アジア太平洋地域のテクノロジーおよびAI半導体サプライチェーン：Rubin Ultraは段階的なHBM構成を採用する可能性、AIコンピューティング拡大はCoWoS、ウエハ、テスト、光インターコネクトの需要を引き続き牽引

概要

本レポートは、AI GPUおよびASICサプライチェーンにおけるアーキテクチャ調整、メモリ構成、サーバーラック、光インターコネクト、先端パッケージング、テスト需要、電力制約に焦点を当てている。中核的な見方は、Rubin Ultraが段階的なHBM仕様を通じてメモリ不足とコスト圧力を緩和する可能性があること、KyberラックはPCBおよび冷却の問題により遅延に直面しており、NVIDIAは短期的にはOberon NVL72を延長しつつ、より大規模なインターコネクトを支えるためにCPO/NPOを活用する可能性があることだ。同時に、Google TPUおよびCPU、Rubinシリーズ、その他のカスタムASICの拡大は、CoWoS、先端ノードウエハ、HBM、テストの需要を引き続き牽引する。

主要見解

第一に、Rubin Ultraは、異なるワークロードに対応し供給・コスト圧力を緩和するため、ハイエンド製品でHBM4e、下位製品でHBM4を使用する複数のHBM構成階層を形成する可能性がある。第二に、メモリ仕様の引き下げは長コンテキスト大規模モデルのデコーディング性能を弱める可能性があるが、チップ当たりメモリの削減はアクセラレータ総出荷量を増やす可能性もある。第三に、Kyberラックには依然として明確な納入時期がなく、第1世代のRubin Ultraシステムは引き続きOberon NVL72アーキテクチャを使用し、CPO/NPOを通じてNVL576レベルの接続性を実現する可能性がある。第四に、ファウンドリープロセスとSerDes速度の制約により、中国のAI GPUベンダーはスーパーノード構築にNPOを使用する傾向がより強い一方、NVIDIAのCPO路線はスケールアウト拡張における差別化を生む可能性がある。第五に、Google TPU、CPU、Rubinの需要は2026年から2027年にかけてAI半導体サプライチェーンの継続的な成長を支えるが、電力供給はチップ能力より厳しい制約となる可能性がある。

分析フレームワーク

本レポートはサプライチェーンのチャネルチェックとボトムアップ推計を組み合わせている。CoWoSウエハの配分、ウエハ当たりの生産可能チップ数、HBM構成に基づいてアクセラレータ出荷量とメモリ需要を推計し、プロセスノード、チップレット数、ウエハ消費量、ウエハ価格に基づいてウエハ収益機会を推計している。また、各9台を1台のNVL72ラック相当としてHGXサーバーをチップ・ラック対応モデルに組み込み、GPUまたはASIC当たりの平均消費電力を用いて総電力容量要件を推計している。

手法メモ

• サプライチェーン調査チャネルチェック

  メモリ、パッケージング、サーバー、テストの産業チェーンからのフィードバックを通じて、製品仕様と納入ペースを評価する。

  チャネルからのフィードバックは、Rubin Ultraの段階的HBM計画、Kyberラックの遅延、CPO/NPOの採用方向、Google TPUおよびCPUのテスト需要を評価するために用いられる。

• 能力・出荷量推計CoWoSボトムアップモデル

  CoWoSウエハの配分とウエハ当たりの生産可能チップ数を用いて、アクセラレータ出荷量を推計する。

  このモデルはさらに、チップ当たりのHBM容量、スタック数、世代を組み合わせて総HBM需要を推計し、顧客別およびチップベンダー別にCoWoS需要を分解する。

• システム出荷マッチングチップ・ラック等価換算

  HGXシステムとNVL72ラックを統一されたGPU消費量指標に換算する。

  レポートは、各8基のGPUを搭載するHGXサーバー9台がNVL72ラック1台に相当すると仮定し、これを用いてBlackwellチップ供給とサーバーラック需要を再マッチングしている。

• インフラ制約電力容量換算

  アクセラレータ数に平均熱設計電力を乗じて、必要な電力容量を推計する。

  GPUまたはASIC当たり約2 kWという例示的パラメータを用い、レポートは2027年の約1,900万基のアクセラレータを約38 GWの電力需要に換算し、チップ需要予測がインフラによって支えられるかを検証している。

資産マッピングと比較

投資テーゼから固有資産への構造化マッピング（強み、弱み、同業、リスク）。

• NVIDIA

  Rubin、Rubin Ultra、Blackwell、スーパーノードアーキテクチャの中核的推進役

  強み

  GPU、NVLinkからラックレベルシステムまでの完全なエコシステムを有する。CPOロードマップは大規模インターコネクト性能を強化すると見込まれ、Rubinシリーズは2026年下期に量産立ち上げサイクルへ入ると予想される。

  弱み

  Rubin UltraはHBM供給とコストのトレードオフに直面し、KyberラックにはPCB、冷却、納入時期に関する不確実性がある。

  比較

  NPOを使用する中国のスーパーノードソリューションと比較すると、NVIDIAはラック間スケールアウト性能を高めるためCPOの利用により積極的である。

  リスク

  性能に影響するHBM仕様調整、ラック遅延、電力不足、サプライチェーンのバッファ在庫消化が予想を下回るリスク、規制上の制約。

• TSMC

  AI GPUおよびASIC向けの先端ノードウエハとCoWoSパッケージング能力の主要提供者

  強み

  GPU、TPU、カスタムASICの同時成長から恩恵を受ける。レポートは、同社のAI関連売上CAGRが2024年から2029年に約60%に達すると予想している。

  弱み

  需要は顧客の設備投資、先端パッケージング能力の拡張、支援するデータセンターインフラに大きく依存する。

  比較

  CoWoS能力は、グローバルAIチップ供給と顧客配分を測定するためにレポートが使用する中核的なベンチマークである。

  リスク

  電力ボトルネックにより最終導入がチップ能力を下回るリスク、顧客配分の変更、先端ノードおよびパッケージング能力拡張における実行リスク。

• SK hynix、Micron、Samsung

  HBM3e、HBM4、HBM4eの主要な潜在的供給者

  強み

  AI向けHBM総消費量は、2026年の最大約300億Gbから2027年の最大約500億Gbへ増加すると予想される。

  弱み

  Rubin Ultraの段階的構成は一部製品のチップ当たりHBM容量を低下させる可能性があり、サプライヤーは異なるスタックおよび世代仕様にも対応する必要がある。

  比較

  GPUおよびASIC製品ごとの認証・配分はサプライヤーにより異なり、Samsungの参加は一部のカスタムASICおよび下位構成で増える可能性がある。

  リスク

  仕様ダウングレード、認証遅延、歩留まり、価格圧力、新規能力が需要を上回る速さで投入されるリスク。

• MediaTek

  Google TPUのカスタムASIC設計パートナーであり、2 nm製品サプライチェーンの潜在的受益者

  強み

  同社は2027年のASIC市場シェアを15%から20%と見込み、2 nm TPUの量産立ち上がりに伴い2028年には収益シェアがさらに上昇すると予想している。

  弱み

  売上成長はGoogleプロジェクトの進行ペース、先端ノードの量産、バックエンドテスト能力に依存する。

  比較

  Broadcomの既存TPUプロジェクトと並行して、MediaTekはTPU v8t、v9、および後続世代への関与を拡大すると予想される。

  リスク

  プロジェクト遅延、顧客集中、2 nm量産リスク、ASIC競争の激化。

• King Yuan Electronics Co Ltd

  Google TPUおよびCPUのウエハテスト、最終テスト、システムレベルテスト需要の受益者

  強み

  Google関連需要は、2026年の売上高の8%から10%から、2027年には10%から15%へ上昇すると見込まれる。より長いテスト時間と高い複雑性はテストの付加価値に有利である。

  弱み

  関連売上は単一顧客プロジェクトの立ち上がりペースに敏感であり、一部の売上は2026年第4四半期および2027年へ繰り延べられている。

  比較

  チップ数量からのみ恩恵を受けるサプライヤーと比べ、KYECはバーンインテストおよびシステムレベルテストの普及率上昇からも恩恵を受ける。

  リスク

  TPUまたはCPU出荷が予想を下回るリスク、テスト能力配分の誤り、顧客集中、プロジェクト繰り延べ。

• GUC

  カスタムASIC設計サービス提供者であり、TPUバックエンド設計への潜在的参加者

  強み

  同社は将来のTPU世代向けにコンピュートチップレットのバックエンド設計サービスを提供することに関心を表明しており、レポートは関連するCoWoS需要が急速に成長すると予想している。

  弱み

  プロジェクト受注と売上計上は顧客の意思決定および製品量産時期に依存する。

  比較

  MediaTekやBroadcomなどのフルASICパートナーと比較して、GUCはより設計サービスおよび顧客カスタマイズ案件に注力している。

  リスク

  プロジェクトが実現しないリスク、設計の複雑性、先端パッケージング能力、顧客集中リスク。

• 中国のAI GPUベンダー

  超大規模モデルの学習・推論向けに国内スーパーノードアーキテクチャを構築

  強み

  複数のラックをNPOで接続することで、国内サプライチェーンの制約下でもスケールし、2兆パラメータ超の大規模モデルをサポートできる。

  弱み

  ファウンドリープロセスの制約を受け、国産GPUのSerDesレーン当たりレートは依然として約100Gb/sにとどまる可能性があり、インターコネクト効率を制限する。

  比較

  NVIDIAが優先するラック間CPOの方向性と比べ、中国ベンダーは現在、パッケージ近傍光学のNPOソリューションにより傾斜している。

  リスク

  プロセスノード、インターコネクト帯域幅、消費電力、ソフトウェアエコシステム、輸出規制、量産実行リスク。

主要データ

• Google TPU出荷量2026年は370万台、2027年は700万台超表の合計は2027年に約735万台であり、主にTPU v8iおよびv8tによる。
• Google CPU出荷量2026年は150万台、2027年は300万台関連プロジェクトではバーンインテストおよびシステムレベルテストが必要となる。
• KYEC売上高に占めるGoogle関連事業の比率2026年は8%から10%、2027年は10%から15%TPU、CPU、最終テスト、および一部のウエハテスト収益を含む。
• MediaTekのASIC市場シェア見通し2027年に15%から20%同社は、2 nm TPU製品の量産立ち上がりに伴い、2028年にも収益シェアがさらに上昇する可能性があるとみている。
• Blackwell出荷予測2026年に540万台レポートは、2026年下期のGrace Blackwell NVL72需要を満たすのにチップ供給は十分であるとみている。
• RubinおよびRubin Ultra出荷予測2027年に700万台近くRubinは2026年第3四半期に立ち上がりを開始し、ラック出荷は第4四半期に始まると予想される。
• Rubin NVL72ラック出荷量2027年に約9万セットこの予測はチップ・ラック消費量マッチングモデルに基づく。
• 2027年のCoWoSから示唆されるAIチップ数量約1,900万台チップ当たり平均2 kWと仮定すると、約38 GWの電力需要に相当する。
• AI HBM消費量2026年は最大約300億Gb、2027年は最大約500億Gbこの推計はAI GPUおよび主要クラウドベンダーのASIC構成を対象とする。
• AIウエハ消費額2026年は少なくとも260億米ドル、2027年は少なくとも590億米ドルアクセラレータ出荷量、チップレット数、プロセスノード、ウエハ価格に基づく推計。
• グローバルCoWoS総需要の前年比成長率2026年は102%、2027年は93%需要成長はNVIDIA、Broadcom、AMD、GUCなどの顧客によって共同で牽引される。
• TSMCのAI関連売上成長2024年から2029年に約60%のCAGRを見込む汎用AIチップ、カスタムASIC、CoWoSおよびウエハテスト、AIサーバーCPUを対象とする。

影響と示唆

業界チェーンへの影響は一方向ではない。段階的なHBM構成はハイエンドメモリの供給圧力を緩和し、システムコストを低下させる可能性がある一方、チップ当たりHBM容量の低下はメモリのコンテンツ価値を抑制する可能性がある。これに対し、チップ出荷増はウエハ、パッケージング、テストなどの数量主導型サプライヤーに恩恵をもたらす。Kyberの遅延は短期的には新ラック導入に不利だが、Oberon NVL72および関連するPCB、冷却、システムサプライチェーンのライフサイクルを延長する可能性がある。より大規模なスーパーノードは、CPO/NPO、高速インターコネクト、光学部品の重要性を高める。Google TPUおよびCPU需要の上方修正は、MediaTek、GUC、KYEC、および関連する先端パッケージング・テスト分野の機会を直接拡大する。長期的には、最大の制約はチップ能力から電力、データセンター建設、システムレベルの冷却能力へ徐々に移行する可能性がある。

リスク

• HBM不足の長期化または認証遅延により、Rubin Ultraの最終仕様および立ち上がりペースが変更される可能性がある。
• HBM仕様の引き下げは、長コンテキスト大規模モデルのデコーディング性能に比較的大きな影響を及ぼす可能性がある。
• KyberサーバーラックはPCB、冷却、システムエンジニアリング上の問題の影響を受けており、納入時期は依然として不明確である。
• グローバルな電力、データセンター建設、系統接続能力が、予測されるAIアクセラレータ導入規模を支えられない可能性がある。
• CoWoS、先端ノードウエハ、またはテスト能力の拡張が実際の需要と乖離する可能性がある。
• クラウドベンダーの設備投資、Google TPUおよびCPU、またはRubinプロジェクトの出荷が予想を下回る可能性がある。
• CPO/NPO技術ロードマップ、歩留まり、コスト、量産時期には不確実性がある。
• 米国の大統領令、輸出規制、および関連取引制限が特定企業および証券に影響する可能性がある。
• モルガン・スタンレーは複数のカバー対象企業との間に株式保有、投資銀行業務、またはその他の取引関係を有しており、潜在的な利益相反を生じる可能性がある。

注目点

• 2026年第3四半期末までのRubin Ultra HBM仕様に関するNVIDIAの最終決定。
• 異なるHBM構成がデコーディング、プリフィル、長コンテキスト大規模モデル性能に及ぼす実際の影響。
• Kyberラックの明確な量産時期と、PCB・冷却問題の解決進捗。
• Oberon NVL72がNVL576へ拡張する際のCPOおよびNPOの採用比率。
• 2026年第3四半期におけるRubin量産立ち上げ、および第4四半期のラック出荷の実行状況。
• 2027年にGoogle TPUが700万台超、CPUが300万台という予測がどの程度実現するか。
• TPUプロジェクトにおけるMediaTekの売上シェアと2 nm製品の進捗。
• KYECのバーンインテストおよびシステムレベルテスト能力の稼働率とGoogle関連売上の寄与。
• TSMC CoWoSの顧客配分、能力拡張ペース、AI関連売上成長。
• グローバルAIデータセンターの電力容量、系統接続の進捗、冷却インフラ建設。