AIインフラの多極化が進む時代――エヌビディアのAI工場拡張と華為のチップ自給が示す未来

はじめに――AIインフラは「一極集中」から「多極化」へ

2026年6月の最初の週末、AI業界に注目すべき二つのニュースがほぼ同時に流れた。

一方では、エヌビディアが韓国のLGグループとの「AI工場」構築を発表した（NVIDIA Newsroom, 2026年6月8日）。フィジカルAI、モビリティ、ロボティクスのための大規模AIインフラを共同で立ち上げるという野心的な計画だ。同じ週には、ドゥサングループとのフィジカルAI協業、SKテレコムとのAIインフラ構築、そしてSKハイニックスとの次世代メモリー共同開発契約も相次いで発表された。

もう一方では、中国の**華為技術（ファウエイ）**が自社開発の最先端チップ「Ascend 910C」で、中国系AI企業ディープシークの新モデル「DeepSeek-V4-Pro」の事後学習に成功したと報じられた（GIGAZINE, 2026年6月8日）。NVIDIAのGPUに依存しないAI開発パスの確立は、中国のAI自立を象徴する出来事だ。

この二つのニュースは、それぞれ単独でもインパックがある。しかし並べて見ると、AIのインフラ戦争が「アメリカ中心の一極集中」から「米・韓・中の三極競争」へと構造的に移行していることが見えてくる。

本記事では、エヌビディアのAI工場戦略、華為のチップ自給の進展、そしてその狭間で日本が取りうる立場を整理する。

エヌビディアの「AI工場」戦略――工場そのものをAI化する

LGグループとのAI工場構築

エヌビディアとLGグループが発表した「AI工場」は、単なるデータセンターの建設ではない。製造業の工場そのものにAIを組み込み、設計・生産・物流・保守のすべてをAIが最適化するというコンセプトだ。

具体的には、LGの製造拠点にエヌビディアのGPUクラスターとソフトウェアスタックを導入し、以下のような取り組みを進める：

フィジカルAI：ロボットが工場内で自律的に移動し、製品を組み立て・検出する
デジタルツイン：工場の完全なデジタルコピーを作成し、シミュレーションで最適化
予知保全：設備の異常を事前に検知し、停止時間を最小化
サプライチェーン最適化：在庫・物流をリアルタイムで調整

AI工場の概念図

これはエヌビディアが提唱する「AIファクトリーブループリント」の実証段階に当たる。同社は2025年にTSMC（台湾積体電路製造）とのAI導入で製造効率を大幅に改善した実績があり、同様のアプローチをLGに横展開する構図だ。

ドゥサン、SKハイニックス、SKテレコム、NAVER――韓国全体をAIインフラ化

LGとの発表は、韓国におけるエヌビディアのビジネスの一部に過ぎない。同じ週に発表された協業を見てみよう：

企業	協業内容	分野
ドゥサングループ	フィジカルAI・AI工場インフラ	重工業・建設
SKハイニックス	次世代メモリー共同開発	半導体メモリー
SKテレコム	AIインフラ構築	通信・クラウド
NAVIER（ネイバー）	AIインフラ拡張	インターネット・AIサービス

韓国はまた、エヌビディアの最新GPUを大量導入して国家レベルのAI基盤を整備する計画を進めている。韓国政府が推進する「国家AIプロジェクト」の一環として、SKグループやNAVIERが中心となってエヌビディア製AIインフラを構築する。

この背景にあるのは、AI時代の半導体・インフラにおける「戦略的自律性」への欲求だ。アメリカに完全に依存するリスクを分散しつつ、自国の産業競争力を維持するための布石である。

NVIDIAと華為（ファウエイ）のチップ比較

華為のAscend 910C――中国が歩む「非NVIDIA」のAI開発パス

DeepSeek-V4-Proの事後学習に成功

GIGAZINEが報じたところによると、中國の半導體企業華為技術（ファウエイ）が開発した最新AIチップ「Ascend 910C」で、ディープシーク社の新モデル「DeepSeek-V4-Pro」の事後学習（追加学習）に成功したという。

これは技術的に大きな意味を持つ。Ascend 910Cは、NVIDIAのA100/H100クラスのAIワークロードを処理できる華為製チップで、アメリカの輸出規制の影響を受けながらも独自開発を続けてきた。DeepSeek-V4-Proは、中国語・英語の両方で高い性能を発揮する大規模言語モデルとして知られており、その学習に華為製チップが使われたことは：

AIモデルの学習にNVIDIA製GPUが必須ではなくなりつつあることを示唆
中國がAI分野で技術的自律性を高めていることを実証
AIインフラの脱米国依存パスが技術的に成立しつつあることを意味

ただし注意が必要なのは、Ascend 910Cの製造プロセスはNVIDIAの最新GPUと比較すると技術的に数世代遅れている可能性が高いことだ。性能自体は改善が続くが、NVIDIAの最新 Blackwell世代（B200/GB200）との绝对的な性能差は簡単には縮まらない。

ニューヨーク州のデータセンター建設停止法案

同じ時期に、NY（ニューヨーク）州議会が大規模データセンターの建設を1年間停止する法案を可決した（GIGAZINE, 2026年6月8日）。電力消費量の増大、環境への影響、地域社会への負荷が主な理由だ。

この法案は、インフラの拡張が単に「技術的に可能か」だけでなく「社会的に許容されるか」という次元があることを示している。データセンターは大量の電力を消費し、冷却には膨大な水資源を必要とする。AI需要の急増が続く中、こうした地域レベルの反発は世界各地で今後増える可能性がある。

三極構造の中で日本はどこに立つのか

AIインフラのグローバルネットワーク

日本の半導体・AIインフラの現状

日本はこの三極構造の中で、どのポジションにいるのか。

強み：

半導体製造装置（東京エレクトロン、ディスコ等）は世界トップシェア
レジスト（感光材）やウェーハなどの材料技術で圧倒的优位
ロボティクス・FA（ファクトリーギーーション）技術の蓄積
品質管理・製造プロセスの精密さ

弱み：

AIチップの自国製造能力が限定的
大規模AIデータセンターの保有が少ない
AIスタートアップの規模・資金力が米中に劣る
国内AI需要の多くが米国クラウドに依存

「多極化」が日本にもたらす好機

AIインフラが多極化する構造は、日本にとって必ずしも不利ばかりではない。以下のような好機がある：

1. 仲介的役割の重要性増大 アメリカ・韓国・中国の三極がそれぞれ独自のAIインフラを構築する中、日本は半導体装置・材料の供给侧として、すべての極に対して価値を提供できる立場にある。

2. エッジAI・ロボティクスでの優位性 NVIDIAのフィジカルAI戦略が示すように、工場や物理空間でのAI活用が加速する。日本の製造業の現場知識とロボティクス技術は、この分野で大きな優位性を持つ。

3. 省電力・高効率AIの需要 NY州のデータセンター停止法案が象徴するように、電力効率はAIインフラの重要指標になりつつある。日本は省電力技術で長年の蓄積があり、この需要に応えられる。

日本の半導体工場

では、この先何が起きるのか。この変化は私たちに何をもたらすのか。技術の恩恵を受けながらも、主体的な判断を失わないことが重要である。今後の動向から目が離せない。

関連記事：