数字で見るスーパーサイクル

その規模は誇張ではない。世界の半導体収入は2025年に8000億ドルを超え、2026年には1.3兆ドルへと急接近している 。市場調査会社ガートナーも同様に前年比64%増を報告している 。

Rasgon氏は、米国の大手ハイパースケーラー4社（アマゾン、マイクロソフト、グーグル、メタ）が2026年に約7250億ドルの設備投資を計画しており、その大半がAIインフラに向けられると指摘 。メモリ価格は垂直上昇し、DRAMは2026年に入る前に四半期ベースで約90%上昇した 。

「もぐら叩き効果」——至る所で不足

Rasgon氏の最も印象的な観察の一つは、彼が「もぐら叩き効果」と呼ぶ現象だ。ボトルネックが半導体サプライチェーン全体に連鎖的に広がっている。「すべてがAIコンピュートに対する飽くなき需要に引っ張られている。これほど大規模なものはキャリアの中で見たことがない」と同氏は語る 。

その波及経路は明瞭だ。不足はGPUアクセラレーターから始まり、HBMメモリ、半導体製造装置、ネットワーク・光部品、パワー半導体へと広がり、今やCPUにまで及んでいる 。

需要の深さを示す具体例として、かつて「価値ゼロ」と評価されていたIntelの在庫までもが完売したことが挙げられる 。顧客はIntelに対し「構わない、売ってくれ」と伝えたという 。

HBM：隠れたシリコンハイエンド

重要なボトルネックは高帯域メモリ（HBM）だ。HBMはAIチップのシリコン面積の85%以上を占める 。積層歩留まりとロジックダイのオーバーヘッドのため、1GBのHBMを製造するには標準DRAMの約4倍のシリコン面積が必要となる 。この構造的な制約が、メモリ供給がGPU需要に追いつかない理由であり、メモリ価格がチップコストの主要因となっている理由だ。

NvidiaのCPU収入：1ラックが物語る

Rasgon氏は驚くべきデータポイントを強調した。72基のGPUを搭載した1ラックには36基のCPUが搭載されており、これだけでNvidiaに約200億ドルのCPU収入をもたらす。これは、AI構築がGPUアクセラレーターをはるかに超えて、巨大な半導体需要を生み出していることを示している。

トレーニングから推論へ——商業化のシフト

Rasgon氏は、市場の焦点がモデルトレーニングからAI推論へと移行していると強調する。これこそが収益化への核心的な道筋だ 。同氏はAnthropicの収入が90億ドルから300億ドルに急増したことを、このシフトの直接的な証拠として挙げている 。AIモデルが研究プロジェクトから本番環境へと移行するにつれ、推論に必要なコンピュートはトレーニングをはるかに上回るだろう。

ASIC vs GPU：競合ではなく共存

投資家からよく聞かれる質問は、カスタムASIC（Broadcomなどが製造）が最終的にNvidiaのGPUを駆逐するのかというものだ。Rasgon氏は、両者は成長市場で長期的に共存すると考えている 。彼の枠組みでは、プログラム可能なGPUは研究用や探索的な推論に適しており、ASICは予測可能で大量の推論ワークロードに優れている。市場全体の規模は両方を吸収するのに十分大きい。

究極のボトルネック：電力

Rasgon氏は警告的な調子で締めくくった。最終的な制約はチップでもメモリでもネットワークでもない。それはエネルギーだ。AIインフラは、成長軌道を持続するために米国送電網の容量を年間約5%増加させる必要がある 。これは、数十年にわたって容量増加が最小限だった送電網にとって驚異的な要求だ。

同氏は、AIの次の革新とボトルネックの波は必然的にエネルギー生成、冷却、原子力に及ぶと主張している 。送電網への大規模な投資がなければ、スーパーサイクル自体が電力の天井にぶつかる可能性がある。

投資家への意味合い

Rasgon氏のメッセージは明確だ。AI需要が急落しない限り、半導体スーパーサイクルは現実的で持続可能だ。しかし、チャンスの性質は変化している。GPU株での「簡単な稼ぎ」は、より複雑な状況に取って代わられつつある。ボトルネックそのもの——HBM、パワー半導体、エネルギーインフラなど——が富を生み出す源泉となる 。

数字で見るスーパーサイクル

その規模は誇張ではない。世界の半導体収入は2025年に8000億ドルを超え、2026年には1.3兆ドルへと急接近している 。市場調査会社ガートナーも同様に前年比64%増を報告している 。

Rasgon氏は、米国の大手ハイパースケーラー4社（アマゾン、マイクロソフト、グーグル、メタ）が2026年に約7250億ドルの設備投資を計画しており、その大半がAIインフラに向けられると指摘 。メモリ価格は垂直上昇し、DRAMは2026年に入る前に四半期ベースで約90%上昇した 。

「もぐら叩き効果」——至る所で不足

Rasgon氏の最も印象的な観察の一つは、彼が「もぐら叩き効果」と呼ぶ現象だ。ボトルネックが半導体サプライチェーン全体に連鎖的に広がっている。「すべてがAIコンピュートに対する飽くなき需要に引っ張られている。これほど大規模なものはキャリアの中で見たことがない」と同氏は語る 。

その波及経路は明瞭だ。不足はGPUアクセラレーターから始まり、HBMメモリ、半導体製造装置、ネットワーク・光部品、パワー半導体へと広がり、今やCPUにまで及んでいる 。

需要の深さを示す具体例として、かつて「価値ゼロ」と評価されていたIntelの在庫までもが完売したことが挙げられる 。顧客はIntelに対し「構わない、売ってくれ」と伝えたという 。

HBM：隠れたシリコンハイエンド

重要なボトルネックは高帯域メモリ（HBM）だ。HBMはAIチップのシリコン面積の85%以上を占める 。積層歩留まりとロジックダイのオーバーヘッドのため、1GBのHBMを製造するには標準DRAMの約4倍のシリコン面積が必要となる 。この構造的な制約が、メモリ供給がGPU需要に追いつかない理由であり、メモリ価格がチップコストの主要因となっている理由だ。

NvidiaのCPU収入：1ラックが物語る

Rasgon氏は驚くべきデータポイントを強調した。72基のGPUを搭載した1ラックには36基のCPUが搭載されており、これだけでNvidiaに約200億ドルのCPU収入をもたらす。これは、AI構築がGPUアクセラレーターをはるかに超えて、巨大な半導体需要を生み出していることを示している。

トレーニングから推論へ——商業化のシフト

Rasgon氏は、市場の焦点がモデルトレーニングからAI推論へと移行していると強調する。これこそが収益化への核心的な道筋だ 。同氏はAnthropicの収入が90億ドルから300億ドルに急増したことを、このシフトの直接的な証拠として挙げている 。AIモデルが研究プロジェクトから本番環境へと移行するにつれ、推論に必要なコンピュートはトレーニングをはるかに上回るだろう。

ASIC vs GPU：競合ではなく共存

投資家からよく聞かれる質問は、カスタムASIC（Broadcomなどが製造）が最終的にNvidiaのGPUを駆逐するのかというものだ。Rasgon氏は、両者は成長市場で長期的に共存すると考えている 。彼の枠組みでは、プログラム可能なGPUは研究用や探索的な推論に適しており、ASICは予測可能で大量の推論ワークロードに優れている。市場全体の規模は両方を吸収するのに十分大きい。

究極のボトルネック：電力

Rasgon氏は警告的な調子で締めくくった。最終的な制約はチップでもメモリでもネットワークでもない。それはエネルギーだ。AIインフラは、成長軌道を持続するために米国送電網の容量を年間約5%増加させる必要がある 。これは、数十年にわたって容量増加が最小限だった送電網にとって驚異的な要求だ。

同氏は、AIの次の革新とボトルネックの波は必然的にエネルギー生成、冷却、原子力に及ぶと主張している 。送電網への大規模な投資がなければ、スーパーサイクル自体が電力の天井にぶつかる可能性がある。

投資家への意味合い

Rasgon氏のメッセージは明確だ。AI需要が急落しない限り、半導体スーパーサイクルは現実的で持続可能だ。しかし、チャンスの性質は変化している。GPU株での「簡単な稼ぎ」は、より複雑な状況に取って代わられつつある。ボトルネックそのもの——HBM、パワー半導体、エネルギーインフラなど——が富を生み出す源泉となる 。