ローエンド型破壊イノベーションを起こしたDeepSeek 〜ウエハー需要への影響は：湯之上隆のナノフォーカス（79）（3/6 ページ）

[湯之上隆（微細加工研究所），EE Times Japan]

サーバに占めるAIサーバの割合

　図6には、標準的なサーバ、推論（Inference）用AIサーバ、学習（Training）用AIサーバの出荷動向が示されている。

図6　AIサーバ（推論と学習）の出荷台数と出荷金額の推移［クリックで拡大］ 出所：2024年11月14日 “ASML Investor Day” “End markets, wafer demand and lithography spending”／Amit Harchandani氏

　まず、図6の左側のグラフを見ると、全体のサーバ出荷台数は年率4％で増加すると予測されている。2025年時点では、推論用と学習用のAIサーバの出荷台数はほぼ同程度だが、その後、推論用AIサーバの出荷が徐々に増加すると見込まれている。ただし、2030年時点で推論用と学習用のAIサーバを合わせても、全サーバ出荷台数の約20％にとどまると予測されている。

　一方、図6の右側のグラフに示されたサーバ向け半導体の出荷金額を見てみると、状況は大きく異なる。全サーバ向け半導体の出荷金額は年率18％と大幅に成長し、特に学習用AIサーバ向け半導体の出荷金額が推論用AIサーバ向けを上回るようになる。2030年には、全サーバ向け半導体の出荷金額の約50％が推論用および学習用AIサーバ向け半導体によって占められると予測されている。

　このようにして、2030年にはサーバ向け半導体の出荷金額が3500億米ドルを超え、世界の半導体市場全体の34％を占めるまでに成長する。また、学習用AIサーバの出荷台数は推論用より少ないにもかかわらず、学習用AI半導体の出荷金額は推論用を大きく上回る。これは、生成AIの高度化に伴い、より高性能な計算能力が求められるため、NVIDIAのGPUをはじめとする学習用AI半導体の価格が高騰し続けることを示唆している。

　ここで、低コストでのAIモデルの開発が可能になったDeepSeekが、上述の流れにどのような影響を与えるかについては、いくつかのシナリオが考えられる。一部には、もはやNVIDIAのGPUなどの高性能なAI半導体は不要になるという主張もある。しかし、筆者はそうは考えない。

　DeepSeekが行ったような「蒸留」によってAIモデルを開発する場合でも、その教師となるAIモデルが必要であり、それを訓練するためには、より高性能なAI半導体が不可欠だからである。

　では、本格的なAI時代を迎える中で、ロジック、DRAM、NAND型フラッシュメモリ（以下、NAND）などの各種半導体に使用されるウエハー需要は、今後どのように変化していくのだろうか？