結論から言う。半導体の”国策バブル”は、中小企業の現場コストを下げない

日本政府がAIチップ製造に160億ドル（約2兆円）を突っ込む。TSMCは2025年Q1で前年比35%増収、AI向け半導体の売上は前年比で倍近い。数字だけ見れば「半導体ルネサンス」だ。

だが、ここで一つ問いたい。

この2兆円で、あなたの会社の電気代は下がるのか？ AIサービスの月額は安くなるのか？ 必要な部品の納期は短くなるのか？

答えは、少なくとも向こう3〜5年は「No」だ。むしろ逆に振れるリスクすらある。中小企業の経営者が今見るべきは、「国が何に投資したか」ではなく、「その投資が自社のコスト構造にいつ・どう効くか」だ。

—

AI利用コスト——「安くなった」と「高くなった」が同時に起きている

まず、AIの利用コストについて整理する。

OpenAIのGPT-4oは、2024年5月のリリースからわずか1年で、API利用料が実質半額以下に下がった。GPT-3.5 Turbo比では、同等性能あたりのコストは1/10以下になっている。GoogleのGemini、AnthropicのClaudeも価格競争に突入し、テキスト生成・要約・翻訳といった「言語系AI」のコストは劇的に下がり続けている。

地方の中小企業がチャットボットや社内ナレッジ検索にAIを使うなら、月額1〜5万円で十分実用レベルのものが組める。2年前なら月額30〜50万円かかっていた領域だ。コストは1/10になった。

一方で、「高くなった」側もある。画像生成AI、動画生成AI、大規模なデータ分析など、GPU（AIチップ）を大量に食う処理は依然として高い。NVIDIAのH100チップは1枚400万円超、クラウドでGPUインスタンスを借りれば1時間あたり500〜1,500円。月に100時間回せば5〜15万円、本格的なモデル学習なら月額100万円を超える。

つまり、「何にAIを使うか」でコスト構造がまったく違う。 中小企業にとっての正解は明確だ。自社でモデルを訓練する必要はない。API経由で「できあいのAI」を使い倒す。ここのコスト判断を間違えると、大企業の真似をして無駄に数百万円を溶かすことになる。

—

電気代——データセンター急増の”しわ寄せ”は誰が払うのか

ここが、中小企業にとって最も見えにくく、最もじわじわ効いてくる問題だ。

国際エネルギー機関（IEA）の2024年報告によれば、世界のデータセンターの電力消費は2022年の約460TWhから、2026年には約1,000TWhに倍増すると予測されている。日本国内でも、AI・クラウド需要の急増で、千葉・印西エリアや大阪・彩都エリアにデータセンターの建設ラッシュが続いている。

問題は、この電力需要の急増が電力料金全体を押し上げる可能性があることだ。

日本の産業用電気料金は、2021年から2023年にかけて約30〜40%上昇した。ウクライナ情勢や円安の影響が大きいが、今後はデータセンター需要が新たな押し上げ要因になる。経済産業省の試算では、2030年までにデータセンター向け電力需要が国内全体の5〜10%を占める可能性がある。

地方の製造業にとって、電気代は売上の3〜8%を占めるケースが多い。ここが10%上がれば、利益率が1〜2ポイント削られる。年商3億円の町工場なら、年間300〜600万円のインパクトだ。

AI投資で国が潤っても、その電気代を間接的に負担するのは、AIを使っていない中小企業かもしれない。 この構造は、ほとんど語られていない。

対策としては、まず自社の電力契約を見直すこと。新電力への切り替え、デマンドコントロール、太陽光の自家消費。派手な話ではないが、年間100〜300万円の削減事例はざらにある。AI活用より先に、電力コストの最適化をやるべき企業は多い。

—

半導体納期——2兆円投資の”果実”は2027年以降

日本政府の160億ドル投資の中心は、TSMCの熊本工場（JASM）とRapidusの北海道工場だ。

TSMC熊本の第1工場は2024年末に量産開始、第2工場は2027年稼働予定。Rapidusの2nm工場は2025年にパイロットライン、量産は2027年以降を目指している。

つまり、この投資が「供給量の増加」として市場に効いてくるのは、早くても2027年だ。 しかも、これらの工場が生産するのは最先端チップであり、中小企業が使う産業用マイコンやセンサー向けの汎用半導体ではない。

中小企業が直面している半導体の納期問題は、最先端チップとは別のレイヤーにある。車載用マイコン、パワー半導体、産業機器向けのアナログICなど、いわゆる「レガシー半導体」の供給が不安定なのだ。コロナ禍のピーク時には納期が52週（1年）を超えた品目もあった。現在は正常化しつつあるが、それでも一部品目は20〜30週の納期が続いている。

2兆円の国策投資は、中小企業の納期問題を直接は解決しない。 ここを誤解してはいけない。

では、中小企業はどうすればいいのか。

1. 部品の複数ソース化を進める。 1社依存は最大のリスク。代替品の検証を平時からやっておく
2. 安全在庫の水準を見直す。 「ジャストインタイム」が美徳だった時代は終わった。半導体に関しては3〜6ヶ月分の在庫を持つ判断も合理的
3. 設計段階で汎用品を選ぶ。 特定メーカーの特定品番に依存する設計は、納期リスクをそのまま経営リスクに変える

—

中小企業が今やるべき3つのこと

半導体の国策投資もTSMCの好決算も、中小企業の現場からすれば「遠い世界の話」だ。だが、その遠い世界の動きが、電気代や部品納期を通じて、確実に自社のP/Lに影響してくる。

1. AI利用は「API活用」に絞る。自社でGPUを持つ必要はない

月額1〜5万円で使えるAIサービスが急増している。社内の問い合わせ対応、見積書の下書き、議事録の自動生成。まずはこの辺りから小さく始めて、「人件費換算で月に何時間浮いたか」を測る。投資対効果が見えれば、次の一手が打てる。

2. 電力コストを”経営課題”として可視化する

電気代を「固定費」として放置していないか。契約プランの見直し、ピークカット、自家消費型太陽光。地味だが、年間数百万円の改善余地がある企業は多い。AI時代の間接コスト上昇に備えるなら、ここが最初の防衛ラインだ。

3. 半導体納期は”自社の問題”として管理する

国の投資が効いてくるのは3年後。それまでは自衛するしかない。部品表（BOM）を見直し、長納期リスクのある品目を洗い出す。代替品の検証、安全在庫の積み増し、設計の汎用化。地味な作業だが、これをやった会社とやらなかった会社で、次の供給ショック時に明暗が分かれる。

—

「国策」と「現場」の距離を、自分で埋める

2兆円の投資は、日本の半導体産業にとって必要な打ち手だろう。TSMCの35%増収は、AI需要がバブルではなく構造的なものであることを示している。

だが、国策の果実が現場に届くまでには時間がかかる。届く頃には、コスト構造も競争環境も変わっている。

中小企業にとって大事なのは、「国が何をしてくれるか」ではなく、「この構造変化の中で自社のコストと競争力をどう守るか」だ。

大企業は2兆円の恩恵を直接受ける。中小企業は、その恩恵が届くまでの間を、自分の知恵と判断で乗り切るしかない。

まずは、自社の電気代の明細を開くところから始めてみてほしい。

—