UK Semiconductor CentreのAndy McLean氏はDIGITIMESに対し、AIの成長がエネルギー効率の高いプロセッサ、フォトニクスベースの高速接続、高度な電力管理への需要を牽引しており、英国の光学分野における強みがこの分野を前進させる機会をもたらしていると語った。

国家的な枠組みを取り払えば、真のシグナルは半導体の価値が蓄積される場所のシフトである。10年間、業界のスコアボードは最先端ロジックの集積度だった。現在の制約要因は電力である。有用なAI演算あたりの電力コストと供給可能性だ。これは競争地図を並べ替える。2nmファブへの道筋を持たない国や企業でも、光インターコネクト、コパッケージ光学素子、電力供給など、物理法則が資本集約度ではなくペースを決定する構造的に希少なスタック層を依然として所有できる。光学素子と電力管理を中心とした位置取りは、次のマージンプールがGPUの内部ではなく隣接部分にあるという賭けである。

これは、最先端AI研究所による注目のエネルギー契約と同じストーリーを供給側から読んだものだ。研究所が発電容量を確保するために数十億ドルを投じる時、それはAI経済学の入力制約として電力を価格付けしているのである。インターコネクトと変換で節約される1ワットは、その背後にガスタービンや争奪されるグリッド接続を必要としない1ワットである。シリコンフォトニクスからGaNやSiCパワーステージまで、効率性の供給者は、コンピューティングが豊富で安価に見えた時代には持っていなかった価格決定力を継承する。

日本にとって、この機会は修辞的ではなく具体的である。同国の産業基盤は、まさに今需要がある層に重点が置かれている。光学部品とレーザー、フォトニクスパッケージング、パワー半導体、そしてそれらに供給される材料と精密機器である。このプロファイルは、最先端ロジック単独の競争よりも効率主導のサイクルに適合しており、国内の先端ノード生産能力がまだ成熟段階にあっても、日本の材料・装置メーカーにAI構築における信頼できる地位を与える。

日本企業とSIerは同じ方程式の反対側に直面している。データセンターの電力コストとグリッドアクセスは、AIワークロードを配置できる場所と顧客への価格設定方法に対する取締役会レベルの制約になりつつある。国内顧客向けにAIプラットフォームを構築するSIerは、推論あたりのエネルギー効率を後付けではなく設計と調達の基準として扱い、ハードウェア選定と冷却を総コストモデルに組み込むべきである。今ジュール/トランザクションを定量化する企業は、モデル性能だけで販売している競合他社よりも正確にAIプロジェクトを見積もることができるだろう。