AIデータセンターブームを支える光ファイバーのボトルネック

Google Newsは、チップに焦点を当てたAI予測で見落とされがちな対立を浮き彫りにした。データセンターには、既存のサプライチェーンが供給を想定していた量をはるかに上回る光接続が必要になっている。

制約はガラス光ファイバーだけにとどまらない。光エンジン、シリコンフォトニクス、コネクター、レーザー、専用パッケージング、熟練した施工担当者のすべてが、コンピューティングクラスターをどれだけ速く拡張できるかに影響する。

これは、インフラの根本的な問いを変える。アクセラレーターを追加で購入しても、事業者がそれらを効率よく接続し、周辺ネットワークに電力を供給し、予定どおりに施設を展開できるとは限らない。

Google、NVIDIA、Amazon、Metaなどの大手事業者はいま、同じ物理的現実に直面している。実用的なAI能力は、プロセッサー、ラック、建物、地域の間で、許容できない遅延や電力コストを生じさせずにデータを移動できるかにかかっている。

そのため競争は、チップの確保から完全なシステムの確保へと移りつつある。近年の供給契約や工場拡張は、光接続が調達上の細部から戦略的資産へと急速に変わったことを示している。

Google Newsが示す、GPU不足の先にある課題

AIインフラ競争には第2のハードウェア制約が加わった。それはプロセッサーの内部ではなく、プロセッサー同士の間にある。

大規模モデルの学習に不可欠で、高価かつ希少だったグラフィックスプロセッサーは、これまでの供給不足に関する議論を支配してきた。企業が十分なアクセラレーターの確保に苦戦していた時期には、この強調は理にかなっていた。

だが、数千個のプロセッサーが1つのコンピューティングクラスターに導入されると状況は変わる。各ワークロードを通じて、モデルパラメーター、中間結果、同期メッセージを相互にやり取りしなければならない。

データを待つプロセッサーは、公称どおりの性能を発揮できない。そのためネットワークは、すべてのチップが正常に動作していても、高価なコンピューティング機器を十分に活用できない状態に陥らせる可能性がある。

従来のエンタープライズデータセンターは、通信パターンの要求がより緩やかなCPUワークロードを主な対象として構築されていた。多くの接続は短距離の電気接続として、個々のラック内に収めることができた。

大規模AIシステムでは、より高密度なクラスターを使い、1つのワークロードを多数のアクセラレーターに分散する。このトポロジーはスイッチをサーバーから遠ざけ、リンク数と伝送距離の両方を増やす。

NVIDIAは、この設計により、ネットワークインターフェースからスイッチへの接続とスイッチ間の接続に光学技術が必要になると説明している。同社のAI factory networkingの概要でも、従来のコンポーネントに伴う電力および信頼性のコストが指摘されている。

この区別は重要だ。「光ファイバーのボトルネック」は、相互に関連する複数の不足を指し得る。事業者には、原料ファイバー、完成ケーブル、コネクター、トランシーバー、光エンジン、スイッチ、パッケージング能力、そしてそれらすべてを設置できる人材が必要となる。

ある層で能力を増やしても、他の層の制約が自動的に解消されるわけではない。ケーブルを確保しても、レーザーが不足していたり、光エンジンの歩留まりが低かったり、半導体パッケージングが遅延したりすれば補えない。

施設の外部にある物理的な経路も、もう1つの層を形成する。AIワークロードは、別々の建物、地域キャンパス、遠隔地のデータセンター間で情報を移動させる機会が増えている。

こうした経路には、管路、通行権、建設作業員、増幅器、ネットワーク機器が必要だ。クラウド事業者がサーバーを調達する速度に、通信事業者が新たな都市間経路を常に建設できるとは限らない。

これがGoogle Newsの記事の背後にある核心的な逆転だ。AIブームは計算需要を中心に評価されてきたが、実用的な計算能力は、はるかに広い産業チェーンに依存している。

そのチェーンには、チップ製造ほど注目を集めてこなかった材料製造や精密組立の企業も含まれる。これらの生産サイクルは、ソフトウェアのリリーススケジュールを大幅に超える場合がある。

ボトルネックが現れる時期も、事業者ごとに異なる。長期契約を結ぶハイパースケーラーは供給を確保できる一方、小規模な事業者はより長いリードタイムや限られた構成選択肢に直面する可能性がある。

こうした不均衡なアクセスは競争の構図を変え得る。最大規模の購買コミットメントを持つ企業は、調達リスクを低減するだけではない。新しいコンピューティング能力を稼働させるために必要な物理的投入材を確保できる。

データセンター内外で高まるファイバー需要

AIクラスターは複数の層で光接続を消費するため、あらゆる拡張はコンピューティングプロジェクトであると同時にネットワーク建設プロジェクトでもある。

データセンター内部では、アクセラレーターはスケールアップネットワークとスケールアウトネットワークを通じて通信する。スケールアップ接続は緊密に協調されたコンピューティング領域を形成し、スケールアウトネットワークはより大きなサーバー群とスイッチ群を接続する。

銅線は短距離では依然として有用だ。しかし、速度が上がり、接続がより大規模なシステムにまたがるにつれて、電気信号を効率よく伝送することは難しくなる。

信号損失は、追加の処理、冷却、電力要件を生む。1つの施設内で数千のリンクが同時に動作すると、この圧力はより深刻になる。

光学技術は、電気データを光に変換し、ファイバーを通じて伝送する。この方式は長距離と高帯域幅をより効率的に扱えるが、レーザー、変調器、検出器、コネクター、製造工程を追加することになる。

AIインフラは、より高い接続密度も必要とする。施設は、曲げ半径、気流、保守性、信号品質を守りながら、限られたラックスペースにより多くのファイバーとポートを収めなければならない。

接続数はクラスターとともに増加する。より大きなシステムにはより多くの通信経路が必要であり、コンポーネント障害時にもワークロードを稼働させ続けるため、冗長化によるリンクも追加される。

LumenとCorningは2024年8月、早期の指標を示した。両社のfiber supply agreementでは、Corningの世界のファイバー生産能力の10％が、2年間にわたりLumen向けに確保された。

両社によれば、生成AIにはデータセンター内で少なくとも10倍のファイバー接続が必要となる。また、Lumenの米国都市間ネットワークの距離を2倍超に拡大する計画も示した。

この契約は、2つの別個の要件に対応していた。高密度クラスターには大規模な内部配線が必要であり、分散した施設には拠点間の大容量経路が必要となる。

Corningによれば、同社の新しいケーブルは既存の管路に2倍から4倍のファイバーを収容できる。この密度が重要なのは、新たな管路の敷設は通常、利用可能な経路に改良型ケーブルを通すよりも時間がかかるためだ。

高密度ケーブルが、すべての建設上の制約を取り除くわけではない。事業者には依然として、アクセス可能な経路、適切な建物、許認可、接続作業能力、互換性のある終端機器が必要となる。

それでも、このことは光ファイバー技術の革新が展開速度に影響する理由を説明する。材料とケーブル設計の改善は、すでに存在する物理インフラからより多くの能力を引き出すことができる。

同じ論理は施設内部にも当てはまる。高密度システムにより、建設者はすべての経路を拡張せずにより多くの機器を接続できるが、正確な施工と慎重な熱設計が求められる。

したがって、データセンターの設計チームはより早い段階で光学技術に関する判断を下さなければならない。サーバーが到着するまで待てば、互換性のないレイアウト、欠落したコンポーネント、稼働開始を遅らせる施工スケジュールが明らかになる可能性がある。

これにより、ネットワーキングは付随的な購入品から、能力計画の投入要素へと変わる。クラスターの実用的な規模は、通信ファブリックが実際のワークロード下で維持できる能力に左右される。

顧客にとって、その結果は必ずしも目に見えるファイバー不足として現れるわけではない。クラウドリージョンの開設遅延、アクセラレーターの利用可能性の制約、専用能力の提供までの待ち時間の長期化として現れる可能性がある。

エンドユーザーに見えるのは、より少ないコンピューティング選択肢だ。その根本原因は、クラウドサービスそのものから複数のサプライヤー層を隔てた場所にあるかもしれない。

ハイパースケーラーがサプライチェーンを確保する

長期購買契約は、主要なAI構築企業が光接続能力を代替可能なコモディティとして扱わなくなったことを示している。

NVIDIAとCorningは2026年5月、AIインフラ向けの先進的な光接続を対象とする複数年のパートナーシップを発表した。Corningは米国のファイバー生産を50％超拡大する計画だ。

同社はまた、国内の光接続製造能力を10倍に増やす予定である。manufacturing expansionには、ノースカロライナ州とテキサス州における3つの新施設が含まれる。

これらの数字は、予想される需要シフトの規模を明らかにしている。同時に、現在建設段階に入っているインフラ計画に対して、既存の生産能力が十分な規模ではなかったことも示している。

このパートナーシップが対象とするのは原料ガラスだけではない。光接続には、ファイバーを展開可能なネットワークに変えるためのケーブル、アセンブリ、コネクター、管理システムが含まれる。

Amazonも、Corningのファイバー、ケーブル、接続製品を対象とする複数年・数十億ドル規模の契約を結んだ。この取り決めは、Amazonが拡大する米国のデータセンター拠点を支える。

Amazon fiber dealは、ノースカロライナ州での製造業雇用1,000人と追加の建設作業も支援する。

MetaはCorningと別の大規模な複数年供給関係を構築している。Corningによれば、最大60億ドル規模のagreement with Metaは、ノースカロライナ州における光ケーブル製造の拡張を支援する。これらのコミットメントを合わせると、ハイパースケーラーは短期的なスポット購入よりも、保証されたアクセスを重視していることがうかがえる。

この動きは、先端チップや高帯域幅メモリーをめぐる以前の競争に似ている。能力拡張には工場、専用ツール、認定作業、訓練を受けた従業員が必要となるため、大口購入者は早期にコミットする。

この戦略は小規模事業者に2つの面で圧力をかける。第一に、大規模契約は、新たな生産が本格稼働する前に将来の生産量を吸収する可能性がある。

第二に、サプライヤーは当然ながら主要顧客を中心に製品を最適化する。小規模な購入者は、選択肢が少なくなったり、納入時期が遅くなったり、別の事業者のアーキテクチャを前提としたシステムを受け取ったりする可能性がある。

Googleは、光学スタックの一部を自社開発している場合でも、同じ経済的圧力に直面する。垂直統合は外部コンポーネントベンダーへの依存を減らせるが、製造上の制約をなくすことはできない。

社内設計の光学コンポーネントにも、材料、製造、パッケージング、試験、展開が必要となる。設計の所有は制御を変えるが、生産の法則を変えるものではない。

TrendForceは、Googleが光学コンポーネントを社内開発する一方、他のベンダーは外部供給を確保していると報じた。異なる戦略が目指す目的は同じである。重要なネットワーキング技術への予測可能なアクセスだ。

ここでGoogleの光ネットワーキングは戦略的に重要になる。Googleは長年にわたり、グローバルなプライベートネットワークを運用し、コンピューティングサービス向けにカスタムインフラを設計してきた。

AIはその経験の価値を高める一方、求められる規模も引き上げる。検索、動画、クラウドトラフィック向けに構築されたネットワークは、いまや厳密に同期されたアクセラレーターワークロードも支えなければならない。

調達競争は、単にGoogle対NVIDIAやAmazonという構図ではない。主たる対立は、確約された需要と製造の現実との間にある。

ハイパースケーラーは契約を締結し、工場建設に資金を投じることができる。それでも供給企業は、施設を建設し、プロセスを認定し、歩留まりを改善し、大量生産で信頼性の高い製品を供給しなければならない。

この遅れは、必要量を正確に予測できる事業者に優位性をもたらす。一方で、AI計画の拡大がインフラの確保を上回る企業にはリスクとなる。

市場はいずれ十分な能力を追加する可能性がある。それまでの間、長期契約は業界を、供給を確保した買い手と納入リスクにさらされる買い手に分ける。

Co-Packaged Opticsがボトルネックをチップの近くへ移す

ネットワークの限界に対する業界の解決策は、高度なAIプロセッサーにも使われる制約のある製造システムの一部に依存している。

現在の光リンクの多くは、プラガブル・トランシーバーを使用している。これらの取り外し可能なモジュールはスイッチのフェースプレートに配置され、電気信号を光信号へ変換する。

プラガブル設計は、使い慣れた保守可能な方式だ。技術者は、メインのスイッチパッケージを廃棄せずに故障したモジュールを交換できる。

しかし、より高速な電気信号は、スイッチングチップから回路基板を横断する間により多くのエネルギーを失う。この損失により、消費電力、発熱、信号処理要件が増加する。

一般にCPOと呼ばれるCo-Packaged Opticsは、光エンジンをスイッチチップの隣に配置する。電気経路を短縮することで、データが光ファイバーに入る前の損失を抑える。

NVIDIAによると、従来の毎秒200ギガビットのチャネルでは、電気損失が22デシベルに達する場合がある。同社のCPO設計では、この経路損失を約4デシベルまで低減するとされる。

同社はまた、インターフェースの消費電力を約30ワットから最小9ワットへ下げられるとしている。これらは依然として、NVIDIAのアーキテクチャと運用前提に基づくベンダー側の主張である。

NVIDIAのSpectrum-X Photonics announcementによると、同社のシステムは毎秒409.6テラビットのスイッチング容量に到達するよう設計されている。掲載されている最大構成は、毎秒800ギガビットで動作する512ポートをサポートする。

これらの数値は、CPOが注目を集める理由を説明している。クラスターに数千本の高速リンクが含まれる場合、ネットワーク電力は大きなコストとなる。

ただしCPOは、製造上の問題を解消するのではなく、別の場所へ移す。光エンジンは、レーザー、変調器、光検出器、結合部品をコンパクトなアセンブリーに統合する。

各部品は、高温かつ消費電力の大きいシリコンの近くで信頼性高く動作しなければならない。1つの不良要素が高価な統合パッケージ全体に影響し得るため、メーカーには高い歩留まりが求められる。

シリコンフォトニクスも新たな依存関係を加える。この技術は半導体製造手法を用いて光学機能を構築し、光処理を従来のチップ生産に近づける。

その後、高度パッケージングによってフォトニックデバイス、電子部品、支持構造が統合される。この工程には高い精度が必要で、高性能プロセッサーにも使われる一部の資源と競合する。

TrendForceのCPO production analysisは、光エンジンの歩留まり、シリコンフォトニクスの生産能力、高度パッケージングを3つの中心的な制約として挙げている。

同社によると、NVIDIAはSpectrum-X CPOスイッチの出荷を選定パートナー向けに開始した。Broadcomも51.2テラビットのBaillyスイッチを限定出荷し続けていた。

TrendForceによれば、TSMCと共同開発したNVIDIAのシステムは最大毎秒400テラビットを提供する。生産は2026年後半に拡大する見通しだった。

Broadcomのシステムは、従来のプラガブル光学方式と比べて消費電力を最大70%削減するとされる。TrendForceによると、Metaは導入検証を完了している。

これらの動きは、研究室での実証から初期の商用製造への移行を示す。ただし、供給企業が計画されるすべてのAI導入を満たせることを示すものではない。

CPOは保守性に関する疑問ももたらす。交換可能なトランシーバーは一部の故障を切り分けられるが、高度に統合された光学系では修理がより複雑または高額になる可能性がある。

エンジニアは、効率性がモジュール性を上回る地点を判断しなければならない。一部の導入では、改良型プラガブル光学、リニアドライブ光学、または適切な距離での銅線接続を引き続き利用する可能性がある。

将来は一様ではなく、混在する可能性が高い。到達距離、帯域幅、電力、信頼性、保守要件に応じて、異なるリンクで異なる技術を使うことができる。

この不確実性は、現在の調達にも影響する。データセンター全体のあらゆる部分で1つのアーキテクチャが明確に勝つ前に、事業者は部品を確保しなければならない。

Google AIインフラの動向が証明しないこと

目に見える投資は強い需要を裏付けるが、光ファイバーが無期限に業界最大の制約であり続けることを証明するものではない。

供給不足にはしばしばタイミングの問題がある。顧客の予測が不確実な将来需要に依存する場合、メーカーは過剰な生産能力の構築をためらう。

AI企業は、より大規模なモデル、より高密度なクラスター、増加する推論量を予測している。こうした予測は工場建設を支えるが、技術的改善によって各ワークロードに必要なインフラ量は変わり得る。

より小さなモデルが、より多くのタスクを処理できるかもしれない。より良いスケジューリングはアクセラレーターの利用率を高め、圧縮やネットワーキングアルゴリズムの改善は一部の通信オーバーヘッドを減らせる。

企業はワークロードの分散方法も変える可能性がある。トレーニングクラスターは、多くの推論システムより厳格な協調要件を持つ。推論システムは、より独立したサーバー群にリクエストを分散して処理できる。

したがって、「光ファイバーのボトルネック」という表現は広すぎる可能性がある。原材料の光ファイバー、完成ケーブル、光エンジン、レーザー、パッケージング、設置作業には、それぞれ異なる供給曲線がある。

Corningの拡張は複数の接続レイヤーに対応するが、すべてのフォトニクス不足を単独で解決できるわけではない。TSMC、部品ベンダー、装置メーカー、データセンター施工業者もサプライチェーンの一部であり続ける。

現在の証拠は、最大規模の事業者にも有利に働いている。NVIDIA、Amazon、Meta、Googleは、すべての企業導入を代表するものではない規模で構築を進めている。

クラウドのレンタル容量を使う一般企業は、光ファブリックを設置しない。その影響は、サービスの可用性、地域の選択肢、契約条件を通じて現れる。

現在の供給契約は主に、米国の製造とデータセンター建設を対象にしている。欧州、アジア、その他の地域では状況が異なる可能性がある。

地域によっては、許認可、電力へのアクセス、通信政策、建設能力が、光ファイバーの可用性を上回る制約となり得る。インフラのボトルネックに普遍的な優先順位はない。

電力は依然として大きな競合制約である。電力会社が施設を稼働させられない、あるいは十分な発電・送電能力を供給できないなら、完成したネットワークは役に立たない。

冷却ももう1つの境界条件となる。高密度のアクセラレーターと光学パッケージは熱を発生させ、事業者は信頼性を損なうことなくその熱を除去しなければならない。

CPO生産が拡大するにつれ、高度パッケージングがより厳しい制約になる可能性がある。TrendForceは、フォトニクス製品が限られたパッケージング資源をAIチップと競合し得ると指摘している。

これは循環的な問題を生む。より多くのアクセラレーターを活用可能にするネットワーク技術が、そのアクセラレーターをすでに制約している製造能力に依存する可能性がある。

CPOが主張する信頼性向上にも、持続的な現場運用からの証拠が必要だ。研究室テストや選定パートナーでの導入では、数千拠点にわたるすべての保守条件を再現できない。

統合により、故障しやすい電気インターフェースやプラガブルモジュールを排除できる可能性がある。一方で、交換が難しいパッケージ内部により多くの価値を集中させることにもなる。

オープン標準は別のリスクを軽減するかもしれない。AMD、Broadcom、Meta、Microsoft、NVIDIA、OpenAIは、2026年に光学スケールアップ・コンソーシアムの設立を支援した。

同グループのoptical specificationは、プラガブル、オンボード、Co-Packaged Opticsを含む複数の実装を対象としている。そのロードマップは、光ファイバー1本当たり毎秒3.2テラビット以上に達する。

共有された物理層は、部品の選択肢を増やし、独自仕様による分断を減らせる。ただし仕様があっても、製品の互換性、高い製造歩留まり、適時の導入は保証されない。

Google AIインフラは、他の場所で互換性のある業界アプローチを支援しつつ、独自の実装経路を取る可能性がある。この柔軟性はGoogleにとって有利だが、単純な市場シェア予測を複雑にする。

最も安全な結論は、より限定的である。光接続は実質的な計画上の制約となっており、最大の買い手はそれに応じて支出している。

どの部品が最も長い遅延を生むかは、依然として明らかではない。その答えは、工場の稼働、設計の成熟、AIワークロードの進化とともに変化する。

ボトルネック緩和を示す3つのシグナル

光学供給が約束されたAI構築を支えられるかどうかは、工場出力、現場での信頼性、導入時期によって決まる。

最初のシグナルは、Corningの製造立ち上げである。発表された能力が意味を持つのは、認定済みの光ファイバー、ケーブル、コネクター、アセンブリーが信頼できる量で工場から出荷される場合に限られる。

Corningのsecond-quarter 2026 resultsは、初期のベンチマークを提供する。Optical Communicationsの売上高は20億7,000万ドルに達し、前年同期比32%増となった。

Enterprise Networksの売上高は65%増加した。Corningは、生成AI向け製品の売上がはるかに速く伸びたと述べたが、そのカテゴリーの個別数値は示さなかった。

同社は、米国の光ファイバー生産を50%以上増やす計画だ。また、国内の光接続製造能力を10倍に拡大すると見込んでいる。

読者は、今後の決算で出力量、利益率、顧客集中度、建設の進捗を注視すべきである。円滑な立ち上げは、供給が需要に追いつけるという見方を強めるだろう。

遅延や受注残の増加は、反対の結論を支持する。商業的な約束が、実行可能な生産能力を先行していることを示すからだ。

2つ目のシグナルは、初期CPO導入の性能である。NVIDIAとBroadcomは、統合光学系が限定的な検証プログラムの外でも信頼性高く動作することを示さなければならない。

有用な指標には、製造歩留まり、システム可用性、修理手順、エネルギー消費、実運用システムを導入する顧客数が含まれる。

スイッチは帯域幅目標を満たしていても、運用上の問題を生む可能性がある。データセンター事業者が重視するのは、ピーク仕様だけではなく、予測可能な保守とシステム全体の稼働率だ。

幅広い顧客による採用は、CPOが電気信号損失に対する実用的な答えであることを裏付ける。度重なる遅延や保守性の問題があれば、プラガブル代替案の役割はより大きく残るだろう。

3つ目のシグナルは、ハイパースケーラーによる新たなAI能力の稼働時期である。発表された施設は、稼働したクラスター、利用可能なクラウドサービス、地域能力の拡大へとつながるべきだ。

Google Newsの読者は、インフラに関する約束と納入時期を比較すべきである。予定のずれは、企業が公表で切り分けていない制約を明らかにする可能性がある。

プロジェクトの遅延は、自動的に光ファイバー不足を証明するものではない。電力接続、許認可、冷却システム、チップ、建設、資金調達もスケジュールを左右し得る。

複数のプロジェクトにまたがる傾向の方が、より多くを示す。接続性が差別化要因であるなら、光学供給を確保した施設はより予測可能に稼働するはずだ。

同じ比較は、Googleの光ネットワーキングにも当てはまる。垂直統合によって外部への依存が減るのであれば、Googleによる社内コンポーネント開発は測定可能な導入上の利点をもたらすはずだ。

その根拠としては、クラスター拡張の高速化、新たな光システム、ネットワーク消費電力の低下、供給に関する警告の減少などが挙げられる。沈黙は進展がなかったことを証明しないが、具体的な導入事例があれば、その見方はより強まる。

これは、この物語の中心的な緊張関係へと立ち返らせる。AI業界は、より多くのコンピューティングによってスケーラブルな知能を実現すると約束してきた。しかし、そのコンピューティングはますます、精密な光学製造に依存している。

Google Newsはこのボトルネックを浮き彫りにしたが、調達に関する発表だけでは結論を出せない。決定的な証拠は、工場、稼働中のネットワーク、そして完成したデータセンターからもたらされる。

光学製品の生産量が予定通り顧客に届くかを注視すべきだ。次に、CPOシステムが保守性を犠牲にせず、実運用のワークロードに耐えられるかを見極める必要がある。

最後に、ハイパースケーラーの建設計画と実際に稼働を開始した容量を比較する。この3つの確認により、ファイバーが一時的な不足だったのか、それともAIブームを長期的に制約する要因なのかが明らかになる。