家庭用引き出しスライドから出発した台湾企業King Slide Worksは、現在AIラック内のGPUサーバーを支える精密レール市場の推定70~90%を握っている。この詳細は見た目以上に重要だ。業界はHBM、ファウンドリノード、液冷に執着しているが、すべてのラックが通過しなければならない工程を、単一の機械部品サプライヤーが支配している。

この集中は今週の大きな警告と直接交差する。UBSはデータセンター建設が遅れた場合のチップ需要における「エアギャップ」の可能性を指摘した。物理的な構築のタイミングがハイパースケーラーが実際にシリコンを発注するタイミングのゲートとなっているためだ。レール、電源シェルフ、エンクロージャーはそのゲーティングの一部である。GPUはラックに搭載されるまで収益として出荷できず、ラック搭載はリードタイムの長い限られた機械部品ベンダーに依存している。1つの部品サプライヤーが市場の大半を支配している場合、その生産能力のわずかな動揺や建設スケジュールの一時停止は、DRAM、HBM、ファウンドリの受注残に、ほとんどの設備投資モデルが想定するよりも速く上流へと波及する。

投資家にとって、教訓はAIサプライチェーンの脆弱性が先端パッケージングにのみ存在するわけではないということだ。それは地味で高利益率のニッチ分野に存在し、そこでは静かな専門企業が製造精度を積み重ねて準独占的な価格決定力にしている。これらは需要が維持されるときに価値を捕捉し、タイムラインが遅れるときに非難を浴びる名前である。

日本にとって、この物語は両義的だ。日本の精密機械メーカーは、このニッチ分野が報いるまさに冶金学と公差の専門知識を持っているが、台湾の引き出しメーカーがAIラックの機会を先に捕らえた。これは馴染みのあるパターンだ。強力な部品能力がありながら、最も急成長する最終市場でのポジショニングは弱い。国内サプライヤーはAIデータセンターの機械部品を、既存の自動車や産業ラインの副産物としてではなく、意図的なターゲットとして扱うべきだ。

AI基盤を計画している日本のSIerや企業ITチームにとって、実務的な教訓は調達リスクである。ソブリンAIとプライベートクラウドの構築は、ハイパースケーラーと同じ希少なレールとエンクロージャーを奪い合うことになる。GPUクラスターの固定納期を提示するSIerは、チップ割り当てだけでなく、機械部品と建設のリードタイムを明示的にモデル化すべきだ。プロジェクトを遅らせるボトルネックは、プロセッサではなく、ますますラックになっているからだ。