生成AIの普及に伴い、AI半導体企業への注目度が高まっています。
その背景としては、生成AIが大量データをもとに回答を生成するには膨大な計算が必要で、その処理を高速かつ低コストで実現する鍵を握るのがAI半導体である点が挙げられます。

本記事では、AI半導体メーカーの役割と4つの分類である「GPU」「ASIC（NPU含む）」「FPGA」「CPU」について解説し、 AI半導体メーカーとして国内10社・海外30社についてもご紹介します。

弊社転職エージェント「ムービン」ではプライム上場・グローバル展開している大手・有名企業から、ユニコーン企業までAI関連の求人を多数取り扱っており、転職支援実績も豊富です。
AI職種への転職をお考えの方はもちろん、今すぐの転職をお考えでない方も歓迎しておりますので、情報収集・キャリア相談の場として是非ご活用ください。

AI半導体は大きく4つに分類することができ、それぞれ得意分野が異なっています。 下記では、各分類とそれぞれの特徴について解説していきます。

GPUは、もともと画像処理向けに発展してきたチップですが、「同じ計算を大量に並列で回す」のが得意なため、生成AIの学習・推論でも中心的に使われています。
特に学習（トレーニング）は計算量が非常に大きく、GPUのような高い並列性能が活きる場面が多いのが特徴です。

推論でも高性能が求められるケース（高精度・高速応答、大規模サービスなど）ではGPUが選ばれやすく、AI半導体の王道として扱われることが多いカテゴリーです。

ASICは、AI用途に特化して設計された「専用チップ」です。
用途を絞って最適化できる分、推論で重要な省電力・コスト効率を高めやすく、データセンターの推論基盤や、端末側でのAI処理（スマホ・PC・車載など）で採用が進みやすい点が強みだといえます。

また、NPUやAIエンジンは、スマホやPCのSoC（統合チップ）に内蔵される「AI専用回路」で、性質としてはASICの一種として整理することもできます。

FPGAは、後から回路を組み替えられる「書き換え可能なチップ」です。
ASICほどの専用最適化は難しい一方で、用途が変わりやすい環境や、試作・検証を素早く回したい場面で強みを発揮します。
そのため、推論処理の要件が頻繁に変わる、あるいは特定の処理だけを高速化したい、といったケースで採用されること多い傾向にあります。 柔軟性と開発スピードを重視する企業にとって、有力な選択肢になりやすいカテゴリーです。

CPUは、AI半導体の中では司令塔に近い存在です。
GPUやASICがAIの重い計算を担当するのに対して、CPUはデータの前処理・後処理、アプリやOSの制御、周辺機器とのやり取りなど、全体を動かす役割を担います。

また、小規模な推論であればCPUだけで処理するケースもあります。 つまりCPUは、AI処理の主役にならないことも多い一方で、AIを安定して動かすために欠かせない土台として重要な役割を担っています。

・キオクシア｜周辺（メモリ／ストレージ）
・Rapidus｜製造（ファウンドリ／先端プロセス）
・東京エレクトロン｜製造（半導体製造装置）
・SCREENホールディングス｜製造（洗浄装置）
・日立ハイテク｜製造（計測・検査／製造装置）
・信越化学｜周辺（材料：シリコンウェハ）
・JSR｜周辺（材料：フォトレジスト）
・TDK｜周辺（電子部品：センサー／受動部品）
・村田製作所｜周辺（電子部品：受動部品）
・ローム｜周辺（パワー半導体：電源・省電力）

キオクシアは、データセンターやサーバー向けに使われるNAND型フラッシュメモリ（3D NAND）やSSDを手がけるメモリ・ストレージ企業です。
生成AIの学習・推論では、モデルや学習データ、ログなど大量のデータを高速に読み書きする必要があり、 計算チップ（GPU/ASIC）だけでなく「データを滞留させずに供給できるストレージ性能」も処理効率を左右します。

AI半導体のバリューチェーンにおいては、計算の土台を支える周辺領域として重要な存在であり、 大容量・高性能なストレージ供給を通じてAIインフラ全体を下支えしています。

Rapidusは、先端半導体の国内製造基盤（ファウンドリ）を目指す企業です。 AI半導体は設計が優れていても、量産できなければ市場に届きません。
Rapidusが担う「製造」は、設計図を実際のチップとして形にし、品質・歩留まり・供給安定性を左右する重要工程。 AI向けの高性能チップほど製造難易度が上がるため、国内での先端量産体制が整うことは、産業全体の競争力にも直結します。

東京エレクトロンは、半導体を作るための製造装置を提供する企業です。 AI半導体の性能を引き上げるには、回路をより微細に、より高精度に加工できることが前提になります。
製造装置はファウンドリの生産能力や歩留まりを左右し、結果としてAIチップの供給量・コストにも影響します。 つまり東京エレクトロンは、AI半導体の量産を可能にする土台を支える存在です。

SCREENホールディングスは、半導体製造に欠かせない洗浄装置などを強みとする企業です。 先端チップほど微細加工の難易度が高く、わずかな汚れや欠陥が歩留まりに直結します。
洗浄工程は品質と生産効率を支える“縁の下の力持ち”で、AI半導体の安定供給にも直結する重要領域。 供給量と品質の両面でAI基盤を下支えしています。

日立ハイテクは、半導体製造における計測・検査などの領域で存在感を持つ企業です。 AI半導体は微細化が進むほど、加工精度の管理や不良の早期発見が難しくなります。
計測・検査は「狙いどおりの回路が作れているか」を見える化し、歩留まり改善や品質安定につながる工程。 先端チップの量産を成立させるうえで欠かせない役割を担っています。

信越化学は、半導体の土台となるシリコンウェハを供給する材料メーカーです。 AI半導体の設計・製造が高度になるほど、ウェハの品質（不純物の少なさや均一性など）が性能や歩留まりに影響します。
どの種類のAI半導体（GPU/ASIC/FPGA/CPU）でも、ウェハは出発点となる共通インフラ。AI半導体の量産を“素材の段階”から支える存在です。

JSRは、半導体の回路を形成する工程で使われるフォトレジストなど、先端材料に強みを持つ企業です。 AI半導体の微細化には、回路パターンをより高精度に描くための材料品質が不可欠。
材料の性能が加工の限界や歩留まりに影響するため、製造能力そのものを左右します。 J​​SRは、先端チップの“微細加工を成立させる材料側”からAI基盤を支えています。

TDKは、センサーや受動部品など幅広い電子部品を手がける企業です。 AIはデータセンターだけでなく、スマホ・PC・車載・産業機器など“現場（エッジ）”にも広がっており、端末側では省電力・小型化が重要になります。
こうした機器を安定して動かすには、電源・通信・センシングを支える部品が不可欠。TDKはAI活用の裾野拡大を周辺部品から下支えしています。

村田製作所は、コンデンサなどの受動部品を中心に高いシェアを持つ電子部品メーカーです。 AI半導体は高性能化するほど、電力供給やノイズ対策、熱設計など“周辺設計”の難易度が上がります。
受動部品は派手ではない一方、安定動作と性能発揮に欠かせない基盤部品。データセンターから端末まで、AIを動かす現場の信頼性を支えています。

ロームは、電力変換を担うパワー半導体（SiCなど）に強みを持つ企業です。 AIの普及でデータセンターやエッジ機器の消費電力が増えるほど、「電力をいかにムダなく供給するか」がコストと性能に直結します。
パワー半導体は、電源効率・発熱・装置の小型化を左右する重要パーツ。 AI半導体そのものを“省電力で使い切る”ための周辺領域を担っています。

・NVIDIA｜GPU＋CUDAでAI計算基盤を牽引
・AMD｜MIシリーズでAI向けGPUを展開
・Intel｜GaudiなどAI計算基盤を強化
・Arm｜省電力CPU設計でエッジまで拡大
・Google｜TPUなど自社AIチップを開発
・Amazon（AWS）｜Inferentia/Trainiumでコスト最適化
・Microsoft｜クラウド向けAIチップ開発を推進
・Meta｜AI基盤向け自社チップを開発
・Apple｜端末SoCのAIエンジンで推論強化
・Huawei｜独自AI半導体でエコシステム構築
・IBM｜AIアクセラレータ研究・実装を継続
・Groq｜低遅延の推論特化アーキテクチャ
・Cerebras Systems｜巨大チップで学習を高速化
・SambaNova Systems｜AI基盤＋推論最適化を提供
・Graphcore｜IPUでAI計算を高速化
・Tenstorrent｜RISC-V×AIアクセラレータ
・Esperanto Technologies｜省電力RISC-V推論に強み
・Etched AI｜Transformer推論専用チップ開発
・Hailo｜エッジ推論向け低消費電力
・Rebellions｜データセンター推論特化チップ
・DeepX｜端末向けAIチップを開発
・Axelera AI｜推論アクセラレータを提供
・Untether AI｜省電力な推論アーキテクチャ
・EnCharge AI｜アナログ/メモリ近接計算を推進
・MemryX｜エッジAI向け推論チップ
・Sapeon｜推論向けNPUを開発
・FuriosaAI｜推論アクセラレータを展開
・SiMa.ai｜エッジ向けMLSoCを提供
・d-Matrix｜生成AI向け推論チップを開発
・Mythic｜アナログ推論で省電力化

NVIDIAは、AI計算の主役となりやすいGPUを中心に、データセンター向けの計算基盤を牽引する企業です。 AIの学習・推論に必要な並列計算を高速に処理できる点が強みで、開発者向けのソフトウェア基盤（開発環境）も含めた“使いやすさ”で優位性を築いています。
AI半導体のバリューチェーンでは「設計（上流）」の代表格として、性能とエコシステムの両面で存在感を持ちます。

AMDは、データセンター向けGPUを展開し、AI計算基盤の選択肢を広げる企業です。 高性能計算（HPC）領域の知見を背景に、学習・推論の大規模処理で採用が進みやすい点が特徴です。
AI半導体のバリューチェーンでは「設計（上流）」として、GPU市場の競争を活性化させるプレイヤーです。

Intelは、CPUを中核にしつつ、AI向けアクセラレータも含めてAI計算の幅を広げている企業です。 データセンターや企業システムでの導入実績が厚く、「CPU＋アクセラレータ」の組み合わせでAI処理を最適化する考え方が特徴です。
バリューチェーン上は「設計（上流）」に位置し、企業利用のAI基盤を支える存在です。

Armは、スマホからサーバーまで幅広く使われるCPUの設計IPを提供する企業です。 省電力設計に強みがあり、エッジ（端末側）でAIを動かす流れが強まるほど重要性が増します。
AI半導体のバリューチェーンでは「設計（上流）」として、AIシステム全体の土台を支えています。

Googleは、クラウド提供とあわせて自社AIチップを活用し、AI処理を高速・効率化する取り組みを進めています。 「自社サービスで大量に使う」前提があるため、コスト最適化や用途最適（推論・学習の効率化）を進めやすいのが特徴です。
バリューチェーンでは「実装（下流）」に強く、同時に自社チップ開発で「設計」にも踏み込みます。

AWSは、クラウド上でAIを動かす顧客が多く、推論・学習のコスト効率を高めるために自社AIチップも展開しています。クラウド利用者にとっては「使える形で提供される」点が強みで、導入のしやすさにもつながります。
バリューチェーンでは「実装（下流）」を中心に、設計領域も含めた総合力でAI基盤を支えています。

Microsoftは、クラウドを中心にAIの計算基盤を提供し、企業のAI活用を広げる役割を担っています。 AIは“使われて初めて価値”が出るため、クラウド上で安全に運用できる設計・提供体制が強みになりやすい領域です。
バリューチェーンでは「実装（下流）」の代表格として、AI半導体の需要を生み出す側でもあります。

Metaは、自社サービスで大量のAI処理を行う前提から、AI基盤の最適化を進める企業です。 大規模運用での効率化（コスト・電力・処理性能）が重要になりやすく、用途に合わせた最適化が進みやすいのが特徴です。
バリューチェーンでは「実装（下流）」を主戦場に、必要に応じて設計領域にも踏み込みます。

Appleは、iPhoneやMacなど端末側でAIを動かすためのSoCに、AI処理向け回路（NPU/AIエンジン）を組み込む方向性が特徴です。 端末で推論できれば、応答が速くなり、通信量やクラウドコストを抑えられるメリットがあります。

バリューチェーンでは「実装（下流）」に強く、端末AIの普及を後押しする存在です。

Huaweiは、端末やネットワーク領域を含む幅広い事業基盤を背景に、AI処理を支える半導体・基盤の整備を進める企業です。 用途（端末・通信・データセンター等）に合わせた最適化を進めやすい点が特徴です。
バリューチェーンでは「実装（下流）」を軸に、周辺を含めたエコシステム志向が強いプレイヤーです。

IBMは、AIを含む計算基盤の研究開発と実装を継続してきた企業です。 企業向けの実運用を見据えた技術開発・最適化の知見が強みになりやすい領域です。
バリューチェーンでは「設計（上流）」寄りの立ち位置で、AI計算の高度化を支える存在です。

Groqは、生成AIの推論（インフェレンス）を高速に処理することに重きを置いたチップ設計の企業です。 推論は利用が増えるほどコストが効いてくるため、低遅延・高効率を狙う特化型の価値が出やすい領域です。
バリューチェーンでは「設計（上流）」で、推論最適化の流れを象徴する存在です。

Cerebras Systemsは、学習（トレーニング）の高速化を狙ったアーキテクチャで注目される企業です。 学習は計算量が非常に大きく、性能・スループットが競争力になりやすい領域です。
バリューチェーンでは「設計（上流）」として、学習効率の改善を目指すプレイヤーです。

SambaNova Systemsは、AI処理向けのアクセラレータと、それを活かすシステム提供を志向する企業です。 単体チップだけでなく“使える形”まで含めて提供することで、導入障壁を下げやすい点が特徴です。
バリューチェーンでは「設計（上流）」を軸に、実装領域にも踏み込むスタイルです。

Graphcoreは、AI処理に最適化したアクセラレータ設計で知られる企業です。 学習・推論の効率を高めるために、アーキテクチャやソフトウェアとの組み合わせが重要になります。
バリューチェーンでは「設計（上流）」として、独自設計で差別化を狙うプレイヤーです。

Tenstorrentは、AIアクセラレータを中心に、ソフトウェアも含めた実装しやすさを重視する企業です。AI半導体は“使える開発環境”が普及の鍵になるため、ハードとソフトの両面設計が強みになりやすい領域です。

バリューチェーンでは「設計（上流）」として、実用面から差別化を狙います。

Esperanto Technologiesは、電力効率を意識したAIチップ設計を志向する企業です。推論は利用回数が増えるほど運用コストが効くため、省電力設計の価値が出やすい分野です。
バリューチェーンでは「設計（上流）」で、コスト効率を重視する流れと相性が良い企業です。

Etched AIは、生成AIで多用される処理に焦点を当て、推論の効率化を狙う設計思想が特徴の企業です。 特化型は汎用より用途が限られる一方、ハマる領域では大きな省電力・低コストを狙えます。
バリューチェーンでは「設計（上流）」で、推論最適化の潮流を体現します。

Hailoは、端末や現場機器（エッジ）でAI推論を動かすための省電力チップを志向する企業です。 エッジでは、電力・サイズ・コスト制約が厳しく、専用最適化の価値が出やすいのが特徴です。
バリューチェーンでは「設計（上流）」で、エッジAIの普及を支える存在です。

Rebellionsは、データセンターでの推論処理を意識したチップ設計で知られる企業です。 推論は“回数が増えるほどコストが効く”ため、運用コストを下げる設計が価値になりやすい領域です。
バリューチェーンでは「設計（上流）」で、推論の効率化を狙うプレイヤーです。

DeepXは、端末側でのAI推論を想定したチップ開発を進める企業です。 カメラやロボット、産業機器など“現場で即時に判断するAI”では、低消費電力と実装しやすさが重視されます。
バリューチェーンでは「設計（上流）」として、エッジAIの拡大を支える立ち位置です。

Axelera AIは、推論処理を効率化するアクセラレータ設計を志向する企業です。推論コストの最適化が重要になるほど、特化型アクセラレータの存在感が増します。
バリューチェーンでは「設計（上流）」で、推論効率を武器に差別化を図ります。

Untether AIは、推論を省電力に処理する設計思想を前面に出す企業です。 推論は利用が増えるほど電力・コストが課題になりやすく、省電力化は大きな価値になります。
バリューチェーンでは「設計（上流）」で、運用効率を重視するニーズに応えます。

EnCharge AIは、AI計算をより省電力にするためのアプローチで注目される企業です。 エッジや大規模推論のどちらでも「電力＝コスト」になりやすく、電力効率の改善が差別化点になります。
バリューチェーンでは「設計（上流）」として、計算効率の革新を狙います。

MemryXは、エッジでの推論処理を意識したAIチップを開発する企業です。クラウドに送らず端末で処理できると、応答速度やプライバシー、運用コスト面でメリットが出やすくなります。
バリューチェーンでは「設計（上流）」で、エッジAIの広がりを支えます。

Sapeonは、推論向けのNPU（AI処理回路）を軸にしたチップ開発を進める企業です。推論で重視される省電力・コスト効率を狙いやすいのが、NPU系の強みです。
バリューチェーンでは「設計（上流）」として、推論最適化の需要を取り込みます。

FuriosaAIは、生成AIの推論処理を意識したアクセラレータ開発を進める企業です。推論は運用コストが重要になるため、効率化・省電力化を打ち出す企業が注目されやすい領域です。
バリューチェーンでは「設計（上流）」で、推論市場の拡大を追い風に成長を狙います。

SiMa.aiは、エッジ機器でのAI推論を想定したSoC（統合チップ）を志向する企業です。 端末側でのAI処理は、電力やコスト制約が厳しい一方で、用途が広く伸びやすい市場でもあります。
バリューチェーンでは「設計（上流）」として、エッジAIの普及を支える立ち位置です。

d-Matrixは、生成AIの推論を効率化するためのチップ開発を進める企業です。 推論は利用が増えるほどコストが効くため、専用最適化による運用コスト削減が評価されやすい分野です。
バリューチェーンでは「設計（上流）」で、推論向けの特化型として存在感を狙います。

Mythicは、省電力でのAI推論を志向する設計アプローチで知られる企業です。 エッジ機器など制約の厳しい環境では、電力効率の改善が導入の決め手になりやすいのが特徴です。
バリューチェーンでは「設計（上流）」として、低消費電力ニーズを取り込みます。

生成AIは、学習し回答を導き出すまでの工程で大量の計算が必要であり、その計算を速く・安く回すにはAI半導体が欠かせないため、 AI半導体メーカーへの注目が高まっています。

現在はGPUが中心ですが、AIの用途に合わせた「専用チップ」の開発競争も加速しています。
日本はチップ設計そのものよりも、製造装置・材料・部品などで世界のAI半導体を支える立ち位置となりつつあり、 国内では国（官公庁）による支援や投資が進み、業界としての追い風が強まっています。

加えて、電力消費の増大が課題となる中、省電力化や環境対応は世界共通の重要テーマとなっているため、 海外企業との連携も含め、今後も注目度が高まる分野といえるでしょう。

   

 

 

弊社ムービンは、1996年創業・約30年の歴史・実績があり、東証グロース市場に上場している転職エージェントです。安心してご利用ください。

〒107-6207　東京都港区赤坂9-7-1 六本木ミッドタウン・タワー 7F
Copyright (c) movin strategic career CO .,Ltd. All rights reserved.
厚生労働省 職業紹介（許可番号:13-ユ-040418）