GPU大型化で日本基板・材料に追い風、NVIDIA供給網の核心

GPU供給網がAI投資の制約になる理由

生成AIの競争は、モデルの性能だけでなく、GPUをどれだけ確保できるかで勝敗が分かれる段階に入りました。NVIDIAのデータセンター事業は直近の公表資料で四半期売上752億ドルに達し、同社全体の成長をほぼけん引しています。つまりGPU供給網は、半導体産業の一部ではなく、クラウド、通信、製造、金融まで巻き込むAI投資の制約条件です。

この供給網で注目すべき変化は、GPUそのものの大型化と、周辺部材の高密度化です。Blackwell世代では演算チップ、HBM、シリコンインターポーザー、有機パッケージ基板、サーバーボード、液冷ラックが一体で設計されます。NVIDIAの設計力だけでは完結せず、TSMCの先端パッケージ、メモリ大手、基板・材料メーカーの歩留まりが全体の出荷力を決めます。

日本企業に追い風が吹く理由もここにあります。従来の半導体投資では前工程の微細化が主役でしたが、AIアクセラレーターでは後工程と材料の価値が急上昇しています。特にABF、ビルドアップ基板、低反り材料、熱対策、検査・実装ノウハウは、日本勢が長年磨いてきた領域です。

Blackwell大型化が変えた調達の力学

2080億トランジスタを支える分業

NVIDIAのBlackwellは、単一の巨大チップをさらに大きくするだけの進化ではありません。公式発表では、Blackwell GPUは2080億トランジスタを搭載し、TSMCのカスタム4NPプロセスで製造されます。さらに二つのGPUダイを10TB秒のチップ間リンクで接続し、一つの統合GPUとして扱う設計が示されています。

ここで重要なのは、計算性能の源泉が前工程だけではなくなった点です。微細化で演算密度を上げる一方、巨大なダイとHBMを同じパッケージ内に置くには、インターポーザー、再配線、バンプ、基板、封止、熱設計の全てが限界に近づきます。どこか一つの工程で歩留まりが落ちれば、完成品の供給は増えません。

TSMCのCoWoSはこの構造を支える代表的な技術です。同社はCoWoSを高性能計算向けのウエハーレベル統合プラットフォームと位置づけ、インターポーザーサイズ、HBMキューブ数、パッケージサイズの拡張を打ち出しています。大きなGPUと複数のHBMを短距離で接続するには、信号遅延を抑えながら配線密度を高める必要があります。ここで先端パッケージが、AI半導体の性能と供給量を同時に左右します。

72GPUラックが求める密結合

Blackwellの商機はチップ単体よりもラック単位で理解する必要があります。NVIDIAのGB200 NVL72は、36個のGrace CPUと72個のBlackwell GPUを液冷ラックに収め、NVLinkで一つの大きなGPUのように動かす構成です。NVIDIAはこのラックについて、30TBの高速メモリー、130TB秒のコンピュートファブリック、LLM推論でH100世代比30倍のリアルタイム性能を示しています。

ラック単位の設計になると、調達のボトルネックはさらに広がります。GPUパッケージだけでなく、NVLinkスイッチ、ネットワーク、電源、液冷部材、プリント配線板、コネクター、光・銅配線まで一体でそろえる必要があります。NVIDIAのHGX B200は8GPU構成で1.4TBの総メモリーと1.8TB秒のGPU間NVLink帯域を掲げており、サーバーボードにも極めて高い層数、低損失、低反りの要求がかかります。

そのため、GPU供給網に入るとは、NVIDIAに直接部材を売ることだけを意味しません。TSMC、メモリーメーカー、基板メーカー、ODM、サーバーメーカーのどこかに組み込まれ、認定・量産・改善のサイクルに入ることが実質的な参入条件です。AIデータセンター向けでは一度採用されると数量が大きく、設計変更も慎重になるため、初期の品質認定が強い参入障壁になります。

日本勢に波及する基板・材料需要

ABFが握る高性能パッケージの入口

日本勢の代表的な強みは、半導体パッケージ基板の絶縁材料であるABFです。報道では、味の素がABFで極めて高いシェアを持ち、2025年時点で過去2年に250億円を投じて群馬と川崎の生産能力を増強し、2030年までに能力を50%引き上げる計画が紹介されています。AI向けGPUやCPUのパッケージが大型化するほど、ABFの品質と安定供給は重要になります。

ABFは目立つ部材ではありませんが、役割は基礎的です。高性能チップを基板へ接続するには、微細な配線層を重ね、電気的な絶縁性と機械的な安定性を両立させる必要があります。GPUのダイが大きくなり、HBMとの接続点が増え、消費電力が上がるほど、基板は熱と反りに耐えながら信号を安定して通す必要があります。

ここで日本企業の価値は、単なる材料供給ではなく、顧客との共同開発にあります。ABFはパッケージ基板メーカーの工程条件に合わせて進化し、銅めっき、レーザー加工、積層、検査と組み合わせて性能が決まります。AI GPU向けでは、材料メーカーが顧客のロードマップを早く把握し、次世代品の歩留まりを前倒しで作り込むほど優位になります。

CoWoS後段で広がる有機基板の価値

CoWoSという言葉が注目されると、シリコンインターポーザーだけが主役に見えがちです。しかし実際のパッケージは、インターポーザーを有機パッケージ基板に載せ、さらにサーバーボードへ接続する多層構造です。HBMをGPUの近くに置くほど上位層の配線密度は上がり、パッケージ全体は大きく重くなります。

有機基板側では、層数の増加、配線の微細化、低損失化、反り抑制が同時に求められます。AIアクセラレーターは高価な完成品であり、基板不良による損失が大きいため、単価が高くても信頼性の高いサプライヤーが選ばれやすい構造です。これが、従来のスマートフォン向け部材とは違う収益機会を生みます。

日本の基板・材料メーカーにとって重要なのは、需要数量だけでなく、仕様が上がることです。大型化した基板では面積が増えるため材料使用量が増えます。多層化すれば工程数が増え、加工難度も高まります。低反り材料や高耐熱樹脂、精密検査の要求が増えれば、汎用品ではなく技術差が価格に反映されやすくなります。

HBMと次世代基板が広げる周辺需要

HBMは、複数のDRAMダイを縦に積み、広いバス幅でGPUやCPUに接続する高帯域メモリーです。AIモデルの学習・推論では演算器だけでなくメモリー帯域と容量が性能を制約します。MicronはHBM3Eの量産を発表し、24GBの8層品をNVIDIA H200向けに出荷すると説明しました。NVIDIAとSK hynixも2026年に複数年の技術提携を発表し、Vera RubinやVera CPUなど将来製品に向けたメモリー共同開発を進めています。

HBMの増加は、GPU周辺のパッケージ面積と配線需要を押し上げます。HBMを多く載せるほど、インターポーザーと基板は大きくなり、電源供給と放熱の難度も上がります。メモリーそのものは韓国・米国勢が中心でも、基板材料、実装、検査、冷却部材には日本企業が入り込む余地があります。

さらに、次世代ではガラス基板やパネルレベルパッケージングも議論されています。Rapidusは600ミリ角のガラスパネルを用いたパッケージング開発を進めると報じられていますが、現時点では量産技術ではありません。ガラスは平坦性や熱・機械安定性に強みがある一方、装置、歩留まり、既存工程との接続が課題です。現在の有機基板特需は続きますが、技術転換の芽はすでに見えています。

特需の持続性を左右する三つのリスク

第1のリスクは、供給能力の増強が遅れることです。AI GPUは、前工程、先端パッケージ、HBM、基板、サーバー組み立ての全てがそろって初めて出荷できます。ある部材だけ能力を増やしても、他工程が詰まれば完成品は増えません。NVIDIAとSK hynixの複数年提携は、メモリーの開発期間と投資負担が長くなっていることの裏返しです。

第2のリスクは、需要見通しの振れです。データセンター事業の急拡大は事実ですが、AIサービスの収益化が想定より遅れれば、クラウド事業者は投資ペースを調整します。基板・材料メーカーは設備投資の回収期間が長いため、顧客の発注が数四半期ずれるだけでも稼働率と利益率に影響します。特需を読む際は、NVIDIAの売上だけでなく、クラウド各社の設備投資とGPU利用率を見る必要があります。

第3のリスクは、技術世代の切り替わりです。BlackwellからRubin、さらに次世代へ移る過程で、HBM4、低精度演算、液冷設計、光接続、ガラス基板などの採用比率が変わります。既存のABFや有機基板がすぐ不要になるわけではありませんが、要求仕様が変われば勝者も変わります。日本勢は現在の量産能力だけでなく、次世代材料の評価サイクルにどれだけ深く入れるかが問われます。

投資家が見るべき供給網の検証軸

NVIDIA供給網の分析で見るべき指標は、GPU出荷台数だけではありません。まず確認すべきは、先端パッケージ能力、HBM供給、ABF・基板材料の増設計画が同じタイミングで立ち上がっているかです。次に、サプライヤーの売上成長が数量増によるものか、仕様高度化による単価上昇を伴うものかを分けて見る必要があります。

日本企業にとっての勝ち筋は、AI GPUの大型化を材料使用量の増加にとどめず、顧客認定、共同開発、歩留まり改善に結びつけることです。NVIDIAの供給網は階層が深く、最終顧客の名前が見えにくい一方、採用されると複数世代にわたり安定した需要につながりやすい市場です。読者が注視すべきなのは、個別企業の短期受注よりも、Blackwell以降の設計思想に沿った材料・基板ロードマップを持っているかです。

AIデータセンター投資は、GPUという一つの部品ではなく、演算、メモリー、基板、電源、冷却、ネットワークを束ねる総合製造競争です。日本勢の特需は偶然ではなく、後工程と材料がAI性能の制約になった結果です。ただし、技術転換と需要調整は常に起こります。NVIDIA供給網を読む際は、現在の採用実績と次世代仕様への追随力をセットで評価する姿勢が欠かせません。

参考資料:

• NVIDIA Blackwell Platform Arrives to Power a New Era of Computing
• NVIDIA GB200 NVL72 Delivers Trillion-Parameter LLM Training and Real-Time Inference
• The Engine Behind AI Factories | NVIDIA Blackwell Architecture
• NVIDIA HGX Platform
• NVIDIA Corporation - Financial Reports
• NVIDIA and SK hynix Announce Multiyear Technology Partnership to Advance Memory for AI Factories
• CoWoS - Taiwan Semiconductor Manufacturing Company Limited
• Ajinomoto pledges to invest millions to produce material that’s vital to semiconductor packaging
• Micron Technology Stock Surges as It Starts Mass Producing Memory Chip for Nvidia AI GPUs
• Rapidus explores panel-level packaging on glass substrates for next-generation processors
• High Bandwidth Memory