AI光学ネットワークとは？ゴールドマン・サックスが2028年までに1540億ドルの市場を見込む理由
AIのブームの大部分において、投資家たちは一つの質問に注目してきました：テクノロジー企業はどれだけ多くのGPUを導入できるか。しかし、AIクラスターがより巨大で強力になるにつれ、インフラ競争の中心に移ってきた別のボトルネックがあります——それらのプロセッサがどれだけ速く互いに通信できるか。
そのシフトにより、光学ネットワーキングがSpotlightの注目を集めています。ゴールドマン・サックス・リサーチは、光学ネットワーキングをAIインフラにおける「次の大規模トレンド」と位置づけ、ラックあたりの計算能力の向上とAIインフラの広範な導入により、合計潜在市場が約9倍拡大し、機会が1,540億ドルに達すると推定しました。
この仮説は、AIインフラ全体の変化を反映している。より高速なアクセラレーターはより多くのデータを生成し、大規模なクラスターではプロセッサ間通信が増加し、従来の電気接続は効率的にスケールするのが難しくなっている。したがって、ファイバーオプティクス、シリコンフォトニクス、コパッケージドオプティクスは、次世代のAIインフラにおいて、GPUやメモリ、電力システムが初期段階で果たしたのと同様に重要になる可能性がある。
AI光ネットワークとは、プロセッサ、サーバ、スイッチ、ラック、データセンタークラスタ間でデータを伝送するために、光ベースの通信技術を使用することを指します。銅線を通る電気信号に完全に依存するのではなく、光システムはデータを光に変換し、ファイバーを介して伝送します。
その役割を理解する最も簡単な方法は、AIデータセンターを工場と考えることです。GPUその他のアクセラレーターが作業を実行する機械であり、ネットワークがそれらを結ぶ輸送システムです。非常に高性能な機械が満載された工場でも、材料が機械間で十分な速さで移動できない場合、パフォーマンスは劣化します。AIにも同じ原則が適用されます。プロセッサは、大規模モデルのトレーニングやサービス提供中に、モデルパラメータ、アクティベーション、勾配その他のデータを継続的に交換しなければなりません。
これにより、ネットワークは周辺的なコンポーネントではなく、効果的なコンピューティングシステムの一部となります。ゴールドマン・サックスは、ネットワークが低遅延で複数のプロセッサを連携させることで、個々のAIチップのコンピューティング能力を引き出すと主張しています。AIクラスターが拡大するにつれ、計算生成に費やされる金額と同様に、データ移動に費やされる金額も増加します。
従来のエンタープライズコンピューティングでは、ワークロードがサーバー間で比較的独立して動作することが多いです。しかし、大規模AIモデルは異なります。トレーニングにはしばしば数千のアクセラレーターが計算を調整し、大量の情報を交換し、同期を保つ必要があります。通信に遅延が生じると、高価なプロセッサが計算ではなく待機に時間を費やしてしまうことになります。
AIシステムがスケールするにつれて、この課題はさらに深刻になる。数百のGPUを含むクラスターには一つのネットワーク容量が必要だが、数万、あるいは最終的には数十万のGPUを含むシステムは、本質的に異なる接続の課題を生む。NVIDIAは、最新のSpectrumアーキテクチャが極大規模なGPUデプロイメントを接続するように設計されていることから、ネットワーキングをギガスケールAI工場における計算能力の重要な乗数と位置づけている。
結果として、AIに対するチップ中心の視点からシステム全体の視点への移行が生じました。より高速なGPUは依然として重要ですが、その経済的価値は、メモリ、電力、冷却、ネットワークがGPUを十分に活用できるかどうかにますます依存しています。計算密度が高まるにつれて、不十分なネットワークのコストも上昇します。これは、ますます高価なプロセッサが十分に活用されていないためです。
銅は長年にわたりデータセンター内で不可欠でした。銅は安価で、理解が深く、短距離では非常に効果的です。多くの接続において、銅は今後も経済的な選択肢であり続けます。しかし、帯域幅と距離が増すにつれて、電気信号をより高速で伝送することはますます困難になっています。
より高いデータレートでは、電気リンクが信号損失、電力制約、熱制約に直面します。エンジニアはリタイマー、デジタル信号処理、改善されたケーブル設計で補うことができますが、これらの解決策もエネルギーを消費します。光通信は、より長い距離でより高い帯域幅を、より低い信号劣化で伝送でき、AIネットワークがより大規模で高速になるにつれて、その魅力が高まっています。ゴールドマン・サックス・アセット・マネジメントは7月に、速度と相互接続性の要件が高まるにつれて、データセンターが伝送リンクを銅から光ファイバーへと移行すると指摘しました。
これは、ファイバーがAIデータセンター全体で銅を完全に排除することを意味するわけではありません。より現実的な移行は段階的であり、銅は多くの短距離接続で競争力を維持し、帯域幅要件が電気伝送をますます困難にすることで、光学機器はスイッチやプロセッサに近づいていきます。したがって、重要な変数は銅が消えるかどうかではなく、新しい世代のAIインフラストラクチャのうち、どの程度の光学コンテンツが必要になるかです。
光学的な機会を理解するには、スケールアップとスケールアウトのネットワーキングを区別することも必要です。スケールアップは、アクセラレーターを十分に密接に接続し、それらが単一のコンピューティングシステムのように振る舞えるようにします。これらの接続は、GPUがワークロード中に継続的に情報を交換する必要があるため、極めて高い帯域幅と非常に低いレイテンシーを優先します。
スケールアウトネットワークは、より大規模なサーバー、ラック、またはコンピューティングドメインを接続し、全体のAIクラスターの拡張を可能にします。光通信は、これまでこれらの長距離リンクでより確立されてきました。大きな変化は、プロセッサの密度と帯域幅の要件が高まるにつれて、光学技術がスケールアップ環境の内部へと移り始めていることです。
この違いは、潜在的な市場がデータセンターの数だけではなく、はるかに速く拡大する理由を説明します。ゴールドマン・サックスの分析は、スケールアップとスケールアウトの両方の機会、および銅ケーブル、プラガブル光学モジュール、コパッケージド光学素子その他のインターコネクト部品の構成変化を検討しています。つまり、AIは単により多くのネットワークを構築しているのではなく、各コンピューティングシステム内に必要なネットワークの数量と高度さを高めているのです。
コパッケージドオプティクス（通常CPOと略される）は、現在のAIネットワーキング議論の背後にある最も重要な技術の一つです。従来のアーキテクチャでは、スイッチングチップが回路基板上で電気的に通信し、その後信号がプラガブルな光トランシーバに到達して光に変換され、ファイバーを通じて送信されます。
CPOは、光学エンジンをスイッチングシリコンに非常に近づけ、システムの端部にすべての光変換を配置するのではなく、光学素子をチップパッケージと統合します。より短い電気的経路により、信号損失や電力消費を削減し、より高い帯域幅密度を実現できます。これは、ネットワーク速度が向上し、データ移動にかかるエネルギー成本がますます重要になる中で特に価値があります。
CPOはすでに実験室の枠を超えています。Broadcomは3月、コパッケージド光学を搭載した102.4テラビット/秒のイーサネットスイッチ、1レーンあたり400Gの光DSP技術、その他の高速接続製品を含むAIインフラストラクチャポートフォリオを発表しました。NVIDIAもCPOをSpectrum-Xイーサネットフォトニクスプラットフォームに取り入れ、この技術を長期的な研究概念ではなく、商業用AIアーキテクチャの一部として実用化しています。
ゴールドマン・サックスの光ネットワークに関する提言における主要な数値は、潜在的な1540億ドルの総アドレス可能市場である。同行は、AIインフラの成長とラックあたりの計算能力の向上により、さまざまなネットワーク構成における機会が約9倍に拡大すると推定している。その分析には、スケールアップおよびスケールアウトシステム、銅ケーブル、プラガブル光モジュール、CPO、PCBミッドプレーンが含まれる。
重要な点は、予測が二つの要因によって同時に駆動されていることです。第一に、AI業界はより多くのコンピューティングインフラを導入しています。第二に、新しい世代のインフラは、単位あたりのコンピューティングに対してより多くのネットワーキングコンテンツを必要とする可能性があります。GPUを増やすことで追加のリンクが生じ、各リンクの帯域幅を拡大すると、それらを接続するために必要なネットワーキング機器の価値が上昇します。
これは潜在的な乗数効果を生み出します。AIネットワーキングの収益は、データセンターの構築が増えることだけによって成長する必要はありません。各ラック、スーパーノード、またはクラスターにより高価な接続が含まれることで、収益は拡大する可能性があります。したがって、1540億ドルという数字は、今後のシステムアーキテクチャと採用の前提に基づく推定値であり、保証された収益ではありませんが、AIインフラへの支出がアクセラレーターそのもの以上の範囲に広がる可能性を示しています。
NVIDIAのVera Rubinプラットフォームは、光学ネットワーキングが戦略的に重要になりつつあることを示す最も明確な兆候の一つです。2026年5月、NVIDIAはVera Rubinが本格生産に移行したことを発表し、CPOベースのネットワーキングシステムであるSpectrum-X Ethernet Photonicsを導入しました。これは、今後の百万GPU級AIファクトリーを支えることを目的としています。
NVIDIAによると、Spectrum-X Ethernet Photonicsは、従来のトランシーバーを使用するネットワークと比較して、電力効率が5倍向上し、アプリケーションの稼働時間や導入速度も改善されます。これらの数値はNVIDIA自身の製品比較に基づいていますが、ネットワークの電力消費が重要な設計課題となっている理由を示しています。データ移動に消費される1ワットは、AI計算を実行するプロセッサに利用できない1ワットです。
その意義は1つの製品世代を超えて広がっています。主要なAIアクセラレーター供給者がフォトニクスネットワーキングをプラットフォームのロードマップに統合すると、光学技術は将来のコンピューティングを囲むシステムアーキテクチャの一部となります。これは、個々のネットワーキング技術が引き続き進化し続けても、接続性がAIインフラへの支出におけるより大きな割合を占める可能性があるという主張を強化します。
CPOには魅力的な利点がありますが、これにより従来のプラグイン型光モジュールが消えるわけではありません。プラグイン型トランシーバーの大きな運用上の利点は、モジュール性です。データセンター運用者は、スイッチとは独立してそれらを交換、アップグレード、または保守できます。また、成熟したグローバルサプライチェーンがすでにこのアーキテクチャをサポートしています。
CPOは、このモジュール性の一部をより密接な統合と交換しています。光学部品をスイッチングシリコンに近づけることで、電力効率や帯域幅密度を向上させることができますが、パッケージング、熱管理、製造歩留まり、保守性はより複雑になります。これらのトレードオフにより、最適な解決策は距離、帯域幅要件、システムアーキテクチャ、およびダウンタイムのコストによって異なります。
したがって、将来の見通しはCPOとプラグイン型の単純な対立よりもはるかに複雑である。急速に拡大するAIネットワーキング市場は、ネットワークの異なる部分で両方の技術を支える可能性がある。CPOが最高帯域環境でのシェアを拡大したとしても、光リンクの総数が十分に速く増加すれば、プラグイン型光学素子に対する全体的な需要は引き続き上昇し続けるだろう。
光学ネットワークは複数の層からなるサプライチェーンであるため、GPUメーカーを超えて潜在的な機会は広がっています。コンピューティングシステムが需要を生み出し、ネットワーキングチップがトラフィックをルーティングし、光学部品が電気信号を光に変換し、ファイバーがその信号を伝送し、ネットワーキング機器がこれらの要素を統合します。
| セグメント | AIネットワーキングにおける役割 | 例 |
| AIコンピューティングシステム | 高速接続の需要を創出する | NVIDIA |
| スイッチングおよびネットワークシリコン | AIクラスタ間でトラフィックをルーティングする | Broadcom、NVIDIA |
| 光学部品 | レーザー、トランシーバーおよび関連コンポーネント | Coherent、Lumentum |
| ファイバーインフラストラクチャー | 光信号を伝送します | コーニング |
| ネットワーキングシステム | 高速光ネットワークを構築 | Ciena |
したがって、より広範な投資理論は、AIの資本支出が広がっていく可能性があるということです。最初の波はコンピューティングを販売する企業に不均等に利益をもたらしました。その後の波は、メモリ、電力、冷却、およびネットワーキングへの注目を高め、ネットワーキングはその拡張のもう一つの層を表す可能性があります。Broadcomの現在の製品ポートフォリオは有用な例です：同社は現在、大規模なAIクラスター向けにXPUs、イーサネットスイッチ、光学素子、SerDes、DSP、およびPCIe技術を幅広く手がけています。
しかし、業界への露出が、すべての光学企業を勝者にするわけではありません。製品構成、顧客の集中度、製造能力、価格設定、技術的な移行は、サプライチェーン全体で非常に異なる結果を生み出す可能性があります。
最大のリスクは単純です：AIの資本支出が予想より遅く伸びる可能性があります。光ネットワークの予測は、ハイパースケーラー、AIラボ、企業がコンピューティングインフラをどれだけ速く構築し続けるかに最終的に依存しています。アクセラレーターの導入が減少すれば、それらアクセラレーターを囲む接続の必要性も低下します。
技術により予測が変更される可能性もあります。改良されたアクティブ電気ケーブル、リタイマ、その他の銅技術により、電気接続距離が現在の予測よりも長くなる可能性があります。CPOは、製造、パッケージング、または保守性の課題に直面し、採用が遅れる可能性があります。今後のAIアーキテクチャは、コンピューティングを異なる方法で構成し、ラックまたはクラスターあたりに必要な光リンクの数を変える可能性があります。
最後に、効率性は真の不確実性です。より優れたモデル、ソフトウェア、推論技術により、AIプロバイダーは同じハードウェアでより多くの作業を実行できるようになります。したがって、ゴールドマン・サックスの1540億ドルという数字は、特定のインフラ構成下での機会の規模を示すシナリオとして捉えるべきです。より持続可能な見解は、正確な数値ではなく、データ移動がAIコンピューティングにおいてますます重要で価値のある部分になりつつあるという点です。
技術的な状況はますます強まっています。GPUクラスタはより大型化し、帯域幅の要件は上昇しており、データ移動に消費されるエネルギー量への注目が高まっています。NVIDIAとBroadcomの両社は、先進的な光学技術を大規模AIネットワークシステムに組み込む商業製品ロードマップを有しています。
しかし、重要な質問は、特定の日付までに市場が正確に1540億ドルに到達するかどうかではありません。予測はAIアーキテクチャの進化に伴って変動します。より有用な指標は、AIコンピューティング1単位あたりに必要なネットワーキングおよび光学コンテンツの数量です。この比率が上昇し続け、全体的なAIコンピューティングの導入も拡大する場合、個々の技術や市場シェアの前提が変化しても、光学ネットワーキングは急速に成長できます。
それは、AIの次段階における接続性が最も注目すべき分野の一つであることを意味します。GPUは知性を生成しますが、次世代のモデルを訓練し運用するのに十分な規模のコンピューティングシステムを構築するには、ますます高度化したネットワークが必要です。
生成AIインフラのブームの第1段階は、コンピューティングが支配的でした。GPUが希少資源となり、企業たちはアクセラレーター、メモリ、電力、データセンター容量の確保に駆け込みました。これらのシステムが拡大するにつれ、課題はますます、その膨大なコンピューティングを効率的に接続することへと移っています。
光ネットワークは、プロセッサとクラスタ間で膨大な量のデータを移動するために必要な帯域幅、到達範囲、電力効率を提供することで、その課題に対応しています。CPOとシリコンフォトニクスは、光学部品をAIシリコンにさらに近づける可能性があります。また、NVIDIA Vera Rubinのような次世代システムは、この移行がすでに商業インフラに導入され始めていることを示しています。
ゴールドマン・サックスの1540億ドルの予測は正確であるかもしれないし、そうでないかもしれない。より重要なのは、次世代のAIインフラ競争が、プロセッサの計算速度だけでなく、プロセッサ間の情報移動速度にもますます依存するようになるという大きなトレンドである。
シリコンフォトニクスはファイバーオプティクスと同じですか？
ファイバーオプティクスは主に光ファイバーを介した光の伝送を指し、シリコンフォトニクスは、変調器やフォトディテクタなどの光学機能をシリコン基盤のデバイスに半導体製造技術で統合します。この2つの技術は協働できます。シリコンフォトニクスコンポーネントが生成・操作または受信した光信号は、その後ファイバーを介して伝送されます。
AIデータセンターにおける光トランシーバーとは何ですか？
光トシーバーは、サーバーまたはネットワーキングチップからの電気データを光信号に変換してファイバー経由で送信し、受信した光を再び電気信号に変換します。これらのモジュールは、リンク速度の向上とファイバーがAIインフラストラクチャのより深部まで拡張されるにつれて、現代のデータセンターネットワークにおける重要な接続点です。
光ネットワークにおける800Gと1.6Tとは何を意味しますか？
これらはネットワーク接続の概算データ容量を示しています。800Gリンクは最大で約800ギガビット毎秒を伝送でき、1.6Tは約1.6テラビット毎秒を意味します。これらの数値はGPUの計算パフォーマンスではなく、ネットワーク帯域幅を表しています。
AI推論はAIトレーニングほど光ネットワークを必要とするか？
ネットワーキングのパターンは異なる可能性があります。大規模モデルのトレーニングには、多数のアクセラレータ間での密集した同期が必要であり、極めて高速なインターコネクトが不可欠です。推論は時としてより独立して分散されることがありますが、大規模な推論モデル、エージェント型AI、および高ボリュームのサービスも、プロセッサやシステム間で大量の通信を必要とする場合があります。
AIデータセンターにおけるネットワークの電力消費はなぜ重要ですか？
AIデータセンターは、限られた電力と冷却予算内で動作します。スイッチ、トランシーバー、信号処理装置が消費するエネルギーは、GPUその他の計算ハードウェアに利用可能な数量を減少させます。AIクラスターの規模が拡大するにつれ、1ビットのデータを移動するために必要なエネルギーを削減することで、システム効率とデータセンター全体の経済性が向上します。
市場の頻繁な上下動が心配で、被动的に収益を得られるより安定した選択肢を求めているなら、KuCoinが最適な場所です：
Simple Earn: いつでもトークンを入金・出金でき、安定したリターンを獲得できます。
KuCoin Earn: 専門の資産運用で安定した収益を獲得しましょう。
保有して稼ぐ：ファイナンス、取引、証拠金、先物、マイニング、および統合口座に資産を保有することで報酬を獲得できます。
ステーキング：オンチェーン資産の収益可能性を解き放ちましょう。
アドバンスド投資：アドバンスド投資は、あらゆる市場で資産を成長させるための多様な構造化商品を提供します。
シャークフィン：元本保護と保証された利益
デュアル投資: 安く買って高く売る。リターンの計算は明確です。
Snowball: 価格保護付きで高い収益。
割引購入: クリプトを割引価格で購入してください。
KCSロイヤルティ: 1 KCS以上をステーキングしてレベルアップし、エクスクルーシブな特典をお楽しみください。
KuCoinウェルス：未来の価値を発見し、スマートな投資の旅を始めましょう。
KCSのメリット: KCSを保有してステークすることで、プラットフォーム全体のメリットを利用できます。
KCS ステーキング 2.0: KCSのオンチェーンガバナンスに参加して収益を獲得してください。
免責事項：このコンテンツは情報提供を目的としたものであり、投資アドバイスではありません。仮想通貨への投資にはリスクが伴います。ご自身で調査してください（DYOR）。
免責事項: このページは、お客様の便宜のためにAI技術を使用して翻訳されています。最も正確な情報については、元の英語版を参照してください。