モルガン・スタンレー中国大陸半導体リサーチは2026年5月8日に新しいレポートを発表しました。

-> $NVDA ラックとサーバーは依然として最大の資本支出の推進力であり、HBMやCPUを除く1GWデータセンターの総コストの約58〜63％を占めています。
-> カスタムASICの場合、ラックとサーバーははるかに低く、総コストの約39％です。これがハイパースケーラーが内部シリコンを推進し続ける最も明確な理由です。
-> モルガン・スタンレーは、1GWのNVIDIA GPUデータセンターのコストを次のように推定しています：
ヴェラ・ルービン：~$41B
GB300：~$33B
B200：~$24B
H100：~$23B
カスタムASICと比較して：
TPUv7：~$27B
Trainium3：~$15B
-> 現行のNVIDIAシステムは、カスタムASICよりも1GWあたり最大約2倍のコストがかかる場合があります。ヴェラ・ルービンはこの推定でほぼ3倍のTrainium3に匹敵します。
-> これはカスタムASICが自動的に優れていることを意味しません。NVIDIAは依然として最も強力なフルスタックのエコシステム、ソフトウェア、ネットワーキング、供給、モデルサポートを持っています。しかし、これがハイパースケーラーがASICを拡大することに大きな経済的インセンティブを持つ理由です。
-> 2番目に大きなコスト項目はネットワーキングで、ほとんどのシステムで約19〜23％です。
-> 電源シェル、冷却、DRAM、HBM、CPUも重要ですが、ラック、サーバー、ネットワーキングに比べると二次的です。
-> これはラック規模のインフラ供給者にとっても強気材料です。なぜなら、AIの資本支出の議論はGPU対ASICだけではなく、ラック、ネットワーキング、電力供給、冷却、そしてフルデータセンターの構築全体に及ぶからです。
-> ハイパースケーラーの世界は、最大のパフォーマンスと柔軟性を追求するプレミアムNVIDIAクラスターと、低コストでより最適化されたワークロード向けのカスタムASICクラスターに分かれるでしょう。
-> NVIDIAは依然としてAIインフラの資本支出の最も豊かな部分を占めていますが、カスタムASICはハイパースケーラーが長期的な依存を減らすためにコスト圧力の仕組みとして利用し始めています。