AI半導体関連株を調べると、GPUを作る会社だけでなく、製造装置、検査装置、基板、メモリ、素材を供給する日本企業が並ぶ。
ところが、会社名を同じ一覧で見ても、AIの需要がどの順番で利益へ届くかまでは分からない。
検査装置ならチップの複雑化、基板なら面積や配線の多層化、メモリなら容量と販売価格が事業を動かす。
同じAIサーバーの増産でも、会社が受け取る注文と必要な設備投資は異なる。
この違いは決算にも表れる。
装置を出荷しても顧客の検収前で売上にならない場合があり、増産工場の建設発表があっても、その年の利益が増えるとは限らない。
本記事は、2026年11月21日までに確認した公式資料から日本の上場6社を選び、工程ごとの役割と収益条件を比較する。
AI関連株全体の入口は日本株10銘柄の総合比較で扱い、ここでは半導体の供給網に焦点を絞る。
対象は国内上場株で、NVIDIAなどの米国株との優劣や短期の値上がり順位を決める記事ではない。
半導体の専門知識がない読者でも、関心を持った銘柄の決算を読むための道筋をつかめるよう整理する。
前半では製品と工程を整理し、後半では各社の決算と投資負担をつなげて読む。
半導体の技術に詳しくなること自体より、「なぜ注文が増え、どこで利益が増減するのか」を説明できることを目標にしたい。
「AI半導体」は一つの製品名ではなく、計算や記憶、通信などを担う半導体の総称として使われる。
その製造・供給を支える会社まで含めると、同じテーマでも事業の性質は幅広い。
| 企業・証券コード | 担当する工程・製品 | 需要が増える条件 | 決算の確認対象 |
|---|---|---|---|
| 東京エレクトロン/8035 | 回路形成などの製造装置 | 半導体工場の設備投資 | 装置販売・地域構成 |
| ディスコ/6146 | ウエハーの切断・研削 | 薄化や高精度加工の拡大 | 装置出荷・検収・消耗品 |
| アドバンテスト/6857 | 完成前後の電気的検査 | 生産増と検査の複雑化 | テスター売上・採算 |
| イビデン/4062 | 半導体を載せるIC基板 | 大型・多層基板の需要増 | 電子事業・投資回収 |
| キオクシアHD/285A | NANDフラッシュ・SSD | データ保存・供給の拡大 | 価格・出荷量・製品構成 |
| JX金属/5016 | 薄膜用材料・InP基板等 | 半導体製造・光通信の拡大 | 材料数量・事業別利益 |
前工程は、薄い円盤状のウエハーへ回路を作り込む工程を指す。
後工程はチップを切り分け、接続や保護、検査を行い、使える製品へ仕上げる工程を指す。
ただし先端パッケージでは工程の境界が複雑になり、企業を二つの箱へ完全に分けられるわけではない。
本記事の分類は主な収益の接点を示すもので、各社の全製品を網羅するものではない。
また、JX金属のInP基板はGPUの回路を作るシリコン基板と同じではない。
光通信の受発光素子に使われるため、AIサーバー同士をつなぐ側の需要も含めて見る必要がある。
工程が異なっても、最終的な需要が一部のクラウド事業者や半導体メーカーの投資へ集まる場合がある。
複数銘柄を持つことと、景気やAI投資への依存を分散できることは同じではない。
反対に、同じ工程でも顧客や地域、汎用品と先端品の割合によって業績は違ってくる。
銘柄の数に加え、注文がどこから来るかを見ておきたい。
GPUは多数の計算を並列に行う半導体で、AIの学習や推論に広く使われる。
ASICは特定用途向けに設計する半導体の総称で、AI向けでは特定の処理を効率よく進める設計が採用される。
GPUとASICを完全に競合する二択と考えるより、どの処理にどれだけ使われるかを見る方がよい。
AI向けASICが増えれば、GPUの販売構成は変わり得る一方、製造・基板・検査の需要が残る場合もある。
ただし、同じ日本企業がすべてのチップへ同じ量の製品を供給するとは限らない。
採用される顧客、パッケージ構造、検査方法が変われば、供給網の中で利益を得る会社も変わる。
HBMは複数のDRAMを積層した広帯域メモリで、GPUの近くへ大量のデータを高速に渡す役割を持つ。
NANDフラッシュは電源を切ってもデータを保持する半導体で、SSDの記憶部分に使われる。
キオクシアの株を検討する場合、主な接点は後者である。
「AIメモリが足りない」というニュースでも、HBM不足とNANDの価格上昇では、直接関係する製品が異なる。
| 分類 | 主な役割 | 銘柄を見るときの注意 |
|---|---|---|
| GPU・AI向けASIC | AIの計算を実行する | 設計変更で基板や検査の需要も変わる |
| HBM | 計算装置へ高速にデータを渡す | NANDやSSDと同じ製品として扱わない |
| NAND・SSD | データを保存し必要時に供給する | 容量・性能と販売単価を分けて見る |
| ICパッケージ基板 | チップを支え電気的に接続する | チップ数に加え面積・多層化が影響する |
キオクシアの技術解説では、GPUとSSDの連携により高速メモリの容量制約を補う方向を説明している。
これは、容量、速度、費用が異なる記憶階層を組み合わせる考え方である。
将来の構想と、すでに大量出荷された製品の業績は分けて読む。
新しい構成が普及するには、ソフトウェアやシステム側の対応、顧客評価、安定稼働が必要で、技術発表だけから売上を推計することはできない。
同社は半導体を作る装置を供給し、AI用ロジックやメモリの製造能力拡張が接点になる。
投資を決めるのは半導体メーカーであり、AIサービスの利用者数がそのまま同社の売上になる仕組みではない。
2027年3月期中間決算では、2026年4〜9月の売上高は1兆6,674.55億円、営業利益は5,067.76億円だった。
全社の業績であり、すべてをAI専用装置の売上と読むことはできない。
製造装置は導入の単価が大きく、工場の建設や技術世代の移行に合わせて発注が変わる。
顧客が設備投資を延期すれば、AI利用が増えていても、当面の装置購入は減る可能性がある。
10月30日の説明資料では地域別の売上も示している。
先端分野の需要だけでなく、中国向け売上と輸出管理、顧客の投資時期を合わせて見ると、好調な数字の継続条件が分かりやすい。
ディスコはウエハーを切るダイシング、薄くするグラインディングなどの精密加工装置と加工ツールを供給する。
積層や薄化、高密度実装が進むほど、加工精度や生産性が製造現場の課題となる。
10月22日の決算説明資料では、2026年7〜9月の連結売上高は約1,428億円、営業利益は約676億円で、それぞれ前年同期比36.4%増、52.3%増だった。
この数字は3カ月分で、前述の東京エレクトロンの6カ月累計と規模を直接比較しない。
同社の装置は、出荷してから顧客が受け入れを確認する検収まで時間差が生じる。
出荷が強いのに売上が伸びない場合でも、まず検収の進み方を確かめ、直ちに需要悪化とは決め付けない。
装置の導入後に使われる加工ツールなどの消耗品も判断材料になる。
新規設備の発注だけでなく、設置された装置がどれだけ動いているかが継続的な収益へ影響するためだ。
アドバンテストは、半導体が要求された性能を満たすか調べるテスターを供給する。
AI向けチップは高性能化や複数チップの組み合わせによって複雑になり、生産数量以外の要因でも検査設備の需要が変わる。
10月28日の会社説明では、AI関連の高性能半導体の増産と複雑化を、テスター投資の背景として挙げた。
中間期の営業利益は前年同期比96.5%増で、売上増と製品構成の改善などが寄与した。
ただし、需要の増加をすべて自社の売上へ変えられるかは、供給能力と顧客の導入時期に左右される。
顧客が先に検査設備をそろえた場合には、チップ出荷が増えてもテスターの追加発注が一服することがある。
純利益に含まれる投資有価証券の評価益と、テスター事業の採算も分けて読む。
半導体検査の競争力を評価する際に、金融収益の増加を製品の利益率改善と混同してはいけない。
東京エレクトロンでは顧客の設備投資と地域別構成、ディスコでは出荷・検収と消耗品、アドバンテストではテスター需要と製品構成が中心になる。
共通して半導体設備を売っていても、売上の先行指標は一致しない。
それぞれの会社が説明する需要要因を起点に、前回予想から何が変わったかを追う。
同じ増収率だけを比較するより、その変化が次の四半期へ続く理由を評価しやすい。
ICパッケージ基板は、半導体チップを載せて電気的につなぐ基盤となる。
AI向けチップの大型化や複数チップの接続では、基板面積、配線の細かさ、層数などが製造負荷を変える。
このため、AIチップの台数が何%伸びるかだけでは基板需要を説明できない。
1枚の面積や工程数が増えれば、同じ工場で作れる数量や必要な設備が変わり、投資と採算へ影響する。
イビデンの10月30日説明資料は、AI向けGPU・ASICに対応する高性能基板の投資計画を示している。
質疑応答では追加投資の立ち上げを2029年度下期、業績への寄与を2030年度以降とする説明があり、発表直後の増益と結び付けないことが必要だ。
これは会社が示した予定で、受注や利益の保証ではない。
顧客との条件、稼働開始、歩留まりが変われば投資回収はずれるため、現在の電子事業の採算と将来設備の費用を別に確認する。
NANDのメーカーは生産設備へ継続的に投資し、ビット単価や世代交代の影響を受ける。
AI向けSSDが伸びる場合でも、スマートフォンやPCなど他用途と、業界全体の供給量が価格を動かす。
販売量が増えていても、供給過剰で単価が下がれば利益は圧迫される。
反対に供給が限られて単価が上がる局面では、数量の伸び以上に利益が改善することがある。
10月30日の決算短信は、会計基準に基づくIFRSの数字に加え、特定項目を調整したNon-GAAP指標も開示する。
違う指標を他社の営業利益へ混ぜたり、売上の増加を特定のAI製品だけへ帰属させたりしない。
技術面の高速化と収益面の改善をつなぐ証拠は、顧客での採用、販売構成、単価、利益率である。
新しいSSDの性能説明は将来の競争力を考える材料になるが、大量出荷の数量と採算が示されるまでは段階を分けて評価する。
半導体製造で薄い膜を作るためのスパッタリングターゲットと、光通信用のInP基板では需要の出方が違う。
前者は工場の稼働や製造工程、後者は高速光通信の能力増強と関連する。
11月9日の中間決算では、全社売上高5,314.52億円、営業利益1,507.70億円だった。
ただし、全社には資源事業なども含まれるため、この金額を「AI半導体材料で稼いだ利益」と表現するのは不適切だ。
材料事業は、顧客の認証を受けて量産供給できるかが継続収益の条件になる。
設備増設の規模に加え、製品ごとの販売数量と採算、資源価格の影響を外した変化を見たい。
装置メーカーの売上になる投資は、基板やメモリ企業にとって現金の支出になる。
AI投資の拡大という一つの出来事でも、供給網の両側で利益と資金収支の動きが異なる。
同じテーマの6社を横並びにする際も、この関係を踏まえて比較する。
投資が始まる局面と設備が稼働する局面では、恩恵を受ける企業と負担が先行する企業が変わり得る。
歩留まりは、製造したもののうち要求仕様を満たす製品の割合を示す。
同じ材料と装置時間を使っても、不良が減れば販売できる製品が増え、良品1個当たりの費用が下がる方向に働く。
逆に、新しい構造の量産を始めた直後は、十分な数量を作れても不良や再加工が多く、想定の利益率へ届かない場合がある。
工場の完成、設備の稼働、量産の安定は分け、会社の説明がどこまで進んだ段階を指すかを読む。
基板やメモリの能力増強でも、建物の面積だけで生産能力を推計しない。
製品の大きさ、工程数、加工時間、歩留まりが変われば、同じ設備から出せる良品の数量は変わる。
基本的な成長シナリオは、AI利用が増え、顧客の計算需要と収益が拡大し、半導体や設備の追加購入へ進む流れだ。
製造能力が必要な時期に立ち上がり、価格と採算を維持できれば、供給企業の利益へつながる。
別の可能性は、利用が伸びても顧客の投資回収が遅れ、設備投資が延期される流れである。
電力や建設、資金調達の制約でデータセンターが稼働しなければ、計算装置の導入時期も後ろへずれる。
また、生産能力を増やしすぎれば、需要が消えなくても価格競争や稼働率低下が起こり得る。
AI市場が成長することと、各社が増設した設備を高い採算で使えることは別の条件である。
| 確認する変化 | 起こり得る影響 | 照合する資料 |
|---|---|---|
| 顧客の設備投資が延期 | 装置発注・納入の後ずれ | 決算説明・顧客の投資計画 |
| 新工場の稼働が遅れる | 費用先行・売上立ち上げ遅延 | 投資計画・量産時期 |
| メモリ供給が増えすぎる | 販売単価と利益率が低下 | 単価・出荷・生産方針 |
| チップや実装構造が変わる | 採用品と検査工程の変化 | 製品説明・顧客認証 |
| 輸出管理が変わる | 販売対象や顧客投資に影響 | 会社の地域別売上・公的発表 |
決算を確認するときは、前期比だけでなく会社の直前予想から何が変わったかを見る。
大幅増益でも予想を下回る場合と、利益額が小さくても損失縮小が想定より早い場合では、評価が異なる。
株価にはさらに金利や市場全体のリスク許容度が影響する。
業績の良い会社なら購入価格を考えなくてよい、という結論にはならない。
最初に、対象期間と事業区分を確認し、売上が増えた理由を数量、価格、為替へ分ける。
次に利益率を見て、増えた需要が研究開発や増産費用を上回ったかを確かめる。
最後にキャッシュフローと設備投資へ進み、利益が現金として残るか、将来設備へ再投資されるかを見る。
この順番なら、専門用語をすべて覚える前でも、会社の成長と資金負担をつなげて読める。
半導体以外にも関心が広がった場合は、AIインフラ企業の分野別解説で通信・電力・冷却との関係を確認できる。
自分が追う工程を一つ決め、その工程の注文と採算を継続して見る方が、話題の銘柄を毎回入れ替えるより変化を理解しやすい。
高難度の部品が特定顧客に採用されれば、長い開発関係が競争力になる場合がある。
その一方、顧客の設計変更や調達先の追加、投資計画の延期が、自社の生産設備に大きく影響する。
顧客名を推測するだけでは、このリスクは測れない。
有価証券報告書で主要顧客への販売比率、説明資料で用途別構成を確認し、開示がない部分は分からないまま残すことが適切だ。
同じ半導体市場のニュースでも、自分が追っている工程へ注文が届くまで何段階あるかを確認したい。
顧客の発表、供給企業の受注、出荷、売上を時系列で追うと、期待だけが先に動いた局面も見分けやすくなる。
AI半導体関連株を比較する第一歩は、会社を「AIに関係する」という一つの箱から取り出し、どの工程を担うかへ置き直すことだ。
装置を売る、半導体を検査する、基板を供給する、データを保存するという違いで、読むべき決算指標が変わる。
関心を持った企業について、次に受け取る注文と、その注文をこなすために必要な支出を対にして確認してほしい。
出荷、検収、認証、量産のどこで時間がかかるかが分かると、成長発表をすぐ利益へ換算しにくくなる。
そのうえで購入時の価格と利益予想をそろえ、期待が外れた場合の影響を考える。
技術の将来性を理解することと、今の株価でどこまで成長を前提にするかを分ける姿勢が、この分野を追う土台となる。
本記事は公開情報に基づく事業分析で、個別銘柄の購入・売却を勧める投資助言ではない。
会社の予想や計画は変更されるため、最新の決算、適時開示、価格を確認して判断してほしい。
最初に6社すべてを詳しく追う必要はない。
理解できる工程の1社を選び、今回の予想と次回の実績を比べ、差が出た理由を読むところから始めると、供給網のつながりを少しずつ把握できる。

