Alpha Beyond Frontier Insights

月: 2026年9月

  • Snowflakeは、AIが使われるほど儲かるのか——売上成長の裏側にある原価の問題

    Snowflakeは、AIが使われるほど儲かるのか——売上成長の裏側にある原価の問題

    Snowflakeは、AIが使われるほど儲かるのか——売上成長の裏側にある原価の問題

    はじめに：AIが使われるほど、利益も増えるのか

    AIの利用が広がれば、AIサービスを提供する企業の売上も増える。では、利益も同じように増えるのだろうか。

    企業向けのデータ基盤を提供するSnowflakeは、この問いを考えるうえで分かりやすい事例である。同社は、ソフトウェアを使う人数ではなく、実際に使われた計算処理の量に応じて課金する。AIエージェントが企業のデータを扱う機会が増えれば、その分だけ売上が伸びる形になっている。

    実際、2026年7月末に終わった四半期の製品売上は前年同期比37%増となり、伸び率が高まるのは3四半期連続だった。経営陣は、この加速のおよそ半分がAI製品によるものだと説明している。

    一方で、同社は同じ決算発表で、通期の製品粗利率の見通しを75%から74%へ引き下げている。

    背景にあるのは、AI特有の原価の構造である。AIの処理には、従来のクラウド基盤の費用に加えて、外部のAIモデルへの支払いが発生する。利用が増えれば売上は伸びるが、原価も同時に増える。

    こうしたなかで、SnowflakeはAI専用の課金単位「AI Credits」への移行を進めた。もともと使った量に応じて課金していた会社が、なぜAIのために別の価格体系を用意したのか。

    そこを読み解くと、AIを提供する企業が売上の成長と利益率を両立させるうえで直面する課題が見えてくる。

    1. 使われるほど売上が増える会社

    Snowflakeは、企業がデータを集め、分析するためのクラウド基盤を提供している。2026年1月期の製品売上は44.7億ドル、前年比29%増だった。

    課金の仕組みは、利用者数に応じた課金とは根本的に違う。年次報告書（10-K）は、売上を「顧客が計算処理、ストレージ、データ転送を消費するにつれて認識する」と書く。多くの顧客は一定量の利用を前もって契約して支払うが、売上になるのは実際に使われた時点である。公式ドキュメントにも「席ごとの料金はない」と明記されている。

    この仕組みの下では、顧客がAIを使ってデータを扱う量が増えれば、そのまま売上が増える。AIエージェントの普及は、この会社にとって素直な追い風に見える。

    2. 成長の加速と、利益率への圧力

    実際、数字は追い風を示している。2026年7月末に終わった四半期の製品売上は14.9億ドルで37%増。通期の見通しも31%増から36%増へ引き上げられた。

    しかし同じ決算発表で、通期の製品粗利率の見通しは引き下げられた。財務責任者は理由を、「急成長しているAIのワークロードの構成比が高まっており、それらは現時点では貢献利益率が低い」ためと説明している。5月にも「AI製品の粗利率はコアの基盤より低い」と述べていた。

    Snowflakeは、AI以前から、顧客の利用量が増えるほど外部のクラウド基盤への支払いも増える事業だった。四半期報告書（10-Q）によれば、製品売上原価の約75%は外部のクラウド基盤に支払う費用である。ここには従来のデータ処理にかかる分に加えて、AIの推論やGPUに関連する費用も含まれる。AI関連の費用だけを取り出した金額は開示されていない。

    AIによって変わったのは、従来のデータ処理とは原価の構造が違うサービスが加わり、その構成比が高まっていることである。10-Qは、コストと粗利率が「AnthropicやOpenAIのような最先端のAIモデル提供者」との価格交渉に左右されるとも書いている。

    加えて、Snowflakeは将来のAI需要を見込んで、外部の事業者に対する一定の支出をあらかじめ約束している。開示されている第三者のAIサービス事業者との契約では、2028年11月までの3年間の最低購入額は3億9,000万ドルで、2026年7月末時点では2億7,000万ドルの購入義務が残っている。各契約年の最低購入額に届かなかった場合には、差額を支払う必要がある。

    ここには、消費型のAI事業に特有の非対称性がある。顧客からの売上は実際に使われた量に応じて立つ一方で、提供する側は、将来の需要を見込んで調達を先に約束する。

    もっとも、この最低購入額は将来の義務を含む契約上の金額であり、当期の費用ではない。製品粗利率の見通しの引き下げが、この契約によって直接生じたと同社が説明しているわけでもない。

    その上で二つを並べると、消費型のAI事業が抱える課題の形が見えてくる。需要が拡大しても、販売価格と原価の差が十分に取れなければ粗利率は下がりうる。一方、需要の拡大を見込んで調達を約束していれば、想定どおりに利用が増えなければ、先行した支出が負担になりうる。

    なお、製品粗利率の低下と、会社全体の収益性の悪化は同じではない。Snowflakeは同じ決算発表で、通期のNon-GAAP営業利益率の見通しを13.5%から14.5%へ引き上げており、財務責任者は「成長を加速させながら営業利益率を拡大した」と述べている。AI関連製品の粗利率に下押し圧力がかかっていても、売上の拡大や営業費用の効率化によって、全社の利益率は改善しうる。

    3. なぜ、AI専用の課金体系を設けたのか

    こうした原価の構造のなかで、SnowflakeはAI関連の機能を対象に、通常のデータ処理とは別の価格体系への移行を進めた。

    公式ドキュメントは、AI Creditsについて「Platform Creditsとは別のもので、エディションにかかわらず一貫した価格を提供する」と説明する。通常の計算処理の単価は契約するエディションによって変わるが、AI Creditsは変わらない。ただし、処理を実行する地域の選び方や年間契約額に応じた割引によって、実際の単価は動く。

    一方で、これは顧客が何かを買い直す話ではない。同じドキュメントは「既存の契約残高と契約条件は変わらず、契約の修正も必要ない」と書いている。既存の仕組みが置き換えられたのではなく、同じ基盤のうちAIを動かす部分に別の料金体系が適用されるようになった、と理解するのが正確である。一部の従来機能は、いまも通常のクレジットで課金されている。

    時期についても、公表資料から特定できるのは移行が進んだ事実までである。2026年4月6日のリリースノートは、エージェント製品などの利用記録を細かく分ける変更を「AI Creditsへの移行の一環」として記し、狙いを「顧客にとっての分かりやすさを高め、より柔軟な価格設定とパッケージングを可能にする」と説明している。決算発表でも、2026年5月から、将来の業績に影響しうる要因の列挙に「AI creditの価格設定」が加わった。

    原価構造との関係について、同社が価格体系を分けた理由として直接説明しているわけではない。ただ、通常のデータ処理とAIでは、使う計算資源も外部モデルへの支払いも異なり、その価格も動く。価格体系を分けておけば、こうした原価の違いを販売価格に反映しやすくなると考えられる。

    要点は、AIの利用量を別の単位で数えること自体ではない。従来のデータ処理の価格体系を保ったまま、AIの原価や競争環境の変化に応じて、AIの価格を独立して設計できることである。

    4. AIが安くなることは、誰の利益になるのか

    AIの価格は、実際に動いている。同社の製品担当幹部は決算説明会で、「最先端のモデルでさえ、定期的に値下げされている」と述べた。

    原価が下がったとき、企業には、価格に還元するか、利幅として残すか、その中間を取るかという選択がある。ここまでは、原価が下がったどの事業にも共通する話である。

    消費型のAI事業には、もう一つの難しさがある。顧客のコストを減らすことが、そのまま提供する側の売上の減少になりうることだ。

    ある企業がAIを使って、毎月1万件の問い合わせを処理しているとする。効率化によって同じ処理が半分の費用でできるようになれば、顧客にとっては明確な利点である。しかし、使われた量に応じて課金する提供側から見れば、同じ仕事量から立つ売上は減る。

    一方で、処理の費用が下がったことで、これまで採算が合わなかった業務にもAIを使えるようになるかもしれない。対象が1万件から5万件へ広がれば、1件あたりの単価が下がっても、全体の売上は増えうる。

    Snowflake自身も、製品の効率化によって顧客が同じ処理を少ない利用量で済ませられるようになり、新しい処理の増加で補えなければ売上が減りうると、年次報告書に書いている。

    それでも同社は、顧客がAIの支出を管理するための機能を提供している。CEOは、AIアシスタントのコスト管理の機能がよく使われる上位10に入っていると述べ、利用者ごとのトークン量の制限といった仕組みを用意していると説明した。短期の利用量を最大にすることよりも、顧客が安心してAIを使う範囲を広げられる状態を作るほうが、将来の成長につながりうるという判断と読める。

    効いてくるのは、単価の低下を補うだけの新しい需要が生まれるかどうかである。AIの効率化は、既存の仕事を安くするだけなのか。それとも、これまでAIを使えなかった仕事まで対象を広げるのか。その違いによって、消費型のAI事業の成長の姿は変わる。

    5. AIの成長を評価するために、何を見るべきか

    では、外からこの会社のAIを評価するとき、何を見ればよいか。

    分かりやすいのは、AIを使っているアカウントの数である。2026年9月の決算発表では、コーディング支援のAIアシスタントが9,100超のアカウント（四半期で2,000超の増加）、データを扱うエージェント製品が5,800アカウントに広がったと説明された。ただしこれらは、AIが使われ始めていることを示す数字であって、その利用がどれだけの利益を生んでいるかは分からない。AI売上の金額は、2025年12月の決算説明会でCEOが「年換算1億ドル」と一度触れたのを除いて開示されておらず、財務諸表にAI売上の区分もない。

    継続して追えるのは、製品粗利率と営業利益率の両方である。AI製品の構成比が高まるなかで粗利率がどう動くかと、その変化を踏まえて全社の利益率がどう推移するかは、別々に確認する必要がある。

    AI Creditsの価格体系や外部調達の契約の変化も手がかりになる。ただし、公開されている価格表から実際の販売単価やAI事業単独の利益率を計算することはできないし、最低購入額の大きさだけで将来の需要を判断することもできない。

    Snowflakeは価格の体系としてはAIを分けた一方で、AI事業単独の売上や利益率を継続して開示しているわけではない。価格設計上の分離と、財務開示上の分離は別のことである。

    おわりに：AIの成長を、何で測るのか

    Snowflakeは、もともと利用量に応じて課金する会社である。AIエージェントの普及によってデータ処理の需要が広がれば、同社の成長機会も広がる。

    しかし、AIの利用が増えることと、利益が増えることは同じではない。外部のAIモデルへの支払いが増えれば、売上が拡大しても利益率は下がりうる。AI専用の価格体系への移行を進めたことは、こうした原価の違いを価格設計に反映させるうえで意味のある変化と読める。

    さらに、AIの処理単価が下がることも、提供する企業の利益が増えることを意味しない。原価の低下分を顧客に還元するのか、自社の利益として確保するのか。価格を下げることで、より大きな需要を生み出せるのか。AIが普及するほど、この選択の重みが増す。

    前回のSalesforceの記事では、AIによって生まれた価値を企業がどう測り、投資家にどう説明するかを取り上げた。今回のSnowflakeが示しているのは、AIの利用の拡大を、どうすれば続く利益の成長につなげられるかという問題である。

    AIの処理単価が下がることは、顧客にとっては歓迎すべき変化である。しかし、提供する企業にとっては、必ずしも売上や利益の増加を意味しない。原価の低下を利益率の改善につなげられるか。価格の還元によって、単価の低下を上回る新しい需要を生み出せるか。AI企業の成長を評価するうえでは、利用者の数や売上の伸びだけでなく、この価格・原価・需要の関係にも目を向けたい。

    中塚 恵介

    JAPAN AI CFO／GENIEE Group CFO。AI企業の成長戦略、資本政策、IR・資金調達、M&A、海外展開などを通じて、日本発のテクノロジー企業の企業価値向上に取り組んでいる。 前職ではグローバルベンチャーキャピタル B Capital の Japan Lead として、AI・ディープテック・クライメートテック領域を中心に、日本におけるスタートアップ投資を担当。それ以前は BCG／BCG X にて、企業の新規事業創出、事業戦略、ベンチャー立ち上げなどに従事し、構想から事業化・実行までを支援した。キャリア初期には内閣府などで政策立案にも携わった。 一貫して、資本・技術・人・制度がどのように結びつき、新しい産業や企業が生まれるのかに関心を持つ。現在は、投資・支援する立場から経営の当事者へと軸足を移し、日本からグローバルに競争力のあるAI・テクノロジー企業を生み出すことをテーマとしている。 Alpha Beyond Frontier では、スタートアップ、ベンチャーキャピタル、AI、M&A、コーポレートイノベーションを中心に、資本市場と産業構造の変化を分析・発信している。

    Disclaimer

    本稿は、同社の公表資料にもとづく独立した分析であり、特定の組織の公式見解ではありません。

    本稿は特定の証券の売買を推奨するものではなく、投資助言・投資勧誘ではありません。 将来の株価、企業価値の割高・割安、投資判断に関する見解を示すものではありません。

    本稿の記述は、決算発表資料、SECへの提出書類、決算説明会の公開記録、および同社が公開している価格表・ドキュメントの範囲に限られます。内部情報には一切依拠していません。

    筆者は JAPAN AI 株式会社および株式会社ジーニーに所属しますが、本稿は Alpha Beyond Frontier における筆者個人の独立した分析であり、所属各社の公式見解を示すものではありません。

    記載した数値および事実は、各出典の公表時点のものです。

    References

    本ブログの関連記事

  • 国産AIへの公的資本は「広く配る」から「中核＋周辺」へ——GENIACの設計変更が示すもの

    国産AIへの公的資本は「広く配る」から「中核＋周辺」へ——GENIACの設計変更が示すもの

    国産AIへの公的資本は「広く配る」から「中核＋周辺」へ——GENIACの設計変更が示すもの

    はじめに：予算は増えたのに、GENIACの公募は大きくならなかった

    2026年度の政府のAI関連予算は5,027億円。前年度（基金の積み増し分を含めて1,969億円）の約2.5倍になった。

    国産AIの開発支援といえば、多くの人が思い浮かべるのは経済産業省とNEDOの「GENIAC」だろう。2024年に始まり、国内の事業者が基盤モデルを開発するための計算資源の費用を補助してきた。

    ところが、2026年に行われたGENIACの公募（第4期）は、予算規模が100億円程度。前回とほぼ同じ水準で、採択は16件だった。

    では、2026年度のAI予算の重心は、どこへ移ったのか。

    答えは、GENIACの枠の外にある。2026年度、「AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業」が新設された。当初予算は3,873億円で、政府のAI関連予算の約77%を占める。採択されたのは1テーマだけである。

    項目 GENIAC（第4期） 新設のマルチモーダル基盤モデル事業
    規模 公募1回 100億円程度 2026年度当初予算 3,873億円
    採択 16件 1テーマ
    支援の形 計算資源の利用料などを補助 委託（5年間・毎年度審査）

    ※GENIACは基金から、新事業は当初予算から出ているため、金額は同じ基準では比べられない。

    本稿の見立ては次のとおりだ。国産AIへの公的資本は、「広く配る」だけの構造から、中核に大型の資本を集中し、その周辺を複数の支援策で支える構造へ移りつつある。

    GENIACがなくなったわけではない。変わったのは、その位置づけである。

    1. 中核と周辺：新しい政策の形

    新設事業の公募要領は、「提案１件当たりの 2026 年度予算額は、原則として 3,834 億円以下」とした。2027年度の概算要求では、8,964億円が要求されている。事業期間は2030年度までで、毎年度ステージゲート審査を行い、続けるかどうかを判断する。

    事業の基本計画は、集中の理由をこう書く。「日本の領域特化モデル開発のベースを海外モデルに依存する現状のままでは」、日本のAIの実装水準が、海外の開発企業の戦略や開発国の事情によって決められるおそれがある。

    注目したいのは、GENIAC側の事業とのつながりだ。2026年に新設された、データの構築・流通を支援する事業（140億円程度）の公募要領は、構築したデータを中核事業へ提供することを必須としている。同じく2026年に始まったロボット基盤モデルの公募2本（200億円程度と240億円程度）も、中核事業への成果の還元を条件にした。

    整理すると、次のような形になる。

    • 中核：国産の基盤モデルを開発する大型プロジェクトに、年間数千億円規模を委託で投じる。
    • 周辺：GENIACとその関連事業が、領域特化モデル、現場データの整備、ロボットへの応用を、数十億〜数百億円規模の補助で支える。データや成果は、中核へ流れるよう条件づけられている。

    政府がこの形を最初から設計していたかどうかは、公表資料からは分からない。ただ、2026年時点の予算配分と公募条件を並べると、GENIACは「国産AI開発支援の本体」というより、大型の中核事業を取り巻く複数の支援策の一つへと、相対的な位置を変えつつあるように見える。

    2. ボトルネックは、計算資源から現場データへ

    GENIACの位置が変わったのは、予算の話だけではない。この2年余りで、公募の条件そのものが変わってきた。そこから、政府がどこを「ボトルネック」と見てきたかが読み取れる。

    最初は、計算資源だった。 GENIACの基本の形は、採択した開発者が民間のクラウドなどから調達する計算資源の費用を、国が補助するというものだ。経済産業省は「基盤モデルを開発する上では、計算資源の確保が大きな課題」と説明してきた。NEDOの担当部長は、第1期を「日本でもとにかく基盤モデルをつくってみよう」という挑戦だったと振り返っている。

    次は、実際に使われるかどうか。 第2期で業界特化型のモデルへ、第3期でユーザーと連携した実証へと重心が移った。第4期では事業名が「領域特化モデル開発事業」に変わり、ユーザー企業との実証が審査で加点され、海外企業との実証はさらに加点されるようになった。

    そして2026年は、現場のデータである。 経済産業省は、「ウェブ上の公開データは学習が進みつつある」ため、「今後は企業や組織が保有する実データの活用が一層重要」と書いた。同省のAI産業戦略室長も、「インターネット上のデータではなく、特に日本が強い分野の現場データを取り込むことが非常に重要」と述べている。

    この流れを最もよく表しているのが、公開を求める対象の変化だ。

    第3期の審査項目には「モデルのオープン化」が含まれていた。ところが第4期では、ノウハウや実証成果の公開は求めるものの、「必ずしもデータセット・ソースコード・モデル等の公開を求めるものではない」とされた。その一方で、先に見たデータ事業は、中核事業へのデータ提供を必須にした。

    少なくとも制度設計を見る限り、政策の重心は、オープンなモデルを増やすことだけでなく、民間のデータを中核のモデル開発につなぐことへも移りつつある。AI競争がGPUの量だけの話ではなくなったことを、政府自身の制度設計が示している。

    3. 韓国との違い：「集中すれば足りる」とは限らない

    韓国は、国産の基盤モデルに対して日本と逆の順番で資本を入れてきた。

    韓国の科学技術情報通信部が2025年8月に始めた「独自AI基盤モデル」プロジェクトは、最初から少数のチームに絞り、半年ごとの評価で脱落させる競争型である。支援の中心は補助金ではなく、政府が借り上げたGPUの提供だ。5チームで始まり、2026年8月の評価を経て3チームに絞られた。並行して、特化分野のモデルを支援する別枠も動かしている。

    日本は「広く配る→中核を置く」、韓国は「少数に集中する競争を軸に、特化型の別枠を並べる」。出発点は逆だが、どちらも中核と周辺を持つ形に近づいている。

    興味深いのは、その先である。2026年8月の記者会見で、韓国の第2次官は、急速に性能を伸ばす海外のフロンティア企業に対して「このような支援規模や競争方式で追いつける環境なのか」を企業とも議論してきたと述べ、現在の方式を「全面的に再編する方向」で検討していると明らかにした。

    集中を先に選んだ韓国が、その集中の規模と方式で足りるのかを、政府自ら公の場で問い直している。どちらの設計が優れているかという話ではない。中核に資本を集めることは出発点であって、それで問題が解決するとは限らないことを示す先行例である。

    4. 日本企業・スタートアップ・投資家にとっての意味

    基盤モデルを開発するスタートアップにとって。 汎用の国産モデルに向けた大型の公的資本は、中核プロジェクトに集まった。GENIACで支援を受けられる余地は、領域特化モデルとその実証へ移っている。審査で評価されるものも、「技術の新しさ」から「実際に使われることの証明」へと寄ってきた。

    データを持つ事業会社にとって。 製造業をはじめ、現場のデータを持つ企業は、政策の中で「補助を受ける側」から「データを供給する側」へと位置づけが変わりつつある。自社のデータを出すことで何が得られ、何を手放すのか。その条件を読むことが、経営上の論点になる。

    投資家にとって。 GENIACに採択されたことだけでは、事業性の評価には足りない。採択の有無以上に、どんな相手と実証しているか、そして補助が終わった後に有償の契約へ移れているかを見る必要がある。

    今後の観測点を一つ挙げるなら、予算額ではない。データを提供する側が、中核のモデルをどんな条件で使えるのかが、公表されるかどうかだ。データが一方向に流れるだけなら、周辺の事業に参加する動機は弱い。その条件が見えたとき、この「中核＋周辺」の形が持続するかどうかを判断できる。

    5. 次のボトルネックは「使う側」なのか

    最後に、まだ答えの出ていない問いを一つ置いておきたい。

    2026年の公募結果には、「作る側」への支援とは別の制約をうかがわせる数字がある。自動運転車やドローンなどを対象にしたロボット基盤モデルの公募には、200億円程度の枠に対して応募が3件だった（対象が公道や航路を使うシステムに限られていたことも影響しうる）。懸賞金型の「GENIAC-PRIZE」の初回では、官公庁の業務効率化をテーマにした領域で、1位から3位が「該当なし」となった。

    2026年7月に閣議決定された第Ⅱ期の人工知能基本計画も、「2025 年までの間は、成長する各国との利用率や民間投資の差はむしろ拡大した」と書いている。

    計算資源、データ、中核のモデル。ここまでの手当ては、いずれも作る側に向いている。次に効いてくる制約は、作られたものを受け取り、業務を変えて使う側にあるのかもしれない。現時点では数件の結果から読める兆しにすぎないが、今後の政策を読むうえで追いかけたい論点である。

    おわりに

    GENIACが始まった2024年、国産AIをめぐる問いは「日本で基盤モデルを作れる会社をどれだけ増やせるか」だった。

    2026年の予算と公募条件が示しているのは、問いそのものが変わったということだ。いま問われているのは、誰のデータを、どの中核モデルにつなぎ、それを誰が使うのかである。

    GENIACの設計変更は、その移行を、補助金の条件という最も地味な形で記録している。

    中塚 恵介

    JAPAN AI CFO／GENIEE Group CFO。AI企業の成長戦略、資本政策、IR・資金調達、M&A、海外展開などを通じて、日本発のテクノロジー企業の企業価値向上に取り組んでいる。 前職ではグローバルベンチャーキャピタル B Capital の Japan Lead として、AI・ディープテック・クライメートテック領域を中心に、日本におけるスタートアップ投資を担当。それ以前は BCG／BCG X にて、企業の新規事業創出、事業戦略、ベンチャー立ち上げなどに従事し、構想から事業化・実行までを支援した。キャリア初期には内閣府などで政策立案にも携わった。 一貫して、資本・技術・人・制度がどのように結びつき、新しい産業や企業が生まれるのかに関心を持つ。現在は、投資・支援する立場から経営の当事者へと軸足を移し、日本からグローバルに競争力のあるAI・テクノロジー企業を生み出すことをテーマとしている。 Alpha Beyond Frontier では、スタートアップ、ベンチャーキャピタル、AI、M&A、コーポレートイノベーションを中心に、資本市場と産業構造の変化を分析・発信している。

    Disclaimer

    本稿は、経済産業省・NEDO・内閣府および韓国政府の公表資料にもとづく独立した分析であり、特定の組織の公式見解ではありません。

    本稿は特定の政策・制度・事業者を推奨または批判するものではありません。政策の意図については推定せず、公表された予算配分と公募条件の範囲で記述しています。採択事業者の個別の評価は行っていません。

    本稿は投資助言・投資勧誘ではありません。

    筆者は JAPAN AI 株式会社および株式会社ジーニーに所属しますが、本稿は Alpha Beyond Frontier における筆者個人の独立した分析であり、所属各社の公式見解を示すものではありません。内部情報には一切依拠していません。

    記載した数値および事実は、各出典の公表時点のものです。

    References

    本ブログの関連記事

  • Salesforceが変えたのは、課金の単位ではなかった——AI時代に分裂した「二つの単位」

    Salesforceが変えたのは、課金の単位ではなかった——AI時代に分裂した「二つの単位」

    Salesforceが変えたのは、課金の単位ではなかった——AI時代に分裂した「二つの単位」

    はじめに：捨てられたのは、席課金ではなかった

    2026年、Salesforceの株価は大きく下落したと報じられている。8月中旬の時点で年初来25%超の下落、6月には多年来の安値をつけた。2025年には300ドルを超えていた株価である。市場でこの局面は「SaaSpocalypse」とも呼ばれた。

    理由として挙げられているのは、おおむね一つのことだ。AIエージェントが仕事をするようになれば、人数に応じて課金するソフトウェアのモデルは成り立たなくなるのではないか、という懸念である。同社のマーク・ベニオフCEOは2026年8月、こうした見方に対して「ソフトウェアの弱気派は完全に間違っている」と反論したと報じられた。

    では、実際に何が起きているのか。素朴に考えれば、確かめるべきことは一つに見える。同社は席課金を捨てたのか。

    公表されている価格表と決算資料を追うと、答えは明快だった。捨てていない。 それどころか、席あたりの価格帯はむしろ上に伸びている。

    だが、何も変わっていないわけではない。ここ2年の開示を並べると、別のことが起きているのが見えてくる。すなわち、顧客に請求する物差しと、投資家に成長を説明する物差しが、別になりつつある点だ。

    本稿では、前者を課金単位、後者を評価単位と呼ぶ。Salesforceが変えたのは課金単位ではなく、評価単位のほうだった。そして両者の間に、換算レートは公表されていない。

    本稿は、Salesforceの公表資料をもとに、AI時代に企業が何を開示するようになり、何を言わなくなったかを読む試みの第1回である。

    1. どんな会社か——「人数×月額」で世界最大になった会社

    Salesforceは企業向けソフトウェアの最大手で、2026年1月期の売上は415億ドル（前年比10%増）。営業やカスタマーサポートの業務を支えるクラウドサービスを、長く一つの形で売ってきた。使う人数×一人あたり月額、いわゆる席課金（per-seat）である。

    この形は強い。導入した企業で使う人が増えれば、自動的に売上が増える。しかも契約は積み上がる。直近の四半期末で、今後12か月以内に売上として認識される契約残高は335億ドル、前年同期比14%増と開示されている。

    つまり、席課金はこの会社の弱点ではなく、長らく最大の強みだった。だからこそ、それが崩れるという見方は市場に効いた。

    2. 市場はどう反応してきたか

    注意しておきたいのは、この下落が業績の悪化と同時に起きたわけではないことだ。直近の2026年7月期の四半期では、売上113億ドル（前年同期比11%増）、非GAAPベースの営業利益率は34.1%。通期見通しも引き上げられている。

    売上は伸び、利益率は高い水準にある。それでも株価は下げた。市場が織り込もうとしているのは足元の数字ではなく、席課金というモデルそのものの持続性だと報じられている。

    以下は株価の予測ではない。ただ、この構図を頭に置いておくと、次に見る開示の変化が読みやすくなる。市場は「席が減る」という話をしている。では会社は、何の話をしているのか。

    3. 席課金は、捨てられていない——上に積まれている

    公開されている Agentforce の価格表を見ると、課金の単位は一つではない。三つが併存している。

    席は残っている。営業・サービス向けのAI機能の追加は1ユーザーあたり月125ドル、業種特化版は150ドル。AI機能を前提にした上位エディションは1ユーザーあたり月550ドルからで、これには年間250万回分の「Flex Credits」が含まれる。

    消費が加わった。Flex Credits は10万クレジットあたり500ドルで販売され、AIエージェントの1アクションが20クレジットにあたる。成果に近い単位も一部にある。顧客向けエージェントに限って、1会話あたり2ドルという課金がある。

    つまり、席から消費への「移行」は起きていない。起きたのは、席の上に消費が積まれたことである。しかも席あたりの単価は、AI機能を含む上位エディションで月550ドルからと、従来より上の帯に伸びている。

    これは、以前にAIの価格モデルを扱った回で書いたことの、大規模な実例になっている。あのとき、価格は「使用量から成果へ」一直線には進まず、最も多いのはハイブリッド型で、それは妥協ではなく責任とリスクを売り手・買い手で分担する合理的な着地点だ、と整理した。世界最大のSaaS企業が実際に採ったのも、その形だった。

    だとすると、「席課金を捨てられるか」という問いは、少なくともこの会社については空振りである。では、何が変わったのか。

    4. 変わったのは、開示だった

    ここからが本題になる。この2年の決算発表を並べると、開示する指標そのものが書き換えられていることがわかる。

    新しく生まれた単位

    2026年2月の決算で、Salesforceは新しい単位を導入した。その名を Agentic Work Units（AWU、エージェント作業単位） という。AIエージェントが完了させた仕事の量を数える単位で、導入時点の累計24億から、直近の7月期には累計70億、当四半期だけで32億（四半期比97%増）まで伸びている。決算発表の見出しに並ぶ数字として、これは強い。

    ここで、多くの解説が取り違えている点がある。AWUは課金の単位ではない。

    Salesforce自身の説明では、AWUは「プラットフォーム全体の活動の広がりを捉える指標」とされている。課金に使われるのはFlex Creditsのほうで、AWU1単位あたりの価格も、AWUとFlex Creditsの換算比率も、公表されていない。

    つまり、決算で最も伸び率の大きい数字は、値段のついていない数字である。

    念のため書いておくと、この単位の発想自体には理がある。Salesforceは、トークン数のような指標は「AIがどれだけ喋ったかを測るだけで、実際に完了した仕事を測っていない」と説明している。これはもっともな指摘だ。処理量ではなく完了した仕事を数えようという方向は、価格の単位が成果へ寄っていくという流れとも整合する。

    問題は単位の作り方ではなく、AWUと売上との対応関係を、外部から検証できないことにある。

    言わなくなった指標

    新しく開示された指標と同様に、開示されなくなった指標にも着目したい。

    以前はトークンの処理量やAgentforceの取引件数も開示されていた。2026年2月期にはトークン19兆件、取引件数29,000件超といった数字が並んでいる。だが直近の7月期の発表には、どちらも出てこない。いまはAWUとARRが前面に出ている。

    見出し指標そのものも書き換わった。2025年2月期は「Data Cloud & AI ARR」という名前で9億ドル（前年比120%増）。2026年2月期に「Agentforce and Data 360 ARR」と改称され、29億ドル超になった。この29億ドルには、2025年11月に買収が完了したInformaticaのクラウドARR11億ドルが含まれており、当時はその内訳が明記されていた。ところが直近の7月期では、この指標は39億ドル（前年比210%増）と発表され、内訳は示されていない。

    もちろん、買収だけで伸びているわけではない。同社は既存顧客の拡張が受注の60%超を占めることや、買収事業の売上寄与も別途開示している。

    それでも、改称と再構成をまたいで「前年比210%増」という一つの成長率が提示されているという事実は残る。この数字を1年前の9億ドルと比べたくなるが、比べているものは同じではない。

    三つの方向が同時に起きている

    整理すると、Salesforceの開示には三つの変化がある。

    第一は、取引件数からARRへ、より収益に近い指標へ移っていることだ。Agentforceの取引件数よりもARRを前面に出すようになった。これは、利用実績だけでなく、実際にどれだけ収益につながっているかを示そうとする変化と読める。

    第二はその一方で、AWUという新しい利用指標を成長の中心に置き始めたことである。AWUはAIエージェントがどれだけ仕事をしたかを示すが、それ自体に価格はついていない。収益に近いARRを重視しながら、同時に売上との換算関係が見えない利用量も強調している。

    第三は、指標の定義そのものが変わっていることだ。「Data Cloud & AI ARR」は「Agentforce and Data 360 ARR」へ改称され、買収したInformaticaの事業も含むようになった。結果として、同じ名前の成長率を時系列で単純比較することが難しくなっている。

    つまり、Salesforceの開示は一方向に進んでいるわけではない。収益化を示す指標を強める一方で、新しい利用指標を加え、さらに既存指標の範囲も広げている。

    これは「開示が良くなった／悪くなった」という単純な話ではない。AIという新しい事業領域について、何をもって成長と呼び、何を投資家に見せるべきか、その物差し自体がまだ固まりきっていないということである。

    5. 何が言えるか

    ここまでの数字から、まず一つ明確に言えることがある。AIの利用量が増えることと、それが売上に変わることは同じではない。

    Salesforceでは、AIエージェントが完了した仕事を示すAWUが四半期比97%増、AI関連ARRが前年比210%増と、どちらも大きく伸びている。ただし、この二つを直接結びつけることはできない。単位も集計期間も異なり、AWUが増えると売上がいくら増えるのかという換算関係も公表されていないからだ。

    ここに、今回の開示を読むうえで最も重要なポイントがある。Salesforceでは、顧客に料金を請求するための「課金単位」と、AI事業の成長を説明するための「評価単位」が分かれつつある。

    課金単位は、席数、Flex Credits、会話数など、実際に顧客が対価を支払う物差しである。一方、AWUはAIエージェントがどれだけ仕事をしたかを示す物差しだ。AWUが伸びれば、AIの利用が広がっていることはわかる。しかし、それだけでは売上や利益がどれだけ増えるのかまではわからない。

    これはSalesforceに限った話ではない。今後、AI企業からは「エージェント実行回数」「AI処理件数」「自動化した時間」「タスク完了数」といった、新しい指標が次々に出てくるだろう。そのとき重要なのは、数字の伸び率だけを見るのではなく、その指標が事業の収益にどうつながっているかを見ることである。

    具体的には、三つを確認すればよい。

    • その数字は、顧客にとっての価値を表しているか
    • その数字に、実際の価格がついているか
    • その数字の増加が、売上や粗利の増加にどうつながるか

    もちろん、新しく生まれた指標がこの三つをすべて満たしていないからといって、意味がないわけではない。新しい市場では、事業モデルや価格体系が固まる前に、利用の広がりを示す指標が必要になることもある。

    重要なのは、「利用が伸びている」という事実と、「事業として価値が生まれている」という事実を分けて読むことだ。

    以前AIバブルを扱った回では、期待が実態へ変換される途中に「段差」が生まれると書いた。今回のSalesforceで興味深いのは、その段差の大きさを測るための換算関係自体が、まだ外からは見えないことである。

    おわりに：単位そのものを読む

    新しい技術が来るとき、企業は新しい指標を作る。それ自体は自然なことで、むしろ何も変えないほうが不自然だろう。既存の指標がその技術の価値を捉えられないなら、新しい単位が要る。

    ただ、新しい単位が生まれた直後には、必ず一つの期間がある。その単位がまだ値段と結びついていない期間である。新しい指標は過去との比較期間が短く、成長率だけを見れば大きな数字になりやすい。だからこそ重要なのは、その数字の伸びそのものではなく、売上や利益との接続である。

    AI時代の開示を見るとき、重要なのは数字の大きさではない。その数字が何を数え、そこに価格がつき、売上や利益へどう変換されるかである。

    新しく何を開示したか。そして、何を言わなくなったか。

    これからの企業分析では、「数字」だけでなく「単位」そのものを読む必要がある。次回以降も、1社ずつ、同じ問いで読んでいきたい。

    中塚 恵介

    JAPAN AI CFO／GENIEE Group CFO。AI企業の成長戦略、資本政策、IR・資金調達、M&A、海外展開などを通じて、日本発のテクノロジー企業の企業価値向上に取り組んでいる。 前職ではグローバルベンチャーキャピタル B Capital の Japan Lead として、AI・ディープテック・クライメートテック領域を中心に、日本におけるスタートアップ投資を担当。それ以前は BCG／BCG X にて、企業の新規事業創出、事業戦略、ベンチャー立ち上げなどに従事し、構想から事業化・実行までを支援した。キャリア初期には内閣府などで政策立案にも携わった。 一貫して、資本・技術・人・制度がどのように結びつき、新しい産業や企業が生まれるのかに関心を持つ。現在は、投資・支援する立場から経営の当事者へと軸足を移し、日本からグローバルに競争力のあるAI・テクノロジー企業を生み出すことをテーマとしている。 Alpha Beyond Frontier では、スタートアップ、ベンチャーキャピタル、AI、M&A、コーポレートイノベーションを中心に、資本市場と産業構造の変化を分析・発信している。

    Disclaimer

    本稿は、公表資料および公開報道にもとづく独立した分析であり、特定の組織の公式見解ではありません。

    本稿は特定の証券の売買を推奨するものではなく、投資助言・投資勧誘ではありません。 将来の株価、企業価値の割高・割安、投資判断に関する見解を示すものではなく、記載した株価の推移は過去の報道の紹介にとどまります。

    本稿の記述は、決算発表資料、SECへの提出書類、同社が公開している価格表および製品説明、ならびに公開報道の範囲に限られます。内部情報には一切依拠していません。開示内容の変化から企業の意図を推定することはしていません。

    筆者は JAPAN AI 株式会社および株式会社ジーニーに所属しますが、本稿は Alpha Beyond Frontier における筆者個人の独立した分析であり、所属各社の公式見解を示すものではありません。

    記載した数値および事実は、各出典の公表時点のものです。

    References

    本ブログの関連記事

  • 日本の買い手は、本当に薄いのか——海外VCが押し上げる「第4の買い手層」

    日本の買い手は、本当に薄いのか——海外VCが押し上げる「第4の買い手層」

    日本の買い手は、本当に薄いのか——海外VCが押し上げる「第4の買い手層」

    はじめに：買い手は、本当に薄いのか

    日本のスタートアップM&Aについて、以前に「問題は件数ではなく買い手能力である」という整理を書いた。赤字の成長企業を継続的に買い、事業に組み込んでいく組織能力が、事業会社・PE・海外の戦略買い手のいずれの層でも薄い——という診断だった。

    この見立て自体は、いまも変えていない。ただ、あの3つの層には共通点がある。どれも「既にある大きな組織」だ、ということだ。買い手を探すとき、私たちは無意識に、スタートアップより上の階層を見上げている。

    では、買い手はそこにしかいないのだろうか。

    先に断っておくと、これから紹介するデータは、買い手が薄いという診断そのものを覆すものではない。ただ、これまで数に入れていなかった買い手がいる。

    本稿は、筆者がSSRNに公開した研究 Same Capital, Different Absorption: Foreign Venture Capital and Startup Acquisition Channels in Japan and Singapore（2026年6月）の紹介である。この研究が扱ったのは、これまでほとんど正面から測られてこなかった問いだ——VCから資金を受けたスタートアップ自身が、買う側に回るのか。そしてその買収は、どこへ向かうのか。

    結論を一行で言えば、こうなる。海外VCは、日本のスタートアップを海外へ連れ出すだけではない。日本企業を買える会社に育てている可能性がある。

    日本とシンガポールの10,051社（日本6,277社、シンガポール3,774社）を、2010年から2024年まで追った。データはPitchBookで、上場企業の分社や海外からの移転などを外すための厳格な絞り込みをかけている。

    1. 見落とされていた「第4の層」

    まず、事実から置きたい。

    日本のVC投資先スタートアップのうち、観測期間中に一度でも買収する側に回った企業は6.6%（413社）ある。100社に7社弱、と言い換えてもいい。決して主流ではないが、例外的な逸話でもない規模だ。

    そして、この比率は一様ではない。海外VCが入っていない企業では5.85%、入っている企業では13.39%——倍以上の開きがある。シンガポールでも方向は同じで、5.35%に対して8.07%だった。

    つまり、日本の買い手層を数えるとき、事業会社・PE・海外戦略買い手の3層に加えて、スタートアップ自身という第4の層が存在している。しかもその層は、海外資本が入っている企業ほど厚い。

    ここで、この第4の層がどこを買っているかを見ると、話が面白くなる。日本のスタートアップが買収した相手の所在地は、国内が81%。米国が8%、ASEANが3%、その他が8%である。最初の一件に限って国内か海外かで分けても、日本は88%が国内向けだった。

    海外の資本を受け入れた企業ほど買収する側に回り、その買収先は圧倒的に国内である。この形は、少し立ち止まって考える価値がある。

    2. 両国で同じように起きること

    順を追って分けて考えたい。海外VCが入ったときに起きることには、日本とシンガポールに共通して起きる部分と、国によって違う部分がある。

    まず、共通して起きる部分。海外VCが参加したラウンドは、調達額が大きい。日本で約+99%、シンガポールで約+106%——おおむね倍増である。これは両国で同じように観測された。

    そして、買収する側に回る確率も上がる。両国をまとめ、業種構成の違いを調整したうえで推定すると、+7.19ポイント（パーセントポイント＝比率そのものの差。6%が13%になれば+7ポイント）。もとの比率が約6%なので、およそ倍になる計算だ。

    ここまでは、直感どおりと言っていい。資本が増えれば買う体力もつく——企業金融の研究が繰り返し確認してきた関係である。

    問題は、その先だ。増えた資本は、どこへ向かうのか。

    3. 同じ企業の中で、国内と海外は別の理屈で動いている

    ここが、この研究でいちばん意外だった部分だ。先に結論を書く。

    海外買収が増える理由は、ほぼ「お金が増えたから」で説明できた。一方、国内買収は、お金が増えたことだけでは説明できなかった。

    順に見ていく。

    「海外VCを入れると、会社が海外に出ていく」——という見方は、日本ではよく聞く。海外資本が入れば、視線は海外に向き、買収も海外案件になり、いずれ会社ごと海外に持っていかれるのではないか、と。

    データを見ると、たしかに日本企業の越境買収も増えてはいる。海外VCが入った日本企業は、越境買収をする確率が+1.73ポイント高い。ここまでは直感と合う。

    ここで、ひとつ確かめたいことが出てくる。「海外VCが入った企業は、単に調達額が大きいから買収しているだけではないか」という可能性だ。資本が潤沢なら、買収相手が国内だろうと海外だろうと、買う件数そのものが増えて当然である。そこで、買収前までに調達した資本の量の違いを統計的に調整する——つまり「お金が増えたから」という影響をできるだけ取り除いて、なお差が残るかを見る。

    越境買収では、この差は消えた（−0.08ポイント、統計的に意味のある差とは言えない水準）。つまり、越境買収が増えたのは「海外VCが入ったから海外を向いた」のではなく、「海外VCが入って資本が増えたから、買収そのものが増えた」——その内訳として越境が含まれていた、という説明で足りてしまう。

    国内買収は違った。海外VCが入った日本企業は、国内買収をする確率が+6.49ポイント高い。そして資本の量を調整してもなお、+3.60ポイントが残る。減ったのは半分ほどで、残り半分は資本規模では説明がつかない。

    同じ企業の中で、国内チャネルと越境チャネルが別の理屈で動いている。越境は資本の大きさで説明できるが、国内はそれだけでは説明できない何かが残る。 「海外VCを入れると外へ出ていく」という直感は、少なくともこのデータでは支持されなかった。

    4. なぜ日本だけ残るのか——対照群としてのシンガポール

    では、その「資本の大きさでは説明できない何か」とは何か。

    これを見るために、この研究はシンガポールを対照群に置いた。シンガポールを手本として持ち出すためではない。日本の輪郭を浮かび上がらせるための比較対象としてである。

    両国は、企業の買収先が国内に向くか海外に向くかを左右しそうな条件が、揃って逆を向いている。法体系（大陸法と英米法）、事業の言語（日本語と英語）、国内IPO市場の厚み（日本は年100社を超えるが、シンガポールは年10社未満でテック企業の上場は実質国外）、そして国内市場の大きさ（日本の国内需要だけで事業が成り立つ規模に対し、シンガポールは早い段階から域外へ出ざるを得ない）。日本は「閉じた側」、シンガポールは「開いた側」に、4つとも同じ向きで並ぶ。

    結果は明快だった。シンガポールでは、海外VCが入っても国内買収への偏りが日本ほどは見られない（両国の差は−5.66ポイント、資本の量を調整しても−4.88ポイントが残る）。逆に越境買収については、両国の差は統計的に意味のある水準に届かなかった（+0.42ポイント）。シンガポール企業が越境買収に向かうのは事実だが（初回買収の63%が越境。日本は12%）、それはもともとそういう生態系だからであって、海外VCが追加的に越境へ向かわせているとまでは確認できなかった。

    つまり、日本で観測されたことは「海外VC一般の効果」ではない。日本の市場と制度の組み合わせのなかで起きている可能性が高い。

    ひとつ、正直に線を引いておきたい。2国を比べる設計では、4つの条件は常に束で動く。「言語のせいだ」「IPO市場の厚みのせいだ」と個別に切り分けることは、この設計ではできない。 4つの向きが結果と揃っていることを確認できるだけである。

    5. 何が言えて、何が言えないか

    整理すると、こうなる。同じ海外VC資本でも、企業を大きくし、買い手に変える力はどちらの国でも同じように働く。違うのは、その増えた力がどの方向へ吸収されるかだ。 日本では、それが国内買収という経路に、資本の大きさでは説明しきれない形で流れ込んでいる。

    ここから何が言えるか。

    前提として、海外VCの流入を評価するときには、「資本が入ること」と「その資本がどこへ吸収されるか」を分けて見たほうがよい。海外マネーの流入をめぐる議論は、しばしば「技術や企業が流出するのではないか」という懸念と一体で語られる。だがこのデータで観測された日本の姿は、むしろ逆に近い。海外資本を受け入れた企業の買収活動は、結果として国内企業の買収に強く向かっていた。

    そのうえで、立場別にもう一歩具体化してみたい。

    スタートアップ政策にとっては、Exitを増やす道筋がひとつ増える。買い手を厚くするというとき、議論はほとんど「大企業にスタートアップを買わせる」方向に向かってきた。だが、成長したスタートアップを次の買い手として育てる経路もある。その意味で、第4の層は、従来の買い手とは異なる評価軸を持ちうる。

    VCにとっては、投資先の成長支援がIPO支援に限られないことを示す。M&Aによる非連続な成長を選択肢に含められるかどうかで、支援の幅は変わる。スタートアップ経営者にとっては、Series B以降の選択肢に「売られる会社になる」だけでなく「買う会社になる」が並ぶ、ということだ。

    ただし規模については冷静に見ておきたい。買収した経験を持つ企業は日本全体で413社、そのうち海外VCが入っていたのは81社にすぎない。第4の層は既に動いているが、厚いとは言えない。 記事「買い手能力」の診断——買い手が薄い——は、これで覆るものではない。

    そして、言えないこと。この研究は相関を示したものであって、因果を確定したものではない。論文自身、「強い関連と、仕組みと整合的なパターン」という水準で結論を置いている。

    とくに残る可能性は、選択の問題だ。海外VCが、もともと国内で事業を統合していくタイプの日本企業を選んで投資している——という説明を、完全には排除できていない。この可能性を下げる検証は行われているが、「主要因としては支持されない」と言えるところまでで、「否定された」とは書かれていない。ほかにも、データベースの捕捉には偏りがありうること、2010年代に調達した企業の10年を超える帰結はまだ見えないことが、限界として明示されている。

    おわりに：3つの研究がつくる地図

    本稿の元になった論文は、筆者がここ数年進めてきた一連の研究の3本目にあたる。それぞれ別の問いを扱っているが、並べると1枚の地図になる。

    1本目（政府系VCはスタートアップのどの段階で効くのか）は、いつの話だった。公的資本が直接投資として入るとき、その効果はSeries Bという特定の段階に集中していた。

    2本目（政府はGPになるべきか、LPになるべきか）は、どう入るかの話だった。政府が黒子としてLPに回ると、VC会社そのものを強くするというより、VCの中で案件へのお金の配り方が変わっていた。

    そして3本目である本稿は、入った資本がどこへ向かうかの話だ。同じ資本でも、受け入れる側の制度によって、吸収される先が変わる。

    段階、チャネル、そして吸収先。資本が誰の手に渡るかだけでなく、渡ったあとどこへ流れるかを見ないと、その資本が何をしたのかは分からない——3本を通じて残ったのは、この感覚である。

    中塚 恵介

    JAPAN AI CFO／GENIEE Group CFO。AI企業の成長戦略、資本政策、IR・資金調達、M&A、海外展開などを通じて、日本発のテクノロジー企業の企業価値向上に取り組んでいる。 前職ではグローバルベンチャーキャピタル B Capital の Japan Lead として、AI・ディープテック・クライメートテック領域を中心に、日本におけるスタートアップ投資を担当。それ以前は BCG／BCG X にて、企業の新規事業創出、事業戦略、ベンチャー立ち上げなどに従事し、構想から事業化・実行までを支援した。キャリア初期には内閣府などで政策立案にも携わった。 一貫して、資本・技術・人・制度がどのように結びつき、新しい産業や企業が生まれるのかに関心を持つ。現在は、投資・支援する立場から経営の当事者へと軸足を移し、日本からグローバルに競争力のあるAI・テクノロジー企業を生み出すことをテーマとしている。 Alpha Beyond Frontier では、スタートアップ、ベンチャーキャピタル、AI、M&A、コーポレートイノベーションを中心に、資本市場と産業構造の変化を分析・発信している。

    Disclaimer

    本稿は、Nakatsuka (2026) “Same Capital, Different Absorption: Foreign Venture Capital and Startup Acquisition Channels in Japan and Singapore” (SSRN: 6980818) の紹介として、独立した個人研究の立場で執筆されたものである。原論文は PitchBook の商用ディールデータおよび公開されている制度・マクロ指標に基づく観察研究であり、特定のファンド・投資家・企業・案件の内部情報には一切依拠していない。

    原論文の Declaration of Interest に記載のとおり、筆者は研究期間の一部において B Capital Group に所属していたが、本研究は Alpha Beyond Frontier の独立した学術的立場で行われたものであり、同社の見解・戦略・利益を反映しない。本研究は、B Capital Group、産業革新投資機構（JIC）、および分析対象となった企業・投資家のいずれとも関係を持たない。原稿の査読・資金提供・承認を行った第三者はなく、本研究は自己資金による。なお筆者は現在、JAPAN AI 株式会社および株式会社ジーニーに所属しているが、本研究および本稿は所属各社の公式見解を示すものではない。

    本稿で示した結果は 観察データに基づく相関関係であり、因果関係を確定するものではない。原論文自身、結論を「強い関連と、メカニズムと整合的なパターン」の水準に位置づけており、因果同定は今後の課題としている。また、2国比較という設計上、制度的条件は束としてのみ扱われ、個別の条件の寄与は識別されていない。

    本稿は投資助言・投資勧誘ではなく、特定の投資判断・投資戦略・政策を推奨または批判するものでもない。制度設計・政策議論・リサーチの前提として構造議論に寄与することを目的とし、具体的な意思決定は読者各位の独自判断によるべきものである。

    記載された見解はすべて運営者個人のものであり、いかなる組織の公式見解をも代表しない。

    References

    • Nakatsuka, Keisuke, “Same Capital, Different Absorption: Foreign Venture Capital and Startup Acquisition Channels in Japan and Singapore” (June 23, 2026). SSRN: https://ssrn.com/abstract=6980818
    • Nakatsuka, Keisuke, “Government as GP or LP? Public Limited Partner Capital Reallocates Deals within VC Firms — Evidence from Japan’s JIC” (May 2026). SSRN: https://ssrn.com/abstract=6703339

    本ブログの関連記事