見出し画像

光通信・AIネットワークは、なぜ重要になるのか｜AIインフラの地図を読む 第13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インフラの中で、光通信とAIネットワークがなぜ重要になるのかを見ます。

ポイントは、ネットワークが単なる通信設備ではなく、GPUの稼働効率、消費電力、熱負荷、粗利率、在庫調整にまで表れる制約だという点です。

最後まで読むと、ANET、NVDA、CSCO、AVGO、MRVL、COHR、LITE、GLW、EQIX、DLR、フジクラ、古河電工、住友電工を見るときの確認順が分かります。

今回出てくる企業名は、AI関連銘柄を並べるためではありません。Arista Networks、NVIDIAのNetworking事業、Broadcom、Marvell、Coherent、Lumentum、Corning、Equinix、Digital Realty、そして日本のフジクラ、古河電気工業、住友電気工業を、接続レイヤーごとの代表例として見ます。

前回は、AIデータセンターの電力需要が、原子力、ガス火力、再エネ、蓄電池、送電網のどの契約や設備投資に表れるのかを見ました。

電力を確保できれば、AIデータセンターは動きます。

ただし、それだけでは十分ではありません。

GPUやAIサーバーを大量に並べるほど、次に問題になるのは、それらをどう高速につなぐかです。

GPU同士をつなぐ。
サーバー同士をつなぐ。
ラック同士をつなぐ。
データセンター同士をつなぐ。
クラウドとユーザーをつなぐ。

AIクラスターは、計算するチップだけでは動きません。大量のデータを、高速に、低遅延で行き来させる必要があります。
ここでいうAIクラスターとは、多数のGPUやAIサーバーを高速ネットワークでつなぎ、一つの大きな計算資源として動かすまとまりです。

今回は、光通信とAIネットワークを、技術名ではなく、AIクラスターを大規模に動かすための接続レイヤーとして整理します。

見るべきなのは、通信技術の名前ではありません

AIネットワークを見ようとすると、急に専門用語が増えます。

イーサネット。
InfiniBand。
スイッチ。
NIC。
DPU。
光トランシーバー。
光ファイバー。
CPO。

これらをすべて詳しく覚える必要はありません。

第13回で見たいのは、通信技術の細かい仕組みではありません。

投資家として知りたいのは、GPU数、サーバー数、ラック数、データセンター間接続が増えると、どの接続レイヤーが物理的な制約になりやすいかです。

AIクラスターが大きくなる。
GPUやAIアクセラレータが増える。
サーバーが増える。
ラックが増える。
データセンター間の接続も増える。

AIクラスターの接続投資は、次の領域の受注や売上に表れます。

  • ネットワーク機器

  • 通信半導体

  • 光トランシーバー

  • 光部品

  • 光ファイバー

  • ケーブル

  • データセンター間接続

ネットワーク機器、通信半導体、光部品、ファイバー、ケーブルを見ずに、GPUと電力だけを見ていると、AIインフラの地図は途中で切れます。

重要なのは、「光通信がすごい」と感心することではありません。

AIの計算需要が、どの接続レイヤーを通って、ネットワーク機器、通信半導体、光部品、ファイバー、ケーブルの需要に変わるかです。

AIクラスターは、GPUを並べるだけでは完成しません

AIクラスターでは、多数のGPUが一つの大きな計算資源のように動く必要があります。

学習では、モデルやデータを分けて計算します。
推論では、多数のリクエストを並列に処理します。
AIエージェントが増えれば、検索、実行、検証、再実行の回数も増えます。

このとき、GPU同士やサーバー同士の通信が遅いと、高価なGPUを十分に使えません。

つまり、AIクラスターでは、計算能力だけでなく、接続能力も制約になります。

見るべき範囲は、次のように分かれます。

  • GPU間接続

  • サーバー内接続

  • サーバー間接続

  • ラック間接続

  • データセンター内ネットワーク

  • データセンター間接続

投資家目線では、GPU間、サーバー間、ラック間、データセンター間に分けることが重要です。

GPU需要が増えたとき、受注や売上に出るのはGPUメーカーだけではありません。
ネットワーク機器、通信半導体、光部品、ファイバー、ケーブルの受注や売上にも表れます。

ネットワーク機器は、AIクラスターの稼働効率で見ます

AIクラスターでは、GPUを並べるだけでは性能は出ません。

GPU同士、サーバー同士、ラック同士の通信が遅ければ、高価なGPUが待たされます。
そのため、スイッチ、ネットワークOS、GPU間・ラック間接続は、AIクラスターの稼働効率に関わります。

代表例は、Arista Networks(ANET)、NVIDIA(NVDA)のNetworking事業、Cisco Systems(CSCO)です。
たとえば、AristaはAI向けイーサネット網やクラウド向けスイッチ需要を見る代表例です。NVIDIAはGPUだけでなく、Networking事業を通じてAIクラスター内部や複数拠点をつなぐ接続も提供します。Ciscoは既存のデータセンターネットワーク機器の大手として、AI向け需要をどこまで取り込めるかを見る対象になります。

この章で企業の優劣までは判断しません。見るのは、AIクラスターの大型化が、どの企業のスイッチ、ネットワークOS、保守サービスの需要に変わり、売上、受注、粗利率に表れているかです。

確認したいのは、次の項目です。

  • AIクラスター向け売上が増えているか

  • ハイパースケーラー向け比率が高いか

  • 受注や顧客計画として見えているか

  • 顧客集中や特定ベンダー依存が強すぎないか

  • AI向けイーサネット網の採用拡大に乗れているか

ネットワーク機器は、AIインフラ資金の最大項目ではありません。
ただし、ここが弱いと、GPU投資の効率が落ちます。

だから第13回では、ネットワーク機器を「最大の資金領域」としてではなく、GPU投資を生かすための接続レイヤーとして見ます。

通信半導体は、AIネットワークの中流に入ります

ネットワーク需要は、完成品の機器だけにとどまりません。

接続投資の中には、通信半導体も入ります。

スイッチASIC。
DSP。
NIC。
DPU。
SerDes。
光接続に関わるチップ。

AIデータセンターでは、データを速く、低遅延で、効率よく動かす必要があります。
通信半導体は、GPUとは別の半導体需要です。

AIアクセラレータ本体ではなくても、AIクラスターを動かすために必要な半導体です。

通信半導体では、Broadcom(AVGO)とMarvell Technology(MRVL)を代表例として置きます。Broadcomは、カスタムAIチップとAIネットワークの双方で見ます。Marvellは、カスタムシリコン、DSP、光接続、データセンター内外の通信に近い企業です。Astera Labs(ALAB)はPCIe/CXL、Credo Technology(CRDO)はSerDesや高速接続製品寄りの企業として、より細い接続レイヤーを見るときに出てきます。

通信半導体を見るときは、次のように分けます。

  • カスタムAIチップに近いのか

  • AIネットワークに近いのか

  • 光接続に近いのか

  • データセンター内通信に近いのか

  • 既存通信機器の市況に左右されやすいのか

同じ通信半導体でも、AI需要との距離は違います。

ここで見るべきなのは、通信半導体という分類名ではありません。
AI需要が、カスタムASIC、DSP、SerDes、NIC、DPU、光接続チップのどこに届き、売上と粗利率に表れているかです。

光通信は、速度だけでなく距離と電力の制約に関わります

光通信が受注や売上に表れやすい理由は、単に通信速度が速いからではありません。

距離と電力の制約にも関わるからです。

データセンター内では、短い距離なら電気信号でつなげる部分もあります。
しかし、速度が上がり、距離が伸び、接続数が増えるほど、電気信号だけでは扱いにくくなります。

そこで光通信が重要になります。

光トランシーバー。
光ファイバー。
光部品。
コネクタ。
ケーブル。

これらは、AIクラスターのデータの流れを支える部品です。

Coherent(COHR)とLumentum(LITE)は、AIデータセンター向けの光トランシーバーや光部品の需要を見る代表例です。Corning(GLW)は、光ファイバーや光接続インフラ側で見る企業です。同じ光通信でも、部品を作る企業と、ファイバー・接続インフラに近い企業では、確認項目が変わります。

GPUやサーバーが増えるほど、接続本数が増えます。
ラック間通信が増えます。
データセンター間接続も増えます。

投資家として見るべきなのは、光通信という言葉の新しさではありません。

確認するのは、次のような項目です。

  • 800Gや1.6Tなど高速品の売上

  • AIデータセンター向け光トランシーバー

  • データセンター間接続向け製品

  • 光ファイバーやケーブル需要

  • 粗利率の改善

  • 顧客集中

  • 在庫調整

  • 次世代品への移行

光通信は、GPUや電力ほど目立たないかもしれません。

けれど、AIデータセンターが増え、クラスターが大型化するほど、光トランシーバー売上、ファイバー需要、粗利率に表れやすくなります。

この世代交代が、売上、粗利率、在庫にどう表れるかは、後段で改めて整理します。

データセンター間接続は、接続性を提供する企業で見ます

AIクラスターが巨大化すると、データセンターの中だけでなく、拠点間をつなぐ接続需要も増えます。

Equinix(EQIX)とDigital Realty(DLR)は、光部品を作る企業ではありません。見るべきなのは、AIデータセンター同士、クラウド、企業ネットワークをつなぐ接続性、契約済み容量、稼働開始時期です。

ここで確認するのは、接続製品の出荷数ではなく、相互接続需要や契約済み未開始の案件が売上やキャッシュフローへどう移るかです。

見るべきなのは、建物の数ではありません。
相互接続、契約済み容量、稼働開始時期、キャッシュフローへの反映です。

ここまでの整理

ここまでを一度整理します。

AIクラスターの接続レイヤーは、一つではありません。
ネットワーク機器、通信半導体、光トランシーバー、光ファイバー、データセンター間接続に分かれます。

ここで見るべきなのは、通信技術の名前ではありません。
どのレイヤーの需要が、どの企業の売上、受注、粗利率、在庫に表れるかです。

ここからは、日本企業を含めて、光ファイバー、ケーブル、世代交代、顧客集中を確認します。

日本企業は、光ファイバーとケーブルで見ます

第13回では、日本企業も自然に出てきます。

日本企業は、AIモデルやGPU本体の主役ではありません。
しかし、AIインフラをつなぐ工程では関わりやすい領域があります。

光ファイバー。
光部品。
電線。
ケーブル。
コネクタ。
データセンター内配線。
データセンター間接続。

日本企業では、フジクラ(5803)、古河電気工業(5801)、住友電気工業(5802)を代表例として見ます。
ただし、これらをまとめて「AI関連」と見るのは粗い読み方です。光ファイバー、光部品、データセンター内配線、データセンター間接続、電力ケーブルのどこに需要と売上が出るのかを分けて確認します。

この3社をここで詳しく評価するわけではありません。
ただし、第3部で見るときの入口は分けておきます。

フジクラ(5803)は、高密度な光接続、光ファイバー、データセンター内外の配線需要にどれだけ近いかを見ます。
確認するのは、AIデータセンター向けの高付加価値品比率、光関連売上、利益率、増産投資です。

古河電気工業(5801)は、光ファイバー、通信ケーブル、電力ケーブル、インフラ向け需要のどこが伸びているかを分けて見ます。
AIデータセンター需要が、通信インフラ側なのか、電力ケーブル側なのか、既存通信市況の回復なのかを切り分けます。

住友電気工業(5802)は、通信ケーブル、光ファイバー、電力ケーブル、電装・産業向けなど事業範囲が広いため、AIデータセンター需要が全社業績にどれくらい効くのかを慎重に見ます。
AI関連という言葉より、どの事業部門に、どの程度の売上・利益として出ているかを確認します。

つまり、3社を見るときも、銘柄名ではなく、光接続、通信インフラ、電力ケーブル、全社売上への寄与度に分けて確認します。

日本企業を見るときは、日本企業をAIの主役のように扱う必要はありません。

見るべきなのは、分析対象企業が、データセンター内接続、データセンター間接続、通信キャリア向け、電力ケーブルのどこにいるかです。

  • データセンター内の光接続なのか

  • データセンター間接続なのか

  • 通信キャリア向けなのか

  • 電力ケーブルや電線需要なのか

  • AI向け高付加価値品の比率が高いのか

  • 汎用品の市況に左右されやすいのか

接続レイヤー別の切り分けがないと、光ファイバーだからAI関連、電線だからAI関連、という粗い見方になります。

同じ企業でも、電線、光ファイバー、データセンター内配線、電力ケーブルのどこで見るかによって、確認するKPIは変わります。

400G、800G、1.6Tへの世代交代は、売上、粗利率、在庫を同時に動かします

光通信やAIネットワークは、AIデータセンター向け売上として注目されやすい領域です。

ただし、本当に見るべきなのは需要の強さだけではありません。
その企業が、どの世代の製品で、どの顧客に、どの利益率で売れているかです。

高速化が進むと、光通信は400G、800G、1.6T、さらに次の世代へ移っていきます。
これは単なる通信速度の話ではありません。
AIクラスターが大きくなるほど、GPU、AIサーバー、スイッチ、ラック、データセンター間で動くデータ量が増え、電気配線だけでは帯域、距離、消費電力、発熱の面で厳しくなります。
そのため、光トランシーバー、DSP、レーザー、光ファイバー、光接続部品の重要度が上がります。

Marvellは、AIデータセンターの帯域需要が400Gから800G、1.6Tへ進む中で、PAM4、coherent、coherent-lite、シリコンフォトニクスが、データセンター内、キャンパス内、データセンター間の接続を支えると説明しています。
同社によれば、約10メートルを超える接続では、銅配線だけでAIデータセンター内外の帯域と到達距離の要求を満たしにくくなります。
通信半導体を見るときも、単にAI関連かどうかではなく、どの距離とどの速度世代の接続を取れる製品なのかを確認する必要があります。

ここで企業ごとの差が出ます。
800Gを量産し、1.6Tの立ち上がりや顧客採用を確認できる企業、DSPやレーザー部品まで供給できる企業は、AIデータセンター需要を売上と粗利率に変えやすくなります。
一方で、旧世代品の在庫が残る企業、次世代品の立ち上げが遅れる企業、歩留まりや部材調達でつまずく企業は、需要が強い局面でも利益が伸びにくくなります。

Lumentum(LITE)のFY2026 Q3は、製品世代と収益性を見る例になります。
同社の売上は8.084億ドルで前年同期比90.1%増、Non-GAAP粗利率は47.9%でした。
同社は利益率の改善について、価格規律や製品ミックスなどが寄与したと説明しています。
光需要が、単なる売上増だけではなく、製品構成を通じて利益率にも表れ得ることが分かります。

Coherent(COHR)も、需要と能力増強をあわせて見る企業です。
FY2026 Q3の売上は18.1億ドルで前年同期比21%増、Non-GAAP粗利率は39.6%でした。
同社は、データセンターと通信向けの強い需要に対応するため生産能力を拡大していると説明しています。
ここで確認したいのは、需要に応じた増産が進むか、そして増産の中でも粗利率を維持・改善できるかです。

Corning(GLW)は、光トランシーバーそのものではなく、光ファイバー、ケーブル、接続部材、光インフラ側で見ます。
2026年Q1のOptical Communications売上は前年同期比36%増となり、同社はMetaとの最大60億ドルの複数年契約に近い規模と期間の大型長期契約を、追加で二つのハイパースケール顧客と結んだと説明しています。
光通信需要が単発の出荷だけでなく、大口顧客による長期の供給網確保へ広がっていることを示す例です。

一方で、世代移行が速いほどリスクも大きくなります。
Lumentumは、製品ミックスの変動、平均販売価格の低下、製造能力拡大、供給先の品質や納期、顧客需要や在庫方針の変更、注文のキャンセルや遅延をリスクとして挙げています。
大口顧客の投資タイミングが変われば、受注の谷や在庫調整も起こり得ます。

確認する項目は、次のように整理できます。

  • AIデータセンター向け売上が増えているか

  • 800Gや1.6Tなど高速品の立ち上がりが見えるか

  • 製品ミックスの改善が粗利率に表れているか

  • 能力増強や長期契約が需要の継続性を示しているか

  • 顧客集中、価格低下、在庫調整、発注の遅れが利益を圧迫していないか

つまり、光通信はAIデータセンター投資の後追いの部品ではありません。
GPUを増やした後に、計算資源を無駄なく動かすための接続レイヤーです。
ここが強ければAIクラスターの効率は上がり、ここが詰まれば高価なGPUを並べても通信待ちが増えます。

光通信で危ない見方は、「AIデータセンター向けだから伸びる」とだけ見ることです。見るべきなのは、AI向け需要が、次世代製品の量産、顧客採用、価格、粗利率、在庫まで落ちているかです。

未来側の補足｜軌道データセンターでは、同じ制約がさらに極端になります

ここまで見た光通信の制約は、地上AIデータセンターだけの話ではありません。
将来例として見ると分かりやすいのが、軌道データセンター構想です。
軌道データセンターはまだ商業化された本命シナリオではありませんが、地上で起きている高速接続、低消費電力、熱負荷の課題が、宇宙ではさらに厳しい条件で表れます。

2026年2月4日に米国連邦通信委員会(FCC)が公表した通知では、SpaceXは最大100万基の衛星からなる「SpaceX Orbital Data Center」システムの運用許可を申請しており、提案システムは主として光衛星間リンクに依存すると説明されています。
また、既存のStarlinkについても、同社は各衛星に3基の光衛星間リンクを搭載し、それぞれ最大200Gbpsで動作すると説明しています。

宇宙空間では、地上のデータセンターのように周囲の空気や外部の水系へ熱を逃がすことはできません。
真空中では対流がなく、機器から移した余熱は最終的にラジエーターから放射して宇宙へ捨てる必要があります。
通信に使う電力を抑えることは、処理すべき熱を抑え、放熱設計の負担を下げることにもつながります。

この構想が投資家にとって急に身近になった理由の一つが、SpaceXの上場準備です。
SpaceXは2026年5月20日、米国証券取引委員会(SEC)にForm S-1を提出し、同社の事業を宇宙輸送、接続網、AIの三つの領域で説明しました。その中でAI計算基盤は、まず地上で構築し、将来は宇宙へ拡張する目標として位置づけられています。
つまり、軌道データセンターは遠い構想というだけでなく、Starlinkの光リンク、Starshipの打ち上げ能力、AI計算基盤がどこでつながるのかを見る材料にもなります。ただし、上場準備が進むことと、軌道上のAIデータセンターが事業として成立することは別です。追うべきなのは期待の大きさだけではなく、光接続や打ち上げ、軌道上計算の実証が、設備投資と収益にどう結びつくかです。

光通信は、地上ではAIクラスターを効率よく動かす接続レイヤーであり、宇宙では軌道上の計算資源を一つのネットワークとして動かすための前提条件になり得ます。

この記事で残したい判断軸｜AIネットワークは、接続レイヤーと決算項目で読む

この記事で残したいのは、AIネットワークを技術名ではなく、接続レイヤーと決算項目で見ることです。

AIクラスターは、GPUを並べるだけでは完成しません。
GPU同士、サーバー同士、ラック同士、データセンター同士を高速につなぐ必要があります。

その需要は、ネットワーク機器、通信半導体、光トランシーバー、光部品、光ファイバー、ケーブル、データセンター間接続に分かれて表れます。

見るべきなのは、「AI関連かどうか」ではありません。
AIクラスターの接続投資が、どの企業の売上、受注、粗利率、在庫、次世代製品への移行に表れているかです。

第13回で出てきた企業名は、AI関連銘柄の一覧ではありません。
接続レイヤーごとの確認対象です。

  • ネットワーク機器: Arista Networks(ANET)、NVIDIA(NVDA)のNetworking事業、Cisco Systems(CSCO)

  • 通信半導体: Broadcom(AVGO)、Marvell Technology(MRVL)

  • 光部品・光接続: Coherent(COHR)、Lumentum(LITE)、Corning(GLW)

  • データセンター間接続: Equinix(EQIX)、Digital Realty(DLR)

  • 日本の光・ケーブル・電線側: フジクラ(5803)、古河電気工業(5801)、住友電気工業(5802)

Astera Labs(ALAB)とCredo Technology(CRDO)は、通信半導体のより細い接続レイヤーを見る補助例として置きました。

同じAIネットワーク関連でも、売上に出る場所は違います。

そして次に見るべき問いは、第2部全体のまとめです。

AIインフラのボトルネックは、時間とともにどのように移動していくのでしょうか。

次回は、第7回から第13回で見た制約を一枚の流れとして並べ直します。

参考｜本文中の主な数値と記述の根拠


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。。。

この記事は noteマネー にピックアップされました

noteマネーのバナー