AIエージェント経済はWEF試算で3兆ドル規模に達し、主戦場は学習から推論へ移った。バイトダンスの自社CPUやMCP普及が示す競争の核心と、フォトレジスト9割を握る日本の素材・装置産業の機会とリスクを、現場の数字で読み解く。

AIエージェント経済とは、人間の指示を待たずに判断し、外部の道具を自ら操って業務をこなすAIが労働力として市場に組み込まれる段階を指す。世界経済フォーラム(WEF)は生産性の押し上げ効果を3兆ドル規模と見積もり、ゴールドマン・サックスは関連する計算需要が2030年にかけて24倍へ膨らむと試算する。競争の焦点は対話の巧みさではなく、推論をいかに安く大量に回すかへ移った。その量産を左右する露光装置と感光材料の供給網に、日本がなお握る数少ない要衝がある。

自律エージェントの5段階

従来の生成AIは、利用者が入力した文章に一度だけ応答する受け身の道具だった。AIエージェントはこの関係を反転させる。目標を与えられると、状況を読む推論、手順を組む計画、外部の道具を呼ぶ操作、実際の処理、結果を見ての修正という五つの工程を自分で回し、人間は逐次承認から外れて監督役へ退く。呼び出す道具はソフトウエアのAPIにとどまらず、ブラウザーやPCの画面操作、暗号資産ウォレットを使った分散金融(DeFi)の運用、工場や物流の機器制御にまで及ぶ。単体ではなく、調査・立案・実行を専門ごとに分けた複数のエージェントが連携する多重編成(マルチエージェント)が標準になりつつある。

市場予測は出そろってきた。ゴールドマン・サックスは2026年から2030年にかけ、エージェントが消費する計算量(トークン)が24倍、月間12京トークンへ達すると試算する。調査会社ガートナーは2026年末までに企業向けソフトの40%がタスク特化型エージェントを組み込むと見る。2025年時点では5%未満で、1年で8倍に跳ね上がる計算だ。同社はさらに2035年に企業向けソフト収益の3割、4500億ドル超をエージェント型AIが占めうるとする。WEFは生産性効果を3兆ドル規模と置き、マッキンゼーやKPMGも近い水準を示す。桁は機関ごとに振れるが、向きはそろっている。

MCPとA2Aという配管

エージェントが道具を操るには、AIと外部システムをつなぐ共通規格が要る。その事実上の標準が、対話AIで知られる米アンソロピックが2024年11月に公開したMCP(モデル・コンテキスト・プロトコル)だ。AIモデル側を接続元、データや業務ツール側を接続先と定め、両者を一本の作法でつなぐ。関係者が「AIのUSB」と呼ぶゆえんで、開発キットの月間取得数は9700万件に達した。米オープンAI、グーグル、マイクロソフト、開発環境のVS CodeやCursor、GitHubが相次いで対応し、規格はLinux Foundation傘下の中立組織へ移って業界標準の色を強めている。

もう一つの軸が、グーグルが2025年4月に提唱したA2A(エージェント間連携)である。エージェント同士が互いを見つけ、仕事を委ね、結果をやり取りする手順を定め、発足時点で50社超が名を連ねた。問題は日本側の足回りだ。国内の業務システムやクラウド型サービス(SaaS)はAPIの設計が古く、エージェントが自律的に操作しづらい。規格に乗れない事業者は、AIから「呼ばれない道具」として経済圏の外に置かれる。半導体でいう微細化に乗り遅れるのと同じ、配管の段階での敗北になりかねない。

なぜ推論が主戦場になったのか

AI投資の重心は、巨大モデルを一から鍛える学習(トレーニング)から、出来上がったモデルを実務で走らせる推論(インファレンス)へ移った。理由はエージェントの構造そのものにある。一度の応答で完結する対話と違い、エージェントは推論・計画・修正の輪を何十回も回し、多重編成では呼び出し回数が掛け算で膨らむ。学習が一度きりの設備投資なら、推論は稼働し続ける電気代に近い。

推論用半導体は学習用と設計思想が異なる。求められるのは桁数を削った計算(FP8やINT8)を低遅延で大量にさばく能力で、演算の絶対性能より記憶帯域と消費電力あたりの効率が効く。NVIDIAの「H100」は消費電力700ワット、広帯域メモリー(HBM)を80ギガバイト積むが、後継の「H200」はHBM3eを141ギガバイトへ増やし応答速度を引き上げた。この一点を中国勢が突く。バイトダンスは2026年、推論に特化した自社CPUの開発を加速させ、NVIDIA依存からの脱却とエージェント実装を同時に進める。ディープシークやアリババ系のQwenは推論コストを9割削り、低価格のエージェントで攻勢をかける。製造では中国・中芯国際集成電路製造(SMIC)がEUVなしの多重露光で7ナノメートル相当にとどまるが、推論なら最先端工程への依存度が下がる。中国が国家規模で推論を囲い込む動きは、そのまま価格競争力に直結する。

推論を支える製造の急所

推論需要の膨張は、最終的に半導体の製造現場へ跳ね返る。HBMや先端パッケージを使う高性能チップが増えれば、その製造を握る装置と材料の価値が上がるからだ。ここに日本の数少ない決定的な持ち場がある。

回路を刻む露光工程では、オランダのASMLが独占する極端紫外線(EUV)露光装置が要となる。波長13.5ナノメートルの光を使うため、原子の大きさに迫る解像度が得られる——これがEUVの物理的な肝だ。主力機「NXE:3800E」はレンズの開口数(NA)0.33で毎時約220枚を処理し、次世代の「EXE:5200」はNA0.55で解像度を約1.7倍へ高める。露光の後はエッチング、成膜、研磨(CMP)へ進み、この循環を一枚のウエハーで十数回繰り返す。装置の傍らで効くのが日本の材料だ。EUV光を当てて回路の形を転写する感光材料(フォトレジスト)は、JSR、信越化学工業、東京応化工業、富士フイルムの4社で世界シェアの約9割を占める。光が当たった部分で酸が連鎖的に発生し、現像で溶ける化学反応を使う精密材料で、代替は容易でない。回路の土台となるシリコンウエハーも信越化学とSUMCOで世界の約6割、洗浄・加工に使う高純度フッ化水素はステラケミファと森田化学が握る。2019年に日本が対韓国でフッ化水素などの輸出管理を厳格化した際、世界の調達網が一時揺れたのは、この一極集中の裏返しだった。経済産業省所管の官民ファンド、産業革新投資機構(JIC)が2024年にJSRを約9000億円で買収し非上場化した一手も、感光材料を経済安全保障の資産とみなす判断にほかならない。

電力とDePINが握る制約

推論の量産を最後に縛るのは電力だ。国際エネルギー機関(IEA)は、世界のデータセンターの電力消費が2022年の約460テラワット時から2026年に最大1000テラワット時へ、日本の年間総消費に迫る規模まで倍増しうると見込む。NVIDIAの最新ラック「GB200 NVL72」は1台で約120キロワットを食い、従来型サーバー室の設計思想では冷やしきれない。電力と冷却を確保できる場所が、そのまま推論の供給力になる。

ここで浮上するのが分散型物理インフラ(DePIN)である。Render、Akash、io.netといった事業者は、世界中の遊休GPUを束ねて計算資源として貸し出し、エージェントはSolanaなどの基盤を通じて必要な時だけ借りる。暗号資産マイニングの採算悪化で行き場を失った計算設備と、ビットコイン採掘業者が、AI推論の受け皿へ転じる動きが鮮明だ。電源確保とコンテナ型設備、冷却運用に土地勘のある日本のマイニング・電力事業者には、「AI版の貸し計算機」を担う余地がある。経済産業省は国内データセンターの新増設に伴う電力需要が2030年代に大きく積み上がると試算しており、半導体と電力を一体で確保するグリーントランスフォーメーション(GX)政策の射程に入る。

ウォレットと制御不能リスク

エージェントが経済主体になる兆しは、決済の自動化に表れている。米コインベースが2025年に公開した決済規格「x402」は、AIエージェントが自前のウォレットで人間を介さず少額決済(マイクロペイメント)を実行する道を開いた。コインベースの基盤チェーン「Base」やSolana上では、エージェントが自律的に資金を運ぶAgentFi(エージェント主導の分散金融)が広がり、AI同士が値付けし合う「人間不在の市場」が現実味を帯びる。自律エージェントとブロックチェーン、分散実行が組み合わさると、誰も止められないプログラムが資金を握る「制御不能AI」の論点が浮かぶ。海外では、エージェントの集合体が事実上の経済主体(エージェントDAO)になる事態を、規制が追いつかないまま論じている。

国家の備えでも差が開く。日本は産業技術総合研究所のスーパーコンピューター「ABCI 3.0」や、理化学研究所と富士通の「富岳」を使った国産大規模言語モデル「Fugaku-LLM」で自前のAI基盤を育てるが、計算資源とモデルの根幹をオープンAIやアマゾン・ウェブ・サービス(AWS)、NVIDIAに頼る「AIの植民地化」の懸念は消えない。米新アメリカ安全保障センター(CNAS)が論じる主権AI(ソブリンAI)の格差では、アラブ首長国連邦(UAE)のG42やサウジアラビアのHUMAINのように国家ファンド規模で計算資源を抱え込む国が上位に並ぶ。日本の備えは、その物差しでは見劣りする。

日本企業が直面する選択

投資の観点で見れば、機会は推論の爆発が素材と装置の数量を押し上げる一次効果にある。EUVマスクの欠陥検査をほぼ独占するレーザーテック(6920)、後工程の精密加工装置で世界シェア7割超のディスコ(6146)、推論チップの品質を保証するテスターで世界首位のアドバンテスト(6857)は、学習から推論への移行で需要の裾野が広がる側に立つ。感光材料の東京応化工業(4186)や信越化学工業(4063)、露光・洗浄装置の東京エレクトロン(8035)も、HBM増産と先端パッケージの拡大が追い風になると見られる。一方のリスクは応用層にある。雇用慣行からAIを「補完」にとどめがちな日本企業は、ルーチン業務の9割をエージェントに委ねる海外勢にコストで離される恐れが強い。人材面では、MCPやA2Aに通じたエージェント設計者の不足が規格対応の遅れへ直結する。規制面では、自律エージェントの決済や責任の所在をめぐる制度整備が欧米に遅れれば、国内で実装が進まず、川上の材料の強みを応用段階で生かせないまま終わりかねない。装置・材料という砦を握りながら労働力市場で主導権を逃す——その非対称こそ、いま日本が向き合う選択である。