学勉強用メモ

DeepSeekショック、再び。AIが賢くなるほど、半導体企業は儲からなくなるのか？

2026-10-20 / 半導体, 投資

2025年1月、DeepSeekが世界の半導体株を震撼させました。

「こんなに安く高性能なAIが作れるなら、NVIDIAのGPUを何十万個も買う必要があるのか？」――NVIDIA株は1日で約17％下落し、時価総額約5,890億ドルが吹き飛びました。

ところが2026年10月現在、AI向け半導体市場は崩壊するどころか、さらに巨大になっています。NVIDIAは驚異的な売上成長を続け、TSMCは生産能力を増強し、世界中でデータセンターの建設計画が積み上がっている。2025年のショックは、「AIが安くなれば、もっとたくさん使われる。だからGPUももっと必要になる」というジェボンズの逆説で、ひとまず落ち着いたように見えました。

ところが、2026年10月17日、DeepSeekが公開した「DeepSeek-V4.1-Flash-1017」が、この前提を再び揺さぶっています。今回はAIの性能が上がっただけではなく、AIに必要な計算量やメモリそのものを大幅に削減する方向へ、技術が進歩したのです。

これはNVIDIAにとって悪いニュースなのか。それとも、AIの普及をさらに加速させる朗報なのか。そして、OpenAIやAnthropicのように巨額の研究開発費を投じて最先端AIを開発する企業は、この先も現在のビジネスを続けられるのか。今回の件が「半導体需要が消える事件」でないことは分かっています。ただ、AI産業の歪みを改めて痛切に感じる出来事ではありました。

1. DeepSeekが何をしたのか

2026年9月に公開されたDeepSeek-V4.1-Flashは、総パラメータ数約5,520億という巨大なモデルです。保存するだけで数百GB規模になり、「Flash」と付いていても家庭用パソコンで気軽に動かせる代物ではありません。

特徴は、大量のパラメータを持ちながら、実際に計算するときにはそのごく一部しか使わない点です。これはMoE（Mixture of Experts）という技術で、大勢の専門家を雇っておきながら、仕事の内容に応じて必要な人だけに働いてもらう仕組みです。

DeepSeekはさらに踏み込みました。AIが情報を「読む」仕事と、回答を「考えて書く」仕事を、異なる計算構造に分けたのです。これをCED（Causal Encoder–Decoder）設計と呼びます。数万行のプログラムを読ませて「このバグだけ直して」と頼む場面では、大量のコードを読み込む処理と、修正する数十行を考える処理はまったく違う作業です。入力処理の活性化パラメータは約80億、出力生成では約160億。つまり、読む側は書く側の半分程度のパラメータで済む設計です（もっとも、Attention処理やメモリアクセスの負担は残るので、入力側のGPU時間がそのまま半分になるわけではありません）。

さらに重要なのが、KVキャッシュの削減です。KVキャッシュとは、AIが過去に読んだ情報を計算し直さなくて済むよう保存しておく途中経過、いわばAIの作業メモです。DeepSeekの技術資料によると、GPUのHBM上に保持するKVキャッシュ量は従来のV4-Flashと比べて約4分の1に、SSDなどに保存する永続キャッシュは約8分の1に削減されました。これは2026年9月版で導入された改善で、この効率化は今後普及すると考えられているAIエージェント向けに設計されています。

10月17日版では、強化学習などによってコーディングやエージェント作業の成功率も向上しました。DeepSeekの公表値では、Terminal-Bench 4.0が31.2％から42.3％へ、DeepSWE v1.1が74.2％から77.0％へ、ProgramBenchが20.3％から29.1％へ上昇しています。一部のベンチマークではClaude Opus 5を上回ると主張していますが、すべてではありません。Terminal-Bench 4.0ではOpus 5が51.8％と依然大きく上回り、高難度の推論能力を測るHLEでもDeepSeekの42.6％に対してOpus 5は56.3％です。しかもこれらは主にDeepSeek側の公表値で、第三者評価で全面的に確認された結果ではありません。

つまり「世界最高のAIになった」というニュースではありません。それでも、最先端モデルに迫る性能をはるかに安い価格で提供できる領域が広がり、モデルの重みがMITライセンスで公開されていることは確かです。相変わらず「やってくれたな」というか、なんじゃそら、というか。

2. ジェボンズの逆説は万能なのか

半導体投資の話に戻ります。効率が上がれば同じ仕事に必要な計算資源は減りますが、AIが安くなれば利用者が増えるので、結局GPUの総需要は増える。これがこの場合のジェボンズの逆説です。

ただし、これは半導体株を助ける魔法の呪文ではありません。簡単な算数をしてみます。ある仕事に必要なGPU時間が40％減ったとします。従来100のGPU能力が必要だった仕事は、同じ件数なら60で処理できます。ここでAIに任せる仕事が2倍に増えれば、必要な計算資源は120となり従来を上回ります。一方、仕事が30％しか増えなければ78にとどまります。需要が増えているのに、GPUの必要量は減ってしまうわけです。

つまり問題は、AIに任せる仕事の増加率が、計算効率の改善率を上回るかどうかです。

もう一つ、「トークン数」と「仕事の件数」は同じではない点にも注意が必要です。新しいモデルが短い推論で正解にたどり着けるようになれば、同じ仕事に必要なトークン数自体が減ります。AIを使う企業が増えても、トークン需要はそれほど増えない可能性があるわけです。

反対に、今まで採算が合わなかった仕事までAIが引き受けるようになれば、総需要は爆発的に増えるかもしれません。何百、何千というAIエージェントが24時間働く時代です。

どちらに転ぶかは、まだ確定していません。KVキャッシュが4分の1になったからといって、GPU1基で4倍の仕事ができるわけでもありません。演算能力、メモリ帯域、通信速度など、制約は他にもあるからです。

だから今後確認すべきなのは、ベンチマークのスコアだけではありません。「同じ仕事を、同じ品質で完成させるために、何GPU時間、何kWh、何ドル必要なのか」。この数字こそが、AI半導体の需要を左右すると考えられます。

3. NVIDIAはGPUメーカーを卒業しようとしている

今回最も懸念される企業の一つがNVIDIAです。ただし同社は、既に単なるGPUメーカーではありません。販売しているのはGPUという部品だけではなく、CPU、GPU、高速ネットワーク、NVLink、スイッチ、ソフトウェアを組み合わせた巨大なAI計算システムです。その象徴がBlackwellからVera Rubinへと続くラックスケールの製品群で、72基のGPUをNVLinkで接続して一つの計算システムとして動作させます。顧客が購入する単位も、GPU単体からラック全体へ変わりつつあります。

さらに、NVLink Fusionを通じて、他社製CPUやカスタムASICまで自社のネットワークに接続できるようにしようとしています。自社のGPUが独占しなくても、他社のチップがNVIDIAのネットワークを使うなら収益を得られる構造です。自動車メーカーが高速道路の建設・運営まで始めたようなもので、他社の車が売れても、その車が自社の道路を通れば収益になります。

問われるのは販売数量だけではありません。システム全体で顧客のAI処理コストをどこまで下げられるか、そしてその価値に対してどの程度の利益率を維持できるかです。ここで重要なのが粗利益率の動きで、NVIDIAの粗利益率は2026会計年度通期で約71.1％と前年度から低下しました（ただし、2026年8月に公表された直近四半期では75.0％まで回復しています）。

4. BroadcomとMarvellは、NVIDIAに勝つのか

両社は、巨大クラウド企業が独自開発するAIチップ、いわゆるカスタムASICに深く関与しています。ASICとは、特定の処理に最適化して設計する専用半導体のことです。GPUが万能な料理人だとすれば、ASICは特定の料理を大量に作ることに特化した調理機械です。献立が毎日変わるなら料理人の柔軟性が重要ですが、毎日同じ料理を100万食作るなら専用設備が有利になります。モデルの構造が安定し、巨大な規模で推論を繰り返すなら、専用チップの方が電力効率や処理単価で優位になる可能性があるわけです。

ただし厄介なのは、AIモデルの構造があまりにも速く変化していることです。今回のDeepSeekのように入力と出力を非対称化し、KVキャッシュの扱いまで変えるモデルが登場すると、専用チップの設計前提も変わってしまいます。数年かけて最適な調理機械を作ったら、完成した頃には人気の料理が変わっていた、ということになりかねません。高い効率という魅力と、柔軟性を失うリスクが同居しているのです。

とはいえ、Broadcomの業績は極めて強いものがあります。2026年度第3四半期のAI半導体売上高は167億ドルで、前年同期比221％増。次四半期には217億ドルを見込んでいます。もはや将来の期待だけで評価される事業ではありません。

また、両社の魅力はASICだけではなく、高速ネットワークスイッチ、光DSP、通信インターフェースなど、AIチップ同士を接続する技術にもあります。GPUの比率が下がり独自ASICが増えても、データを高速にやり取りする必要はなくならず、むしろ演算性能が高くなるほどネットワークがボトルネックになりやすいからです。したがって、BroadcomとMarvellには、GPUからASICへのシェア移転と、ネットワークの高速化という二つの成長機会があります（ただし、AI設備投資全体が減速すれば、両社も無傷では済まないでしょう）。

5. 製造装置はしぶとい。ただし、景気耐性とは別の話

どんなチップが勝つにせよ、それを製造する設備は必要です。ASML、Applied Materials、Lam Research、KLA、東京エレクトロン、SCREEN、アドバンテスト、ディスコといった製造装置メーカーは、GPUメーカーとは少し違う立場にいます。GPUからGoogleのTPUへ需要が移っても、先端ロジック半導体の製造需要そのものが消えるわけではありません。むしろ先端プロセスを使う半導体の種類が増えれば製造工程の複雑さが増し、HBMの高層化、GAAトランジスタ、裏面電力供給、先端パッケージングなど、製造技術自体も高度化しています。つまり、出荷数量がそれほど増えなくても、ウェハー1枚当たりの装置投資額が増えることがあるのです。

足元の需要にも強い証拠があります。業界団体SEMIは2026年10月13日、300mmウェハー向け前工程装置投資額が2026年に約1,490億ドル、2029年には約2,270億ドルに達する見通しを示しました。ASMLも10月14日、2027〜2028年の需要が現在の供給能力を上回ると説明しています。TSMCの2026年設備投資計画も600億〜640億ドルと大規模です。少なくとも2026年10月時点では、製造設備の需要が急速に失速している証拠は見当たりません。

ただし落とし穴もあります。優れた装置メーカーでも、顧客が新工場の建設を延期すれば受注は減ります。技術的な競争優位の強さと、業績の景気耐性は、似ているようで別のものなのです。

6. 光通信は、GPUの次に来る主役なのか

GPUやASICの性能が上がれば、大量のデータを高速に交換する必要が生まれます。銅配線には距離・速度・消費電力の制約があるため、電気信号を光に変えて通信する技術が重要になってきます。用途はラック内（Scale-up）、ラック間（Scale-out）、データセンター間（Scale-across）の三つです。

効率化でGPU台数が減れば通信する機器も減る可能性がありますが、GPU1基当たりの通信速度が上がれば接続1本当たりの価値は上がり、銅から光への移行自体も新しい市場を生みます。ただし、通信量が増えても光部品のビット当たり価格は下がり得ます。通信量と売上高は比例しないので、「通信量が増えるから光通信企業は儲かる」と単純には考えない方がよさそうです。重要なのは、高速化・光化でどの部品の付加価値が高まるのかです。

この文脈で注目されるのが、高性能レーザーや光半導体に強みを持つCoherentとLumentumです。NVIDIAは2026年3月、両社にそれぞれ20億ドルを投資する戦略的提携を発表しました。Marvellにも20億ドルを投資しており、競合しながら協力もするという複雑な関係です。

受託製造のFabrinetの顧客構成は、Ciscoが約19.9％、NVIDIAが約16.3％、Nokiaが約10.7％、Amazonが約10.5％です。悩ましいのはCPO（Co-Packaged Optics）への移行で、スイッチASICの近くに光通信機能を実装するこの方式は電力効率や通信性能を改善する一方、従来型トランシーバーの需要を減らす可能性もあります。CPO市場が成長することと、Fabrinetが必ず大きく儲かることは同じではありません（NVIDIA向け売上比率は前年度の27.6％から16.3％へ低下していますが、全体の売上が拡大しているため、比率の低下だけでは需要が減ったとは言えません）。

7. HBMは要注意か

巨大なモデルの重みを保存し、計算データを高速に転送するには、大容量で高速なメモリが必要です。AIアクセラレーターではHBMがその中心を担っており、SK hynix、Micron、Samsungが大きな成長機会を持っています。

だからこそ、KVキャッシュの大幅削減は気になる話です。ある推論処理で必要なKVキャッシュ容量が4分の1になれば、それまでメモリ容量がボトルネックだった処理では、同じHBM容量でより多くのセッションを収容できます。

ただし、モデルの重み自体は巨大であり、HBMの必要性がなくなるわけではありません。同時実行するエージェント数が増えれば総需要が拡大する可能性もあります（とはいえ、DRAMは歴史的に供給拡大と価格下落を繰り返してきた市場であり、HBMも供給が増えすぎれば価格が下がる可能性は残ります）。

8. 本丸はデータセンターの「借金問題」

今回の騒ぎの震源地とも言える本丸は、データセンターの資金調達問題だと考えています。

巨大なAIデータセンターの建設には、GPUだけでなく建物、電力、冷却、ネットワーク、土地と、膨大な資金が必要です。GoogleやMicrosoft、Amazon、Metaのように自社のキャッシュフローで投資できる企業もありますが、外部から資金を調達してGPUを購入し、クラウドサービスとして貸し出す企業もあります。代表例がCoreWeaveです。

この事業は、GPUの稼働率とレンタル単価が高ければ非常に魅力的です。しかし借入で設備を調達している場合、GPUの価格が下がっても借金の元本は減りません。新世代GPUの登場で旧世代のレンタル価格が低下しても、購入済みGPUの償却負担は残ります。調達金利が上昇すれば、利益は一段と圧迫されます。

つまり、AI産業全体が成長していても、個々のデータセンター事業者が十分な利益を得られなくなる可能性があるのです。2026年10月中旬にはCoreWeaveの信用リスクへの懸念が高まり、既発債の流通利回りが15％前後に上昇したと報じられました。これはAI需要そのものが消えたという話ではなく、市場がAIインフラの収益性と資金調達の持続性を厳しく評価し始めたということでしょう。

設備投資の数字にも注意が要ります。出資、GPU調達契約、クラウド利用契約、建設費は互いに関係しており、契約総額を足し上げれば市場規模は巨大に見えますが、独立した最終需要がそれだけ存在するわけではありません。重要なのは、最終顧客がAIにどれだけ支払い、その支払額で設備投資を回収できるかです。

AIが社会に浸透し、多くの人が便利なサービスを安く使えるようになっても、それを支えるデータセンター事業者の投資家が損をするかもしれない。鉄道が不可欠なインフラになったからといって、鉄道会社の株主がみんな儲かったわけではないのです。技術の普及と投資の成功は、別の話なのです。

9. OpenAIやAnthropicは困るのか

フロンティアラボの最大の問題は、モデル開発に必要な研究開発費が非常に大きいことです。OpenAIやAnthropicは世界最高水準のAIのために膨大な計算資源と人材を投入しています。ところが、その成果に近い性能のモデルが、DeepSeekのように安価に公開されてしまうのです。

多くの企業にとって必要なのは「世界で最も賢いAI」ではなく、「自社の仕事を十分な品質で、安く確実に処理してくれるAI」です。毎日大量の請求書を分類する仕事に、数学の未解決問題を解く能力は要りません。フロンティアモデルに高額の料金を支払う必要がある仕事は、相対的に限られてきます。しかもモデルの進歩は速く、今日の最高性能モデルが数か月後には安価なオープンウェイトモデルに追いつかれる可能性があります。SaaS企業のように「一旦開発したら、後は回収フェーズ」とはいかないのです。

これがフロンティアラボの根本的な問題だと思います。研究開発能力が極めて重要であることと、その能力を持つ企業が高い利益率を確保できることは、必ずしも一致しません。ここが難しいし、ここが「どーすんのこれ？」と思ってしまう所以です。

ただし、OpenAIやAnthropicが直ちに厳しい経営状況に陥るかと言えば、それも判断が難しいところです。企業向けAIには、セキュリティ、監査、アクセス権限、既存システムとの連携、サービス品質、契約上の責任といった、モデル性能以外の価値があるからです（問題は、その高付加価値サービスのために、自社で最先端モデルを開発し続ける必要があるのか、という点にあります）。

実際、2026年10月17日、DeepSeekはモデルの更新と同時に、独自のSearch APIとFetch APIを一般公開しました。AIエージェントが検索し、情報を取得し、仕事を進めるための機能まで提供し始めたのです。もはや競争の対象はモデル単体ではなく、AIに仕事を完成させるための仕組み全体だと言えます。

10. 米中対立は、半導体投資をどう変えるのか

米国は中国への先端GPUや半導体製造装置の輸出を制限してきました。狙いの一つは中国の高度なAI計算能力を制約することです。しかし、計算資源が限られているからこそ、計算効率を高める技術の価値が大きくなる。DeepSeekのようなモデルが登場した背景には、資源制約による技術開発の動機があった可能性があります。

一方、中国ではHuawei Ascendなどの独自AIアクセラレーターの開発も進んでいます。輸出規制は短期的には中国の計算能力を制約する一方、長期的には中国独自の半導体産業の育成を促します。日本の製造装置メーカーにとっても無視できない話で、東京エレクトロンやLam Researchなどは中国市場への売上依存度が相対的に高いからです。反対に、米日欧で工場建設が増えれば装置需要は増えます。各国が独自に生産能力を確保しようとすれば、工場の重複投資が発生するためです。

さらに2026年10月16日には、中国政府が大規模AIモデルやAIエージェント技術の輸出管理強化案を発表し、中国自身もAI技術を国家戦略上の重要資産として扱い始めています（公開済みのオープンソース技術には原則として例外が設けられる方向です）。

DeepSeekのようなモデルの普及は、各国のソブリンAIや自前の計算基盤への投資を促す可能性もあります。地政学的な分断はAIインフラの総投資額を増やす可能性がある一方、既存の半導体メーカーのシェアと利益率を守るとは限らない、というのがこの問題の厄介なところです（なお、輸出規制がDeepSeekの技術革新を生んだと単純に断定はできません。中国のAI開発はEUV露光装置や高性能GPU、HBMなどの面でも制約を受けており、資源が豊富でも正攻法でブレイクスルーを起こした可能性もあります）。

11. 私の現時点の評価

今後5年間の投資を考えるうえで、特に重視したい分野は三つあります。

  1. 製造・検査・計測技術： ASML、KLA、Applied Materials、東京エレクトロン、アドバンテスト、ディスコなど。どちらが勝つにせよ、先端半導体を製造する設備は必要になります（ただしASMLは中国向け規制の影響が大きく、アドバンテストとディスコは高い成長期待が株価に織り込まれている点には注意が必要です）
  2. ネットワーク半導体： Broadcom、Marvell。シェア移転に加え、ネットワークの高速化や光DSP・スイッチの高付加価値化が成長機会になります
  3. 光通信の高度化技術： Coherent、Lumentum、Fabrinetなど。市場が成長するだけでは不十分で、CPOなどへの技術移行の中で、代替困難な技術を持ち高い利益率を獲得できる企業を見極める必要があります

NVIDIAやHBMメーカーも依然として非常に強い企業です。ただ、GPUやHBMは大きな需要が見込まれる一方、モデルの効率化や競争によって価格決定力が変化する可能性があります。需要が成長し続けても、利益率や評価倍率が下がれば、株主の期待リターンは低下します。

電力・冷却についても、EatonやSchneider Electricのように事業が分散している企業と、VertivのようにAIデータセンター建設に強く関係する企業は分けて評価する必要があります。AIによる電力需要の拡大と、発電事業者の利益の増加は同じではないからです。

12. AIの進歩とAI企業の株価は別の話

しかし今後は、より注意が必要なのかもしれません。AIの性能が向上するほど同じ仕事に必要な計算量は少なくなります。モデルが高性能化するほど古いモデルの価格は下がり、安価なオープンウェイトモデルが普及するほど、巨額の研究開発費を投じる企業の価格支配力は弱くなります。そしてAIが普及するほど、顧客はAIを特別なサービスではなく、当たり前のインフラとして使うようになります。

AIが安くなり、多くの人が高度な知能を利用できるようになるのは社会にとって素晴らしいことです。ただ、投資家にとって必ずしも同じとは限りません。電気が普及したからといって、すべての発電事業者が儲かり続けたわけではないのです。技術がインフラになる過程では、競争によって価格が下がり、利益を獲得する企業が変わります。

2025年のショックが投げかけた問いは、「AIを作るために必要なGPUは、実は少なくて済むのではないか」でした。2026年のDeepSeek-V4.1-Flashが投げかけているのは、それとは少し違う問いです。

AIがこれほど効率的になっていく世界で、現在の巨額な設備投資を正当化できるだけの収益は、本当に生まれるのか。そして、もし生まれるとしても、その利益を獲得するのは誰なのか。

NVIDIAなのか。Broadcomなのか。製造装置メーカーなのか。光通信企業なのか。それとも、安くなったAIを利用して新しい業務サービスを作る企業なのか。現時点で、その答えは確定していません。

私の現時点の立ち位置を一句で言うなら、「半導体需要が消える」側ではなく、「利益の座が、計算そのものから、それを支える代替困難な技術へ移っていく」側に寄っています。

次に見るべき観測点は明確です。同じ仕事を同じ品質で終えるのに必要なGPU時間とコストの推移、NVIDIAの粗利益率が75％前後を維持できるか、BroadcomのAI半導体売上の伸び、CoreWeaveなどデータセンター事業者の信用スプレッド、そしてフロンティアラボのAPI価格と企業向け売上のバランス。このあたりの数字が、タイトルの問いへの答えを少しずつ決めていくはずです。

参考

  • 移行元：note「DeepSeekショック、再び。AIが賢くなるほど、半導体企業は儲からなくなるのか？」 https://note.com/calm_marten439/n/n0eb848b95bc0
  • DeepSeek「DeepSeek-V4.1-Flash」技術資料（KVキャッシュ削減量、ベンチマーク公表値）
  • SEMI「300mm Fab Outlook」（2026年10月13日発表、前工程装置投資見通し）
  • ASML 決算説明（2026年10月14日、2027〜2028年の需要見通し）
  • Broadcom 2026年度第3四半期決算（AI半導体売上高）
  • NVIDIA 決算資料（粗利益率、2026年3月のCoherent／Lumentum／Marvellへの投資発表）
  • CoreWeave既発債の流通利回りに関する報道（2026年10月中旬）
  • 中国政府「大規模AIモデル・AIエージェント技術の輸出管理強化案」（2026年10月16日発表）