China AI infrastructure ecosystem レポート解説

概要

この業界深掘りレポートは、中国のAI推論需要の急拡大が幅広い国内インフラ構築をどう促すかを検討している。JPMorganの中心的見解は、現地化が急速に進み複数のサプライチェーン分野を支える一方、限られた先端ファウンドリー能力、歩留まりの課題、制約のあるHBM供給が短期のチップ供給を抑制し、どの企業が恩恵を受けるかを左右するというものだ。

主要見解

JPMorganは、中国のAIインフラサイクルは訓練ではなく主に推論によって牽引されていると論じる。DeepSeekを含む低コストのオープンソースモデルの登場により、日次トークン消費量は2024年初頭の約100 billionから2026年3月には140 trillion超へ増え、2年未満で1,000倍超となった。レポートは、消費者・企業での採用、エージェント型AI、マルチモーダル用途、より長いコンテキスト、反復的なツール呼び出しが、セッション当たりのトークン量を引き続き増やすと予想する。JPMorganの中国インターネットチームは、2025-30年のトークン消費を約330%のCAGRと予測している。 レポートは、推論スループットの枠組みを通じてこのトークン見通しをインフラ需要へ転換する。最初のトークンまでの時間に影響する計算集約的なprefillと、出力トークン当たりの時間を決めるメモリ集約的なdecodeを区別し、後者はより大きなメモリ容量と帯域幅を要する。前提には、671 billionパラメータモデルの展開、50ms未満のTPOT、128のバッチサイズ、4,096のKVキャッシュ長が含まれる。この手法では、増分推論コンピューティング需要は2030年まで約80%のCAGRで伸び、その時点で総コンピューティング要件の85%を占める。単一ダイパッケージと継続的な性能改善を仮定すると、AIチップ需要は2026-30Eに約40%のCAGRで増加し、2030Eには約14 million unitsに達する。モデルは当初、TFLOPS当たり1 Throughput (tokens/s)を仮定し、主にモデルアーキテクチャ革新とカスタムハードウェア最適化で2028Eまでに年約30%の効率改善を経て3.3へ達するとみる。最適化は需要を緩和できるが、供給制約を解消するものではない。 供給がレポートにおける最大の制約である。JPMorganは国内AIチップ出荷を2026E、2027E、2028Eにそれぞれ2 million、3 million、5 million unitsと推定し、海外GPU供給が引き続き制約されるなか、国内調達比率は2028Eに総供給の80%、2030Eに90%に達すると予想する。現地企業は今後2～3年に先端ロジック能力を150,000-200,000 wafers per month追加することを目標にしているが、有効生産量は歩留まり改善とより先端的なノードへの移行に左右される。したがって、レポートは今後6-12か月、国産GPUとASICは売り手市場が続き、確保済み能力または在庫を持つ企業が優位になるとみる。また、AIサーバー／ハードウェア収益を2026E、2027E、2028Eに約RMB230 billion、RMB326 billion、RMB532 billionと予測する一方、H200または他の海外チップ調達の承認は不確実性をもたらすと指摘する。 HBMは第2の主要なボトルネックである。既存の国産チップは主にHBM2eを用いるが、HBM3/HBM3eへの移行は認定期間と装置アクセスに制約される。JPMorganは2026-30EのHBM需要を約60%のCAGRと予測し、2030Eまでに現地化需要を完全に満たすには約200,000 wafers per monthのHBM3eメモリダイ前工程能力が必要と推定する。製品競争力は能力拡張と同様に重要であるため、HBM自給のギャップは徐々にしか縮小しないと予想する。レポートはまた、多くの現行国産AIチップがFP8/FP4をまだサポートしておらず、これが基盤モデルの競争力とAIアプリケーション普及を妨げる可能性があると指摘する。 JPMorganは、先端パッケージング、インターコネクト、システム設計を、前工程制約下で実用性能を向上させる現実的な手段とみる。チップレットとマルチダイ設計は、より小さいダイを使って歩留まり制約を緩和し、ウエハー当たりの生産量を改善できるため、2.5D/3Dパッケージングと効率的なダイ間通信の重要性を高める。国内OSATはCoWoS-S類似ソリューション、またはCoWoS-Rとの組み合わせを扱えるが、CoWoS-L類似技術への移行は2026年後半以降と見込まれ、注視が必要である。レポートはHuaweiのTau ScalingとLogicFoldingを、幾何学的スケーリングが制約されても性能向上を追求する例として挙げる。Kirin 2026の2層LogicFoldingはトランジスタ密度を238MTr/mm2へ、1世代で55%向上させ、性能コアの電力効率を41%改善すると予想される。 システムレベルでは、中国ベンダーはワークロード特化、高密度scale-up、ソフトウェア最適化によって個別チップの差を補えるとレポートはみる。HuaweiのAscend 950PRはprefillと推薦向け、950DTはより高いメモリ容量・帯域幅でdecodeと訓練向けに設計され、後者は最大4TB/sの帯域幅と144GBのメモリを提供する。HuaweiのCloudMatrix384は384個のAscend 910チップと192個のKunpeng CPUを300 PFLOPS超のシステムに統合し、AlibabaのPanjiu AL128は128-144個のGPUをサポートする。Sugonが披露したスーパーコンピュータは10,240枚のアクセラレータカードを使い、5 EFLOPS超の総コンピューティング能力を主張する。これらのシステムはscale-outネットワークの効率損失を減らすことを狙うが、多額の資本支出、より大きな電力容量、データセンターの再設計を必要とする。Huawei CANN、Cambricon NeuWare、MetaX MXMACA、Moore Threads MUSAなどの独自ツールキットはハードウェア利用率の向上を意図するが、長期的な採用はフレームワーク互換性とコスト性能に左右される。 レポートはこの投資テーマを半導体の外側にも広げる。AIサーバーとデータセンターはラック当たりの電力密度を高め、液冷の必要性を増し、プレハブ電力モジュール、800V DC、固体変圧器、バックアップ電源、ESS、スマートグリッド投資の需要を押し上げる。JPMorganは2026-30EのAIデータセンター増分電力需要を約50%のCAGRと予測し、2030Eまでにデータセンター利用が中国の総電力消費の約5%を占めるとみる。同社は中国の総電力供給を制約とはみないが、熱管理、電力アーキテクチャ、蓄電、グリッド統合を中心とする構造的なインフラサイクルを見込む。 JPMorganは国産AIサプライチェーン全体の受益企業を特定する。先端AIチップを生産できる十分な在庫・能力を持つ国内AIチップ供給企業、国内WFE企業、OSAT・テスト事業者、サーバーODM/OEM、AIキャビネット需要と厳格化した電力クオータ審査に支えられる卸売IDCを選好する。主要推奨銘柄としてIluvatar CoreX、NAURA、AMEC、JCET、V-Test、Huaqin、VNET、Sungrow、CATL、TGOODを挙げる。SMICについては、低歩留まりと減価償却費上昇が利益率を圧迫するためNeutralを維持し、Envicoolについては、弱い1Q26業績、業績予想の下方修正、現在の株価が示唆する世界サーバー冷却シェアとの評価ギャップを受けてUnderweightを維持している。

分析フレームワーク

JPMorganは、観測されたトークン成長と推論利用の予測から始め、モデルサービングの前提を用いてトークンのスループットをコンピューティングおよびチップ需要へ換算し、その需要をファウンドリー、パッケージング、HBM供給と照合する。続いて、マルチダイパッケージング、スーパーノード、ソフトウェアスタック、電力インフラがハードウェア制約をどう緩和できるかを評価し、結果として生じる需要をカバー企業のサプライチェーンへマッピングする。

手法メモ

• 業界・産業分析フレームワーク需給フレームワーク

  AIチップ、ファウンドリー能力、HBMの需給分析

  レポートは、コンピューティング、チップ、HBMのトークン主導需要を、利用可能な製造能力、歩留まり、認定進捗と比較し、想定されるボトルネックと受益企業を特定する。

• 業界・産業分析フレームワーク産業チェーンの上流・中流・下流波及

  AIインフラのサプライチェーンマッピング

  分析は、AIチップと製造装置からパッケージング、サーバー、データセンターを経て、冷却、電力、ESS、グリッド機器まで需要を追跡する。

• 業界・産業分析フレームワーク数量・価格分解

  推論スループットとチップ単位需要モデル

  レポートは、トークン量をコンピューティングのスループットに、さらにチップ単位需要に変換し、ハードウェア利用率、効率、パッケージサイズの前提を組み込む。

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）。

• Iluvatar CoreX (9903 HK)

  国内チップ需要と制約された海外GPUアクセスの恩恵を受けると位置付けられる、選好される国内AIチップ供給企業。

  強み

  JPMorganは製品・サプライチェーン戦略、在庫、能力支援を挙げる。

  リスク

  ファウンドリー能力の配分、製品性能、互換性、コスト効率が引き続き重要。

• NAURA (002371 CH)

  先端ロジック・メモリ能力の追加による選好WFE受益企業。

  強み

  現地化とより高密度な資本支出へのエクスポージャー。

  リスク

  国内能力追加と技術移行の実行。

• AMEC (688012 CH)

  先端製造の現地化需要の強さから恩恵を受ける選好WFE企業。

  強み

  先端ロジック・メモリ能力の継続的な追加へのエクスポージャー。

  リスク

  ファウンドリー能力拡張と歩留まりの進展。

• JCET (600584 CH)

  先端パッケージングの増加から恩恵を受けるカバー対象OSAT企業。

  強み

  JPMorganは、より高付加価値のフルスタックCoWoS類似パッケージングサービスとシェア獲得を見込む。

  弱み

  CoWoS-L類似技術への移行は重要な不確実性。

  リスク

  技術移行の進捗と上流ウエハー出力の時期。

• V-Test (688372 CH)

  高性能AIチップの製造量増加とテスト時間長期化から恩恵を受けるカバー対象テスト提供企業。

  強み

  低い製造歩留まりとマルチチップパッケージの採用加速によるテスト市場の乗数効果。

  リスク

  国内ファウンドリーのチップ出力に依存。

• Huaqin (603296 CH)

  Superpod展開と国内サーバー需要の恩恵を受ける選好サーバーODM/OEM企業。

  強み

  AIサーバー、汎用サーバー、高速スイッチにわたるフルスタックのR&D・製造能力。

  リスク

  顧客の資本支出と展開の複雑性。

• VNET (VNET US)

  AI関連注文と高電力キャビネット展開の恩恵を受けるIDCの最優先銘柄。

  強み

  経営陣は現在の新規注文の70%超がAI関連と示し、電力クオータ審査は価格と利益率を支える可能性がある。

  リスク

  国内AIチップ供給制約と予想を下回る中国CSPの資本支出。

• Sungrow (300274 CH)

  グリッドフレンドリーなAIデータセンター電力構成から恩恵を受けるESS企業。

  強み

  経営陣はAIDCをESSの新たな機会として位置付ける。

  リスク

  AIDCでのESS採用の範囲とペース。

• CATL (3750 HK/300750 CH)

  AIDCのエネルギー貯蔵展開から恩恵を受ける選好バッテリーサプライチェーン企業。

  強み

  ESSセル・システム技術、ナトリウムイオンESS、展開チャネルを支えるVNETの戦略的持分。

  リスク

  目標とするAIDC展開とインフラ投資の実行。

• TGOOD (300001 CH)

  選好されるAIデータセンター電力設備関連銘柄。

  強み

  納入期間、資本支出、電力コストの削減を意図する高電圧プレハブインフラとAI Powerhouseモジュールへのエクスポージャー。

  リスク

  800V DC/SSTとプレハブ電力アーキテクチャの採用。

主要データ

• 日次トークン消費量More than 140 trillion by March 20262024年初頭の約100 billionから増加し、2年未満で1,000倍超。
• 中国のトークン消費予測~330% CAGR, 2025-30採用拡大とエージェント型／マルチモーダル用途が牽引するJPMorgan中国インターネットチームの予測。
• 推論コンピューティング需要~80% CAGR through 20302030年までに総コンピューティング要件の85%を占める見込み。
• AIチップ需要~40% CAGR, 2026-30E; ~14 million units by 2030Eトークン需要の成長、単一ダイパッケージ、想定される性能改善に基づく。
• 国内AIチップ供給2 million / 3 million / 5 million unitsJPMorganによる2026E / 2027E / 2028Eの推定。
• 先端ロジック能力の追加目標150,000-200,000 wafers per month今後2～3年の目標だが、歩留まりとノード移行の課題が有効生産量を制限する。
• HBM需要~60% CAGR, 2026-30E2030年までに現地化需要を満たすには、約200,000 wafers per monthのHBM3eメモリダイ能力が必要。
• AIデータセンターの増分電力需要~50% CAGR, 2026-30E2030年までにデータセンター電力消費は中国総電力消費の約5%に達する見込み。

影響と示唆

レポートの中心的な含意は、海外チップへのアクセス制約と国内先端供給の不足が、中国AIハードウェアエコシステム全体の現地化を加速させるということだ。同社は、確保済みの能力、在庫、先端パッケージングまたはテスト能力を持つ企業、および高密度AIサーバー、データセンター、冷却、電力システム、ESS、グリッド統合を可能にする供給企業が最も強い需要の恩恵を受けると予想する。

リスク

• 先端ファウンドリー能力、歩留まり、技術移行により、国内AIチップ供給が需要を下回る可能性がある。
• HBM3/HBM3eの認定と装置アクセスの制約が自給化を遅らせる可能性がある。
• H200または他の海外チップ調達の承認は、国内ハードウェア需要の前提を変える可能性がある。
• スーパーノードおよびクラスター展開には、大きな資本支出、より大きな電力容量、データセンターの再設計が必要。
• 国内AIチップの競争力は、性能、互換性、コスト効率、ソフトウェアフレームワーク支援に左右される。
• 予想を下回る中国CSPの資本支出はデータセンター需要を圧迫する可能性がある。

注目点

• 先端ファウンドリー能力の配分、歩留まり、2H26以降のウエハー出力の進展。
• HBM3/HBM3eの認定、能力開発、国内製品の競争力。
• CoWoS-S/R類似ソリューションからCoWoS-L類似先端パッケージングへの移行。
• CSPと企業の資本支出、国内ハードウェア採用、現地化AIチップに対する顧客満足度。
• FP8/FP4対応、ソフトウェア最適化、独自ツールキット互換性の採用。
• AI関連データセンター注文、電力クオータ政策、液冷採用、ESS／グリッドインフラ展開。