SaaSの生存を採点する（Part 6）：クラウドフレア徹底解剖——12ファクター採点と自社レポート再検証で見るAIホスティングの限界

※本記事は「Part 1：エージェント型AIが迫る三つの経路」「Part 2：価格決定力・マージン・受益者と、22社のVAR耐性スコア」「Part 3：VAR耐性スコアカードの採点フレームワーク」「Part 4：Palantir徹底解剖」「Part 5：データドッグ徹底解剖」の続編となります。三つの経路と12ファクターの採点フレームワークを先にお読みいただくと、本稿の内容がより明確になります。

Part 4ではPalantir（PLTR）、Part 5ではデータドッグ（DDOG）を取り上げました。本稿では個別精査シリーズの3社目として、クラウドフレア（NET）を検証します。

バケットと経路

クラウドフレアの分類も、大枠では据え置きです。バケットは成果連動型プラミング（OLP）、割り当てられた経路は成果レバレッジを伴う経路2です。

SCORECARDの数値

• A1 システム・オブ・レコードの深さとデータ重力：3.0
• A2 ワークフロー吸収性（大脳テスト）：5.0
• A3 提供職能の需要弾力性：4.0（前稿の暫定5.0から精査後に引き下げ）
• A4 経路の運命と経路の質：4.0
• A5 成果への貢献度（天井テスト）：5.0
• B1 モデル層レバレッジ：2.0
• B2 組織の代謝：5.0
• B3 価格モデルの俊敏性：5.0
• B4 信頼・セキュリティ・ガバナンスの態勢：3.5（前稿の暫定4.0から精査後に引き下げ）
• B5 出荷ケイデンス：5.0
• C1 トークン経済下のマージン軌道：3.0
• C2 倍率に織り込まれたシナリオ（Rule of Xグリッド）：2.0

(出典: Convequity)

前稿から本稿への変更点

前稿からのスコア変更は2点で、他はすべて据え置きです。バケットと経路も据え置き——成果連動型プラミング、成果レバレッジを伴う経路2（高いA5×高いB3による判定）です。

A3は5.0から4.0へ引き下げました。前稿ではエージェント・トラフィックの増加を需要弾力性として扱っていましたが、それは本来A5に属する話です。A3が問うのは、人間がクラウドフレアの基盤上でAIを使ってより生産的になり、なおかつエージェントの量そのものは固定したとき、クラウドフレアが提供する機能への需要が増えるか減るか、という問いだけです。セキュリティ・CDN・WAF・ゼロトラストは、大半が収益を直接生まないコストセンターです——同じ環境をより速く守れるだけで、機能への需要が増えるわけではありません。Workersは相対的に収益を生む製品寄りの作業に近いため、A3は純粋なコストセンター銘柄ほど低くはありません。結果は4.0（データドッグの3.5より上、純粋な収益創出銘柄の5.0より下）です。

B4は4.0から3.5へ引き下げました。クラウドフレアはエージェント向けのネットワーク・セキュリティとアクセス制御（ゼロトラスト、WAF、ボット対策）では強い一方、データドッグ（4.0）やPalantir（5.0）に比べると、高規制なデータガバナンスの面では相対的に軽めです。

経路2——なぜクラウドフレアは経路3ではなく成果連動型プラミングなのか

VAR耐性フレームワークにおいて経路3とは、既存企業が経験層・ワークフロー・データを端から端まで保有することを意味します。経路1は完全な内製置き換え、経路2はサードパーティのエージェント型経験層の下でのヘッドレスな生存であり、ベンダーはワークフローとデータの層を保持し続けます。クラウドフレアは成果レバレッジを伴う経路2——エージェントの量を単に生き延びるのではなく、その量に参加していく配管——と評価されます。

これは弱い結果ではありません。無界で量に対して弾力的な成果（高いA5）と、既に効いている従量課金（高いB3）の組み合わせこそが、フレームワークが定義する成果連動型プラミングそのものです。大脳はその資産を必要とし、エージェントはその資産がこなす仕事の量を何倍にも増やし、利用量に応じた課金がその成長を収益へと変換します。大型株の中で、クラウドフレアは今もなお、このパターンを最も純粋な形でエージェント量へ結びつけている銘柄の一つです。

同時に経路3でもありません。フレームワークの規定では、A4を5.0にするにはB1が4以上であるか、支配的な規制の堀があることが必要ですが、クラウドフレアはそのいずれも持っていません。Workers AIとAI Gatewayは、モデルをホストないし仲介するものであり、クラウドフレアを独自の事後学習フライホイールへ変えるものではありません。目指す姿はヘッドレスかつAPIネイティブです——Workers、AI Gateway、エッジのセキュリティ、MCP、Agents SDKが、他のエージェントやアプリが動く本番のレールとして機能します。

信頼とガバナンス（B4）は、この経路2の物語を支えますが、格上げする材料にはなりません。クラウドフレアは、ゼロトラスト・WAF・ボット管理・関連するアクセス製品を通じて、誰が、そして何が（エージェントを含めて）アプリケーションへ到達できるかを制御できます。これはエージェントの時代において重要な能力です。しかしそれは、長期にわたる企業データと許可されたアクションに対するPalantir級・SAP（SAP）級のガバナンスや、データドッグ級の深い本番テレメトリ・プレーンに対するガバナンスと同じではありません。経路2の質は依然として、A5×B3と吸収されないレール（A2）にかかっているのであって、B4＝5のコントロール・スタックにかかっているわけではありません。

2024年の「三つのSカーブ」レポートから2026年へ

Convequityの2024年5月のレポートは、クラウドフレアを三つの幕として捉えていました。第1幕は、エニーキャスト型リバースプロキシの上でのアプリケーション・パフォーマンスとセキュリティ——CDN、DDoS対策、WAF／WAAP、ロードバランシング、スマートルーティングであり、コロケーション施設内のコモディティx86サーバー上に構築した高密度のグローバルPoP網、ソフトウェア定義ネットワーク（SDN）、そしてトラフィックをピアリングの交渉力へ、後には収益化へと変えた無料プラン起点のボトムアップ型GTMの上に築かれています。第2幕は、ネットワーク・セキュリティ・スタックへのSASEとゼロトラストの拡張です。第3幕は、ハイパースケーラーに対抗するデベロッパー・クラウドとしての、Workersのエッジ・コンピュートとストレージ（R2、D1、KVなど関連サービス）です。この枠組みは今も有効です。

生成AI向けのハードウェアについて、2024年のレポートは鋭い主張をしていました。マルチテナントのGen12級エッジサーバーと電力予算の制約により、再設計なしにエッジ全体でH100級の高密度AIフリートを組むのは非現実的であり、Workers AIはより小型・軽量なGPUフォームファクターと限られたVRAMに制約され、PoPで現実的なのはより小型のオープンモデルだけで、重い推論と学習はハイパースケーラーが保有し続ける、というものでした。設備投資・電力・冷却の計算も、クラウドフレアの300以上のPoPにまたがる真のハイパースケーラー型H100フリートを制限していました。本稿の見立てでは、この見立ては書かれたとおりにほぼ実現しています。物理的な制約はなくなっていません。クラウドフレアは今もなお、卸売りのAI計算施設ではなく、高速なネットワーク・トラフィックのために作られた、キャリアホテル型のエッジPoPを運用しています。標準的な企業向け・コロケーションのトラフィック・ラックはおおむね10〜15kW程度である一方、ハイパースケーラー施設の高密度AIラックは一般に数十kW、最新世代のGPUを液冷する場合には100kWを超えることも珍しくありません。これはまったく別の建物のクラスです。

2025〜2026年にかけての公開エンジニアリング記事は、Workers AI上のH100・H200級GPU、独自の推論エンジンInfire、より大型のオープンモデルのマルチGPU提供、そしてグローバルネットワーク内の地域GPU容量を示しています——すべての都市にGPUがあるわけでも、「ゲーミング用カードだけ」でもありません。これは純粋なRTX級の前提からの、本物のハードウェア刷新です。ただし、ハイパースケーラー型のAIインフラへの戦略的な転換ではありません。電力はサーバー単位ではなくGPU単位で語られています。フルサイズのH100 SXM GPU1基はおよそ700W前後を消費し、クラウドフレアが使うH100 PCIeないしNVL級のカード1基はおよそ350W前後です。ハイパースケーラーは、電力密度の高いSXM GPUを1台のマシンに（多くの場合8基）詰め込み、そのマシンをさらに高kW・液冷のAIラックへ積み上げます。クラウドフレアはそうしていません。その構成はラックあたりH100が2基——キャリアホテル型のPoPが十分な冷却を用意できないことが大きな理由の、はるかに弱いラック単位の構成です。クラウドフレアの公開ベンチマークはH100 NVL級のハードウェアを参照しており、より大型のオープンモデルでのマルチGPUの取り組みは本物ですが、それでも8基構成のSXMノードに比べればなお希薄です。キャリアホテル型のPoPは一般に、B200世代や次世代のNVIDIA（NVDA）製品（Vera Rubin級のシステムを含む）がハイパースケーラー水準の密度で必要とする液冷と電力供給を支えられません。クラウドフレアのエッジの足場が、そうした高密度クラスタの競争力ある居場所になる可能性はほとんどありません。

単位経済性は物理法則に従います。エッジの希薄なGPUは、はるかに多くのGPUワット数と相互接続を各ラックに詰め込むハイパースケーラーに比べ、大型モデルを提供するコストを押し上げます。基盤モデルが大型化するにつれ、そのコスト差は縮まるのではなく、むしろ広がる傾向にあります。ネットワークのレイテンシはエッジに有利に働くことがあります——近くのPoPは、遠く離れた卸売りリージョンに比べておよそ10ミリ秒程度のトランジット時間を節約しうるためです——しかし大規模なAIクラスタは、より高密度な計算とより良いバッチ処理によって、最初のトークンをより速く返せることが多くあります。多くのワークロードでは、エンドツーエンドのレイテンシは同程度に見える一方で、卸売りのAIデータセンターの方が、大型モデルではトークンあたり安価であり続けます。クラウドフレアにとって理にかなった製品としての役割は、したがって2024年から変わっていません——適切なサイズのモデルに対するエッジ・サーバーレス推論、エージェントのランタイム、サードパーティのモデルへ振り分けるAI Gateway、そしてネットワークとセキュリティのレールです。重い学習、フロンティア規模のホスティング、より密度の高い次世代の推論は、ハイパースケーラーの領分であり続けます。2024年のハードウェアに関するテーゼは正確であり、H100・H200級のチップがエッジに来たことは、その物語を覆すのではなく洗練させています。

このハードウェアと製品上の役割が、モデル層レバレッジ（B1）を2.0に固定してもいます。フレームワークのもとでは、純粋な推論ホスティングとオーケストレーションはスコア2を取ります——ドメイン特化の事後学習（3）や、独占的なワークフローの軌跡に対する体系的なRL（4）ではありません。Workers AIは、制約のあるエッジGPU上でオープンおよびサードパーティのモデルを稼働させ、Infireは提供を高速化し、AI Gatewayは他プロバイダーへ振り分けます。そのいずれも、独自のモデル・フライホイールではありません。より優れたシリコンがPoPに来たことは、ホスト層を刷新するのであって、モデルの所有権を刷新するのではありません。B1が2.0にとどまるのはこの理由によるものであり、Workers AIが重要でないからではありません。

エッジの足場——モデルラボに対する堀

データドッグの本番環境への足場がホスト上のオブザーバビリティ・エージェントであるのに対し、クラウドフレアはその逆です。トラフィックとアプリケーションが、クラウドフレア自身のグローバルネットワークを通って流れます。この足場は、モデル企業が再現するのが困難なものです。ポリシーやエージェント用のコードを提案するのは容易ですが、セキュリティのコントロールプレーンでもあり、デベロッパー向けのランタイムでもある、ソフトウェア定義のエニーキャスト・ネットワークを運用することはそうではありません。

APIとMCPを通じて、外部のエージェントはクラウドフレアを設定・利用でき、実際にそうしています。これは経験層における本物のマルチホーミングです。しかしそれは、レールが吸収されたことを意味しません。サードパーティのエージェントは依然として、DNS・プロキシ・WAF・ゼロトラスト・Workersの実行、そして任意選択のエッジ推論を消費しています。クラウドフレアの優位性は、モデルがプラットフォームに触れられないことにあるのではなく、マルチテナントのエッジ基盤と製品スタックが、チャットを出荷するだけでは得られないノウハウとスイッチングコストをNETに与えてくれることにあります。

エッジのレイテンシ優位は、AI時代においてより鋭い切り分けを必要とします。AI以前は、ユーザーの近くで処理を終えることでネットワーク・パケットのレイテンシをおよそ10ミリ秒以上短縮することは、明確なCDN的な優位であり、クラウドフレアがより弱いCDN競合に対してプレミアムを得られた理由の一部でした。生成AIにおいては、全体の応答レイテンシは、最後の1マイルのネットワーク・ホップだけでなく、ますます初回トークン生成までの時間（TTFT）と総生成時間に支配されるようになっています。高度な推論ソフトウェア・スタック（例えばFireworks）や、アイリス・エナジー（IREN）、ネビウス・グループ（NBIS）、コアウィーブ（CRWV）のようなAIネイティブなインフラ企業は、高密度のGPUクラスタと最適化された提供によって、TTFTと秒あたりトークン数で競っています。このスタック上の優位は、近くのPoPがおよそ10ミリ秒のトランジットを節約すること以上に重要になりえます。ボトルネックは移動しつつあります——ネットワークのパケット・レイテンシは依然として役に立ちますが、TTFTが新しいプレミアムの決め手になっています。これは、上述のハードウェアの単位経済性の論点と整合的です——エッジのPoPは地理で優位に立てる一方、卸売りのAIインフラは初回トークンと生成速度で優位に立つことが多く、しばしば大型モデルではより低コストです。

同じロジックは、カバレッジ・ユニバース内の他銘柄でのCBRS型のテーゼも支えます。あるアプローチが、標準的なNVIDIA GPUによる提供に比べてTTFTと総生成時間を短縮するなら、クラウドフレアがかつて他のCDNに対してレイテンシとネットワーク性能で得ていたプレミアムと同じように、それに値する製品プレミアムを得られるはずです。プレミアムは、拘束力のあるボトルネックを動かした者に帰属するのであって、単にPoPの数が最も多い者に帰属するのではありません。

このいずれも、クラウドフレアの中核的なレールにとっての足場という堀を消し去るものではありません。DNS、リバースプロキシ、DDoS対策、WAF、ゼロトラスト、そしてWorkersは、依然としてグローバルネットワークを必要とします。ただしそれは、パケットの節約が今もなお古典的なCDNのユーザー体験を支配していたのと同じように、「エッジ推論のレイテンシ」に対して、AIのユーザー体験でも過大な対価を払うべきではない、ということを意味します。

この足場はB4も形作っています。クラウドフレアはトラフィックの経路上に位置し、人間およびエージェントを含む機械のクライアントに対して、許可／拒否・ボット対策・ゼロトラストのルールを適用できます。これは、何が接続できるかに対する本物の制御です。それでも、重いコンプライアンス体制のもとで長期にわたる企業データを保有し統治するベンダーに比べれば、なお薄いものです。ネットワーク・セキュリティは規制対象であり重要ですが、Palantir・SAP的なシステム・オブ・レコード・必須の企業ログ・プラットフォームを支えるような、高規制のデータガバナンスはクラウドフレアの重心ではありません。A1の3.0が既に中程度のデータ重力を示しており、B4の3.5はデータガバナンスの深さを過大に主張することなく、強いアクセス上の信頼を示しています。

エージェントの量と成果の天井

クラウドとAIは、インターネットのトラフィックをマシン対マシン、エージェント駆動のパターンへと書き換えつつあります。公開されている企業側のコメントは、直近12か月でAIエージェントのリクエストがおよそ1,700%増加したこと、一部の期間ではネットワーク・トラフィックの半分以上が人間以外由来であったこと、そしてWorkers上での急速な開発者数の増加（数百万人規模の開発者数と大きな四半期増加を含む）を挙げています。動的Workersは、AIが生成したコードにとって、コンテナよりもはるかに軽く速いサンドボックスとして位置づけられています。Agents SDK、MCPサーバー、Code Mode、Project Think、AI Gatewayは高いケイデンスで出荷されています。

これはA3ではなくA5の話です。エージェントが増えるほど、保護すべきリクエストが増え、Workersの呼び出しが増え、推論が増え、ゼロトラストのチェックが増えます。天井は実質的に無界です。従量課金（B3の5.0）は、デベロッパー・プラットフォームとセキュリティ・スタックの大部分において、既にその量を収益化しています。高いA5×高いB3が成果連動型プラミングの経路です。A5は5.0のままです。

一つの注視点があります。Workersのようなサーバーレス・プラットフォームを構築・運用するコストは、数年前に比べてはるかに低くなっています。まだ目立って見えていなくても、より多くのサーバーレス系のスタートアップが登場し、一部のシェアを奪う可能性があります。パイそのものは、クラウドフレアが失うどんなシェアよりも速く成長し続けるはずであり、Workersは長い成長の滑走路を保っています——ただし競争がその成長を削る可能性はあります。

SCORECARD READING（採点根拠の詳細）

A1の3.0は、DNS・証明書・WAFとゼロトラストのポリシー・Workersの設定・トラフィックの重力という、規制対象の取引系システム・オブ・レコードの深さを伴わない、本物の切り替え摩擦を反映しています。ERP・電子カルテ・コアバンキングではなく、運用・インフラの中位のデータ重力です。前稿から変更ありません。

A2の5.0は中心的な評価です。グローバルなエッジネットワーク、DDoSとWAF、ゼロトラスト、Workersアイソレート、AI Gateway、ボット管理は、エージェント型スタックが必要とするインフラです。エージェントはリクエストとポリシーの量を増やし、大脳はこのレールを必要としており、ネットワークの物理法則をツール呼び出しだけで置き換えることはできません。前稿から変更ありません。

A3の4.0は、前稿の5.0からの引き下げです。エージェントの量とトラフィックを固定し、経験層における人間のAI生産性だけを見ます。セキュリティ・CDN・WAF・ゼロトラストは大半が収益を直接生まないコストセンターです——同じ環境をより早く守れるだけで、機能への需要が増えるわけではありません。Workersは相対的に収益を生む製品寄りの作業に近いため、A3は純粋なコストセンター銘柄（バックオフィス部門など）よりは上に、純粋な収益創出銘柄の5.0よりは下に位置します。

A4の4.0は成果レバレッジを伴う経路2です。MCP、Agents SDK、動的Workers、そして従量課金の各製品は既に一般提供され、顧客に利用されています。信憑性のある経路3は、B1の2.0と支配的な規制の堀の不在によって阻まれています。B4の3.5もこの判定を変えません。ネットワークのアクセス制御は経路2を支えますが、モデルレバレッジや深い規制ドメインの保有なしに経路3を成立させるには十分ではありません。A4は変更ありません。

A5の5.0は、エージェント型のウェブが拡大するにつれての、継続的で量に対して弾力的な成果を反映しています——保護すべきリクエスト、Workersの呼び出し、推論、ゼロトラストのチェックです。エージェントのリクエスト増加はここに属するのであって、A3には属しません。スコアは変更ありません。

B1の2.0は厳格な評価です。Workers AIは、制約のあるPoPのGPU（ラックあたりH100が2基級）上でオープンソースおよびエッジのモデルをホストし、キャリアホテル型の電力・冷却の制約の中にあります。AI Gatewayはサードパーティへプロキシします。H100・H200級のシリコンはホスト層を刷新しますが、ハイパースケーラーによるモデル所有への転換ではありません。フレームワークの規定では、純粋な推論ホスティングとオーケストレーションはB1＝2であり、ドメインの事後学習（3）や体系的なRL（4）ではありません。変更ありません。

B2の5.0は、創業者・技術系リーダーシップ、Workers上のエージェント型モデルを中心に社内オペレーションを再構築するために人員のおよそ20%を削減する意志、そして継続的な製品の再発明を捉えています。変更ありません。

B3の5.0は既に獲得済みです。Workers、Workers AI、R2など関連する利用量メーターは消費量ネイティブであり、企業向けセキュリティも、純粋な座席課金SaaSではなく、利用量に親和的なスタックの上に成り立っています。変更ありません。

B4の3.5は、前稿の4.0からの引き下げです。B4は、エージェントと、LLMやエージェントを使う人間が何をしてよいかへの制御です。Palantirの5.0は、統治された行動と高い信頼の基準です。データドッグの4.0は、ログとテレメトリがしばしばコンプライアンス上機微な、深い本番データプレーンの上に位置します。クラウドフレアはエージェント向けのネットワーク・セキュリティとアクセス制御（ゼロトラスト、WAF、ボット対策）で強い一方、高規制のデータガバナンスでは軽めです。序列で言えば、Palantir 5.0、データドッグ4.0、クラウドフレア3.5です。中程度のデータ重力は既にA1の3.0で表現されており、B4はガバナンスの種類を採点するものであって、A1への二重の減点ではありません。

B5の5.0は、Agents Week、動的Workers、MCP、AI Gatewayと Workers AIの進化、継続的な出荷という、エージェント系統でのスタートアップ並みのケイデンスを反映しています。変更ありません。

C1の3.0は、クラウドフレアが推論と利用量（トークンが収益として計上されることはプラスに働きます）を販売しつつも、純粋な座席課金ソフトウェアに比べると薄いマージンと高めのAI・エッジ資本集約度を抱え続けることを反映しています。フリーキャッシュフローはプラスですが、最上位のソフトウェア水準ではありません。変更ありません。

C2の2.0はバリュエーションへの警戒です。フレームワークのRule of X対応表では、65〜90がおおむねEV/売上高6〜10倍、90〜120が10〜16倍、120以上がおおむね16倍以上に対応します。成長率30%台半ば×2.3に、フリーキャッシュフロー・マージン1桁台後半から10%台前半を加えると、Rule of Xはおおむね80台後半から90台後半に位置し、公正帯はおおむねEV/売上高10〜16倍です。株価はLTMベースのEV/売上高でおよそ40倍、時価総額はおよそ1,100億ドル前後で取引されています。市場は、B1の2.0が支持しない、広範なエージェント型インフラのコンパウンダーないし経路3に近い成果を織り込んでいます。本稿でのA3とB4の引き下げは、この乖離を埋めません。C2は依然として、成果連動型プラミングのファンダメンタルズに対するバリュエーションの問題です。変更ありません。

リスク

ハイパースケーラーは、エッジ推論とエージェント・ツールをAIクラウドへバンドルしうるものです。推論のミックスが価格規律より速く上昇すれば、GPUと電力のコストがマージンを圧迫しうるでしょう。成長が30%台半ばから減速すれば、およそ40倍の倍率には大きな打撃になります。競合するエッジ企業やオープンソース・スタックは、CDN・セキュリティ・計算の一部の領域で引き続き存在感を持ちます。Workers AIをハイパースケーラー級の学習工場であるかのように扱えば、B1とA4を過大評価することになります。ゼロトラストだけを、Palantir級のエージェント・ガバナンスであるかのように扱えば、B4を過大評価することになります。

結論

クラウドフレアは成果レバレッジを伴う経路2、そして成果連動型プラミングと評価されます——スコアカードの中でも、最もクリーンなエージェント量の受益者の一つです。吸収されないエッジ・セキュリティ・Workersのレール（A2とA5がともに5.0）に、従量課金（B3の5.0）が加わり、エージェントの増殖を捉えています。A3は、需要弾力性を人間側の経験層における生産性だけで採点し直した結果、5.0から4.0へ引き下げられました。

B1は厳格に2.0のままです。Workers AIとInfireは、制約のあるエッジGPU（ラックあたりH100が2基級、キャリアホテル型の電力・冷却）上でモデルをホスト・提供し、AI Gatewayはサードパーティへ振り分けます。これは推論のホスティングとオーケストレーションであって、独自の事後学習フライホイールではありません。同じ物理法則が意味するのは、クラウドフレアがOpenClaw、Grok Bot、Hermesのような重いエージェント・ランタイムを動かす理想的な場所ではない、ということです——GPUの計算能力はアイリス・エナジー、ネビウス・グループ、コアウィーブなどの密度の高いAIインフラに比べて弱く高コストであり、数ミリ秒のPoPのネットワーク節約よりもTTFTの方がしばしば重要になります。

B4は4.0から3.5へ引き下げました。エージェント向けの強いネットワークとアクセス制御を持つ一方、データドッグやPalantirに比べると高規制のデータガバナンスは相対的に浅いものです。2024年5月の「三つのSカーブ」レポートとの比較では、第1〜3幕の枠組みは今も有効であり、GPU制約というテーゼもおおむね成立しています——H100・H200級のチップはWorkers AIを刷新しますが、キャリアホテル型のPoPをハイパースケーラー型のAI工場に変えるわけではありません。Workersは依然として長い成長の滑走路を持ちますが、より安価なサーバーレス・スタックが時間の経過とともにシェアを削る可能性がある一方で、エージェントというパイ自体は拡大を続けます。構造は利用量のレールにおいて優れており、倍率は既に成功シナリオの多くを織り込んでいます（C2の2.0）。DNS・プロキシ・WAF・ゼロトラスト・Workersというレールとしてのエージェント量の配管として保有する対象であり、デフォルトのAIエージェント・ホスト層としてでも、見誤って評価された経路3のエージェント型コンパウンダーとしてでも、最上位のデータガバナンス・プラットフォームとしてでもありません。

以上、Part 4〜6を通じてPalantir・データドッグ・クラウドフレアの3社を個別に精査しました。Palantirはオントロジーの重力と複数ドメインの幅によって経路3を保持し続ける一方、データドッグとクラウドフレアはともに、それぞれ異なる足場——ホスト起点のテレメトリと、グローバルなエッジネットワーク——の上で、成果連動型プラミングとして質の高いポジションにあります。VAR耐性スコアカードは近くConvequityのサイトで定期更新される予定であり、残る銘柄群についても、続く精査シリーズで同様に手作業での見直しを進めていく方針です。