2035年のAI推論市場―コード生成が最大需要になる構造と主要6社

サマリー

ABI Researchは、クラウドAI推論の電力容量需要が2026年の約2GWから2035年には46GW超へ拡大し、2033年にAI学習を上回ると予測している。そのうちコード生成は2035年に23.6GW、全推論需要の約51.3%を占める見通しである。

この予測が示す本質は、AI産業の中心が「巨大な基盤モデルを一度つくる競争」から、「完成したAIを大量かつ継続的に働かせる競争」へ移ることにある。特にAIコーディングエージェントは、リポジトリの読解、コード生成、実行、テスト、エラー解析、修正を反復するため、通常の文章生成より多量の推論処理を必要とする。

ただし、46GWや2033年という値は実測結果ではなく、ABI Researchの長期予測である。公開資料では予測モデルの詳細な前提が開示されていないため、方向性の信頼度は比較的高いが、数値と到達時期には大きな不確実性が残る。

評価時点：2026-09-01 JST

記事の結論

この記事を一言で表すと、次の通りである。

AIの計算需要は、モデルを「つくる」学習から、モデルを社会で「働かせ続ける」推論へ重心が移り、その最大用途としてコード生成とAIエージェントが浮上する。

ABI Researchの公開資料と照合すると、記事に掲載された主要数値は一次情報と一致する。

AIの「学習」と「推論」

AIの計算処理は、大きく学習と推論に分かれる。

料理に例えると、学習は「料理人の修業」、推論は「注文を受けて実際に料理を提供すること」である。サービス利用者とAIエージェントが増えれば、一度の修業よりも、毎日繰り返される調理に多くの計算資源と電力が必要になる。

なぜコード生成が最大用途になるのか

コード生成が大きな電力需要を生む理由は、単にプログラムの文章が長いからではない。AIコーディングエージェントが、一つの仕事を完了するまでに多数の推論を反復するためである。

典型的な処理は次のようになる。

1. 要件と既存システムを理解する
2. 関連ファイルや依存関係を探索する
3. コードを生成・編集する
4. コードを実行してテストする
5. エラーや失敗原因を解析する
6. 修正して再テストする
7. セキュリティ、性能、品質を別のAIで検査する
8. 人間または別のエージェントへ結果を提出する

この過程では、リポジトリ全体を扱う長い入力文脈、ツール呼び出し、複数エージェントの並列実行、試行錯誤のループが発生する。したがって、将来の「コード生成需要」とは、短いプログラムを一度書く処理ではなく、AIが企業システムの開発、テスト、移行、監視、修復を継続的に担当する計算需要を意味する。

ABI Researchは、コード生成が2027年にテキスト生成を抜き、年平均52%で成長し、2035年に23.6GWへ達すると予測している。

AI推論プラットフォームとは何か

AI推論プラットフォームは、企業がGPUサーバーやモデル配信基盤を一から構築しなくても、AIモデルを本番環境で安定運用できるようにするサービスである。

主な機能は次の通りである。

• GPUやAIアクセラレーターの割り当てとスケジューリング
• モデルの配備、更新、負荷分散
• 応答速度、処理量、コストの最適化
• 複数クラウドや複数GPU間の切り替え
• モデルの微調整、評価、監視
• APIとしてのAIモデル提供

AWS、Microsoft Azure、Google Cloudなどが巨大な計算資源を供給するのに対し、専門推論プラットフォームは、その上でモデルを効率的に走らせる「運用・最適化層」に位置する。

ABI Researchが挙げた主要6社

重要なのは、この6社が「世界のAI企業上位6社」ではない点である。これはABI Researchが専門推論プラットフォームとして評価した6社であり、NVIDIA、AWS、Microsoft、Google、OpenAI、Anthropic、CoreWeaveなどは、半導体、ハイパースケーラー、モデル提供者、ネオクラウドといった別の階層に位置する。

この1年で起きた三つの構造変化

1. 買収と垂直統合

推論市場では、計算資源、モデル開発、評価、配備、監視を一社で提供するための買収が進んでいる。ABI Researchは、CoreWeaveによるWeights & Biases、NebiusによるClarifai、CloudflareによるReplicate、QualcommによるModularなどを例示している。

独立した推論専業企業は、巨大クラウドやモデル企業と競争するため、より広い技術スタックを持つ必要がある。

2. 推論専業からライフサイクル全体へ

多くの企業が推論だけでなく、ファインチューニング、強化学習、評価、監視へ事業範囲を広げている。単なる「モデル実行場所」では価格競争に陥りやすいため、企業固有のAIを構築・運用する一連の環境を提供する方向へ移っている。

3. オープンモデルの利用拡大

ABI Researchは、企業の生成AI支出に占めるオープンモデルの割合が、2025年の35%から2026年には55%へ上昇すると予測している。オープンモデルは、コスト、カスタマイズ性、データ管理の面で有利だが、これはABI独自の市場推計であり、確定した実績統計ではない。

46GWはどれほど大きいのか

46GWが1年間を通して常時稼働すると仮定した単純換算は、次の通りである。

\[ 46\,\mathrm{GW} \times 8,760\,\mathrm{時間} \approx 403\,\mathrm{TWh/年} \]

ただし、この403TWhは実際の年間消費電力量を示すものではない。設備利用率、待機時間、冷却・電源損失、PUE（電力使用効率）を考慮していない上限的な換算である。また、ABIの46GWがIT機器の負荷だけを指すのか、付帯設備まで含むのかは公開資料だけでは完全には確認できない。

IEAは、世界のデータセンター全体の年間電力消費を2024年約415TWh、2030年約945TWhと推計している。ABIの46GWと比較するときは、GWが設備容量・瞬間的な電力を、TWhが年間電力量を示すという違いに注意する必要がある。

予測を変える技術要因

需要が急増しても、必要電力が同じ割合で増えるとは限らない。次の技術は下振れ要因になる。

• 量子化による低ビット推論
• 蒸留・小型言語モデルの利用
• Mixture of Expertsによる一部パラメータだけの実行
• KVキャッシュやプロンプトキャッシュ
• Speculative Decodingなどの高速生成
• GPU以外の推論専用ASIC
• 端末内AIとエッジ推論
• 必要なときだけ高性能モデルを呼ぶモデルルーティング

一方、効率化によって単価が低下すると利用回数が増える「ジェボンズのパラドックス」が起き、総電力需要がむしろ増える可能性もある。AIエージェントが24時間動作し、複数エージェントが相互検証するようになれば、1トークン当たりの省電力化を需要増が上回り得る。

推論プラットフォーム企業のリスク

ファクトチェック評価

2035年に向けた5段階シナリオ

以下の確率は、ABI ResearchとIEAの公開資料を基にしたCGTAの推測であり、確定値ではない。

色付けアラート

CGTAの見解

最も重要なのは「2035年に正確に46GWになるか」ではなく、AIの価値と費用の中心が、モデル学習から継続的な推論へ移るという構造変化である。

さらにコード生成は、プログラマーだけの用途にとどまらない。将来のAIエージェントが病院、金融、製造、行政、ブロックチェーンなどの情報システムを操作する際、API、スマートコントラクト、業務フロー、設定ファイルといった「機械が実行できる指示」を生成する。その意味でコードは、AIが現実社会へ作用するための共通言語になり得る。

一方で、AIが生成したコードをそのまま本番環境へ投入すれば、脆弱性や誤作動も機械的な速度で拡散する。したがって、2035年の競争力を決めるのは、単なる生成速度ではなく、テスト、監査、権限分離、実行隔離、人間による最終承認を含む安全な推論基盤である。

出典

1. ABI Research: Cloud AI Inference Workload Capacity Consumption to Surpass Training by 2033, Reaching 46 GW by 2035（2026-05-21）
2. ABI Research: Inside the Fast-Rising AI Inference Market（2026-07-22）
3. ABI Research: AI Inference Workload Capacity Consumption by Type
4. IEA: Energy demand from AI
5. ＠IT：2035年、AI推論需要の半分は「コード生成」に（2026-08-27）

注記

• ABI Researchの数値は市場予測であり、将来の実測値ではない。
• 「GW」と「TWh」はそれぞれ電力容量・瞬間負荷と年間電力量を表すため、直接同一視できない。
• 2035年のシナリオ確率はCGTAによる推定であり、ABI ResearchまたはIEAの公式確率ではない。