仮に100億円を調達できたとする。
3年で使い切る前提で、4年後に年間少なくとも50億円の売上を立てる。これを「気合いで頑張る」ではなく、データセンター、人の配置、サービスの実装、課金の仕組みまで、具体的なプランに落とし込めるか。
そして最後に一番大事な問いがある。それを実行できるテック人材が、いまの日本にいるのか。
考えてみる。
まず100億を何に溶かすのか
100億を3年で使うということは、ざっくり年間33億のバーンだ。日本の感覚だとかなり大きい。だが「データセンター」という言葉が出てくる時点で、これはAIインフラを抱えるタイプの事業だと分かる。そしてAIインフラを持つと、お金は人ではなく計算資源に消える。
雑に3つに割る。
- 計算資源（GPU / DC）: 40〜60億
- 人: 24億前後
- その他（GTM・運用・諸経費）: 残り
GPUがいかに金食い虫かを具体的に見る。H100クラスのGPUを512枚、24時間365日回すと、クラウドのオンデマンドで借りた場合に年間20億円前後かかる。3年で60億。これだけで予算の大半が消える。
だから本気でやるなら「借りる」より「持つ」を検討することになる。H100は1枚あたり数百万円。512枚そろえれば本体だけで20億超、これに電力・冷却・回線・ラックが乗る。GPUは資産だが、2〜3年で次世代に陳腐化する。「3年で使い切る」という前提は、GPUの減価償却サイクルと、気味が悪いほど一致する。
ここで最初の分岐が来る。自前のDCを持つのか、クラウドに乗るのか。 答えは事業の性質で決まる。
- 推論（inference）が主で、トラフィックが読めて、利用率を高く保てる → 自前のほうが単価で勝てる
- 研究開発フェーズで、必要なGPU数が月単位で乱高下する → クラウドの柔軟性が要る
現実的には、最初の1年はクラウドで立ち上げ、利用率が読めてきた2年目から自前クラスタに移す、というハイブリッドが筋がいい。最初から自前DCを建てると、稼働率の低い高価な箱を抱えて死ぬ。
人をどう置くか
24億を人に使う。3年なら年8億。一人あたりの年俸を本気の水準（1500〜2500万円）に置くと、30〜40人のチームになる。
ここが肝心で、100億あっても人を増やしてはいけない。AIを前提にした事業の生産性は、人数ではなく一人ひとりの能力で決まる。100人の凡庸なチームより、30人の異常に強いチームのほうが速いし安い。
配置はだいたいこうなる。
- インフラ / プラットフォーム（5〜8人）: GPUクラスタの設計・運用、分散学習・推論基盤。ここが薄いと計算資源を燃やすだけで終わる
- モデル / ML（6〜10人）: 基盤モデルをそのまま使うのか、ファインチューンするのか、独自に学習するのか。事業の差別化がここに宿る
- プロダクト / アプリ（8〜12人）: ユーザーが触る部分。AIの賢さを「使える体験」に変換する層
- GTM / セールス / カスタマーサクセス（5〜8人）: 4年後に50億を立てるなら、作る人と同じくらい売る人がいる
- コーポレート（最小限）: 管理は徹底的に薄く、自動化する
重要なのは、インフラからプロダクトまでが一本の線でつながっていること。「モデルを作る人」と「売る人」が別の言語を話していると、100億は綺麗に溶けて何も残らない。
サービスをどう実装するか
ここは事業によるが、4年で50億に届く形は、ほぼ3つに絞られる。
1. エンタープライズ向けの垂直AI 特定業界（医療、法務、製造、金融）の業務にAIを深く食い込ませる。1社あたり年間1000〜5000万円の契約。50億を立てるには、平均2500万円として200社。4年で200社のエンタープライズ契約は、専任セールスがいてもギリギリの難易度。だが単価が高いぶん、ユーザー数が少なくて済むのが利点。
2. プロシューマー向けのAIプロダクト 個人やスモールチームが月額数千円で使う。月3000円なら年3.6万円。50億には約14万人の課金ユーザーが要る。日本だけでは絶対に届かない。最初からグローバル前提でなければ成立しない。
3. 使った分だけのAPI / 従量課金 プラットフォームとして他社のプロダクトの裏側に入る。読みづらいが、当たれば伸びは速い。ただし価格はモデル提供元（OpenAIやAnthropic）との競争に晒され、利益率が薄くなりやすい。
現実的には、1で足場を固めて確実なキャッシュを作りつつ、2か3で青天井の上振れを狙う、という二段構えになる。エンタープライズで食いつなぎ、プロダクトで賭ける。
課金まで落とす
50億の売上を、絵に描いた餅にしないために逆算する。
エンタープライズ垂直AIで200社、平均2500万円。これを4年で積むなら、各年の純増がざっくり 20社 → 50社 → 60社 → 70社。初年度はPoCで赤字覚悟、2年目から本契約が立ち始め、3〜4年目で一気に積む。SaaSの典型的なカーブだ。
ここで効くのが粗利率。AIインフラを自前で持つと、推論コストを内製化できるぶん粗利が乗る。クラウドに全部払っていると、売上が伸びても利益が外（GPUを貸す側）に流れる。「DCを持つかどうか」は、最終的にこの粗利率の話に着地する。50億を売って粗利が30億残るのか10億しか残らないのかで、事業の価値はまるで変わる。
つまり、最初に考えた「GPUを持つか借りるか」という問いは、コストの話に見えて、実は4年後の利益率と企業価値を決める一番上流の意思決定だった。
で、それを誰がやるのか
ここまでの話は、紙の上では成立する。100億を割り振り、人を置き、サービスを実装し、課金まで引いた。難しくはあるが、不可能ではない。
問題は最後の問いだ。
これを実行できる人材が、いまの日本にいるか。
このプランを回すには、一人の、あるいは少数の人間が、次のすべてを同時に握れなければならない。
- 大規模GPUクラスタを設計・運用した経験
- 基盤モデルをいじり倒した、あるいは作った経験
- ユーザーが熱狂するプロダクトを世に出した経験
- それをグローバルで売り、課金まで回した経験
- そして100億という金額のリスクを、潰れずに背負える胆力
日本でこれを正直に見渡すと、けっこう絶望的だ。
AI人材と呼ばれる人の多くは、二つに偏っている。片方はアカデミックで、論文は書けるが事業の数字を持ったことがない。もう片方は「OpenAIのAPIを薄くラップしたアプリ」を量産する層で、手は速いが、インフラもモデルも持っていないし、グローバルで売った経験もない。
インフラからモデル、プロダクト、グローバルGTMまでを一本で通せるフルスタックの事業オペレーターは、日本に何人いるだろう。両手で数えて余るかどうか、というのが体感だ。
しかも厄介なのは、こういう人材は採用市場に出てこないことだ。すでに自分でやっているか、海外にいるか、大企業の中で飼い殺しになっているか。求人を出して集まる類の人ではない。
じゃあ諦めるのか
諦める話ではない。
足りないなら、育てるか、世界から連れてくるか、そもそも「一人の超人」に依存しない設計にするか。打ち手はある。
ひとつ確かなのは、お金が制約ではない、ということだ。100億は、本気で調達するなら調達できる金額になってきた。むしろ100億をまともに溶かして50億を生み出せるチームのほうが、はるかに希少で、はるかに価値がある。
お金より人。人より、その人に賭ける覚悟。
このプランで一番足りていないのは、最後の行だ。「で、お前はやるのか」という。
100億の使い道を設計するのは、思考実験としては面白い。だが本当に問われているのは、こういうチームを日本で作れるか、そして自分がその一員になれるか、という話だ。
紙の上のプランは、誰でも書ける。書けないのは、それを実行する人間のほうだ。
