AI半導体株とは？主要銘柄と選び方をわかりやすく解説
AIの計算需要を支えるのが半導体です。GPU・カスタムチップ・HBMメモリ・ファウンドリ・製造装置・インターコネクトと役割が分かれ、それぞれに代表企業がいます。ここではバリューチェーン全体の地図を描き、各社がどこで稼ぐのか、需要がどこから来てどんなリスクがあるのか、そして銘柄を見るときに株価（期待）と実態の乖離をどう確認するかを順に整理します。
なぜAIで半導体が伸びるのか
生成AIの学習・推論には膨大な計算が必要で、その計算を担うのがGPUなどの半導体です。AIデータセンターへの設備投資（capex）が増えるほど、チップ・メモリ・パッケージ・それを作る装置への需要が連鎖的に伸びます。
- 学習: 大規模モデルを作る工程。数千〜数万のアクセラレータを束ね、メモリ帯域とチップ間接続が律速になる
- 推論: 学習済みモデルを使う工程。利用が広がるほど積み上がり、長期では学習より大きな需要源になり得る
AI半導体のバリューチェーン地図
AI半導体は「設計→製造→実装→接続→組み立て」の流れで理解すると、各社の役割が一枚の地図に収まります。
- 設計（GPU/ASIC）: 計算の頭脳を設計する。自社工場を持たないファブレスが主流
- HBMメモリ: 演算器にデータを供給する広帯域メモリ。供給がボトルネックになりやすい
- ファウンドリ: 設計図を実際のシリコンに焼く受託製造。先端プロセスは寡占
- 先端パッケージ: 複数チップを一体実装する技術（CoWoS等）。ここも能力が需給を縛る
- 製造装置: 工場の前工程・後工程を支える装置群。投資循環の影響を最も直接受ける
- インターコネクト: チップ間・サーバー間を結ぶ高速リンクとスイッチ。クラスタ全体の性能を決める
技術的な背景：AIチップの性能を決めるもの
AIチップの実力は演算器・メモリ帯域・接続/製造の3点で決まります。
- 演算: GPUは多数のコアで行列演算を並列処理。Tensorコア等の専用回路と、FP16/FP8/INT8といった低精度演算で効率を稼ぐ。GoogleのTPUやAmazonのTrainium等のカスタムASICは用途特化でGPUと競う
- メモリ: 学習には広帯域メモリ（HBM）が不可欠で、その供給がボトルネックになりやすい。世代が上がるほど価格も付加価値も高く、メモリ各社の収益性を押し上げる
- 接続・製造: チップ間はNVLink等の高速リンクで結び、製造はファウンドリの3/5nmプロセス＋CoWoS等の先端パッケージに依存。微細化と実装技術が性能を左右する
役割でわかる主要プレイヤー
AI半導体は役割で整理すると理解しやすいです。
- GPU / アクセラレータ: NVIDIA (NVDA)、AMD
- カスタムAIチップ（ASIC）: Broadcom (AVGO)、Marvell (MRVL)
- ファウンドリ（受託製造）: 先端プロセスを担う台湾勢が中心。設計各社の供給能力はここに依存
- メモリ（HBM等）: Micron (MU)
- 製造装置: Applied Materials、Lam Research、KLA
- インターコネクト / スイッチ: Arista (ANET)、Credo (CRDO)、Astera Labs (ALAB)
- サーバー組み立て: Supermicro (SMCI)
需要ドライバ：どこからお金が来るのか
AI半導体の最終的な財布は、ごく少数のクラウド大手（ハイパースケーラー）のデータセンター投資です。需要を読むときは次を見ます。
- capexガイダンス: 主要顧客が投資を増やすか減らすか。ここが先行指標になりやすい
- 推論需要の拡大: 学習偏重から、日常利用に伴う推論へ重心が移ると、需要の裾野が広がる
- 電力・冷却の制約: データセンターは電力がボトルネックになりつつあり、性能/電力の改善が需要を左右する
リスク：設備投資循環と顧客集中
AI半導体は期待が株価に先行しやすい分野です。代表的なリスクを整理します。
「成長は本物か」と「価格は織り込みすぎていないか」は別問題として切り分けて考えます。バリュエーションの見方：PER・PSR・乖離
成長テーマでも、価格と実態の乖離は必ず確認します。
- 水準より位置: PER・PSRは絶対値の高低より、過去レンジの中での位置（中央値・25〜75%帯のどこか）と同業比較で見る。kabuはバリュエーションの時系列に過去中央値と帯を重ねて表示します
- 赤字・薄利の扱い: 利益が小さい局面ではPERが極端に振れる。TTMの純利益が薄い銘柄はPSRや営業利益率の推移で補う
- 乖離スコア: 株価CAGR vs 売上CAGRを比べ、株価の伸びが売上の伸びをどれだけ上回っているかを見る。乖離が大きいほど「期待先行」
- 質の確認: 粗利率・R&D比率・FCFで、成長が利益とキャッシュを伴っているかを確かめる
kabuでの分析手順
kabuのビューアを使った具体的な流れの一例です。
- 銘柄を開く: ビューアで対象ティッカーを選ぶ
- 実態を見る: メインチャートで株価ラインと売上高バーの動きを重ね、純利益オーバーレイで利益率の推移を確認
- 割高さを見る: バリュエーションチャートでPER・PSRが過去中央値・25〜75%帯のどこにあるかを見る
- 乖離を見る: 乖離スコアで株価CAGRと売上CAGRの差を確認し、期待先行か実態先行かを判断
- 横並びで見る: 成長ランキングやセクターで同業と比べ、突出した割高・割安を探す
- 仮説を書く: 「なぜこの価格か」を一文で言語化し、次の決算で答え合わせする
まとめ：地図を持って、期待と実態を分けて見る
AI半導体は構造的な成長テーマである一方、少数の顧客のcapexに支えられ、設備投資循環で揺れ、期待が価格に先行しやすい分野です。
- まずバリューチェーンの地図で「その企業がどの層で稼ぐか」を把握する
- 需要ドライバ（顧客のcapex・推論拡大・電力制約）と固有リスク（循環・顧客集中・規制）を切り分ける
- kabuでPER/PSRの位置と乖離スコアを見て、成長が価格に正当に織り込まれているかを確かめる
よくある質問
AI半導体株の代表は？
GPUの NVIDIA（NVDA）・AMD、カスタムAIチップの Broadcom（AVGO）・Marvell（MRVL）、メモリの Micron（MU）、製造装置の Applied Materials・Lam Research・KLA、インターコネクトの Arista（ANET）・Credo（CRDO）・Astera Labs（ALAB）などが代表的です。役割（設計・製造・装置・接続）で立ち位置が大きく異なります。
高成長なら高PERでも買っていい？
成長率に対してPERが見合っているかが重要です。同じPERでも売上成長率が違えば意味は別物です。kabuの乖離スコアやPER/PSRの過去レンジ・帯の中での位置と比べ、期待が先行しすぎていないか確認しましょう。
GPUとカスタムASICはどう違う？
GPUは汎用性が高く幅広い用途に使え、エコシステムが厚いのが強みです。カスタムASIC（TPUやTrainium等）は特定用途に特化して効率を高めますが、開発費と用途の固定がトレードオフです。設計を担うBroadcomやMarvellは、ASIC設計の受託で稼ぎます。
なぜHBMメモリが重要なのか？
高性能な演算器も、データを十分な速度で供給できなければ性能を出し切れません。HBMは演算器に広帯域でデータを送る役割を担い、供給能力が業界全体のボトルネックになりやすいためです。世代が上がるほど付加価値が高く、メモリ各社の収益性を左右します。
AI半導体の最大のリスクは？
設備投資循環（在庫調整）と顧客集中です。需要を見越した能力増強が供給過剰に転じると価格と業績が下振れし、売上が数社に偏る企業ほど一社の発注減で大きくぶれます。加えて、バリュエーションが高い銘柄ほど業績未達時の反動が大きくなります。
kabuでは何から見ればいい？
まずビューアで株価と売上の推移を重ね、利益率を確認します。次にPER・PSRが過去中央値・25〜75%帯のどこにあるかを見て、乖離スコアで株価CAGRと売上CAGRの差を確かめます。最後に成長ランキングやセクターで同業と横並び比較するのが基本の流れです。
関連用語
📈 米国株をはじめるには証券口座が必要です PR
口座の開設は各社の公式サイトから。手数料・取扱銘柄・キャンペーン等の最新条件は必ず各社公式サイトでご確認のうえ、ご自身の判断で比較・選択してください。