SemiAnalysisのデータセンター予測、50GW超へ ボトルネックはチップに移行

SemiAnalysisによると、データセンター事業者は2027年中に50ギガワットを超える容量を追加する見通しだ。これは2024年までの世界の累計導入容量におおむね匹敵する。SemiAnalysisのデータセンター予測は、目に見える建設進捗、締結済みリース、主要キャンパスにすでに搬入されている設備に基づく。その中心的な主張は、人工知能には単により多くの建物が必要だということではない。建物と電力が、もはや最も厳しい制約ではなくなる可能性があるという点にある。

インフラ予測としては、その根拠が異例なほど物理的だ。SemiAnalysisは、建設が進んだ40のキャンパスで合計24GW超を確認しており、その大半は2027年の稼働を予定しているという。多くの建物はすでに完成度が半分を超えていると報じられている。複数の拠点では、冷却システムと電気設備がすでに設置済みだ。

これは、野心的なプロジェクト発表がまた一巡することとは異なる、より鮮明な対立を生む。ハイパースケーラーとAI開発企業は、需要、資金調達、チップ供給が完全に確定する前から、数年分の容量を約束している。キャンパスが予定通りに開設されれば、業界の不足はテクノロジースタックのさらに深い層へ移る。アクセラレーター、メモリ、ネットワーク、顧客ワークロードが、それらを埋めるのに十分な速さで到着しなければならない。

反対の見方では、建設活動が生産的な計算能力を保証するわけではない。系統接続は遅れ得るし、設備は納入遅延を起こし得る。リースは財務上の負担になる可能性もある。したがって2027年の建設ラッシュは、締結済みの約束が持続的なAI需要を示すのか、それとも希少なインフラを確保するための高額な競争にすぎないのかを試すことになる。

SemiAnalysisのデータセンター予測は実際に何を数えているのか

この予測で最も強い点は、発表だけでなく建設の進捗に依拠していることだ。

Semianalysisの予測は2026年10月19日に公表された。著者のJeremie Eliahou Ontiveros、Reyk Knuhtsen、Dylan Patelは、2027年中に50GW超が供用開始すると主張している。1ギガワットは10億ワットの電力容量を表すが、事業者が利用可能な電力を常時すべて使用するとは限らない。

この区別は重要だ。業界予測では、計画中の電力会社容量、完成した建物、通電済み容量、導入済みITが混同されがちである。これらのカテゴリーはプロジェクトの異なる段階を示す。完成した建屋だけでは、電力、冷却、ネットワーク、サーバーなしにAIワークロードを動かせない。通電済みの建物も、ラックが実装されるまでは計算出力にほとんど寄与しない。

SemiAnalysisは、データセンターモデルを通じて個別キャンパスを追跡することで、この隔たりを縮めようとしている。同社の公開レポートは、建設が進んだ40キャンパスで24GW超を強調している。同社によれば、その容量の大半は2027年に導入される見込みだ。

レポートによると、これらのプロジェクトの多くは構造工事の中間地点を過ぎている。複数の拠点では、外部の冷却設備と電気設備が確認できる。こうした指標には、土地取得や予備的な発表よりも大きな資本面・運用面のコミットメントが必要となる。

40のキャンパスは、パイプラインのすべてではない。SemiAnalysisは、建設の進んだ段階にある数百の拠点を追跡しているとしている。選定されたキャンパスは、労働力、系統、サプライチェーンの制約があるにもかかわらず、年間合計が50GWを超え得ると同社が考える理由を示している。

より広い見出しでは、建設中の容量を約60GWと示している。しかし、この数値を2027年の引き渡し予測と同一視すべきではない。プロジェクトは数年にわたることがあり、段階的に開設される場合も、試運転の遅れを経験する場合もある。24GWのサンプルは、目に見える設備を伴う進行中のプロジェクトに焦点を当てているため、より確かな短期的根拠を提供する。

この手法は、より保守的な推計との相違も説明する。系統接続の待機列や発表された完成予定日に注目する投資家は、幅広くプロジェクトを割り引くことが多い。一方、SemiAnalysisはキャンパス単位で建設進捗を評価し、特定の拠点が遅れた際には予想引き渡しを調整する。

著者らもそうした遅延を認めている。労働力不足、ベンダーの遅れ、資金調達の難しさ、電力インフラの制約を指摘している。また、プロジェクトレベルの根拠が弱まった場合、同社モデルではこれまでにも積極的な開発事業者のスケジュールを後ろ倒ししてきたとしている。

結果は、完了済みの測定値ではなく予測である。それでも、発表されたすべてのプロジェクトをスプレッドシートに足し合わせるより、強固な基盤を持つ。コンクリート、冷却設備、変電所、契約済みテナントの存在により、建設が進むほど中止のコストは高くなる。

それらのコミットメントがあっても、キャンパスが目標を逃す可能性はある。試運転は、電力システム、液冷、ネットワーク、安全試験、電力会社の承認を伴う複雑なプロセスだ。数カ月の遅れでも、根本となるプロジェクトを中止せずに、大規模な容量をある暦年から別の年へずらし得る。

このタイミングへの感応度は重要である。43GWと50GWの差は、プロジェクトが最終的に開設されるかどうかではなく、いつ稼働可能になるかを反映している可能性がある。読者はこの予測を、2027年12月に関する厳密な約束ではなく、加速の証拠として解釈すべきだ。

したがって重要な変化は、目に見える勢いである。予測容量の大きな部分が、企業の意図から物理的な実行段階へ移った。そのため、次の制約は当初の発表よりも重要になる。

締結済みリースは建設計画を財務上の圧力へ変える

長期リースは建設ラッシュの信頼性を高める一方、建設に対する楽観をバランスシート上のリスクへ移し替える。

SemiAnalysisによると、同社の集計時点までに、拘束力がある、または解約不能なデータセンターリースが2026年中に1兆ドル弱締結された。同社の見出しは、より広い1.3兆ドルという指標に言及している。これらの数値は異なる契約母集団を対象にしている可能性があるため、基礎データセットなしに同一視すべきではない。

上場企業の開示も、巨額のコミットメント・パイプラインを独自に示している。Reutersのリース分析では、Microsoft、Meta、Oracle、Amazon、Alphabetの5社で、将来支払額が約1.09兆ドルに上ることが確認された。これらのリースは締結済みだったが、2026年8月初旬の時点ではまだ開始されていなかった。

Reutersによると、その後の契約により、5社の既知の合計は約1.16兆ドルまで増加した。Microsoftは、未開始リース支払額3291億ドルを開示した。Metaは2789億9000万ドルを報告し、その後7月にさらに680億ドルのデータセンターリースを締結した。

Oracleは2600億ドルの未開始コミットメントを開示した。Alphabetは852億ドル、Amazonはより広範なリースポートフォリオ全体で1372億1000万ドルを開示した。Amazonの数値には、倉庫、オフィス、航空機、車両などの資産も含まれる。

未開始リースとは、顧客がまだ利用できない資産に関する締結済み契約を指す。通常、この義務は施設が供用開始するまで、認識済みのリース負債として計上されない。企業はその間、財務諸表の注記で将来支払額を開示する。

この会計処理は、コミットメントを隠れたものにしたり、通常の債務と同等にしたりするわけではない。将来のリース支払は長年に及ぶ可能性があり、通常は割引前の金額で示される。それでも、その規模は、一般的な負債の見出し指標の外にどれほどの支出が残っているかを明らかにする。

契約はまた、誰が実行リスクを負うかを変える。開発事業者は、約束された需要を前提に施設を資金調達し、建設しなければならない。テナントは容量が利用可能になったときに受け入れる準備を整える必要がある。そしてクラウド顧客とAI研究所は、結果として生じる固定費を正当化するだけの利用を生み出さなければならない。

Oracleは期間のミスマッチを示す。同社は、リースが通常、2027年度から2029年度の間に開始し、15年から19年続くと述べた。また、リース期間が顧客契約と一致しない可能性を警告した。顧客が更新しなければ、Oracleはより長期のインフラコミットメントにさらされる可能性がある。

これがこの物語の中核となる対立だ。契約済みの建設と、実現された計算需要である。締結済みリースは、企業が容量不足が続くと考えていることを示す。しかし、予約されたすべてのメガワットが魅力的な収益を生むことを証明するものではない。

最近のリース活動は、短期的な需要の見方を支えている。AI容量に関するレポートは、TD Cowenのデータとして、主要クラウド事業者がある四半期に7.4GW超をリースしたと伝えた。これは、その前の1年間全体でリースされた量を上回った。

その期間、Oracleが最も多くの容量を確保したと報じられており、その多くはOpenAIのワークロード向けだった。Googleが2位、Fluidstackがそれに続いた。Meta、Amazon、CoreWeave、Microsoftも積極的な参加者だった。

相手方は同一ではない。Microsoft、Amazon、Googleは、多様化されたクラウドプラットフォームの背後に容量を配置できる。Metaは主に自社サービスとAIモデルを支える。Oracleは少数の大規模AI顧客への集中エクスポージャーを抱える。専門事業者は、資金調達、テナントの質、期限通りの引き渡しに依存する。

AI収益の成長が鈍化した場合、この分布は重要になる。多様化されたクラウド事業者は、一部のインフラをデータベース、エンタープライズコンピューティング、ストレージ、従来型クラウドワークロードに転用できる。極めて高密度なAIキャンパスは、冷却、ネットワーク、電力システムがアクセラレータークラスター向けに設計されているため、柔軟性が低い。

完成したキャンパスは、複数の集団に同時に圧力をかける。開発事業者はテナントに引き渡しを受け入れてもらう必要がある。ハイパースケーラーには設備と電力が必要だ。AI研究所には収益または資金調達が必要となる。チップ供給企業は、予約済みの電力を利用可能な計算能力へ変えるだけのアクセラレーター、メモリ、ネットワークハードウェアを供給しなければならない。

リースは広範な放棄の可能性を下げるが、誤った場合のコストを高める。だからこそ、SemiAnalysisの2027年予測は信頼できる一方で、同時に財務リスクも伴い得る。

ボトルネックは建物からシリコンへ移る

2027年に50GW超が稼働すれば、制約資源は電力を有用なAI計算へ変換するハードウェアになる。

データセンターはAIシステムの外側の層にすぎない。その内部では、アクセラレーターがモデル計算を実行し、高帯域幅メモリがそれらのプロセッサにデータを供給し、ネットワークが数千台のデバイスを接続する。冷却設備は熱を除去し、変電所とバックアップシステムは信頼性の高い電力を維持する。

SemiAnalysisは、ロジックチップとメモリの不足が、2027年と2028年には建物や電力を上回る制約となり得ると主張する。この見方は、同社の建設予測から直接導かれる。急速に完成するキャンパスは、コンクリート建設と同じ速度では拡大できない半導体サプライチェーンを巡って競争することになる。

アクセラレーターが最も注目を集めるが、AIクラスターには複数の供給制約を受ける部品が含まれる。先端メモリはプロセッサの隣に配置され、極めて高い速度でデータを供給する。専用ネットワークスイッチ、光リンク、ケーブルは、ラックをまたぐ処理を協調させる。電力管理設備は、ますます高密度化するシステムを制御する。

各レイヤーには異なる生産タイムラインがある。半導体製造工場の開発と認定には何年もかかる。先端パッケージングでは、プロセッサとメモリを統合しなければならない。メモリ供給各社は、製品世代間で生産を配分する必要がある。ネットワーク機器ベンダーは、サーバー組み立てとキャンパスの稼働準備に合わせて納入時期を調整しなければならない。

これは、順序の問題を生み出す。事業者は、どのチップ世代が建物に導入されるかを把握する前に、電力を予約できる。また、電力会社が最終的な系統連系を完了する前にサーバーを受け取ることもある。どちらの側で遅延が生じても、高価な資産は十分に活用されない。

キャンパス設計は移行をさらに複雑にする。新しいアクセラレータは、従来のシステムよりラック当たりの消費電力が大きくなる可能性がある。チップの近くで冷却液により熱を除去する直接液冷が必要になる場合もある。旧世代の密度想定に基づいて設計された施設では、初期導入が完了する前に改修を要する可能性がある。

したがって、この建設拡大はギガワットをモデル性能へ単純換算する話ではない。電力容量が同じ2つのキャンパスでも、算出されるコンピューティング能力は異なり得る。チップ世代、稼働率、ネットワーク効率、冷却のオーバーヘッド、ソフトウェアはいずれも、ワット当たりで提供できる有用な処理量に影響する。

このため、50 GWをアクセラレータの台数に直接換算すべきではない。事業者が完全なハードウェア構成を開示することはめったになく、導入計画も変化する。一部の容量はAIプロセッサではなく、ストレージ、ネットワーキング、従来型クラウドサービス、施設のオーバーヘッドに充てられる。

それでも、大幅な容量増加はチップ供給各社の交渉力を強めるだろう。ハイパースケーラーは、電力だけが供給された空の建物から収益を得ることはできない。顧客への課金開始や価値の高い社内ワークロードの実行に間に合うよう、迅速にアクセラレータを確保する必要がある。

圧力はNvidiaにとどまらない。クラウド事業者は、コスト管理、供給の安定性向上、特定モデル向けのハードウェア最適化を目的に、独自プロセッサの開発を続けている。Googleはtensor processing unitsで長年の経験を持つ。AmazonはTrainiumを提供し、MicrosoftとMetaも社内シリコンのプログラムを進めてきた。

カスタムチップによってサプライチェーンが不要になるわけではない。依然として製造、パッケージング、メモリ、回路基板、ネットワーキング、サーバー組み立てが必要だ。アクセラレータの供給を多様化できる一方、追加のソフトウェア開発と導入作業も生じる。

2027年の建設拡大では、こうした代替手段が量産規模に到達できるかが試される。成功するカスタムアクセラレータは、ベンチマークのワークロードを実行できるだけでは不十分だ。安定したコンパイラ、効率的なモデル実装、信頼性の高いネットワーキング、高い稼働率を維持できる十分な顧客採用が必要となる。

開発者は、新しいチップを待つか、入手可能なハードウェアを導入するかという選択にも直面する。導入を遅らせればワット当たり性能は改善し得るが、リースした容量は遊休状態になる。直ちに導入すれば有用な処理を早く開始できる一方、長期リースの間に機器の競争力が低下する可能性がある。

このトレードオフは、市場全体の購買行動に影響する。最大手企業は、複数のチップ世代と供給元に容量を分散できる。より小規模なクラウド事業者は、最も需要の高いシステムを待てないため、効率の低いハードウェアを受け入れる場合がある。

チップのボトルネックは、インフラ投資とAIの経済性も結び付ける。高速なプロセッサが価値を生むのは、顧客が推論、学習、またはクラウドアクセスに対価を支払う場合に限られる。モデル効率の向上が利用拡大を上回れば、事業者はより少ないハードウェアで需要を満たせる可能性がある。エージェント、動画、継続的な推論を通じて利用が拡大すれば、50 GWでさえ不足に感じられるかもしれない。

SemiAnalysisは、実質的に後者のシナリオに賭けている。同社のデータセンター容量成長予測は、契約済み需要と建設の証拠が目先の制約を乗り越えることを前提としている。次の試金石は、背後で完成していく建物のペースに半導体生産と収益を生むワークロードが追いつけるかどうかだ。

50 GWという数字が証明しないこと

建設が進んでいることは中止リスクを低減するが、電力供給、稼働率、収益性、環境影響に関する疑問を解決するものではない。

第1の不確実性は測定に関するものだ。業界関係者は、電力会社の供給、重要情報技術負荷、キャンパスの設計上限、段階的な容量を説明する際にメガワットとギガワットを用いる。2つの情報源がこの連鎖の異なる地点を数えていれば、予測は一貫性がないように見えることがある。

SemiAnalysisは詳細な独自モデルを用いているが、公開記事で明らかにされているのは方法論と基礎となるキャンパス一覧の一部にすぎない。読者は、公開資料だけから50 GWという総量全体を独自に再現することはできない。可視化された24 GWのサンプルは、予測のすべての構成要素ではなく、進行方向を裏付けるものだ。

第2の不確実性は納入時期だ。建物はほぼ完成しているように見えても、変圧器、開閉装置、バックアップ発電、または電力会社の承認を待っている場合がある。大規模な建設が終わった後も、試運転上の問題が開業を遅らせることがある。予測が容量を特定の年に割り当てる場合、こうした遅延は重要になる。

第3の不確実性はエネルギー供給だ。IEA power outlookは、データセンター向けの発電量が2024年の460 TWhから2030年には1,000 TWh超へ増加すると予測している。基本シナリオでは、再生可能エネルギーが追加需要のほぼ半分を供給する。

短期的な急増局面では、化石燃料が依然として中心的な役割を担う。IEAは、2030年までのデータセンターの追加電力需要の40%以上を天然ガスと石炭が満たすと見込む。系統接続の待機列により、より急速な成長はオンサイト発電や既存の化石燃料容量へ向かう可能性がある。

この課題は、特に米国で集中している。Berkeley Lab updateは、データセンターが2030年までに米国の電力の11.8%を消費する可能性があると推計している。シナリオの範囲は9.5%から15.3%に及ぶ。

こうした全国規模の数字は、より困難な地域的課題を覆い隠すことがある。データセンターキャンパスは、光ファイバー、土地、税制優遇、既存のクラウドリージョンがある場所に集積する。国全体の発電容量が十分に見えても、地域の電力会社は大規模かつ比較的継続的な負荷に対応しなければならない。

米国エネルギー情報局は、データセンター開発が短期的な電力需要の増加を牽引すると予想している。同局のgrid demand analysisは、ERCOTとPJMを2027年までで最も急成長する地域として挙げている。両地域にはすでに大規模なインフラ開発パイプラインがある。

送電網の制約が予測を自動的に無効にするわけではない。事業者は専用発電を確保し、メーター裏側のシステムを構築し、またはキャンパスを段階的に開設できる。遅延とデータに関する規則が許す場合には、リージョン間でワークロードを移動させることも可能だ。

ただし、各回避策にはコストが伴う。専用のガス発電は排出量を増やす可能性がある。発電なしでは、バッテリーは継続的な電力を供給できない。新しい送電線は長期の計画プロセスに直面する。ワークロードの移動はネットワーク遅延を生んだり、顧客要件と衝突したりする可能性がある。

第4の不確実性は稼働率だ。キャンパスは開設し、サーバーを受け入れても、その経済的な潜在力を下回る運用にとどまる場合がある。稼働率は、設置されたコンピューティング容量のうち、請求可能または戦略的価値のある処理に使われている割合を測る。

低稼働率は、ソフトウェアの問題、顧客側の遅延、ネットワークの制約、または特定種類のアクセラレータの供給過剰から生じ得る。高稼働率も、事業者が需要を呼び込むためアクセス料金を大幅に値引きしていれば、経済性の弱さを隠している可能性がある。

第5の不確実性は資金調達に関するものだ。長期リースは建設の可能性を高めるが、固定的な義務も生み出す。AI開発企業は、インフラへのコミットメントがキャッシュ創出力を圧迫する前に、利用を収益に変えなければならない。

最大手プラットフォームは、専門事業者よりも一時的な非効率を吸収しやすい。既存のクラウド顧客、広告事業、消費者向け製品を持つためだ。小規模な事業者は、少数のテナント、高コストの資金調達、将来の賃料に関する楽観的な前提に依存することが多い。

景気後退が起きても、放棄されたキャンパスが並ぶとは限らない。むしろ、リース料の低下、契約の再交渉、サーバー設置の延期、または収益率の悪化という形で現れる可能性がある。投資家が調整の負担を負う一方で、容量そのものは稼働開始するかもしれない。

最後の不確実性は技術効率だ。モデルは、改善されたアルゴリズム、量子化、疎な計算、より良いスケジューリングによって、学習と提供のコストを下げられる。こうした進歩により、固定されたワークロードに必要なハードウェアを減らせる可能性がある。

効率化は、より多くのユーザーにAIサービスを手頃な価格で提供できるようにし、総需要を増やすこともある。このリバウンド効果は、コンピューティング市場で繰り返し見られてきた。単位コストの低下は、新製品、利用の拡大、より頻繁な推論を促す。

このバランスを解決できる予測は一つもない。50 GWという数字は、企業が強い需要期待を前提に建設を進めていることを示す。それがすべてのキャンパスで魅力的な収益を生むことを証明するものではない。

2027年の建設拡大を試す3つのシグナル

この予測は、建設写真だけでなく、通電済み容量、導入済みハードウェア、継続的なAI需要によって評価される。

第1のシグナルは、建設が進んだキャンパスを通電済みの情報技術容量へ転換できるかどうかだ。建物が利用可能なコンピューティング能力に寄与する前に、事業者は変電所、系統接続、冷却システム、試運転を完了しなければならない。

電力会社と開発事業者による四半期ごとの更新情報は、プロジェクトが改訂後の予定どおりに開設されるかを示すはずだ。最も有用な開示は、完成した建物と通電済み容量を分けて示すものとなる。また、キャンパスの設計上限と、すでに顧客が利用可能な容量も区別すべきだ。

先行する24 GWのサンプルの大半が2027年中に稼働を開始すれば、SemiAnalysisのデータセンター予測は大きく裏付けられる。広範なずれ込みが2028年に及べば、より長期的なインフラトレンドを否定せずとも、暦年ベースの総量は弱まる。

遅延のパターンは、その規模と同じくらい重要になる。この規模のプロジェクトでは、個別の後退は通常のことだ。複数地域で変圧器不足、系統接続の保留、試運転の失敗が繰り返されれば、構造的な制約を示すことになる。

第2のシグナルはハードウェアの導入だ。投資家は、アクセラレータの出荷、高帯域幅メモリの生産量、先端パッケージング能力、ネットワーキング収益、サーバー設置に注目すべきだ。これらの指標は、事業者が必要なペースで新しい建物を設備で満たせるかを示す。

チップ不足は、SemiAnalysisが指摘するボトルネックの移行を裏付けることになる。建物は完成しても、プロセッサとメモリが生産的な容量を制限する。クラウド事業者は旧式ハードウェアの利用期間を延長するか、カスタムチップの採用を加速させる可能性がある。

秩序立ったサーバー導入の増加は、別の結論を支持する。半導体供給各社が建設の波を見越し、増産に成功したことを示唆するためだ。制約はその後、電力価格、顧客ワークロード、またはソフトウェアの稼働率へ移る可能性がある。

ハードウェア構成も別の手掛かりをもたらす。社内設計のアクセラレータが急速に採用されれば、ハイパースケーラーが単一サプライヤーへの依存を減らしていることを示す。1つのアクセラレータプラットフォームへの集中が続けば、調達リスクは高いままとなる。

第3のシグナルは、容量が開放された後の継続的な需要だ。クラウド収益、AIサービスの利用状況、残存履行義務、リースに関する開示は、顧客が新しいインフラを吸収しているかを示すはずだ。

需要は、モデル学習プロジェクトを超えて広がる必要がある。学習は大規模だが断続的である。一方、導入済みモデルがユーザーやソフトウェアに応答する推論は、業務アプリケーション、検索、コーディング、メディア、自動化エージェント全体で持続的な消費を生み出し得る。

エンタープライズ導入は特に重要になる。消費者向けアプリケーションは膨大なリクエスト量を生み出し得るが、収益は不確実になりやすい。企業顧客は契約と再現性のあるワークロードをもたらす一方で、信頼性、セキュリティ、測定可能な投資対効果を求める。

リース会計は、その結果の一部を明らかにする。施設が利用可能になるにつれて、未開始の契約上のコミットメントは計上済みの負債と費用に移行する。企業はその後、収益と設備稼働率がこれらのコストと比べてどう推移しているかを説明する必要がある。

契約期間、更新に関する文言、開発事業者への資金提供の変化に注目したい。契約期間の短期化は、テナントが柔軟性を求めていることを示す可能性がある。再交渉や受け入れの遅延は、需要の根拠を弱める。新たな長期契約は、それを裏付けることになる。

これら3つのシグナルは、読者にとって実用的な検証基準となる。第一に、キャンパスは電力供給を受けたか。第二に、運営事業者は十分な数の現行世代ハードウェアを導入したか。第三に、顧客は導入後に持続的な利用を生み出したか。

3点すべてに肯定的な答えが得られれば、2027年はコンピューティング供給における真の転換点となる。また、データセンター建設ではなくチップ生産こそが、業界で最も厳しい制約になったという見方も裏付けられる。

結果がまちまちであれば、より慎重な解釈が必要になる。通電済みでも空の建物は、ハードウェアまたは資金調達の問題を示すだろう。導入済みでも利用率の低いクラスターは、需要の弱さを示す。旺盛な需要があるにもかかわらず送電網への接続が遅れるなら、電力が引き続きこの物語の中心となる。

開発者やエンタープライズの購入者にとって、この拡張は最終的にアクセス性、地域別の利用可能性、コンピューティングコストに影響するはずだ。供給の拡大は希少性を和らげ得るが、それは電力とチップが同時に届く場合に限られる。購入者は、発表されたギガワット数に依存するのではなく、実際のサービス提供状況を追跡すべきだ。

SemiAnalysisの2027年予測が説得力を持つのは、多くの建設がすでに始まっているためだ。最大の主張は、施設の扉が開いた後に問われる。業界は前例のない電力容量を、有用で対価が支払われるコンピューティング業務へと転換しなければならない。

今後数四半期にわたり、キャンパスの稼働開始をハードウェア出荷と継続的なクラウド需要と比較してほしい。3つすべてがそろって伸びれば、加速は本物だ。どれか1つが遅れれば、それが新たなボトルネックを特定し、どのコミットメントが早すぎたのかを明らかにする。