MicrosoftとSK Hynixが浮き彫りにするAIブームの物理的限界

Microsoftは四半期売上高900億ドルを報告したが、その決算はGoogle Newsで注目を集めた根強い問題を改めて示した。AI需要は依然として供給能力を上回っている。SK Hynixも半導体サプライチェーンの立場から同様のメッセージを発した。同社の過去最高の業績は、メモリの供給可能性、製造投資、新たな生産能力の立ち上がり時期を巡る懸念を解消するものではなかった。

両社の報告は、AIブームに関する安心感のある前提に疑問を投げかける。支出を増やしても、利用可能な計算能力がすぐに増えるわけではない。データセンターでは、プロセッサ、メモリ、ストレージ、ネットワーク、電力、建物、訓練を受けた運用担当者が、適切な順序で揃わなければならない。

この調整の問題は現在、需要そのものと同じほど重要になっている。Microsoftは、利用可能な各サーバーをどこに配置すれば最大の収益を得られるかを判断しなければならない。SK Hynixは、高帯域幅メモリ、サーバー向けDRAM、モバイル部品、従来製品の間で限られた生産を配分する必要がある。

主要な対立軸は、もはやAI需要と導入の不確実性ではない。約束されたAI成長と、それを実現するために必要な物理システムの間にある。供給不足の恩恵を受ける企業ほど、最も困難な実行上の試練にも直面している。

決算報告が確認した物理的ボトルネック

MicrosoftとSK Hynixは、同じ制約を抱えた生産システムの異なる層を説明している。

7月29日に公表されたMicrosoftの会計年度第4四半期決算は、顧客の関心が当面の問題ではないことを示した。同社は四半期決算によると、四半期売上高900億ドルを計上した。Microsoft Cloudの売上高は593億ドルに達し、Azureおよびその他のクラウドサービスの売上高は43％増加した。

通期では、Azureの売上高が初めて1,000億ドルを超えた。Microsoft 365 Copilotも有料シート数が3,000万を超えた。これらの数字は、AI需要が実験段階を越え、契約済みのクラウド利用や職場への導入へと移行していることを示している。

ただし、売上成長は、Microsoftが求められるすべてのワークロードに対応できるだけのインフラを保有していることを意味しない。同社は繰り返し、顧客需要が利用可能な供給を上回っていると述べている。この差によりMicrosoftは、Azure顧客、Copilot製品、GitHubサービス、セキュリティツール、社内研究の間で計算能力を配分せざるを得ない。

制約となっているのは、特定の一種類のチップではない。AIサーバーには、モデル計算用のアクセラレータ、制御用のCPU、そして十分な速度でデータを供給できるメモリが必要だ。さらに、ネットワーク、ストレージ、冷却設備、電力供給を受けたデータセンターの設置枠も必要となる。

一つの部品が欠けるだけで、システム全体の稼働が遅れる可能性がある。メモリの出荷が遅れれば、数千基のアクセラレータがあっても価値はほとんど生まれない。完成した建物も、送電網への接続とサーバーの設置が整うまでは収益を生み出せない。

SK Hynixは、このシステムにおける最も重要な上流企業の一つだ。同社は、複数のメモリ層を積層してAIプロセッサにデータを供給する高帯域幅メモリ、すなわちHBMを製造している。HBMは、高価なアクセラレータがデータ待ちになるのを防ぐのに役立つ。

同社の第2四半期更新では、売上高が79兆3,187億ウォン、営業利益が60兆5,426億ウォンと報告された。事業業績によると、営業利益率は76％に達した。SK Hynixはまた、同四半期中にHBM4が量産に入ったと述べた。

これらの数値は、並外れて強い需要と好調なメモリ市場環境を反映している。同時に、希少な生産能力がどれほど高い価値を持つようになったかも示している。高い利益率が一夜にして追加の製造能力を生み出すわけではない。

半導体の生産拡大には、専用設備、クリーンルームの建設、工程認定、パッケージングライン、顧客試験が必要だ。各段階には、時間と歩留まりに関するリスクがある。歩留まりとは、製造されたチップのうち、必要な仕様を満たす割合を指す。

これが、両社の報告を一つのストーリーとして捉えるべき理由だ。Microsoftはクラウド容量を提供しようとする際に制約を目にする。SK Hynixは、自社工場でどのメモリ製品を生産するかを決める過程でそれを目にする。

Google Newsの見出しの流れでは、両社の報告は別々の決算イベントとして扱われた。しかし運用面では、遅延の余地がほとんどない単一のパイプラインを描いている。

Google Newsが示す、AI需要が供給能力を上回る状況

重要なシグナルは、AIインフラへの支出が高水準にとどまっていることだけではない。利用可能な供給能力が、ほぼ直ちに売上へ転換されていることだ。

Microsoftは、決算説明会によると、暦年2026年に約1,900億ドルの設備投資を行う見通しだ。この見積もりには、部品コスト上昇に関連する約250億ドルが含まれている。

設備投資の対象は、AIアクセラレータだけではない。Microsoftは支出を、耐用年数が比較的短い設備と長期資産に分けている。GPU、CPU、ネットワーク機器、ストレージは主に前者に属する。建物、土地、支援インフラは、はるかに長く稼働できる。

この違いは重要だ。新しいキャンパスよりも、設備のほうが早くクラウド収益を生み出し始められるためだ。データセンター用地は、計画、許認可、建設、通電、設備導入までに何年もかかる場合がある。部品の納入も、施設が稼働可能になるタイミングに間に合わない可能性がある。

そのためMicrosoftは、相互に関連する二つの不足に直面している。十分な長期的データセンター容量を確保する必要がある一方、既存施設も迅速に装備しなければならない。一方への支出だけでは、もう一方の遅延を完全には補えない。

同社は、異例の規模のプロジェクトで対応している。Microsoftはテキサス州ペコスで、約2ギガワットの容量を追加する計画中のキャンパスを発表した。Pecos projectによると、建設と開発には5年から7年を要する見込みだ。

このスケジュールは、市場の中心にあるミスマッチを明らかにしている。AI開発企業は1年の間に複数回モデルをリリースできる。一方、それらのモデルを支える電力と建物は、年単位のインフラ整備期間で動いている。

2ギガワット級のキャンパスには、資本だけでは足りない。Microsoftは土地、送電網へのアクセス、許認可、建設労働力、冷却システム、安定した機器供給を確保しなければならない。資金が利用可能でも、地域の反対や送電網整備の遅れによって、実際に使える供給能力の拡大が遅れる可能性がある。

メモリも別の時間的問題を生む。HBMは高度な積層とパッケージングを伴うため、従来型DRAMより多くの製造資源を必要とする。HBM生産の拡大は、他のメモリ製品に回せる供給能力を制限し得る。

この配分効果は、供給不足を広げる。AIアクセラレータ需要は、サーバーメモリ、パーソナルコンピューター、スマートフォン、ストレージ製品向けの供給を逼迫させる可能性がある。最大手クラウド企業以外の買い手は、より小さい生産分の獲得を競うことになる。

Microsoftは、ほとんどのインフラ購入者より大きな購買力を持つ。長期契約を確保し、信頼性の高い需要予測によってサプライヤーを支援できる。それでもMicrosoftでさえ、工場の生産量や電力供給能力を即座に生み出すことはできない。

より小規模なクラウド事業者や企業の購入者は、さらに厳しい立場に置かれる。彼らは同等の購買規模、地理的柔軟性、カスタマイズされたハードウェアへのアクセスを持たない場合が多い。Microsoftが配分によって管理できる遅延でも、小規模なプロジェクトでは完全な停止につながりかねない。

このことは、最大手クラウドプラットフォームにさらなる構造的優位性をもたらす。希少な資源を地域や製品にまたがって配分できるからだ。また、より高い利用率や強い顧客コミットメントを生むワークロードを優先できる。

この優位性がリスクをなくすわけではない。むしろ、配分の意思決定をプラットフォーム内部に集中させる。Microsoftは、サーバーを外部のAzure需要、Copilotサービス、GitHub、モデル開発のどれに充てるべきかを判断しなければならない。

あらゆる選択には機会費用が伴う。GPUを社内製品に割り当てれば、クラウド顧客に提供できる分は減る。外部顧客への提供を優先すれば、Microsoftが継続的な利用を生み出したいと考える製品の改善が遅れる可能性がある。

したがって供給制約は、戦略上のフィルターとなっている。それは企業がハードウェアをどれだけ速く購入できるかだけでなく、どのAIワークロードが本番環境に到達するかを決めている。

Microsoftに求められる、希少なハードウェアを持続的な収益へ変える力

Microsoftにとっての真の試練は、新たに追加される各単位の供給能力を、価値が高く繰り返し利用される顧客活動へ転換できるかどうかだ。

同社には需要を裏付ける十分な証拠がある。Azureの年間売上高は1,000億ドルを超え、Microsoft 365 Copilotの有料シート数は3,000万を上回った。Microsoftは、開発者向け、セキュリティ、データ、業務アプリケーション全体で利用が拡大していることも報告している。

ただし、有料アクセスと生産的な利用は別のシグナルだ。企業は、従業員が反復可能なワークフローを確立する前にシートを購入できる。クラウド顧客も、自社アプリケーションが持続可能な経済的収益を生む前に供給能力を予約できる。

これは、ハードウェアを超えた第二の制約を生む。AIツールが日常業務の信頼できる一部となる前に、顧客にはデータ、ガバナンス、評価システム、再設計された業務プロセスが必要となる。

企業は、社内文書を要約するアシスタントを導入するかもしれない。この作業は単純に聞こえるが、正確な結果を得るには権限管理と最新のソース資料が必要だ。システムは、回答の根拠をユーザーに示す必要もある。

コーディングエージェントには異なる要件がある。リポジトリ、テスト環境、ドキュメント、デプロイ管理へのアクセスが必要だ。その価値は生成トークン数ではなく、完了した作業に左右される。

Microsoftのインフラ支出は、こうしたシナリオ全体で利用が深まることを前提としている。また、不要な計算のすべてが制約のある供給能力を消費するため、効率性も高めなければならない。

ソフトウェアの最適化は、新たな建物を追加せずに実効供給を増やせる。より良いスケジューリングにより、ワークロードを適したハードウェアへ配置できる。より小さなモデルは日常的なリクエストを処理し、より高性能なシステムを難しい作業に残せる。

モデルルーティングは、この手法をアプリケーション層に適用するものだ。サービスはリクエストを評価し、コストと能力が適切なモデルへ振り分ける。大規模モデルが不要な場合、このプロセスは無駄を減らせる。

カスタムシリコンも別の道筋となる。Microsoftは、汎用アクセラレータだけに全面的に依存するのではなく、特定の機能向けにプロセッサを設計できる。ただし、カスタムハードウェアにもメモリ、製造能力、ネットワーク、信頼できるソフトウェア支援が必要だ。

Microsoftはプロセッサの選択肢も広げている。拡張されたAMD infrastructureには、AI推論、データ処理、エンジニアリングのワークロードを想定したシステムが含まれる。推論とは、訓練済みモデルを実行して出力を生成するプロセスである。

複数のサプライヤーを利用すれば、単一のアクセラレータのロードマップへの依存を減らせる。また、異なるワークロードをより効率的なハードウェアに適合させることもできる。しかし、異種混在の設備群はソフトウェアと運用の複雑さをもたらす。

開発者には、プロセッサの種類をまたいで一貫して動作するツールが必要となる。運用担当者には、異なる構成に対応する監視、スケジューリング、保守システムが必要だ。ワークロードが地域間を移動する場合、顧客は予測可能なパフォーマンスを求める可能性もある。

したがって、容量だけでは魅力的な収益性を保証できない。Microsoftは信頼性を維持しながら稼働率を高める必要がある。また、AIの利用が測定可能な事業成果を生むことを顧客に納得させなければならない。

同社が従量課金モデルへ移行していることで、この要件はさらに明確になっている。収益は、顧客がライセンスを保有しているかどうかではなく、AIシステムをどれだけ頻繁に利用するかにますます左右される。

この仕組みは支払いと価値を連動させ得る一方、導入の弱さを可視化する。自社データを接続できない、あるいは業務プロセスを再設計できない顧客は、使用する容量が少なくなる。未使用のコミットメントは最終的に更新リスクとなる。

Microsoftはスタックの複数の層を保有していることから恩恵を受ける。Azureがインフラを提供し、Microsoft 365、GitHub、Dynamics、セキュリティ製品がアプリケーションを提供する。顧客行動の変化に応じて、同社はこれらの層の間で価値を移動させることができる。

それでも、所有することで限られたリソースを巡る社内競争が生まれる。Microsoftは、どの製品に容量を優先配分するか決めなければならない。また、社内アプリケーションを過度に優遇し、Azure顧客が恒常的な不足に直面する事態も避ける必要がある。

不足は現在、価格設定と稼働率を支える可能性がある。長期的なリターンは、供給拡大後の顧客成果に左右される。不足状態では、ほぼすべての利用可能なシステムに買い手が付くため、非効率な製品が隠れてしまう可能性がある。

より多くのプロバイダーやハードウェア選択肢を顧客が比較できるようになったとき、より厳しい試練が始まる。そのときMicrosoftは、限られた供給だけでなく、利用実績、信頼性、統合性によって投資を守る必要がある。

SK Hynixは不足の恩恵を受ける一方、製造リスクを抱える

SK Hynixは有利な市場ポジションにあるが、顧客は極めて不確実な技術移行の中で同社に増産を求めている。

現代のAIプロセッサーは、従来型メモリーがデータを供給できる速度を上回る速さで計算を実行するため、HBMは不可欠になっている。メモリーを積層する設計は、コンポーネントをプロセッサーの近くに保ちながら帯域幅を高める。

HBMの世代が新しくなるたびに、性能目標と生産の難易度は高まる。HBM4では、インターフェース、パッケージング、カスタマイズに変更が加わる。SK Hynixは、同社のHBM4製品が速度、効率、コスト競争力に関する顧客要件を満たしているとしている。

ただし、顧客が製品を大規模に導入するまでは、これらは企業側の主張にとどまる。量産は重要な節目だが、商業的な成功を左右するのは生産量、歩留まり、認定、納入スケジュールである。

顧客が初期サンプルを承認しても、その後の生産でボトルネックに直面することはあり得る。パッケージング能力がメモリーウェハーの生産量に追いつかない可能性がある。メーカーが生産量を増やしたり、カスタマイズ設計を導入したりすると、歩留まりは変化し得る。

SK Hynixは、すべての生産ラインをHBMに振り向けることもできない。同社はサーバーDRAM、モバイルメモリー、パーソナルコンピューター、ストレージの市場にも供給している。これらの顧客にも、信頼できる供給が引き続き必要だ。

同社の配分判断は、他の分野で価格圧力を強める可能性がある。より高マージンのAIメモリーへ工場を転換すれば、従来型コンポーネントの生産量は減る。これにより、メモリー全体への投資が増えていても不足が生じる。

Kwak Noh-jung CEOは、業界が2027年に最悪の供給不足へ向かっていると警告した。また、memory outlookによると、2030年以降も需要がSK Hynixの生産能力を上回ると予測した。

この予測は、継続的な投資を支持する材料となる。一方で、将来の容量が不足したままだと顧客に信じてもらうことはサプライヤーにとって有利であるため、慎重な検証も必要だ。長期契約は見通しを改善し、増産リスクを抑え得る。

メモリー市場は歴史的に急激なサイクルを繰り返してきた。不足は設備増強を促し、顧客は在庫を積み増し、やがて価格は追加供給を呼び込む。その後、新工場がフル生産に到達する前に需要が弱まることもある。

AIはこのサイクルを変える可能性があるが、それを無効化するわけではない。最大手のクラウド企業は、並外れた速度でインフラを拡大している。その計画は、モデル学習、推論、エージェントが追加のコンピュートを消費し続けるという前提に立っている。

効率改善はこの前提を複雑にする。より優れたモデルは、より少ない計算で有用な結果を生み出せる。圧縮、キャッシュ、特化型プロセッサー、ソフトウェアの改善は、タスク当たりのメモリー要件を減らし得る。

コンピューティングコストの低下は、利用の増加を促す可能性もある。このリバウンド効果は、効率化が総需要を自動的に減らすわけではないことを意味する。推論コストの低下により、開発者はより多くの製品やワークフローにAI機能を追加するかもしれない。

SK Hynixは、どの力が優勢になるか分からないまま投資しなければならない。拡張が不十分なら、得られるはずの収益を逃し、顧客を不満にさせる。過度な拡張は、新工場の稼働開始時に低稼働率を招くリスクがある。

同社は有力な競合にも直面している。Samsungはメモリーと先端製造の両方で競争し、MicronはHBMでの地位を拡大している。顧客には複数のサプライヤーを認定する強い動機がある。

複数社からの調達は、1社の生産問題がアクセラレーターの立ち上げを止めるリスクを下げる。また、契約交渉で買い手に交渉力を与える。サプライヤーにとって、認定の獲得は恒久的な市場シェアを保証しない。

SK Hynixの現在の収益は、増産のための資源を提供する。高い収益性は同時に期待も引き上げる。基礎市場が逼迫したままであっても、特に新しいHBM世代を巡っては、投資家が遅延を厳しく評価する可能性がある。

この緊張は第2四半期の決算を巡って表れた。過去最高の売上高と利益でも、出荷時期や資本要件に関する懸念は解消されなかった。市場は、不足に支えられた収益と、完璧な拡張の両方を求めている。

製造業が後退なくその両方を実現することは稀だ。新製品では、歩留まり改善の学習、設備遅延、認定変更が起こる。問うべきなのは、すべての四半期が完璧かどうかではない。

より有用な問いは、SK Hynixが生産量を増やしながら顧客の信頼を維持できるかどうかだ。供給条件が変化した際にリターンを損なう不均衡を生まないように、それを実現しなければならない。

供給制約はチップの先にも広がる

AIのボトルネックはシステム全体の制約であり、メモリーやアクセラレーターを追加するだけでは解決できない。

Microsoftのデータセンターには、高密度コンピューティング設備を支えられる電力接続が必要だ。そうした接続は、発電、送電、変電所、設備、許認可、公益事業者との調整に依存している。

電力プロジェクトは、サーバー購入よりも長いスケジュールで進むことが多い。クラウド企業は、公益事業者が電力を保証できる前にハードウェアを発注できる。この不一致により、設備が待機状態になったり、導入先が別の地域へ移ったりする可能性がある。

冷却も別の制約となる。AIシステムは各ラックに大量の電力を集中させるため、従来設計では除去が難しい熱を発生させる可能性がある。運営者は液冷、施設の再設計、あるいは導入密度の低下を必要とするかもしれない。

ネットワーキングも利用可能な容量に影響する。アクセラレーターは、モデル学習と推論の間にデータを高速で交換しなければならない。ネットワークが弱いクラスターは、理論上のコンピューティング性能を発揮できない。

モデルやアプリケーションは大量の情報を移動させるため、ストレージも重要だ。学習システムにはデータセットとチェックポイントが必要であり、推論サービスにはモデルの重みとキャッシュされたコンテキストが必要となる。低速なストレージはアクセラレーターの低稼働につながり得る。

HBMはプロセッサー近傍の帯域幅を改善するが、メモリー階層の残りを置き換えるものではない。サーバーには引き続き従来型DRAMとストレージが必要だ。これらの分野での不足は、完成したシステムの出荷を制限する可能性がある。

この相互依存性は、設備投資がすぐに収益へ転換しない理由を説明する。機器は異なるサプライヤーから異なるスケジュールで届く。運営者は顧客が利用できるようになる前に、それらを統合、試験、接続しなければならない。

地理も別の制約を加える。顧客はレイテンシー、データレジデンシー、規制要件のため、特定地域の容量を必要とすることがある。他地域で利用可能なサーバーが、その需要を常に満たせるとは限らない。

Microsoftは一部のワークロードを地域間で移動できるが、規制対象のデータやリアルタイムアプリケーションでは柔軟性が低い。同社はある拠点で余剰容量を抱えながら、別の拠点では需要を断ることがあり得る。

クラウドプロバイダーは、自社施設を補完するために外部パートナーを利用するケースを増やしている。パートナーシップは導入を加速し、建設リスクを分散できる。一方で、契約、ネットワーキング、運用、サービス品質に関する依存関係を生む可能性もある。

したがって供給問題は、強力な調整能力を持つ企業に有利に働く。購買量は重要だが、システム全体にわたる実行力の方が重要である。送電網への接続が遅れれば、大規模な発注も役に立たない。

これはエンタープライズの買い手にも、異なる計画を求める。望むアクセラレーター構成がすべてオンデマンドで利用可能だと想定することはできない。より小規模なモデル、代替チップ、柔軟な導入地域を試す必要があるかもしれない。

ソフトウェアアーキテクチャは供給管理の一部になる。単一のモデルと単一のアクセラレーター種別向けに設計されたアプリケーションは、容量が逼迫すると行き詰まる可能性がある。ポータブルなシステムは買い手により多くの選択肢を与える。

開発者はまた、希少なリソースを確保する前にワークロードの価値を測定すべきだ。数分の時間を節約するアプリケーションは、高価なモデルを継続的に利用することを正当化できない可能性がある。ルーティングとキャッシュにより、より難しいタスクのために容量を温存できる。

ナレッジワーカーは、この制約を間接的に経験する。製品展開の遅れ、利用制限、地域ごとの提供状況は、ソフトウェア需要の弱さではなく、インフラ配分を反映している可能性がある。プロバイダーが顧客や製品の優先順位を付けるにつれて、機能へのアクセスは変動し得る。

同じ問題はAIの信頼性にも影響する。容量に近い状態で運用するプロバイダーには、急な需要急増に対応する余地が少ない。余剰インフラが限られたままであれば、効率的なスケジューリングと冗長性が極めて重要になる。

これは、差し迫ったサービス危機が確実に起きるという意味ではない。Microsoftは容量を継続的に追加し、サプライヤーも生産を拡大している。懸念されるのは、長い連鎖全体で許容される誤差が小さいことだ。

ある層での遅延は、別の層の問題を増幅させ得る。メモリーの遅れはサーバー設置を先送りし、電力供給の遅れはクラスター全体を遅延させる可能性がある。需要と支出のコミットメントが強くても、顧客は待たされる。

これが、供給の物語が半導体の入手可能性より大きな問題である理由だ。これは工場、公益事業者、建設、クラウドソフトウェア、顧客導入を結ぶ産業的な調整課題である。

数字だけでは依然として証明できないこと

好調な収益は不足と需要を裏付けるが、現在の投資の長期的なリターンを示すものではない。

Microsoftの収益成長は、顧客がクラウドサービスとAI製品を購入していることを示す。すべてのAIワークロードの収益性や、新規配備されたすべてのサーバーの稼働率を明らかにするものではない。

同社が報告するのは幅広いセグメントの結果であり、AI製品ごとの完全な損益計算書ではない。投資家は設備投資、クラウド成長、全社マージンを観察できる。しかし、アクセラレータークラスターごとのリターンを独自に算出することはできない。

Copilotのシート数成長も、もう一つの心強いシグナルとなる。ただし、有料シートが日々の利用、完了した業務、更新意向を示すわけではない。初期のエンタープライズ契約が更新時期を迎えるにつれ、これらの指標はより重要になる。

契約済みのクラウドコミットメントにも慎重な解釈が必要だ。バックログは、顧客が定められた契約に基づき将来の支出を約束していることを示す。すべてのワークロードが魅力的なマージンを生むことを保証するものではない。

Microsoftは、関連する収益の多くを計上する前に支出しなければならない。建設、ハードウェア、減価償却は、その期間中にキャッシュフローとマージンを圧迫する可能性がある。効率性の改善は圧力を相殺し得るが、実行リスクをなくすことはできない。

SK Hynixも同様の測定上の隔たりに直面している。記録的な営業利益は、例外的な市場環境を示している。しかし、現在の利益率が次の設備投資サイクルまで維持されることを証明するものではない。

同社の供給不足予測は2030年以降まで及ぶ。このように遠い将来の見通しは、AI需要、モデルの効率性、顧客投資、競合の生産量、製造歩留まりに左右される。それぞれの変数は大きく変化しうる。

長期供給契約は不確実性を減らす一方、新たな疑問を生むこともある。契約条件には、数量の柔軟性、価格算定式、顧客固有の製品が含まれる可能性がある。公表される要約で、こうした詳細がすべて明らかになることはまれだ。

そのため、Google Newsで語られるストーリーは単純化されすぎるおそれがある。「需要が供給を上回っている」という表現は、売り手にとって明白に好材料のように聞こえる。しかし、この言葉には資本集約性、顧客集中、そして市場のピーク近辺で設備を拡張するリスクが含まれていない。

クラウド企業とメモリ供給企業は、AIに多額の支出をする比較的少数の大手企業に依存している。現時点で、彼らのコミットメントは持続的に見える。それでも、大口顧客1社の戦略変更が予想需要を変える可能性はある。

競争も別の不確実性を生む。Microsoftはハードウェアを多様化し、カスタムプロセッサを開発している。Googleにはtensor processing unitsがあり、AmazonにはTrainiumおよびInferentiaファミリーがある。こうしたシステムは供給企業への需要を変えうる。

カスタムアクセラレータは先進メモリの必要性をなくすものではない。しかし、メモリ仕様、システムアーキテクチャ、購買関係を変える可能性はある。供給企業は、変化を続ける顧客ロードマップに合わせて生産を適応させなければならない。

モデルアーキテクチャも需要を変えうる。スパースシステムは、リクエストごとにモデルの一部だけを有効化する。量子化では少ないビット数でモデルの値を保存するため、メモリ使用量と計算要件を削減できる。

これらの手法は、単一タスクに必要なリソースを減らせる。一方で、より大規模な導入を経済的にし、総利用量を増やす可能性もある。現在の収益だけでは、数年にわたってどちらの効果が優勢になるかは判断できない。

規制も依然として変数の一つだ。データセンタープロジェクトは環境審査、電力網の要件、地域政治上の反対に直面する。輸出規制は、先進チップを販売できる地域を制限しうる。

中心的な不確実性は、AI需要が存在するかどうかではない。Microsoftの業績は、その存在を強く裏付けている。不確実なのは、インフラの全コストが顕在化した後、その需要がどれだけ持続的な利益を生むかである。

読者は両極端を避けるべきだ。設備不足は持続不能なバブルを証明するものではない。記録的な支出も、すべてのプロジェクトが十分なリターンを生む保証にはならない。

より確かな評価は、事業運営上の証拠に従う。設備能力がどれほど速く利用可能になるか、顧客がAI製品をどれほど深く活用するか、供給企業が継続的な生産問題なしに出荷量を増やせるかを注視したい。

AI供給仮説を試す3つのシグナル

次の局面を決めるのは、AIに関する大規模な発表がもう一巡することではなく、設備能力の提供、HBM4の実行、顧客利用である。

最初のシグナルは、Microsoftが支出を収益化可能な設備能力へ転換できるかどうかだ。今後の決算は、報告される制約が緩和するなかで、Azureが力強い成長を維持できるかを示すはずだ。展開の加速は、新たなインフラを需要が吸収できるというMicrosoftの主張を裏付けるだろう。

投資家は、設備能力に関する説明をクラウド成長率と利益率と比較すべきだ。供給が拡大してもAzureの成長が堅調なら、供給不足の仮説はより信頼できるものになる。利益率の安定は、効率化がインフラコストを相殺していることをさらに示唆する。

設備能力や収益の増加を伴わずに設備投資だけが増える場合、この仮説は弱まる。建設の遅延、機器展開の遅れ、クラウド見通しの悪化が続けば、調整上の問題が期待リターンを食い潰していることを示すだろう。

2つ目のシグナルは、SK HynixによるHBM4の量産立ち上げだ。顧客認定、出荷の増加、パッケージング能力、製造歩留まりは、量産が信頼できる大規模供給へと移行できるかを示す。

実行が成功すれば、メモリ需要が持続的であるという見方は強まる。また、SK Hynixが供給の信頼性を損なうことなく、難しい製品移行を乗り切れることも示すだろう。

出荷遅延が繰り返されれば、解釈は変わる。報告されている希少性の一部は、需要だけでなく生産の複雑さを反映している可能性が示される。こうした遅延の間に、競合他社が認定を得る機会を獲得するかもしれない。

3つ目のシグナルは、測定可能な企業利用だ。Microsoftは大規模なシート数と拡大するクラウド需要を開示している。次の問いは、顧客が更新と利用量増加を正当化する再現可能なワークフローを構築しているかどうかである。

利用は、インフラ構築と経済的価値を結びつけるため重要だ。導入されたアシスタントは、時間を節約し、成果物を改善し、または収益を増やさなければならない。そうでなければ、顧客はいずれコミットメントを減らすだろう。

従量課金収益、顧客による利用拡大、開示されるエンゲージメントの伸びを注視したい。初期のAI契約が満期を迎える際の更新動向にも注目すべきだ。力強い更新は、導入が宣伝段階ではなく業務運用段階へ移行していることを示すだろう。

エンゲージメントの弱さは、最も積極的なインフラ前提を損なう。顧客が実験を続ける間、クラウド需要はしばらく高水準を維持しうる。持続的な成長には、それらの実験が本番システムになることが必要だ。

開発者とエンタープライズバイヤーにとって、実践的な対応は、希少性がいつ終わるかを正確に予測することではない。変化するハードウェア、モデル、地域ごとの可用性に耐えられるアプリケーションを構築することだ。

小型モデルで定型業務を処理できるか検証する。反復的なコンテキストが有用な場合にはキャッシュを使う。ベンチマーク性能だけでなく、各ワークロードが生む事業成果を追跡する。

チームはまた、インフラ選定の背景となる意思決定を残すべきだ。要件、評価、導入の根拠は、変化の速いプロジェクトでは再構築が難しくなる。検索可能な技術ナレッジベースがあれば、制約によって再設計を迫られた際にも、その文脈を利用可能な状態に保てる。

Google Newsは、記録的な支出、記録的な収益、新世代の半導体について、今後も自信に満ちた見出しを生み出し続けるだろう。より有用な問いは、物理的な各層が顧客の必要とする時点で届くかどうかである。

Microsoftは、サーバーを持続的な利用へ転換できることを証明しなければならない。SK Hynixは、製造規律を失わずに先進メモリを拡大できることを証明しなければならない。顧客は、AIワークロードが両社の投資を支えるのに十分な価値を生むことを証明しなければならない。

次の四半期は、次の発表の規模ではなく、この3つのシグナルを追うべきだ。設備能力は利用可能になっているか、HBM4は安定して出荷されているか、顧客は実際のワークロードを拡大しているか。その答えが、希少性が持続的な市場を支えているのか、それとも最も脆弱な経済性を一時的に覆い隠しているだけなのかを示す。