AI半導体の供給は、枚数や計算速度だけで測れば十分なのだろうか。Epoch AIが11月18日に公表した研究は、この見方に別の物差しを加えた。推定されるAIエージェント向け推論能力は1年で約4.6倍、ピーク演算能力は約2.6倍。ただし、これはAI企業の売上や利用者数が4.6倍になった、という話ではない。
本稿は、研究者Jason Liによる公開分析「Agentic inference capacity grew 4.6× in a year, versus 2.6× for compute capacity」と、11月9日公表の方法論レポートを読む。焦点は、性能の伸びが半導体・メモリー・クラウドの投資判断に何を変え、何をまだ証明していないかだ。
4.6倍は「売れたチップの能力」の推定
Epoch AIが比較したのは2025年4〜6月期から2026年4〜6月期まで。各時点までに販売されたチップの累計に、一定の仕事を処理する能力の指数を掛け合わせた推計である。実際に稼働している全サーバーの処理量を計測した統計ではない。最新の公表資料でも、対象期間は11月までではない点に注意したい。Epoch AIの公開分析
採用されたIPI(Inference Performance Index)は、要求された応答速度を保ちながら、何件の仕事を同時に処理できるかを比べる指標だ。長い履歴を再利用するAIエージェントの仕事を想定する。チップの販売推計と能力モデルを組み合わせた数字なので、「供給の潜在力」と「現場で実現した成果」を分けて読む必要がある。
計算の速さと、仕事をさばく力は違う
FLOP/sは1秒間にできる浮動小数点演算の回数を示す。いわば計算の速さだ。一方、AIが長い会話や資料を読みながら答えるには、途中の情報を保管し、必要なタイミングで読み出さなければならない。計算担当だけ増やしても、作業机や資料の受け渡しが追いつかなければ仕事は進まない。
IPIの方法論は演算能力に加え、HBMという高速メモリーの容量・帯域やチップ間通信を考慮する。4種類の代表的なモデルを用いた理論的推計で、ソフトウェアの成熟度の差は織り込まない。また、異なる数値精度で計算した場合に回答品質が同等かは確立していないという。指数の高さを、そのまま実サービスの安さや品質の高さと読んではいけない。IPI方法論レポート
半導体からクラウドへ、意味はどう伝わるか
以下は研究結果を踏まえたSECTORONの条件付き分析であり、Epoch AIによる企業業績予測ではない。
半導体・システム側:NVIDIA(NVDA)を見る際にも、単体GPUの計算性能だけでなく、複数GPUを組み合わせたシステムで顧客の仕事がどれだけ進むかが重要になる。接続や運用まで含めて効率を高められるなら、顧客が高い初期価格を受け入れる理由になり得る。ただし、性能優位と販売価格・粗利益率の維持は別問題だ。競合の改善や顧客の値下げ要求も確認したい。
メモリー・接続側:データを保持し、運ぶ部分が制約になる仕事では、この領域への投資がシステムの利用効率を左右する。しかし「メモリーが大切」という説明だけで、すべてのメモリー企業や光通信企業を一括して買う根拠にはならない。どの場所の接続を強化するのか、何が採用されるのか、価格交渉力がどこに残るのかを分ける必要がある。
クラウド・AIサービス側:同じ設備で多くの仕事を処理できれば、1件あたり費用を下げられる可能性がある。そこで生まれた余裕は、事業者の利益になる場合も、料金引き下げを通じて顧客に渡る場合もある。需要が十分でなければ設備を使い切れない。供給能力の増加は売上の上限を広げても、売上そのものを保証しない。
強い反論は「効率化で必要な投資が減る」こと
性能向上を半導体需要の拡大だけに結び付けるのは早計だ。同じ仕事量を少ない設備で処理できるなら、追加購入を先送りする動機も生まれる。逆に、費用が下がって新しい用途や利用者が増えれば、効率化と投資拡大が同時に進む可能性もある。どちらが勝るかは、この供給側の研究だけでは決められない。
さらに「販売済み」は「設置・電力接続・稼働済み」と同じではない。買った装置が収益を生むまでの時間と、旧設備の価値がどの程度残るかも採算に効く。供給の力強い数字を見ても、投資回収の確認を飛ばせない理由がここにある。
研究の限界も押さえたい。Epoch AIの不確実性区間は、出荷数量とハードウェア構成の推定誤差を扱う一方、推論性能モデルそのものの不確実性を網羅していない。狭い幅の推計が示されても、事業の利益予測まで精密になったわけではない。
SECTORON INSIGHT
SECTORONは、この研究を「AI需要が4.6倍に増えた証拠」ではなく、「需要を受け止める供給能力の測り方が変わった証拠」と読む。投資家が比べるべきものは、チップの枚数だけでなく、必要な品質と待ち時間を守りながら処理できる仕事の量だ。
判断を変える条件:実際のサービスで同じ優位が再現され、料金の低下以上に利用量が増え、運営企業の利益が改善するか。反対に、稼働率低下や値下げ競争が続けば、性能向上だけで投資回収を説明する見方は弱まる。
次に確認すること
- 次のIPI更新では、同じバージョン・仕事の条件で比較できるかを確認する。異なる条件のスコアをつないで成長率を作らない。
- ハードウェア各社の実測結果では、応答速度・同時処理数・品質・電力をセットで見る。最大性能だけの比較は避ける。
- クラウド事業者の決算では、利用量・料金・稼働率・設備投資と利益の関係を追う。研究の次回更新日は未確認であり、確定日を前提にしない。
ⓘ 本内容は情報提供を目的としたものであり、特定の金融商品の売買を推奨するものではありません。
出典
Jason Li / Epoch AI:Agentic inference capacity grew 4.6× in a year, versus 2.6× for compute capacity(2026年11月18日)/Inference Performance Index: changing the way we measure inference capacity(2026年11月9日)。公式公開本文・方法・限界を確認。公開日の時刻・タイムゾーンは明記がないため原文の日付を使用。日本時間2026年11月19日確認。本文は要点の紹介とSECTORON独自の解釈であり、原図表・データ一覧は転載していない。/NVIDIA公式FAQ(NASDAQ: NVDAの確認)。









