代替価格設定および競争シナリオにおけるファウンデーションモデル企業の評価

導入

基盤となるモデルは、多くの下流タスクや製品をサポートできます。この幅広い機能によって商業的な選択肢の価値が生まれる一方で、企業の事業範囲を明確に定義することが難しくなります。開発者は、独自のモデルをトレーニングし、自社アプリケーションを通じて配布し、インターフェースを介してアクセス権を販売し、クラウドパートナーを通じて容量のライセンス供与を行い、カスタムモデルを提供し、消費者向けサブスクリプションを運営し、インフラストラクチャプロバイダーとの戦略的契約に参加する可能性があります。そのため、同じ組織が、研究室、クラウドソフトウェア企業、消費者向けプラットフォーム、そして資本集約型のインフラストラクチャユーザーといった複数の側面を併せ持つ可能性があります。

市場の証拠は、シナリオ分析の必要性を裏付けています。英国競争市場庁は、コンピューティング、データ、人材を重要なインプットとして特定し、基盤モデルのバリューチェーン全体にわたる相互接続されたパートナーシップのネットワークを調査しました[7-9]。米国連邦取引委員会は、主要なクラウドおよびAIパートナーシップには、株式、収益分配、コンサルティング、管理、独占権、クラウド支出の約束、技術および財務情報へのアクセスが含まれる可能性があると報告しています。 ^[7]こうした関係は、成長資金を調達し、流通網を拡大するのに役立つ。一方で、スイッチングコスト、集中度、そして将来の経済状況に対する権利といった問題も生み出す可能性がある。

技術的リーダーシップも同様に動的です。スタンフォード大学の2026年版AIインデックスでは、人間の好みの尺度で複数の開発者が密接にグループ化されているトップティアが説明されていますが、オープンモデルとクローズドモデルのパフォーマンスギャップは時間の経過とともに変化する可能性があります[10,11]。プロバイダーのドキュメントには、従量課金トークン、キャッシュされた入力、バッチ割引、予約済みスループット、モデル固有の容量など、複数の価格設定メカニズムが示されています[12-19]。これらのメカニズムは、名目上のモデルファミリーを変更することなく、顧客のコストを大幅に変更する可能性があります。

したがって、企業価値評価は、人工知能が戦略的に重要かどうかという問いよりも、より限定的な問いに答えるべきである。具体的には、企業に帰属するキャッシュフロー、資産、債務、オプションは何か、それらが様々な競争環境下でどの程度持続可能であるか、そしてそれらを維持するためにどれだけの資本が必要かを明らかにするべきである。

1. 方法を選択する前に、会社の境界を定義する

最初の課題は、投資家が何を評価しているのかを特定することです。評価対象には、法人、モデルの重み、トレーニングコード、データ権利、評価システム、推論スタック、顧客アプリケーション、契約、クラウド契約、施設、人材、安全システム、ブランド、流通、資金調達義務などが含まれます。創業者、関連会社、大学、クラウドパートナー、オープンソースコミュニティが保有する資産は、別途扱う必要があります。

収益は、それを生み出す製品に紐づけられるべきです。消費者向けサブスクリプション、企業向けライセンス、使用量ベースのインターフェース、予約容量、カスタマイズ、プロフェッショナルサービス、ライセンス供与は、それぞれ経済的に異なるものです。連結成長率の数値は、衰退しているモデルインターフェース、補助金付きの消費者向け製品、あるいは高利益率の企業向け顧客層を隠してしまう可能性があります。評価ファイルでは、すべての重要な製品を契約、使用量、請求書、現金、直接コストと照合する必要があります。

境界には責任範囲マップも必要です。クラウドプロバイダーは、アクセラレータの提供、推論のホスティング、モデルの再販、顧客IDの提供、より広範なプラットフォームへのアクセス権のバンドルを行う場合があります。モデル企業は、直接的な顧客データや価格決定権を持たない場合でも、製品責任を保持する可能性があります。契約は、運用テレメトリおよび現金決済と併せて検討する必要があります。

知的財産権の所有権は、コンポーネントレベルで検証されるべきである。トレーニングデータ、コード、重み、合成データ、評価セット、微調整、安全分類器、顧客による適応は、それぞれ異なる所有者と制限を持つ可能性がある。IAS 38および関連する評価基準は、有用な会計および評価の境界を提供するが、法的権利は事実固有のままである[3,5]。

2. 製品および顧客収益台帳を作成する

基盤モデルの収益品質は、顧客・製品台帳から始まります。各行には、顧客、製品、契約、請求単位、最低保証額、使用量、クレジット、価格、更新日、サービスレベル、地域、モデルバージョン、流通チャネル、請求書、回収、および直接配送コストを識別する必要があります。関連するエンティティと基盤となるエンドユーザーは、共通のリスク要因が存在する場合に集約する必要があります。

利用状況は慎重に解釈する必要がある。トークン量が多い場合は、顧客価値、非効率的なプロンプト、無料クレジット、内部テスト、または自動化されたトラフィックを反映している可能性がある。利用量が少ない場合は、最低限のコミットメントと共存できるが、継続的な低利用は更新を阻害する可能性がある。台帳は、消費を承認された顧客ワークフローと商業的成果に結びつける必要がある。

契約収益は、予約、残存債務、年間使用量、および管理ランレートとは区別されるべきである。IFRS第15号は、報告企業に適用される収益認識フレームワークを提供する。 ^[4]評価分析には、認識された収益の背後にある運用スケジュール（キャンセル、サービスクレジット、増加率の想定、最低利用額、利用段階、価格改定、顧客承認など）も必要となる。

顧客コホートは、評価から製品化までの経路をたどるべきです。投資家は、コンバージョン時間、継続利用率、拡大、縮小、解約率、総収益維持率、純収益維持率、および獲得時期別の貢献度を確認する必要があります。モデルリリースは、有料顧客の維持率を改善することなく、一時的にトライアル数を増やす可能性があります。コホートのデータは、技術的な関心が再現性のある商業的行動につながるかどうかを示します。

3. 顧客ユーティリティとは別にモデル機能

モデルベンチマークは、定義された条件下における定義されたタスクに関する証拠を提供するものであり、企業価値を直接的に確立するものではありません。顧客は、検索、ツール、ワークフローロジック、安全制御、人的レビュー、統合、監視、サポートなどを含むシステムによって提供される成果物を購入します。評価においては、基本モデルの機能とシステム全体のパフォーマンスを区別する必要があります。

製品スコアカードには、代表的なワークフローの品質、信頼性、レイテンシ、スループット、可用性、セキュリティ、安全性、説明可能性、制御可能性、およびコストを含める必要があります。MLCommons は、インフラストラクチャの比較をサポートできる再現可能な推論ベンチマーク手法を公開しています [20,21]。企業固有の評価には、顧客データ、本番環境、および管理されたベースラインが依然として必要です。

ベンチマークの飽和と汚染は、報告されたリードの有効期間を短縮する可能性がある。スタンフォード大学の技術レビューでは、急速な進歩、一部の指標における密集、およびベンチマークの信頼性に関する懸念が記録されている。 ^[10]デューデリジェンスチームは、評価ガバナンス、バージョン履歴、テストセットへのアクセス、独立した再現性、および公開リーダーボード外でのパフォーマンスを調査する必要があります。

顧客効用は、競合モデル、小型モデル、オープンウェイトモデル、決定論的ソフトウェア、従業員によるプロセス、または導入なしといった、関連する代替案と比較して測定されるべきである。経済的指標としては、1ドルあたりの受入タスク数、品質を維持しながら節約できる時間、コンバージョン率の向上、損失の削減、または管理されたサービス改善などが挙げられる。評価上の信用は、企業が価格設定と顧客維持を通じてその価値の一部を獲得できるという証拠に帰属する。

4. メカニズムのポートフォリオとしてのモデル価格設定

公開されているトークン価格は表示されていますが、完全ではありません。商用経済には、入力、キャッシュされた入力、出力、音声、画像、ツール、ストレージ、微調整、優先処理、バッチ処理、予約済みスループット、地域展開、サポート、最低コミットメントなどが含まれます。企業契約では、機密割引やクレジットが使用される場合があります。価格設定モデルは、各マテリアルコホートごとに実際の請求書を再現する必要があります。

プロバイダーのドキュメントには、利用可能なメカニズムが示されています。OpenAIは、従量課金、バッチ、予約済みまたはスケーリング可能な容量構造について説明しています[12-14]。Anthropicは、モデル、キャッシュ、バッチの価格を公開し、文書化されたモデルライフサイクルプロセスを維持しています[15,16]。Googleは、Geminiインターフェースの価格を公開しています。 ^[17]Amazon Bedrock は、モデル固有の価格、バッチ割引、キャッシュメカニズムを公開しています [18,19]。これらのスケジュールは変更されるため、注意深くタイムスタンプを付ける必要があります。

トークンあたりの価格だけでは誤解を招く可能性があります。より高性能なモデルでは、呼び出し回数の削減、プロンプトの短縮、レビューの軽減、または承認率の向上が必要となる場合があります。一方、安価なモデルでは、修正作業やレイテンシが増加する可能性があります。顧客レベルの価格と数量の関係は、実質価格、消費ユニット数、承認された出力、およびサービスコストを組み合わせて構築する必要があります。

投資家は、定価変更、交渉による割引、製品構成の変更、技術効率化という4つの価格設定施策を個別に検証すべきである。定価を引き下げれば利用促進につながる可能性がある。割引を実施すれば、戦略的な顧客を維持しつつ新規顧客獲得を抑制できる。ルーティングによってワークロードを低コストモデルに移行できる。キャッシングとバッチ処理によって、適切なワークロードのコストを削減できる。これらの施策はそれぞれ、収益、コスト、顧客維持率に異なる影響を与える。

5. 価格弾力性と競争的価格転嫁率を推定する

価格設定シナリオには、明確な顧客行動の把握が不可欠です。経営陣は、価格、モデル、パッケージの変更後に需要がどのように変化したかを特定する必要があります。分析においては、モデルの品質、製品の発売時期、生産能力、季節性、顧客構成、販促効果などを考慮に入れるべきです。企業が十分な観測データを持たない場合、そのシナリオはあくまで仮定にとどめるべきです。

柔軟性はワークフローによって異なります。実験的なワークロードは、コストが下がると急速に拡大する可能性があります。規制された本番ワークロードは、検証、統合、ガバナンスによって制約を受ける場合があります。消費者の利用は、サブスクリプションの設計や機能制限に応じて変化する可能性があります。組み込みアプリケーションを使用する顧客は切り替えコストが発生する可能性があり、標準インターフェースを使用する開発者は、複数のプロバイダー間でトラフィックをルーティングする可能性があります。

競争的な価格転嫁によって、計算コストの低下が利益を生み出すか、価格を下げるかが決まる。品質、流通、ガバナンスにおいて差別化を図っている企業は、削減額の一部を自社で保持できる可能性がある。代替品が豊富で価格が透明な市場では、削減額の大部分が顧客に還元される可能性がある。このモデルでは、技術的なコスト改善と商業的な利益獲得を区別する必要がある。

シナリオ設計においては、単一の価格予測は避けるべきである。有効なマトリックスは、実効価格、維持販売量、顧客貢献度を組み合わせたものである。そして、製品別および期間別に異なる確率を適用することができる。経営陣は各セルの根拠を説明し、どの経営判断が結果に影響を与えるかを特定する必要がある。

6. 推論単位経済の再構築

推論コストは、ワークロードテレメトリとサプライヤーの請求書に基づいて測定する必要があります。ブリッジには、トークンまたはその他の計算ユニット、モデルミックス、アクセラレータ時間、利用率、メモリ、ストレージ、ネットワーク、キャッシュ書き込み、キャッシュ読み取り、バッチ処理、失敗したリクエスト、セーフティコール、取得、可観測性、および人間によるレビューが含まれます。共有コミットメントは、文書化されたルールを使用して割り当てる必要があります。

キャパシティは、オンデマンド購入、予約、プロビジョニング、コミットメント、または戦略的パートナーを通じた間接的な購入が可能です。経済的コストには、消費済みキャパシティと未使用キャパシティの両方が含まれます。企業は、顧客負担とは別に多額の最低支出を計上しながらも、アクティブなリクエストあたりの魅力的なコストを報告できます。モデルには、限界コストと完全配分コストの両方を表示する必要があります。

効率化の取り組みは、生産結果によって証明されるべきです。量子化、蒸留、ルーティング、キャッシング、バッチ処理、プロンプト削減、カーネルの改善はコスト削減につながります。コンテキストウィンドウの拡大、出力の充実、推論の増加、冗長な安全チェックはコスト上昇につながる可能性があります。プロバイダのドキュメントによると、キャッシュとバッチ処理の価格は標準呼び出しとは大きく異なる場合があることが確認されています[12-19]。実現される節約額は、ワークロードの適格性と動作によって異なります。

ユニットは顧客価値と結びつくべきである。1ドルあたりのトークン数は運用指標である。1ドルあたりの受理タスク数、1ドルあたりの解決済みケース数、またはコンピューティング費用1ドルあたりの維持収益数は、技術システムと商業モデルを結びつける指標となる。

7．研修を資本循環として扱う

最先端技術の訓練は、研究、データ収集、実験、事前訓練、事後訓練、評価、安全対策、展開、継続的改善という一連のプロセスです。評価においては、探索的研究、プラットフォーム開発、大規模訓練、製品保守を区別する必要があります。各カテゴリーは、成功確率と耐用年数が異なります。

スケーリング法則の研究は、計算能力、モデルサイズ、データ、パフォーマンスの間に体系的な関係があることを示しており、計算能力最適化トレーニングの研究では、モデルとデータへの割り当てが結果に大きく影響する可能性があることが示されています[31,32]。これらの知見は、規律ある計画を支持するものです。ただし、トレーニング予算を予測可能な資産に変えるものではありません。

資本計画には、アクセラレータ、クラウド利用契約、データ取得、準備、専門人材、失敗事例、評価、セキュリティ、レッドチーム演習、打ち上げ能力、および予備費を含める必要があります。また、現金が支払われる時期、モデルが商用利用可能になる時期、どの前身モデルに取って代わるのか、そしてそれがどのような増分収益または貢献をもたらすのかを示す必要があります。

経営陣は、予測データと実験記録を保存しておくべきである。そうすることで、予想コストと実現コスト、スケジュール、能力、導入状況を比較評価できる。継続的なコスト超過や商業的コンバージョンの低迷は、将来のトレーニングに適用される可能性、時期、および資本コストに影響を与えるべきである。

8．モデルの経済的寿命と交換ニーズを推定する

モデルの経済的価値が低下するのに、そのモデルが機能しなくなる必要はありません。競合他社が改善したり、価格が下落したり、顧客が他社に移行したり、プラットフォームがインターフェースを廃止したり、規制が変更されたり、あるいは自社の後継企業が需要を奪ったりする可能性があります。Anthropicの公表された廃止記録は、モデルライフサイクルが製品分析と評価分析においてなぜ重要なのかを示しています。 ^[16].

企業は、モデルバージョンごとに収益、利用状況、貢献度、顧客数を追跡する必要があります。また、モデルが置き換えられる際には、移行時間、インセンティブ、障害、サポートコスト、解約率を記録する必要があります。これらのデータは、導入済みモデルとその顧客関係の経済的耐用年数を推定する上で役立ちます。

評価においては、現在のモデル資産と、組織が後継モデルを生み出す能力を区別する必要がある。ウェイトは商業的に短命な場合がある。一方、研究システム、データ権利、評価インフラ、流通、そして実績のあるチームは、世代を超えて価値を維持する可能性がある。こうした能力を維持するために必要な再投資は、キャッシュフローに計上されるべきである。

投資家は、陳腐化引当金または明確な代替計画を用いることができる。モデルにおいては、すべての研究開発費を資本化することを避け、すべての研究開発が即座に消滅すると仮定することも避けるべきである。どの支出が管理可能で移転可能な能力を生み出すかは、エビデンスによって判断される。

9. コンピューティングアクセスとインフラストラクチャのコミットメントをテストする

基盤モデルの開発と展開には、アクセラレータ、ネットワーク、ストレージ、電力、および専用ソフトウェアへのアクセスが必要です。Microsoft、Alphabet、Meta、Oracleの公開資料には、多額のAIおよびデータセンターへの投資、インフラストラクチャがコストと設備投資に与える影響が記載されています[26-29]。これらの開示は、業界の資本集約度を示しています。ただし、非公開企業の経済性については開示されていません。

対象企業のコンピューティングレジスタには、プロバイダー、地域、アクセラレーター、容量、契約期間、価格、最低支出額、更新、移植性、セキュリティ、データロケーション、解約、譲渡、支配権の変更、およびサービスレベル権限を記載する必要があります。戦略的投資とクレジットは、法的契約および使用可能な容量と照合する必要があります。

集中化は利点とリスクの両方を生み出す可能性があります。優先的なアクセスはモデルの提供をサポートする可能性があります。クラウドへの拘束契約は、切り替えの柔軟性を低下させ、企業を特定のサプライヤーのロードマップに縛り付ける可能性があります。FTCとCMAのレポートは、これらの関係を検証するための枠組みを提供します[7-9]。

下振れシナリオでは、生産能力の遅延、稼働率の低下、未履行の契約、信用損失、価格変動、移行コスト、取引後の契約譲渡不能といった問題を検証する必要がある。また、実験的な需要から安定した生産体制への移行に必要な資本についても検証すべきである。

10．デューデリジェンスのデータ権利と出所

トレーニングと評価は、データソースや用途によって権利が異なるデータに依存します。登録簿には、ライセンスコンテンツ、公開データ、顧客データ、合成データ、従業員の貢献、購入したデータセット、スクレイピングした資料、生成された出力などを網羅する必要があります。各ソースについて、企業は所有者、ライセンス、使用許可、地域、期間、帰属表示、機密保持、プライバシー、削除、およびモデル出力への影響を記録する必要があります。

法的分析は、管轄区域および事実関係に特有のものである。評価結果への影響は、運用上の依存関係から生じる。重要なデータセットを更新または後継モデルに使用できない場合、経営陣は交換時期、コスト、およびパフォーマンスへの影響を見積もる必要がある。顧客データが製品の改善に役立つ場合、契約はその使用を規定するべきである。

データ品質も重要です。データの出所、重複排除、汚染、言語カバレッジ、安全フィルタリング、更新状況は、モデルのパフォーマンスと主張に影響を与えます。デューデリジェンスチームは、主要な評価データセットとトレーニングデータセットを再現可能なパイプラインに追跡する必要があります。

データオプションの価値は、現在のキャッシュフローとは切り離して考えるべきです。権利、使いやすさ、独自性、そして実証済みの需要が存在する場合に、データコレクションは将来の製品開発を支えることができます。量だけでは価値は決まりません。

11．人材の価値と研究運営システム

基盤モデルの機能は、少数の研究者、システムエンジニア、プロダクトリーダー、安全専門家によって支えられている場合があります。投資家は、コード、実験、インシデント、モデルリリース、顧客からのエスカレーション、技術的な意思決定などを通じて、重要なチームを特定する必要があります。役職名や論文発表数は状況を把握するのに役立ちますが、運用上の証拠は依存関係を示します。

研究オペレーティングシステムには、実験設計、データパイプライン、トレーニングオーケストレーション、評価、レビュー、ドキュメンテーション、セキュリティ、ローンチ、およびリリース後の学習が含まれます。再現性のあるシステムは、特定のモデルが古くなっても価値を維持できます。一方、創業者に依存するプロセスは、取引後すぐに価値を失う可能性があります。

人材維持分析には、権利確定、流動性、報酬、移民問題、勤務地、競業避止義務の執行可能性、学術的役割、ミッションとの整合性などが含まれるべきです。取引構造は、株式の繰り越し、人材維持に関する取り決め、ガバナンス、資金提供を受けた研究ロードマップなどを通じて、継続性を確保することができます。最新の法律および税務に関する助言が必要です。

プラットフォームの価値を評価する前に、知識移転のテストを実施する必要があります。別の権限を持つチームが、文書化されたシステムを使用して、ビルドの再現、評価の実行、障害の診断、および管理されたリリースの実行を行う必要があります。

12．流通力と顧客所有状況を評価する

流通経路によって、どの技術的に優れたモデルが顧客に届くかが決まります。流通経路には、直接インターフェース、消費者向けアプリケーション、クラウドマーケットプレイス、生産性向上スイート、デバイスプラットフォーム、開発者エコシステム、システムインテグレーターなどがあります。それぞれの経路は、価格、データ、ブランド、サポート、運転資金、そして顧客への連絡権に影響を与えます。

販売台帳には、パートナー、製品、地域、経済性、独占権、販売場所、デフォルト状態、バンドル販売、顧客識別情報、データアクセス、更新、解約、移行に関する情報を記載する必要があります。企業が報告する顧客数は、直接顧客とパートナー経由で獲得したエンドユーザーを区別する必要があります。

バンドル販売は普及を加速させる一方で、支払意思を曖昧にする可能性がある。より広範なサブスクリプションに含まれるモデルは、公正な価格ではなく、内部的な価格移転を生み出す可能性がある。マーケットプレイスは、利用の確約なしに幅広い利用可能性を生み出すことができる。評価は、強制力のある決済と顧客の行動に基づいて行われるべきである。

戦略的な流通オプションの価値は、別のケースで検討されるべきである。それは、権利、実施状況、観察されたコンバージョン率、および貢献度によって決まるべきであり、提携発表だけでは不十分である。

13．ガバナンス、安全性、責任を経済と調和させる

NISTのAIリスク管理フレームワークと生成型AIプロファイルは、ガバナンス、マッピング、測定、管理を通じてリスク作業を整理します[22,23]。セキュア開発ガイダンスは、ソフトウェアとモデルのライフサイクル全体にわたって必要な証拠を拡張します。 ^[24]EUの枠組みAIは、役割、システム、使用状況に基づいて義務を課すことができる。 ^[25]これらの情報源はデューデリジェンスに関する疑問点を提起するものであり、企業の義務には最新の法的分析が必要となる。

ガバナンスコストは運用モデルに反映されるべきです。評価、レッドチーム演習、インシデント対応、不正利用防止、顧客保証、モデル文書化、セキュリティ、規制関連業務には、人材とシステムが必要です。統制が不十分だと、サービス開始の遅延、顧客離れ、是正措置、法的責任問題につながる可能性があります。効果的な統制は、規制対象顧客や高い信頼を必要とする顧客へのアクセスを可能にします。

対象企業は、マーケティング、ベンチマーク、安全性、プライバシー、著作権、セキュリティ、およびパフォーマンスに関する記述を証拠と責任者に紐づけたクレーム登録簿を維持する必要があります。顧客契約は、製品の機能および上流の条件に合致している必要があります。

評価における下振れリスクには、モデルの撤回、重大な事故、規制上の制限、データ侵害、セキュリティ侵害、顧客への補償、サービスクレジットといっ​​た、明確に定義された事象を含めるべきです。保険、契約上の限度額、引当金は、リスクエクスポージャーに対して評価する必要があります。

14．4つの運用シナリオを構築する

プレミアム限定アクセス方式は、差別化された性能、堅調な企業需要、限定的な値引き、安定した生産能力、そして顧客価値の維持を前提としています。価格が高いままなので、販売量は緩やかに伸びます。貢献金は研究開発を支援し、企業は事業運営から最先端プログラムの一部を資金調達できます。

競争優位性の中心的ケースでは、複数の有能なプロバイダーの存在、選択されたワークフローにおける適切な差別化、通常の企業割引、および継続的な効率向上を前提としています。取引量は増加する一方で、価格設定とパートナー経済が獲得を制約します。同社は、大規模な研修サイクルに資金を提供するために外部資本を必要とします。

価格圧縮シナリオでは、実質価格の急速な低下、プロバイダー間の顧客ルーティング、より大規模なコンテキスト、高い利用率、および技術的コスト削減の大幅な価格転嫁が想定されます。売上高は販売量に比べて緩やかに伸びます。企業が高額な研究開発プログラムを維持する間、貢献利益は減少します。

オープン代替シナリオでは、顧客がワークロードの大部分において、オープンウェイトモデルまたは低コストモデルを採用すると想定しています。企業は、高付加価値の規制対象業務、安全関連業務、または専門業務は維持するものの、インターフェース業務のボリュームは大幅に減少します。経営陣は、最先端分野への支出を削減し、維持可能な事業領域に注力します。これらのシナリオは分析上の状態であり、予測ではありません。

15．統合的な財務モデルを構築する

モデルは、顧客とワークロードのコホートから始める必要があります。収益は、承認された請求対象ユニットに実効価格を乗じ、最低料金、クレジット、サービスレベル、チャネル経済性を考慮して調整したものです。直接コストは、モデルルーティング、コンピューティング、データ、ツール、サポート、人的レビューを通じて、同じワークロードに沿って発生します。

営業費用は、製品納入、研究開発、販売、一般業務、ガバナンス、主要研修プログラムを分けて計上する必要があります。キャッシュフローには、設備投資前払い金、最低契約額、顧客からの回収金、設備投資、資金調達コスト、税金を含める必要があります。予測は、期首貸借対照表および流動性と一致している必要があります。

各シナリオでは、価格、販売量、収益、総貢献額、研究費、資金調達前の現金残高、および最低資金調達額を示す必要があります。モデルは前提条件とデータソースの日付を保持する必要があります。感度分析では、1つの要因と相関関係のあるグループを変化させる必要があります。

取締役会は、どの行動が結果を変えるかを把握する必要があります。ルーティングとキャッシングは単位コストに影響を与える可能性があります。エンタープライズパッケージは価格と顧客維持率に影響を与える可能性があります。流通の再交渉は顧客獲得に影響を与える可能性があります。段階的なトレーニングプログラムは、現金価値とオプション価値に影響を与える可能性があります。各レバーに所有者、テスト、期限が設定されると、モデルは意思決定システムになります。

16 複数の評価方法を規律を持って適用する

割引キャッシュフロー法は、キャッシュを生み出す顧客群と明確な資本要件を評価するのに役立ちます。予測期間は、トレーニングサイクルとモデルの更新を網羅できる十分な長さである必要があり、終末期の前提条件は、継続的な再投資と競争を反映する必要があります。モデルとインフラへの継続的な投資なしに高い終末期マージンを設定することは、内部的に矛盾しています。

比較対象企業分析は、市場の状況を把握するのに役立ちます。比較対象企業は、製品、顧客、収益モデル、成長性、貢献度、資本集約度、インフラ関連義務、リスクといった点で一致している必要があります。クラウドプラットフォーム、アプリケーションソフトウェア、データセンター事業者、モデル開発者はそれぞれ異なる経済構造を持っています。広範なソフトウェア企業の株価倍率は、企業価値を誤って評価する可能性があります。

再調達コストは、再現可能なデータ、システム、および機能の価値を示す指標となり得る。過去の支出は必ずしも価値を示すものではない。分析においては、失敗した作業、陳腐化、利用できない権利、現在の効率性、およびチームとプラットフォームの再構築に必要な時間を考慮して調整する必要がある。

リアルオプション分析は、新モデル、規制市場、流通チャネルといった段階的な機会を評価するのに有効です。このオプションには、明確な将来の意思決定、必要な投資、証拠に基づく判断基準、そして停止権が必要です。戦略的な重要性があっても、それがコントロールや意思決定の道筋を伴わない場合は、資金調達可能なオプションとは言えません。

IFRS 13およびIVSは、公正価値および評価分析の原則を規定しています[1-3]。取引の評価は、目的、日付、および事実に固有のものであり、資格のある専門家の判断が必要です。

評価方法の選択も、エビデンスの段階に沿って行うべきである。生産コホートと継続的な収益貢献を持つ企業は、詳細な収益アプローチを採用できる。商業化前の研究所では、コスト、マイルストーン、オプションの枠組みが必要となる場合がある。両方の要素を持つ企業は、共有の研究、生産能力、流通コストが一貫して配分され、相互依存関係が維持される限り、部分的な評価を行うことができる。

割引率は、明示的なモデリングの代替となるべきではありません。価格圧縮、顧客離脱、研修失敗、資本遅延、モデルの廃止は、それぞれ異なるメカニズムと時期を通じてキャッシュフローに影響を与えます。これらの要因は、残存する不確実性が割引率に反映される前に、シナリオに反映されるべきです。同じリスクを説明なしに二重に課すべきではありません。

終末価値の算出には特に注意が必要です。繰り返し研修、移行、安全対策を実施しなければならないモデル企業は、再投資を停止しても安定状態に到達することはできません。終末価値分析では、収益を維持するために必要な継続的な研究開発、インフラ整備、ガバナンスについて明記する必要があります。また、予想される価格変動やコスト変動後、どれだけの顧客価値が確保されるかも示すべきです。

部分合計分析では、既存の企業グループ、消費者向け製品、モデルインターフェース、データまたはツール事業、および開発オプションを分離できます。共有資産は一度だけ割り当てる必要があります。製品間のメリットは、観察されたコンバージョンまたはコストの証拠によって裏付けられる必要があり、制約のないシナジープレミアムとして加算されるべきではありません。

17 経済に関する事例シナリオ

企業顧客と開発者顧客にサービスを提供する、完全に架空の基盤モデル企業を想定してみましょう。このセクションの数値は、フレームワークを説明するための経営上の仮定であり、実際の企業、現在のプロバイダー、または投資機会を説明するものではありません。

競争的な中央ケースでは、年間収益はUSD 250 millionと想定されます。直接推論およびインフラストラクチャコストはUSD 70 million、顧客サポートおよび安全運用はUSD 20 million、チャネルおよび配送コストはUSD 25 millionです。中央研究、販売、管理前の貢献はUSD 135 millionです。会社はUSD 140 millionの最先端研修および研究を実施し、その他の営業キャッシュ項目後の資金調達前のキャッシュはマイナスUSD 35 millionとなります。

プレミアムアクセス制限ケースでは、収益がUSD 300 million、貢献がUSD 165 million、最先端トレーニングがUSD 120 million、資金調達前の現金がUSD 20 millionと想定されます。価格圧縮ケースでは、収益がUSD 210 million、貢献がUSD 72 million、最先端トレーニングがUSD 160 million、資金調達前の現金がマイナスのUSD 118 millionと想定されます。オープン代替ケースでは、収益がUSD 155 million、貢献がUSD 45 million、最先端トレーニングがUSD 90 million、資金調達前の現金がマイナスのUSD 80 millionと想定されます。

これらの結果は、収益成長、単位コスト、研究開発費をまとめて分析する必要がある理由を示しています。売上高が好調でも、キャッシュフローが弱い場合もあります。小規模で特化したプラットフォームであっても、優良顧客を維持し、資本サイクルを短縮できれば、価値を維持できます。

18 価値証拠は別々に述べられている

この例示的評価では、4つの証拠状態を区別しています。技術的オプションには、信頼できるチーム、管理された資産、有望な評価が含まれますが、持続的な商業的経済性はありません。有料プラットフォームは、リピーター顧客と生産利用がありますが、資本集約型です。拡張可能な経済性は、維持された顧客層、管理された貢献、資金調達可能な研究を組み合わせたものです。カテゴリープラットフォームは、持続的な流通、差別化された機能、戦略的オプションを追加します。

例として、技術オプションには企業価値USD 250 millionと確率15%が割り当てられます。有料プラットフォームにはUSD 800 millionが35%で割り当てられます。スケーラブルな経済性にはUSD 1,800 millionが35%で割り当てられます。カテゴリプラットフォームにはUSD 4,000 millionが15%で割り当てられます。確率加重合計はUSD 1,547.50 millionです。

この計算は評価の代替となるものではありません。委員会は、各状態に必要な証拠を特定し、あらゆる戦略的可能性を基本ケースに組み込むことを避ける必要があります。確率、価値、および遷移は、特定の企業、取引、および評価日に基づいて策定されるべきです。

19 構造資本と証拠に関する考察

資金調達は、企業の実績とキャッシュサイクルに合致している必要があります。株式は、不確実な研究開発やオプション創出の資金源となり得ます。顧客からの前払い金や最低支払額は、義務と承認が明確な場合に生産能力を支えることができます。資産ファイナンスやインフラファイナンスは、管理対象設備や契約済みの生産能力に適している場合があります。負債による資金調達には、確実なキャッシュフロー、契約条項、および下振れリスクへの耐性が必要です。

取引の対価は、現在の価値と将来の価値を区別することができます。決済時の現金は、支配資産や既存のグループを反映することができます。繰延対価は、留保拠出、事業更新、モデルのリリース成功、または契約容量に基づいて決定されます。アーンアウトには、明確な定義、運用上の制約、会計規則、監査権、および紛争解決メカニズムが必要です。

クラウドクレジットと戦略的投資は、関連する契約として分析されるべきです。主要な投資額は、義務的支出、収益分配、優先権、または制限によって相殺される可能性があります。資金使途一覧表には、使用可能な現金、コミットメント容量、および義務をそれぞれ別々に示す必要があります。

資金拠出は、エビデンスゲートに基づいて行われるべきである。取締役会は、再現性、生産能力、データ権利のテスト後に研究資金、生産承認後に展開資金、そして内部留保拠出後に規模拡大資金を承認することができる。この構造により、エビデンスが存在する前に不可逆的な資本拠出を制限しつつ、将来的な利益を確保することができる。

20 取引後の評価を管理する

投資または買収後は、企業価値評価を経営管理の一環とすべきである。取締役会は、価格、販売量、製品構成から収益、貢献利益、研究開発費、現金、予測差異へと繋がる月次データを受け取るべきである。製品レポートは、モデルリリースと顧客の採用状況、信頼性、コスト、顧客維持率を結びつけるべきである。

依存関係登録簿には、クラウド、アクセラレータ、データ、モデル、ソフトウェア、流通、および重要な人材を追跡する必要があります。価格、条件、可用性、権利、または集中度の変化は予測に反映させる必要があります。リスク登録簿には、インシデントと管理上の発見を顧客および財務上のリスクに関連付ける必要があります。

経営陣はシナリオ履歴を保存すべきである。実際の結果を、価格設定、販売量、単位コスト、移行、研修スケジュール、資本要件など、投資時に使用した前提条件と比較する必要がある。これにより説明責任が明確になり、将来の意思決定が改善される。

決定的な問題は、企業が技術力を顧客価値、既存顧客への貢献、そして資金調達可能な事業更新へと繰り返し転換できるかどうかである。こうした証拠に基づいた企業価値評価は、価格や競合他社の変化に応じて柔軟に対応できる。

結論

ファウンデーションモデルに基づく企業評価には、製品、顧客、コンピューティング、研究開発、流通、権利、ガバナンス、資本といった要素を統合的に捉える視点が必要です。公開されているベンチマークやトークン価格は重要な参考情報となりますが、企業固有の証拠に取って代わるものではありません。

本稿で開発したフレームワークは、キャッシュ創出コホート、必要な再投資、および戦略的オプションを個別に評価します。代替価格設定と競争の事例を用いて、実効価​​格、販売量、計算コスト、モデル変更、流通、および資金調達の間の相互作用を明らかにします。また、取引構造と資本解放を、観察可能な運用データと結びつけます。

魅力的な企業は、ビジネスモデルの変化に対応して顧客の利便性を維持し、顧客価値を効率的に獲得し、重要な依存関係を管理し、研究開発サイクルに必要な資金を確保し、戦略的な柔軟性を維持できる。これらの特性が契約書、テレメトリデータ、再現可能なシステム、維持された顧客グループ、回収済みの現金によって裏付けられている場合、投資の妥当性は最も高まる。

付録A. 基礎モデル評価証拠登録簿

証拠登録簿には、法人、資産所有権、モデルバージョン、トレーニング実行、データ権利、評価記録、顧客契約、使用状況、請求書、現金、価格設定、キャパシティコミットメント、クラウドクレジット、直接コスト、流通条件、インシデント、ガバナンス管理、資金調達、予測ビンテージを含める必要があります。投資委員会のすべての主張は、日付付きの情報源と責任者にリンクされている必要があります。

付録B. 価格設定およびワークロードファイル

価格設定ファイルは、ワークロードテレメトリから顧客請求書を再現する必要があります。入力、キャッシュされた入力、出力、ツール、ストレージ、バッチ、予約容量、地域別配信、割引、クレジット、およびサービス調整を識別する必要があります。また、各期間に使用されたプロバイダーの価格表と契約バージョンを保持する必要があります。

付録C. モデルリリースおよび交換に関する資料

資料には、訓練範囲、データ、計算能力、評価、安全性、発売基準、容量、顧客移行、前身機種の廃止、コスト、スケジュール、および実現された商業的成果を含める必要があります。予測と実績は分けて記載してください。

付録D. シナリオ管理シート

各ケースでは、実効価格、販売量、顧客維持率、モデル構成、計算コスト、稼働率、流通シェア、研究プログラム、運転資金、資金調達、および確率を明記する必要があります。経営陣は、相関関係と運用上の対応を文書化する必要があります。

付録E. 取引証拠保管室

証拠保管室には、企業記録、知的財産権譲渡契約書、モデルおよびデータ文書、顧客およびパートナーとの契約書、クラウド契約書、財務調整書、セキュリティ証拠、規制分析、保険、人事契約、資金調達、および署名済みの評価モデルを含める必要があります。

提案されたデューデリジェンスの構造。証拠要件は企業および取引によって異なります。

これらは分析的な見解であり、予測ではありません。

顧客レベルの経済分析における、提案される最小限の証拠項目。

経営陣の想定値は百万単位です。数値は市場の観察、予測、または評価の結論ではありません (USD)。

経営上の仮定はUSD百万単位です。中央研究、販売、管理、資金調達、税金は除外されます。

経営陣の想定はUSD百万単位であり、これは評価の結論ではありません。

これは提案された枠組みであり、実際の運用には最新の法律、税務、会計、財務に関する専門家の助言が必要となる。

情報源

1. IFRS財団。IFRS第13号 公正価値測定。 一次資料を読む
2. IFRS財団。IFRS第13号における非上場株式の測定に関する教育資料。 一次資料を読む
3. 国際評価基準協議会。国際評価基準。 一次資料を読む
4. IFRS財団。IFRS第15号「顧客との契約から生じる収益」。 一次資料を読む
5. IFRS財団。IAS 38 無形資産。 一次資料を読む
6. IFRS財団。IAS 36 資産の減損。 一次資料を読む
7. 米国連邦取引委員会。クラウドサービスプロバイダーと開発者間のパートナーシップ。2025年1月 (AI)。 一次資料を読む
8. 英国競争市場庁。AI 基礎モデル更新文書。2024年4月。 一次資料を読む
9. 英国競争市場庁。AI 基礎モデル技術アップデートレポート。2024年4月。 一次資料を読む
10. スタンフォード人間中心人工知能研究所。AI インデックスレポート2026 技術パフォーマンス。 一次資料を読む
11. スタンフォード大学人間中心型人工知能研究所。2026年版AIインデックスレポート。 一次資料を読む
12. OpenAI。API モデルおよび価格に関するドキュメント。 一次資料を読む
13. OpenAI。バッチAPI参照。 一次資料を読む
14. OpenAI。APIのお客様向けスケールティア。 一次資料を読む
15. 人間中心。クロードプラットフォームの価格に関するドキュメント。 一次資料を読む
16. 人間活動。モデルの非推奨化とライフサイクルに関するドキュメント。 一次資料を読む
17. Google。Gemini Developer API の価格設定。 一次資料を読む
18. Amazon Web Services。Amazon Bedrockの料金プラン。 一次資料を読む
19. Amazon Web Services。モデル推論を高速化するためのプロンプトキャッシュ。 一次資料を読む
20. MLCommons。MLPerf推論ベンチマーク。 一次資料を読む
21. MLCommons。MLPerf推論データセンターベンチマーク。 一次資料を読む
22. 米国国立標準技術研究所。人工知能リスク管理フレームワーク。 一次資料を読む
23. 米国国立標準技術研究所。生成型人工知能プロファイル NIST AI 600-1。 一次資料を読む
24. 米国国立標準技術研究所。生成型AIおよびデュアルユース基盤モデルのための安全なソフトウェア開発手法。 一次資料を読む
25. 欧州委員会。人工知能に関する規制枠組み。 一次資料を読む
26. マイクロソフト社。2026会計年度年次報告書（フォーム10-K）。 一次資料を読む
27. Alphabet Inc. 2025年度年次報告書（フォーム10-K）。 一次資料を読む
28. Meta Platforms Inc. 2025年度年次報告書（フォーム10-K）。 一次資料を読む
29. オラクル社。2026会計年度年次報告書（フォーム10-K）。 一次資料を読む
30. 財務会計基準審議会。会計基準コード化トピック606。 一次資料を読む
31. Hoffmann J 他。「計算効率の高い大規模言語モデルのトレーニング」。2022年。 一次資料を読む
32. Kaplan J 他。ニューラル言語モデルのスケーリング法則。2020 年。 一次資料を読む
33. FinOps Foundation。FinOps Framework 2025。 一次資料を読む
34. FinOpsのコストと使用状況に関する仕様書を公開します。ユニットエコノミクスを計算します。 一次資料を読む
35. 世界知的所有権機関。人工知能と知的財産。 一次資料を読む
36. 米国証券取引委員会。AI 円卓会議での発言。2025年3月27日。 一次資料を読む