AIは本当に生産性を高めるか

1 特定の業務では実用性が確認されている

生成AIのバブル可能性を論じる際に,技術が役に立たないと仮定する必要はない。
顧客対応担当者5179人を対象とした現場研究では,AI支援によって処理件数等で測る生産性が平均14%上昇し,初心者・低技能者では34%上昇した。

文章作成課題の無作為化実験でも,作業時間が40%短縮し,評価された品質が18%上昇した。
これらは,生成AIが特定の文章業務や定型的な顧客対応で既に経済価値を生み得ることを示すが,企業全体の利益又はあらゆる職種の生産性を直接示すものではない。

2 課題が能力の境界を越えると効果は反転し得る

経営コンサルタントを対象とした実験では,AIの能力範囲内にある課題で速度,作業量及び品質が向上した一方,能力範囲外の課題では正答率が19ポイント低下した。
また,熟知した大規模オープンソース・プロジェクトに取り組む熟練開発者16人,246課題の無作為化実験では,2025年前半のAIツールを利用できる条件では完了が19%遅くなった。

66社,7137人を対象とした別の現場実験では,6か月の実験の後半に,能動的利用者の電子メール処理時間が週約2時間減ったが,作業量又は作業構成の有意な変化は検出されなかった。
時間節約,出力品質,売上,利益及び全要素生産性は別の指標であり,短期のベンチマーク改善を長期収益へそのまま置き換えることはできない。

3 導入率は母集団によって大きく変わる

Stanford AI Indexが引用するMcKinseyの2025年調査では,回答者の所属組織が少なくとも一つの業務機能でAIを定期的に利用しているとの回答が88%,少なくとも一つの業務機能で生成AIを定期的に利用しているとの回答が79%であった。同調査は2025年6月25日から7月29日までに105か国の1993人から得たオンライン回答に基づき,回答データを各回答者の国の世界GDPへの寄与に応じて加重している。これに対し,米国国勢調査局のBusiness Trends and Outlook Surveyでは,2025年12月14日から2026年5月3日までに収集したデータにおいて,調査対象企業が過去2週間に何らかの業務機能でAIを利用したとする割合は,各調査時点の全体集計でおおむね17%~20%であった。回答者の所属組織について尋ねる調査と企業を対象とする調査では,対象,時期,設問及び加重方法が異なるため,両者の割合を同じ母集団の導入率として比較することはできない。

二つの数値は,母集団,企業規模,設問及び加重方法が異なるため,いずれかが誤りであることを意味しない。
日本企業における利用実態と社内統制の問題は,別記事のシャドーAIの問題点――営業秘密,個人情報保護法及び懲戒処分をめぐる法的枠組みで扱っている。

4 マクロ経済への効果には大きな幅がある

生成AIが経済全体の生産性をどの程度高めるかは,対象タスク,導入速度,補完投資及び品質改善の仮定によって変わる。
Acemogluの2024年ワーキングペーパーの米国を対象とする基本試算は,今後10年間のTFP水準の累積的な押上げを0.66%以下とし,難しいタスクへの費用節約の外挿を抑える場合には0.53%未満とする。
これは年率の成長率への寄与ではなく,すべての新しいタスクの利益まで否定した結論でもない。2024年ワーキングペーパー

OECD No29(2024年)の主要レンジは米国を対象とし,10年間の効果を年率換算したTFP成長率への寄与約0.25~0.6パーセントポイント,労働生産性成長率への寄与約0.4~0.9パーセントポイントである。
同論文にもG7へ拡張した分析はあるが,この主要レンジをそのままG7全体の値とは説明できない。OECD No29(2024年)
OECD No41(2025年)はG7各国を別々に推計する。
PC・インターネットに準拠する中位の導入速度とAI能力の拡張を仮定したシナリオでは,同論文が想定する今後10年間の日本の労働生産性成長率への年平均の追加寄与を0.51パーセントポイントと試算する。
国,推計年,TFPと労働生産性,累積変化と年率をそろえず,数字の大小だけで強気・弱気を比較してはいけない。OECD No41

投資の評価では,期待される効果と,実際に観測された生産性改善,調整費用,過剰投資の可能性を分けることが必要である。
日本の試算の条件と時点は,AIの生産性・成長率試算の読み方を参照されたい。

この対立は,生成AIに効果があるか否かという単純な二択ではない。
自動化できるタスクの範囲,組織再設計の速度,新しいタスクの創出及び競争による価格低下の利益が,企業の利益と利用者の利益へどのように配分されるかについて仮定が異なる。

第6 鉄道バブルと生成AIに共通する資本サイクル

1 共通点は技術ではなく投資の機序にある

二つの時代には,物理的な線路とデジタルな計算基盤という違いがあるが,供給能力を需要より先に用意しなければならない点で共通する。
比較の中心は,鉄道とAIの機能が似ていることではなく,不確実な将来需要をめぐって各社が同時に設備を確保する投資行動である。

比較軸1840年代の英国鉄道19世紀後半の米国鉄道2020年代の生成AI
実証された成功既存路線の交通量と配当既存路線と大陸横断鉄道への需要モデル利用,クラウド売上,限定課題の生産性
期待の外挿初期路線の成功を重複・地方路線へ拡張開拓と将来輸送を見込んで路線を先行建設ベンチマークと限定業務の成果を全社導入へ拡張
需要に先行する支出用地,線路,橋梁,車両長距離路線,用地,橋梁,車両GPU,データセンター,電力,モデル訓練
主な外部資金部分払込株式と会社借入れ鉄道抵当社債と金融仲介業者社債,プライベートクレジット,リース,特別目的事業体
後から残る支払義務株式のcall社債利払,元本,担保権実行長期購入契約,take-or-pay,リース,債務,保証
調整後の経路統合された路線の継続利用レシーバーシップ,担保権実行,再編評価損,設備移転,契約再編,汎用設備の再利用

個々の企業にとって,競争相手より先に能力を確保することは合理的であり得る。
しかし,各社が同時に同じ判断をすれば,社会全体では重複能力が生じ,供給完成後の価格競争によって利用者の便益が増える一方,設備所有者の利益率が低下し得る。

2 技術の成功と投資家の成功を分ける必要がある

供給不足の局面で観測される高い価格と利益率は,能力増強後も続くとは限らない。
鉄道では路線が連結されて公共的価値が高まる一方,重複路線と過大な資本費が株主収益を圧迫した。

生成AIでも,推論単価の低下とモデル性能の向上は利用者にとって利益であるが,同じ計算量から得られる売上又はモデルの差別化価値を下げる可能性がある。
社会的便益の増加を,現在の株価,長期契約又は設備取得価格の正当性と同一視してはならない。

第7 鉄道バブルと同じにならない理由

1 AI資産の一部は鉄道より短寿命である

鉄道の用地,路盤,橋梁及び駅は,所有者が変わっても長期間利用できる。
これに対し,データセンターの建物と送電設備は転用可能であっても,チップ,冷却方式,電力密度及び相互接続は,次世代仕様によって短期間で経済的価値を失うことがある。

この相違は,AI側の損失を小さくするとは限らない。
線路のような長寿命資産が残る鉄道より,短寿命の機器を継続的に更新するAIの方が,技術進歩による陳腐化と再投資負担を同時に受ける可能性がある。

(2026年11月2日補足)宇宙データセンターを考える場合にも,鉄道の用地や橋梁のように,事業者が交代した後も長期間利用できる設備が残ると,最初から仮定することはできない。
Starcloudの白書は,部品の劣化や寿命について軌道上での実証を求め,モジュール交換等を検討している。
この記述は将来の設計・保守に関する課題を示すものであり,任意の軌道上設備を容易に修理・転用できることの証明ではない。

比較に当たっては,運用主体が変わっても利用できる設備と更新を要する機器を分け,通信の接続条件,保守・交換の実現可能性,残存する利用期間及び運用終了の費用を確かめる必要がある。
技術が社会に残す価値と,当初の投資家が回収できる金額は別の問題である。
冷却の技術的条件と採算の区別については,宇宙データセンターは冷やせるのか――放射冷却,必要面積と採算の壁(AI作成)も参照されたい。

2 主要投資主体の損失吸収力が大きい

鉄道狂時代には,多数の新設会社と暫定委員会が計画ごとに資金を集めた。
現在の主要投資主体には,広告,クラウド,電子商取引及びソフトウェアから巨額の営業キャッシュフローを得る企業が含まれ,単一のAI計画が期待を下回っても投資を継続できる余力が大きい。

他方で,損失が大手企業本体に最初に現れるとは限らない。
単一顧客に依存するデータセンター事業体,長期契約を前提に借り入れた特別目的事業体,差別化の乏しいモデル会社又は高い倍率で保有された株式に,価値調整が先に集中する可能性がある。

3 情報開示は改善したが契約構造は複雑である

現代の上場企業には定期開示,監査及び証券規制があり,個別法による認可と未成熟な会社開示に依存した1840年代とは異なる。
しかし,プライベートクレジット,特別目的事業体,リース,保証及び非公開会社間の長期契約を通じて,最終的な需要リスクと信用リスクの所在が見えにくくなることはある。

大手企業の信用力が契約の一部を支えていても,最終利用者の継続需要まで保証するものではない。
金融制度が発達したことは,鉄道狂時代と同じ形の危機を起こりにくくする一方,リスクを複数の契約へ分散して発見を遅らせる可能性も持つ。

4 AIは複製と価格低下が速い

鉄道路線は地理的に固定され,並行路線を新設するには再び土地と工事が必要である。
AIモデルとソフトウェアは複製でき,モデル間の切替え,オープンモデルの利用及び推論価格の低下が鉄道運賃より速く進み得る。

普及速度が速ければ需要が設備増加に追いつき,大幅な調整を回避する可能性がある。
反対に,利用量が増えても単価低下がそれを上回れば,社会実装が進むほど設備投資の収益率が低下するため,普及の速さはバブル否定の決め手にならない。

第8 今後起こり得る四つの経路

1 四つの仮説は相互に排他的ではない

現在の資料からは,将来を一つの経路に確定できない。
特に,生産性が遅れて現れる経路と,一部の投資価格が調整される経路は同時に成立し得る。

経路確認方向の材料反対方向の材料2026年8月時点の評価
鉄道型の価格調整と設備残存設備投資急増,債務移行,長期契約,短い資産寿命クラウド売上,既存大手の利益,利用量増加可能性は中程度
利益成長が投資に追いつくクラウド成長,推論需要,企業採用フリーキャッシュフロー低下,価格性能比の急落,重複建設可能性は中程度
生産性のJカーブ業務再設計と教育に時間を要し,限定課題では効果がある組織全体の産出増がまだ不明確可能性は中程度から高い
AI内部で価値毀損が二極化する電力・汎用クラウドは転用でき,チップ・モデルは短寿命用途別の稼働率と契約内容が非公開可能性は中程度から高い

2 最も整合的なのは技術の定着と価値調整の併存である

現時点の証拠と最も整合するのは,AIの社会実装が続く一方,短寿命設備,差別化の乏しいモデル,過大な長期契約又は高い評価額の一部で損失が生じる経路である。
これは,鉄道網が残った後に会社と所有権が再編された経過に似るが,価値が残る場所は線路ではなく,電力設備,接続権,汎用データセンター,クラウド顧客基盤及び業務データになり得る。

生成AIの出力には誤りが残るため,利用量の増加だけで業務価値を測ることもできない。
当ブログにおける出力確認の考え方は,別記事のAI作成又はAIリライトの記事におけるハルシネーション防止方法で説明している。

第9 鉄道型への接近を判定する指標

1 株価以外に八つの指標を見る必要がある

鉄道型の資本サイクルへ近づいているかを判定するには,株価又は設備投資額だけでなく,次の指標を継続して確認する必要がある。
これらは単独で結論を出す指標ではなく,需要,収益,資産寿命及び資金調達の組合せを見るためのものである。

① AI関連売上と粗利の増加率に対する,設備投資,リース,保証及び購入コミットメントの増加率
② GPU・推論設備の予約容量ではなく,実際の稼働率と顧客集中度
③ チップとデータセンター設備の経済寿命と,会計上の耐用年数・債務満期とのずれ
④ 営業キャッシュフローによる投資負担率と,社債・プライベートクレジット・特別目的事業体への依存度
⑤ 品質調整後の推論単価の低下を,利用量増加が売上として相殺できるか
⑥ 企業の導入表明ではなく,業務別の継続利用,解約及び検証済みの投資収益率
⑦ 電力系統接続待ち,take-or-pay契約,建設遅延及び計画取消しの割合
⑧ 出資,クラウドクレジット及び相互購入を除いた外部顧客からの売上

2 建設が続いていることは価格調整を否定しない

鉄道株の頂点は1845年8月頃であったが,建設支出の頂点は1847年であった。
したがって,データセンターの建設が続き,設備投資計画が増えているという事実だけでは,金融市場の転換がまだ起きていないことの証拠にならない。

同時に,株価下落が起きても,生成AIの需要又は技術価値が消えたと推論することはできない。
価格,建設,利用量,粗利及び資金調達は異なる時点で転換するため,それぞれを分けて観察する必要がある。

第10 この比較から言えることと言えないこと

1 バブルか否かは技術の有用性だけでは決まらない

生成AIが文章作成,顧客対応又はプログラミングの一部で有用であることは,現在のすべての設備投資と企業評価が適正であることを意味しない。
反対に,一部の企業又は株式が大きく値下がりしても,生成AIが長期的に定着しないことを意味しない。

バブルの有無を分けるのは,設備完成後の利用量,単価,粗利,資産寿命及び資金調達費用が,現在の評価額,長期契約及び債務を支えられるかである。
この問いへの回答には非公開会社の売上原価,契約上の最低購入量,設備稼働率及び最終的な信用リスク保有者が必要であるが,現時点でその全体は公表されていない。

2 同じ「崩壊」でも損失の場所は異なり得る

鉄道型の経過をたどる場合でも,必ず大手テクノロジー企業が破綻するという意味ではない。
大手企業の利益で吸収される場合,非公開モデル会社又はデータセンター事業体に損失が集中する場合,設備価格だけが下落する場合,株式の評価倍率だけが修正される場合があり,経路ごとに金融システムへの影響は異なる。

2026年8月24日時点で妥当なのは,「鉄道型の資本サイクルをたどる可能性はあるが,同一の歴史再演とはいえない」という限定された結論である。
最もあり得るのは,生成AIの長期的な定着と,現在の一部投資家・設備・企業の価値毀損が同時に起こる経路である。

出典・参考資料

1 同時代記録・公的歴史資料

①英国議会下院議事録Railway Bills(1846年4月23日)
②英国議会下院議事録Railway Bills(1846年1月26日)
③英国議会下院議事録Railways(1847年11月26日)
④UK ParliamentFire and Steam
⑤Library of CongressThe Panic of 1873
⑥O. M. W. Sprague, History of Crises under the National Banking System(1910年)>
⑦Jay Cooke & Co., Why Northern Pacific railroad 7-30 gold bonds are a good investment for the mechanic, operative, laborer and farmer?
⑧Wheeling Daily Intelligencer, Northern Pacific 7-30s広告掲載紙面
⑨Library of CongressMapping the Northern Pacific Railroad

2 企業開示・国際機関・公的統計

①Stanford Institute for Human-Centered AIArtificial Intelligence Index Report 2026,Chapter 4: Economy
②Alphabet Inc.Form 10-Q for the quarter ended June 30, 2026
③MicrosoftFY 2026 Q4 Earnings
④Meta Platforms, Inc.Meta Reports Second Quarter 2026 Results
⑤Amazon.com, Inc.Amazon.com Announces Second Quarter Results
⑥International Energy AgencyKey Questions on Energy and AI,Executive summary(2026年)
⑦Bank for International SettlementsFinancing the AI boom: from cash flows to debt,BIS Bulletin No 120(2026年1月7日)
⑧Bank for International SettlementsAI in finance and financing AI,BIS Quarterly Review(2026年3月)
⑨Bank of EnglandFinancial Stability Report,July 2026
⑩U.S. Census BureauAI Use by Businesses Increased Modestly Over the Last 6 Months
⑪U.S. Bureau of the Census, Statistical Abstract of the United States 1909, Table 165,287頁(原資料はRailway Age)
⑫Alphabet Inc.Form 10-Q for the quarter ended September 30, 2026
⑬Alphabet Inc.Alphabet Announces Third Quarter 2026 Results
⑭MicrosoftFY 2027 Q1 Earnings
⑮Amazon.com, Inc.Amazon.com Announces Third Quarter Results

3 論文・文献

①Gareth Campbell, Government Policy during the British Railway Mania and the 1847 Commercial Crisis, Queen’s University Centre for Economic History Working Paper 09-01(2009年)
②Gareth Campbell, Myopic Rationality in a Mania, Explorations in Economic History, Vol.49, Issue 1, 75頁~91頁(2012年)
③Paul Johnson, Market Disciplines in Victorian Britain, Working Papers on The Nature of Evidence, No.06/05(2005年)6頁(PDFビューア8頁)
④板谷敏彦『金融の世界史―バブルと戦争と株式市場』(新潮選書,新潮社,2013年)143頁~147頁
⑤Erik Brynjolfsson, Danielle Li and Lindsey R. Raymond, Generative AI at Work, NBER Working Paper 31161
⑥Shakked Noy and Whitney Zhang, Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence, Science, Vol.381, Issue 6654(2023年)
⑦Fabrizio Dell’Acqua et al., Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality, Organization Science(2025年)
⑧METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity
⑨Eleanor W. Dillon et al., Shifting Work Patterns with Generative AI, NBER Working Paper 33795
⑩Daron Acemoglu, The Simple Macroeconomics of AI, NBER Working Paper 32487
⑪OECD, Miracle or Myth? Assessing the Macroeconomic Productivity Gains from Artificial Intelligence(2024年)

4 関連記事

①山中弁護士がAI作成又はAIリライトの記事を投稿するときに行っているハルシネーション防止方法(AI作成)
②シャドーAIの問題点――営業秘密,個人情報保護法及び懲戒処分をめぐる法的枠組み(AI作成)
③生成AIは2000年前後のITバブルと同じ経過をたどるのか――株価,企業淘汰,設備投資及び金融危機を分けて考える(AI作成)