AI・クラウドは計算機の外側にも需要を生む
AIの利用が増えると、計算を担うチップだけでなく、メモリー、接続、保存、電源、冷却などの仕組みが必要になります。チップを大量に購入しても、それを安定して動かすデータセンターがなければサービスにはなりません。半導体はクラウド産業の供給側に位置しますが、クラウド側の設備計画や利用者の需要が半導体企業の投資判断に戻ってくる関係でもあります。
ここで「AIの普及から電力会社まで一直線に利益が増える」と考えないことが大切です。計算効率が改善すれば一回の処理に必要な電力は減る可能性がありますが、利用量が増えれば全体の需要は増える可能性があります。設備をどこに置くか、電力の契約や料金がどう決まるかによっても影響は変わります。技術の効率と社会全体の使用量を分けて考えます。
企業研究では、ある半導体がデータセンターの費用のどこを改善するかを問いましょう。計算を速めるのか、電力を減らすのか、接続の遅れを減らすのか。顧客にとっての価値が分かれば、どの製品と競争し、どの設備投資に影響するかを説明できます。産業のつながりは、名前を矢印で結ぶだけでなく、売り買いされる価値と制約を書くことで役立つ情報になります。
自動車では安全性と供給の継続が重い
自動車では、センサー、車載計算、通信、電源、モーターの制御などに半導体が使われます。車両の開発と利用は長い期間に及ぶため、単に購入時の性能や価格だけでなく、品質保証、変更管理、供給の継続が重要になります。消費者向け電子機器の製品更新と同じ速さで部品を置き換えられるとは限りません。用途の違いが取引の形を変えます。
自動車メーカーが直接すべてのチップを買うとは限らず、部品メーカーやシステムをまとめる企業が間に入る場合があります。チップ不足が車両の生産に影響するときも、どこに在庫があり、誰が需要を予測し、誰が調達責任を持つかが関係します。供給網の階層を確かめると、「車の販売台数が増えたら半導体企業の売上はいつ増えるか」という問いを、より具体的に考えられます。
電動化で必要になる製品と、自動運転や運転支援で必要になる製品も分けましょう。前者では電力の変換と制御、後者では認識と計算やセンサーが大きな論点になります。同じ自動車向けでも必要技術が違います。関心のある企業がどちらに強いのかを調べると、将来の需要を考える際に追うべき政策や顧客の動きも変わります。
材料・装置・建設が工場を成立させる
半導体工場は、チップメーカーだけでは運営できません。高純度の材料やガス、製造装置、検査機器、清浄な空気、安定した電力、水、建物、物流などを組み合わせる必要があります。ASMLの製造解説は、ごく小さな異物でも回路に影響するため、製造環境を厳しく管理することを説明しています。工場の競争力には、周囲の産業が安定して支える力も含まれます。
材料メーカーにとっては、必要な純度の製品を作る能力だけでなく、毎回の品質をそろえ、顧客の工程変更に対応し、必要な数量を供給する能力が重要です。装置メーカーには、精密な機械を作る能力に加え、顧客の工場で装置を立ち上げ、動き続けるよう支援する能力が求められます。研究開発と現場支援は別々ではなく、現場の情報を次の改良へ戻す関係にあります。
工場の建設計画を周辺産業への影響として読む場合は、一度の建設に伴う需要と、稼働後に続く需要を分けます。建設工事、装置納入、薬液の供給、保守では契約や売上の時期が異なります。地域に工場ができたという事実だけで、すべての地元企業に継続的な利益が生まれるとは限りません。供給できる条件、認証、取引先、輸送経路まで確認します。
関係図には方向と条件を書く
関係図を作るときは、半導体から自動車へ「制御部品を供給する」、自動車から半導体へ「車種計画と仕様を伝える」というように、異なる向きの関係を別々に考えます。金銭の流れ、物の流れ、情報の流れは必ずしも同じ向きではありません。一つの矢印でまとめすぎると、なぜ関係するのかが分からなくなります。地図を作る目的は、影響の経路を説明することです。
次に、その関係が強くなる条件を書きます。たとえば顧客が増産する、製品構成が変わる、特定工程が増える、品質要件が厳しくなる、といった条件です。需要増があっても、既存設備で対応できれば新しい装置の発注は増えないかもしれません。因果関係の途中に条件を置くことで、楽観的な連想と確認可能な仮説を区別できます。
キャリアを考える人にとっても、関係図は役立ちます。半導体に興味があっても、チップメーカーだけが就職先ではありません。材料の分析、装置の制御、工場の設備、製造データの解析、顧客への技術説明などの仕事があります。学んだ技術をどの企業で使うかを広げて考え、自分が関わりたい問題と働く現場を結び付けてください。
技術が広がる関係もある
半導体とほかの業界の関係は、部品の供給だけではありません。製造で培った精密な加工や測定の考え方が別の機器に応用されることや、計算能力の改善が研究開発の方法を変えることもあります。ただし技術の類似だけでは売上や採用の証拠になりません。実際の共同研究、製品、顧客の導入を確認して、技術上の可能性と取引の実態を分けます。
関係を探すときは、供給、需要、共通する設備、共通する人材、技術の応用という複数の問いを使ってください。就職先を広げる場合も、同じ専門を使う会社が別業界に見つかることがあります。製品名が違っていても、自分が解きたい問題が似ているかを調べると、新しい候補を発見できます。
この章の要点
- 物・金銭・仕様の流れは向きが異なる
- AIと自動車では必要な製品と制約が違う
- 関係図には影響が生まれる条件も書く
自分の言葉で考える
AIデータセンターの増設計画から、材料メーカーの売上増を考えるときに何を確かめますか。
考え方の例を読む
必要な半導体と製造工程、その材料の採用状況、量産開始時期、供給量、価格などを確かめます。データセンター増設と材料売上の間にある複数の条件を省かないことが重要です。
出典と確認時点
統計や企業の説明は、資料の対象時点と確認日を分けて読んでください。
- How microchips are made ↗ASML / 公表日の記載なし / 確認日:2026-10-31
- Moore’s Law ↗ASML / 公表日の記載なし / 確認日:2026-10-31
- Company Profile ↗TSMC / 公表日の記載なし / 確認日:2026-10-31
- Annual Reports(2025年次報告書を含む) ↗TSMC / 公表日の記載なし / 確認日:2026-10-31
- History(1947年のトランジスター発明を含む) ↗Nokia Bell Labs / 公表日の記載なし / 確認日:2026-10-31
- TSMC 2025 Annual Report ↗TSMC / 公表日の記載なし / 確認日:2026-10-31