ニューラルネットワークの世界市場、2027年～2040年

ニューラルネットワークは、世界のコンピューティング産業における基盤となる原理となっています。最先端の言語モデル、画像や動画の生成ツール、自動運転の知覚スタック、そして最新の音声・視覚・レコメンデーションシステムのほとんどは、すべてニューラルネットワークです。これらを学習・実行するためのハードウェア、モデル自体、そしてそれらを展開するために使用されるソフトウェアは、今やテクノロジー分野において最も急成長し、最も資本集約度の高い市場の一つを形成しています。投資規模はかつてないほどです。OpenAIは2026年4月、企業価値8,520億米ドルで1,220億米ドルの資金調達ラウンドを完了し、Anthropicは2026年5月、企業価値9,650億米ドルで650億米ドルを調達しました。Mistral AIは30億ユーロ、AMI Labsは10億3,000万米ドル、SambaNovaは10億米ドルを調達しました。Cerebrasは、2026年の米国における最大規模のIPOで55億5,000万米ドルを調達しました。NVIDIAは、Groqの推論技術を約200億米ドルでライセンシングしました。onsemiとSynaptics（約70億米ドル）、MarvellとCelestial AI（32億5,000万米ドル）、ADIとAlif（13億5,000万米ドル）、MicrochipとHailoといった合併・買収を通じて、エッジAIおよびフォトニクス分野の再編が進んでいます。

NVIDIAは、データセンター向けアクセラレータの基準プラットフォームとしての地位を維持しています。Google、Amazon、Meta、OpenAIによるカスタムチップが台頭しているほか、Cerebras、Groq、Etched、Rebellionsといった推論専門企業や、中国の国内GPUメーカーも勢力を伸ばしています。

今後の見通しを定義する5つの変化

• 推論がトレーニングを凌駕し、主要なワークロードとなります。推論モデルやエージェント型AIにより、タスクあたりの計算量が倍増します。
• アーキテクチャは多様化しています。現在は「Mixture-of-Experts」型トランスフォーマーが主流ですが、Liquid AI、Inception、Pathwayなどが提唱する状態空間モデル、リキッドモデル、拡散モデル、その他のポストトランスフォーマー設計が注目を集めつつあります。
• ニューラルネットワークが物理世界へと進出します。ワールドモデルやロボット基盤モデルが、自動車、ロボット、デバイスに組み込まれていきます。
• 新しいコンピューティング基盤が商用化され始めています。これには、ニューロモーフィック、フォトニック、アナログ、熱力学、および生物学的コンピューティングが含まれます。
• 価値はモデル、ソフトウェア、そしてアジアへと移行しています。韓国、日本、インド、湾岸諸国、欧州における「ソブリンAI」プログラムが、各国の能力構築を進めています。

各企業がメモリ帯域幅、消費電力、カスタム半導体、および推論の経済性をどのように扱うかが、2040年までに誰が価値を獲得するかを決定づけることになります。

『ニューラルネットワークの世界市場、2027年～2040年』は、現代のAIを支えるハードウェア、モデル、ソフトウェア、およびアプリケーションに関する分析です。本書には160以上の表と28の図が収録されています。

強気、中立、弱気の各シナリオが盛り込まれており、本レポートではその数値を第三者機関の推計値と照合しています。本レポートは市場規模・推計にとどまらず、各企業が実用的な商用製品の提供にどれほど近づいているかを評価しています。プロファイル対象となった194社のすべてについて、以下の内容を網羅した1ページにわたる詳細なプロファイルが掲載されています：

各企業プロファイルには、5段階のスケールによる商用化準備度評価（「大規模商用化」、「商用化初期」、「統合中」、「移行中」、「開発中」）も記載されています。これに加え、実用的な商用製品またはモデルの提供までの推定期間と、その準備度を裏付ける根拠も示されています。これにより、投資家、戦略担当者、調達チームは、現在製品を出荷している企業、顧客とのパイロット運用を行っている企業、買収や事業転換後の移行期にある企業、そして市場投入までまだ数年を要する企業がどれであるかを一目で把握することができます。サマリー表と図表では、7つの企業グループごとに実用化の段階が分類されています。それによると、確立された半導体メーカーや主要なモデル開発企業は圧倒的に「商用化済み」である一方、ニューロモーフィック、フォトニック、アナログ、熱力学コンピューティングの開発企業の多くは、依然として顧客との統合段階にあるか、開発段階にあることが示されています。

また、地域別分析、資金調達、M&A、IPOの完全な記録、規制、および2027年から2040年までの技術ロードマップも含まれています。

レポートの内容

• セグメント、ハードウェアタイプ、ワークロード、展開、アーキテクチャ、最終用途、地域別の2025～2040年の世界市場予測（強気、ベース、弱気の各シナリオを含む）
• データセンター用アクセラレータ：NVIDIAおよびAMDのロードマップ、ハイパースケーラー向けカスタムチップ、新興企業、中国のチップエコシステム、韓国および日本の開発企業
• スマートフォン、AI PC、自動車、産業用システム、ロボット向けのエッジニューラルプロセッサ、およびエッジAIの統合動向
• ニューロモーフィック、フォトニック、アナログおよびインメモリ、熱力学、量子、生物学的コンピューティング
• HBMのロードマップ、メモリの壁、先進パッケージング、および光インターコネクト
• アーキテクチャ：CNN、トランスフォーマー、エキスパート混合モデル、状態空間モデル、リキッドネットワーク、グラフネットワーク、トポロジカルネットワーク、スパイキングネットワーク、ワールドモデル、量子ネットワークおよび生物学的ネットワーク
• ファウンデーションモデル開発者、企業価値評価、オープンウェイトモデル、トークンエコノミクス、MLOps、AIメモリインフラストラクチャ
• 用途分野：クラウド、エンタープライズおよびエージェント型AI、民生用デバイス、自動車、ヘルスケア、ロボティクスおよび物理AI、金融、防衛、通信、科学
• 地域別分析：北米、中国、韓国、日本、台湾、欧州、英国、インド、中東、ロシア、オーストラリア
• 2024年～2026年の資金調達ラウンド、M&A、IPO、および戦略的コンピューティング・パートナーシップ
• 規制：EU AI法、米国の輸出規制、英国、中国、ISO/IEC 42001、FDA・EMAの指針、訴訟
• リスク：電力、メモリ供給、地政学、資本集約度、安全性
• 技術の商用化スケジュールおよび2040年までの10の予測
• 194社の商用化準備状況評価（開発段階、製品化までの期間、実証事例を含む）
• 1X Technologies、Agibot（Zhiyuan Robot）、Aidoc、Akhetonics、Alchip Technologies、Aleph Alpha、Alibaba Group（Qwen、T-Head）を含む、194社の1ページ企業プロファイルAlif Semiconductor、Ambarella、AMD、AMI Labs、Ampere Computing、Analog Devices、Anduril Industries、Anthropic、Arago、Arlequin AI、Arm Holdings、Aspinity、Astera Labs、Axelera AI、Axera Semiconductor、Ayar Labs、Baidu（Kunlunxinを含む）、Baseten、Biren Technology、Black Forest Labs、Black Sesame Technologies、Blaize、Blumind、BrainChip、Broadcom、ByteDance、Cambricon Technologies、Cartesia、Celestial AI、Cerebras Systems、ChipAgents、Chipmind、CogniFiber、Cohere、CoreWeave、Cortical Labs、Crusoe、d-Matrix、Darktrace、Databricks、DeepSeek、DeepX、EdgeCortix、ElevenLabs、EnCharge AI、Enflame Technology、Engramme、Etched、Extropic、Ferroelectric Memory Company（FMC）、Field AI、Figure AI、FinalSpark、Fireworks AI、Fractileなど

目次

第1章 エグゼクティブサマリー

第2章 導入

• ニューラルネットワークの定義
• 歴史的発展
• ニューラルネットワークアーキテクチャの分類
• 学習と推論
  • 学習および推論ワークロードのハードウェア要件
• スケーリング則と計算需要
  • トークンあたりのコスト曲線
• ニューラルネットワークのバリューチェーン
• 調査手法
  • アプローチ
  • 関連するFuture Marketsレポートとの照合

第3章 ニューラルネットワークのアーキテクチャとアルゴリズム

• 多層パーセプトロンとフィードフォワードネットワーク
• 畳み込みニューラルネットワーク
  • 医療画像における3D CNN：JLK
• リカレントネットワークとLSTM
• トランスフォーマーとアテンション
  • 自己アテンションとそのコスト
  • 効率化の手法
• エキスパート混合モデル
• トランスフォーマー以降のアーキテクチャ
  • なぜアテンションを置き換えるのか
  • 状態空間モデルとハイブリッドモデル
  • ベンチャーキャピタルが支援する代替案
  • 拡散型言語モデル
• リキッドニューラルネットワークと連続時間モデル
  • リキッドAI
• グラフおよび位相ニューラルネットワーク
  • Arlequin AI
• 生成アーキテクチャ：GAN、VAE、拡散モデル、ワールドモデル
  • 拡散モデル
  • ワールドモデル
  • 物理AIのトレーニングインフラとしてのワールド基盤モデル
• スパイキングニューラルネットワーク
  • デジタル、アナログ、およびハイブリッドなスパイキング実装
  • フォトニック・スパイキングおよびリザーバーネットワーク
• 物理学に基づくネットワーク、ニューラルオペレーター、およびKAN
• 量子ニューラルネットワーク
  • 量子鍵配送のためのニューラルネットワーク：WiMi
  • ハイブリッドスパイク・量子ネットワーク：MicroCloud Hologram DSQ-Net
  • より広範な量子機械学習の文脈
• 生物学的ニューラルネットワークとオルガノイド知能
  • Cortical Labs
  • FinalSparkおよびその他の開発者
• メモリ拡張型ニューラルネットワーク
  • エングラムと大規模メモリモデル
• モデルの圧縮、小型言語モデル、およびデバイス内AI
  • ディスティレーション
  • 量子化、プルーニング、スパース性
  • デバイス内AI
  • 精度、効率、およびエッジコンパイルツールチェーン
  • 精度と疎性のロードマップ：2026年～2028年
• アーキテクチャの採用見通し

第4章 ニューラルネットワーク用ハードウェア

• ハードウェアの現状
  • エネルギー効率：TOPS/Wの階層とベンチマーク
• GPU
  • NVIDIA
  • AMD
  • Intelおよびその他のGPUサプライヤー
  • GPUの出荷台数、平均販売価格、および世代構成
• ハイパースケーラー向けカスタムASIC
  • Google TPU
  • AWS TrainiumおよびInferentia
  • MicrosoftのMaia
  • MetaのMTIA
  • OpenAIおよびBroadcom
  • BroadcomおよびMarvell
  • カスタムアクセラレータの生産量と設計サービス層
• 新興アクセラレータ企業
  • 効率性と総所有コスト：汎用GPU、カスタムASIC、スタートアップ企業のASIC
  • ウェーハスケールの歩留まりの経済性
  • 参入障壁としての開発コスト
• 中国のアクセラレータ・エコシステム
  • 中国のプロセッサ市場、国内シェア、およびメモリのギャップ
  • ワークロード別の性能格差
• 韓国および日本のアクセラレータ開発企業
  • 韓国
  • 日本
• エッジ・ニューラル・プロセッシング・ユニット
  • エッジNPUのアーキテクチャとデータフロー
  • エッジアクセラレータの性能および効率に関するベンチマーク
  • プロセス技術とエッジ向けNNシリコンのコスト
  • モバイルNPUの効率性と、超低消費電力のオーディオおよびセンシング
  • ロボット用コンピューティングプラットフォームと2層制御階層
• オープンソースのニューラルネットワークハードウェア
  • 量産向けエッジNNシリコンにおけるRISC-V
• ニューロモーフィックプロセッサ
  • ニューロモーフィック技術の促進要因、制約、および短期的な見通し
• フォトニックニューラルネットワークと光インターコネクト
  • 光ニューラルネットワークのアーキテクチャ
  • 性能、効率、および精度の問題
  • AIファブリック向け光スイッチングおよび光源
• アナログ、インメモリ、および熱力学的コンピューティング
  • 数値で見るデータ移動の問題
  • インメモリ演算のためのメモリ技術
  • 精度の限界と、
  • メモリサプライヤーによる「プロセッシング・イン・メモリ」および「コンピュート・イン・メモリ」製品
  • シナプスデバイスとしての新興不揮発性メモリ
• メモリ、パッケージング、および相互接続
  • 高帯域幅メモリ
  • 先進パッケージング
  • 相互接続
  • ラックの部品表、HBMの含有量、およびパッケージング能力
  • 1ビットあたりのエネルギー消費量と光技術の導入理由
  • 数値で見る「メモリの壁」
  • HBMのユニット数および売上高の見通し
  • 推論用メモリ階層とKVキャッシュ
• ハードウェア市場の予測
  • データセンター向けニューラルネットワークアクセラレータ
  • エッジ向けニューラルプロセッシングユニット
  • ニューロモーフィックおよび新規ニューラルネットワークハードウェア
  • Future Markets社の低消費電力AI半導体予測との比較
  • 関連レポートの背景：光コンピューティングの予測

第5章 ソフトウェア、モデル、およびプラットフォーム

• フレームワークとコンパイラ
  • フレームワーク層
  • コンパイラ、カーネル、およびCUDAの競争優位性
  • 推論エンジンとデバイス上ランタイム
• ファウンデーションモデルの開発者
  • 最先端分野における資本の集中
  • 欧州、中国、日本、ロシア
  • アーキテクチャ分野の課題と新たな研究機関
  • 示唆されること
• オープンウェイトモデル対独自モデル
  • 変化する勢力図
  • オープンウェイトを利用する主体とその理由
• 推論の経済性とトークンの需要
  • トレーニングから推論へ
  • トークンの取引量
  • 推論モデルと実行時の計算リソース
  • 単位コストの低下と総支出の増加
  • モデルクラスおよびハードウェアごとのトークンあたりのコスト
  • 推論ワークロードクラスごとのメモリ使用量
• プラットフォーム、MLOps、および推論サービング
  • 市場構造
  • 業界再編と企業価値評価
  • 推論サービングの経済性
• トレーニングデータとラベリング
  • ラベリングからエキスパートデータへ
  • Scale AI、Surge AI、そして2025年の再編
  • クラウドソーシング型プラットフォーム
  • 合成データ
• メモリとエージェントのインフラストラクチャ
  • なぜメモリが重要なのか
  • Engramme
  • Mem0、Zep、Letta、LangMem
  • 今後の展望
• ソフトウェアとモデルの展望

第6章 市場と用途

• ハイパースケール・クラウドおよびAIラボ
  • 主要な需要指標としての設備投資
  • ネオクラウド、オラクル、スターゲート
  • 買い手としてのAIラボ
  • データセンター施設タイプ別のプロセッサ需要
  • 国家主導のAIインフラ構築
  • 中国のハイパースケーラーによる設備投資
• エンタープライズAIとエージェント型AI
  • コパイロットからエージェントへ
  • プラットフォームと主要サプライヤー
• コンシューマー向けデバイス
  • デバイス内処理への移行
  • 小型モデルとエッジ用シリコン
• 自動車および自動運転モビリティ
  • エンドツーエンドのニューラルドライビング
  • コンピューティングプラットフォーム
  • オープンソースのシリコンと効率的なモデル
  • 自動運転レベル別の演算要件
  • ロボタクシーの運用データと車載コンピューティング内容
• ヘルスケアおよびライフサイエンス
  • 医療画像
  • JLKおよび3D畳み込みネットワーク
  • 創薬および規制
• 産業、ロボティクス、物理AI
  • ロボットの基盤モデル
  • ヒューマノイド
  • 産業用途
  • ヒューマノイドロボット向けのオンボードニューラルネットワーク演算
  • 視覚・言語・行動モデルの系譜と仕様
  • 学習パラダイム、シミュレーションから実環境への転移、および残存する技術的課題
  • フリート学習とオーケストレーション
  • ヒューマノイドロボットの台数および価格予測
• 金融サービス
  • 確立された用途と新興の用途
• 防衛、セキュリティ、政府
  • 資金調達の急増
  • Arlequin AIとトポロジカルネットワーク
  • 政府および諜報機関
• 通信および量子セキュア通信
  • AI-RANとネットワーク運用
  • 量子鍵配送におけるニューラルネットワーク
• 科学および材料探索
  • 構造生物学
  • 材料インフォマティクス
  • 気象と気候
  • ニューラル演算子と科学的な機械学習
• 最終用途市場の予測
  • Future Markets社の物理AI予測との整合性

第7章 世界市場予測、2025年～2040年

• 予測手法
• 市場全体
• セグメント別
• ハードウェア対ソフトウェア
• トレーニング対推論
• クラウド対エッジ
  • Future MarketsのエッジAIチップ予測との比較
• アーキテクチャ・ファミリー別
• 地域別
• シナリオ分析

第8章 地域別分析

• 北米
  • ハイパースケーラーの設備投資
  • スターゲートおよびギガワット規模のキャンパス
  • 産業政策：CHIPS法とインテル社の出資
  • 輸出規制と収益分配
  • 資本市場と新興企業
• 中国
  • 国内のアクセラレーター
  • AIチップのIPOブーム
  • モデル：DeepSeekとオープンウェイト・エコシステム
  • 調達方針
  • 量子ニューラルおよびホログラフィックコンピューティング企業
• 韓国
  • メモリ：SKハイニックスとサムスン
  • GPUと国家インフラ
  • ニューラル処理ユニット：RebellionsおよびFuriosaAI
  • モデルとアプリケーション
• 日本
  • Rapidusと最先端の製造技術
  • エッジAIチップとJSTプログラム
  • モデル開発者
  • ソフトバンク
  • 国家産業政策としてのフィジカルAI
• 台湾
• 欧州
  • Mistral AIと欧州のコンピューティング
  • スタートアップと革新的なアーキテクチャ
  • EUの政策：「チップ法2.0」と「AI法」
• 英国
  • コンピューティング：AIRRおよびIsambard-AI
  • 政策と法規制
  • 企業
• インド、中東、ロシア、オーストラリア、および世界のその他の地域
  • インド
  • サウジアラビアおよびアラブ首長国連邦
  • ロシア
  • オーストラリアおよびシンガポール

第9章 競合情勢、投資およびM&A

• 市場構造
  • データセンター・アクセラレーターの集中化
  • カスタム半導体の台頭
  • 独立した市場としての中国
  • スタックの他の領域における集中化
• ベンチャー資金
  • 資本の規模と集中
  • ハードウェアおよびインフラ関連の資金調達ラウンド
  • エッジコンピューティング、ニューロモーフィックコンピューティング、および新規コンピューティング
  • トランスフォーマー以降およびメモリ関連のスタートアップ
  • 評価
  • フィジカルAIおよびロボット基盤モデルへの資金調達
• M&Aおよびライセンシング
  • 取引の傾向
  • 実現しなかった取引
• IPOおよび公開市場
  • 米国
  • 中国国内のGPU上場
  • パイプラインと今後の展望
• 戦略的コンピューティング提携
  • ギガワット単位の契約
  • 受注残、政府系案件、およびエッジコンピューティング
  • 循環性とリスク
• スタートアップの動向
  • 業界構造の各層
  • 各層にわたる動向

第10章 規制、基準、および倫理

• EU AI法
  • デジタル・オムニバス
  • 市場への影響
• 米国の輸出規制
  • 禁止から規制強化へ、2022年～2024年
  • H20事件と収益分配、
  • H200／MI325X規則と25％の関税、
• 英国
• 中国
• 規格と認証
  • ISO/IEC
  • その他の規格および枠組み
• 業界規制：医療および医薬品開発
• 責任、著作権、および訴訟
  • 製造物責任および設計
  • 著作権

第11章 市場の課題とリスク

• エネルギーおよび電力
  • ラック密度、冷却、およびデータセンターの負荷に占めるAIの割合
  • 冷却オーバーヘッドとシステムレベルの効率ギャップ
  • 埋め込み炭素量と資源集約度
• メモリとパッケージングの供給制約
  • アクセラレータ世代ごとのメモリ要件
  • AIサーバー1台あたりのメモリコストと2029～2030年の価格調整リスク
• 地政学とサプライチェーンの集中化
  • ニューラルネットワーク用ハードウェアのサプライチェーンにおけるボトルネック
• 資本集約度と企業価値評価リスク
  • 資本集約度指標と、設備投資（Capex）から運営費（OpEx）への移行
• 人材、データ、知的財産
  • チップ設計能力とAIを活用したEDA
• 安全性、セキュリティ、信頼性
• リスク評価

第12章 2027年～2040年の将来展望

• 技術ロードマップ
  • 3つの商用化の波
  • 実用化の準備状況とタイムライン
  • アーキテクチャとハードウェアの共進化
  • エネルギー効率ロードマップ
  • フォトニックニューラルネットワークのロードマップ
  • アプリケーション別フィジカルAIの実用化状況
  • HBMおよびメモリ技術のロードマップ：
• 10の予測
• 機会の評価
• 不確定要素と不連続性
  • 上振れの不連続性
  • マイナス面における不連続性
  • 型破りな不連続性
  • 物理的AIシナリオ変数

第13章 企業プロファイル（195社の企業プロファイル）

第14章 付録

第15章 参考文献