2026年初頭、シリコンバレーからも世界の科技界を揺るがす複数の動きが伝わっています。OpenAI内部では、約20年にわたり用いられてきたインターネットのコア指標であるDAU（日次アクティブユーザー数）を次第に放棄し、代わりにTPD（Token Per Day、1日のToken消費量）を主要な経営指標とする動きが進んでいます。この変化は偶然の産物ではありません。NVIDIAの黄仁勋CEOはGTC 2026大会で、データセンターを「Token工場」と再定義し、今後の競争の核心は「ワットあたりのToken吞吐量」（Tokens per Watt）になると指摘しました。これは孤立した現象ではなく、Tokenを中心とした計測と取引を基盤とする新たな知能経済のパラダイムが全面的に到来したことを示しています。
コンピュータ科学の観点から、TokenはAIモデルがさまざまな情報を処理する基本単位です。テキストをモデルに入力すると、それは単語やサブワードに分解されます。画像はピクセルブロックに分解され、音声は時間スライスに切り分けられます。これらの不可分な基本単位はすべてTokenと呼ばれます。
実用面では、Tokenの計測には一定のルールがあります。英語のテキストでは、短い単語は1Tokenとみなされ、長い単語は複数のTokenに分解されることがあります。経験則として、1Tokenは約4文字の英数字に相当します。中国語の場合、一般的に1漢字は1〜2Tokenに対応します。モデルの訓練データ処理やサービス呼び出しの機能出力においても、AIの各コアアクションはTokenを基準に計測されます。Tokenの消費規模は、モデルの作業量と価値創出を直接反映し、マルクスの労働価値論に一致します。
Tokenの最大の貢献は、知能経済の発展において、定量化・比較可能な価値尺度を提供したことです。AI技術がテキストモダリティからマルチモダリティへと進化し、応用範囲がプログラミング、映像、科学研究などへと深まる中で、Tokenは「統一された計測単位」としての戦略的役割をますます強めています。この位置付けは空虚に生まれたものではなく、産業の発展の必然的結果です。工業時代には「キロワット時」が電力消費を計測し、インターネット時代には「GB」がデータ流量を測定しました。AI時代には自然にTokenが知能の産出を計測する単位となるのです。経済・ビジネスの観点から、Tokenは知能時代の計測・価格設定・取引のコア価値単位となっています。これは、エネルギー、計算能力、データといった基層と、知能サービスとをつなぐものであり、AIの生産性、コスト計算、サービス決済を行うための汎用尺度です。
Tokenの価値連鎖は、ハードウェア製造、インフラ整備、計算能力提供、プラットフォーム運営、アプリ開発の五つの段階を含みます。コスト構成の中で、電力と計算能力の減価償却は70〜80％を占め、国際競争力の決定要因となっています。「ワットあたりToken吞吐量」（Tokens per Watt）は、AI企業の競争力を測る重要指標です。つまり、一定の電力予算の下で、より高いエネルギー効率で多くのTokenを生産できる者が、最も低コストで最も競争力のある市場プレイヤーとなるのです。
応用シナリオの多様化に伴い、Tokenの計測方法は、初期の単純なカウントから、多次元・動的重み付けを伴う複雑な体系へと進化しています。
（1）入力と出力の二元化。基本的な計測は、「入力Token」と「出力Token」の二つの構造に従います。入力Tokenは、ユーザーがモデルに提供する情報量（プロンプト、アップロードされたドキュメント、過去の対話履歴など）を表し、出力Tokenはモデルが生成した応答内容です。商用課金では、生成過程に大量のメモリ帯域と計算サイクルが必要なため、出力Tokenのコストは通常、入力Tokenの3〜5倍です。この価格差は、「創造的労働」と「情報の読み取り」の算力消費の本質的な違いを反映しています。
（2）コンテキスト計測と記憶コスト。2024〜2025年にかけて、大規模モデルのコンテキストウィンドウ（Context Window）は8K、32Kから128K、さらには1M（百万単位）へと飛躍的に拡大しました。2026年には超長コンテキストの処理が常態化しています。ただし、長いコンテキストは無料ではありません。Transformerアーキテクチャのアテンション機構は、長いシーケンスの計算複雑性を二次関数や線形に増加させるため、「コンテキスト加重係数」の導入が必要です。ユーザーが100万Tokenのコンテキストを持つ会話内で質問した場合、たとえ回答が10Tokenだけでも、システムは膨大な過去の記憶を再スキャンまたは検索する必要があり、この潜在的な消費は「アクティブコンテキストToken」コストに含まれます。これにより、長期記憶維持のためのリソースコストがより正確に反映されます。
（3）マルチモダリティデータのToken化。マルチモダル大規模モデル（LMM）の成熟に伴い、画像、映像、音声もToken計測体系に組み込まれています。高解像度画像は単一ファイルではなく、多数のビジュアルパッチ（Visual Patches）に分割され、各パッチは1つまたは複数のビジュアルTokenにエンコードされます。1分間の動画は数万の時系列ビジュアルTokenに変換されることもあります。この統一計測法は、モダリティの壁を打ち破り、画像からの説明、映像理解、音声対話を同一の経済モデルで計算可能にします。例えば、10秒の高精細映像生成には、千字程度の文章を作成するのと同じToken数が必要となる場合もあり、異なるモダリティの情報密度の差を直感的に示しています。
（4）Tokenの価値の隠蔽化。AIエージェント（インテリジェントエージェント）の普及により、モデルは単一の回答だけでなく、複雑な自主計画、コード実行、自己反省、多輪探索を行います。この過程で大量の中間思考Tokenが生成され、これらは直接ユーザーに見えませんが、高品質な出力の基盤となります。新たな計測基準は、「表層出力Token」と「内部推論Token」を区別し、科学計算や複雑な推論においては、内部推論Tokenの数は最終出力の数十倍に達することもあります。一部の先進プラットフォームでは、推論ステップ数や思考チェーンの深さに応じて差別化課金を試みており、計測体系は「字数」から「知性」へと根本的に変化しています。
近年、AI Tokenの発展は、総量の指数関数的爆発、単位の極限圧縮、価値の階層化・固定化という三つの核心的なトレンドを示しています。
トレンド1：消費量の核爆的増加。統計によると、2024年の世界の1日あたりToken消費量は約1000億に達し、2026年第一四半期には180兆にまで急増しています。これは単純な累積ではなく、応用パラダイムの質的変化によるものです。初期のToken消費は人間とチャットボットの対話（低頻度・浅層のインタラクション）に限定されていましたが、2026年の主流は自律エージェント（Autonomous Agents）です。エージェントは目標を分解し、ツールを呼び出し、コードを書き、結果を検証する閉ループを行い、数万〜数十万Tokenを消費します。今後、具現化されたAI（Embodied AI）の実現により、ロボットの感知と意思決定はリアルタイムの大量Token流に変換され、2030年には世界の1日あたりToken消費量は京（10^16）レベルに達すると予測されます。
トレンド2：単位コストのムーアの法則的低下。ハードウェアアーキテクチャの進化（例：NVIDIA Blackwellや後続のRubinアーキテクチャの量産）、ソフトウェアアルゴリズムの最適化（例：混合専門家モデルMoE、量子化技術、投機サンプリング）、クラスタスケジューリングの効率化により、2026年に高品質Token生成の計算コストは2023年比で約2桁低下しています。この「ジェヴォンズの逆説」効果は、AI分野で顕著です。効率向上は総リソース消費を減らすのではなく、むしろ未曾有の需要を喚起します。将来的には、光子計算や神経形態チップなどの破壊的技術の導入により、単位Tokenのエネルギー消費はさらに低減し、「無限の知性」が理論上実現可能となる見込みです。
トレンド3：価値の階層化と専用化。今後のToken市場は、「価値階層」が明確に分かれると予想されます。汎用大規模モデルが生成する「標準Token」は、電力のように安価で均質化され、日常的な質問応答や基礎翻訳、簡単な分類に用いられます。一方、垂直分野に特化した微調整（Fine-tuning）や、独自のプライベートデータを持ち、深い推論能力を備えた「高階Token」は高価で希少となるでしょう。例えば、トップレベルの医療モデルが生成する診断提案Tokenは、一般的なチャットボットの雑談Tokenよりもはるかに高価です。この階層化は、「Token先物市場」や「品質認証システム」の創設を促し、ユーザーは特定の品質レベル（Quality-of-Service、QoS）のTokenにプレミアムを支払うことになります。
1．生産と消費の規模、中国が総量を逆転
米国のAI分野におけるコア優位性は、チップ設計とモデル能力の二つの側面にあります。NVIDIAは世界のGPU市場の絶対的支配者であり、その時価総額は2022年末の約3000億ドルから現在の4兆ドル超に急増し、14倍の成長を遂げています。この背後には、先進的な製造プロセスのチップ設計における米国のリードがあります。同時に、ClaudeやGPTなどのクローズドソースモデルは、依然として最も高性能とされ、1百万Tokenあたり5ドル以上の高価格を維持しています。これらの価格設定は、米国モデルの技術的優位性と高付加価値市場での価格支配力を反映しています。
しかし、米国のリードは構造的な課題に直面しています。一つは、電力網のボトルネックによりAI計算能力の拡大が制約されていること。もう一つは、密なモデルの技術路線により、計算資源の利用効率が低く、単位Tokenあたりのコストが急速に低下しにくい点です。
これに対し、中国の競争優位はコスト制御とオープンエコシステムにあります。DeepSeekなどの中国モデルは、価格を0.028ドル/百万Tokenにまで引き下げており、GPTの1/180のコストです。このコストパフォーマンスの高さは、世界中の開発者の「足で投票」する動きを促しています。2026年2月16日〜22日の一週間で、OpenRouterプラットフォーム上の中国モデルのToken消費量は5.16兆に達し、三週間前の127％増加しています。一方、米国モデルは2.7兆にとどまり、減少傾向です。世界のトップ5モデルのうち、中国が4つを占め、合計でTop5の85.7％を占めています。中国モデルの週次呼び出し量は2026年2月に初めて米国を逆転し、その後もリードを維持しています。MiniMax、DeepSeek、Kimiなどの国産モデルは長期的にトップを独占し、中国モデルのToken消費量は世界の60％超に達したこともあります。
特筆すべきは、中国のToken消費量の逆転は推論側で主に起きている点です。推論は単一カードの性能要求が低いため、中国製チップと深度最適化により、大量の推論需要を支えられています。一方、訓練には少数の高性能カードが必要であり、分散アーキテクチャやMoE技術を用いて良いモデルを作り出しています。この構造的特徴は、中国がAIの応用展開と価値実現において明確な優位性を持つ一方、基盤モデルの革新においては追い上げの余地があることを示しています。
中国のコスト優位性は複数の側面の協調によるものです。電力コストはToken生産コストの最も基本的な要素であり、総コストの30％以上を占めることもあります。AIの訓練と推論は大量の電力を消費するため、電力網の安定性やグリーン電力のコスト（特に再生可能エネルギー）がTokenの競争力を左右します。中国の「東数西算」プロジェクトと統一大電網の整備により、西部のグリーン電力価格は0.2元/度（約0.028ドル/度）まで低下し、欧米の電力価格（0.08〜0.12ドル/度）を下回っています。
チップコストは、ハードウェアの調達コスト、減価償却、保守コストを含みます。米国はNVIDIAのリードにより高級チップの供給に優位性がありますが、その分コストも高いです。中国は、訓練段階では少数の高級チップに依存し、推論段階では国産チップを大量に使用し、最適化により単位計算能力あたりのコストを最低に抑えています。全スタックの協調最適化により、モデルメーカー、クラウドサービス、チップ設計者が深く連携し、計算資源の利用効率を最大化しています。
エンジニアリング効率はTokenコスト差異の決定要因です。中国の企業は、MoE（混合専門家）アーキテクチャを大規模に採用しています。これは、大規模モデルを複数の専門家に分割し、必要な専門家だけを活性化させる方式です。例えば、1000ドルの計算資源投入でも、技術路線次第で生成されるToken数は10倍以上異なることがあります。MoEは、密なモデルと比べて、単位計算資源あたりのToken生成量を数倍に高めることが可能です。全スタックの協調最適化も重要であり、モデルメーカー、クラウドサービス、チップ設計者が深く連携すれば、計算資源の利用効率は予想以上に向上します。
世界のAI競争は、単なる「モデル性能競争」から、「Token生産効率」や「単位Tokenコスト」を軸とした総合的な国力競争へと変化しています。中国は、低廉で安定したエネルギー供給、大規模な統一市場、効率的な工学展開能力により、Tokenの大規模・低コスト生産において巨大な優位性を築きつつあり、世界のAI計算能力の「コスト低地帯」や「スケール工場」となっています。一方、米国は技術のオリジナリティや高付加価値エコシステム、金融資本を背景に、価値連鎖の高付加価値段階を占めています。この競争の本質は、エネルギー価格設定、産業組織能力、デジタルエコシステムの総合的な競い合いです。近い将来、従来の工業品や電子部品に加え、中国は国内エネルギー電力の優位性を国際商取引の優位性に変換し、新たな競争力のある商品—AI Token—を生み出す可能性があります。この急成長分野において、中国は米国以外のすべての国に対して貿易黒字を出し続け、世界経済と戦略の再構築を促すでしょう。
AI Tokenが世界的な流通通貨になり得るかを考えるには、まず貨幣の本質的属性を明確にする必要があります。経済学的には、資産が貨幣となるには、価値尺度、交換手段、価値貯蔵の三つの基本機能を満たす必要があります。これに加え、普遍的な受容性、価値の安定性、主権信用の裏付けも求められます。これらの基準に照らすと、AI Tokenは近い将来、真の意味での貨幣にはなりにくいと考えられます。
最大の障壁は、価値の不安定性です。過去2年間で、Tokenの単価は99％以上下落しました。この激しい価格変動は、商家が「一週間で半値になるかもしれない」通貨を受け入れることを難しくしています。将来的に価格が安定したとしても、AI Tokenの価値は計算能力コストに高度に連動し、チップ技術の進歩やエネルギー価格の変動、地政学的リスクなどにより長期的な安定は難しいと見られます。
受容性の不足も大きな制約です。AI Tokenは現状、API呼び出しやAIアプリの利用に限定され、日常商品やサービスの購入には使えません。貨幣の本質は、社会のさまざまな商品・サービスの一般的な交換手段であることにありますが、AI Tokenのネットワークは現時点ではAIサービス分野に限定されており、普遍的な受容を得るには、世界的な商品・サービス取引のインフラ整備と長期的な市場育成が必要です。
貨幣になるよりも、AI Tokenはむしろ、石油や金、銅のような新たな大宗資産に進化する可能性が高いと考えられます。これは以下の観点からです。
第一に、AI Tokenは大宗資産のコア特性を備えています。標準化、取引性、広範な需要を持つ点で、まさに大宗商品の条件を満たします。NVIDIAの黄仁勋は、「未来のデータセンターは、絶え間なく稼働し続ける工場となり、伝統的な製品ではなく、未来のデジタル世界で最も価値のある大宗商品：Tokenを生産する」と述べています。産業時代の石油の役割のように、知能時代にはTokenが「知能燃料」としての役割を果たすのです。
第二に、Tokenの価格形成メカニズムは、大宗商品に近づいています。現在、AIモデルのAPI価格は、市場の需給に応じて変動し、供給が逼迫すれば価格は上昇し、需要が低迷すれば下落します。この価格形成は、原油や金の先物市場と非常に似ています。Token取引の規模と標準化が進めば、将来的には原油や金の先物のようなToken派生商品市場が形成され、リスク管理や価格発見のツールとなるでしょう。
第三に、Tokenの供給と需要の構造は、大宗商品の典型的な特徴を持ちます。供給側は、チップの生産能力や電力供給といったハードな制約により、拡張サイクルが長く、調整弾力性が低い。一方、需要側はAI応用の普及に伴い急速に拡大し、明らかに景気循環的です。この供給と需要の構造は、Tokenの価格が周期的に変動することを意味し、長期的な下降トレンドに逆らって、一時的な価格高騰も起こり得ます。2026年初頭のToken価格高騰は、その一例です。
第四に、Tokenは国家戦略の備蓄資産としても潜在的な役割を果たし得ます。AI能力が国防、金融、エネルギーなどの重要分野に浸透する中、計算能力の安全保障は国家安全保障の一環となります。各国は戦略的に計算能力を備蓄し、その計測単位としてTokenを用いる可能性があります。これにより、「計算能力本位制」と呼ばれる新たな備蓄体系の構築も視野に入ります。
AI Tokenが貨幣としての役割を果たしにくい現状において、注目されるのは、ステーブルコインがAIエージェント経済の新たな通貨形態として台頭している点です。AIエージェントが自律的に意思決定・取引を行う際、従来の金融システムは適応できません。銀行口座の開設やクレジットカードの発行もAIには対応しません。AIにとって、「お金」は富ではなく、インターフェースであり、価値の貯蔵ではなく、実行ロジックの経路です。この背景から、ブロックチェーン上のステーブルコインは、グローバルな非許可取引、即時決済、低コストの協調を実現し、AIエージェントの経済ニーズに最適なソリューションとなっています。
実際、ステーブルコインのAIエージェント経済における利用は急速に拡大しています。2026年3月時点で、x402エコシステムの取引件数は1億630万件を突破し、総取引額は約4500万ドル、買い手AIエージェントは43万5000を超え、売り手AIエージェントは9万に達しています。中でも、USDCはx402プロトコルの取引層で圧倒的なシェアを持ち、EVMチェーンの取引量の98.6％、Solanaチェーンの取引量の99.7％を占めています。
これらの分析を総合すると、AI Tokenの未来は、次の三つのパスに沿って進む可能性があります。
パス1：計測単位としての位置付けを維持し、独立した資産にはならない。こうしたシナリオでは、AI TokenはあくまでAIサービスの価格計測のための単位であり、資産としての性質は持ちません。ユーザーはAI能力を購入し、Tokenはあくまで課金手段。これが最も保守的な予測であり、現状の状態です。
パス2：大宗資産へと進化し、計算能力先物市場を形成。Tokenの取引規模と標準化が進めば、石油や銅のように取引可能な大宗商品となる可能性があります。取引所はToken先物やオプションなどの派生商品を提供し、市場参加者に価格発見やリスク管理のツールを提供します。この道筋では、Tokenの価格変動はより激しくなる一方、金融的な性質も強まります。
パス3：計算能力を価値の基準とする新たな貨幣体系を支える基準となる。これが最も革命的なシナリオです。計算能力が貨幣の価値の锚（アンカー）となる体系です。金本位制の金の役割のように、主権国家が発行するデジタル通貨（CBDC）が、標準化されたToken数に基づいて価値を決定します。この体系の実現には、巨大な技術的・制度的課題がありますが、実現すれば、世界の貨幣体系を根底から変革する可能性があります。
Token経済の台頭に対し、国家は計算能力資源を戦略的インフラとして位置付け、ガバナンスの議論を先導すべきです。具体的には、次のような施策が考えられます。
計算能力インフラの構築。東数西算の成功例を参考に、全国的な計算ネットワークを計画し、資源の効率的配置を推進します。具体的には、西部のエネルギー豊富な地域に大規模な知能計算センターを設置し、グリーン電力を活用してコストを抑制。東部の需要集中地域にはエッジコンピューティング拠点を整備し、低遅延サービスを確保。全国統一の計算調整プラットフォームを構築し、資源の需要に応じた柔軟な配分を可能にします。
Token計測基準の標準化。現状、各プラットフォームのToken計測方式は多様であり、開発者や企業のコスト計算に不便をもたらし、Token経済の規模拡大を妨げています。業界団体や主要企業と連携し、テキスト・画像・音声など各モダリティのToken換算ルールを策定し、透明性と公正性のあるコスト計算基準を確立します。これにより、国内市場の効率的な運用とともに、中国の国際的な発言力も高まるでしょう。
Token経済のガバナンス枠組みの整備。Token経済の急速な発展は、新たな規制課題をもたらします。Tokenの法的性質（サービス計測単位、デジタル資産、証券か）や、越境取引の規制、価格変動リスクの管理、ユーザー権利の保護など、多角的なルール整備が必要です。政策立案者、技術専門家、産業界、学術界が連携し、知能経済に適したガバナンス体系を構築すべきです。
国際ルールへの積極参加。現在、グローバルなAIガバナンスルールは形成途上です。中国は、Token経済の国際標準化や、多国間枠組みでの計測規則の推進、算力協力条項の導入、デジタル税の調整などに積極的に関与すべきです。ルールの主導権を握ることで、将来のグローバルToken経済において有利な立場を確保できます。
企業は、Token戦略を単なる技術施策から、競争優位と価値創造の根幹へと位置付ける必要があります。具体的には、
Token効率の重視。AI技術の選択やモデル運用において、Token消費と計算資源の最適化を最優先します。提示詞設計やモデル呼び出し戦略、結果の最適化においても、効率とコストのバランスを追求します。例えば、無駄なToken消費を抑える工夫や、実際にユーザーメリットに直結するTokenだけを優先的に生成する仕組みを導入します。通信分野の「Good-put」概念を参考に、「実際にユーザの目的達成に寄与したToken」の割合を重視します。
ビジネスモデルと価格戦略の再設計。大規模モデル産業は、「流量補助」から「価値選別」へとシフトしています。無料枠の過剰な提供は、無駄なテスト呼び出しを増やし、資源の非効率的な利用を招きます。適正な価格設定により、非コア需要を排除し、優良顧客に安定したサービスを提供します。これにより、インターネット時代の規模拡大から、ソフトウェア産業の価値価格へと移行します。
人材とインセンティブの新基準。黄仁勋は、エンジニアにToken予算を配布し、その価値を年収の半分に相当させるアイデアを提案しています。例えば、「年収50万ドルのエンジニアに対し、25万ドル分のTokenを付与すれば、優秀な人材を惹きつけられる」としています。
個人は、Token経済の台頭に伴い、新たな能力体系を構築すべきです。
Tokenリテラシーの習得。Token消費やモデルの能力、価格メカニズムに関する理解不足は、誤用やトラブルの原因となります。例えば、AIエージェントを使った株取引で資金を失ったり、APIの過剰呼び出しでコストが膨らむケースもあります。これらを防ぐには、Tokenの仕組みやコスト構造を理解し、適切に管理できる知識が必要です。
新たな人機協働の働き方。黄仁勋は、AIエージェントが24時間稼働し続け、多量のTokenを生成すると予測しています。これにより、個人の仕事は「自分でやる」から「AIに指示する」へと変わります。監督者・指揮者の役割が重要となるのです。
終身学習とスキルのアップデート。Token経済は、技術の進歩とともに、スキルの陳腐化を早めています。今日の最先端も、明日には陳腐化し、新たな最適化技術やモデルに置き換わる可能性があります。したがって、継続的な学習と適応力が不可欠です。AI技術やToken経済の最新動向を追い、新ツールや新手法を積極的に試し、異分野の知識を融合させることが、未来の競争力を左右します。
