AI半導体不足はなぜ解消しないのか。TSMCの大規模増産でも埋まらないボトルネック

AI需要が引き起こしているのは、単純な「最先端工場の不足」ではありません。AIアクセラレーターをデータセンターで使える製品にするには、先端ロジック半導体に加え、CoWoS（Chip on Wafer on Substrate）などの先端パッケージング、高帯域幅メモリー（HBM）を含む高性能メモリー、専用製造装置、電力・水、建設・製造の熟練人材が必要です。これらの増強速度はAI計算需要の伸びに追いつきにくく、供給制約が複数工程で同時に生じています。5

工場を増やしても、すぐにAIサーバーは増えない

TSMCは台湾で13工場、海外で5～6工場を含む、約20工場規模の建設を進めています。しかし、各拠点の建設、装置搬入、量産立ち上げは数年にわたって段階的に進みます。その一方でAIアクセラレーターには、希少な先端ロジック、CoWoS、そして大量の専用メモリーが一体として必要です。

つまり、ウエハーの生産量だけが増えても、パッケージングやメモリーのどちらかが不足すれば、完成品のAI計算システムは十分に出荷できません。供給能力は最も不足した工程によって決まるためです。5

建設要員から水・電力まで、拡張そのものが制約に

TSMCの米アリゾナ州での拡張では、建設作業員の不足が具体的な課題として挙げられています。同社は追加投資を進める一方、第2工場は装置搬入を間もなく始め、第3工場は建設中、第4工場と同地初の先端パッケージング施設は準備作業に入っているとしています。2

台湾でもTSMCは、特に熟練人材の不足を最大の課題として挙げ、水不足にも懸念を示しています。多数の工場案件が同時進行すれば、建設作業員、エンジニア、部材・装置の供給企業、電力、工業用地をめぐる競争は一段と激しくなります。1

半導体工場は建物を完成させれば終わりではありません。クリーンルームの整備、超純水や電力の安定供給、極めて精密な装置の導入、工程条件の最適化、歩留まりの改善まで経て、初めて実用的な量産能力になります。この立ち上げ期間が、AI需要の急増との時間差を生みます。

CoWoSとメモリーが供給の「細い首」になる

CoWoSは、AIチップのロジックとメモリーを高精度で統合する先端パッケージング技術です。AI半導体で広く使われる一方、精密さと歩留まりの管理が求められるため、単純に生産枠を増やしにくい分野です。TSMCはCoWoS能力について、2022年から2027年に年平均80％超で拡大する見通しを示しています。4

さらに、AIデータセンターの拡張は高性能メモリーの需要も押し上げています。SKグループの崔泰源会長は、業界全体でチップの基礎となるウエハー供給が需要を20％超下回っているとし、増産には少なくとも4～5年を要するため、供給不足が2030年ごろまで続く可能性があると述べました。56

TSMCはAIを使って既存能力も引き上げる

TSMCは、製造現場にAIを取り入れ、プロセス制御、装置稼働率、歩留まり学習、異常検知、工場スケジューリングの改善を図っています。既存設備から得られる良品の量を増やす有効な手段ですが、新しい工場、装置、人材を不要にするものではありません。

また高雄市の白埔産業園区で計画する約3ヘクタールの拠点は、先端パッケージング向け材料・装置の試験と認定の迅速化を目的とし、小規模クリーンルーム、研究所、研修機能を備える計画です。6

メモリー増産の選択肢、日本での投資も検討段階

SKグループは日本を含む海外でのメモリー工場新設を検討しており、投資判断が年内に示される可能性にも言及しています。キオクシアとの共同生産や研究開発協力も選択肢として残しています。9

ただし、これらは確定した投資・提携の発表ではなく、検討中の案です。実際に供給不足を和らげるには、投資決定後も建設、装置導入、顧客認定、量産安定化までの時間が必要になります。

市場拡大の追い風と、予測を読む際の注意点

供給制約は当面、先端品の価格と売上を支える要因になり得ます。SEMI（国際半導体製造装置材料協会）は、AIインフラ需要を背景に、世界の半導体市場が2030年までに2兆ドルを超えるとの見通しを示しています。10

ただし、これは業界団体による予測であり、確実な市場規模を意味するものではありません。TSMC自身は以前、2030年の世界半導体市場が1兆5,000億ドルを超えるとの見通しを示していました。AI需要の持続性、価格、メモリー・パッケージング・電力などの制約がどの速さで解消するかによって、長期予測は大きく変わり得ます。4

要するに、TSMCの大規模な建設計画は不足解消に向けた重要な供給投資です。しかしAI時代の半導体供給は、工場棟の数だけでは決まりません。ロジック、先端パッケージング、メモリー、装置、インフラ、人材という連鎖のどこか一つでも遅れれば、AI計算能力全体の供給は制限され続けます。