AIラックの価値の大半は半導体――GPUだけではない“フルスタック需要”を読む

この記事を読むのにかかる時間： 7 分

2026年6月、米国半導体工業会（SIA）は「Powering AI: The Semiconductor Ecosystem at the Foundation of Data Centers」と題するレポートを公表した。同レポートは、最先端AIデータサーバーラックを仮想的に分解し、その価値の95％を半導体が占めると示した。AIデータサーバーラックとは、AIモデルの学習や推論に使うGPUサーバー、ネットワーク、メモリ、ストレージ、電源、制御系をまとめたデータセンター内の基本単位である。

AIインフラを語る際、GPUやAIアクセラレータに注目が集まりやすい。しかしSIAのレポートが示すのは、AIラックがGPUだけで構成されていないという現実である。GPU、CPU、HBM、DRAM、NAND、SSD、ネットワークチップ、電源管理IC、センサー、制御マイコンまで、多様な半導体が一つのラック内で機能している。AIサーバーは、半導体の集合体であり、AI需要はフルスタックで半導体需要を押し上げている。

この視点は、半導体従事者にとって重要である。AIブームの恩恵を受ける企業を考える際、GPUメーカーだけを見ていては不十分だ。メモリ、ストレージ、電源、ネットワーク、センサ、パッケージ、基板、冷却部材まで需要が広がる。AIラックを分解して見ることで、どの部品がボトルネックになり、どの工程に商機が生まれるかが見える。

本稿では、SIAレポートをもとに、AIラックの半導体価値を分析し、GPU以外の需要領域、日本企業への示唆を整理する。

価値の95％は半導体

SIAのレポートによれば、AIデータサーバーラックの価値の95％は半導体で構成される。この数字は、AIデータセンターが実質的に半導体資本財であることを示す。ラックの外観はサーバー筐体やケーブル、冷却装置に見える。しかし価値の中心は、内部に搭載された演算、メモリ、通信、電源制御の半導体にある。

この95％には、GPUやAIアクセラレータだけではなく、CPU、DRAM、HBM、NAND、ネットワーク用ASIC、NIC、DPU、電源管理IC、センサが含まれる。

つまり、AIラックの価値を理解するには、演算、記憶、通信、電力、制御を一体で見る必要がある。GPUだけを調達しても、HBMが足りなければ性能は出ない。ネットワークが遅ければGPUクラスタ全体の効率は落ちる。電源効率が悪ければ、同じデータセンター容量で設置できるAIサーバー数が減る。

95％という数字は、AIインフラ投資の大部分が半導体産業へ流れることを示す。これは、材料・装置・検査・パッケージ企業にとっても重要な前提である。

演算だけでは機能しない：メモリとストレージの役割

AIラックの中心にあるのは、GPUやAIアクセラレータである。しかし、これらの演算チップは単独では機能しない。大規模AIモデルでは、膨大なパラメータと中間データを高速に読み書きする必要があるため、HBMとDRAMが不可欠になる。

AI演算では、GPUの演算器へ絶えずデータを供給する必要があり、HBMの帯域と容量が性能を左右する。

DRAMは、サーバー全体の作業領域として使われる。AIサーバーでは、CPU、DPU、ストレージ処理、ネットワーク処理も動くため、DRAM容量と帯域も重要である。さらに、NANDとSSDは学習データ、モデル、推論結果、ログ、バックアップを保存する。

SIAのレポートが重要なのは、AIラックをGPU中心ではなく、メモリ・ストレージを含むシステムとして分解している点である。AIモデルが大きくなり、推論回数が増えるほど、保存するデータ量と読み書き頻度は増える。メモリとストレージは、AIラックの脇役ではなく、性能と運用コストを左右する中核部品である。

ネットワーク半導体がクラスタ性能を決める

AIデータセンターでは、複数のGPUサーバーを接続し、1つの巨大な計算資源として使う。大規模AIモデルの学習では、GPU同士が頻繁にデータを交換する。ここでネットワーク半導体が重要になる。

AIラック内外では、スイッチASIC、NIC、DPU、光トランシーバ、リタイマ、クロック、SerDesが使われる。SerDesとはSerializer/Deserializerの略で、データを高速に送受信するためにシリアル変換・復元を行う回路である。ネットワークが遅いと、GPUが通信待ちになり、クラスタ全体の利用率が下がる。

特に生成AIの学習では、GPU間通信の遅延と帯域が学習時間に直結する。推論でも、複数サーバーにまたがる処理や、長文脈モデルのデータ移動が増えると、ネットワーク性能が重要になる。AIデータセンターの性能は、個々のGPUの演算性能だけではなく、GPUクラスタ全体の通信効率で決まる。

この領域では、スイッチチップ、光通信、シリコンフォトニクス、パッケージング、コネクタ、ケーブルまで需要が広がる。

電源・センサ・制御ICがAIラックを支える

AIラックは高い電力密度を持つ。GPU、HBM、CPU、ネットワークチップが同時に動くため、ラック内の消費電力は大きい。電力を安定して供給するため、電源管理IC、DC/DCコンバータ、MOSFET、電流センサ、温度センサ、保護回路が必要になる。

DC/DCコンバータとは、直流電圧を別の直流電圧へ変換する回路である。AIサーバーでは、施設側から来た電力をラック内、基板上、チップ近傍で段階的に変換する。GPUは低電圧・大電流で動作するため、電源回路の効率と応答性が重要である。

センサも重要である。温度、電流、電圧、湿度、振動、冷却液の流量を監視し、異常を早期に検出する。AIラックでは熱密度が高く、冷却が不十分だと性能低下や故障につながる。液冷システムが普及するほど、漏液検知や流量制御、ポンプ制御にも半導体が使われる。

このように、AIラックの半導体価値は、演算チップだけではない。電力と熱を管理する半導体がなければ、GPUは安定して動かない。AIインフラの拡大は、アナログ、パワー、センサ、制御ICにも需要を広げる。

日本企業への示唆：AIラックを半導体と材料の集合体として見る必要性

日本企業にとって、SIAの95％という数字は重要である。AIラックを部品表として見れば、GPU以外にも多くの接点が見える。HBM向け材料、NAND製造装置、SSD基板、電源IC、パワー半導体、光通信部品、放熱材料、センサ、検査装置、パッケージ基板など、日本企業が得意とする領域が並ぶ。

これまでAI半導体というと、NVIDIA（エヌビディア）、TSMC、といったHBM大手が対象にされがちだった。しかし、ラック単位で見ると、需要は広い。たとえば、液冷が広がれば、冷却部材、ポンプ、センサ、漏液検知、耐腐食材料が必要になる。電力密度が上がれば、低損失のパワー半導体、コンデンサ、磁性部品、基板が重要になる。ネットワークが高速化すれば、光部品、SerDes、検査装置が重要になる。

日本企業は、AIラックを「GPUが入った箱」としてではなく、半導体と材料の集合体として見る必要がある。自社製品がAIラックのどの層に入るのかを定義できれば、AI需要を具体的な営業テーマに落とし込める。

AIラックは半導体需要の地図である

AIラックは、GPUだけではない。CPU、HBM、DRAM、NAND、SSD、ネットワークチップ、電源管理IC、センサ、制御マイコンが一体となって動く半導体システムである。

半導体従事者が見るべきポイントは、AI需要を単一部品ではなく、ラック全体で分解することだ。演算、記憶、通信、電力、熱、制御の各層にボトルネックがあり、その解決が新しい商機になる。GPU不足が解消しても、HBM、ネットワーク、電源、冷却のどこかが詰まれば、AIデータセンターの拡張は止まる。

日本企業にとって、AIラックは需要の地図である。材料、装置、検査、基板、光部品、電源、センサ、放熱技術を、AIインフラの中で再定義することが次の成長につながる。

用語解説

AIデータサーバーラック

AIモデルの学習や推論に使うサーバー群をラック単位でまとめたもの。GPU、CPU、メモリ、ストレージ、ネットワーク、電源、冷却系を含む。

DPU

Data Processing Unitの略。ネットワーク、ストレージ、セキュリティ処理をCPUから切り離して処理する半導体。AIデータセンターの効率化に使われる。

SerDes

Serializer/Deserializerの略。並列データを高速シリアル信号に変換し、受信側で復元する回路。高速通信チップや光通信で重要になる。

DC/DCコンバータ

直流電圧を別の直流電圧へ変換する回路。AIサーバーでは、GPUやメモリが使う低電圧へ効率よく変換する。

シリコンフォトニクス

シリコン基板上に光通信機能を集積する技術。AIデータセンターの高速・低消費電力通信で注目される。

＊この記事は以下のサイトを参考に執筆しました。

参考リンク

• New Report Finds Semiconductors Account for 95% of an AI Data Server Rack’s Value
• Powering AI: The Semiconductor Ecosystem at the Foundation of Data Centers
• Toward Next-Generation AI Data Centers: Power Delivery Architecture Shifts, Emerging Technologies, and Challenges
• Micron Technology, Inc. Reports Record Results for the Third Quarter of Fiscal 2026