見出し画像

AIインフラのボトルネックは、どう移動するのか｜AIインフラの地図を読む 第14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、第7回から第13回で見てきたAIインフラの物理レイヤーを、個別企業を見るための確認順に並べ直します。

ポイントは、AI需要そのものではなく、その需要がどの制約に姿を変え、どの企業の受注、売上、利益、FCFに届いているかを見ることです。

最後まで読むと、第3部で個別企業を読むときに、どの数字から確認すればよいかが整理できます。

前回は、AIクラスターを支える光通信とAIネットワークを見ました。

第2部では、データセンター、電力、送電網、変圧器、冷却、HBM、先端パッケージ、製造装置、材料、電源、光通信、AIネットワークを順に見てきました。

これだけ並ぶと、テーマが多すぎるように見えます。

けれど、投資家として見るべきことは一つです。

AI需要が、いまどの制約に姿を変えているか。

GPUが足りないのか。
データセンター容量が足りないのか。
電力接続が足りないのか。
HBMや先端パッケージが足りないのか。
冷却やネットワークが詰まり始めているのか。

第14回では、第2部で見てきた物理レイヤーを一度並べ直します。
目的は、技術用語を増やすことではありません。
第3部で個別企業を見る前に、企業を読み分けるための地図を整えることです。

投資家が第2部で使う数値は、銘柄を評価するための数字ではありません。
AIインフラの物理レイヤーを立体的に見るための数字です。

この地図は、現実の数字と結びつけて読みます。

  • 米国データセンター電力消費は2023年に176TWh、2028年には325〜580TWhの見通し

  • 北米の夏ピーク需要は今後10年で224GW増える見通し

  • HBM需要は2024年に約200%増え、2025年もさらに倍増する見通し

  • 半導体製造装置は、2025年に1,351億ドル、2027年に1,560億ドルの市場見通し

  • AIネットワークでは、800Gや1.6T級の高速接続が必要帯域と消費電力を見る手掛かりになる

数字で見ると、AIインフラは一つのテーマではなく、電力、半導体、装置、材料、通信にまたがる投資の連鎖として見えます。
第3部に入ってから、この物理レイヤーを企業ごとの売上、受注、受注残、粗利率、FCFへ接続します。

ボトルネックは、一つの場所にとどまりません

AIインフラを見るとき、最初に目立つのはGPUです。

AIモデルを動かすには計算資源が必要です。
計算資源を増やすには、GPUやAIアクセラレータが必要になります。

しかし、GPUが増えれば終わりではありません。

GPUを置くデータセンターが必要になります。
データセンターを動かす電力が必要になります。
電力を届ける送電網や変圧器が必要になります。
熱を逃がす冷却設備が必要になります。
GPUの周辺には、HBM、先端パッケージ、基板、検査が必要になります。
さらに、GPU同士やデータセンター同士をつなぐネットワークも必要になります。

つまり、AI需要は一つの場所にとどまりません。

ある制約が解けると、次の制約が前に出ます。

  • GPUが足りない

  • HBMが足りない

  • 先端パッケージが足りない

  • データセンター容量が足りない

  • 電力接続が足りない

  • 変圧器や電線が足りない

  • 冷却能力が足りない

  • ネットワークや光部品が足りない

この移動を見ないと、AIインフラ投資は銘柄名の羅列になります。

投資家として見るのは、銘柄名ではありません。
AI需要が、どの物理レイヤーの制約に変わっているかです。

まず、計算需要はGPUとクラウド投資に出ます

最初の入口は、計算資源です。

AI需要が強くなると、GPU、AIアクセラレータ、サーバー、ラック、クラウド設備が必要になります。

ここでは、需要は比較的分かりやすい形で見えます。
GPU企業なら、データセンター売上やAI関連売上に出ます。
クラウド企業なら、まずCapEx、リース、データセンター投資に出ます。

ただし、同じAI需要でも、数字への出方は違います。

GPU企業は売上に近い。
クラウド企業は、売上より先に設備投資と減価償却が増えます。
データセンター事業者は、リース契約、事前契約、稼働率、電力確保で見ます。

だから、計算需要を見るときは、単に「AI需要が強い」で終わらせません。

  • GPU企業では、データセンター売上、粗利率、世代交代を見る

  • クラウド企業では、CapEx、減価償却、FCF、ROICを見る

  • データセンター企業では、契約済み容量、稼働率、電力確保を見る

ただし、物理インフラ需要が強いことと、ハイパースケーラーの投資採算が良いことは同じではありません。

クラウド企業では、AI向けCapExが先に出ます。
減価償却、リース債務、電力コストも増えます。
その投資が、クラウド売上、AI関連売上、営業利益、FCF、ROICにどう返ってくるかを確認しなければなりません。

AIインフラ投資を見るときは、供給網側の受注だけでなく、需要側の回収力も見る必要があります。

この段階で、すでに企業ごとの見方は分かれます。

次に、電力・冷却・接続が稼働時期を左右します

計算資源を増やすには、置く場所が必要です。

データセンターには、土地、建屋、サーバー、冷却、電源設備、ネットワーク、長期契約が必要です。
しかし、その中でもAI向けで特に効くのが電力です。

データセンターは、建てれば動くわけではありません。
必要な場所へ、必要な量の電力を、必要な時期に届ける必要があります。

ここで見る企業群は広がります。

発電会社。
送配電会社。
変圧器や開閉装置を作る大型電力設備メーカー。
電力ケーブルを供給する企業。
接続工事を担う企業。
データセンター内の電源・冷却設備を担う企業。

同じ電力需要でも、業績への距離は違います。

半導体側では、GPUの外側に制約が広がります

AI半導体でも、GPUだけを見れば足りるわけではありません。

GPUの近くでデータを高速に動かすHBMが必要です。
GPUとHBMを高密度につなぐ先端パッケージが必要です。
大きく複雑なチップを支える基板が必要です。
最後に、実装と検査で良品として出せるかも重要になります。

ここでの見方は、かなり投資家向きです。

見るべきなのは、技術名ではありません。
その技術が、どの企業の売上、受注、粗利率、設備投資に近いかです。

  • HBMなら、売上比率、供給契約、粗利率、メモリ市況を見る

  • ファウンドリなら、先端ノード、HPC比率、先端パッケージ容量を見る

  • 基板なら、高性能品比率、増産投資、顧客構成を見る

  • 検査なら、AIチップ向け需要、システムレベルテスト、受注を見る

ここで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。
ただし、基板、精密加工、検査、材料、製造装置では、AI半導体を作る工程に関わります。

第3部では、日本企業を「AIの主役」として無理に持ち上げません。
AI半導体を作る工程のどこで効いているかとして見ます。

装置と材料は、供給能力を増やす工程で効きます

GPUやHBMの需要が強くても、作る能力が増えなければ供給は増えません。

ここで製造装置と材料が出てきます。

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。

これらを細かく覚えることが目的ではありません。
投資家として必要なのは、その企業がどの工程に近いかです。

装置企業を見るときは、受注総額だけでは足りません。
AI向け先端投資に近いのか、半導体全体の設備投資に広く連動するのか、中国向け比率が高いのかを見る必要があります。

材料企業を見るときも同じです。
材料名だけでは足りません。
顧客認定、数量、価格、消耗品需要、半導体サイクルの影響を見ます。

第3部で装置・材料企業を見るときは、次の問いに戻します。

その企業は、AI半導体を作る工程のどこにいて、需要がどの数字に届いているのか。

最後に、ネットワークと光接続が制約になります

AIクラスターが大きくなるほど、ネットワークも制約になります。

GPUを増やす。
サーバーを増やす。
ラックを増やす。
データセンターを増やす。

そうすると、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出ます。

ここで、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、ケーブルが地図に入ります。

見るべきなのは、通信技術の名前ではありません。
接続需要が、どの企業の売上、受注、粗利率に届いているかです。

  • ネットワーク機器は、AIクラスター向け売上やクラウド顧客需要を見る

  • 通信半導体は、AI networking、カスタムシリコン、光接続への露出を見る

  • 光部品は、高速品比率、粗利率、顧客集中を見る

  • ファイバーやケーブルは、データセンター内接続、データセンター間接続、電力線との違いを見る

ここでも、日本企業は出てきます。
ただし、光ファイバーだから全部AI関連、電線だから全部データセンター関連、という見方は粗い。

どの接続レイヤーにいるのか。
AI向け高付加価値品に近いのか。
汎用品市況に左右されやすいのか。

そこを分けて見ます。

AI需要は、どこで企業の数字に変わるのか

AIインフラの需要は、一つの業種にまっすぐ届くわけではありません。
需要の流れごとに、制約も、見るべき数字も変わります。

個別企業を見るときは、AI関連かどうかではなく、業績化の段階で見ます。

  1. 物語・テーマ

  2. 計画・必要容量

  3. 契約・PPA・プリリース

  4. 受注・受注残・納期

  5. 売上・稼働率

  6. 粗利率・営業利益

  7. FCF・ROIC

同じAIインフラ関連でも、どの段階まで進んでいるかで、投資家としての見方は変わります。

もう一つ重要なのは、業績に出る時間差です。

GPUやAIアクセラレータは、出荷されれば比較的早く売上に表れます。
一方、データセンターは、契約済み容量があっても、建設、電力接続、冷却、顧客利用開始を経てから売上に変わります。
送電網、変圧器、電源開発は、さらに時間がかかります。
SMRや新設原発は、契約や発表があっても、商用稼働までは長い距離があります。

だから第3部では、企業を同じ時間軸で比べません。
その企業の数字が、今すぐ売上に近いのか、受注残に近いのか、数年先の設備投資テーマなのかを分けて見ます。

1. 計算資源が必要になる

主な制約は、GPU、AIアクセラレータ、サーバー、ラックです。
企業を見るときは、データセンター売上、AI関連売上、粗利率、次世代製品への移行を確認します。

2. データセンターが必要になる

主な制約は、土地、電力契約、建屋、冷却、ネットワーク、リースです。
企業を見るときは、CapEx、リース契約、事前契約、AFFO、電力確保を確認します。

3. 電力を届ける必要がある

主な制約は、発電、送電網、変圧器、受変電設備、電力ケーブル、冷却です。
企業を見るときは、受注、受注残、納期、設備投資、長期契約、マージンを確認します。

4. AI半導体を作る必要がある

主な制約は、HBM、先端パッケージ、基板、製造装置、材料、検査です。
企業を見るときは、HBM売上、先端パッケージ能力、WFE、受注、顧客認定、歩留まり、粗利率を確認します。

5. GPU同士をつなぐ必要がある

主な制約は、AIネットワーク、通信半導体、光トランシーバー、光ファイバー、ケーブルです。
企業を見るときは、AIデータ通信売上、高速品比率、顧客集中、在庫調整、次世代品への移行を確認します。

第3部へ渡す、レイヤー別の確認企業と数字

ここから先は、第3部で企業を見るための橋渡しです。
第3部では、企業を同じ物差しで見ません。
GPU企業、クラウド企業、装置企業、電力企業では、見る数字が違うからです。

GPU・AIアクセラレータ

見る企業は、NVIDIA、AMD、Broadcomです。
見る数字は、データセンター売上、AI関連売上、粗利率、次世代製品への移行、顧客集中です。

クラウド

見る企業は、Microsoft、Amazon、Google、Meta、Oracle、CoreWeaveです。
見る数字は、クラウド成長率、AI関連売上、CapEx、減価償却、FCF、ROICです。

データセンター・電力・冷却

見る企業は、Equinix、Digital Realty、Dominion Energy、Entergy、Southern Company、Constellation Energy、GE Vernova、Eaton、Vertiv、Quanta Services、Powell Industriesです。
見る数字は、リース契約、事前契約、稼働率、電力確保、受注、受注残、納期、マージンです。

HBM・先端パッケージ

見る企業は、Micron、SK hynix、Samsung Electronics、TSMC、イビデン、アドバンテスト、ディスコです。
見る数字は、HBM売上、DRAM価格、NAND価格、供給契約、在庫、先端パッケージ能力、粗利率、CapEx、FCFです。

製造装置・材料

見る企業は、東京エレクトロン、SCREEN、レーザーテック、テクセンドフォトマスク、信越化学、東京応化、レゾナック、SUMCOです。
見る数字は、WFE見通し、受注、中国売上比率、顧客認定、数量、価格、消耗品需要です。

光通信・AIネットワーク

見る企業は、Arista Networks、NVIDIA Networking、Cisco、Broadcom、Marvell、Coherent、Lumentum、Corning、フジクラ、古河電気工業、住友電気工業です。
見る数字は、AIデータ通信売上、800G・1.6Tなどの高速品比率、粗利率、顧客集中、在庫調整です。

第3部では、企業を読み分けます

第2部では、AIインフラのボトルネックがどこへ移動するのかを見てきました。
第3部では、この地図を使って、個別企業を読み分けます。

ここから先は、銘柄名が増えます。
ただし、銘柄名を並べるだけでは意味がありません。

確認するのは、次の順番です。

  1. その企業は、AIインフラ地図のどのレイヤーにいるのか

  2. AI需要は、どの経路でその企業に届くのか

  3. その需要は、物語、契約、受注、売上、利益率・FCFのどこまで進んでいるのか

まとめ｜AIインフラの地図は、移動する制約として読む

第2部で見てきたことを整理すると、AIインフラには次の特徴があります。

  • AI需要は、計算資源への需要として始まる

  • 計算資源は、データセンター、電力、冷却、ネットワークを必要とする

  • 半導体側では、GPUの外側にHBM、先端パッケージ、基板、実装、検査の制約が広がる

  • 生産能力を増やすには、製造装置、材料、検査、計測が必要になる

  • 電力側では、発電、送電、変圧器、冷却、蓄電池、長期契約が重要になる

  • 接続側では、ネットワーク機器、通信半導体、光通信、ファイバー、ケーブルが重要になる

  • どの制約が前に出るかは、時間とともに変わる

  • 企業を見るときは、どのボトルネックにいて、業績へどれくらい近いかを見る

第6回で立てた問いは、AI関連銘柄を探すことではありませんでした。

その企業がAIインフラ地図のどこにいて、需要がどの経路を通り、受注・売上・利益・FCFのどこまで進んでいるかを見ることでした。

第2部で見てきたデータセンター、電力、冷却、HBM、先端パッケージ、装置、材料、電源、光通信、AIネットワークは、その問いに答えるための物理レイヤーです。

つまり、AIインフラの地図を読むとは、AI需要が今どのボトルネックに姿を変えているかを見ることです。

そして、そのボトルネックが、どの企業の受注・売上・利益に届いているかを確認することです。

第2部では、ここまでを地図として整理しました。

さらに第3部では、物理レイヤーだけでなく、政策面も重ねて見ます。

同じAI半導体、同じ装置、同じデータセンター関連企業でも、米国・同盟国AIスタックに組み込まれる側なのか、中国向け規制、輸出管理、顧客遮断、台湾集中リスクを受ける側なのかで、評価は変わります。

次に必要になるのは、この地図に企業を重ねて読むことです。

米国企業は、GPU、クラウド、データセンター、電力インフラ、ネットワークでどこにいるのか。
日本企業は、装置、材料、基板、検査、電線、製造インフラでどこにいるのか。
台湾、韓国、欧州企業は、AIインフラのどのレイヤーにいるのか。

国別ではなく、AIインフラのレイヤー別に企業を読み分けていきます。

次回はまず、米国企業と日本企業の違いを入口に、AIインフラ企業をどう読み分けるかを整理します。

第3部の問いは、ここから始まります。

AIインフラの地図で、個別企業をどう読み分ければよいのでしょうか。

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