AI概要 × TPUでGoogleが逆襲開始──NVIDIA依存のAI市場が変わる理由

クロオビです。Google検索の「AIによる概要（AI Overview）」がとても使い勝手が良いので、経緯とこれからの展望が気になり記事にまとめました。
「AIによる概要（AI Overview）」は2024年の本格導入から短期間で急速に進化し、検索体験を根本から変える存在となりました。Google自身も「ここ10年で最も成功した検索機能の一つ」と評価しており、米国やインドではAI概要が表示されるクエリの検索利用が10％以上増加したと報告されています。 このAI概要の普及こそが、NVIDIAとOpenAIが築いてきた“GPU依存のAIエコシステム”を揺るがす起点になりつつあります。

本記事では、Google AI概要の強みと、なぜ短期間で改善できたのか、そしてAIインフラ競争の勢力図がどう変わるのかを解説します。

1. Google AI概要が再定義した「検索の価値」

① マルチステップ・リサーチで複雑な意図を理解

GoogleはGemini 2.0世代のモデルを検索向けに最適化し、AI概要に投入しています。 これにより、長文で複雑な質問を複数のサブトピックに分解し、同時に検索を実行して統合する「クエリファンアウト」が可能になりました。 従来の検索では難しかった“複雑な意図の理解”が標準機能として実現しています。

② 検索を「自律実行（Agentic AI）」へ進化

2025年以降、GoogleはAI概要を単なる回答生成ではなく、ユーザーの目的を遂行するエージェントへと進化させています。 旅行計画の作成やホテルの抽出など、複数ステップのタスクをAIが自動で処理するようになり、検索は「情報を探す行為」から「目的を達成する行為」へと変わりつつあります。

③ 高速応答が検索頻度を押し上げる

AI概要を使ったユーザーは、その後の検索回数が増える傾向があります。 AIの回答が“完結”ではなく“次の探索の入口”として機能するためで、Googleのプラットフォーム滞在時間を大きく押し上げています。

2. Googleが短期間でAI概要を改善できた理由

① TPUによる推論最適化という“インフラの勝利”

Googleは自社開発のAIチップ「TPU（Tensor Processing Unit）」を検索インフラに全面採用しています。 特に第6世代Trilliumは推論性能が大幅に向上しており、検索という特定タスクに合わせてチップからソフトウェアまで垂直統合で最適化されています。 NVIDIA GPUに依存するOpenAIとは異なり、Googleは推論コストと速度を自社でコントロールできる点が圧倒的な強みです。

② リアルタイム性で他社を圧倒

生成AIの弱点は「情報の鮮度」ですが、Googleは世界最大の検索ログとウェブインデックスを保有しています。 Geminiモデルは最新のウェブ情報を直接参照できるため、数秒前のニュースすら回答に反映できます。 外部APIに依存する他社モデルでは到達できない領域です。

3. NVIDIA–OpenAI体制を揺るがす「推論の時代」の到来

① 推論需要の爆発がNVIDIA依存を崩す

AIが日常化すると、推論回数は学習の数千〜数万倍に膨れ上がります。 企業にとって最大の課題は「いかに安く大量の推論を回すか」に変わり、Googleは検索・YouTube・GmailをTPUで回すことで世界最大の推論プラットフォームを構築しました。 この構造が進むほど、外販されるTPUの価格競争力が高まり、NVIDIA一強の構図に変化が生まれます。

② Googleだけが持つ「プロダクト×インフラ」の二層構造

• OpenAI：強力なモデルはあるが、インフラはMicrosoft依存

• NVIDIA：最強のインフラはあるが、日常的に使われるプロダクトがない

• Google：検索（AI概要）という出口 × TPUという入口を両方持つ唯一の企業

この二層構造こそが、Googleの改善速度と市場支配力を支えています。

4. まとめ：2026年、AIの主導権は再びGoogleへ

AI概要は、

• 検索体験をエージェント型へ刷新し、

• 爆発的な推論需要を自社インフラで吸収し、

• TPU経済圏を拡大することで、 NVIDIA依存のAI市場構造を根本から変えつつあります。

2024年には「OpenAIに後れを取った」と言われたGoogleですが、検索という日常の入口をAI化し、インフラと密接に結びつけたことで、2026年には再びAIの主導権を握りつつあります。 今後AIエージェントが生活に浸透するほど、この垂直統合モデルの強みはさらに際立っていくはずです。

最後までお付き合いいただきありがとうございました。

【ASML × TSMC × Canon】人類史上最も精密な露光装置を巡る覇権争いと、各社の戦略を徹底解説

クロオビです。TSMCの勢いもありTSMCの株価も急上昇しているので、記事をまとめました。

半導体の微細化が限界に近づく中、世界で唯一「EUV露光装置」を製造できる企業がオランダの ASML です。ASMLの露光装置は、人類史上最も精密な機械と呼ばれ、1台あたり数百億円という超高額装置です。本記事では、ASMLの技術力、TSMCとの蜜月関係、そして日本のキヤノンがどのようにこの市場へ食い込もうとしているのかを解説します。

■ ASMLの露光装置は「人類史上最も精密な機械」

ASMLのEUV露光装置は、原子数個レベルの誤差しか許されない極めて精密な装置です。 EUV（極端紫外線）を使って 2nm以下の微細加工を行うため、装置全体に異次元の精度が求められます。

• EUV光の波長：13.5nm

• レンズはカールツァイスが独占製造

• ミラーの平坦度は「地球サイズに拡大しても1mm以下」

• 装置重量は180トン超

• 価格は約2〜3億ドル

この精度は航空宇宙産業をも超えるレベルで、ASML以外の企業が再現することは現実的に不可能とされています。

 

■ TSMCとの蜜月関係がASMLの競争優位をさらに強化

ASMLの最大顧客は台湾のTSMCです。TSMCは世界最先端のロジック半導体を量産するため、EUV装置を最も早く、最も多く導入してきました。

● ASML × TSMC の関係が特別な理由

1. TSMCはEUVの最初の大量導入企業です

2. TSMCはASMLの技術開発に共同出資しています

3. EUV量産ノウハウはTSMCが世界トップです

ASMLの装置とTSMCのプロセス技術が組み合わさることで、他社が追いつけない複合的な参入障壁が形成されています。

■ キヤノンはどのように食い込もうとしているのか？

ASMLがEUV市場を独占する中、キヤノン（Canon）は“別ルート”から先端露光市場に切り込もうとしています。

● 1. ナノインプリント（NIL）方式での差別化

キヤノンが注力しているのは、EUVとは異なる ナノインプリントリソグラフィ（NIL） です。

• 光ではなく「型」を押し付けてパターンを転写する方式

• 装置価格がEUVの 1/10以下

• 消費電力も大幅に低い

• 2nm級のパターン形成が理論上可能

特に DRAMや3D NANDなどのメモリ分野での採用が期待されており、ロジックとは異なる市場で存在感を高めようとしています。

● 2. コスト構造の違いを武器にする戦略

EUVは高額で、導入できる企業はTSMC・Samsung・Intelなど限られています。 一方、NILは装置価格が安く、中堅ファウンドリやメモリメーカーでも導入しやすいという強みがあります。

キヤノンはこの「裾野の広い市場」を狙い、EUVとは別軸の“第二の先端露光方式”としてポジションを確立しようとしています。

● 3. ASMLと正面から戦わない“ブルーオーシャン戦略”

キヤノンはEUVでASMLと正面衝突するのではなく、

• メモリ向け

• 中堅ファウンドリ向け

• 低コスト・低消費電力ニーズ向け

という 未開拓領域（ブルーオーシャン） を狙っています。

これは日本企業らしい「ニッチの深掘り戦略」であり、ASMLの独占市場に対して現実的なアプローチと言えます。

■ ASMLにリスクはないのか？投資家が知るべき3つの懸念

1. 地政学リスク（中国向け輸出規制）

2. TSMC依存度の高さ

3. 次世代装置（High-NA EUV）の開発コスト増大

ASMLは強固な企業ですが、半導体産業全体が抱える構造的リスクの影響を受けやすい点は注意が必要です。

■ まとめ：ASMLは圧倒的、しかしCanonは“別ルート”で存在感を高める

• ASMLはEUVで圧倒的な独占企業

• TSMCとの関係がその優位性をさらに強化

• キヤノンはEUVではなく NILという別方式 で市場に食い込む戦略

• メモリ分野や中堅メーカー向けにチャンスがある

ASMLの牙城は揺るぎませんが、キヤノンのNILは “第二の先端露光技術” として確実に注目度を高めています。 今後の半導体製造技術の多様化を考える上で、両社の動向は引き続き重要なテーマになるはずです。

最後までお付き合いいただきありがとうございました。

【解説】TSMCが最高益を更新：AI時代のファウンドリ競争とTSMC・Samsung・Intelの行方

クロオビです。台湾TSMCが2025年12月期決算で売上31.6％増・純利益46.4％増という過去最高益を記録したと報じられています。

www.asahi.com

AI向け半導体需要が急拡大し、3nm・5nmに加えて2nm量産が始まったことが追い風になっています。この記事では、このニュースを起点に、TSMC・Samsung・Intelのファウンドリ競争を比較し、投資情報向けに今後のシナリオを整理しました。

■ TSMC・Samsung・Intel：先端ファウンドリの比較（2026年時点）

項目	TSMC	Samsung Foundry	Intel Foundry Services
主力プロセス	3nm量産、2nm量産開始	3nm GAAFET量産、2nm開発中	Intel 3 / 20A / 18A（2025〜）
トランジスタ構造	FinFET → GAAFET移行	GAAFET（MBCFET）先行	RibbonFET（GAAFET）
歩留まり	業界最高	改善中	実績不足
顧客	Apple / NVIDIA / AMD	Qualcomm / Google	AWS / Qualcomm / 米政府
強み	安定性・顧客信頼	技術導入の速さ	政府支援・設計力
弱み	台湾リスク	歩留まり	量産実績

 

TSMCは歩留まりと顧客信頼で圧倒的な優位を持ち、AI向けGPUの大半を製造しています。SamsungはGAAFETを先行導入し、技術的には逆転の芽があります。Intelは18Aで巻き返しを狙い、米国政府の支援を背景にファウンドリ事業を強化しています。

■ TSMCの強みと死角：記事内容から読み解く構造

記事によると、TSMCは2nm量産に入ったことで、AI向け半導体の需要を確実に取り込んでいます。しかし、以下のリスクは依然として大きいです。

● 台湾集中リスク（最大の構造リスク）

地政学的緊張は企業価値に直結します。 米国の先端半導体への25％関税も、TSMC製造のNVIDIA H200などに影響する可能性があります。

● 2nm以降のコスト増大

GAAFET移行に伴い、EUV装置の増設や歩留まり改善に巨額投資が必要です。

● 顧客集中

NVIDIA・Apple依存は強みである一方、構造的リスクでもあります。

■ Samsungの立ち位置：技術先行だが量産が課題

Samsungは3nmでGAAFETを世界に先駆けて導入しました。 技術的にはTSMCを上回る部分もありますが、歩留まりの不安定さが顧客獲得の壁になっています。

■ Intelの戦略：18Aでの巻き返しと政府支援

Intelは2025年以降に投入する18Aで、TSMCの2nmに対抗する構えです。 米国政府のCHIPS法による支援は強力で、軍需・政府系需要を取り込む可能性があります。

■ 投資家向け：2026〜2030のシナリオ分析

AI需要の継続、地政学、技術転換を軸に、3つのシナリオを整理します。

● 強気シナリオ：TSMC独走継続

• AI需要が指数関数的に拡大

• 2nmの歩留まりが順調に改善

• NVIDIA・Appleの大型案件が継続 → TSMCの利益率はさらに上昇

● 中立シナリオ：三社の棲み分けが進む

• SamsungがGAAFETで歩留まり改善

• Intelが18Aで政府系需要を獲得

• TSMCは先端プロセスで優位を維持 → 市場は三社分立、TSMCはトップだが差は縮小

● 弱気シナリオ：地政学イベントが発生

• 台湾海峡の緊張が高まる

• 米国の関税政策が強化

• サプライチェーンが再編 → TSMCの株価は大きく変動、Intelが相対的に有利

■ まとめ：TSMCは強いが“無敵ではない”

記事が示すように、TSMCはAI時代の中心に位置しています。 しかし、地政学・技術転換・顧客構造という三つのリスクは無視できません。投資情報として重要なのは、 「TSMCが強い理由」と「TSMCが抱える構造リスク」を同時に理解することです。

最後までお付き合いいただきありがとうございました。

理解を深める：量子コンピューターのステップ

クロオビです。量子コンピューターは、投資テーマとしての注目、技術革新のニュース、そして基礎知識の解説など、さまざまな情報が巷にあふれ始めています。 私自身、初めて量子コンピューターを体系的に学ぼうとしたとき、「結局どの本から読めばいいのか」と迷った経験があります。

そこでこの記事では、量子コンピューターを

• 未来・市場・技術動向（投資家・ビジネス層）

• 仕組みの理解（技術理解層）

• 量子力学の基礎（深く理解したい層）

という3つのステップに分け、さらに各ステップ内の最適な読書順まで含めて紹介します。量子コンピューターは、 ①未来の全体像 → ②技術のリアリティ → ③仕組み → ④物理の基礎 という順番で学ぶと、断片的な情報がつながり、理解が一気に深まります。

🔍 STEP1：量子コンピューターの未来・市場・技術動向をつかむ（投資家・ビジネス層向け）

まずは「量子コンピューターとは何がすごいのか」「どこまで実用化が進んでいるのか」を俯瞰する段階です。 STEP1 の中でも、理解が最もスムーズに積み上がる順番に並べています。

STEP1-①：『教養としての量子コンピューター』著：藤井啓祐

books.rakuten.co.jp

量子コンピューターの本質を、専門用語を使いすぎずに“教養”として理解できる一冊。 量子技術が社会や産業にどのようなインパクトを与えるのかが整理されており、未来の潮流を読むのに最適です。

この順番が最適な理由

• 量子の全体像を最も負荷なくつかめる

• 技術・投資・社会実装のバランスが良い

• ここを読むと後の本の理解が一気に楽になる

STEP1-②：『量子コンピューターまるわかり』著：間瀬英之・身野良寛

books.rakuten.co.jp

企業動向・研究トレンド・実用化ロードマップが整理されており、ビジネス視点で理解しやすい構成です。

この順番が最適な理由

• 『教養としての量子コンピューター』で全体像をつかんだ後に読むと“今どこまで来ているか”が理解しやすい

• 投資家・ビジネス層にとって実用的な情報が多い

STEP1-③：『量子超越　量子コンピュータが世界を変える

』著：ミチオ・カク

books.rakuten.co.jp

世界的物理学者ミチオ・カクが、量子技術の未来像をわかりやすく語る本。 AI・医療・金融など、量子がもたらすインパクトをマクロ視点で描いた一冊。

この順番が最適な理由

• 未来予測は“基礎理解＋現状把握”の後に読むほうが腹落ちする

• 量子の可能性を広く深く捉えられる

🧠 STEP2：量子コンピューターの仕組みを理解する（技術理解層向け）

STEP2 の目的は、 「量子はなぜ強いのか」「どう動くのか」を理解すること。

ここにも最適な順番があります。

STEP2-①：『量子コンピューターが本当にわかる』著：武田俊太郎

books.rakuten.co.jp

量子ビット・重ね合わせ・ゲートなどの基礎を、図解と直感的説明で理解できる入門書。 数学が苦手でも“量子が何をしているのか”が腹落ちします。

この順番が最適な理由

• 図解が多く、初心者でも理解しやすい

• “量子が何をしているのか”が最速でつかめる

• 技術理解の入口として最も負荷が低い

STEP2-②：『量子コンピューター 超並列計算のからくり』著：竹内繁樹

books.rakuten.co.jp

量子コンピュータがなぜ高速なのか、古典計算との違いを明確に説明する一冊。 量子アルゴリズムの考え方が直感的に理解できます。

この順番が最適な理由

• 『量子コンピューターが本当にわかる』で直感をつかんだ後に読むと、並列性の理解が深まる

• 古典計算との違いが明確になり、量子の強みが腑に落ちる

🔬 STEP3：量子力学の基礎から理解を固める（深く理解したい層向け）

STEP3：『ビギナーズ量子力学 ―量子通信・量子コンピューターまで』著：M. Suhail Zubairy

books.rakuten.co.jp

量子力学の基礎から量子情報・量子通信までをつなげて学べる入門書。 量子コンピュータの背景にある物理をしっかり理解したい人に向いています。

この順番が最適な理由

• 物理を先に学ぶと挫折しやすい

• 仕組みを理解した後に読むと“必要性”がわかる

• 量子情報・量子通信までつながるので理解が立体的に整理される

🎯 最終まとめ：この順番で読むと理解が最もスムーズに広がる

量子コンピューターは難しい分野ですが、 “正しい順番で学ぶ”だけで理解の伸び方が劇的に変わると感じています。最後までお付き合いいただきありがとうございました。

【2026年最新】バフェット指数224の意味と米国株見通し｜ベネズエラ情勢の影響を解説

クロオビです。年明け以降も米国株・日本株ともに絶好調が続いていますね。今回はベネズエラ大統領拘束が市場に与える影響を整理しました。

はじめに：バフェット指数224という“異常値”

2026年1月10日時点で、米国株の割高感を示すバフェット指数は224に達しています。 この水準は歴史的に見ても極めて高く、2021年の200％超を上回る“バブル圏”に位置しています。指数がここまで上昇している背景には、AI関連を中心とした大型株の上昇と、米国経済の底堅さがあります。

一方で、地政学リスクはむしろ増加しており、指数の高さと市場の不安定さが同時に存在する状況です。本記事では、最新データと国際情勢を踏まえ、今週の相場見通しを整理します。

バフェット指数とは何か

市場全体の割高・割安を測る指標です

nikkeiyosoku.com

バフェット指数は「株式市場の時価総額 ÷ GDP × 100」で算出されます。 投資の森の解説によれば、アメリカではウィルシャー5000を基準に計算されることが多いです。

過去の暴落局面との比較です

• ITバブル前：100％突破

• ITバブル直前：140％超

• リーマンショック前：108％

• 現在：223.99（2026年1月10日）

過去と比較しても、現在の水準は突出しています。

今週のバフェット指数はどう動くか

今週の予測レンジ：220〜225です

GDPは短期で動かないため、指数は株価次第となります。 NYダウは49,504ドルと高値圏にあり、指数は高止まりしつつも急落しにくい状況です。

上昇シナリオ：225〜228です

• NYダウが50,000ドルを突破

• ハイテク株の買い継続

• 金利低下期待の強まり

下落シナリオ：218〜220です

• 地政学リスクの悪化

• ハイテク株の利益確定売り

• 米国金利の再上昇懸念

指数が200％を超える局面では、調整が突然起こることもあるため注意が必要です。

ベネズエラ大統領拘束が市場に与える影響

2026年1月、米軍がベネズエラのマドゥロ大統領を拘束し、ニューヨークへ移送したという報道が世界を揺らしました。 この事件は、米国・中国・ロシアを巻き込む地政学リスクの新局面であり、原油市場への影響が大きいです。

短期：原油価格は上昇圧力がかかります

• 油田操業停止リスク

• 国内混乱による供給不安

原油高はエネルギー株に追い風ですが、ハイテク株には逆風となります。 結果として、株価指数全体が上下に振れやすくなり、バフェット指数も短期的に不安定化する可能性が高いです。

中期：米国主導で油田再稼働なら供給増です

米国がベネズエラの油田を管理し輸出を再開する方向に動けば、

• 原油価格は下落

• インフレ抑制

• 株式市場にはプラス材料

という流れもあり得ます。

投資家が取るべき戦略

① 過度なリスクを取らないことです

指数が200％を超える局面では、長期リターンが低下しやすいです。

② セクター分散を強化することです

• エネルギー

• 防衛

• 生活必需品

地政学リスクに強いセクターを組み込むことが有効です。

③ ハイテク株は押し目買いに徹することです

割高圏での高値追いは危険です。調整局面を待つ姿勢が重要です。

まとめ：2026年は「割高 × 不安定」の難しい相場です

バフェット指数224という数字は、米国株が歴史的な割高圏にあることを示しています。 今週は指数が220〜225の範囲で推移する可能性が高く、急騰よりも「高止まり」がメインシナリオです。

地政学リスクが増す中で、指数の動きを注視しつつ、長期的な視点で市場を捉えていきたいと思います。最後までお付き合いいただきありがとうございました。

【2026年最新】1.4nm半導体の覇権は誰が握る？TSMC・Intel・Samsung・Rapidusを徹底比較

クロオビです。TSMCの2nm半導体量産のニュースを目にする機会が増えてきたので、Gemini3/Copilotを活用しながらまとめました。

gigazine.net

2026年、半導体業界は2nm量産フェーズから、次の主戦場である「1.4nm（A14 / 14A）」へと移行しました。 Google・NVIDIA・Apple など巨大テック企業のAI需要が爆発する中、 どのファウンドリが次世代AIチップの製造を制するのか。

本記事では、TSMC・Intel・Samsung・Rapidus の最新ロードマップを比較し、1.4nm世代の勝者を予測します。

■ この記事でわかること

• 1.4nm半導体とは何か（技術的特徴）

• TSMC・Intel・Samsung・Rapidusの最新ロードマップ

• 各社の強み・弱み・戦略の違い

• 2026年時点で最も優位な企業

• 日本のラピダスが勝てる領域

■ 1. 1.4nm半導体とは？

1.4nm世代は、ゲート長を1.4nm相当まで縮小した次世代プロセスで、 AIアクセラレータ・データセンター・スマホSoCの性能を大幅に引き上げる鍵となります。

主な技術要素：

• ナノシート構造（GAA）

• EUV露光（特にHigh-NA EUV）

• 裏面給電（Backside Power Delivery）

• 3Dパッケージング（CoWoS、Foveros）

AI需要の急増により、1.4nmは「次世代AIインフラの基盤」として注目されています。

■ 2. 主要4社の1.4nmロードマップ比較（2026年最新版）

検索ユーザーが最も知りたい「いつ量産するのか」を軸に比較します。

企業	1.4nm量産時期	技術戦略	評価
TSMC	2028年量産（27年リスク生産）	A14。Low-NA EUV中心。NanoFlex Proで性能15%向上・電力30%削減。巨大顧客との協業が強み。	本命
Intel	2027〜28年（目標）	14A。High-NA EUVを世界初導入。裏面給電（PowerVia）で差別化。	対抗
Samsung	2028〜29年	GAAの経験値を活かす。2nm歩留まり改善が最優先。	追撃
Rapidus	2029年以降（予測）	2nm量産を起点にIBMと協業。短納期モデルで差別化。	注目

 

■ 3. 各社の最新状況と強み・弱み（検索意図：比較）

● TSMC：A14で最有力。エコシステムが圧倒的

• 2028年にA14量産開始

• Apple・NVIDIA・AMD・Googleなど巨大顧客が支援

• NanoFlex Proで性能・電力効率を改善

• High-NA EUVは限定導入（初期量産はLow-NA中心）

→ 最も確度の高いロードマップを持つ“本命”

● Intel：High-NA EUVで技術リードを狙う

• High-NA EUVを世界で最初に導入

• 裏面給電（PowerVia）を18Aで実用化

• 米政府の巨額補助金で投資加速

• 14A量産は「2027〜28年を目指す」段階

→ 技術的には最も攻めている“ダークホース”

● Samsung：GAAの経験値は強みだが慎重姿勢

• 3nmからGAAを導入済み

• 2nmの歩留まり改善が最優先

• 1.4nmは積極的なスケジュールを示さず

→ コスト競争力で差別化する“追撃ポジション”

● Rapidus：短納期モデルで独自の勝ち筋

• 2027年に2nm量産を目指す

• 1.4nmは公式ロードマップ未発表

• IBMとの協業で技術基盤を強化

• 多品種少量・短納期（Rapidモデル）が武器

→ TSMCと正面衝突せず“ニッチ市場の覇者”を狙う

■ 4. 1.4nm世代の勝者は誰か？

◎ 本命：TSMC

• 顧客エコシステムが圧倒的

• 量産立ち上げの安定性

• A14ロードマップの確度が高い

○ 対抗：Intel

• High-NA EUVの先行導入

• 米国政府の支援

• 地政学リスクによる「脱TSMC」需要

△ 追撃：Samsung

• GAAの経験値

• コスト競争力

▲ 注目：Rapidus

• 短納期・多品種少量という独自戦略

• AIチップの開発サイクル短縮ニーズと相性が良い

■ 5. まとめ：AI時代の覇権は“1.4nm”が握る

AIブームの本質は「計算インフラの競争」です。 2027〜2028年に登場する1.4nm世代は、AI処理効率をさらに引き上げ、 次世代クラウド・ロボティクス・デバイスの基盤となります。

1.4nmの覇権＝次世代AIのコストと性能を支配する企業 という構図は今後も変わりません。日本のRapidusがどこまで存在感を示せるか、引き続き注目です。

1.4nm半導体に関するFAQ（2026年版）

Q1. 1.4nm半導体の量産はいつから始まりますか？

A. 最速の量産候補は Intel の「Intel 14A」で、2027〜2028年の量産開始を目指しています。 TSMC は公式ロードマップで 2028年に A14 の量産開始を発表。 Samsung は 2028〜2029年、Rapidus は 2nm量産（2027）後の次ノードとして 2029年以降が有力と見られています。

Q2. 2nmと1.4nmの違いは何ですか？

A. 微細化だけでなく、High-NA EUV や裏面給電（BSPDN）など“次世代技術の本格導入”が最大の違いです。 これにより、2nm世代と比べて

• 性能向上：10〜15%

• 電力削減：20〜30% が期待され、AIアクセラレータやデータセンターの効率が大幅に向上します。

Q3. なぜ Intel は 1.4nm で TSMC を逆転できると言われるのですか？

A. Intel は High-NA EUV を世界で最初に導入し、1.4nm世代で技術的優位を狙っているためです。 さらに、米国政府の CHIPS法 による巨額支援や、地政学リスクを背景とした「脱TSMC」需要が追い風となっています。 ただし、逆転には 18A の歩留まり成功が前提条件です。

Q4. 日本の Rapidus（ラピダス）は 1.4nm に参入できますか？

A. 公式ロードマップは2nmまでですが、1.4nmは“次の候補ノード”として業界で注目されています。 Rapidus は TSMC と競合するのではなく、

• 多品種少量

• 短納期（Rapidモデル） という独自戦略で差別化を図っています。 IBM・imecとの協業により、2nm量産後に1.4nmへ移行できる体制を整えられるかが鍵です。

Q5. 1.4nm半導体は私たちの生活にどんな影響がありますか？

A. オンデバイスAIの進化により、スマホ・ロボット・自動運転の性能が飛躍的に向上します。 1.4nm世代の省電力性により、

• スマホ単体で高度な生成AIが動作

• 自動運転のリアルタイム処理が高速化

• データセンターの電力コストが削減 など、AI利用のコストと体験が大きく変わります。

Q6. 1.4nmは本当に“1.4nm”なのですか？

A. 実際の物理寸法が1.4nmという意味ではなく、“世代名（スケーリング指標）”として使われています。 現代のプロセスノード名はマーケティング要素が強く、 実際のゲート長は数十nm規模です。

Q7. 1.4nm世代で最も重要な技術は何ですか？

A. High-NA EUV、裏面給電（BSPDN）、ナノシート構造（GAA）、3Dパッケージングの4つです。 特に High-NA EUV は Intel が先行し、 TSMC は限定導入、Samsung は慎重姿勢という違いがあります。

Google株が急騰する背景と、GPUとTPUの違いから見えるAI競争の現在地

クロオビです。ここ半年でGoogle（Alphabet）の株価が大きく上昇していますね。Geminiの発表以降、Googleは「検索の会社」から「AIプラットフォーム企業」へと再び注目を集めています。この流れの中で、AIインフラ市場を牽引してきたNVIDIAとの競争はどのように変化していくのか、GPUとTPUの違いを整理しながら、まとめました。

GPUとは何か

GPU（Graphics Processing Unit）は、もともと画像処理を高速化するために開発されたプロセッサです。しかし現在では、深層学習の学習処理に欠かせない存在となっています。多数のコアを使った並列処理が得意で、PyTorchやTensorFlowなど主要フレームワークとの互換性も高く、研究から商用まで幅広い領域で利用されています。

特にNVIDIAはCUDAという独自エコシステムを構築し、AI開発の事実上の標準となっています。H100やB200といった最新GPUは世界中のクラウド企業が争奪するほどの需要があり、AIインフラ市場における圧倒的な存在感を維持しています。

TPUとは何か

一方、TPU（Tensor Processing Unit）はGoogleが機械学習専用に設計したプロセッサです。行列演算に特化した構造を持ち、TensorFlowとの最適化が進んでいるため、大規模モデルの学習や推論で高い性能を発揮します。Google Cloudで利用できる点が特徴で、オンプレミスでの導入は基本的に想定されていません。

Geminiのような巨大モデルを支えるために、TPU v4・v5eなどの世代が進化を続けており、GoogleがAIインフラを自社最適化するための重要な基盤となっています。

GPUとTPUの違いを整理する

両者の特徴を比較すると、次のようになります。

項目	GPU	TPU
開発元	NVIDIAなど	Google
得意分野	幅広い用途、研究開発	TensorFlow中心の大規模AI処理
処理特性	汎用性が高い並列処理	行列演算に特化し高速
導入性	PC・クラウド両方で利用可能	Google Cloud中心
エコシステム	CUDAが強力	TensorFlowに最適化

GPUは「万能型」、TPUは「AI特化型」というイメージが近いかもしれません。

Google vs NVIDIA：今後の競争はどうなるか

現時点では、AIインフラ市場の主役は依然としてNVIDIAです。GPUの汎用性とCUDAエコシステムの強さは圧倒的で、クラウド各社もNVIDIA依存から抜け出せていません。

しかし、GoogleがTPUを武器に巻き返しを狙っているのも事実です。特に以下の点は今後の競争を左右する可能性があります。

• Googleが自社AI（Gemini）をTPU最適化することで差別化が進む

• クラウド利用者が「コスト効率」を重視し始めており、TPUの価格性能比が評価されつつある

• NVIDIAはGPUの汎用性で優位だが、AI特化領域ではTPUが追い上げる可能性がある

短期的にはNVIDIA優位が続くものの、中長期ではGoogleが「AIモデル × AIチップ × クラウド」の垂直統合で独自の強みを発揮し、競争構造が変わる可能性があります。

まとめ：AIインフラ競争は“二強時代”へ

Google株の急騰は、単なる市場の期待感ではなく、TPUを中心としたAIインフラ戦略が評価され始めた結果とも言えます。GPUとTPUの違いを理解することは、AI技術の動向を読み解くうえで欠かせません。今後もGoogleとNVIDIAの競争は続きますが、その行方はAIモデルの進化、クラウドの利用形態、そして企業が求めるコスト効率によって大きく左右されていくとのことです。

最後までお付き合いいただきありがとうございました。