著者：qinbafrank
2月の「この資本支出の戦いは何を意味するのか？」では、算力産業チェーンにおける重要なエレメント、すなわちチップ、パッケージング・テスト、ストレージ、光モジュールなどが依然として最大の価値を獲得できると述べました。生産能力が急速に拡大しにくい部分や、非常に高い参入障壁を持つ部分こそ、膨大な資本支出の恩恵を受けることになります。
効率の改善空間は依然として大きい：推論側の蒸留、量子化、MoE、専用チップ、液体冷却、核融合（長期的）などにより、単位計算能力あたりの消費電力とコストをさらに10～100倍削減できる可能性がある。これらの分野で機会を探るべきである。
最近、モルガン・スタンレー、JPモルガン、バンク・オブ・アメリカ、ゴールドマン・サックス、UBS、シティグループ、バーンスタイン、HSBCなどの複数の投資銀行が、AI／半導体／電力／ストレージ関連の更新レポートを発表しました。AIハードウェアのボトルネックは、「GPUの供給」という単一の次元から、電力、チップ、ストレージ、装置、材料の五つの次元に広がってきています。
AIの需要規模は、従来の電力計画、半導体装置の生産能力、ストレージ価格モデル、ロボット設置仮定のすべての予測範囲を上回った。
モルガン・スタンレーのグローバルテーマ研究レビューによると、世界の週間大規模言語モデルのトークン消費量は3か月で6.4兆個から22.7兆個へと2.5倍に急増し、米国では2025〜28年のデータセンター電力不足が55ギガワットに達するとされる。ジャーチ・チャールズのデータセンター高性能計算プロジェクト債の初回カバレッジでは、今後5年間で122ギガワットの資金調達需要が明示され、米国の5年間電力計画は101ギガワットから230ギガワットへと急伸し、新規プロジェクトの44％が接続待ち期間が4年以上となっている。バンク・オブ・アメリカがアルファベットに提出した最新の目標株価レポートでは、2026年の資本支出が1,815億ドルに上方修正され、前年比で倍増、フリーキャッシュフローは前年比62％減少とされている。これらの3つのデータは同一のフレームワークからの出力ではなく、3つの独立した機関が異なる研究アプローチを通じて描いた独立した姿である。
半導体サプライチェーン（特にAI計算能力分野）におけるボトルネックの進化は、明確な順序で「計算（GPU）→ストレージ（HBMなど）→光インターコネクト→電力／液体冷却」と段階的に移行している。これは2025～2026年の業界のコンセンサスであり、AIトレーニング／推論クラスターが単一ラック（数十枚のGPU）から超大規模（数千～数十万枚のGPU）へ拡大するにつれ、一つのボトルネックが解消されるたびに、次の物理的・サプライチェーン上の制約が即座に露呈し、「レオンチェフ型」の補完的制約（どれか一つでも欠けたら出荷できない）が形成される。
このような進化がなぜ起こったのか、現在の状況、そしてその背後にある物理的・工学的要因を理解することが必要です。
1. 第一阶段瓶颈：GPU計算（2022-2024年主導）核心制約：
高級GPU（NVIDIA Hopper H100 → Blackwell B200 → Rubin）のウェハー生産能力＋先進パッケージング。
ボトルネックの理由：AI大規模モデルは膨大な並列計算を必要とし、TSMCの4nm/3nm/2nmロジックプロセスとCoWoS（2.5D/3Dパッケージング）の生産能力が一時的に最大の制約となった。フロントエンドのウエハが十分であっても、バックエンドでのロジックチップとHBMの積層パッケージング能力が追いつかないため、GPU全体が完成できない。
状況の緩和：TSMCがCoWoSを大幅に拡張（2024-2025年にかけて生産能力を2倍に）、NVIDIA Blackwellが大規模に出荷済み。しかし、これはあくまで「計算」の段階での解決に過ぎず、直後に新たな問題が露呈する。
2. 第二段階のボトルネック：ストレージ（HBM高帯域メモリ、2024-2025年に最も不足する）
主要制約：HBM3/HBM3e/HBM4の生産能力
なぜバッファがボトルネックとなるのか：GPUの計算能力は向上したが、モデルのパラメータ数は爆発的に増加（兆単位、さらには十兆パラメータ）、データの移動（メモリ帯域幅）が「メモリの壁」となった。HBMは毎秒数TBのデータを転送でき、従来のDDRメモリよりも20倍以上高速である。HBMはロジックチップに隣接しているため、データの移動距離が短く、消費電力を削減できる。
B200 GPU1枚には192GB以上のHBM3eが必要であり、単一ラック（NVL72）におけるHBMの合計容量はすでに30～40TBに達しており、帯域幅の要件は従来のDRAMをはるかに上回っている。
サプライチェーンの現状：現在、HBMを規模生産できるのはSKハイニックス、サムスン、マイクロンの3社のみで、プロセスが複雑（TSV＋積層）。2025年の生産分は既にすべて販売済みであり、2026年も需要が供給を上回る見込みで、価格は前年比246％急騰。GPUチップが準備できても、HBMがなければ組立・納品が不可能であり、AIクラスタの導入が遅延している。
結果：ストレージは「商品」から戦略的ボトルネックの段階へと変化し、資本支出におけるストレージの割合は30％に達する可能性がある。
3. 第三阶段瓶颈：光互连（2025-2026年正在切换）
核心制約：銅ケーブル（NVLink/NVSwitch）の帯域幅、距離、電力消費、重量における物理的限界。
なぜ光へと必然的に移行するのか：単一ラック内（72枚のGPU）では銅ケーブルで対応可能だが、複数ラックに拡張し、数千枚のGPUを相互接続する際には、銅ケーブルの減衰が深刻になる（1.8TB/sの帯幅では有効距離は1メートル未満）、重量が爆発的に増加する（NVL72ラックの銅ケーブルは5,000本以上、総重量1.36トン）、消費電力が高くなる（可插拔光モジュールで銅ケーブルを置き換えると追加で2万ワットを消費）。信号整合性、遅延、放熱のいずれも、より大規模なクラスタを支えられない。
解決策：光インターコネクト（CPO共封止光学＋シリコンフォトニクス技術）への移行。光エンジンをGPU/ASICの横に直接封止し、ファイバーでスケールアウトを実現。帯域幅密度が高く、1ビットあたりの消費電力が低く、伝送距離が長い。
NVIDIAは2026年GTCで光学分野に大規模に投資し、800G/1.6T光モジュールの需要が爆発的に増加。lite、Broadcom、Coherent、Ayar Labsなどが新たな勝者となった。
現在の進捗：銅ケーブルは限界に達し、光相互接続が「オプション」から「必須」へと移行し、AIデータセンターの性能の天井を突破しています。
4. 第四阶段瓶颈（当前最前沿）：电力 + 液冷（2026年より最終的な物理的制約に）核心制約：電力壁 + 散熱壁 + 電網接続。
なぜこれが最終的なボトルネックなのか：GPU1枚あたりの電力が300Wから700～1200Wへ、単一ラックの電力がCPU時代の10～20kWから120～200kW以上、さらにはそれ以上に急増している。従来の空冷方式の物理的限界は20～50kWであり、騒音、風量、消費電力のすべてが受け入れがたいレベルである。
電力側：データセンターはGW級の電力供給を必要とし、電力網への接続待ちリストは数年にも及ぶ。トランスフォーマーや固体変圧器などの機器の納期は100週間まで延長されている。マイクロソフトのCEOは「GPUはあるが、コンセントが差せない」と明言した。
液体冷却側：直接チップ液体冷却または浸漬式液体冷却に切り替え、マイクロフローコントロール、冷却プレートなどの技術を組み合わせる必要がある。TSMCはCoWoSプラットフォームでシリコンベースの液体冷却を実証し、2.6kW以上のTDPをサポートしている。Vertiv（VRT）などの液体冷却・熱管理ベンダーがインフラの新中枢となっている。
連鎖反応：PUE（電力使用効率）の要件が1.2未満となり、廃熱回収、原子力発電または新エネルギーの電力網連携が新たな話題となっている。たとえそれまでのすべてのプロセスが解決されたとしても、電力と冷却がなければ、ラックを設置して運用することはできない。
AI算力サプライチェーンのボトルネック移転の本質的ロジック AI算力は「単点」の問題ではなく、システムレベルのレオンチェフ生産関数である——GPU、HBM、インターコネクト、電力、冷却はすべて最小のボトルネックに合わせて調整される必要がある。ハイパースケーラー（Google、Microsoft、Metaなど）は一つのボトルネックを解消すると、直ちに資本とイノベーションを次の段階に押し上げる。
現在（2026年）は「光インターコネクトの急速な実用化＋電力／液冷の大規模商業化」の移行期にあり、今後新たなボトルネック（例：レーザー、光ファイバー材料、電力網の変圧器）が生じる可能性があるが、「計算→ストレージ→光→電力／冷却」という流れは業界で広く認識された道筋となっている。
これは、投資ロジックがNVIDIA/TSMCからHBMトップ3（SKハニックスなど）、光学メーカー（Lumentum、Coherent）、液冷・電力インフラ（Vertiv、関連電源企業）へと移行した理由も説明しています。
毎回のボトルネックの移転は、半導体＋データセンター産業チェーン全体の価値分配を再構築している。