日本の社長が知らないNVIDIA巨大市場の商流8つのルール：日経を読んでもわからない御社の勝ち筋

前回の記事では、台湾企業が世界のAIサーバー製造を担っていること、TSMCの実力、AI半導体工場の自動化、液冷、モジュール型AIデータセンター、電力、HBMやCPO、フィジカルAIなど、世界のAI産業で起きている大きな変化を紹介しました。

日本の社長が知らない世界のAI常識トップ10。日経ばかり読んでいると世界から取り残されます...

では、その次に経営者が考えるべきことは何でしょうか。

それは、

「その巨大なNVIDIA系AI市場において、自社の製品を、誰へ売ればよいのか」

という問いです。

例えば、自社が優れたポンプや熱交換器を持っているとします。AIデータセンターでは液冷需要が急増しています。それならNVIDIAへ営業すればよいのでしょうか。

必ずしもそうではありません。

サーバーメーカー、台湾ODM企業、液冷装置メーカー、データセンター事業者、設備会社、建設会社など、実際に製品を評価し、購入する企業は別に存在します。

さらに複雑なのは、「仕様を決める会社」「製品を評価する会社」「実際に発注する会社」「最終的に使う会社」が、同じとは限らないことです。

今回は、世界のAI市場で日本企業が営業先を考えるために必要な「商流」を、8つの視点から整理します。

1．NVIDIAのAI市場なのに営業先はNVIDIAとは限らない―「仕様を動かす会社」と「製品を買う会社」を分ける

「当社のポンプは、AIデータセンターの液冷に使えるのではないか」。そう考えたとき、最初に営業する相手は誰でしょうか。NVIDIAでしょうか。サーバーメーカーでしょうか。それとも、冷却装置をつくる企業でしょうか。

この問いを考えるうえで、具体的な手がかりになるのがニデックです。

2024年12月5日、ニデックはSupermicroと共同開発した、4Uサイズ、冷却能力250kWのCDUについて、Supermicro向けの出荷開始を発表しました。この製品はOCP規格に基づき、NVIDIA GB200 NVL72を搭載するサーバーシステムに必要な冷却能力を想定しています。

関連投稿：

ニデックがAIデータセンター市場の先端「液冷」企業である理由。2018年に買収した台湾企業が奏功

NVIDIAのAI市場で使われる製品でも、実際の供給先は別の企業になる。 この関係を理解することが、日本企業がAI需要を売上につなげる出発点です。

ニデックの冷却技術は、Supermicroの製品を通じて市場に入る

CDUとは、冷却液の循環、温度調節、圧力制御を行い、IT機器側の液冷ループと施設側の冷却設備をつなぐ装置です。

ニデックの250kW CDUは、Supermicroと共同開発されました。ニデックは、設置スペースの小ささと設置自由度により、SupermicroがNVIDIA GB200 NVL72を使ったシステムを低コストかつ短期間で導入することに貢献すると説明しています。

ここで注目したいのは、共同開発という市場への入り方です。

ニデックは「冷える装置」を単独で販売しているだけではありません。Supermicroが提供するAIサーバーラック全体の価値を高める製品として開発しています。

設置しやすい。短期間で稼働させられる。設備全体のコストを抑えられる。

つまり、自社製品の性能だけでなく、相手企業の完成品をどう競争力のあるものにするかが重要なのです。

NVIDIAの設計に合わせることと、販売先を見つけることは別

NVIDIAとの技術的な接点も重要です。

NVIDIAは「MGX」という、サーバーとラックのビルディングブロックを標準化したモジュール型プラットフォームを展開しています。MGXのシステムパートナーには、Supermicroだけでなく、Quanta Cloud Technology、Wistron、Wiwynnなども並んでいます。

一方、Supermicroは液冷システムについて、コールドプレート、マニホールド、CDU、ラック、冷却塔、ドライクーラーまで、広い範囲の製品を提供しています。

この分業から考えると、日本企業には二つの仕事があります。

一つは、NVIDIAなどが示す技術の方向や設計条件を理解すること。

もう一つは、その条件に合う製品を実際に組み込み、評価し、調達する企業との関係をつくることです。

「仕様を決める会社」「製品を評価する会社」「発注する会社」「最終的に使う会社」を分けて見る必要があります。

AI市場の営業先を探すには、有名企業の名前から出発するだけでなく、「自社製品は何に組み込まれ、その採用を誰が判断するのか」から商流をたどる必要があるのです。

2．Microsoft、Amazon、Google、Metaは、どこまで自分で仕様を決めるのか？―巨大顧客は「設計者」

Microsoftは、自社開発のAI半導体「Maia 100」を搭載するサーバーボードに合う既存ラックがなかったため、ラックを一から開発しました。

通常より幅の広いラックを設計し、電源・ネットワークケーブル用の空間を確保しました。さらに、チップのコールドプレートへ冷却液を循環させる「Sidekick」と呼ぶ専用液冷設備まで開発しています。

ソフトウェア企業が、サーバーを収める金属構造や冷却の仕組みまで設計しているのです。

これは、巨大IT企業を「サーバーメーカーから完成品を大量に買う会社」と見るだけでは、商流を理解できないことを示しています。

最終利用者自身が、供給企業にとっての設計条件をつくる側にも回っているからです。

MicrosoftとAmazonは半導体からシステム全体を設計する

Microsoftは2026年1月、次世代AI推論アクセラレーター「Maia 200」を発表しました。TSMCの3nmプロセスを使い、216GBのHBM3Eや独自のデータ移動機構を組み込むなど、半導体単体ではなくAzureのAI推論基盤として設計しています。

Amazonのクラウド部門AWSも同様です。

2025年12月に一般提供を開始したTrainium3 UltraServersは、自社設計のTrainium3を最大144基まで一つのシステムとして接続できます。

両社の事例からわかるのは、計算サービスを提供する会社自身が、そのサービスを生産する設備の設計に深く関わっていることです。

部品メーカーにとっては、サーバーメーカーの名前だけでなく、その先にいる利用企業の技術方針まで調べる理由があります。

Metaのラック設計はAMDの製品にも使われる

Metaも、Open Compute Projectを通じてデータセンター設備の設計を公開してきました。

2025年10月には、AI向けの電力、冷却、保守性に対応する新しい「Open Rack Wide」の仕様をOCPへ提供しました。

AMDは、このOpen Rack Wide仕様に沿ったラックスケールAI基盤「Helios」を公開しています。

ここでは、半導体メーカーから利用企業へ一方的に製品が流れているわけではありません。

最終利用企業であるMeta側のラック設計が、AMDのAIシステム設計に取り込まれています。

世界の巨大AI顧客は、設備を買うだけでなく、その設備のあり方を設計しています。

日本企業に必要なのは、「誰に売るか」と同時に、「誰が決めた条件を満たす製品なのか」を把握することです。

3．台湾ODM企業の設計部門は世界のAI市場への重要な入口―見積の前に試作・評価・共同開発を

ニデックは2025年4月18日、AIサーバー市場に対応するため、台湾の営業・開発体制を強化したと発表しました。

新しい台北オフィスでは、開発実験エリアと組み立て・評価設備を同じフロアに配置しています。顧客の要望に応じたサンプル提供、実験、顧客立ち会いでの性能検証まで可能にしました。

なぜ、営業拠点にそこまでの設備を置くのでしょうか。

ニデック自身が、ODMメーカーの多い台湾では製品開発スピードが速く、自社にも短納期での対応が求められていると説明しています。

ここから見えてくるのは、顧客の近くで試作品をつくり、試し、改良すること自体が、AI市場への参入を支えるということです。

台湾ODM企業は設計と量産をつなぐ相手

例えば台湾のWiwynnは、大規模なクラウド・データセンター向けのサーバーやラックを手掛けています。

2026年8月には、Direct Liquid Coolingのための試験プラットフォームに関する技術資料を公開しました。

そこでは、冷却液循環、温度制御、流量制御、データ取得、安全保護を一体化し、液冷部品の特性評価からサーバーレベルの熱性能評価までを行う方法が説明されています。

ここからわかるのは、部品カタログに記載された単体性能と、実際にサーバーへ組み込んだときの性能は別だということです。

そのため、製品を売り込む前に、顧客側の試作・評価プロセスへ入る意味があります。

提案を相手の試作・評価日程に合わせる

例えば、自社に液冷用の接続部品があるとします。

まず取り付け場所、寸法、使用条件、流量、圧力、評価方法を確認します。

そして相手が試作機を組み立てる日までにサンプルを届ける。

試験結果を受けて改良し、もう一度評価する。

「当社の製品は高性能です」という提案から、

「この寸法に入ります」

「この条件で試験できます」

「次の試作機に間に合わせます」

という提案へ変わります。

売り込む対象は部品ですが、顧客に提供する価値は、その部品を使った製品開発を前へ進めること

台湾ODM企業との関係を、「誰と知り合ったか」から、「誰の次期製品で、自社の技術が評価されているか」へ進める。

その取り組みが、世界のAI需要を受注へつなぐ道筋になります。

4．電子部品は、GPUメーカー、基板メーカー、サーバーメーカーの誰に売るのか？―「組み込まれる場所」で顧客は変わる

NVIDIAは、メモリをSK hynix、Micron、Samsungから購入しています。

一方で、NVIDIAはファブレス型の製造体制を採用しており、TSMCやSamsungにウエハー製造を委託し、Foxconn、Wistron、Fabrinetなどの外部企業に組み立て、試験、パッケージングなどを委託しています。

さらにNVIDIAは、自社が一部の材料を直接調達する場合がある一方で、製造に使われる原材料の多くは供給企業側が調達するとSEC提出資料で説明しています。

同じNVIDIA製品でも、NVIDIA自身が買うものと、製造を担う企業が購入するものがあります。

「AI向け電子部品」という括りを、もう少し細かく分ける必要があります。

出発点になるのは、自社製品が、どの部品・製品の、どの工程に組み込まれるのかです。

味の素の材料とイビデンの基板は、役割が違う

味の素グループの「ABF」は、半導体パッケージ基板に用いられる絶縁材料です。

完成したサーバーへ取り付ける部品ではなく、半導体パッケージ基板を製造する工程で使われます。

一方、パッケージ基板そのものを製造する企業の一つがイビデンです。

イビデンは、AIサーバー向けを中心とした最先端ICパッケージ基板について、顧客とロードマップを共有し、強固な関係を構築していると説明しています。

関連レポート：

材料を使って基板をつくる企業と、その基板を使って半導体製品を成立させる企業。

日本企業がどちらへ提案すべきかは、自社が何を提供するかによって変わります。

設計への採用と量産時の購入者を結び付ける

ここで重要なのは、「技術的に採用された」ことと「売上が発生する」ことの間に、調達という工程があることです。

NVIDIA自身も、製造委託先やサプライヤーとの契約を通じ、長期的な製造能力を確保しています。2026年1月時点の製造・供給・能力確保に関するコミットメントは950億ドルを超えていました。

社長が営業部門に確認したいのは、

「AI関連企業へ何社訪問したか」

ではありません。

「当社の部品は、誰が設計する何に入り、誰が購入する予定なのか」

という説明です。

材料、パッケージ基板、回路基板、完成サーバーでは、それぞれ商流が異なります。

自社製品が組み込まれる工程から顧客を探し、その先の設計要求と調達先を結び付ける。

そこまで具体化して初めて、巨大なAI需要が、自社の受注候補として見えてくるのです。

5．液冷の商流はサーバー側と建物側で変わる―コールドプレート、CDU、チラーを一括りにしない市場の見方

米国のデータセンター事業者Switchは2025年11月、Schneider Electricと総額19億ドルの供給能力確保契約を発表しました。

対象には、プレハブ型の電源モジュールと、Schneider ElectricのUniflairチラーが含まれています。Schneider Electricにとって最大規模の冷却サービス契約だと説明されています。

施設を設計・建設・運営する企業が、設備メーカーから大型の電源・冷却設備を確保する取引です。

AIを冷やす商流は、サーバーメーカーだけでは終わりません。

液冷市場で営業先を探すには、「何を冷やす製品か」に加えて、「どの設備に組み込まれる製品か」を分けて考える必要があります。

サーバー側はチップの熱を取り出す製品から考える

チップを直接冷やすDirect-to-Chip方式では、CPUやGPUの上にコールドプレートを取り付け、その内部へ冷却液を流します。

ラック内のマニホールドは、各サーバーへ冷却液を分配し、温まった冷却液をCDUへ戻します。

一般的な液―液式CDUでは、IT機器側の冷却液と施設側の冷却水を分離しながら、熱交換器を通じて熱を施設側へ移します。

このうち、ニデックがSupermicroへ供給している250kW CDUは、サーバーラック側へ組み込まれる製品です。

この関係を部品メーカー側からたどると、コールドプレート向けの加工技術なら液冷部品メーカー、CDU内部のポンプや熱交換器ならCDUメーカーが提案先候補になります。

建物側では設備計画と工事の流れを調べる

一方、施設側の大型ポンプ、配管、チラーなどを提案するなら、サーバーの部品表だけを見ても十分ではありません。

SwitchとSchneider Electricの事例のように、データセンターを設計・建設・運営する企業と、施設設備を供給する企業との商流を確認する必要があります。

同じポンプでも、

CDU内部の部品として売るのか。

施設側の循環設備として売るのか。

それによって営業先は変わります。

CDUは必ずしも契約上の境界ではない

ただし、「CDUより内側はサーバー会社、外側は建設会社」と機械的に分けることもできません。

Supermicro自身が、コールドプレート、CDU、ラックだけでなく、1〜50MW規模の閉ループ冷却設備や冷却塔、ドライクーラーまで提供しています。

つまり、

熱の流れは設備の構造を示しますが、発注の経路は、その案件の契約と供給範囲によって決まります。

「液冷に参入する」という方針を、

「誰がつくる何に、自社製品を組み込むか」

へ変える。

サーバー側と建物側を分け、その接続関係と発注関係をたどることで、液冷の巨大需要が自社の営業先として見えてくるのです。

6．光ファイバーや光部品は誰の製品に組み込まれるのか？―通信機器の内部、構内配線、データセンター間接続で顧客は変わる

2026年1月27日、CorningとMetaは、最大60億ドルの複数年契約を発表しました。

CorningがMetaへ供給するのは、米国のAIデータセンターで使われる光ファイバー、光ケーブル、接続製品です。需要に対応するため、Corningはノースカロライナ州の生産能力も拡大します。

ここでは、データセンターを使う企業が、光配線メーカーと直接、長期の供給契約を結んでいます。

一方、同じCorningはBroadcomの通信機器にも光部品を供給しています。

「光通信」を一つの市場として見るだけでは、こうした顧客の違いを捉えられません。

CPOでは通信機器の内部に入り込む

Corningは2025年5月、Broadcomの「Bailly」CPOシステム向けに光学部品を供給すると発表しました。

Baillyは、51.2TbpsのEthernetスイッチにCPOを採用したシステムです。

Corningが供給するのは、光エンジンへファイバーを接続するFiber Array Unit、コネクター、単一モードファイバー、偏波保持ファイバーなどです。

これは、データセンターの建物内に長距離の光ケーブルを敷設する仕事とは違います。

通信機器そのものの内部へ、精密な光部品を組み込む仕事です。

Corning自身も、CPOでは光学系をネットワーク半導体の近くへ配置することで、電気信号が移動する距離を短くし、帯域密度や電力効率を向上できると説明しています。

「誰の部品表・配線計画に入るか」まで具体化する

この二つのCorning事例だけでも、商流の違いがよくわかります。

Metaとの取引では、

Corning → Metaのデータセンター

です。

Broadcomとの取引では、

Corningの光部品 → BroadcomのCPOシステム → AIデータセンター

です。

日本企業がAI向け光通信市場への参入を考える場合も、自社製品がどちらに近いのかを考える必要があります。

CPO向けの精密接続部品なのか。

光トランシーバー内部の部品なのか。

データセンター構内へ敷設するケーブルなのか。

建物間をつなぐ光伝送設備なのか。

「AIでは光が重要になる」という理解から、「自社製品は誰の部品表、誰の配線計画に入るのか」へ進む。

その問いによって、光通信の巨大需要が、自社の具体的な開発課題と営業先へ変わっていくのです。

7．AI向け電力機器は、誰が選び、誰が調達するのか？―「電力会社に売る市場」と「データセンターに売る市場」は違う

AIデータセンターでは、GPUだけでなく、変圧器、配電盤、UPS、バスバー、電源変換装置など、膨大な電力設備が必要になります。

では、日本の重電メーカーが「AIデータセンター市場へ参入しよう」と考えた場合、営業先は誰でしょうか。

電力会社でしょうか。

MicrosoftやAmazonのようなデータセンター利用企業でしょうか。

それとも、データセンターを設計・建設する企業でしょうか。

ここでも重要なのは、発電所からGPUまでの電力供給を一つの市場として見ないことです。

まず「系統側」と「データセンター側」を分ける

AIデータセンターへ電気を届けるには、大きく二つの設備領域があります。

一つは、発電所からデータセンターまで電気を届ける「系統側」です。

送電線、変電所、大型変圧器、開閉設備などがあります。

もう一つは、データセンター敷地内に入ってからGPUまで電力を届ける「施設側」です。

受変電設備、UPS、配電盤、バスウェイ、電源変換装置などが続きます。

この二つでは、商流も異なります。

系統側であれば、電力会社、送配電事業者、変電設備を構築する企業が顧客候補になります。

施設内であれば、データセンター事業者、設備メーカー、EPC、設計・施工会社などへ視点を移す必要があります。

NVIDIAもGPUだけでなく電源アーキテクチャへ入っている

NVIDIAは、次世代AIデータセンター向けに「800 VDC」の電力アーキテクチャを推進しています。

従来方式と比べて電力変換段数を減らし、電流、銅使用量、ケーブル量を削減しながら、高密度AIラックへ大電力を届ける構想です。

NVIDIAは、2027年から1MW級以上のITラックを支えるため、この800 VDCインフラへの移行を進めると説明しています。

さらに、800 VDCのパートナーには、三菱電機、ルネサスエレクトロニクス、ロームをはじめ、多数の電力・半導体関連企業が並んでいます。

しかし、ここで重要なのは、

「NVIDIAの800 VDCに対応する」ことと、「NVIDIAへ製品を販売する」ことは同じではない

ということです。

NVIDIAがアーキテクチャの方向を示す。

各社がパワー半導体、電源変換装置、配電設備などを開発する。

そして、それらをサーバー、ラック、設備へ組み込む企業が評価し、調達する。

こうした商流が形成されます。

「AI向け電力機器を売る」ではまだ営業戦略になっていない

社長が営業部門に確認したいのは、

「AIデータセンター向け製品を開発しています」

という説明だけではありません。

自社製品は系統側に入るのか。

施設側に入るのか。

誰が仕様を決めるのか。

誰が評価するのか。

誰が実際に購入するのか。

そこまで一枚の商流として説明できる必要があります。

発電所からGPUまで電気が流れる経路を描き、その途中のどの設備に自社製品が入り、その設備を誰が設計し、誰が購入するのかをたどる。

そこまで分解して初めて、世界のAI電力需要が日本企業の具体的な営業先に変わるのです。

8．モジュール型データセンターでは工場と建設現場のどちらが顧客になるのか？―「どこで組み込まれるか」で商流が変わる

AIデータセンターでは、電源、冷却、ラック、配管などを、できるだけ工場で組み立て・試験してから現場へ運ぶ「プレハブ型」「モジュール型」の工法が拡大しています。

では、日本企業が配電盤、ポンプ、配管、バルブ、熱交換器、センサーなどを売ろうとする場合、顧客は誰でしょうか。

データセンターを利用する企業でしょうか。

建設会社でしょうか。

それとも、モジュールを工場で製造する設備メーカーでしょうか。

ここでも重要なのは、自社製品が、工場で組み込まれるのか、建設現場で組み込まれるのかを分けることです。

Schneider Electricは設備を工場で組み立ててから運ぶ

Schneider Electricのプレハブ型Power Moduleでは、UPS、スイッチギア、バッテリー、冷却、制御設備などを一つのシステムとして工場側で組み立て、試験してから現地へ納入します。

つまり、その内部で使われる部品は、建設現場へ直接納入するとは限りません。

Schneider Electricのモジュール工場の部品表へ入る可能性があります。

この場合、日本企業が調べるべき相手は、データセンター施工会社だけではありません。

モジュールメーカーの設計、調達、製造部門が重要な顧客候補になります。

完成したモジュールを使うのはデータセンター開発側

Schneider ElectricとCompass Datacentersは2025年9月、データセンターの「ホワイトスペース」をプレハブ化するEcoStruxure Podを共同開発しました。

このモジュールには、電源、冷却、ケーブル、高電力バスウェイ、液冷向けの水系統などを統合できます。

Schneider Electricはすでにこの製品の製造を開始し、最初のユニットをCompass Datacentersのキャンパスへ導入すると発表しています。

ここでは、

部品メーカー → モジュールメーカー → データセンター開発・運営企業 → 最終利用企業

という商流を見ることができます。

Vertivも「AIデータセンターを工業製品化する」方向へ進んでいる

Vertivも2026年2月、「OneCore」という工場統合型のモジュール式インフラを発表しました。

電源、冷却などを統合した設備を工場側で製造し、デジタルツインで事前検証することで、現地施工の複雑さを減らし、AIデータセンターを反復可能な形で展開することを狙っています。

Hut 8は、このOneCoreを一部のデータセンタープロジェクトへ統合するため、Vertivと協業しています。

ここで重要なのは、

建設現場で行っていた仕事の一部が、設備メーカーの工場へ移っている

ということです。

配線する。

配管する。

設備を組み付ける。

試験する。

こうした工程の一部が、現地ではなく工場で行われるようになります。

日本企業は「どの工程が工場へ移るのか」を見るべき

例えば、自社が液冷用配管の接続部品を製造しているとします。

従来型の建設であれば、設備工事会社や現場の配管会社が主要な販売先だったかもしれません。

しかし、その配管がプレハブモジュールの工場で組み込まれるようになれば、モジュールメーカーへ直接供給する商流が生まれます。

同じことは、

配電盤、

バスバー、

ポンプ、

熱交換器、

センサー、

制御盤、

ケーブル、

筐体、

などにも当てはまります。

日本企業が調べるべきなのは、

「データセンター建設会社はどこか」だけではありません。

「自社製品を組み込む工程が、現場からどの工場へ移っているのか」

ということです。

モジュール型AIデータセンターの商流を見るとき、「誰がデータセンターを建設しているか」だけでは足りません。

「誰が、その設備を工場で製造しているか」までたどる。

そこに、日本の製造業が世界のAIデータセンター市場へ入る、新しい営業ルートが生まれているのです。

世界のAI市場を見る時、自社製品から商流を逆算する

ここまで8つの分野を見てきました。

共通しているのは、世界のAI市場では、最終的にAIを使う企業と、実際に部品を評価し、発注する企業が異なることです。

NVIDIAが市場の技術方向を示していても、購入者はサーバーメーカーかもしれません。

MicrosoftやMetaが仕様を決めても、実際の製品をつくるのは別の企業かもしれません。

データセンター事業者が完成設備を購入していても、その中の部品を買うのはモジュールメーカーかもしれません。

だからこそ、日本企業が世界のAI市場へ入る際には、

「AI市場では何が売れるのか」だけではなく、「自社製品を誰の製品に組み込み、誰が評価し、誰が購入するのか」まで商流を描く必要があります。

営業先を探す順番も変わります。

NVIDIA、Microsoft、Amazon、Google、Metaという有名企業の名前から出発するのではありません。

まず、自社の製品が何に使われるのかを考える。

次に、その完成品を誰が設計するのかを調べる。

その設計に影響を与える仕様を誰が決めているのかを見る。

そして、実際の量産時に誰が発注するのかを確認する。

この順序です。

世界のAI市場は巨大です。しかし、巨大市場が存在することと、自社が売上を得られることは同じではありません。

巨大需要と自社製品の間にある企業関係を、一つずつたどる。

その商流が見えたとき、「AI市場に参入する」という漠然とした経営方針が、具体的な顧客名、製品名、共同開発先、試作品、評価日程、そして受注へと変わっていくのです。

これで、各節の重要なファクトの直後から一次資料へ飛べる構成になりました。公開原稿としては、企業名や数字の信頼性を読者自身がその場で確認できる形になっています。