[前回のエグゼクティブサマリー]
調査対象期間：2026年10月28日〜11月10日の14日間
想定読者：東証プライム上場企業の経営者、経営企画部長、CFO、CTO、CIO、半導体関連事業・調達・研究開発責任者
- 冒頭：AI半導体の競争が「製造能力の確保」から「長期契約による供給支配と用途別システム最適化」へ進んだ
- 1．【今回最重要】TSMC――約409億ドルの設備投資枠を承認、AnthropicとOpenAIにも最大10億ドルを投資へ
- 2．【メモリ最重要】SK hynix――四半期売上104兆ウォン超、2027〜28年の生産能力の5割超を長期契約で確保
- 3．Google――第8世代TPUを4システムに拡大、機密推論と大容量コンテキスト処理へ用途別最適化
- 4．AMD――データセンター売上85億ドル、前年同期比97％増。MI450とHeliosが実運用段階へ
- 5．Samsung Electronics――四半期営業利益107兆ウォン、HBM4販売拡大と2nmファウンドリー受注を公表
- 6．NVIDIA・Rebellions・SK Telecom――独自NPUをNVLink Fusionに接続、2028年のシステム配備を計画
- 7．NVIDIA・中国市場――H200約60万個が香港で輸入承認待ちとReuters報道、半導体供給に新たな政策制約
- 8．【日本重要】イビデン――AIサーバー用高性能基板に1,510億円を追加投資、2029年度から順次量産へ
- 9．【日本重要】アドバンテスト――上期売上8,452億円、営業利益96.5％増。AI半導体の検査需要が拡大
- 10．【日本重要】東京エレクトロン――上期売上1兆6,674億円、通期3兆7,000億円を予想。先端装置需要が拡大
- 11．【日本重要】キオクシア――上期売上4兆2,471億円、SSD・ストレージ需要がAIで拡大
- 今回の14日間から見える5つの変化
- 経営者が確認すべきこと
- まとめ：AI半導体は「高性能チップの市場」から「長期契約で稼働能力を組織化する産業」へ
冒頭：AI半導体の競争が「製造能力の確保」から「長期契約による供給支配と用途別システム最適化」へ進んだ
前号「AI半導体・メモリ重要ニュース：10月27日までの2週間」では、NVIDIAがイビデンなどとの取り組みでパッケージ基板の供給能力を2.5倍に拡大する計画や、AI半導体を裏付けとする630億ドル規模の資金調達構想を取り上げました。
前号が示したのは、AI半導体産業が、GPUの性能や出荷数量を競う段階から、先端製造工程、基板、HBM、パッケージ、テスト設備を数年先まで確保する競争へ移ったことでした。
今回の14日間では、その競争がさらに具体化しました。
第一に、TSMCが約409億ドルの設備投資枠を承認し、SK hynixは2027〜2028年の生産能力の5割超について長期供給契約を確保したと公表しました。半導体メーカーが将来需要を予測して工場を建設するだけでなく、顧客との長期契約を通じて投資回収の確実性を高める構造が強まっています。
第二に、Googleが第8世代TPUを用途別の4システムに拡大しました。大量学習、リアルタイム推論、機密計算、大容量コンテキスト処理では、最適な半導体とメモリの組み合わせが異なります。AIアクセラレータは汎用的な演算性能だけでなく、用途別の処理効率を競う時代に入りました。
第三に、AMDのデータセンター部門売上高が前年同期比97％増となりました。NVIDIA以外のGPUとCPUを組み合わせたラックスケールシステムが、実際の売上と顧客運用に結び付き始めています。
第四に、NVIDIAは韓国Rebellionsの独自NPUをNVLink Fusionに接続する計画を発表しました。独自ASICがNVIDIAのインターコネクトやラック基盤を利用する構造は、GPUとカスタム半導体の共存に新しい選択肢をもたらします。
第五に、日本ではイビデンが1,510億円の追加設備投資を決議し、アドバンテスト、東京エレクトロン、キオクシアの決算でもAI関連需要の拡大が確認されました。半導体の高付加価値化による利益が、日本の基板、検査、製造装置、NANDフラッシュの各工程へ広がっています。
一方、中国ではNVIDIAのH200約60万個が香港で輸入承認待ちになっているとReutersが報じました。半導体が存在しても、規制と調達制度によって実際の利用が制限される問題も明確になりました。
今回の14日間を一言でまとめれば、「AI半導体の生産能力を確保する競争」から、「長期契約で供給を固定し、用途別に計算システムを組み合わせ、最終的な計算原価まで最適化する競争」へ進んだということです。
1．【今回最重要】TSMC――約409億ドルの設備投資枠を承認、AnthropicとOpenAIにも最大10億ドルを投資へ
発表日：2026年11月10日
元記事：TSMC「TSMC Board of Directors Meeting Resolutions」
TSMCは11月10日の取締役会で、約409億2,670万ドルの資本支出枠を承認しました。対象は先端プロセスの生産能力増強、先端パッケージ、特殊プロセス、工場建設、設備導入、2027年の研究開発関連投資などです。
これは取締役会で承認された投資枠であり、全額がすでに支出されたことを意味しません。また、すべてが新規のAI半導体製造能力に直接投入されるわけでもありません。
さらに重要なのは、TSMCがAnthropicに最大5億ドル、OpenAIに最大5億ドルを投資する方針を承認したことです。AnthropicについてはIPO価格で普通株式を取得し、OpenAIについては優先株式を取得する計画です。投資決定と取得完了は区別する必要があります。
これまでTSMCは、NVIDIA、AMD、Broadcom、Googleなどが設計するAI半導体を製造する立場でした。今回の投資承認は、製造能力の供給者が、その先に存在するAIモデル・サービス企業の成長にも資本参加しようとする動きです。
11月6日のReuters報道によれば、先端パッケージへの業界設備投資は2026年に280億ドル近くに達するとの市場予測があります。CoWoSなどの能力不足を補うため、ウエハー単位からパネル単位へ実装方式を広げる取り組みも進行しています。ただし、パネルレベル実装の大規模量産が確立されたわけではありません。
Reuters「AI boom turns chip packaging into the next battleground for semiconductors」（11月6日）
経営者にとって重要なのは、TSMCの巨額設備投資を単なる生産能力増強として見ないことです。先端ロジック、HBMとの接合、後工程、そしてAI顧客との資本関係を含む、長期的な産業基盤の構築として評価する必要があります。
2．【メモリ最重要】SK hynix――四半期売上104兆ウォン超、2027〜28年の生産能力の5割超を長期契約で確保
発表日：2026年10月28日
元記事：SK hynix「SK hynix Announces 3Q26 Financial Results」
SK hynixは2026年第3四半期決算で、売上高104兆6,155億ウォン、営業利益83兆3,338億ウォン、営業利益率80％を発表しました。HBM4と高付加価値サーバー向けメモリの販売拡大が業績を牽引したと説明しています。
同社はHBM4が第4四半期から主力製品になるとの見通しを示しました。ここでいう販売拡大は実際の事業進捗ですが、将来の製品構成比や顧客別供給数量まで確定したという意味ではありません。
より重要なのは、2027〜2028年の生産能力の50％超について長期契約を確保したという発表です。これはHBM4だけの契約比率を意味するものではなく、同社が説明する将来の生産能力に関する指標です。
メモリ産業では、従来、市況に応じた価格変動と設備投資の増減が大きな経営課題でした。しかし長期契約によって供給量と販売条件の予見可能性が高まれば、巨額設備投資のリスクを軽減できます。
一方、長期契約が存在しても、具体的な価格調整条項、最低購入数量、顧客の前払い、契約解除条件などによって収益の安定性は異なります。
AI半導体の供給能力は、GPUダイだけでなくHBMと先端パッケージの供給能力によって制限されます。日本のメモリ関連装置、材料、検査企業にとっては、スポット市場の需要より、顧客の長期契約に裏付けられた増産計画が新たな受注機会を判断する重要な材料になります。
3．Google――第8世代TPUを4システムに拡大、機密推論と大容量コンテキスト処理へ用途別最適化
発表日：2026年11月9日
元記事：Google Cloud「Our newest TPUs: 8tx and 8i Max, built for the agentic era」
Googleは第8世代TPUファミリーに「TPU 8tx」と「TPU 8i Max」を追加しました。既存の大規模学習向け8t、リアルタイム推論向け8iと合わせ、4種類の用途別システムを展開します。
ここで重要なのは、今回発表した2製品が、それぞれ全く新しい半導体ダイを開発したという意味ではないことです。Googleは既存のTPUシリコンを基盤として、パッケージング、メモリ、CPU、ネットワーク、セキュリティ機能を組み合わせています。
TPU 8txは、機密性の高い企業データや政府機関の処理を想定したシステムです。AMD EPYC CPUと組み合わせ、処理中のデータ保護をハードウェアレベルで実現する設計です。
TPU 8i Maxは、2個の8iチップを1パッケージに統合し、Googleによれば8iと比較して演算能力、SRAM、HBM帯域幅をそれぞれ2倍にします。
さらに同社は、HBM、ホストDRAM、共有ストレージ間でAIモデルの状態情報やKV Cacheを管理する「TPU Sync」も紹介しました。
今回の発表は新システムの発表であり、すべての顧客への大規模導入が完了したことを意味しません。
AIエージェントが長い文脈を保持しながら複数の処理を進める場合、GPUやTPUの演算性能だけでは処理能力を判断できません。メモリ容量、帯域幅、KV Cacheの転送速度、待機時間まで含めたシステム設計が重要になります。
クラウドを利用する日本企業も、GPUかTPUかという比較から、業務ごとのTokens per dollar、Tokens per MW、推論遅延、機密性へ評価軸を広げる必要があります。
4．AMD――データセンター売上85億ドル、前年同期比97％増。MI450とHeliosが実運用段階へ
発表日：2026年11月3日
元記事：AMD「AMD Reports Third Quarter 2026 Financial Results」
AMDの2026年第3四半期売上高は約133億7,700万ドルで、前年同期比45％増でした。このうちデータセンター部門は約85億4,600万ドルとなり、97％増加しました。
同部門の成長には、Instinct GPUとEPYC CPUの双方が寄与しています。したがって、85億ドル全額をAI GPUの売上とみなしてはいけません。
AMDはInstinct MI450シリーズの投入を進め、Anthropic、Meta、Microsoft、OpenAI、Oracle Cloud Infrastructureなどが、初期のHeliosラックスケールシステム上でモデルやワークロードを実行していると発表しました。
これは単なる製品ロードマップではなく、初期導入と実際のワークロード実行に進んでいることを示しています。ただし、顧客別の量産導入台数、商用売上、全拠点への配備状況は明らかにされていません。
AMDは2026年第4四半期の全社売上高を約170億ドル、上下3％の範囲と予想しています。これは会社予想であり、確定売上ではありません。
経営上の変化は、GPU単体の性能競争から、CPU、GPU、HBM、ネットワーク、ラック、ソフトウェアを統合した製品として顧客に提供する競争への移行です。
日本の半導体サプライヤーは、NVIDIA向け需要だけでなく、AMDのラック構成と量産計画に対応した基板、電源、接続部品、検査工程の商機を評価する必要があります。
5．Samsung Electronics――四半期営業利益107兆ウォン、HBM4販売拡大と2nmファウンドリー受注を公表
発表日：2026年10月29日
元記事：Samsung Electronics「2026年第3四半期業績発表」
Samsung Electronicsは2026年第3四半期の連結売上高195兆3,000億ウォン、営業利益107兆4,000億ウォンを発表しました。
半導体を担当するDevice Solutions部門は、売上高147兆1,000億ウォン、営業利益106兆5,000億ウォンでした。同社はHBM4の販売拡大に加え、サーバー向けSSDの需要増加が業績を支えたと説明しています。
今回の発表では、HBM4について単なる開発完了やサンプル出荷ではなく、実際の販売拡大が報告されています。一方、顧客別の認定状況や販売数量は示されていません。
さらに同社は、ファウンドリー事業でHBMベースダイ関連売上が増加し、大手ハイパースケーラーを含む2nm HPC顧客の受注を継続していると説明しました。2027年にはHBM4Eの量産拡大を目指していますが、これは将来計画です。
注目すべきなのは、メモリ製造、HBMベースダイ、先端ロジック、先端パッケージを組み合わせた供給体制です。
ただし、半導体部門の高収益が完成品部門にそのまま利益をもたらすわけではありません。Samsung自身もメモリなどの部品価格上昇が完成品事業のコスト負担になっていると説明しています。
メモリ価格上昇は、メモリメーカーにとっては利益拡大要因ですが、スマートフォン、PC、産業機器、自動車などを製造する日本企業には原価上昇として波及します。
6．NVIDIA・Rebellions・SK Telecom――独自NPUをNVLink Fusionに接続、2028年のシステム配備を計画
発表日：2026年11月9日
元記事：NVIDIA「NVIDIA, Rebellions and SK Telecom Announce Collaboration to Advance Sovereign AI Infrastructure With NVIDIA NVLink Fusion」
NVIDIA、韓国のAI半導体企業Rebellions、通信大手SK Telecomは、独自設計NPUをNVIDIAのラックスケール基盤へ接続する協業を発表しました。
Rebellionsは次世代R200 NPUにNVLink Fusionを採用し、NVIDIA MGXラックアーキテクチャと組み合わせる計画です。SK Telecomは、自社のAIデータセンターでこれらのシステムを展開する方針です。
重要な技術的特徴は、AI推論処理を異なるアクセラレータへ分割する構想です。
例えば、入力文脈を一括処理するPrefillをNVIDIA GPUで実行し、出力トークンを逐次生成するDecodeをRebellions NPUへ分担させる構成を検討しています。
これによって、演算性能やメモリ帯域幅に対する要求が異なる処理を、それぞれ適した半導体へ割り当てることが可能になります。
ただし、現段階は協業・システム開発の計画であり、R200システムの配備準備完了は2028年を見込んでいます。商用稼働や量産売上が発生したと判断する段階ではありません。
この動きは、カスタムASICがNVIDIAを全面的に置き換えるという単純な競争ではありません。むしろNVIDIAのネットワーク、ラック、ソフトウェア資産を活用しながら、用途別NPUを組み込む構造です。
日本の半導体メーカーにとっても、GPU市場への直接参入だけでなく、特定用途向けASICやNPUを既存のAIインフラへ接続する事業機会が生まれています。
7．NVIDIA・中国市場――H200約60万個が香港で輸入承認待ちとReuters報道、半導体供給に新たな政策制約
報道日：2026年11月5日
元記事：Reuters「Nvidia chips pile up in Hong Kong as China withholds import approval」
Reutersは11月5日、NVIDIAのH200 AI半導体約60万個が香港に保管され、中国本土への大規模輸入承認を待っていると報じました。
約60万個という数量は、事情を知る関係者への取材に基づく報道値であり、NVIDIAや中国政府が公式確認した在庫数量ではありません。
米国側で承認された輸出であっても、中国側の輸入政策が供給を制限する状況です。Reutersによれば、一部の中国インターネット企業には約1万個規模のH200が供給されているものの、大規模輸入は認められていないとされています。
H200は最新世代の半導体ではありませんが、HBM容量とNVIDIAのソフトウェア資産を利用できるため、大規模AIモデルの学習に引き続き需要があります。
中国の政策には、米国製GPUへの依存を抑制し、国産AIアクセラレータの採用を促す狙いがあるとみられます。
しかし、Huawei Ascendなどの国産半導体については、単体性能だけでなく、供給数量、クラスタ構成、ネットワーク、ソフトウェア、メモリを含めて評価する必要があります。
今回の事例は、半導体の供給制約が製造能力やHBM不足だけではないことを示しています。
日本企業が中国向け半導体・装置・部品事業を評価する際には、注文数量と実際に輸入・設置・稼働できる数量を分ける必要があります。政治的な承認が最終的な供給能力を左右する場合があるためです。
8．【日本重要】イビデン――AIサーバー用高性能基板に1,510億円を追加投資、2029年度から順次量産へ
発表日：2026年10月29日
元記事：イビデン「Notice Regarding Capital Investment for High-Performance IC Package Substrates」
イビデンは10月29日、岐阜県大垣市の河間事業場を中心とする高性能ICパッケージ基板の生産能力拡大に向け、約1,510億円の設備投資を決議しました。
量産開始は2029年度から順次を予定しています。今回の投資は決議段階であり、生産設備が稼働を始めたわけではありません。
前号では、NVIDIAがイビデンなどとの取り組みによって、GPU向けパッケージ基板の供給能力を増強する計画を取り上げました。
今回の新しい動きは、イビデン自身が追加設備投資を決定したことです。
決算説明資料では、河間事業場Cell6について、従来公表済みの2,200億円に約1,500億円を追加する計画が示されています。大野事業場Cell8では、従来公表済みの2,800億円の投資計画を進めています。
特に注目すべきなのは、AIの用途が学習から推論、AIエージェントへ広がることで、高性能サーバーCPUやAI ASIC向けのパッケージ基板需要も増えると見込んでいることです。
GPU、ASIC、CPUでは半導体の構成が異なりますが、パッケージの大型化、多層化、高密度配線という要求は共通しています。
日本企業がGPUの設計競争に参加しなくても、どの半導体が採用されても必要となる高性能基板工程を確保できれば、複数のAI半導体市場から需要を獲得できます。
ただし、投資回収を評価するには、計画生産能力だけでなく、顧客との契約条件、歩留まり、稼働率、実際の出荷開始時期を確認する必要があります。
9．【日本重要】アドバンテスト――上期売上8,452億円、営業利益96.5％増。AI半導体の検査需要が拡大
発表日：2026年10月28日
元記事：アドバンテスト「2026年度第2四半期連結業績」
アドバンテストの2026年4〜9月期売上高は8,452億円で、前年同期比60.5％増となりました。営業利益は4,568億円で96.5％増加しました。
同社はAI向けSoCの生産数量増加と高度化に加え、DRAMや不揮発性メモリ向け半導体テスターの需要拡大を報告しています。
通期売上高予想は1兆8,630億円、営業利益予想は9,670億円に引き上げました。ただし、下期については会社予想であり、まだ売上計上されていません。
AI半導体では、ロジックの微細化に加え、HBMとの高密度実装、チップレット化、複数ダイの統合によって検査対象と検査条件が複雑になります。
このため、半導体の出荷個数が増えるだけでなく、1製品当たりの検査負荷が増える可能性があります。
ただし、売上増加率をそのまま検査時間やテスター台数の増加率とみなすことはできません。
経営者にとって重要なのは、AI半導体の最小供給能力を考える際、製造設備だけでなく、量産品質を保証するテスト能力まで含めることです。
検査工程が不足すれば、完成したウエハーやパッケージを出荷可能な製品へ転換できません。
日本企業にとって半導体テストは、GPU、カスタムASIC、HBM、一般メモリのいずれが成長しても需要を獲得できる重要な事業領域です。
10．【日本重要】東京エレクトロン――上期売上1兆6,674億円、通期3兆7,000億円を予想。先端装置需要が拡大
発表日：2026年10月30日
元記事：東京エレクトロン「FY2027 Q2 Financial Announcement」
東京エレクトロンの2026年4〜9月期売上高は1兆6,674億円となり、前年同期比41.3％増加しました。営業利益は5,067億円で67.2％増、営業利益率は30.4％でした。
同社は2027年3月期の通期売上高を3兆7,000億円、営業利益を1兆1,690億円と予想しています。いずれも会社側の将来予想であり、確定値ではありません。
AI半導体の設備需要を理解する際、製造装置はGPUメーカーだけに販売されるわけではないことが重要です。
NVIDIA、AMD、Googleなどが異なるAIアクセラレータを採用しても、先端ロジックでは共通する製造工程があります。HBMや高性能DRAMの増産でも、成膜、エッチング、洗浄などの設備が必要になります。
さらに先端パッケージの複雑化は、前工程に強みを持つ装置メーカーが後工程に関連する新しい事業機会を獲得する可能性を高めます。
ただし、設備投資予算、装置受注、装置納入、検収、売上計上は異なる段階です。
今後、TSMC、Samsung、SK hynixなどの巨額投資が進む際、日本の装置メーカーの業績を左右するのは、発表された設備投資総額だけではありません。
個々の工程でどの装置が採用され、いつ工場に納入され、いつ売上計上されるかという実装スケジュールです。
11．【日本重要】キオクシア――上期売上4兆2,471億円、SSD・ストレージ需要がAIで拡大
発表日：2026年10月30日
元記事：キオクシアホールディングス「2027年3月期 第2四半期（中間期）決算短信」
キオクシアの2026年4〜9月期売上収益は約4兆2,471億円で、前年同期比436.8％増となりました。IFRS営業利益は約3兆2,647億円です。
7〜9月期単独の売上収益は約2兆4,800億円で、前四半期の約1兆7,671億円から増加しました。
このうちSSD・ストレージ向けの7〜9月期売上収益は約1兆6,160億円です。
同社は、生成AI向けデータセンター需要に伴う平均販売価格（ASP）の大幅上昇と、ビット出荷量の増加が業績拡大の主要因になったと説明しています。
ここで重要なのは、AI半導体産業におけるNANDフラッシュの位置付けです。
従来、AI半導体の供給制約はGPUとHBMを中心に説明されてきました。しかしAIエージェントの普及によって、外部データ検索、ベクトルデータベース、KV Cacheの退避、長期コンテキストの保存など、SSDが担うデータ処理も増加します。
もちろん、すべてのAIワークロードでNAND需要が同じ速度で増えるわけではありません。
キオクシアの決算は、AIの需要拡大がHBMだけでなく、SSD・ストレージ市場にも実際の売上として波及していることを示しています。
一方、NAND価格上昇はPC、スマートフォン、産業機器などを製造する企業の原価を押し上げます。メモリ関連企業の増益と、完成品メーカーの利益圧迫を同時に評価する必要があります。
今回の14日間から見える5つの変化
第一は、「将来需要を予測して設備投資する市場」から「長期契約と資本関係で供給能力を確保する市場」への転換です。
TSMCの大規模な投資承認とSK hynixの長期契約は、半導体の供給能力が数年単位で確保される傾向を示しています。将来の需要予測だけでなく、顧客契約、資金提供、設備投資、量産時期を一体で評価する必要があります。
第二は、「演算性能を最大化する半導体」から「用途別に計算原価を最小化するシステム」への転換です。
GoogleのTPU製品展開とAMDのラックスケール事業は、同じAIでも学習、推論、長文脈処理、機密計算で最適構成が異なることを示しています。評価指標はFLOPSだけでなく、Tokens per dollar、Tokens per MW、メモリ効率へ広がります。
第三は、GPUとカスタムASICが競合しながら共存する産業構造の形成です。
NVIDIAとRebellionsの協業は、用途別NPUを既存のGPUインフラへ組み込む方向を示しています。半導体メーカー間の競争だけでなく、ネットワーク、ラック、ソフトウェアを誰が提供するかが重要になります。
第四は、半導体の供給制約が製造技術だけでなく、政策と契約にも及ぶことです。
中国市場では、半導体が物理的に存在しても輸入承認が出なければ利用できません。一方、長期契約で押さえられたメモリ生産能力は、契約外の顧客にとって利用しにくくなります。供給可能性には製造能力以外の制約も含まれます。
第五は、日本の半導体産業が複数の工程から利益を獲得する構造です。
イビデンの基板、アドバンテストの検査、東京エレクトロンの製造装置、キオクシアのNANDは、異なる工程でAI需要を取り込んでいます。勝者となるGPUメーカーを一社予測するより、複数の半導体製品で必要となる工程の競争力を見極めることが重要です。
経営者が確認すべきこと
- 半導体調達の長期契約：GPU、HBM、DRAM、NAND、パッケージ基板の供給契約は、必要な2027〜2029年の数量を確保できていますか。
- 供給能力の最小制約工程：ウエハー、HBM、先端パッケージ、基板、テスト、電源、冷却のうち、実際の製品出荷を制限する工程はどこですか。
- AIシステムの調達基準：GPUの型番やFLOPSだけでなく、Tokens per dollar、Tokens per MW、メモリ容量、推論遅延を比較していますか。
- 日本企業の設備投資回収：基板、製造装置、検査設備の増産計画について、顧客契約、量産開始時期、歩留まり、稼働率を確認していますか。
- メモリ価格上昇の原価影響：PC、スマートフォン、車載機器、産業機器などの事業に、DRAM・NAND価格の上昇がどれだけ影響しますか。販売価格へ転嫁できますか。
- 中国事業の供給リスク：米国の輸出規制、中国側の輸入承認、顧客の国産半導体採用政策を、販売計画と投資判断に織り込んでいますか。
まとめ：AI半導体は「高性能チップの市場」から「長期契約で稼働能力を組織化する産業」へ
2026年10月28日〜11月10日の14日間は、AI半導体産業の成長を、製品性能だけでなく、製造能力、資本支出、長期契約、用途別システム設計という観点から捉える必要性を明確にしました。
TSMCの設備投資承認は、先端ロジックとパッケージ工程に巨額の資本が必要であることを改めて示しました。SK hynixの長期供給契約は、メモリ産業において将来の生産能力を顧客と事前に確保する構造が強まっていることを示しています。
一方、GoogleとAMDの発表は、製造された半導体をどのようなシステムに組み込み、どれだけ効率的にAI処理を提供するかという需要側の競争を浮き彫りにしました。
ここではGPU、カスタムASIC、CPU、HBM、DRAM、NANDの構成を最適化する能力が重要になります。
供給側では、日本企業の役割が明確です。イビデンは基板を、アドバンテストは検査を、東京エレクトロンは製造装置を、キオクシアはストレージを供給します。いずれもAI半導体システムを成立させる重要な工程です。
ただし、強い需要や巨額投資が、すべての事業者の利益を保証するわけではありません。投資が先行する企業には設備稼働率と回収期間のリスクがあり、メモリを購入する企業には原価上昇のリスクがあります。
東証プライム上場企業の経営者が見るべきなのは、「NVIDIAとカスタムASICのどちらが勝つか」という単純な競争ではありません。
複数のAI半導体が並存する産業において、どの工程が不可欠になり、その供給能力を誰が長期的に確保し、最終的に誰が利益を獲得するかです。
今回の14日間は、その競争構造が設備投資計画から長期契約、実際の売上、用途別システム導入へと具体化した期間でした。
