見出し画像

半導体製造装置と材料は、どこまで恩恵を受けるのか｜AIインフラの地図を読む 第11回

Archi / Lucky Cat

第2部｜AIインフラを支える物理レイヤー

今日の読みどころ

この記事では、AI半導体を量産するために必要な製造装置、検査、材料を見ます。

ポイントは、装置や材料を「AI関連かどうか」ではなく、どの工程の設備投資、受注、売上、利益率に表れるかで見ることです。

最後まで読むと、日本企業を含む装置・材料企業を見るときに、どのKPIを確認すればよいかが分かります。

また、日本企業に関心のある読者に向けて、後半では、前工程装置、検査・精密加工、基板、材料のどこに日本企業が位置するのかを工程別に整理します。

前回は、AI半導体の制約がGPU本体だけでは見えないことを見ました。

GPU。
HBM。
先端パッケージ。
基板。
実装。
検査。

AI半導体は、GPUだけを作れば完成するものではありません。

では、GPU、HBM、先端パッケージを、誰が、何を使って作るのでしょうか。

GPU、HBM、先端パッケージを量産する工程で必要になるのが、半導体製造装置と材料です。

チップを作るための装置。
検査するための装置。
削る、洗う、測る、組み立てるための装置。
そして、ウェハ、レジスト、薬液、研磨材、封止材、基板材料。

製造装置、検査装置、材料がなければ、AI半導体は量産できません。

今回は、半導体製造装置と材料を、技術名ではなく、AI半導体を量産するための物理レイヤーとして整理します。

装置と材料は、工程の設備投資と受注に表れます

半導体製造装置や材料は、AIアプリを作っているわけではありません。

GPUを売っているわけでもありません。

それでも、AIインフラの地図には入ってきます。

理由は、AI半導体を作る工程の設備投資、受注、材料売上を支えているからです。

AI半導体の需要が設備投資に変わる。
先端ロジックの生産能力を増強する。
HBMの生産能力を増強する。
先端パッケージや検査能力へ投資する。
基板や材料の品質要求が上がる。

先端ロジック、HBM、先端パッケージ、検査、材料のどの工程にいるかで、企業の見え方は変わります。

第11回で見るのは、「装置企業や材料企業がAI関連かどうか」ではありません。

見るべきなのは、AI需要がどの工程を通って、装置、材料、検査、実装の制約に変わるかです。

SEMIによると、半導体製造装置の世界売上は2025年に1,351億ドルとなり、前年比15%増で過去最高を更新しました。
2025年12月に公表された見通しでは、2026年に1,450億ドル、2027年に1,560億ドルへ増えるとされています。
この伸びは、先端ロジック、メモリ、先端パッケージへのAI関連投資に支えられています。
投資家としては、この数字を個別企業の評価ではなく、AI半導体を作る工程全体の大きさとして見ます。

半導体は、設計して終わりではありません

AI半導体というと、まずNVIDIA(NVDA)やAMD(AMD)のGPU・AIアクセラレータ、Broadcom(AVGO)のようなカスタムAIチップ企業に目が向きます。

けれど、設計したチップは、製造、検査、実装を経なければ使える部品になりません。

ウェハ上に回路を作る。
削る。
膜を作る。
パターンを描く。
洗浄する。
検査する。
切り出す。
薄くする。
積み重ねる。
パッケージに組み込む。
基板につなぐ。
もう一度検査する。

こうした工程を通って、初めて半導体は使える部品になります。

AI向けでは、前工程、後工程、検査、実装の負荷が上がります。

先端ロジックは微細で複雑です。
HBMはメモリを積み重ねます。
先端パッケージは複数のチップを近くでつなぎます。
基板は大きな電力と高速信号を支えます。

つまり、AI半導体の高度化は、設計だけでなく、製造工程全体の負荷を上げます。

製造能力、歩留まり、検査能力を左右するため、装置と材料が重要になります。

装置は、生産能力と歩留まりを左右します。
材料は、品質と安定供給を支えます。
検査は、不良を見つけ、量産できるかどうかを左右します。

この能力増強を、300mmファブ装置投資で見ると規模感が分かります。
SEMIは、世界の300mmファブ装置投資が2026年に1,330億ドル、2027年に1,510億ドル、2029年に1,720億ドルへ増えると見ています。
2027〜2029年の累計では、ロジック・マイクロ向けが2,280億ドル、メモリ向けが1,750億ドルで、メモリのうちDRAMは1,110億ドル、3D NANDは620億ドルの見通しです。
AI向けの先端ロジックだけでなく、HBMを支えるDRAM投資や、推論時の保存需要に関わるNAND投資まで、設備投資の範囲は広がっています。

製造装置は、設備投資が受注に変わる入口です

半導体の供給能力を増やすには、工場を建てるだけでは足りません。

工場の中に、必要な装置を入れる必要があります。

半導体製造装置といっても、ひとまとめにはできません。

見るべき工程は、主に次のように分かれます。

  • 露光

  • 成膜

  • エッチング

  • 洗浄

  • 計測

  • 検査

  • 研削

  • ダイシング

  • 実装

  • パッケージング

装置全体の金額だけでなく、内訳を見ることが重要です。
SEMIが2025年12月に公表した予測では、ウェハファブ装置は2025年に1,157億ドル、2027年に1,352億ドルへ拡大する見通しです。
そのうち、ファウンドリ・ロジック向けは2025年に666億ドル、2027年に752億ドルへ増えるとされています。
DRAM装置は2025年に225億ドルで、2026年に15.1%増、2027年に7.8%増となる見通しであり、HBM向けの増産と先端プロセス移行が背景にあります。

後工程にも増加は表れます。
同じ予測では、検査装置は2025年に112億ドル、前年比48.1%増、組立・パッケージング装置は60億ドル、前年比19.6%増です。
ここで重要なのは、AI需要が前工程だけに閉じていないことです。
DRAM、検査、パッケージングにも投資が広がっているため、装置企業を見るときは「どの工程の増加なのか」を分ける必要があります。

投資家として確認したいのは、装置受注や売上が「半導体全体の設備投資」なのか、「AI向け工程に近い投資」なのかです。

同じ装置企業でも、設備投資が入る工程は違います。

  • 先端ロジック投資に近い企業

  • DRAMやHBM投資に近い企業

  • 先端パッケージに近い企業

  • 検査や計測に近い企業

  • 後工程や精密加工に近い企業

前工程、後工程、検査、HBM、先端パッケージの違いを見ずに、全部を「半導体製造装置」とまとめると粗くなります。

装置企業を見るときは、受注の総額だけでは足りません。

まず、その装置がどの工程で使われるのかを見ます。

前工程は、ウェハの上に回路を作る工程です。
露光、成膜、エッチング、洗浄、計測などがここに入ります。
このうち露光では、設計パターンをウェハへ転写するためにフォトマスクを使います。
フォトマスクは装置ではなく、露光工程で使われるリソグラフィ用部材です。

後工程は、できあがったチップを切り出し、薄くし、積み重ね、パッケージに組み込む工程です。
HBMや先端パッケージでは、この後工程の重要度が上がります。

検査は、作った半導体が設計通りに動くか、不良がないかを確認する工程です。
AI半導体は複雑なので、検査の負担も大きくなります。

つまり、装置企業を見るときは、次の点を分けて確認します。

前工程に近い装置なのか
後工程に近い装置なのか
検査や計測に近い装置なのか
HBMや先端パッケージに近いのか
中国向けなど、AI以外の投資に依存していないか

工程別に分けることで、AI需要が企業の受注、売上、粗利率、利益率に届いているかを確認しやすくなります。

後工程・精密加工の例として、ディスコ(6146.T)では、2025年度第4四半期の個別出荷額が981億円となり、前年同期比28.2%増、前四半期比9.0%増でした。
2025年度通期の個別出荷額は3,588億円で、6年連続の過去最高を更新しています。
AI向け需要が後工程に届いているかを見るときは、精密加工装置やツールの出荷額が増えているかも確認軸になります。

ここで見るべきなのは、装置企業の売上が伸びているかだけではありません。
その装置が、先端ロジック、HBM、先端パッケージ、検査のどこに近いかです。

検査と計測は、出荷できる量を左右します

AI半導体では、検査と計測の負担が増えます。

理由は、検査ポイントや計測対象が増えるからです。

高性能なチップほど、作るだけでは終わりません。

正しく動くか。
設計通りの性能が出るか。
高い電力負荷に耐えられるか。
HBMやパッケージと組み合わせたときに問題が出ないか。

こうした確認が必要になります。

GPU単体ではなく、HBM、チップレット、基板、パッケージを組み合わせるほど、検査すべき場所は増えます。

検査装置や計測能力が足りなければ、量産の速度は上がりません。

製造はできても、検査に時間がかかる。
歩留まりが上がらない。
顧客認定に時間がかかる。

検査や顧客認定が詰まる場合、出荷や売上化は遅れます。

投資家として見るべきなのは、検査や計測が単なる付帯工程ではなく、AI半導体の出荷量、売上計上、歩留まりにどれくらい近いかです。

この変化は、検査装置企業の決算にも表れています。
アドバンテスト(6857.T)は、2025年度に売上高1兆1,286億円、前年比44.7%増、営業利益4,991億円、前年比118.8%増、純利益3,754億円、前年比132.9%増を計上しました。
同社は、AI関連半導体の複雑化と生産量拡大により、半導体テスター市場が最大規模に達するとの見通しを示しています。
2026年度の業績予想は、売上高1兆4,200億円、営業利益6,275億円です。

さらに、同社はSoCテスターの年間生産能力について、2026年度末の5,000台を計画どおり目指し、その後は7,500台、さらに10,000台規模まで拡張する方向を示しています。
検査需要は、売上や利益だけでなく、供給能力の増強計画にも出ています。

確認したいのは、次の項目です。

  • 検査装置の受注

  • 顧客の設備投資計画

  • 歩留まり改善への貢献

  • システムレベルテストなど高性能半導体向け需要

  • 受注から売上までの時間差

  • 顧客集中や半導体サイクルの影響

検査と計測を見るときは、売上高だけでは足りません。
AI半導体の複雑化が、テスター需要、供給能力、顧客認定、歩留まり改善にどう出ているかを確認します。

ここまでの整理

ここまでを一度整理します。

AI半導体の供給能力は、GPUだけで決まるわけではありません。
先端ロジックを作る前工程、HBMを支えるDRAM投資、先端パッケージ、検査、精密加工まで、複数の工程に設備投資が広がっています。

だから見るべきなのは、半導体製造装置市場の総額だけではありません。
どの工程に投資が入り、その投資がどの企業の受注、売上、利益率に届いているかです。

ここからは、装置と同じく見えにくい制約である「材料」を見ていきます。

半導体材料の上流には、素材と供給網のリスクがあります

半導体材料を見るときは、材料そのものだけでなく、その上流にある素材と供給網も見ます。

半導体素材は、いくつかの系統に分かれます。

シリコンウェハの上流には、高純度石英、金属シリコン、ポリシリコン、単結晶インゴットがあります。ここでは、鉱山、精製、エネルギーコスト、災害、品質認定がリスクになります。

フォトレジスト、高純度薬液、洗浄液、エッチング用薬液などには、石油化学品やフッ素系化学品が関わります。PFASを含む材料もあり、環境規制や代替困難性は無視できません。

露光やエッチングでは、ネオン、アルゴン、クリプトン、キセノン、フッ素系ガスなどの高純度ガスも使われます。供給地域が限られる素材では、地政学リスクや価格変動が問題になります。

金属・レアメタル・レアアースも関わります。銅、金、パラジウムは配線やパッケージに使われ、ガリウムやゲルマニウムは化合物半導体、光通信、センサー、パワー半導体で重要になります。レアアースは、半導体そのものの主材料というより、研磨材、光学材料、装置部材、磁石、周辺工程で効く素材として見ます。

先端パッケージやICパッケージ基板では、ABF系樹脂、銅箔、ガラスクロス、封止材、絶縁材、ボンディングワイヤなども重要です。AI向けでは、GPUやHBMだけでなく、それらを支える基板、封止、絶縁、放熱、接続材料の重要度も上がります。

つまり、半導体材料のリスクは、半導体工場の中だけで完結しません。鉱山、精製、化学プラント、高純度ガス、環境規制、輸出規制、災害、エネルギーコストまで関わります。

材料は代替しにくい強みを持ちます。
一方で、その上流素材が詰まれば、供給リスクにもなります。

ここまでそろって、初めてAI半導体の量産に使える材料になります。

半導体材料は、工程ごとに数量、価格、長期契約に表れます

半導体材料は、AI半導体のニュースでは目立ちにくい領域です。

けれど、半導体材料は一度採用されると、簡単には別の材料へ切り替えられません。

純度、品質、顧客認定、工程との相性が必要になるからです。

代表的には、次のような材料カテゴリがあります。

  • シリコンウェハ

  • フォトレジスト

  • 高純度薬液

  • CMP材料

  • フォトマスク関連材料

  • 封止材

  • 絶縁材料

  • 基板材料

材料は、量があればよいものではありません。

純度が必要です。
安定した品質が必要です。
顧客ごとの認定が必要です。
工程に合わせた性能が必要です。
供給を止めない体制も必要です。

AI半導体が高度化するほど、材料への要求も上がります。

微細化が進めば、レジストや薬液の品質が歩留まりや顧客認定に関わります。
HBMや先端パッケージが増えれば、封止材、基板材料、絶縁材料の受注や売上に表れやすくなります。
検査や歩留まりが重くなれば、工程全体で安定した材料供給が必要になります。

投資家として確認したいのは、材料名ではありません。

分析対象の材料が、どの工程で使われ、売上比率、価格、長期契約、顧客認定にどれくらい表れるかです。

材料側にも数字は出ています。
SEMIによると、2025年の半導体材料市場は前年比6.8%増の732億ドルとなり、過去最高を更新しました。
内訳は、ウェハ製造材料が前年比5.4%増の458億ドル、パッケージ材料が前年比9.3%増の274億ドルです。
ウェハ製造材料ではリソグラフィ関連材料とウェットケミカルが二桁成長し、パッケージ材料では基板とボンディングワイヤが伸びを主導しました。
AI向けでは、先端工程の材料だけでなく、パッケージ材料や基板材料の売上比率も確認する必要があります。

シリコンウェハも、需要の分かれ方が表れやすい材料です。
2025年の世界シリコンウェハ出荷面積は129億7,300万平方インチで、前年比5.8%増でした。一方、売上は114億ドルで前年比1.2%減でした。
SEMIは、AI用途による先端ロジック向けエピタキシャルウェハと、HBM向けポリッシュドウェハの需要が強い一方、従来用途の回復は緩やかだと説明しています。
さらに、2026年第1四半期の世界シリコンウェハ出荷面積は32億7,500万平方インチで、前年同期比13.1%増となり、AIデータセンター向け需要は先端ロジックやメモリだけでなく、電源管理デバイスにも広がっています。

材料企業を見るときは、次のように分けます。

  • 先端ロジックに近い材料

  • HBMやメモリに近い材料

  • 先端パッケージに近い材料

  • 基板や実装に近い材料

  • 半導体全体の市況に左右されやすい材料

AI需要が強くても、分析対象材料の売上比率が小さければ、業績への影響は限定的です。

逆に、特定の先端工程で代替しにくい材料なら、数量、価格、長期契約に出やすくなります。

材料を見るときは、材料名だけでは判断できません。
どの工程で使われ、顧客認定がどれほど重く、数量、価格、長期契約のどこに表れるかを確認します。

日本企業は、GPU本体よりも作る工程で見ます

第11回で自然に出てくるのが日本企業です。

日本企業は、AIアプリやGPU本体の主役ではありません。

ただし、AI半導体を量産するための製造装置、フォトマスク、検査、計測、精密加工、材料、基板では、重要な位置にいます。

日本企業に関心がある場合、最初に企業名を並べるのではなく、AI需要が届く工程で分けると見えやすくなります。

日本企業を探すための、5つの工程

装置側では、東京エレクトロンとSCREENを見る

東京エレクトロン(8035.T)は、成膜、塗布・現像、エッチング、洗浄など、先端ロジックやメモリを量産するための前工程装置に関わります。

SCREEN(7735.T)は、ウェハ洗浄、表面処理、塗布・現像、先端パッケージ関連装置を通じて、半導体の生産能力拡大に接続します。

ここで注意したいのは、両社の売上をそのままAI需要と読むことではありません。見るべきなのは、AIサーバー、先端ロジック、HBM、先端パッケージに向けた投資が、装置の受注や売上のどこに出ているかです。

フォトマスク、検査と加工では、テクセンドフォトマスク、レーザーテック、アドバンテスト、ディスコを見る

テクセンドフォトマスク(429A)は、装置企業ではありません。半導体設計のパターンをウェハへ転写する露光工程で使う、フォトマスクの外販企業です。

AI需要との接続を見るときは、GPU出荷台数への直接連動ではなく、カスタムASICの増加、テープアウト数、ノード更新、ファブ稼働、外販フォトマスク需要のどこに変化が表れるかを確認します。

アドバンテスト(6857.T)は、AI半導体やHBMの複雑化によって重要になるテスト工程にいます。前段で見たように、テスター需要は売上、利益、供給能力増強の計画として確認します。

レーザーテック(6920.T)は、AI半導体そのものを作る企業ではなく、EUVマスク、マスクブランク、ウェハの検査・計測側にいます。アドバンテストが製造後のテストに近いのに対し、レーザーテックは先端ロジックを作る前工程の検査に近い企業として分けて見ます。

ディスコ(6146.T)は、切断、研削、研磨といった精密加工を通じて、HBMや先端パッケージ周辺の後工程に関わります。本文前半で確認した出荷額は、AI向け需要が加工工程へ届いているかを見る一つの入口です。

同じフォトマスク・検査・加工周辺でも、使われる工程と売上への届き方は違います。したがって、4社をまとめて「AI半導体関連」と見るより、フォトマスク、前工程の検査、製造後のテスト、後工程の加工として読み分ける必要があります。

材料と基板では、イビデンに加えて材料企業を見る

高性能基板では、イビデン(4062.T)が、AIサーバーや高性能サーバー向けのICパッケージ基板を増強する計画を示しています。基板は、GPUやAI ASICを載せ、高速信号と大きな電力を支える場所です。

材料側では、信越化学(4063.T)はシリコンウェハ、フォトレジスト、マスクブランクスなどの材料レイヤーに位置します。東京応化(4186.T)は、フォトレジストや高純度化学薬品、先端パッケージ材料を通じて微細加工の工程に関わります。

レゾナック(4004.T)は、後工程や先端パッケージに必要な材料側で見ます。SUMCO(3436.T)は、先端ロジックやメモリを作るための300mmシリコンウェハ側にいます。

材料企業では、AI需要があるという説明だけでは足りません。どの材料がどの工程で使われ、数量、価格、顧客認定、材料売上、設備投資のどこまで確認できるかを分けて見ます。

基板の例では、イビデン(4062.T)が、AIサーバー・高性能サーバー向け高性能ICパッケージ基板の能力増強を目的に、2026〜2028年度の3年間で約5,000億円を投資する計画を公表しています。
第1段階では、河間事業場などの既存工場を中心に約2,200億円を投資し、2027年度から順次稼働と量産開始を予定しています。
このように、AI向けの需要は、GPU本体ではなく、基板能力の増強投資としても確認できます。

日本企業を見るときの確認順

日本企業を見るときは、企業名を先に並べるより、どの工程にいるかを先に確認します。

  • 前工程装置では、東京エレクトロン、SCREENを見る

  • フォトマスク、マスク検査、半導体テストでは、テクセンドフォトマスク、レーザーテック、アドバンテストを見る

  • 精密加工と基板では、ディスコ、イビデンを見る

  • 材料では、信越化学、東京応化、レゾナック、SUMCOを見る

ただし、同じ日本企業でも、設備投資、受注、売上、利益率までの距離は同じではありません。
日本企業をまとめて評価するのではなく、どの工程のどの数字にAI需要が届いているのかを確認します。

受注が強くても、利益まで届くとは限りません

装置や材料を見るときに、もう一つ注意したいことがあります。

受注が強いことと、利益が伸びることは同じではありません。

製造装置では、受注から売上まで時間がかかることがあります。
装置の出荷、据え付け、検収まで時間差があります。
大型案件では、顧客の設備投資計画に左右されます。

材料では、数量が増えても、価格やミックスで利益率が変わります。
顧客認定に時間がかかることもあります。
半導体市況全体の在庫調整に巻き込まれることもあります。

だから、投資家として確認したいのは、ニュースの大きさではありません。

確認する決算項目の順番は、次のように分けます。

  • AIテーマとして語られているだけなのか

  • 顧客の設備投資として出ているのか

  • 受注や受注残として確認できるのか

  • 売上成長に反映されているのか

  • 粗利率や利益率まで改善しているのか

  • 在庫や中国向け規制で相殺されていないか

AI向けは強い。
でも、受注から売上まで時間がかかる。
売上は伸びる。
でも、利益率はミックスやコストに左右される。
しかし、汎用半導体や中国向けが弱い。

受注、売上、利益率、在庫、規制のズレを読むことが重要です。

投資家として見るべきなのは、工程と受注、売上、利益率の距離です

半導体製造装置と材料は、AIインフラの中でも少し読みにくい領域です。

理由は、最終需要から一段離れているからです。

AIサービスが伸びる。
クラウド企業がAIサーバーを増やす。
GPUやAIアクセラレータが必要になる。
HBMや先端パッケージが必要になる。
ファブやパッケージ工程の能力を増やす。
装置や材料が必要になる。

装置と材料は、AIサービスから装置・材料までの連鎖の上流にあります。

だから、AI需要が装置受注や材料売上に届くまでに時間差があります。

ただし、一度届くと、設備投資、受注、消耗品需要、材料供給として継続しやすい面もあります。

工程別に見ると、装置と材料は次のように分けられます。

  • 供給能力を増やす装置

  • 歩留まりを上げる検査・計測

  • 先端工程を支える材料

  • HBMや先端パッケージに近い後工程

  • 半導体市況全体に左右される汎用領域

供給能力、検査・計測、材料、後工程、汎用領域に分ける見方を持つと、「半導体製造装置がAI関連か」「材料企業がAI関連か」という問いから離れられます。

代わりに、次の問いで見られます。

  • どの工程が詰まっているのか

  • どの工程に設備投資が入っているのか

  • 分析対象企業は、該当工程にどれくらい近いのか

  • 受注は見えているのか

  • 売上や利益まで届いているのか

  • 市況や規制で相殺されていないか

工程、受注、売上、粗利率、在庫、規制まで分けて初めて、AI需要が装置・材料企業にどこまで届いているのかを確認できます。

この記事で残したい判断軸｜装置と材料は、工程、受注、売上、利益率で見る

第11回の地図は、次のようになります。

  • AI半導体の需要は、チップを売る企業だけに届くわけではない

  • 製造装置は、供給能力を増やすための入口になる

  • 検査と計測は、AI半導体が複雑になるほど重要になる

  • 材料は、代替しにくい工程で数量、価格、長期契約に出る

  • 日本企業は、AIの主役ではなく作る工程の受注、売上、利益率で見る

  • 受注が強くても、利益まで届くとは限らない

この記事で残したいのは、半導体製造装置と材料を見る順番です。

まず、AI需要がどの半導体工程に届いているかを見る。
次に、その工程が前工程、後工程、検査、材料、基板のどこにあるかを見る。
最後に、その需要が受注、売上、粗利率、利益率のどこまで進んでいるかを確認します。

AI関連かどうかではなく、どの工程にいて、どのKPIに表れているか。
装置と材料を見るときは、この順番が重要です。

そして次に見るべき問いは、電源側に戻ります。

AIデータセンターの電力需要は、原子力、ガス火力、再エネとどう結びつくのでしょうか。

次回は、AIインフラを支える電源構成を見ていきます。

数値の根拠・参考リンク

いいなと思ったら応援しよう！

Archi / Lucky Cat ご支援ありがとうございます。あなたの時間を節約できるよう、要点→根拠リンクの順で簡潔にまとめます。迷わず事実にたどり着けますように。。。