AI革命の心臓部はNVIDIAじゃない。TSMCとASMLという「二重の一点集中」の話
AIの話をするとき、一番見落とされている問い
AIの話題で注目が集まるのは、モデルの性能、データセンターの規模、NVIDIAのGPUがどれだけ速いか——そういう話だ。でも、その1段下を掘ると、「そのGPUはそもそも誰が作れるのか」という問いにたどり着く。
答えは今のところ、実質1社に大きく依存している。
NVIDIAはAIチップを設計するが、製造は自社では行わない。いわゆるファブレス企業だ。そして最先端AIチップの85%超は、台湾のTSMC（台湾積體電路製造）に製造を委託している。さらにそのTSMCが最先端チップを作るために欠かせない露光装置——EUV装置——は、オランダのASML1社しか製造できない。
つまり、AI革命の土台は「二重の一点集中」の上に成り立っている。これは誰かが意図的に設計したわけではなく、技術の難しさと市場の勝者総取り構造が積み重なってできた現実だ。
リソグラフィとASMLの独占——なぜ1社しか作れないのか
半導体の製造工程の核心は「リソグラフィ」だ。シリコンウェーハに光を当て、回路パターンを焼き付ける技術のことを指す。使う光の波長が短いほど、より微細な回路が描ける。
最先端のチップを作るには「EUV（極端紫外線）」という非常に短い波長の光が必要になる。このEUV露光装置を量産できるのは、世界でASMLだけだ。競合のニコンやキヤノンは古い世代の「DUV」装置にとどまっており、EUV開発では追いつけなかった。ASMLはリソグラフィ装置市場全体で売上の約94%を握っている。
なぜここまでの独占が成立するのか。単純に言えば、「他の誰もやり遂げられなかったから」だ。
EUVは通常のガラスレンズを光が透過しない。空気にさえ吸収される。そのため装置は真空中で動かす必要があり、光源はスズの液滴にレーザーを毎秒数万回照射して生成する。ASMLはこの技術開発に16年と巨額の研究開発費を投じた。1台の価格は1億2,000万ドルを超え、部品点数は10万点以上、サプライチェーンには5,000社超が関わる。
この「蓄積の厚み」が参入障壁になっている。価格や規模の問題だけでなく、積み上げてきた技術的知見そのものが堀になっている。だから後発が追いつくには、単に資金を投じるだけでは足りない。
プロセスノードとは何か——数字が小さいとなぜ偉いのか
ニュースで「2nm」「3nm」という数字を目にしても、ピンとこない人は多い。端的に言えば、数字が小さいほど同じ面積にトランジスタをより多く詰め込め、消費電力が下がり、処理性能が上がる。AIチップにとってこれは直接的な競争力になる。
TSMCは2025年第4四半期に2nm（N2）の量産を開始した。これはTSMC史上初めて「GAAナノシート」という新構造を採用したノードだ。それまでの主流だった「FinFET」が魚のヒレのような縦の壁で電流を制御する構造だったのに対し、GAAは薄い板を何層にも重ねて電流を取り囲む構造に変わった。制御できる面積が増える分、より効率的に電流をコントロールできる。
その一段前の3nm（N3）は、TSMCが2022年に業界初で高量産に持ち込んだノードだ。こちらはTSMC最後の汎用FinFETノードとされ、2026年の主要AIチップ製造枠はすでに「完売」状態にある。さらに言えば、2nmのテープアウト数（設計完成後に工場に製造依頼する最終工程）は、同じ段階の3nmと比べて4倍に達しているという。最先端への需要集中は、数字を見ると実感として伝わってくる。
TSMCの市場支配——73%という数字の読み方
TSMCの世界ファウンドリ市場シェアは、2026年第1四半期時点で73%に達している（純粋にファウンドリ事業のみを手がける企業の市場で計算した場合）。Samsungは約7.7%、Intelはまだ追いかけている段階だ。
売上構成を見ると、TSMCの売上の66%がHPC（ハイパフォーマンスコンピューティング）とAI向けに偏っている。AIチップだけで2026年に400億ドルを超える規模になる見通しで、全体売上の25%程度に達すると試算されている。
業績数字も端的だ。2026年第2四半期の純利益は新台湾ドルで706.56億元、前年同期比で77.4%増と過去最高を更新。売上成長の見通しも「30%超」から「40%をわずかに上回る」水準へ引き上げ、設備投資も600〜640億ドルに拡大している。
ここで一点確認しておきたいのは、「73%」という数字の前提だ。IDM（設計から製造まで自社で行う企業）を含めた広義の市場で計算すると、シェアはもっと低く見える。調査会社によって数字が異なるのはこの定義の違いによることが多い。どの切り口の数字かを確認せずに比較すると混乱する。
NVIDIAはなぜTSMCしか選べないのか——代替不能の構造
Jensen Huang CEOは「TSMC以外に選択肢がない」と自ら発言している。強がりではなく、現状の技術格差を正確に反映した発言だ。
なぜ他の選択肢がないのか。競合のSamsungは2nm（SF2）を立ち上げ段階にあるが、歩留まり（作った中で使える製品になる割合）が約4割程度と報じられている。6割近くが不良になるレベルでは、NVIDIAが必要とする大量製造には使えない。Samsungは自社のGAA技術を「MBCFET」と独自に呼んでいるが、技術の方向性は同じでも、量産レベルまで持っていく実力の差が現実問題として存在する。
Intelは2021年に「IDM 2.0」戦略を打ち出し、自社ファウンドリ事業でTSMCと競合する姿勢を示している。18Aや14Aといったプロセスで2025〜2026年にかけて2nmクラスへの追随を図っているが、現時点ではまだ追いかけている段階だ。
2026年には、TSMCの長年の最大顧客だったAppleをNVIDIAが抜き、TSMCにとっての最大顧客になる見通しとも報じられている。iPhoneよりAIチップの方がTSMCにとって大きなビジネスになりつつある、という事実は、AI需要の規模を改めて実感させる。
台湾有事リスク——「封鎖」ではなく「隔離」という専門家の読み
台湾有事と聞くと、いきなり軍事衝突が始まるシナリオを思い浮かべがちだが、研究者の分析は少し違う角度を向いている。
査読を経た研究論文では、中国が取る可能性が高い行動として「隔離」シナリオが示されている。海全体を軍事的に封じる「封鎖」ではなく、特定の港や航路を対象に検査や制限を加える、より限定的な形だ。それでも半導体の輸出入が滞れば、世界のAI開発に深刻な影響が及ぶ。
同分析では、台湾の半導体サプライチェーンは2027年以前が特に脆弱なタイミングだと指摘されている。この見方はあくまで研究者の分析であり、確定した予測ではない。ただ、2028年以降に分散が少しずつ進む前の時間軸に対するリスク評価として、無視できる話ではない。
台湾ではこの状況を「シリコンの盾」と呼ぶ言い方がある。自分たちが作れなくなれば世界が困る、という依存関係そのものが抑止力になるという論理だ。だが裏を返せば、この「盾」は一方的なリスクでもある。
熊本・アリゾナでも最先端は台湾のまま——分散の限界
分散への動きは確かに始まっている。ただ「工場が各国にできた」と「最先端の製造が分散した」は、まったく別の話だ。
日本では熊本にJASM（日本先端半導体製造）が立ち上がり、ソニー、デンソー、トヨタが出資。日本政府は1兆2,000億円以上の補助を投じている。アメリカはアリゾナ工場に70億ドル以上、ヨーロッパはドイツ工場に50億ユーロ規模の補助を拠出している。各国がTSMCの生産能力を自国に引き寄せようとしている構図だ。
しかし熊本の工場が現在生産しているのは22〜28nmといった成熟ノードが中心だ。第2工場でようやく3nmが入る予定だが、それは2028年から。AI革命を支えている最先端の2nm・3nmは、今のところ引き続き台湾に集中したままだ。
半導体工場を建てて、最先端プロセスを量産レベルで動かせるようになるまで、数年単位の時間がかかる。「分散へ動き始めた」は事実だが、「AIチップの製造リスクが分散された」と読むのは早計だ。
この構造をどう読むか——実務と今後の論点
ここからは少し見方の話をする。
AI開発に携わる人間がTSMCやASMLの話を知っておくべき理由は何か。それは「自分たちが使うGPUやチップが、どんな構造の上に存在しているか」を把握することが、コストリスクの文脈で直接役立つからだ。
AI向けチップの調達コストが上昇し続けるとき、その上流にはASML装置（1台1.2億ドル超）のコスト、TSMCの設備投資拡大（600〜640億ドル）、そして圧倒的な需要集中がある。「なぜGPUは高くなるのか」という問いに、この構造を知っていれば答えを持てる。
同様に、地政学リスクがAI開発のコストや調達可能性に直結することも、この構造を知れば腑に落ちる。台湾の半導体サプライチェーンへの依存度は、「AIモデルを動かすインフラ」の脆弱性に直接つながっている。輸出規制の強化や台湾をめぐる緊張が、GPU価格や納期に影響するのは、この構造があるからだ。
今後の論点として注目すべき点をいくつか挙げておく。
中国のEUV技術追随の進捗。公開情報は限られているが、どの水準まで達しているかは米中輸出規制交渉の行方を左右する。ASML装置の輸出規制が続く中で、中国がどこまで独自に進めるかは業界全体の構造に影響する変数だ。
歩留まりと量産能力の進捗を見る目。Samsung、Intelが「最先端ノードの量産ができる」と主張し始めたとき、実際の歩留まりと量産実績をどう評価するかが判断軸になる。発表ベースの数字ではなく、顧客が実際にそこに生産を移しているかどうかが確認ポイントだ。
コスト転嫁の連鎖。TSMCの設備投資拡大と最先端プロセスの価格は、GPU価格に転嫁され、最終的にはAIサービスの運用コストへと波及する。「AIを使うコスト」が下がり続けるという楽観論に対して、上流の製造コスト構造はそのペースを制約する要因になりえる。
軽くまとめると
AI革命の本当の心臓部は、NVIDIAのGPUでも大規模言語モデルでもない。EUV装置を独占するASMLと、それを使いこなして世界の最先端チップの7割超を作るTSMCだ。
この二重の一点集中は、技術的な必然の積み重ねで生まれた。簡単に崩れる構造ではないが、台湾への地政学的集中という形で、すべてのAI関連事業に対してリスクとして横たわっている。
熊本やアリゾナへの分散は始まっているが、最先端は当面台湾のままだ。これを「知っている」と「知らない」では、AI業界のニュースを読むときの解像度が変わる。
