GPU(画像処理半導体)とは｜意味・読み方・株式市場での見方をわかりやすく解説

ひとことで言うと: GPU (Graphics Processing Unit、画像処理半導体) は、数千の小さな演算コアで多数の単純計算を同時に処理する半導体で、AI の学習と推論を担う主力プロセッサー。ハイパースケーラーの設備投資サイクルの中心にある「実物」です。

GPU(画像処理半導体)とは

GPU (Graphics Processing Unit、画像処理半導体) とは、数千の小さな演算コアを並べて多数の単純計算を同時並行で処理する半導体です。元はコンピューターグラフィックスの描画を高速化する用途で生まれましたが、その並列演算能力が AI・機械学習で多用される行列・線形代数の計算と相性が良いため、ディープラーニングの学習 (training) と推論 (inference) を担う主力プロセッサーになりました。

少数の高性能コアで逐次処理 (sequential) と複雑な制御を得意とする CPU (中央演算処理装置) と対をなし、「CPU が司令塔、GPU が並列計算の主力」という分業で、データセンターのアクセラレーテッドコンピューティング (accelerated computing、計算の高速化) の中核を構成します。

データセンター用 GPU は単体のチップだけでなく、HBM (High Bandwidth Memory、広帯域メモリ) を同一パッケージ上に積層接続してメモリ帯域のボトルネックを解消し、複数 GPU を高速ネットワークで束ねた「AI ファクトリー」として運用されます。市場では、GPU を汎用計算に開放するソフトウェア基盤 CUDA (Compute Unified Device Architecture) を持つ NVIDIA が支配的で、AMD (オープンソースの ROCm) や、自社設計のカスタム ASIC (特定用途向け半導体) を持つハイパースケーラーが競合しています。

なぜ重要か / 株式市場での見方

米国株投資家にとって GPU は「AI 設備投資サイクルの中心にある実物」です。第一に、データセンター用 GPU の需給がハイパースケーラー (大手クラウド事業者) の設備投資 (capex) の主たる行き先であり、capex のガイダンスが GPU メーカーの売上見通しと直結します。capex の増額・減額が AI 関連株全体のセンチメントを左右するため、決算で見るべきは「次の四半期・通期の capex ガイド」と「データセンター部門の売上・受注残」になります。

第二に、GPU は単体で完結せず、HBM (メモリ)・先端パッケージング (CoWoS 等)・ネットワーク・電力・冷却まで連なるサプライチェーンを持つため、どこか一カ所のボトルネック (歴史的には HBM や先端パッケージ能力) が業界全体の出荷を律速します。供給制約のニュースは関連銘柄に広く波及します。

🎯 要点: NVIDIA の競争優位の本体は、ハード性能そのものより CUDA を中核に長年積み上げたソフトウェア・エコシステム (cuDNN・PyTorch 最適化など) にあり、これが乗り換えコストという「モート (moat、堀)」を形成しています。これを理解すると、AMD の ROCm やカスタム ASIC が安価でも一気にシェアを奪えない構造的理由が読めます。投資家は「学習向けか推論向けか」「自社 ASIC の内製化進捗」も合わせて競争地図を更新する必要があります。

関連する用語・指標

混同しやすいのは GPU と CPU の役割分担で、CPU は逐次処理とシステム制御の司令塔、GPU は並列演算の主力という補完関係にあります。AI 専用設計の半導体としては、特定用途に最適化したカスタム ASIC (Google TPU など) があり、汎用性の高い GPU と効率重視の ASIC のトレードオフを押さえると競争構造が見えます。

GPU の性能を実際に引き出す鍵が HBM (広帯域メモリ) で、メモリ帯域が AI 処理速度を直接左右するため、GPU と HBM はセットで需給を追います。ソフトウェア面では CUDA (NVIDIA) と ROCm (AMD) の対立がエコシステムの分水嶺になります。マクロでは、これらの需要を生む大元がハイパースケーラーの設備投資 (capex) サイクルであり、AI 設備投資の拡大・縮小がセクター全体の業績変数になります。