OpenAIは、AIインフラの価値を規模ではなく、より有用な知能を低コストで広く届ける能力だと位置付けました。GPT-5.6 LunaとTerraの値下げ、Solの高速モード、推論基盤の効率化、ChatGPT WorkやCodexの利用拡大を、研究、製品、収益、設備投資が循環する事業モデルとして説明しています。 AI基盤の競争は、モデル性能、価格、推論効率、需要予測、企業導入を別々に見る段階から、成果あたりの知能供給を全スタックで最適化する段階へ移っています。 低価格化を事業循環の一部として説明した OpenAIは2026年7月31日、advanced AIをより有用で、より安く、より広く使える形にする考え方を「abundant intelligence」として説明しました。前日にGPT-5.6 Lunaを80%、GPT-5.6 Terraを20%値下げしたことを、単なる価格表の変更ではなく、研究、推論基盤、製品利用、収益、設備投資が循環する仕組みの一部と位置付けています。AIインフラは大きいこと自体ではなく、より多くの人が低い費用で有用な知能を使えるようにする点に価値がある、という整理です。 推論効率と製品利用が投資判断に結び付く 本文では、GPT-5.6 Solが本番ソフトウェアの最適化を助け、モデル提供のend-to-end serving costを20%下げたこと、speculative decodingの改善でtoken-generation efficiencyを15%超高めたことが挙げられています。さらに、ChatGPT、ChatGPT Work、Codex、APIの需要が、どこに計算容量を追加するかの判断材料になると説明しています。モデルは10億人超のactive usersと200万超のbusinessesに届いており、利用開始から6カ月後には1日あたりの送信メッセージが約50%増え、仕事の種類も約2倍になるとしています。 企業はモデル単価だけでなく成果単価を見る 実務上の論点は、入力・出力トークンの単価比較だけでは不十分になることです。OpenAIは、顧客が本当に買っているのはトークンではなく、サポート対応、ソフトウェア出荷、契約レビュー、科学的問いへの回答といった成果だと述べています。採用側は、モデルの賢さ、速度、再試行、人の監督、エラー対応を含めた成功タスクあたりの費用を測る必要があります。高性能モデルが少ない試行で終える方が安い場合もあり、低価格モデルで品質基準を満たせば利用範囲を広げられる場合もあります。 設備投資は需要と効率の証拠に依存する OpenAIは、AIインフラ計画は数年前から進める必要がある一方、モデル、製品、需要はより速く変わるため、投資には規律が必要だと説明しています。判断材料として、user and workload growth、enterprise commitments、API consumption、utilization、revenue、model capability and efficiencyの進展を挙げています。これは、AI基盤競争が単純なデータセンター建設競争ではなく、需要の信頼性、稼働率、効率改善、商業パートナーシップを組み合わせる経営課題になっていることを示します。