AWSのAI反転攻勢アマゾンは遅れの印象をどう塗り替えたのか

1. 「周回遅れ」という評価が生まれた背景

生成AIの競争が本格化した2022年末から2024年にかけて、アマゾンには「AIで出遅れた」という印象がつきまとった。きっかけは、OpenAIのChatGPTが公開から約2か月で利用者1億人規模に達し、消費者向けAIの象徴になったことだった。マイクロソフトはOpenAIとの提携を前面に出し、Azure OpenAI Service、Microsoft 365 Copilot、GitHub Copilotを相次いで展開した。グーグルも検索、研究所、TPU、Geminiを結びつけ、AI企業としての歴史を強調した。

一方のアマゾンは、AWSという巨大なクラウド基盤を持ちながら、ChatGPTのように一般利用者の目に見えるAIサービスで先行しているようには見えなかった。アマゾンはAlexaを長年運営し、検索、広告、物流、レコメンド、音声認識で機械学習を使ってきたが、2023年の市場の視線は「最も目立つ大規模言語モデルを誰が持っているか」に集中した。AWSは企業向けクラウドの王者であっても、生成AIの主役ではないという見方が広がった。

この評価には一定の根拠があった。Synergy Research Groupのクラウド市場統計では、AWSは依然として世界最大級のクラウド事業者だが、シェアは2021年の32パーセント強から2025年には30パーセントを下回る水準へ下がった。2026年第1四半期のクラウドインフラ市場では、AWSが約28パーセント、Microsoft Azureが約21パーセント、Google Cloudが約14パーセントという構図になっている。つまりAWSは首位を維持しているが、AIブームを追い風にAzureとGoogle Cloudが存在感を高めた。

ただし、2025年後半から2026年にかけて、この「遅れ」の見方はかなり単純化されていたことが明らかになりつつある。アマゾンは表に出るチャットボットで先行するのではなく、AIを動かすための電力、データセンター、半導体、ネットワーク、基盤モデル、企業向け制御機能を積み上げる戦略を取っていた。2026年時点でAWSのAI関連売上は年換算150億ドルを超える規模になり、カスタム半導体事業は年換算200億ドルを突破した。これは、単なる追随ではなく、AIの供給網そのものを握りにいく動きである。

2. AI競争の焦点はモデルからインフラへ移った

生成AIの初期競争では、最も重要なのはモデルの性能だと見られていた。文章生成、画像生成、コード生成、音声対話の能力が比較され、ベンチマークの点数が企業価値に直結した。しかし2024年以降、競争の焦点は急速にインフラへ移った。理由は単純で、大規模AIは膨大な計算資源を消費するからである。

Gartnerは2026年の世界AI支出を約2兆5200億ドルと予測し、前年比で44パーセント増えると見ている。同じ予測では、AI基盤の構築に伴う追加支出だけでも約4010億ドルが生じるとされる。さらに2026年4月の最新見通しでは、世界のIT支出は約6兆3100億ドルへ拡大し、データセンターシステム関連支出は7880億ドルを超えるとされた。これは、AIが単なるソフトウェア機能ではなく、半導体、建設、電力契約、冷却設備、光ファイバー網、土地取得を巻き込む産業になったことを示している。

この変化はAWSにとって有利に働いた。AWSは2006年にS3とEC2を立ち上げて以来、企業の計算資源を大規模に供給する仕組みを作ってきた。ジェフ・ベゾスが株主向け書簡で繰り返した「顧客から逆算する」という考え方は、AI時代には「顧客が必要とする計算資源を、どれだけ安く、早く、安定して供給できるか」という問題へ変換される。AIモデルの派手さよりも、日々の推論費用、学習時の待ち時間、障害時の復旧、データ保護、監査可能性が重視される企業利用では、AWSの長年の強みが再び評価される。

クラウド市場の伸びも、この見方を支えている。2025年の世界クラウドインフラ市場は4000億ドルを超え、2026年第1四半期には前年同期比で35パーセント前後の成長を記録した。Synergy Research Groupのジョン・ディンズデールは、生成AIがクラウド市場を再加速させた主要因の一つだと分析している。AIはクラウドの一機能ではなく、クラウド支出全体を押し上げる需要源になった。

3. アマゾンの半導体戦略は2015年から始まっていた

AWSのAI戦略を理解するには、2023年のBedrockや2025年のOpenAI提携からではなく、2015年のAnnapurna Labs買収から見る必要がある。イスラエル発の半導体企業Annapurna Labsを買収したことで、AWSはクラウド事業者でありながら自社チップを設計する道を開いた。この決定は、当時は地味に見えたが、後のNitro、Graviton、Inferentia、Trainiumにつながる重要な分岐点だった。

最初に大きな成果を見せたのはNitroである。Nitroは仮想化、ストレージ、ネットワークなどの処理を専用ハードウェアへ分担させる仕組みで、EC2の性能とセキュリティを高めた。次に登場したGravitonは、ArmベースのサーバーCPUである。2018年に初代が発表され、2025年にはGraviton5へ進化した。AWSの発表では、Gravitonは同等のx86系インスタンスに比べ最大40パーセント優れた価格性能を示すケースがあり、上位1000社のEC2顧客の98パーセントがGravitonを利用している。

AI専用チップでは、推論向けのInferentiaと学習向けのTrainiumが中核になる。Trainiumは2021年に発表され、Trainium2、Trainium3へ進化した。アマゾンのアンディ・ジャシーCEOは、TrainiumとGravitonを含む半導体事業が年換算100億ドルを超えた後、2026年には年換算200億ドルを超え、成長率は3桁台だと説明している。これは多くの上場半導体企業に匹敵する規模であり、アマゾン社内では独立企業なら500億ドル規模の可能性がある事業として扱われている。

ここで重要なのは、アマゾンが半導体を単体販売するために作っているわけではない点である。NVIDIAはGPUを売り、CUDAを中心に開発者生態系を築いた。一方AWSは、チップをEC2やBedrockの料金体系に組み込み、クラウド利用料として回収する。つまり顧客は「Trainiumを買う」のではなく、「Trainiumで動く安価な学習や推論を借りる」。この構造では、チップの粗利だけでなく、データ転送、ストレージ、管理サービス、セキュリティ、監視、モデル提供まで含めた総合収益を狙える。

4. Bedrockは「単一モデルの勝負」を避けた

AWSが2023年4月に発表し、同年9月に一般提供したAmazon Bedrockは、生成AI時代のAWSらしい製品だった。Bedrockは、アマゾン独自のTitan、AnthropicのClaude、AI21 Labs、Stability AIなど、複数の基盤モデルを企業がAPI経由で利用できる管理型サービスである。AWSは最初から「自社モデルだけで世界を取る」という姿勢を取らず、複数モデルを比較し、企業のデータを保護しながら使える土台を作った。

この選択は、消費者向けの話題性では弱く見えた。ChatGPTのような単一の顔がなく、一般利用者には何をしているのか分かりにくい。しかし企業にとっては合理的だった。企業はモデルを一つに固定したくない。法務文書、顧客対応、コード生成、画像認識、音声処理では、それぞれ適したモデルが異なる。さらに、データの持ち出し、アクセス権限、監査ログ、暗号化、料金予測が重要になる。Bedrockは、AIモデルそのものよりも「モデルを安全に選び、組み合わせ、業務へ組み込む場所」として設計された。

2026年には、Bedrockを利用する企業は10万社を超えた。AnthropicのClaudeもBedrock上で10万以上の顧客に使われている。OpenAIのフロンティアモデルもAWS上で提供される計画になり、AWSは複数の最先端AI企業を同じ基盤上に置くクラウドになりつつある。これは一見すると節操のない戦略に見えるが、クラウド事業としては極めて自然である。小売業のAmazonが多様な商品を並べるマーケットプレイスで成長したように、AWSはAIモデルの市場を作ろうとしている。

ぽちょ研究所の整理では、アマゾンの反転攻勢は「最高の一つのモデル」を掲げる戦略ではなく、「多数のモデルを企業が使える計算基盤へ変える戦略」と見ると分かりやすい。AIの価値は、研究室のベンチマークから、実際の業務で何回使われ、いくらのコストで、どれだけ失敗を抑えられるかへ移っている。

5. Project Rainierが示した計算資源の実体

2025年、AWSはProject Rainierを本格稼働させた。これはAnthropicの大規模AI学習と推論を支えるために構築された巨大なAIコンピューティング基盤で、約50万個のTrainium2チップを含む。AWSの発表では、この基盤は1年未満で構築され、Anthropicが以前のモデル学習に使った計算資源の5倍以上を提供できる。2025年末までにAnthropicは100万個超のTrainium2チップを利用する規模へ拡大するとされた。

Project Rainierという名称は、米国ワシントン州のレーニア山に由来する。レーニア山は標高4392メートルの成層火山で、シアトル周辺からも見える象徴的な山である。AWSがこの名称を選んだことは、単なる洒落ではない。巨大な山のように、AIインフラは外から見える一部よりも、地下に広がる電力、冷却、ネットワーク、供給契約の方がはるかに重要だからである。

Project Rainierは、Trainium2 UltraServerを基礎単位にする。1台のUltraServerは64個のTrainium2チップを結び、AWS独自のネットワーク技術で大規模クラスターへ接続する。従来のAWS上のAI計算基盤より70パーセント大きいと説明され、複数の米国データセンターにまたがって構築された。ここで問われるのは、単にチップを何個並べるかではない。数十万個のチップを同期させ、モデル学習中の通信遅延を抑え、障害時にも計算を継続し、電力と冷却を安定させる能力が必要になる。

2025年末にはTrainium3 UltraServerも発表された。AWSはTrainium3について、前世代に比べ最大4.4倍の演算性能、約4倍のエネルギー効率、約3.9倍のメモリ帯域を実現すると説明している。1台のUltraServerには最大144個のTrainium3チップが搭載され、FP8演算で362ペタフロップス級の性能を提供する。さらに、Trainium3を使う顧客はAI学習と推論のコストを最大50パーセント削減できる可能性があるとされる。

ただし、TrainiumがNVIDIA GPUを直ちに置き換えると見るのは早計である。NVIDIAの強みはチップ性能だけでなく、CUDA、開発者、ライブラリ、研究者の慣れ、既存コードの蓄積にある。AWSはNeuron SDKで対抗するが、すべてのAI研究者や企業が短期間で移行するわけではない。したがってTrainiumの現実的な勝ち筋は、すべてを奪うことではなく、ClaudeやOpenAIのような大規模顧客の特定ワークロードでコスト優位を示し、推論量が膨大な企業利用へ広げることにある。

6. Anthropic提携は「AIモデル」と「クラウド需要」を結びつけた

アマゾンのAI戦略で最も重要な提携先の一つがAnthropicである。Anthropicは、元OpenAI幹部のダリオ・アモデイらが設立したAI企業で、Claudeシリーズを開発している。2023年から2024年にかけてアマゾンはAnthropicへ合計80億ドル規模の投資を行い、2026年にはさらに50億ドルを追加し、将来的に200億ドルまで拡大し得る枠組みを発表した。

この提携の核心は、出資額そのものではない。AnthropicはAWSのTrainiumとGravitonを使い、今後10年間で1000億ドル超をAWS技術に投じる計画を示した。さらに、最大5ギガワットのAWS計算容量を利用する契約が結ばれた。ギガワットという単位は、もはやソフトウェア企業の話ではなく、発電所や送電網の話に近い。AI競争はモデルの知能だけでなく、電力を確保できる企業の競争になっている。

Anthropic側から見ると、AWSとの関係は単なるクラウド契約ではない。Claudeの開発には膨大な学習計算が必要であり、推論ではさらに継続的な計算費用が発生する。AWSがTrainiumを低コストで供給できれば、Anthropicはモデル提供の利益率を改善できる。AWS側から見ると、AnthropicがTrainiumを本格的に使うことで、自社半導体の性能を最先端モデルで検証できる。これは販売資料より強い証拠になる。

2026年には、Anthropicの収益規模も急拡大した。2025年末に約90億ドルだった年換算収益は、2026年には300億ドル超へ伸びたと発表された。Claudeが企業利用で広がるほど、AWSの基盤使用量も増える。つまりアマゾンは、AIモデル企業の成長をクラウド消費へ変換する仕組みを作っている。

7. OpenAIとの提携は評価を大きく変えた

アマゾンがAIで有力プレーヤーとして見直された最大の転機の一つは、OpenAIとの大型提携である。2026年、AmazonとOpenAIは戦略的パートナーシップを発表した。AmazonはOpenAIへ500億ドル規模を投じ、OpenAIはAWS上で2ギガワット分のTrainium容量を利用する。さらに、既存の380億ドル規模のAWS利用契約は、今後8年間で1000億ドル追加される形へ拡大された。

この提携は象徴的である。OpenAIは長くMicrosoftとの関係が強く、AzureのAI需要を押し上げる中心的存在だった。Reutersなどの報道でも、2023年から2024年にかけてMicrosoftがOpenAIとの連携で企業向けAIサービスを先行させ、AWSとの差を縮めたことが指摘されていた。そのOpenAIが、AWSのTrainiumとBedrockを利用する方向へ進んだことは、「AWSは生成AIで完全に出遅れた」という見方を大きく揺さぶった。

Amazon Bedrock上では、OpenAIのフロンティアモデルを企業が利用できるようになる計画も示された。さらにAWSは、OpenAIのStateful Runtime EnvironmentをBedrockへ統合する構想を発表した。これは、モデルが単発の質問応答だけでなく、状態を維持しながら長期的な作業を行うための基盤を意味する。AIエージェントが実務を担う時代には、こうした実行環境が重要になる。

ここでアマゾンの戦略は、Microsoftのように一社と深く結びつく形とは異なる。AWSはAnthropicを支援しながら、OpenAIも取り込む。自社モデルNovaを育てながら、外部モデルをBedrockに並べる。矛盾して見えるが、クラウド事業者としてはむしろ自然である。AWSにとって重要なのは、どのAI企業が勝っても、その計算がAWS上で走ることである。

8. 財務指標から見るAI投資の重さ

アマゾンのAI反転攻勢は、財務にもはっきり表れている。2025年通期のアマゾン全体の売上高は7169億ドルで、AWSの売上高は1287億ドル、前年比20パーセント増だった。AWSの営業利益は456億ドルに達し、アマゾン全体の利益構造を支える柱であり続けている。2025年第4四半期にはAWS売上高が356億ドル、前年比24パーセント増となり、2026年第1四半期には376億ドル、前年比28パーセント増へ加速した。

一方で、自由現金流量は強く圧迫されている。2026年第1四半期の直近12か月ベースで、アマゾンの自由現金流量は12億ドルへ低下した。主因は、データセンター、サーバー、ネットワーク機器、チップ、土地、電力関連を含む設備投資の急増である。2026年の資本的支出は約2000億ドル規模になると説明されている。これは多くの国の年間国家予算に匹敵するほどの金額で、AIインフラ競争の重さを示している。

アンディ・ジャシーは株主向け書簡で、AWSのAI投資は思いつきではなく、顧客の契約と需要予測に基づくものだと強調した。AWSの資本投資には時間差がある。データセンター用地、電力契約、冷却設備、ネットワーク、半導体の調達には、売上が発生する6か月から24か月前に資金を投じる必要がある。データセンターは30年以上使える資産だが、サーバーやチップ、ネットワーク機器は5年から6年程度で更新が必要になる。

この構造には大きなリスクがある。需要が予想を下回れば、設備は過剰になる。電力供給が遅れれば、投資しても稼働できない。チップの性能が期待を下回れば、顧客はNVIDIA GPUや他社クラウドを選ぶ。AIモデルの価格競争が激しくなれば、推論単価は下がり、投資回収に時間がかかる。したがって、アマゾンのAI戦略は成功すれば巨大な利益源になるが、失敗すれば重い減価償却と低稼働率を抱える。

それでも、2026年時点の数字はAWSに追い風を示している。AWSの成長率は15四半期ぶりの高水準へ改善し、AI関連売上は年換算150億ドル超、半導体事業は年換算200億ドル超に達した。これは、AI投資が単なる未来への賭けではなく、すでに売上へ反映され始めていることを示す。

9. Nova、AgentCore、社内活用が補完するアプリケーション層

AWSのAI戦略は、インフラだけでは完結しない。2024年以降、アマゾンはNovaシリーズを発表し、自社基盤モデルの整備も進めた。2025年から2026年にかけてはNova 2、Nova Forge、Nova Actなどが登場した。Nova 2 LiteやNova 2 Proは文章、画像、動画、音声を扱うマルチモーダルモデルとして展開され、Nova Sonicは100万トークン規模の長文コンテキストを扱うと説明されている。Nova Actは、ブラウザや業務アプリを操作するエージェント向けモデルで、AWSは一部の評価で90パーセントの信頼性を示したとしている。

Nova Forgeも重要である。これは、企業がアマゾンのモデルを出発点にしながら、学習途中のチェックポイントへ自社データを組み込める仕組みである。従来のファインチューニングは完成済みモデルを少し調整する方法だったが、Nova Forgeはより深い段階で企業固有の知識を反映させる。これは、金融、製造、医療、旅行、メディアのように業界固有の文書とワークフローが多い企業に向いている。

AIエージェントの分野では、Amazon Bedrock AgentCoreが中核になる。AIエージェントは、単に文章を返すだけでなく、ツールを呼び出し、注文を変更し、システムへ書き込み、承認を求める。これは便利だが、誤作動すれば大きな損害を生む。AgentCore Policyは、エージェントが実行できる行動、アクセスできるデータ、金額上限、条件をミリ秒単位で判定する仕組みとして設計されている。たとえば、1000ドルを超える返金は自動実行せず、人間の承認を要求する、といった統制が可能になる。

アマゾン自身も社内でAIを使い始めている。ジャシーは、Bedrockの推論エンジンMantleを6人のエンジニアが76日で構築した例を挙げた。従来なら40人規模のチームが約1年かける仕事だったとされる。Bedrockの処理トークン数は2026年第1四半期だけで過去すべての合計を上回ったとも説明された。これらは誇張を含み得る企業発表ではあるが、少なくともAWS内部で生成AIの開発生産性を高める試みが進んでいることは確かである。

10. 電力と水がAI競争の制約になる

AIインフラの拡大で見落とせないのが、電力と水である。AWSは2025年に3.9ギガワットの新たな電力容量を追加し、2027年末までに総電力容量を倍増させる見通しを示している。Anthropicとの契約だけでも最大5ギガワット、OpenAIとの契約でも2ギガワット級の容量が示された。ギガワット級の需要は、もはや一企業のサーバールームではなく、地域の送電網、発電計画、自治体との関係に影響する。

冷却も重要な課題である。AIチップは高密度で発熱し、データセンターは大量の熱を処理しなければならない。AWSはProject Rainier関連のデータセンターで、冷却水使用量を抑える設計を導入し、インディアナ州の施設では10月から3月まで冷却水を使わずに運用できると説明している。また、AWSの水使用効率は1キロワット時あたり0.15リットルで、業界平均とされる0.375リットルを下回るとされる。

ただし、これらの効率改善は、総量の問題を消すものではない。AI需要が急増すれば、効率が良くなっても電力使用量全体は増える。データセンター建設は地域の土地利用、送電設備、水資源、雇用、税収に影響する。今後のAI競争では、モデルの性能だけでなく、どの企業が社会的合意を得ながらインフラを増やせるかが問われる。AWSは巨大投資で優位に立つ一方、環境負荷と地域負担への説明責任も重くなる。

11. アマゾンの強みは「全部を少しずつ持つ」ことにある

AI企業としてのアマゾンは、OpenAIのように一つのモデルで世間を驚かせる企業ではない。NVIDIAのようにGPUで世界標準を握る企業でもない。Googleのように研究史の中心に立ってきた企業でもない。しかしAWSは、クラウド、半導体、データセンター、電力契約、企業顧客、モデル提供、社内利用、EC、広告、物流を同時に持つ。これは派手ではないが、AIの産業化では強い。

たとえば、小売業のAmazonは商品検索、レビュー要約、出品者支援、需要予測、倉庫ロボット、配送ルート最適化にAIを使える。広告事業では、生成AIによる商品画像、コピー作成、ターゲティング改善が収益へ直結する。Prime VideoやAudibleでは、検索、字幕、吹き替え、推薦、制作支援にAIを使える。Alexaは長年期待を下回ったが、生成AIと結びつけば、家庭内エージェントとして再設計される余地がある。

この多面性は、企業向けにも意味を持つ。AWSの顧客は、AIモデルだけを求めているわけではない。既存のERP、CRM、データレイク、ログ管理、権限管理、監査、ネットワーク、法規制対応とAIをつなぐ必要がある。AWSは、すでに多くの企業システムの基盤に入っているため、AIを追加機能として売り込みやすい。クラウドの既存顧客基盤は、AI時代の流通網になる。

この点で、アマゾンのAI戦略は「遅れて追いつく」というより、「見えにくい場所で準備していた部品が、AI需要の拡大で一気に価値を持ち始めた」と表現する方が正確である。Annapurna買収から約10年、Gravitonから約8年、Trainium発表から約5年を経て、カスタム半導体、Bedrock、Anthropic、OpenAI、Project Rainierが同じ方向を向き始めた。

12. それでも勝利は確定していない

AWSが有力プレーヤーへ戻ったとしても、勝利が保証されたわけではない。第一の課題はNVIDIAの生態系である。CUDAに慣れた研究者と開発者は多く、最先端研究の多くはNVIDIA GPUを前提に最適化されている。Trainiumが価格性能で優れていても、移行コストが高ければ採用は限定される。

第二の課題はモデル競争である。OpenAI、Anthropic、Google DeepMind、Meta、xAI、中国勢、オープンソースコミュニティが激しく競争している。Bedrockは複数モデルを扱える強みを持つが、モデル提供側が自社クラウドや独自配信を優先すれば、AWSの交渉力は弱まる。逆に、AWSがあまりに強い流通基盤になれば、モデル企業は依存を警戒する。

第三の課題は投資回収である。2000億ドル規模の設備投資は、需要が続くことを前提にしている。もしAI推論価格が急落し、モデルの効率化で必要な計算量が減り、企業導入が期待ほど進まなければ、AWSは重い固定資産を抱える。インターネット史を振り返ると、1990年代末の光ファイバー投資のように、長期的には必要だったが短期的には過剰投資になる例もあった。

第四の課題は規制である。AIの安全性、著作権、個人情報、反トラスト、データ越境移転、電力使用、環境負荷に関する規制は各国で強まる可能性がある。EU、米国、日本、インド、東南アジアではそれぞれ法制度が異なり、企業向けAIクラウドには地域ごとの対応が必要になる。AWSはグローバルなクラウド運用経験を持つが、AIの規制はクラウド規制より複雑になる。

13. 結論：AWSは「AIの裏方」から主役候補へ移った

アマゾンは、生成AIの初期局面で話題性を欠いた。ChatGPTのような消費者向けヒット、MicrosoftのCopilot戦略、Googleの研究資産と比べると、AWSの動きは地味だった。しかし2025年から2026年にかけて、評価は変わり始めた。AWSは半導体、データセンター、電力、モデル流通、企業向け管理機能、AnthropicとOpenAIの大型提携を組み合わせ、AI時代の基盤企業として再浮上している。

重要なのは、AWSがAIモデルの名前だけで勝とうとしていないことだ。TrainiumとGravitonでコスト構造を下げ、Project Rainierで大規模計算を提供し、Bedrockで複数モデルを企業へ届け、AgentCoreで実務利用の統制を整え、Novaで自社モデルも補完する。この組み合わせは、クラウド企業としてのAWSに合っている。

「周回遅れ」という言葉は、2023年時点の見え方としては理解できる。しかし2026年時点で見ると、アマゾンは単に遅れを取り戻した企業ではない。むしろ、AIを支える物理層と運用層を押さえることで、モデル企業の成長を自社クラウド需要へ変換する位置に移った。AI競争の勝者が一社に決まる可能性は低い。だが、どのモデルが勝っても計算資源が必要になるなら、AWSはその競争の中心に居続ける可能性が高い。

アマゾンのAI戦略は、派手なデモから始まったものではない。2015年の半導体買収、2018年のGraviton、2021年のTrainium、2023年のBedrock、2025年のProject Rainier、2026年のOpenAIとAnthropicの大型提携が、時間差で一つの絵になった。AI時代のアマゾンを理解するには、チャット画面の表側ではなく、その裏で動く電力、チップ、データセンター、契約、企業システムを見る必要がある。