AIスケーリングの「真のボトルネック」はASMLのEUV装置だ——Dylan Patelが数字で示す2030年の上限
AIへの投資が急増するなか、「どこが次のボトルネックになるか」は投資家にとって最も重要な問いの一つだ。SemiAnalysisのCEOであるDylan Patel氏がDwarkesh Patelのポッドキャストに登場し、コンピュートスケーリングの制約をサプライチェーンの数字から徹底的に分解した。電力でも土地でもなく、オランダのEUV装置メーカーASMLこそが2028〜2030年にかけての決定的なボトルネックになるという。各論点を投資家視点で整理する。
1. H100の価値はなぜ3年前より高いのか
1-1. 需給の変化が価格構造を変えた
GPUの価値は、時間が経つほど下がると思われがちだが、Dylan氏は、「H100は3年前より今の方が価値が高い」と述べた。その理由は、AIモデルの能力向上と市場の拡大にある。GPT-4を動かすH100が生み出せるトークンのTAM（潜在市場規模）は、数十億ドル程度だったが、GPT-5.4クラスのモデルが動くH100が生み出せるTAMは1,000億ドルを超えると彼は試算する。
供給が制約される中でH100の短期スポット価格は、上昇し、一部のAIラボが2〜3年契約で時間あたり2.40ドルで締結した案件もあるという。コストは時間あたり約1.40ドル（5年償却ベース）なので、そのグロスマージンは相当高い。
1-2. 長期契約を早期に締結したプレイヤーの優位
コンピュートへの早期コミットメントが大きな競争優位になるという構造も明らかにした。OpenAIは、Microsoft・CoreWeave・Oracle・SoftBank Energyなど多様なプロバイダーと積極的に長期5年契約を締結してきた一方、Anthropicはより保守的なアプローチをとっていた。
結果として2026年末時点で、OpenAIは、Anthropicより多くのコンピュートにアクセスできる状況になっている。Anthropicの2026年内の目標は、5〜6ギガワットに達することだが、そのためには、GoogleのVertex（TPU）やAmazonのBedrockを経由したコンピュートも活用しなければならず、実質的な粗利を圧迫するリスクがある。
2. 2030年のAIスケーリングを制約するのはASML
2-1. ボトルネックの歴史的変遷
AIコンピュートのボトルネックは、段階的に変化してきた。2023年は、CoWoS（先進パッケージング）、2024〜2025年は、電力・データセンターの建設、そして、2028〜2030年にかけてはいよいよ半導体の製造ツールそのものが制約になるとDylan氏は指摘する。
電力やデータセンターは、リードタイムが短く（Amazonは、8ヶ月でデータセンターを完成させた事例もある）、問題が顕在化してから対応が可能だ。しかし半導体ファブの建設には2〜3年を要し、製造ツールのサプライチェーンはさらに長い。
2-2. EUV装置1台で何ギガワット分のAIチップを作れるか
Rubin世代（Nvidiaの次期GPU）の3nmウェーハで1ギガワット分のデータセンター容量を作るには、約55,000枚の3nmウェーハが必要で、1枚のウェーハにEUVが約20回通過する。合計で約200万回のEUVパス。1台のEUV装置が1時間に約75枚を処理し稼働率90%として計算すると、1ギガワットのAIデータセンターに必要なEUV装置はわずか3.5台になる。
1台のEUV装置の価格は3〜4億ドル。対して1ギガワットのデータセンター建設コストは約500億ドルだ。EUV装置の金額的な比重は小さいが、これが生産量の上限を決める。
2-3. 2030年時点の上限試算
ASMLは、現在年間約70台のEUV装置を生産し、来年は80台、2030年には100台程度になる見通しだ。過去の累積を含めると2030年末には世界全体で約700台のEUV装置が稼働していることになる。全てをAIチップに割り当てたと仮定すると、最大で約200ギガワット分の生産能力になる。
Sam Altmanが目指す「2030年に年間52ギガワット」という目標は、この200ギガワットの約25%にあたり、現実的な数字と言える。ただし、残り75%はモバイル・PC・その他産業向けに割り当てられ、AI以外の需要も存在するため、実際の配分は競争的になる。
3. メモリクランチの深刻化——iPhoneもスマホ市場も直撃
3-1. AIがメモリ価格を押し上げる構造
大手テック企業（Amazon・Meta・Google・Microsoft）の2026年のCapExのうち約30%がメモリに向かうとDylan氏は試算する。HBM（High Bandwidth Memory）は、AIアクセラレータに不可欠だが、通常のDRAMに比べて1ウェーハあたりのビット数が3〜4分の1しか取れない。AIが膨大なHBMを必要とする結果、DRAM全体の供給が逼迫し、価格が上昇する。
3-2. スマートフォン市場への波及
Dylan氏の試算では、DRAM価格の上昇が、iPhoneのBOM（部品コスト）を150ドル以上押し上げる可能性がある。Appleは一部を長期契約でヘッジしているが、次のiPhoneリリースまでには影響が顕在化する。
より深刻なのは低〜中価格帯のスマートフォンだ。SemiAnalysisの予測では、世界のスマートフォン出荷台数は2026年中に8億台、翌年には5〜6億台に落ち込む可能性があるという。中国ではXiaomiやOppoが低〜中価格帯のスマートフォンの生産量を半分近く削減しているというデータもある。
スマートフォン需要が減ることで解放されたDRAMはAIチップへと流れる構造だが、その恩恵を受けるのはHBMの主要メーカーであるSK Hynix・Samsung・Micronだ。
4. 宇宙データセンターは「今世紀内」ではなく「今十年は無理」
、4-1. Elonの宇宙GPU構想への反論
Elon Musk氏が提唱する宇宙データセンター（太陽光を無限に使えるというメリットを主張）に対し、Dylan氏は、現時点では非現実的だと指摘する。理由の一つは、電力コストがデータセンター全体コストに占める割合が思ったほど大きくないことだ。H100の時間あたりコスト1.40ドルのうち、電力コストの割合は小さく、電力コストが2倍になっても総コストは10セント程度の増加にとどまる。
より本質的な問題は、チップが製造された瞬間から稼働させることが最も価値を生む「チップ制約の時代」に、宇宙に打ち上げる時間ロスが許容できないという点だ。地上でのデプロイだけでも6ヶ月かかるクラウドプロバイダーが存在する中、宇宙に送り出して再稼働させるプロセスはさらに長くなる。5年の耐用年数のうち6ヶ月のロスは10%に相当する。
4-2. いつ宇宙データセンターが意味を持つか
Dylan氏は、「2035年以降、チップが制約でなくなり、エネルギーと土地が制約になる時代には宇宙データセンターが意味を持つかもしれない」と述べた。ただし、今十年のトレードは地上のインフラだという立場は変わらない。
5. 中国との半導体競争——タイムラインはどう読むか
5-1. 「速いタイムライン」なら米国優勢、「遅いタイムライン」なら中国優勢
Dylan氏は、「AIの能力向上が速いタイムラインであれば米国・西側が有利、遅いタイムライン（2035年頃まで）であれば中国が有利になる可能性がある」という枠組みを提示した。理由はシンプルだ。
速いタイムラインでは、現時点で圧倒的なコンピュートを持つOpenAI・Anthropic・Googleのモデルが先にAGI相当の能力に到達し、そこから生まれる経済成長が米国のCapExをさらに拡大させる正のフィードバックループが働く。一方、遅いタイムラインでは中国が独自のDUV（露光装置）を国産化し、大規模な製造ラインを構築する時間を稼げる。
5-2. HuaweiがTSMCにアクセスできれば何が起きるか
Dylan氏はHuaweiの技術力を率直に評価した。ネットワーク機器・AIチップ・ソフトウェアスタック・AI研究者の質——これら全ての面で、もしHuaweiがTSMCの先進プロセスを使えれば、「Nvidiaを超えるAIチップメーカーになっていた可能性は十分ある」と述べた。2019年に米国がHuaweiへのTSMCアクセスを制限したことは、技術的な観点からも戦略的に大きな意味を持っていたという。
6. 投資家への示唆——サプライチェーンのどこに機会があるか
6-1. 直接的な受益者
Dylan氏の分析を踏まえると、以下の投資テーマが浮かび上がる。ASMLは、EUV装置の唯一の供給者として構造的な優位性を持ち、価格もほぼ上げていない（競合がいないにもかかわらず）。SK Hynix・Samsung・Micronは、HBMの主要プレイヤーとしてメモリ価格上昇の恩恵を受ける。GE Vernova・Bloom Energyなどエネルギーインフラ企業は、データセンター向けの電力需要増加の直接的な受益者だ。
6-2. 見落とされがちな「上流のボトルネック」投資
Dylan氏が特に強調したのは、「AGI-pillな人（AIの急速な発展を信じる人）が早期に長期契約を締結することで、後から気づいた人より大きなマージンを確保できる」という非対称性だ。エネルギー分野では、タービンの前払い予約を早期に行ったプレイヤーが超過収益を得た。同様の機会が半導体製造ツールの分野でも存在するという示唆があった。
おわりに
Dylan Patelの分析が示すのは、AIの未来は「誰が最高のモデルを作るか」だけでなく「誰が最も効率よくコンピュートを確保するか」に大きく左右されるという事実だ。電力・土地・データセンターという議論が先行する中、EUV装置という半導体製造の最上流、そしてHBMというメモリの構造的不足が、2030年に向けたAI成長の天井を事実上決定する。投資家にとっては、モデルの優劣だけでなくサプライチェーンの上流にある物理的な制約を理解することが、次の成長機会を捉える上で重要な視点となるだろう。
