結論
半導体大手からの2つのメッセージが同日に交差し、AIハードウェア市場で進行中の構造的変化を浮き彫りにした：
- NVIDIA CEOが公然と認める：米国の輸出規制により、同社の中国ハイエンドAIプロセッサ市場シェアはゼロに低下
- 華為昇騰の2026年AIチップ収入は120億ドルに達する見込み、2025年比60％増
- Micron CEOが決算電話会議で述べた：AI需要が世界のDRAMおよびNANDビット容量の半数以上を消費している
これら3つのポイントは共に1つの結論を指し示している：グローバルAIコンピューティング市場は2つの独立したサプライチェーン体系に分裂しつつあり、メモリ容量が次のボトルネックになりつつある。
NVIDIA中国市场撤退の連鎖反応
市場シェアの変化
| 時期 | NVIDIA中国シェア | 主要競合 | 重要イベント |
|---|---|---|---|
| 2023 Q4 | 約90％ | 華為昇騰 910B | 第1回 A100/H100 輸出禁令 |
| 2024 | 約50％ | 華為昇騰 910B/C | H20 特別版発売 |
| 2025 | 約20％ | 華為昇騰 + 壁仞 | H20 も規制対象に |
| 2026 Q2 | 0％ | 華為昇騰が支配的 | CEOが公然と確認 |
空白を埋めるのは誰か？
華為昇騰が最大の受益者だ：
- 2026年AIチップ収入予想：120億ドル（前年比60％増）
- DeepSeek V4は昇騰チップ向けに特別最適化された——この1つの決定で数十億ドル規模の受注がNVIDIAから華為にシフト
- 国内AIチップ企業（壁仞、摩尔线程など）も加速して追い上げている
影響範囲：
- NVIDIAのデータセンター収入における中国区の占比は継続的に低下
- 中国AI企業は国産ハードウェア + オープンソースソフトウェアスタックへの依存を強める
- グローバルAIトレーニングインフラは「二軌道制」へ発展
Micron：AIがグローバルメモリ产能を食いつぶす
Micron 2026年会計年度Q2決算電話会議の重要な発言：
AI需要がデータセンターのDRAMおよびNANDに対するビット需要を急激に押し上げている……AIは今や世界総产能の半数以上のメモリを消費している。
これは何を意味するか：
1. メモリ価格は上昇を続ける可能性がある
AIがメモリ产能の50％以上を消費する場合、コンシューマーエレクトロニクス（スマホ、PC、自動車）に残された产能は圧迫される。これは以下につながりうる：
- サーバーメモリ（DDR5、HBM）価格は高位を維持
- コンシューマーグレードメモリ価格への波及上昇
- メモリメーカーの产能拡大投資サイクルの加速
2. HBM供給逼迫は継続する
AIトレーニングおよび推論のHBM（高帯域幅メモリ）に対する需要が特に強い。NVIDIA GPU、華為昇騰、各社の自社開発AIチップはいずれも大量のHBMを必要とする。現在、HBM产能はSKハイニックス、サムスン、Micronの3社が制御しており、产能拡大には18〜24ヶ月のサイクルを要する。
3. AI Capexとの関係
BofAの最新予測：グローバルハイパースケールAI資本支出は2026年に8,000億ドルを超え、2027年には1兆ドルを突破する可能性がある。これらの支出の相当部分が以下に流れる：
- GPU/AIアクセラレーター調達（NVIDIA、華為、AMD、自社開発チップ）
- メモリ調達（DRAM、HBM、NAND）
- データセンターインフラ
開発者および企業への影響
中国にいる場合
- ハードウェア調達：NVIDIAハイエンドGPUは入手不可能——昇騰やその他の国産ソリューションへの切り替えが必要
- ソフトウェア適応：国産チップのソフトウェアエコシステム（CANN、MindSporeなど）に注目する必要がある
- クラウドサービス：国内クラウドプロバイダーのAIインスタンスは全面的に国産チップへ切り替え中
中国以外にいる場合
- メモリコスト：AI推論およびトレーニングのメモリコストはすぐには下がらない可能性がある
- サプライチェーンリスク：製品が中国サプライチェーンに依存している場合、米中テクノロジーデカップリングの波及効果に注意
- 機会の窓：国産AIチップエコシステムの台頭は、新しいツールチェーン、フレームワーク、サービス需要を意味する
グローバルな判断
AIハードウェア市場は「1つのNVIDIAが支配するグローバル市場」から「2つの並行発展する地域市場」へと移行しつつある。これは短期的な変動ではなく、輸出規制、地政学、産業自立化によって推進される構造的変化だ。
AIアプリケーション開発者にとって、これは以下を意味する：
- モデルデプロイメントは対象市場のハードウェア可用性を考慮する必要がある
- クロスプラットフォーム互換性（CUDA vs CANN vs ROCm）がますます重要になる
- オープンソースモデルのハードウェア中立性が競争優位になる