見出し画像

Physical AIとAI PCを読む｜AI需要はデータセンターの外側へどう広がるのか｜AIインフラの地図を読む 第27回

Archi / Lucky Cat

第3部｜NVIDIA帝国の外縁を読む

第26回では、日本企業をAIファクトリー供給網の中で見ました。

日本企業は、AIモデルやGPU本体の主役ではありません。
それでも、AI半導体を量産する工程の奥には、日本企業の装置、材料、基板、センサー、ストレージ、光接続が入っています。

ここまで来ると、次に気になるのは、AI需要がデータセンターの中だけで終わるのか、という問いです。

AIが文章、画像、コード、検索、広告、企業業務だけでなく、現実世界の機械、車、ロボット、工場、物流、センサーへ広がるなら、AIインフラの地図はデータセンターの外へ伸びます。

第27回では、AI需要がデータセンターの外へ広がる経路を見ます。

ここで扱うのは、単なるロボット関連株ではありません。

Physical AIは、こちら側で作ったテーマ名ではありません。

NVIDIAはPhysical AIを、現実世界を認識し、理解し、行動する自律機械のためのAIとして説明しています。
この文脈に入るのは、ヒューマノイドだけではありません。
自動運転、ロボット、工場自動化、倉庫自動化、シミュレーション、センサー、エッジ推論まで含まれます。

第27回では、このNVIDIAの文脈を確認したうえで、まずTeslaとSpaceXから見ます。

AIが現実世界で動く経路。
AIが車に入り、自動運転へ向かう経路。
AIがロボット、倉庫、工場、物流へ入る経路。
AIがPCやスマートフォン、ワークステーションへ入り、端末側で推論を行う経路。
そして、その動きが、GPU、NPU、センサー、ストレージ、光接続、通信インフラ、安全保障へどう波及するか。

Teslaは、自動運転、Robotaxi、Optimus、車両データ、車載推論、学習用のAI計算基盤、製造ラインを同時に持つ企業です。
ここでAIが絡むのは、単に車にAI機能を載せるという話ではありません。
車両から集まる映像や走行データを使ってモデルを学習し、そのモデルを車載チップ上で推論させ、RobotaxiやOptimusの動作へ戻す。
さらに、製造ラインそのものも、自動化、検査、ロボット運用、工程改善の対象になります。
つまりTeslaは、AIを「学習する場所」「現実世界で動かす場所」「戻ってきたデータで改善する場所」を同じ企業内に持つ点が特徴です。
Physical AIを上場企業で読むなら、Teslaから入る方が自然です。

SpaceXは、xAI統合後の大規模GPUクラスター、AIデータセンター、衛星通信、地上インフラ、端末、将来のAI通信需要を持つ非伝統的な需要源です。
単なるロケット企業ではなく、大規模GPUクラスター、AIデータセンター、通信インフラの複合体として読みます。

次に、自動運転の比較軸としてWaymoを見ます。

WaymoはAlphabetの一部であり、単独上場企業ではありません。
しかし、自動運転の実装度、走行実績、商用ロボタクシーの広がりを比較するうえでは外せません。
TeslaとWaymoは、同じ自動運転でも、事業の進め方が違います。

その次に、ロボット上場企業を整理します。

TeslaのOptimus。
TeradyneのUniversal RobotsとMiR。
Symboticの倉庫自動化。
FANUCと安川電機の産業用ロボット。
キーエンスのセンサー、画像処理、検査。
NVIDIAのロボット向け計算基盤。

さらに、AI PCとオンデバイスAIも入れます。

AIがPCで動くようになれば、データセンター需要が消えるのか。
それとも、端末側推論とクラウド推論の役割が分かれるだけなのか。

第27回では、後者として読みます。

PC、スマートフォン、ワークステーションにNPUが入り、軽量な推論や個人データに近い処理は端末側へ移ります。
一方で、大規模モデルの学習、高負荷推論、モデル更新、企業データ処理、複数エージェント処理は、引き続きデータセンター側に残ります。

つまり、AI PCとオンデバイスAIは、データセンター不要論ではありません。
AIの処理場所が、クラウド一極から、クラウド、PC、スマートフォン、車両、ロボット、エッジ端末へ広がる話です。

今日の読みどころ

今回の問いは、AI需要がデータセンターの中だけで完結するのか、ということです。

生成AIの最初の数字は、GPU、HBM、ネットワーク、クラウド、データセンター、電力に出ました。

ただし、次の段階では、AIは現実世界へ広がります。

車。
ロボット。
倉庫。
工場。
物流。
店舗。
都市インフラ。
監視カメラ。
PC。
スマートフォン。
衛星通信。
エッジ端末。

ここで必要になるものは、データセンター内のGPUだけではありません。

現実世界を取り込むセンサー。
車両やロボットで動く推論基盤。
現実世界で試行するためのシミュレーション。
PCやスマートフォンに入るNPU。
端末側で使うDRAMとSSD。
現場から戻る画像、動画、ログ、地図、操作データ。
それを保存するSSD、NAND、ストレージ。
それをクラウドやデータセンターへ運ぶ光接続。
そして、それらをどのAI圏で運用するかという安全保障上の判断。

この地図で最初に見る企業はTeslaです。

Teslaは、単なるEV会社ではありません。
FSD、Robotaxi、Optimus、車両群から得られる現実世界データ、学習用のAI計算基盤、製造ラインを持ちます。
投資家として見るKPIは、Automotive売上だけでは足りません。
FSD、Robotaxi、Optimus、AI関連CapEx、R&D、車両粗利率、Energy、FCFまで確認します。

同時に見るのはSpaceXです。

SpaceXは、ロケット会社だけではありません。
xAI統合後の大規模GPUクラスター、AIデータセンター、Grok、Colossus、Starlink、衛星通信、地上局、端末、将来の宇宙データセンターまで含めると、Physical AIの外側にある巨大な需要源になります。
ただし、ここはTeslaやWaymoのように、上場会社の決算セグメントでそのまま読めません。
SpaceXは、業績反映済みのロボット企業ではなく、大規模GPUクラスター、AIデータセンター、通信インフラの需要源として見ます。

自動運転の比較軸はWaymoです。

Teslaは、量産車とソフトウェアで自動運転を広げる企業です。
Waymoは、限定地域で安全性と運行実績を積み上げるロボタクシー企業です。
投資家として見るのは、走行実績、商用サービスエリア、週間ライド数、事故・リコール、コスト、車両あたり収益、AlphabetのOther Bets損失です。

AI PCとオンデバイスAIでは、Microsoft、Apple、Qualcomm、AMD、Intelを見ます。

MicrosoftはCopilot+ PCで、40 TOPS以上のNPUを必要とするWindows AI機能を示しています。
QualcommはSnapdragon X Eliteで45 TOPSのNPU性能を掲げています。
AMDはRyzen AI 300シリーズで最大50 TOPSのAI処理性能を説明しています。
IntelはCore Ultra搭載AI PCで、AIをPC上で直接動かす文脈を示しています。
AppleはApple Intelligenceを、オンデバイス処理とPrivate Cloud Computeの組み合わせとして説明しています。

ここで確認したいのは、AIがPCへ入るかどうかではありません。

PC側で処理するAIと、データセンター側で処理するAIの役割がどう分かれるか。
その変化が、PC用SoC、NPU、DRAM、SSD、OS、アプリ、クラウド課金、データセンター需要のどこへ出るかです。

ロボットでは、上場企業を分けます。

Teslaはヒューマノイド。
Teradyneは協働ロボットとAMR。
Symboticは倉庫自動化。
FANUCと安川電機は産業用ロボット。
キーエンスはセンサーと画像処理。
NVIDIAはロボットの計算基盤とシミュレーション基盤。

最後に、中国ロボットを別枠で見ます。

中国勢は、価格、量産速度、ヒューマノイドの見せ方では強い。
しかし、米国・同盟国AIスタックに入れる対象ではありません。
工場、港湾、物流、都市、車両へ入るロボットは、現実世界データを集め、クラウドへ接続し、遠隔更新される端末です。
ここは投資テーマ以前に、安全保障上の整理が必要です。

はじめに、投資家として気になる問いから

個人投資家として、今回まず見たい仮説があります。

ここまで来ると、次に確認したいのは、AI需要がデータセンターの外側へ、どの経路で広がっていくのかです。

この仮説は、2つに分かれます。

1つ目は、AIが身体を持つ方向です。
自動運転、Robotaxi、ロボット、倉庫自動化、工場自動化、ドローン、衛星通信です。

2つ目は、AIが端末へ入る方向です。
PC、スマートフォン、ワークステーション、車両、ロボット、エッジ端末です。

前者がPhysical AIです。
後者がAI PCとオンデバイスAIです。

この2つは別々の話に見えます。
しかし、投資家としてはつながっています。

どちらも、AIの学習・推論をどこで行うかという役割分担を変えるからです。

データセンターで巨大なモデルを動かす。
PCやスマートフォンで軽量な推論を動かす。
車両やロボットでリアルタイム推論を動かす。
工場や倉庫でセンサーと制御をつなぐ。
戻ってきたデータを保存し、再学習し、モデルを更新する。

この循環ができるなら、AI需要はデータセンターの中だけでは終わりません。

ただし、この仮説をそのまま投資テーマにすると荒くなります。

「ロボットが来る」
「自動運転が来る」
「AI PCが来る」
「Physical AIが来る」

この言葉だけでは、決算は読めません。

第27回で確認したいのは、もっと具体的な問いです。

Teslaの自動運転とOptimusは、どのKPIで確認するのか。
SpaceXは、大規模GPUクラスター、AIデータセンター、通信インフラの需要源としてどう読むのか。
Waymoは、Teslaと何を比較するために見るのか。
ロボットの上場企業はどれか。
AI PCとオンデバイスAIは、データセンター需要を減らす話なのか、端末側AIを増やす話なのか。
中国ロボットは、競争相手として見るのか、米国・同盟国AIスタックに入る対象として見るのか。
センサー、計算基盤、ストレージ、光接続は、どの段階で業績に出ているのか。

第27回では、この順番で整理します。

第27回で見る企業群

今回の中心は、TeslaとSpaceXです。

実装の中心軸｜Tesla、SpaceX

Teslaは、自動運転、Robotaxi、Optimus、車両データ、車載推論、学習用のAI計算基盤、製造ラインを持つ企業です。

ただし、Teslaはまだ「ロボット売上企業」ではありません。
投資家としては、FSD、Robotaxi、Optimus、AI CapEx、R&D、Automotive gross margin、Energy、FCFを分けて見ます。

SpaceXは、より外側の需要源です。
xAI統合後の大規模GPUクラスター、AIデータセンター、Grok、Colossus、Starlink、衛星通信、地上インフラ、将来の宇宙データセンターが重なります。

単なるロケット会社ではありません。
大規模GPUクラスター、AIデータセンター、衛星通信、データ流通、安全保障インフラの複合体として読みます。

ただし、ここはTeslaのように車両粗利率やFSDで読める会社ではありません。
SpaceXは、AIインフラの次の需要源として扱います。

自動運転の比較軸｜Waymo / Alphabet

Waymoは、Alphabetの中の自動運転企業です。
単独上場企業ではありません。

それでも、第27回では必ず見ます。

理由は、自動運転の比較軸だからです。

Teslaは、量産車、カメラ、FSD、ソフトウェア更新、将来のRobotaxiネットワークで自動運転を広げます。
Waymoは、限定地域で商用ロボタクシーを運行し、安全性、走行実績、サービスエリア、週間ライド数を積み上げます。

投資家としての比較は、どちらが好きかではありません。
商用化の進み方が違うことを見ます。

Teslaは、潜在市場とスケールの大きさを見る企業。
Waymoは、実運行と安全性、エリア拡大を見る企業。

Alphabet側では、Waymo単独売上は限定的にしか見えません。
そのため、Other Betsの売上と営業損失を見ます。

AI PCとオンデバイスAI｜Microsoft、Apple、Qualcomm、AMD、Intel

AI PC と オンデバイスAIは、第27回に入れるべき論点です。

理由は、AI需要がデータセンターの外へ出る経路のうち、最も早く一般ユーザーへ届きやすいのがPCだからです。

Microsoftは、Copilot+ PC向けに、40 TOPS以上のNPUを必要とするWindows AI機能を示しています。
Qualcommは、Snapdragon X EliteのNPUで45 TOPSのAI性能を説明しています。
AMDは、Ryzen AI 300シリーズで最大50 TOPSのAI処理性能を掲げています。
Intelは、Core Ultra搭載AI PCで、AIをPC上で直接動かす文脈を示しています。
Appleは、Apple Intelligenceをオンデバイス処理とPrivate Cloud Computeの組み合わせとして説明しています。

ここで重要なのは、AI PCによってデータセンター需要が減るのか、という単純な見方では足りないということです。

軽い推論、個人データに近い処理、カメラ・音声・文書の補助、会議、画像処理、ローカル検索は端末側へ移りやすい。

一方で、大規模モデルの学習、高負荷推論、長時間のエージェント処理、企業データ連携、モデル更新、クラウド同期はデータセンター側に残りやすい。

つまり、AI PCとオンデバイスAIは、AI向け計算需要を減らす話ではありません。
需要の場所が、データセンター、PC、スマートフォン、車両、ロボット、エッジ端末へ広がる話です。

投資家としては、PC出荷台数だけでなく、NPU搭載比率、AI PC用SoC、DRAM容量、SSD容量、OS機能、アプリ利用、クラウド利用、データセンター推論需要の変化を併読します。

ロボット上場企業｜Tesla、Teradyne、Symbotic、FANUC、安川電機、キーエンス

ロボットは、見た目の派手さだけで選びません。

上場企業として確認するなら、最低限、次に分けます。

Teslaは、Optimusを持つヒューマノイド候補です。
ただし、売上ではなく量産計画と社内導入、コスト、部品供給、AI学習を見る段階です。

Teradyneは、Universal RobotsとMobile Industrial Robotsを持ちます。
協働ロボットとAMRを読む企業です。
ただし、Teradyne全体では半導体テストが大きく、ロボット事業はセグメントで分けて見ます。

Symboticは、AI-enabled robotics technology for the supply chainを掲げる倉庫自動化企業です。
売上、粗利率、Adjusted EBITDA、顧客集中、導入スケジュールを見ます。

FANUCと安川電機は、日本の産業用ロボットです。
Physical AIそのものではなく、工場自動化、産業用ロボット、サーボ、制御機器の需要として見ます。

キーエンスは、ロボット本体ではありません。
センサー、画像処理、測定、検査、FAを通じて、ロボットや工場自動化を支える側として見ます。

中国ロボット｜競争相手として見るが、米国・同盟国AIスタックには入れない

中国ロボットは無視しません。

Unitree、UBTECH、Xiaomi系、Fourier Intelligence、Agibotなどは、価格、量産速度、製品の見せ方で強い比較対象です。

ただし、第27回では別枠にします。
理由は、安全保障です。

ロボットは、ただの機械ではありません。
カメラ、マイク、センサー、地図、工場データ、物流データ、作業ログ、遠隔更新、クラウド接続を持つ端末です。

この端末が、工場、港湾、倉庫、空港、病院、都市インフラ、防衛関連施設へ入る場合、安全保障上の問題は避けられません。

そのため、中国ロボットは競争ベンチマークとして見ます。
しかし、米国・同盟国AIスタックに入る対象としては扱いません。

センサー・入力層｜Sony、キーエンス、Mobileye

AIが現実世界へ出るなら、センサーは重要です。

ただし、第27回の中心はセンサー企業ではありません。
Sonyは、画像センサー、エッジAI、IMX500、AITRIOSを持つ入力層の確認対象として短く扱います。

キーエンスは、FAセンサー、画像処理、測定、検査の側です。

Mobileyeは、車載カメラとADAS、自動運転支援の比較対象です。
ただし、ここではTeslaやWaymoの補助線として扱い、深掘りはしません。

この章では、Tesla、Waymo、ロボット、AI PCを読むための補助線として、センサー企業を確認するにとどめます。

GPU・ソフトウェア供給側｜NVIDIA

NVIDIAは、Tesla / SpaceXそのものの大規模GPUクラスターやAIデータセンターの主語ではありません。

この圏内の大規模GPUクラスターとAIデータセンターは、SpaceXに統合されたxAIとして見ます。

GPU、CUDA、Omniverse、Isaac、DRIVE、Jetson、DGX、Networkingを通じて、ロボット、自動運転、シミュレーション、エッジAIにつながります。

ただし、決算で見えている中心はData Centerです。
Physical AI単独、ロボット単独、Omniverse単独の売上としては読みません。

データ保存・通信｜キオクシア、フジクラ、住友電工、古河電工

Physical AIやAI PCが広がると、データは増えます。

車両データ。
ロボットの作業ログ。
工場映像。
監視カメラ。
PC上の個人データ。
ローカルAIのキャッシュ。
モデル更新データ。
エッジ拠点からクラウドへ戻るデータ。

ここで、SSD、NAND、光ファイバー、光配線、電力ケーブルの需要が出ます。

キオクシアは、SSDとNAND。
フジクラ、住友電工、古河電工は、光接続と電力インフラの外縁です。

ただし、足元で見えている数字は、主にデータセンター需要です。
Physical AIやAI PC専用の利益としては、まだ分解しません。

本論｜Physical AIは、TeslaとSpaceXから読む

Physical AIという言葉は便利です。

ただ、投資家の資料として使うなら、便利な言葉ほど疑っておきたい。

AIが現実世界で動くには、少なくとも5つの工程があります。

現実世界を取り込む。
取り込んだ情報を処理する。
車両やロボットを動かす。
端末側で推論する。
戻ってくるデータを保存し、クラウドやデータセンターへ運ぶ。

この5つを混ぜると、すぐに「ロボット」「自動運転」「AI PC」「スマート工場」という大きな言葉になります。

しかし、決算で見える場所はもっと細かい。

現実世界を取り込むなら、画像センサー、車載センサー、産業用カメラ。
処理するなら、GPU、NPU、エッジAI、車載推論、ローカル推論、データセンター。
動かすなら、FSD、Robotaxi、Optimus、AMR、産業用ロボット、倉庫自動化。
端末側で処理するなら、AI PC、Apple Intelligence、Copilot+ PC、NPU搭載SoC。
保存するなら、SSD、NAND、ストレージ。
運ぶなら、光接続、光デバイス、光ケーブル、衛星通信、地上局、電力インフラ。

Tesla｜自動運転とOptimusを同時に持つ、Physical AIの最重要上場企業

Teslaは、EV会社としてだけ見ると、第27回の中心にはなりません。

第27回で見るTeslaは、自動運転、Robotaxi、Optimus、車両データ、学習用のAI計算基盤、製造ラインを持つPhysical AI企業です。

Teslaの強さは、ソフトウェアだけではありません。

量産車両がある。
車両から現実世界データが戻る。
FSDをソフトウェア更新で広げられる。
Robotaxi構想がある。
Optimusがある。
工場がある。
学習用のAI計算基盤に投資している。

この組み合わせが、他のロボット企業や自動運転企業と違います。

ただし、投資家としてここを慎重に見ます。

Teslaは、まだRobotaxi売上やOptimus売上で会社を説明できる段階ではありません。
足元の決算では、Automotive、Energy、Services、gross margin、operating income、FCFが中心です。

FSDやRobotaxiは、製品採用、規制、運行地域、安全性、事故、リコール、保険、収益化の段階で確認します。
Optimusは、量産計画、社内導入、部品供給、歩留まり、コスト、販売開始時期を見ます。

TeslaをPhysical AIの中心として扱う理由は、売上がすでにRobotaxiやOptimusに出ているからではありません。
現実世界データ、ソフトウェア、車両、工場、学習用のAI計算基盤、ロボットを同じ企業内でつなげようとしているからです。

ここで追うKPIは、Automotive gross margin、FSD進捗、Robotaxi運行地域、Optimusの社内稼働、AI CapEx、R&D、Energy gross margin、FCFです。

SpaceX｜xAI統合後の大規模GPUクラスター、AIデータセンター、衛星通信をつなぐ次の需要源

SpaceX（SPCX）は、上場直後の企業として、通常の決算分析とは少し違います。

すでに市場で取引される対象ですが、TeslaやAlphabetのように、長い期間の四半期決算やセグメント開示を積み上げて読める企業とはまだ違います。
xAI統合後として見ても、継続開示の蓄積はまだ少なく、開示情報の粒度には限界があります。

それでも、第27回では外しません。

理由は、大規模GPUクラスター、AIデータセンター、通信インフラをつなぐ需要源だからです。

SpaceXは、xAI統合後の大規模GPUクラスター、AIデータセンター、Starlink、衛星通信、地上局、端末、打ち上げ能力を持ちます。
Teslaは、車両、Robotaxi、Optimus、現実世界データを持ちます。

この組み合わせが動くなら、AI需要は次の方向へ広がります。

大規模GPUクラスターとAIデータセンター。
GPU、ネットワーク、ストレージ。
電力、冷却、データセンター。
衛星通信と地上通信。
車両、ロボット、工場AI。
端末、センサー、カメラ、データ収集。

ここは、業績反映済みのロボット企業として扱いません。
AIインフラの次の需要源として監視します。

見るのは、S-1、初回決算、GPU規模、AIデータセンター計画、電力接続、ネットワーク、Starlink加入者、端末、衛星数、地上局、AIサービス収益、Teslaとの技術共有、ロボット・自動運転への接続です。

ただし、数字がないものを売上反映済みとは書きません。

SpaceXは、期待ではなく、次にKPIへ変わるかを見る対象です。

Waymo｜Teslaと比較するための自動運転実装軸

Waymoは、Teslaと比較するために見ます。

Teslaは、量産車とFSDで自動運転を広げます。
Waymoは、限定地域で商用ロボタクシーを運行し、安全性と運行実績を積み上げます。

この違いは重要です。

Teslaは、実現すればスケールが大きい。
Waymoは、すでに商用サービスの実績を積み上げている。

投資家としては、どちらを信じるかではなく、どの数字で比較するかを決めます。

Teslaでは、FSD採用、Robotaxi運行地域、車両台数、規制、事故、ソフトウェア収益化を見ます。
Waymoでは、サービスエリア、週間ライド数、走行距離、安全性データ、車両コスト、運行コスト、Alphabet Other Betsの売上と営業損失を見ます。

Waymoは、単独上場会社ではありません。
そのため、Waymoだけで投資判断を作ることはできません。

しかし、自動運転の実装度を比較する基準としては必要です。

AI PCとオンデバイスAI｜データセンター需要は消えず、端末側AIが増える

AI PCとオンデバイスAIは、Physical AIと同じ回で扱う価値があります。

AIが現実世界へ出るという話は、車やロボットだけではありません。
PCやスマートフォンにもAIが入ります。

ここで起きているのは、AIの処理場所の分散です。

これまで、多くの生成AIはクラウド側で動きました。
しかし、PCにNPUが入り、OSやアプリが端末側AIを使うようになると、軽量な推論や個人データに近い処理は端末内で動きます。

Microsoftは、Copilot+ PC向けに40 TOPS以上のNPUを必要とするWindows AI機能を示しています。
QualcommはSnapdragon X Eliteで45 TOPSのNPUを掲げています。
AMDはRyzen AI 300シリーズで最大50 TOPSのAI処理性能を説明しています。
IntelはCore Ultra搭載AI PCで、AIをPC上で直接動かす文脈を示しています。
Appleは、Apple Intelligenceをオンデバイス処理とPrivate Cloud Computeの組み合わせとして説明しています。

ここで大事なのは、AI PCがデータセンター需要を減らすかという問いです。

私の整理では、データセンター需要は単純には減りません。

理由は3つあります。

まず、大規模モデルの学習と更新は、PCでは完結しません。
次に、高負荷推論、複数ステップのエージェント処理、企業データ連携は、クラウド側の推論基盤を使いやすい。
最後に、端末側AIが増えるほど、アプリ、データ同期、モデル配布、検索、ストレージ、セキュリティ、クラウドバックアップも増えます。

つまり、AI PCとオンデバイスAIは、クラウドAIの終わりではありません。
AI需要が、端末側とクラウド側へ分かれて広がる話です。

投資家として見る企業群も変わります。

Microsoftは、WindowsとCopilot+ PCのOS側。
Appleは、Mac、iPhone、iPadとApple Intelligenceの端末側。
Qualcommは、Snapdragon X系のWindows on ArmとNPU。
AMDは、Ryzen AIとAI PC向けCPU/NPU。
Intelは、Core UltraとAI PC普及。
NVIDIAは、ワークステーション、エッジ、ロボット、データセンター側の高負荷計算。

ここで追うKPIは、PC出荷台数だけではありません。

NPU搭載比率。
AI PC向けプロセッサの採用。
Windows AI機能の利用。
Apple Intelligenceの対応端末拡大。
DRAM容量とSSD容量。
OS・アプリのAI機能。
クラウド推論の使用量。
データセンター側の推論需要。

AIがPCで動くようになるほど、ユーザーに近いAIは増えます。
しかし、それはAIインフラ需要の縮小ではなく、需要の場所が増えることとして読みます。

Teradyne｜ロボット上場企業としては外せないが、半導体テストと分ける

Teradyneは、第23回では半導体テスト企業として見ました。

第27回では、ロボット上場企業としても見ます。

Teradyneは、Universal RobotsとMobile Industrial Robotsを持ちます。
協働ロボットとAMRの需要を読む企業です。

ただし、Teradyne全体をロボット企業として読むと誤ります。

会社の中心は、依然としてSemiconductor Testです。
AI半導体テスト需要が強い一方で、Roboticsは別の需要サイクルを持ちます。

投資家としては、Robotics売上、Robotics operating profit、協働ロボット需要、AMR需要、半導体テストとのミックスを分けて見ます。

Symbotic｜ロボット売上が見える倉庫自動化企業

Symboticは、倉庫自動化の企業です。

AI-enabled robotics technology for the supply chainを掲げ、倉庫内の搬送、保管、仕分け、自動化システムを提供します。

ここは、ヒューマノイドではありません。

しかし、上場企業としてロボット売上を確認しやすい会社です。

見る数字は、売上、粗利率、Adjusted EBITDA、backlog、顧客集中、導入スケジュールです。

注意点は、顧客集中と導入タイミングです。
倉庫自動化は、導入が進むと売上は大きくなりますが、プロジェクトの遅延や顧客側の投資調整で数字がぶれやすい。

したがって、Symboticは、ロボット売上が見える企業として重要です。
ただし、Teslaのような汎用ロボット企業ではなく、倉庫自動化企業として読みます。

FANUCと安川電機｜日本の産業用ロボットは、工場自動化として見る

FANUCと安川電機は、日本の産業用ロボット企業です。

ただし、ここでも言葉を混ぜません。

FANUCや安川電機は、Optimusのようなヒューマノイド企業ではありません。
Physical AIの派手な物語としてではなく、工場自動化、産業用ロボット、サーボ、制御機器の需要として見ます。

AIが工場へ入ると、画像認識、検査、搬送、組立、異常検知、予知保全が増えます。
しかし、その需要がFANUCや安川電機の売上と利益率へ出るには、設備投資サイクル、顧客の工場投資、中国需要、自動車・電子部品需要を通ります。

したがって、見るKPIはロボット受注、FA売上、営業利益率、中国比率、受注残、設備投資サイクルです。

キーエンス｜ロボットの目と検査を支える企業

キーエンスは、ロボット本体の会社ではありません。

しかし、センサー、画像処理、測定、検査、FA機器を通じて、ロボットと工場自動化を支えます。

AIが工場へ入るほど、見て、測り、判定する工程が増えます。
このとき、センサーと検査機器は重要です。

ただし、キーエンスをAIロボット企業として読むのは粗い。
見るのは、FA投資、センサー需要、画像処理、海外売上、営業利益率です。

NVIDIA｜Physical AIを支えるGPU・ソフトウェア供給側として見る

NVIDIAは、Tesla / SpaceXの大規模GPUクラスターやAIデータセンターそのものではありません。
この圏内の大規模GPUクラスターとAIデータセンターは、SpaceXに統合されたxAIとして見ます。

NVIDIAは、GPU、CUDA、NVLink、InfiniBand、Ethernet、Omniverse、Isaac、DRIVE、Jetsonを通じて、Physical AI全体を支える供給側として確認します。
ロボット、自動運転、シミュレーション、エッジAI、AI PC向けワークステーション、データセンター推論へつながります。

しかし、直近の数字で圧倒的に見えているのはData Centerです。

FY2026の売上は215.938Bドル、Data Center売上は193.737Bドル、Data Center computeは162.361Bドル、Data Center networkingは31.376Bドル、FCFは96.575Bドルです。

FY2027 Q1では、売上81.615Bドル、Data Center売上75.246Bドルでした。
会社は、Blackwell 300製品の立ち上がり、InfiniBand、Spectrum-X Ethernet、NVLink需要を理由に挙げています。

ここまで数字は強い。
ただし、Physical AI単独、ロボット単独、Omniverse単独の売上ではありません。

SEC 10-Qでは、Edge Computingが、agentic and physical AI向けのPC、ゲーム機、ワークステーション、AI-RAN基地局、ロボット、自動車を含むと説明されています。

この開示は、第27回の方向性と合います。
しかし、数字の中心はData Centerです。

NVIDIAは、Physical AIとAI PCを支えるGPU・ソフトウェア供給側の企業。
ただし、現在の業績反映はData Centerが中心。
この距離を分けます。

中国ロボット｜強い競合だが、米国・同盟国AIスタックには入れない

中国ロボットは、競争相手として重要です。

特に、低価格ヒューマノイド、量産速度、デモの派手さ、サプライチェーンの厚みでは強い。
Unitree、UBTECH、Xiaomi系などは、無視できません。

しかし、投資家としてここを読むとき、米国・同盟国AIスタックとの関係を分けます。

米国は、AIをフルスタックで同盟国へ展開する方向を示しています。
同時に、先端AI半導体の対中輸出も安全保障管理の対象です。

ロボットは、AI半導体よりさらに現実世界に近い端末です。
カメラ、マイク、地図、工場データ、物流データ、作業ログ、遠隔更新、クラウド接続を持ちます。

このため、中国ロボットは、価格と量産力のベンチマークとして見る。
しかし、米国・同盟国側のAIスタックに採用される前提では見ない。

この整理が必要です。

キオクシア、フジクラ、住友電工、古河電工｜データ保存と光接続は、二次的な波及先

Physical AIとAI PCをセンサーや車だけで見ると、地図が途中で止まります。

車、ロボット、PC、工場、監視カメラ、店舗、都市インフラがAI化すると、画像、動画、ログ、車両データ、設備データ、異常検知データ、地図データ、学習用データ、個人端末のAIデータが増えます。

これらは、どこかに保存され、どこかへ運ばれます。

ここでキオクシアを、NANDとSSDの企業として確認します。
フジクラ、住友電工、古河電工は、光接続と電力インフラの企業として確認します。

ただし、足元で見えている数字は、主に生成AIデータセンター需要です。
Physical AIやAI PC専用の需要としては、まだ分解しません。

現在どこまで確認できるか

現時点で、Physical AIと、AI PCとオンデバイスAIには段差があります。

実装の中心として見る企業

Teslaです。

Teslaは、FSD、Robotaxi、Optimus、車両データ、学習用のAI計算基盤、製造ラインを持ちます。
ただし、RobotaxiやOptimusの売上が、すでに全社業績の中心になっているわけではありません。

確認できるのは、Automotive、Energy、gross margin、operating income、FCF、AI CapEx、R&D、FSD進捗、Robotaxi計画、Optimus量産計画です。

上場直後だが、次の需要源として見る対象

SpaceX（SPCX）です。

大規模GPUクラスター、AIデータセンター、Colossus、Grok、Starlink、衛星通信、地上局、端末、将来のAI通信・計算インフラを持ちます。

ただし、TeslaやAlphabetのように、長い期間の四半期決算やセグメント開示を積み上げて読める企業とはまだ違います。
S-1、初回決算、Starlink、xAI統合後のAIデータセンター、GPU規模、電力接続、通信インフラを確認していく対象です。

自動運転の比較軸

Waymoです。

Teslaと比較するために見ます。

Waymoは、商用ロボタクシーの運行、サービスエリア、週間ライド数、安全性データを確認できます。
ただし、Alphabetの一部であり、Waymo単独の損益は限定的にしか見えません。

AI PCとオンデバイスAIで確認できる層

Microsoft、Apple、Qualcomm、AMD、Intelです。

Microsoftでは、Copilot+ PCとWindows AI機能。
Appleでは、Apple Intelligence、オンデバイス処理、Private Cloud Compute。
Qualcommでは、Snapdragon X系のNPU性能とWindows PC採用。
AMDでは、Ryzen AIとAI PC向けCPU/NPU。
Intelでは、Core UltraとAI PC普及。

ここは、すでに製品とOS機能が出ています。
ただし、AI PC需要が各社の売上、粗利率、FCFにどこまで効くかは、今後の確認対象です。

ロボット売上が見える上場企業

TeradyneとSymboticです。

Teradyneは、協働ロボットとAMRを持ちます。
ただし、全社では半導体テストが大きく、Roboticsは分けて見る必要があります。

Symboticは、倉庫自動化の売上が見えます。
ただし、顧客集中と導入スケジュールに注意します。

工場自動化として見る企業

FANUC、安川電機、キーエンスです。

この3社は、Physical AIそのものではなく、工場自動化、産業用ロボット、センサー、画像処理、検査の側から見ます。

計算・保存・伝送の波及先

NVIDIA、キオクシア、フジクラ、住友電工、古河電工です。

NVIDIAはGPU・ソフトウェア供給側。
キオクシアは保存。
フジクラ、住友電工、古河電工は伝送と電力インフラ。

ただし、足元では、NVIDIAはData Center、キオクシアと光通信3社はデータセンター需要が中心です。

競争ベンチマークだが、採用対象としては見ない企業群

中国ロボットです。

価格、量産、製品発表のスピードは見る。
しかし、米国・同盟国AIスタックに入る前提では見ません。

決算で追うKPI

Physical AIと、AI PCとオンデバイスAIは、言葉だけで追うと広がりすぎます。

決算では、企業ごとに見る数字を絞ります。

Teslaで追う数字

Teslaでは、次を見ます。

FSD進捗。
Robotaxi運行地域。
Optimusの量産計画。
AI inference compute。
AI関連CapEx。
R&D。
Automotive gross margin。
Energy売上と利益率。
Operating income。
FCF。

Teslaは、Physical AIの中心候補です。
ただし、Robotaxi売上やOptimus売上が確認できるまでは、既存事業の利益率とキャッシュを無視しません。

SpaceX（SPCX）で追うもの

ここは、上場直後の企業として、S-1、初回決算、先行する事実をあわせて見ます。

AIデータセンター計画。
GPU規模。
電力接続。
ネットワーク。
ストレージ調達。
Starlink加入者。
衛星数。
地上局。
端末数。
Grok利用。
Tesla、ロボット、自動運転との接続。

この領域は、数字がそろってからでは遅い可能性があります。
ただし、数字がないものを業績反映済みとして扱いません。

Waymoで追う数字

Waymoでは、次を見ます。

商用サービスエリア。
週間ライド数。
走行距離。
安全性データ。
事故・規制・リコール。
車両あたりコスト。
運行コスト。
Alphabet Other Bets売上。
Alphabet Other Bets営業損失。

Waymoは、Teslaと比較するための実装指標です。

AI PCで追う数字

Microsoft、Apple、Qualcomm、AMD、Intelでは、次を見ます。

Copilot+ PC対応機種。
40 TOPS以上のNPU要件。
Snapdragon X系の採用。
Ryzen AI搭載PC。
Core Ultra搭載AI PC。
Apple Intelligence対応端末。
オンデバイス処理とPrivate Cloud Computeの役割。
PC用SoCの出荷。
NPU搭載比率。
DRAM容量。
SSD容量。
OS・アプリ側のAI機能。
クラウド推論の使用量。

AI PCは、データセンター需要を単純に減らす話ではありません。
端末側AIとクラウド側AIの分担を変える話として読みます。

ロボット上場企業で追う数字

Teradyne、Symbotic、FANUC、安川電機、キーエンスでは、次を見ます。

Robotics売上。
Robotics operating profit。
協働ロボット需要。
AMR需要。
倉庫自動化売上。
backlog。
Adjusted EBITDA。
産業用ロボット受注。
FA売上。
営業利益率。
中国比率。
センサー、画像処理、検査機器の需要。

ここでは、ヒューマノイドの映像だけで判断しません。
売上、受注、利益率、顧客集中で見ます。

NVIDIAで追う数字

NVIDIAでは、Physical AIそのものより、まずGPU・ソフトウェア供給側としての強さを見ます。

Data Center売上。
Data Center compute。
Data Center networking。
Compute & Networking売上。
FCF。
在庫。
manufacturing, supply and capacity obligations。
gross margin。
Edge Computing。
Industrial。
Enterprise。
Automotive関連売上や開示の変化。
Jetson、Isaac、DRIVE、Omniverseの採用。

NVIDIAはすでにAI需要が売上とFCFに出ています。
ただし、Physical AIやAI PCの寄与を、Data Center売上にそのまま重ねません。

中国ロボットで追うもの

中国ロボットでは、次を見ます。

価格。
量産速度。
運動性能。
部品内製化。
センサー構成。
クラウド接続。
遠隔更新。
工場・物流・都市インフラへの導入。
輸出規制。
政府調達制限。
米国・同盟国側の採用可否。

ここは、投資対象としての話だけではありません。
米国・同盟国AIスタックに入るかどうかを、安全保障の観点で見ます。

投資家目線の結論｜第27回は、Tesla、SpaceX、AI PCを中心に読む

第27回で最初に確認したいのは、AI需要がデータセンターの外へ広がる経路です。

その中心に置くのは、Tesla、SpaceX（SPCX）、Waymo、AI PC、ロボット上場企業です。

Physical AI、ロボット、自動運転、AI PCとオンデバイスAIを読むなら、最初に見るのはTeslaです。

Teslaは、FSD、Robotaxi、Optimus、車両データ、学習用のAI計算基盤、製造ラインを持ちます。
まだRobotaxi売上やOptimus売上で会社を説明できる段階ではありません。
しかし、Physical AIを上場企業で読むなら、最も重要な企業です。

SpaceX（SPCX）も外せません。

単なるロケット会社ではありません。
xAI統合後の大規模GPUクラスター、AIデータセンター、衛星通信、地上インフラ、端末、AIサービス、安全保障インフラの複合体として読みます。
ただし、上場直後であり、TeslaやAlphabetのように継続開示の蓄積を使って読める段階ではありません。
ここは、S-1、初回決算、Starlink、xAI統合後のAIデータセンター、GPU規模、電力接続、通信インフラを確認していく需要源として監視します。

Waymoは、自動運転の比較軸です。

TeslaとWaymoは、同じ自動運転でも進め方が違います。
Teslaは量産車とソフトウェアで広げる。
Waymoは限定地域で商用ロボタクシーの実績を積む。
この差を、走行実績、サービスエリア、週間ライド数、安全性、Alphabet Other Betsで見ます。

AI PCとオンデバイスAIも、第27回に入れるべき論点です。

AIがPCで動くようになれば、データセンター需要が消えるという話ではありません。
軽量な推論、個人データに近い処理、カメラ・音声・文書補助、ローカル検索は端末側へ移りやすい。
一方で、大規模モデルの学習、高負荷推論、エージェント処理、企業データ連携、モデル更新、クラウド同期はデータセンター側に残りやすい。

つまり、AI PCとオンデバイスAIは、AIインフラ需要の縮小ではありません。
需要の場所が、データセンター、PC、スマートフォン、車両、ロボット、エッジ端末へ広がる話です。

ここでは、Microsoft、Apple、Qualcomm、AMD、Intelを確認します。
見るのは、PC出荷台数だけではなく、NPU搭載比率、AI PC向けSoC、DRAM容量、SSD容量、OS機能、アプリ利用、クラウド推論の使用量です。

ロボット上場企業では、Teradyne、Symbotic、FANUC、安川電機、キーエンスを見ます。

Teradyneは協働ロボットとAMR。
Symboticは倉庫自動化。
FANUCと安川電機は産業用ロボット。
キーエンスはセンサーと画像処理。
ただし、どれもTeslaのOptimusと同じ箱では見ません。
売上、受注、利益率、顧客集中、工場自動化需要で分けます。

中国ロボットは、競争相手としては重要です。

しかし、米国・同盟国AIスタックに入る対象としては扱いません。
ロボットは、カメラ、マイク、地図、工場データ、物流データ、遠隔更新、クラウド接続を持つ端末です。
安全保障上の問題があるため、価格と技術だけでは読めません。

NVIDIAは、GPU・ソフトウェア供給側です。

Data Centerではすでに売上とFCFに出ています。
Physical AI、ロボット、AI PC、エッジAIにも広がる基盤を供給します。
ただし、Physical AI単独売上としては読みません。

最後に、キオクシア、フジクラ、住友電工、古河電工を、保存と伝送の波及先として確認します。

Physical AIとAI PCが広がるほど、データは増えます。
SSD、NAND、光接続、光デバイス、光ケーブル、電力ケーブルの需要は増える可能性があります。
ただし、足元では生成AIデータセンター需要が中心です。
Physical AI専用、AI PC専用の利益としては、まだ分解しません。

第27回で確認したいのは、この線引きです。

Physical AIは、まだ一括りの業績テーマではありません。
AI PCとオンデバイスAIも、データセンター不要論ではありません。

売上に出ているのか。
利益率に残っているのか。
製品採用にとどまるのか。
まだ構想なのか。
次の需要源として監視するだけなのか。

ここを分けないと、Physical AIもAI PCも、すぐにテーマ株探しになります。

Physical AIと、AI PCとオンデバイスAIの勝ち筋は、名前ではなく、どの工程がKPIに変わるかに出ます。

次回への接続

第19回から第27回までで、NVIDIA帝国の外縁をかなり広く見ました。

GPU。
HBM。
ASIC。
ネットワーク。
光通信。
データセンター。
電力。
冷却。
変電。
接続工事。
日本の装置、材料、基板、製造インフラ。
そして、Physical AI、自動運転、ロボット、AI PCとオンデバイスAI、センサー、ストレージ、光接続。

ここまで広げると、最後に必要なのは横断比較です。

どの層は、すでに売上とFCFに出ているのか。
どの層は、受注、RPO、Backlog、投資計画にとどまるのか。
どの層は、PPA、MOU、政策、構想、監視対象なのか。

次回は、第3部で見てきた企業群を横断し、AIインフラ投資をテーマ名ではなく、KPIの距離で並べ直します。

一次情報の扱い

本文で使う数値と会社コメントは、原則として各社の決算資料、SEC提出書類、会社発表、政府・公的機関資料に限定します。
二次情報は、論点の発見には使っても、本文で数字を示す根拠にはしません。

また、投資家向けに重要なのは「AIという言葉が資料に出たか」ではありません。
その記述が、売上、受注、出荷、営業利益率、CapEx、営業CF、FCF、顧客採用、稼働開始時期、製品搭載、走行実績のどこへ接続しているかです。

参考にした主な資料

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