GoogleがMetaのGemini利用を制限｜計算資源の逼迫が映す「モデルの次」の競争軸

AI競争のボトルネックが、モデルの性能から計算資源の確保へと移りつつある。Financial Times（FT）は6月28日、Googleが計算資源の不足を背景に、MetaによるGemini利用に上限を設けたと報じた。求められた量を供給しきれないという、大手同士でも起きうる供給制約が表面化した形である。

ここで注目すべきなのは、巨大な自社インフラを持つGoogleですら全顧客の需要に応えきれず、独自モデルを持つMetaですら外部基盤に依存していたという二重の事実だ。本ニュースでは、2026年6月下旬時点の論点として、何が起きたのか、なぜ計算資源が逼迫するのか、そしてこの構図がAI競争の何を変えるのかを整理する。

Gemini供給制限の経緯と波及

GoogleがMetaのGemini利用を制限

FTの報道によると、Googleは計算資源の制約を理由に、MetaのGemini利用量へ上限を設けた。MetaがGoogleから購入しようとした容量に対し、Googleが供給しきれなかったことが発端とされる。報道では、Googleが2026年3月ごろにMetaへGemini容量を満額では用意できないと伝え、その不足がMetaの一部内製AIプロジェクトの遅延につながったという。

Metaは社員に対し、AIトークンをより効率的に使うよう指示したとされる。FTは事情に詳しい3人の関係者の話として、この内容を伝えている。利用を絞り込む動きが、社内の運用方針にまで及んでいることがうかがえる。

影響はMetaにとどまらない

今回の制約はMetaに限った話ではない。報道によれば、Googleの他の顧客も影響を受けており、Metaは需要が特に大きいために影響が際立ったとされる。つまり、特定企業との関係だけの問題ではなく、Googleのクラウド全体で供給が需要に追いついていない構図だといえる。

裏を返せば、世界最大級のAIインフラを持つGoogleでさえ、増え続ける需要に応えきれていない。計算資源の不足が、一部のスタートアップだけでなく、最大手の取引にまで波及している点に、今回の特徴がある。

計算資源がボトルネック化する背景

需要が供給を上回る構図

逼迫の背景には、生成AIの普及で計算資源の需要が急拡大している事情がある。学習にも推論にも大量の計算が必要となり、データセンターやAI半導体（GPU・TPUなど）の確保が、サービス提供量を直接左右するようになった。

特に、モデルを実際に使う「推論」の需要は、利用者やサービスが増えるほど積み上がっていく。優れたモデルが普及するほど、それを動かし続けるための計算資源が継続的に必要になるという関係がある。開発時に一度確保すれば済むものではなく、利用の拡大がそのまま資源の消費増へ直結する点が、需要を押し上げ続ける一因になっている。

Googleは2026年に1,800億ドルを超える設備投資を計画しているとされる。それでも全顧客の需要を満たせていないという事実は、需要の伸びが投資の速度すら上回りかねないことを示す。計算資源は、もはや潤沢な前提ではなく、奪い合う対象になりつつある。

「ブリッジ容量」を外部に求めるGoogle

供給不足を補うため、Google自身も外部の計算資源に頼り始めている。報道では、GoogleがSpaceX関連のデータセンターにあるGPU約11万個に対し、月額で約9億2,000万ドルを支払う契約を結んだとされる。これは需要の急増を一時的に埋める「ブリッジ容量（つなぎの容量）」と位置づけられているという。

自前のインフラを大規模に持つGoogleが、外部の容量まで確保しに動く。この事実は、計算資源の不足が一過性ではなく、業界全体に及ぶ構造的な問題になりつつあることを示している。

Metaの対応と自前化の動き

トークンの効率利用という指示

供給を絞られたMetaは、まず使い方の見直しで対応している。社員へのAIトークンの効率利用の指示は、外部モデルへの依存度を当面下げるための実務的な対応といえる。Metaはもともと、有害コンテンツの除去や詐欺対策といった安全管理の自動化にGeminiを活用していたとされ、こうした処理の効率が問われる場面が生じている。

内製モデル「Muse Spark」への移行

より根本的な対応として、Metaは内製モデルへの移行を進めている。報道では、Metaが自社の研究組織で開発した「Muse Spark」へ処理を移し、外部のAI提供者への依存を減らそうとしているとされる。

Metaは2026年5月に約8,000人を削減し、そのうち約7,000人をAI関連の職へ再配置したと報じられている。2026年の設備投資ガイダンスは1,150億～1,350億ドルとされ、AIインフラへの大規模な投資を続けている。外部からの調達が制約を受けるなかで、自前の基盤とモデルを厚くする方向性が鮮明になっている。

競争軸の変化が示す論点

モデル性能から計算資源の確保へ

今回の構図が示すのは、AI競争の勝敗を分ける要素が、モデルの性能だけではなくなりつつある点である。どれだけ優れたモデルを設計できても、それを動かす計算資源を確保できなければ、サービスの規模も速度も頭打ちになりうる。

「モデル戦争」の次に「計算資源の確保競争」が重なってきたとも読める。半導体の調達・データセンターの建設・電力の確保といった、物理的な基盤をめぐる競争が、AIの優劣を左右する変数として比重を増している。

自前モデルを持つ企業ですら外部基盤に依存する現実

もう一つの論点は、自前のモデルを持つMetaですらGeminiのような外部基盤に依存していたという事実である。独自モデルの開発力と、それを大規模に動かす計算資源の確保は、別々の能力だと改めて浮き彫りになった。

この事実は、多くの企業がAIを外部基盤の上で動かしている現状にも通じる。供給側の制約が強まれば、利用側は調達先の分散や自前化・利用効率の改善を迫られうる。AI活用の前提として、計算資源の確保という観点が一段と重みを増していくと考えられる。

加えて、計算資源の偏在は、調達力のある大手とそうでない企業との差を広げる方向にも働きうる。豊富な資金で容量を押さえられる企業ほど、安定したAIサービスを提供しやすくなる。今回の事例は、AIの競争が技術の優劣だけでなく、資源をどれだけ確保できるかという調達の競争へと広がりつつあることを、当事者である大手の動きから示している。

今後の焦点

計算資源のボトルネックは緩和するか

当面の焦点は、計算資源の逼迫が緩和に向かうのか、それとも長期化するのかである。各社の大型投資が実際の供給増へ結びつくには時間がかかり、その間は奪い合いが続く可能性がある。供給の回復ペースが、AIサービスの拡大ペースを規定する要因になりうる。

報道段階としての留意点

今回の内容は、現時点ではFTの報道とそれを引用した各メディアの情報にもとづくものである。GoogleやMetaが詳細を公式に説明しているわけではなく、個別の数値や時期には今後の確認を要する部分が残る。

それでも、計算資源が競争のボトルネックになりつつあるという大きな方向性は、複数の動きが共通して指し示している。個別の数字の精度以上に、AIの競争軸が物理的な基盤へと広がりつつある構図にこそ、注目する価値があるといえる。