AI ハードウェアサプライチェーン総まとめ：1個の GPU から1棟のデータセンターまで、世界の命脈はどの8つの関に詰まるのか？

ニュースで「某社がまた Nvidia GPU を数万個買った」と聞くたびに、グラフィックボードを一束買ってきて挿せばいいだけ、のように聞こえる。実際はそれほど単純ではない。

1個の AI チップは、まず設計され、ファウンドリへ送られてシリコンの上に刻まれ、次にメモリと特殊なパッケージングで一塊に束ねられ、続いて光ファイバーで数千個を一緒に計算するクラスタへとつなげられ、それから1ラックあたり数百キロワットの熱をどうにか運び出し、最後に怪獣のように電気を食うデータセンターへ詰め込まれる。この一連の道のりを、業界では「AI ハードウェアサプライチェーン」と呼ぶ。

このチェーンの最も面白いところは、命脈が世界に均等に分散しているのではなく、ごく少数の点に集中してかかっており、そのうち2つの要となる環がまさに台湾にあることだ。この8つの関がどこに詰まるかを理解するほうが、どの会社の株価が上がった下がったを覚えるより役に立つ。

---

30秒でチェーン全体を理解する

AI ハードウェアサプライチェーン全体を、超工場を建てることにたとえよう。まずシリコンの上に演算回路を刻み（ファウンドリ）、超高速の演算の脳とデータを収める立体的なメモリ庫を同じ基板に貼り合わせ（先進パッケージング＋HBM）、演算の怪獣グラフィックボードを組み上げる（AI チップ）。次に光速級の高速ネットワークで何千、何万枚ものボードをつなぎ（光インターコネクト）、稼働時の発熱が凄まじく従来の空冷では抑えきれないため、液冷に頼り（放熱と液冷）、最後に電気を食う巨獣のようなデータセンターに整然と収める（データセンターと電力）。そしてこの世界をまたぐ工場の一歩一歩が、大国の法のファイアウォールに注視されている（地政学と輸出規制）。

---

コアデータのスナップショット表

以下の数字はチェーン全体の「ダッシュボード」だ。先に言っておきたいのは、生産能力やシェアといった数字の多くは調査機関や経済メディアの推計値であり、会社が公式に毎月公告するものではない。だからここではできるだけ時点と性質を明記する。読むときは小数点を追うより「規模感」と「傾向」をつかむほうが実際的だ。

---

第1関 · AI チップ（GPU）

何をするのか：GPU はもともとゲームや3D グラフィックス向けに設計され、大量のシンプルなコアで並列演算を行う。この構造が、ニューラルネットワークを無数の小さな行列に分けて一緒に計算するのにちょうど向いている。たとえるなら、CPU は高等数学を精密に解く教授で、一度に一問を解く。GPU は足し算引き算しかできない千人の小学生で、人数が力になり、AI を走らせるとかえって何桁も速い。

誰が稼ぐのか：この関はほぼ Nvidia の一強だ。産業統計では、2025年に Nvidia は AI アクセラレータ市場で約8割のシェアを持ち、AI GPU というより細かい分類では約86%とまで推計される。本当の堀はチップそのものだけでなく、その上に結びついた CUDA というソフトのエコシステムにもある。みんなが書いたプログラムがそれの上で動くため、乗り換えるコストが高い。AMD の MI シリーズはシェアが1割未満と推計され、じわじわ上がっている。Google、Amazon などのクラウド大手は別の道を歩み、ASIC（特定用途向けチップ、たとえば TPU、Trainium）を自社開発して自前のクラウドでコストを下げ、差別化を図るが、世界全体のシェアは依然として Nvidia よりはるかに小さい。

台湾はこの関で：チップの設計は台湾ではないが、Nvidia のラック全体の AI システム（Vera Rubin NVL72 のような）の多くは、台湾系メーカー（Pegatron／和碩など）が量産可能な製品に仕立てて出荷する。台湾はウェハやパッケージングを作るだけでなく、ラック全体の AI サーバーの重要な組み立て拠点でもある。

短期的には、あなたが耳にする「AI サーバー」のほぼすべてが依然として Nvidia が主役で、自社開発チップはどちらかといえば長期の布石であり、今年すぐに形勢が逆転する話ではない。

---

第2関 · HBM 広帯域メモリ

何をするのか：チップがいくら速くても、データが供給されなければ空回りだ。HBM（High Bandwidth Memory、広帯域メモリ）はまさにこれを解決する。ふつうの DRAM はメモリを横に一本一本並べるが、HBM はメモリを何層も縦に積み上げ、「シリコン貫通電極（TSV）」でつなぎ、さらに超広いインターフェースで GPU につなぐ。一言で言えば、立ち上がった超広いメモリで、狙いは GPU をデータ待ちで飢えさせないことだ。

今どこに詰まっているのか：HBM は3社の寡占で、SK ハイニックス、Micron、Samsung だ。SK ハイニックスは技術もシェアも先行し（口径によりおよそ5割強を占める）、Micron は2024年末の一桁のシェアから急速に約2割まで伸び、Samsung は追う。要点は供給がとても逼迫していることだ。Micron はすでに、2026年の HBM4 の生産能力が「すべて予約で埋まった」と公言している。これは、たとえウェハやパッケージングの生産能力を増やせても、HBM が追いつかなければ、完成機は同じように出荷できないことを意味する。

注：HBM のシェアの数字は、「すべての HBM を算入」するか「最新の HBM4 だけを算入」するか、また時点の違いによってばらつく。ここでは各社の報道のレンジを取った。方向は一致しており、ハイニックスが先行、Micron が急追だ。

台湾はこの関で：台湾は HBM のウェハを生産しないが、HBM は最後に TSMC やパッケージング・テストのメーカーで積層・テストされ、台湾系サーバーメーカーへ送られて組み立てられる。HBM が不足するほど、先進パッケージングとシステム統合の価格交渉力は高まり、台湾の下流での比重はむしろ拡大する。

---

第3関 · 先進パッケージング（CoWoS）

何をするのか：GPU と HBM の間で毎秒20数 TB のデータ量を流すには、両者を「とても近く貼り合わせる」必要があり、従来の回路基板の配線ではとうてい無理だ。先進パッケージングとは、複数のチップを1枚のシリコンインターポーザに載せて密着させ、さらには直接積み重ねることだ。TSMC の CoWoS はこの種の技術の代表で、GPU と複数の HBM を一つの超大型モジュールに束ねる。こう捉えるとよい。何枚ものレゴを同じ底板に精密に貼り合わせて、一つの「大きな積み木」にする。

なぜボトルネックなのか：ハイエンド GPU はほぼすべて CoWoS や類似のパッケージングを使うため、CoWoS の月産能力が、これらのチップを年に何個出せるかを直接決める。2025〜2026年の報道はほぼ口径が一致している。Nvidia の CoWoS-L の生産能力は「完全に予約で埋まった」とされ、TSMC は一部の注文を ASE（日月光）、Amkor などのパッケージング・テストメーカーに外注して安全弁にする必要がある。

台湾はこの関で：CoWoS の主力の生産能力は台湾のいくつかのサイエンスパークの工場に集中し、新たな増産案件もその大半が台湾だ。一部を外注しても、その多くは台湾のサプライチェーンと密接につながっている（SPIL／矽品もまさに台湾の会社だ）。「GPU＋HBM のパッケージング」というこの層において、台湾は世界で唯一最も要となる地理的集中点の一つであり、ひとたび途絶えれば、ハイエンドの AI プラットフォームは短期で代替の生産能力を見つけるのがとても難しい。

---

第4関 · ファウンドリとリソグラフィ装置

何をするのか：ファウンドリとは「他者の代わりにチップを作る」ことだ。Nvidia は自分で GPU を設計するが、製造は TSMC に委ねる。プロセスノード（5ナノ、3ナノ、2ナノ）は、おおまかに「線幅」と理解できる。数字が小さいほど、同じ面積により多くのトランジスタを詰め込め、より省電力だ。いまのハイエンドの AI チップはほぼ3〜5ナノ級を使う。

どれほど集中しているか：TSMC は世界の純ファウンドリ市場で約6割4分のシェア（2024 Q3）を持ち、2位の Samsung の1割2分を大きく上回る。さらに要なのは、TSMC の7ナノ以下の先端プロセスがウェハ売上の約7割4分を稼ぎ出しており、世界のハイエンド AI チップがほぼこの最も先進的な生産ラインにかかっていることだ。

もう一つ、後ろに隠れたボトルネックが ASML だ：7ナノ以下を作るには、極端紫外線（EUV）リソグラフィ装置を使わねばならず、世界で量産級の EUV を作れるのはオランダの ASML だけで、ほぼ独占だ。1台の価格は1億8,000万から3億8,000万ユーロに上る。これは、ASML の装置の輸出に制限をかけさえすれば、下流のファウンドリがより先進的なプロセスを作れるかどうかを直接押さえられることを意味する。

台湾はこの関で：TSMC は世界で最も先進的なプロセスの最大の供給者であり、この技術と生産能力が高度に台湾に集中していることが、「台湾海峡が安定するかどうか」を世界の AI チップ供給の前提に直結させている。これこそ、国際社会が台湾海峡情勢にこれほど敏感な理由だ。

---

第5関 · 光インターコネクト

何をするのか：大規模モデルの学習時には、数千、数万個もの GPU が絶えずデータを交換する。距離が伸び、速度が上がると、従来の銅線の信号は減衰してひずむ。そこでクラスタの内部では光ファイバー伝送に切り替え、電気信号を光に変えて送り出し、受け取ってまた戻す。速度は400Gから800G、さらに1.6Tへと押し上げられる。

今どこまで来たか：800G の光モジュールは2024〜2025年の AI データセンターですでに主流で、400G より帯域が倍、1ビットあたりの消費電力も3〜4割下がる。1.6T モジュール（共パッケージ光学 CPO、シリコンフォトニクス方式を含む）は2025〜2027年に順次量産される。CPO の要は、光エンジンをチップのすぐ隣に直接パッケージングして回路の距離を大幅に縮め、相応の消費電力を節約することにあり、Nvidia の数字では、1ポートあたり約30ワットから約9ワットまで下げられる。動もすれば数万個の GPU を擁するクラスタでは、この省電力が大きく効いてくる。

台湾はこの関で：台湾には、光モジュールとスイッチを統合するネットワーク機器やサーバーシステムのメーカーが少なくなく、回路基板、機構部品、テストも供給する。ただしシリコンフォトニクスのチップそのものの主流は依然として米国、中国のメーカーが設計・生産しており、台湾はこの層では委託生産と部材寄りで、シェアの公開データは限られる。この関は技術の敷居が高いが、今のところ CoWoS のような「チェーンごと品切れ」の事態はまだ生じていない。

---

第6関 · 放熱と液冷

何をするのか：B300 GPU は1個で1400ワットを要し、1ラックに72個積めば150〜200キロワットを超えやすい。従来のエアコンとファンに頼るラックはせいぜい1ラックあたり5〜10キロワットしか支えられず、AI ラックではまるで歯が立たない。そこで液冷の登場だ。冷却液を直接チップ上のコールドプレートに送って熱を運び出す（ダイレクトチップ液冷）か、いっそサーバーまるごとを電気を通さない液体に浸す（液浸式）。

数字で感じてみよう：

台湾はこの関で：台湾は放熱部材（ファン、ヒートパイプ、コールドプレート、筐体）でもともと完成したサプライチェーンを持ち、いまでは少なからぬメーカーがコールドプレート、冷却分配ユニット（CDU）、ラック全体の液冷統合に切り込んでいる。Delta（台達電）は明確な例で、ラック級からデータセンター級まで液冷と電源のソリューションを手がけ、高密度の GPU シナリオを前面に掲げる。「サーバー＋ラック＋電源＋放熱」を一式まとめて台湾チームが輸出するのがよくある型だ。

---

第7関 · データセンターと電力

何をするのか：ラックが出来上がったら、データセンターに収め、その背後にさらに数百 MW（メガワット）級の電力をつながねばならない。大型の AI データセンター1棟の消費電力は10万世帯に匹敵し、最大級の案件はそれより高い。

お金はどこに使われるか：上位5社のクラウド事業者（Amazon、マイクロソフト、Google、Meta など）の設備投資が猛烈に伸びている。複数の機関は2026年で合計約6,000億〜6,900億ドル、前年比3割前後と推計し、この規模だけで米国 GDP の2%に迫る。この資金の大部分が GPU、データセンター、電力インフラに変わる。

電気はどこから来るのか、が新たな問題に：クラウド大手は早くから再生可能エネルギーの購入契約を大量に結んでいるが、AI の食欲が大きすぎて、原子力までもがテーブルに上げられている。NuScale、Oklo のような小型モジュール炉（SMR）の事業者が頻繁に名前を挙げられ、Amazon も X-energy と組んでワシントン州に SMR を建て、大型負荷に給電しようとしている。ただし現実的に見れば、2030年までは AI のデータセンターは主に従来の送電網に再生可能エネルギーを加えてまかなうことになり、SMR はどちらかといえば2030年以降の長期の予備だ。

ここに、ますます強調される転換点がある。AI の本当のボトルネックは「GPU の数」から「送電網と土地」へと移りつつあるのだ。 一部の地域では、送電網はもはや数百 MW 級のデータセンターをこれ以上飲み込むのが難しくなっている。1ラック200キロワットの機器を既存の送電網に詰め込むには、事業者はより省電力なチップ、より高効率な光インターコネクト、そしてより急進的な液冷に同時に賭けるしかない。

台湾はこの関で：台湾は電力構成も原子力政策も比較的センシティブで、短期的には世界で AI のデータセンターが最も集中する場所になるとは考えにくい。台湾はどちらかといえば「高効率な電源、無停電電源装置（UPS）、液冷」といった機器と技術で、世界のデータセンターの建設に参画するのであって、自らデータセンターの本拠地になるわけではない。

---

第8関 · 地政学と輸出規制

この関はサプライチェーンのなかの物理的な環というより、前の7つの関の上にかぶさる1層のルールに近い。誰がハイエンド GPU をどれだけ買えるか、誰が先端プロセスを作れるかは、大きく米国と同盟国の輸出規制によって決まる。

2026年1月からの新規制：米商務省は、一部の中位 AI チップ（Nvidia H200、AMD MI325X のような「最高規格に達していない」チップ）の中国向け審査を、もともとほぼ一律で却下する「推定却下」から、厳しい条件下での「個別審査」へと改めた。やさしく言えば、多くの条件（課税、第三者によるテスト証明、米国本土の供給を締め出してはならない、などを含む）を付けた狭い門を開いたのだ。最高規格のチップと再輸出は、その多くが依然として厳しい規制を維持している。

同盟国にも一緒に挟ませる：米議会で審議中の MATCH Act は、オランダ、日本などの同盟国に、期限内に中国向けの装置輸出制限へ追随するよう求めることを狙い、EUV やより旧式の DUV 液浸機を含み、中国が7〜14ナノで増産しようとするのもより難しくする。

台湾は第1級のパートナーに列せられる：米国の「AI ディフュージョン（拡散）」の枠組みでは、台湾は大半の EU 諸国、日本、韓国とともに第1級（Tier 1）に列せられ、その枠組みのもとで割当の上限の制限を受けない（台湾は依然として既存の輸出規制とコンプライアンスを維持する必要があり、まったくの規制免除ではない）。これは公式に、台湾の技術保護制度への「信任投票」とみなされている。

中国の置かれた状況：ハイエンド GPU と装置が制限されるなか、中国は一方でチップを自社開発し（華為（ファーウェイ）の昇騰など）、もう一方でモデルの圧縮や蒸留などの手法でコンピュートを節約する。研究は、規制は水も漏らさぬ封鎖というより「コストと遅延を引き上げる」道具に近いと指摘する。

---

どの関が最もボトルネックなのか？

8つの関を並べてみると、本当に「チェーン全体を締め上げる」のは、実は4つの環に集中しており、しかもそれらは地理的にも高度に集中している。これこそ地政学が注視するところだ。

地政学リスクの観点で見ると、台湾は先端プロセスと CoWoS という2枚の切り札を同時に握っており、ひとたび台湾海峡に異変があれば、世界の AI チップ供給はただちに大打撃を受ける。オランダの ASML は EUV の唯一の供給者で、いかなる輸出政策の変化も世界を揺るがす。中国は装置とハイエンドチップの輸入で締め上げられ、現地の代替への依存を強いられているが、短期では依然として米国＋同盟国のエコシステムに対抗するのは難しい。

---

このチェーンが教えてくれること

8つの関を見終えて、3つの判断に収斂できる。

第一に、AI のコンピュート競争は、本質的にハードウェアと生産能力の競争だ。 モデルがどれほど優れていても、チップを作れず、パッケージングできず、メモリを供給できず、電力を供給できなければ、すべてはパワポにすぎない。だから AI のトレンドを追うときは、サプライチェーンのボトルネックを見るほうが、モデルの発表会を見るより早く風向きをつかめることが多い。

第二に、ボトルネックは高度に集中し、台湾が中央に立つ。 先端プロセスと先進パッケージングという2つの最も詰まる環がともに台湾にかかっており、これは台湾の戦略的価値であると同時に、世界が最も気にする単一点のリスクでもある。これを理解して初めて、なぜチップが大国の角逐の主戦場になったのかが読み解ける。

第三に、次の天井はチップではなく、電力かもしれない。 送電網と土地がコンピュートの拡張に追いつかなくなりはじめると、給電、放熱、エネルギー効率を解決できる者が、次のラウンドの要を握る。原子力、液冷、光インターコネクトといった「セクシーでない」環こそ、これから長期で注目に値するところだ。

この記事はサプライチェーンの全体ガイドであり、このあとPenchanはそれぞれの関（CoWoS、HBM、輸出規制など）を、より深い個別記事に分けて語っていく。先に個別の会社を理解したい人は、続けて Nvidia の上流・下流の顧客とエコシステム を読んでほしい。

関連記事

• CoWoS とは？TSMC の先端パッケージングが AI チップ出荷を止める理由
• HBM とは？AI GPU の品薄が広帯域メモリで詰まる理由
• シリコンフォトニクスとは？AI データセンターが光でデータを運び始めた理由