NVIDIA総取りの終わり：推論コストとASICで読むAI半導体の新勢力図

2026年6月29日 07:00

GPU・自社ASIC・設計受託を「売る・使う・請け負う」の3層で整理します。

この記事は、SEC EDGARに提出された各社の10-K・10-Q、企業の公式発表を軸に、Deloitteなどの調査会社推計、Reuters・CNBC・FT等の主要報道を補助的に参照しながら、AI半導体の「学習から推論へ」という流れを整理したテーマ解説です。なお、将来ロードマップや未発表製品に関する情報には、報道ベースの未確定情報が含まれます。

AI半導体の主戦場が、変わり始めています。

これまでの主役は、AIモデルを「作る」ための学習でした。だからNVIDIAのGPUに需要が殺到しました。実際、エヌビディア / NVIDIA（NVDA）はFY2027 Q1で売上816億ドル・前年比+85%、営業利益も前年比+147%という異次元の決算を出しています。

しかし次の焦点は、AIモデルを「使い倒す」ための推論です。調査会社Deloitteは、AI計算に占める推論の比率が2023年の約3分の1から、2026年には約3分の2へ高まると予測しています。

ただし、これは「学習が終わる」という話ではありません。むしろ、事後学習や長考推論、AIエージェントの普及で、AIが食う計算量の総量は膨らみ続けています。

だから見るべき問いは「NVIDIAは終わるのか」ではありません。誰が、どの推論を、どのコストで回すのか。ここが、次のAI半導体相場の主戦場になります。

今回のまとめ（3行）

・ 評価軸は「GPU枚数」から「推論コスト」へ ── Deloitteは、AI計算に占める推論比率が2023年の約3分の1から2026年に約3分の2へ高まると予測

・ 推論が伸びても、学習需要は消えない ── 事後学習・長考推論・AIエージェントで総計算量はむしろ膨張。勝ち負けではなく用途ごとの最適化へ

・ 勝者は「売る・使う・請け負う」の3層で見る ── NVIDIA/AMD、Google/AWS/OpenAI、Broadcom/Marvellを同じ土俵で比べず、収益モデルで分けると投資地図が見える

このテーマを一言でいうと

一言でいうと、AI半導体は「NVIDIA一強」から「用途ごとに最適なチップを使い分ける多極化」へ移り始めた、という話です。

学習という巨大イベントはGPUが握り続けます。一方で、毎日・毎秒発生する推論は、もっと安く回したいという力学が働きます。そこで各社が推論専用のチップ（ASIC）を作り始め、設計を請け負う黒衣まで含めて、関わるプレイヤーが一気に増えました。投資家にとっては、見るべき会社の数が増えたということです。

3つのポイント

ポイント1：推論シフトは本物、でも学習も同時に伸びる

AIの計算は、ざっくり3つに分けられます。巨大モデルをゼロから作る事前学習、微調整や強化学習を行う事後学習、そして完成したモデルを使う推論です。

Deloitteによると、2026年のAIデータセンター投資は世界で4,000〜4,500億ドル規模、1ドル＝162円換算で約65〜73兆円に達する見込みです。注目すべきは、Deloitteが「推論の大半は安価な端末ではなく、高価で電力を食うデータセンター内のチップで回る」と指摘している点です。

さらに、事後学習や「テスト時スケーリング（AIが長く考える処理）」によって、計算の総量はむしろ増えています。推論は、もはやチャットの返事を返すだけの軽い処理ではありません。AIエージェントが調べ、考え、コードを書き、検証してやり直す。1回の依頼が数分から数時間の計算ジョブになりつつあります。

つまり 推論の比率は上がるが、AI計算の総量はもっと増える 。だからGPUは消えず、推論専用チップの出番も増えるのです。

ポイント2：GPUとASICは、何が違うのか

GPUは何でもこなす万能選手、ASIC（特定用途向けの専用チップ）は特定の用途に絞って効率を高めた専門職、とよく説明されます。ただ実際の優劣は、使う仕事の中身しだいで変わります。

ひとことで「推論」と言っても、中身は均一ではありません。長い入力を一気に読む処理、答えを1トークンずつ生成する処理、エージェントが何度も考え込む処理では、効くハードウェアが違います。だから「推論チップ」も一枚岩ではないのです。

そして見落としやすいのが、ソフトウェアの壁です。NVIDIAの本当の強みはGPU単体ではなく、CUDAという開発基盤と、世界中の開発者・既存コード資産の総体にあります。ASICがいくら安くても、ソフトが簡単に乗らなければ使われません。 勝負はシリコン単体では終わらない のです。

ポイント3：勝者は「売る・使う・請け負う」の3層で見る

投資家にとって効くのは、技術分類より「どう儲けるか」の分類です。

第1層は、チップを売る側です。NVIDIA、Advanced Micro Devices（AMD）に加え、推論特化で挑むQualcomm（QCOM）やIntel（INTC）が入ります。CerebrasやGroqのような非上場の推論特化プレイヤーも参考枠です。NVIDIAは2025年末、超高速推論で知られるGroqの技術を非独占ライセンスと主要人材の移籍で取り込んだと報じられました（金額は当事者が公表しておらず、Groq自体は独立運営を続けます）。

第2層は、チップを自社で使う側です。GoogleのTPU、AmazonのTrainium、MicrosoftのMaia、MetaのMTIA、OpenAIのJalapeñoがここです。Googleは公式に、第8世代TPUを学習用と推論用に分けたと発表しました（設計・製造の詳細は報道ベース）。これらは単体販売しないことが多い一方、TPUやTrainiumはクラウド経由で外部にも貸し出されます。

第3層は、設計を請け負う黒衣です。中心はBroadcom（AVGO）で、報道ベースではGoogle・Meta・OpenAIなどの案件を抱えるとされます。Marvell（MRVL）も有力ですが、世代ごとに設計の担当は入れ替わりうる点に注意が必要です。 個別モデルの勝敗に一点張りせず、複数の自社ASIC投資を横串で拾える のが、この設計受託の強みです。ただし顧客集中やメモリ（HBM）コスト、設計パートナーの交代には注意が必要です。

最大のリスク：発表と実績の差、そして電力

このテーマで最も注意すべきは、「ロードマップの華やかさ」と「実際の出荷・稼働」のギャップです。

IntelのCrescent Island、Googleの新世代TPU、AppleのBaltra（報道ベース）などには、まだ計画・サンプル段階のものが含まれます。発表のインパクトと、量産・収益化の時期は分けて考える必要があります。

もう一つの監視ポイントは、設計受託大手のAI売上とガイダンスです。Broadcomは直近でAI半導体売上が前年比+143%と急伸しました。一方で、市場期待が先行しすぎると、好決算でも株価が下がる局面があります。今後は、AI売上の伸び率、次四半期ガイダンス、新規顧客数、既存顧客の発注継続が重要な指標になります。

加えて、推論は必ずしも「軽い処理」でも「低電力」でもありません。AIエージェントや長考推論が広がるほど、推論側でも電力・冷却・データセンター用地がボトルネックになります。さらに、CUDA資産の重さでASIC移行が想定より遅れるリスクもあります。これはNVIDIAには追い風です。

筆者の見解

構造判断としては、設計受託の中核であるBroadcomを最優先候補、NVIDIAを中核候補、Qualcomm・Intelなどの挑戦者勢を要監視枠と見ます。

理由は、推論シフトの恩恵が「どの立場で稼ぐか」によって大きく変わるためです。このテーマは複数銘柄にまたがるため、個別のバリュエーション（PER・PEG）は各社の決算記事に譲り、ここでは構造的なポジショニングで判断します。

最も確度が高いのは、複数社の自社ASIC投資を横串で拾えるBroadcomです。直近ではAI半導体売上が前年比+143%と急伸し、カスタムASICとAIネットワークの両面で恩恵を受けています。次に、NVIDIAです。推論専用チップが伸びても、学習・事後学習・汎用推論は引き続きGPUの土俵で、CUDAという堀があるためASICへの移行は一気には進みません。一方、QualcommやIntelは方向性は正しいものの、データセンターでの実績はこれからで、採用・ソフト対応・利用率を確認するまでは期待先行の挑戦者枠と見るのが妥当です。

強気シナリオでは、推論需要の爆発で3層すべてが潤います。基本シナリオでは、Broadcomと自社ASIC勢が推論の量産を取り、NVIDIAは学習と高付加価値推論で高位安定。弱気シナリオでは、電力制約とソフト移植の遅れでASIC普及が後ずれし、GPU需要が想定以上に残ります。

NVIDIAが終わるのではありません。終わるのは「AI半導体＝NVIDIAだけ見ていればいい」という雑な地図のほうです。

今後の事業見通し

確度：高 ── 設計受託・ネットワーク半導体（Broadcom中心）

カスタムASIC設計は、すでに売上として表れています。Broadcomは直近四半期でAI半導体売上が前年比+143%と急伸しました。主要顧客は、報道ベースではGoogle・Meta・OpenAIなどとされます。強みは、特定のAIアプリだけに賭けず、複数社の自社ASIC投資を横串で拾える点です。

確度：中 ── クラウド自社ASIC（Google・Amazon・Microsoft・Meta・OpenAI）

自前チップは「チップ売上を作る」より「クラウド原価を下げる」武器です。TPUやTrainiumのようにクラウド経由で外部提供されるものもありますが、本質は自社のワークロードを安く、安定して回すことにあります。効果は本物ですが、損益に表れるには時間がかかります。

確度：低 ── 推論特化の挑戦者（Qualcomm・Intel・新興勢）

方向性は正しい一方、データセンターでの採用実績はこれからです。Qualcommは2029年にデータセンター向けチップで売上150億ドル（約2.4兆円）を目指すと報じられています。IntelのCrescent Islandも推論特化の方向は明確ですが、報道では顧客サンプルが2026年後半予定で、まだ実績確認のフェーズです。

まとめ

AI半導体の主戦場は、「GPUを何枚持つか」から「推論をどれだけ安く、速く、安定して回せるか」へ移りつつあります。

学習はGPUが制し、推論はASICが広げる。けれど、推論が増えても学習需要は消えません。むしろAIエージェントや長考推論によって、計算需要の総量は膨らみ続けます。

市場は一社総取りから、用途ごとの最適化＝多極化へ進み始めました。投資家が見るべき問いは「NVIDIAが勝つか」ではありません。誰が、どの推論を、どのコストで回すのか。ここが、次のAI相場の主戦場になります。