最高の投資家を目指して：Anthropicの収益は四半期で90億ドルから300億ドル規模へ急拡大 — CFOが語る「スケーリング則」の勢い
AnthropicのCFOクリシュナ・ラオ氏が2026年5月13日、パトリック・オショーネシー氏のインタビューに応じ、同社のコンピュート戦略、指数関数的な成長、そしてフロンティアAIが構造的なプレミアムを享受する理由を明かした。
四半期で90億ドルから300億ドルへ
多くの投資家を驚愕させる数字が、何気ない会話の中で飛び出した。AnthropicのCFOであるクリシュナ・ラオ氏はポッドキャスト「Invest Like The Best」に対し、同社の年間経常収益（ARR）は2026年の開始時点で約90億ドルだったが、第1四半期終了時には300億ドルを突破したと明かした。これは通期予測ではない。わずか1四半期の数字である。比較として、ラオ氏が2年前に同社に入社した当時のARRは約2億5,000万ドルだった。この軌跡は従来のエンタープライズ・ソフトウェアの採用フレームワークをことごとく覆しており、ラオ氏自身も入社当初は線形的な思考に縛られていたが、自身の前提を根本から書き換える必要に迫られたと率直に語った。
ラオ氏によれば、この成長を支えるエンジンは、単なる営業力や価格決定力ではない。モデルの知能が自律的に向上し続ける「コンパウンディング（複利効果）」にある。「モデルの世代が変わるごとに、より多くのことが可能になり、より優れた成果を、より効率的に出せるようになる」と彼は言う。「フロンティアAIがもたらすリターンは極めて高く、特にエンタープライズ領域でその傾向が顕著だ」。ネットドル維持率（NDR）は年率換算で500％を超え、Fortune 10企業の9社がすでに顧客となっている。スタジオへの移動中にも、ラオ氏は数千万ドル規模の契約を2件締結したという。
1,000億ドルのコンピュート投資と「レイヤーケーキ」戦略
先月、Anthropicは企業史上最大級のコンピュート調達契約を締結した。2027年から開始されるGoogleおよびBroadcomとの契約では最大5ギガワットのTPU容量を確保し、Amazonとの別の契約では最大5ギガワットのTrainiumを確保した。これら2つの契約を合わせると、1,000億ドルを超えるコミットメントとなる。さらにラオ氏は、SpaceXとの新たな提携も発表した。メンフィスにある同社の「Colossus」施設を活用し、主にコンシューマーおよびプロシューマー向けのワークロードを対象とした短期的なコンピュート需要に対応する。
ラオ氏は、構築されたインフラを「レイヤーケーキ（層状のケーキ）」と表現する。異なるプロバイダー、異なるチップ世代、異なる開始時期のコンピュートを、モデルのトレーニング・開発、従業員の生産性向上、外部顧客の推論需要という3つの用途に動的に割り当てている。「我々はこれらのチップを代替可能（ファンジブル）なリソースとして扱っている」と彼は語る。AnthropicはAmazonのTrainium、GoogleのTPU、NvidiaのGPUを同時に稼働させており、それぞれから最大限の活用を引き出すために独自のコンパイラスタックとオーケストレーション層を構築した。ラオ氏は、これがAnthropicをフロンティアAI企業の中で最も効率的なコンピュート利用者たらしめていると確信しており、それは単一のアーキテクチャの決定ではなく、長年の意図的な投資の結果であると強調した。
このマルチクラウド、マルチチップ体制を維持する戦略的論理は単純だ。柔軟性こそが不確実性に対するヘッジであるからだ。「コンピュートを買いすぎれば倒産し、少なすぎれば顧客にサービスを提供できず、フロンティアから脱落する。どちらも同じことだ」とラオ氏は述べた。
「不確実性のコーン」とそれがすべてを左右する理由
ラオ氏がAnthropicの財務運営において最も重要視する概念的フレームワークは、「不確実性のコーン」である。指数関数的な成長曲線においては、週次や月次のわずかな成長率の差が、1〜2年後には極端に異なる結果を生む。そのため、シナリオの幅は極めて広くなり、単一点予測はほぼ無意味となる。これに対するAnthropicの対応は、あらゆるコンピュート契約に柔軟性を組み込み、短期的な需要圧力に関係なくモデル開発に割り当てるコンピュートの最低ラインを維持し、残りのリソースを四半期ごとではなく継続的に行われるROI（投資利益率）の議論に基づいて動的に再配分することである。
ラオ氏は、同社が歴史的にこのコーンの上限に近い水準で運営してきたことを明言した。彼が入社して以来750億ドルを調達し、さらにAmazonとGoogleの契約で500億ドルが流入する理由は、営業赤字を埋めるためではなく、成長が予想を上回り続けるシナリオに備えるためだと主張する。「我々がこれほど資本を調達するのは、現在の事業の損失を補填するためではなく、まさにその『不確実性のコーン』に備えるためだ」と彼は語った。
再帰的な自己改善はすでに現実のものに
この対談で最も重要な開示の一つは、再帰的な自己改善がもはや理論的な概念ではなく、Anthropicにおける現在の運用上の現実であるという確認だった。現在、社内で書かれるコードの90％以上が「Claude Code」によって生成されており、Claude Code自体の重要な部分もまたClaude Code自身によって書かれている。Anthropicがこのループに多大な社内コンピュートを割いているのは、収益を犠牲にしているからではなく、モデルが次世代モデルの開発を劇的に加速させているからだ。
「モデル自身が、次世代モデルの構築を助けている」とラオ氏は言う。「スケーリング則から得られる能力の飛躍に加え、人材は極めて重要だ。そして、最高のモデルを持つ人材は、能力開発を真に加速させることができる」。同社は1月だけで30件の製品および機能アップデートをリリースしたが、そのペースはその後さらに加速しているという。Anthropicの社内テーゼは、この再帰的なループが、依然として有効であると信じられているスケーリング則と組み合わさることで、フロンティアAI企業とそれ以外の企業との差を広げ続けているというものだ。
スケーリング則：減速の兆候なし
AI投資コミュニティで議論が分かれている「スケーリング則は限界に達しているのか」という中心的な問いに対し、ラオ氏は断固として否定した。「我々にとって、それは正確ではない。スケーリング則は減速していない」。彼は、創業メンバーの中にスケーリング則に関する論文の著者らが含まれていること、そして社内文化として過去の前提を科学的に疑うことを求めていることを認めた。しかし、Anthropicが事前学習の損失曲線、強化学習の実行、そして最終的な現実世界での顧客からのフィードバックを通じて観測する限り、減速の証拠は一切ない。事前学習、事後学習、推論能力のすべてが向上しており、ラオ氏の見解では、真の天井に達するにはこれらすべてが同時に崩壊する必要があるという。
Anthropicは、モデルの効率性の向上を純粋な能力の向上と並行して追跡している。Opusファミリーを例に挙げると、Opus 4から4.5、4.6、そして最新の4.7に至るまで、世代交代ごとに知能が高まるだけでなく、トークン処理効率も掛け算式に向上している。これは、AIモデルをスポーツカーに例えるのが誤りであることを示唆している。より優れたモデルは、実行コストも安くなるのだ。「我々は能力の飛躍的な向上と、モデル効率の向上の両方を実際に目にしている」とラオ氏は語る。強化学習は実質的にサンドボックス内での推論であるため、モデルの効率化は社内でも波及効果を生み、強化学習の実行コストも低下させている。
価格設定：ジェボンズのパラドックスの体現
Anthropicの直近の価格戦略で最も重要な動きは、Opus 4.5の発売時にOpusファミリーの価格を引き下げたことだ。その論理は単純だった。Opusクラスの能力が過小評価されており、顧客がOpusの課題をSonnetクラスの価格帯で解決しようとしていたからだ。価格を引き下げることで、ラオ氏が明示的に「ジェボンズのパラドックス」と呼ぶ現象が起きた。つまり、一定の利用率を想定していた場合よりも、消費量が大幅に増加したのである。SonnetとHaikuの価格は概ね安定している。最新かつ最も強力なモデルである「Mythos」は、その能力階層に見合ったより高い価格設定となっている。
ラオ氏は、コンピュートの制約が論理的に全面的な値上げを強いるという見方に反論した。彼が好む評価指標は、コンピュート全体に対するリターンであり、トレーニング、社内利用、推論を、異なる期間にわたってリターンを生み出す単一の資本プールとして扱っている。「現在のコンピュート費用に対するリターンは堅調だ」と彼は述べ、具体的な利益率は明かさなかった。投資家にとっての重要な洞察は、収益が急速に成長する一方で、コンピュート容量は12カ月前に事前コミットされているため、短期的なコスト増が限定的であり、特定のコンピュート・ヴィンテージ（世代）内では、新たな需要に対応する際の限界経済性が非常に有利になり得るという点である。
プラットフォームかアプリケーションか：基本は水平展開、一部で垂直展開
ラオ氏はAnthropicの戦略的立ち位置を、AWSの初期になぞらえ、主に水平型のプラットフォーム事業であると位置づけた。目標は最高のモデルを構築し、エンタープライズ顧客がその上に構築できるようにツール、SDK、マネージドエージェント、プロンプトキャッシング、アプリケーション固有のオーバーレイを提供することだ。「Claude Code」、「co-work」、「Claude for Financial Services」、「Claude for Life Sciences」、「Claude Security」は、プラットフォームで何ができるかをエコシステムに示すための垂直的なデモンストレーションであり、アプリケーション領域を独占するためのものではないと説明した。
ラオ氏は、この緊張関係を直接認めた。Claudeの上にビジネスを構築する顧客が、Anthropicがどこまでスタックを下層へ広げるかを警戒するのは当然であり、モデルのリリースが時にAnthropicのチーム自身を驚かせることもあると認めた。パートナーの懸念に対する彼の回答は、構造的なものだ。Anthropicは顧客に提供しているのと同じプラットフォーム上で構築を行っており、垂直的なリリースはエコシステムパートナーと共同で行われてきた。同社の商業的利益は、すべてのアプリケーション層を独占することではなく、知能を広く普及させることにある。この姿勢がプラットフォームの成熟とともに維持されるかどうかは、ラオ氏が明言を避けた問いである。
ClaudeがAnthropicの財務チームをどう動かしているか
より詳細な開示として、ラオ氏は自身の財務組織がいかに変革されたかを説明した。Anthropicは現在、すべての法的事業体の法定財務諸表をClaudeを使用して作成しており、人間によるレビューは主要な生成プロセスではなく、チェック機能として機能している。「Ant Stats」と呼ばれる社内プラットフォームを構築し、70以上の財務特化型スキルライブラリをチーム全体で利用可能にした。これには、月次財務レビュー（MFR）を90〜95％の完成度で生成するスキルも含まれる。以前は数時間かかっていた週次の収益およびコンピュート利用レポートは、今や30分で完了する。重要なのは、モデルが何が起きたかを報告するだけでなく、その要因と因果関係を分析している点だ。「Claudeは単に天気を報告するだけでなく、なぜ数字がそのように変化したのかというドライバーを考える手助けもしている」
ラオ氏はチーム内のトークン使用量をリーダーボードで追跡しており、最もヘビーなユーザーは最もシニアなメンバーであると指摘した。税務部門の責任者がトップユーザーであり、ポリシーエンジンを構築し、税務ワークロードの大部分を自動化している。「我々自身がこの技術のスーパーユーザーでなければ、限界を押し広げていなければ、どうして顧客にそれを期待できるだろうか」と彼は語った。
Mythos、サイバーセキュリティ、そして段階的リリースフレームワーク
ラオ氏は「Mythos」のリリースについても言及した。これは広範な能力を持つモデルだが、特にサイバーセキュリティ能力が際立って高いという特徴がある。以前のClaudeモデルがオープンソースのコードベースで22件のセキュリティ脆弱性を特定したのに対し、Mythosは250件を発見した。これを制御され拡大し続けるユーザー層に対して段階的にリリースするという決定は、Anthropicが今後、非対称なデュアルユース（軍民両用）のリスクプロファイルを持つモデルをどのように扱うかを示すテンプレートであるとした。同社はリリースに至るまで米政府と緊密に連携した。ラオ氏は規制当局との関係を、Anthropicはイノベーションを迅速に進めたいと考えているが、責任あるフレームワークの中で行うことを望んでいると説明した。また、解釈可能性やアライメント研究への投資が、当初の動機とは別に、エンタープライズ顧客との商業的な利点をもたらしていると語った。
テーゼを崩す可能性のあるリスク
ラオ氏は、Anthropicを「不確実性のコーン」の下限へと押しやる可能性のあるリスクについて、率直な「事前検死（プレモーテム）」を行った。第一のリスクは普及率だ。大企業におけるユースケースはモデルの能力に追いついておらず、組織の慣性が採用を遅らせる可能性がある。第二はスケーリング則自体の減速であり、現時点で証拠は見当たらないものの、確実性を排除することはできないと述べた。第三は競争上の地位だ。「今日、我々はフロンティアにいる。エージェントAIの最前線を定義していると思う。そこに留まる必要があるが、それも保証されているわけではない」
長期的な展望：ヘルスケアと創薬
AIのインパクトについて個人的に最も期待している分野を問われ、ラオ氏の回答は明確だった。バイオテクノロジーと創薬だ。彼のビジョンは、現在不治の病と診断された患者が、AIが分子研究、タンパク質分析、臨床試験のプロセスを桁違いに短縮することで、生きている間にその病気が治癒する世界だ。「分子やタンパク質について考えると、それらは非常に複雑で、わずかな変化が結果に大きな影響を与える。AIはそれに最適だ」と彼は語る。彼は、研究室の処理能力を10倍から100倍に高めることは達成可能であり、医療リソースが乏しい地域を含む世界中の人々に届くような変革をもたらすと見ている。