AI時代の産業地図

第6回のテーマは、 「AIインフラの主役は誰なのか？」です。 生成AIは、画面の中で動くソフトウェアのように見えます。 しかしその裏側では、AIモデル会社、ハイパースケーラー、ネオクラウド、データセンター事業者、サーバーメーカー、半導体サプライチェーン、電力・冷却・通信、そして金融がつながっています。 今回は、第5回から第16回までの内容を一度つなぎ直し、AIを使うためのインフラ産業にどのようなプレーヤーがいるの...

第16話のテーマは、「AIブームの本当の主役は金融か」です。 GPU、クラウド、データセンター、電力まで見てきたあとに、今回はその裏側にある資金の流れを整理します。AIデータセンターは、誰のお金で建っているのか。なぜ長期リース契約が、データセンターを金融商品に変えるのか。プライベートクレジットやGPU担保ローンは、なぜAI時代に重要になったのか。 ソフトバンクの堺AIデータセンター構想、三井不動産とKeppelの東京案件...

第15回では、AIデータセンターを支える「電力」をテーマに、データセンターを動かす電力争奪戦を整理します。 AIデータセンターは大量の電力を使います。しかし本当に重要なのは、電力を長期PPAで買うかどうかではありません。まず問われるのは、必要な場所で、必要な時期に、必要な容量を系統から受電できるかです。 データセンターの電力調達には、一般の電力小売契約、単年契約、複数年契約、市場連動型契約のような方法があり...

なぜAIデータセンターでは、空冷だけでなく液冷が重要になっているのか。 冷却が不十分だと、なぜGPUの性能や稼働率に影響するのか。 液冷システムでは、どの企業や技術が重要になるのか。 そして、冷却の観点から見ると、どのような立地が有利なのか。 今回は、AIデータセンターの冷却産業をテーマに、空冷から液冷への変化を整理します。 ポイントは、液冷は単なる省エネ設備ではないということです。冷却が不十分だと、高価なGP...

第13回では、AI時代に重要性が高まる「DC事業者」を取り上げます。 データセンター事業者は、単にサーバーを置く場所を貸している会社ではありません。 AI時代には、土地、建物、電力容量、冷却設備、通信接続、セキュリティ、運用体制を組み合わせ、巨大なGPUクラスターを動かすための「計算工場の土台」を提供する存在になっています。 コロケーションとホールセールは何が違うのか。 ビルド・トゥ・スーツとAIキャンパスはどう...

第12回のテーマは、 「なぜAIラボはCoreWeaveに殺到するのか？：ネオクラウドは何を売っているのか」です。 CoreWeave、Lambda、Nebius、Crusoeのような「ネオクラウド」は、AWSやAzureのような普通のクラウドと何が違うのか。 OpenAIやAnthropicのようなAIラボは、なぜ巨額の契約を結んでまでGPU容量を押さえようとするのか。 ネオクラウドは、単なるGPUレンタル業ではありません。 GPU、AIサーバー、ネットワーク、ストレージ、...

第11回のテーマは、 「OpenAIやAnthropicは、なぜ未来のデータセンターを予約するのか？」です。 OpenAIやAnthropicは、ChatGPTやClaudeを提供するAIモデル会社です。 しかし現在、彼らはクラウド会社、半導体会社、データセンター事業者、投資家を巻き込みながら、数年から10年先の計算資源を長期契約で押さえにいっています。 OpenAIとOracleの大型契約、Stargate Project、NVIDIA・AMD・Broadcomとの提携。 AnthropicとAmazon A...

生成AIのニュースでは、OpenAIやNVIDIAが注目されがちです。 しかし、その裏側でAIを動かす計算資源を供給しているのが、AWS、Microsoft Azure、Google Cloudのようなハイパースケーラーです。 今回は、ハイパースケーラーを単なるクラウド企業ではなく、データセンター、GPU、電力、冷却設備、通信ネットワークを組み合わせる巨大インフラ企業として整理します。 クラウド市場では、AWS、Microsoft、Googleの上位3社への集中が進...

生成AIのニュースでは、NVIDIAのGPUが注目されがちです。しかし、GPUを買うだけではAIは動きません。 GPUをAIサーバーに組み込み、ラックに並べ、電源を供給し、熱を冷やし、GPU同士やサーバー同士を高速ネットワークでつなぐ必要があります。 今回は、Supermicro、Dell、HPEのようなサーバーメーカー、FoxconnやQuantaなどのODM企業、そしてスイッチ、NIC、光トランシーバーといったネットワーク機器の役割を整理します。 AIサー...

AI半導体というと、NVIDIAのGPUに注目が集まりがちです。 しかし、GPUだけではAIは動きません。 第8回では、NVIDIAのGPUを実際に支える半導体サプライチェーンを解説します。 なぜ、AI向けGPUには「高速なメモリ」が欠かせないのか。 なぜ、NVIDIAが設計したGPUを実際に作るには、台湾のTSMCが重要になるのか。 なぜ、GPUとメモリを近くでつなぐ技術が、AI半導体の供給を左右するのか。 なぜ、日本企業はGPUそのものではなく、製造...

生成AIブームの中心にいるNVIDIAは、なぜここまで強いのか。 第7回では、AIデータセンターの中核であるGPU・AI半導体の競争構造を解説します。 NVIDIAは、データセンター向けGPUで圧倒的なシェアを持つ「1強」企業です。 ただし、AI半導体市場では、AMD、Google TPU、AWS Trainium、Cerebras、SambaNovaなど、NVIDIA以外のプレイヤーも存在感を高めています。 今回のポイントは、NVIDIAの強さが「GPUの性能」だけではないことです...

AIインフラは、巨大なAIファクトリーやクラウドの中だけで完結するものではありません。 第5回では、AIが企業の中に入り、さらに工場・自動車・病院・店舗・通信基地局のような現場へ近づいていく流れを解説します。 まず取り上げるのは、企業向けクラウド／コロケーションAIデータセンターです。 企業がAIを本格的に使うには、社内文書、顧客データ、設計情報、契約書、業務システムなどとAIを安全につなぐ必要があります。 ここ...

AIデータセンターは、ひとつの種類だけではありません。 第4回では、AIデータセンターを理解するうえで最初に押さえたい「学習用DC」と「推論用DC」の違いを解説します。 学習用DCは、巨大なAIモデルを作るための場所です。 大量のGPU、高速ネットワーク、HBM、液冷、大電力を必要とし、ユーザーの近くよりも、電力・土地・冷却・送電網が重要になります。 一方、推論用DCは、ChatGPT、Copilot、検索AI、画像生成AI、AIエージェン...

第3回では、AI市場の成長を「計算需要」と「データセンター需要」の視点から整理します。 今回のポイントは、AIの計算需要を「学習」と「推論」に分けて見ることです。 学習とは、AIモデルを作るための計算。 推論とは、完成したAIを実際に使うたびに発生する計算です。 AIが検索、業務ソフト、画像生成、動画生成、AIエージェントへ広がると、特に推論需要が継続的に積み上がっていきます。 また、世界のAI向け計算能力は2030年に...

第2回では、AI時代の中心インフラである「AIデータセンター」について、従来型のデータセンターと何が違うのかを解説します。 データセンターというと、企業システムやクラウドサービスを支える大きなサーバールームをイメージするかもしれません。 しかしAIデータセンターでは、GPUやAIアクセラレータを高密度に並べ、AIモデルの学習や推論を行うため、設備の考え方が大きく変わります。ポイントは、サーバーの種類だけではありま...

第1回では、ChatGPTのような生成AIが回答を返す裏側で、どのような仕組みが動いているのかを入り口に、AIを支えるインフラ産業の全体像を解説します。 AIは、画面の中で動くソフトウェアのように見えます。 しかしその裏側では、データセンター、GPU、電力、冷却設備、通信ネットワーク、そして巨額の投資資金が動いています。 なぜAIには大量の計算資源が必要なのか。 なぜデータセンターや電力会社、半導体メーカー、冷却設備、...