生成AIへの投資先を探すとき、NVIDIAや半導体製造装置メーカーだけを見ていると、データセンター建設の別の制約を見落とします。
GPUを確保しても、十分な電力を引き込めず、熱を処理できなければ稼働できません。
GPU同士をつなぐ光配線や、増え続けるデータを保存する装置も必要です。
2026年に入ると、この「GPUの外側」にある需要が日本企業の決算にも表れ始めました。
光ファイバー、電力ケーブル、空調工事、HDD部品、データテープなど、従来はAI銘柄として意識されにくかった事業が投資の受け皿になっています。
ただし、AIデータセンターとの接点があるだけで、利益が増えるとは限りません。
受注が売上へ変わるまでに時間がかかる設備もあれば、銅価格や人件費の上昇で増収効果が相殺される事業もあります。
本記事では、AI投資の資金がどの設備を通り、日本企業の受注・売上・利益へ届くのかを、2026年7月までの公表資料をもとに整理します。
本記事は公開情報をもとにした編集・分析であり、特定銘柄の売買を推奨するものではありません。投資判断では、最新の決算、開示資料、株価指標、ご自身のリスク許容度を確認してください。
生成AIブームの初期に不足したのは計算能力でした。
大規模モデルの学習と推論に使うGPUへ発注が集中し、AI投資の第1波は半導体企業の業績を大きく押し上げました。
しかし、GPUを高密度に並べるほど、施設側に必要な電力、通信帯域、冷却能力も増えます。計算能力だけを増やしても、周辺設備の容量が追いつかなければ、データセンター全体の性能は上がりません。
IEAが2026年に更新した見通しでは、世界のデータセンターによる電力消費は2025年の485TWhから2030年に約950TWhへほぼ倍増し、AIに重点を置くデータセンターの消費量は同期間に約3倍になると予測されています。
省電力化が進んでも、AIを使う人と処理量の増加が効率改善を上回るという想定です。
日本でも、電力広域的運営推進機関の需要想定をまとめた経済産業省の資料では、データセンターと半導体工場の新増設による最大需要電力の増加を、2024年度比で2025年度に56万kW、2029年度に431万kWとしています。
全国合計だけを見ると吸収可能に見えても、データセンターは特定地域へ集中しやすく、送電線や変電所への接続待ちが建設日程を左右します。
AIデータセンターへの投資は、次の順番で周辺産業へ流れます。クラウド企業の設備投資額がそのまま日本企業の売上になるわけではなく、発注、製造、施工、検収を経て初めて業績へ反映される点が重要です。
長納期の電力設備や大型工事では受注残が先に増え、売上は数四半期から数年遅れて計上されます。
一方、光部品やHDD部品は顧客の生産量が比較的早く販売数量へ表れます。
同じAIインフラ株でも、決算に効く時期はそろいません。
AIデータセンターの供給制約は一つではありません。
電気を施設へ届けるまでの系統接続、施設内で電力を安全に配る設備、GPU間通信を担う光配線、発熱を逃がす冷却、完成後のデータ保存までが連続しています。
どこか一つが足りないだけでも、GPUを設置できるラック数や稼働率に上限が生まれます。
電力・受変電は稼働前の最初の関門です。地域の送配電網や変電所に余力がなければ、施設内の受配電盤、変圧器、UPS、高圧ケーブルをそろえても開業できません。
ただし、再エネ接続や老朽設備の更新も需要を押し上げるため、会社資料からAI需要だけを切り出しにくい分野です。
光配線は、多数のGPUが計算結果を交換するAIクラスターの処理効率に直結します。
配線本数だけでなく、限られた空間へ多くの光ファイバーを収める高密度化が、日本の電線メーカーにとって付加価値の源泉になります。
冷却では、空冷に加えて液冷と施設全体の制御が焦点です。
負荷に応じて空調、熱源、液冷設備を連動させる技術まで需要が広がっています。
保存設備もSSD一辺倒ではなく、大容量のオンライン保存にはニアラインHDD、長期保管には磁気テープが使われます。
関連企業を比べる際は、製品の有無よりも、需要が業績のどこまで進んでいるかを見る必要があります。
2026年3月期の資料では、すでに販売や受注へ表れた企業がある一方、技術開発や市場開拓の段階にとどまる企業も確認できます。
フジクラは、生成AIの普及に伴う投資を背景に、SWR／WTCなどの光配線ソリューションが伸長したと2026年5月公表の中期経営計画で説明しています。
確認したいのは、情報通信部門の利益成長が販売数量だけによるものか、高付加価値品の構成比上昇も伴っているかです。
古河電工は、2026年3月期の増収要因に光ファイバーケーブルなどのデータセンター関連製品を挙げています。
同社の業績概要には自動車部品や銅価格の影響も含まれるため、情報通信ソリューション部門の利益を分けて追う必要があります。
SWCCでは、2026年3月期第3四半期に米国AIデータセンター向けe-Ribbonの需要が下期に急拡大し、通信・コンポーネンツ事業が前年同期比で増収増益になったと説明資料に記載されています。
AI需要が具体的な製品とセグメント業績へ結びついている点は明確ですが、同部門にはTOTOKU統合や産業用製品も含まれます。AI向けだけで利益増を説明しない慎重さが必要です。
住友電工は、中期経営計画2028で北米ハイパーデータセンター向けのシェア拡大と、電力ケーブルの製造・施工能力増強を掲げています。
ただし計画は将来の目標であり、情報通信部門の利益と電力ケーブル受注が設備投資に見合って伸びるかは今後の確認事項です。
三機工業は、2026年3月期にデータセンター関連などの大型工事を受注したと決算説明資料で開示しています。
建築設備事業の受注高は前期比20.1％増の2,624億8,000万円、セグメント利益は36.5％増の280億5,400万円でした。
ただし他の大型案件も含むため、繰越受注が次年度以降にどの利益率で消化されるかが焦点です。
ダイキン工業とNTTデータは、サーバー内部の熱状態をAIで予測し、空調、熱源、液体冷却設備を統合制御する共同検証を2026年7月に開始しました。
2026年度中に有効性を検証し、2027年度の商用化を目指す計画であり、現時点では販売実績ではありません。将来の成長余地はあるものの、受注や利益へ反映された企業と同列には扱えません。
アズビルは、2026年3月期に国内大型建物向け空調制御機器・システムの需要が高水準で続き、ビルディングオートメーション事業の利益が前期比18.6％増えたと決算短信で説明しています。
会社はデータセンター市場の拡張を成長施策に含めていますが、増益額のうちデータセンターが占める比率は示していません。
「市場開拓を進める事実」と「業績寄与が確認できた事実」は分けて読む必要があります。
TDKは、2026年3月期にニアラインHDD向けのHDDヘッド販売数量が約50％増えたと通期決算説明で明らかにしました。
キャプティブメーカーからの受注も増加要因になっており、同社は生産能力の引き上げを進めています。
AIデータセンター需要が販売数量へ表れている一方、HDD市場には顧客の在庫調整や世代交代があるため、増産後の稼働率と価格を継続して見る必要があります。
富士フイルムホールディングスは、2026年3月期第4四半期に主要IT企業向けデータテープの販売が増えたと決算説明資料で説明しています。
磁気テープは、すぐ使わない大容量データを低コストで長期保存する用途に向きます。
ただし、四半期ごとの大口販売で変動しやすく、AI需要だけで安定成長すると決めつけることはできません。
確認できた情報を段階別に整理すると、銘柄の見え方が変わります。
販売実績が明確な企業は株価にも期待が入りやすく、検証段階の企業は業績寄与が不確かな代わりに、商用化で評価が変わる余地があります。
この分類は優劣ではなく、どの段階の不確実性を引き受けるかを示しています。
AIサービスの収益化が投資額に追いつかなければ、クラウド企業は建設時期やGPU導入計画を調整します。
上流の減速は数四半期遅れて光配線、電源、冷却工事へ波及するため、受注残が厚くても新規受注の鈍化には注意が必要です。
人件費、外注費、資材価格が受注時の見積もりを上回れば、売上が増えても利益率は下がります。
大型案件では工期遅延や設計変更による損失引当もあり得るため、受注残と完成工事総利益率を併せて確認します。
銅価格の上昇分が販売価格へ反映されると、電線メーカーの売上高は押し上げられます。
しかし価格転嫁の遅れや加工費上昇で利益率が悪化する場合もあるため、販売数量、製品構成、メタル価格を分けて確認します。
市場の認知が高い銘柄は、将来の成長が先に株価へ織り込まれます。
好決算でも市場予想を上回れなければ下落する場合があり、PERやEV／EBITDAを利益成長率、資本効率、フリーキャッシュフローと併せて評価する必要があります。
AIインフラ企業を調べるときは、「AI」や「データセンター」という単語の登場回数ではなく、需要が財務諸表をどこまで通過したかを追います。
最初に対象製品とセグメントを特定し、受注、売上、利益、現金の順に確認すると、テーマ性だけの銘柄を除きやすくなります。
光関連では、データセンター向け販売の伸びと高密度製品の構成比、設備増強後の稼働率が焦点です。
電力設備と工事会社では、受注残の消化時期と利益率を重視します。
ストレージでは、HDD部品の販売数量やデータテープの大口販売に加え、顧客在庫の変動も見逃せません。
大型企業では、AI関連製品が伸びても全社業績への寄与が小さい場合があります。
ダイキンや住友電工のように複数の事業を持つ企業は、技術や市場の魅力だけでなく、該当事業が連結営業利益の何％を占めるかを見る必要があります。
反対に中小型企業では、一つの案件や顧客への依存度が高くなりやすいため、大口顧客の投資計画や在庫調整が業績へ与える影響を確認します。
最後に株価との関係を見ます。
会社計画に対する市場予想、過去数年の利益率、設備投資後のROIC、フリーキャッシュフローを並べれば、売上成長が企業価値の増加につながっているかを判断しやすくなります。
AI需要が本物でも、利益率が悪化し、投下資本を回収できなければ、投資家に残る価値は限られます。
半導体の次に注目したいのは、新しい流行語ではなく、AIデータセンターが稼働するまでに詰まりやすい工程です。
電力を引き込み、光で接続し、熱を逃がし、工事を完了させ、データを保存する。
この一連の設備がそろって初めて、高価なGPUを収益へ変えられます。
日本企業には、光配線、電力ケーブル、空調工事、制御、HDD部品、磁気テープで強みがあります。
2026年3月期にはフジクラ、古河電工、SWCC、TDKなどで需要の業績反映が確認でき、三機工業では受注が先行しました。
その一方で、商用化前の技術や全社寄与が未開示の事業もあり、すべてを同じ確度のAI関連株として扱うべきではありません。
次の行動は、候補企業の決算資料で、受注から現金までの流れを一社ずつ確かめることです。
そこへ利益率、資本効率、株価の期待値を重ねれば、「AIに関係する会社」から「AI投資を利益へ変えられる会社」へ絞り込めます。
.png){kind=logo}
