10年以上にわたり、炭化ケイ素（SiC）の商業的台頭は、ある主要産業と密接に関係してきました。それは電気自動車（EV）です。
高電圧化されたトラクションインバーター、オンボード充電器、急速充電システムは、SiCパワーデバイスにとって理想的な環境を作り出しました。EVがより高い効率とシステム電圧へと移行するにつれて、SiCは特殊な半導体材料から主要なパワーエレクトロニクスプラットフォームへと進化しました。
今、もう一つの巨大な市場が出現しています。
それは車輪がありません。
それはプロセッサで満たされた建物の中にあります。
人工知能（AI）は、データセンターを世界で最も急速に成長している電力負荷の一部に変えつつあります。
国際エネルギー機関（IEA）によると、2024年の世界のデータセンターの電力消費量は約415 TWhでした。同機関のベースケース予測では、2030年までに消費量は約945 TWhに達する可能性があります。AIによって主に牽引される高速サーバーからの電力消費は、従来のサーバーの電力消費よりもはるかに速く増加すると予測されています。
米国の状況は、この変化の規模を示しています。2026年の国立研究所のアップデートによると、2030年までにデータセンターが米国の電力消費の約11.8％を占める可能性があると推定されており、モデルシナリオは9.5％から15.3％の範囲です。
この電力需要の爆発的な増加は、パワー半導体産業に重要な問いを投げかけています。
AIインフラは、電気自動車に次ぐSiCの第二の主要な成長市場になり得るでしょうか？
その答えは、AIプロセッサ自体よりも、それらに電力を供給するために必要なすべてにかかっているかもしれません。
AIインフラについて考えるとき、通常はプロセッサ、メモリ、ネットワーク、冷却に注目が集まります。
しかし、すべてのAIアクセラレータは、最終的にははるかに大きな電気システムに依存しています。
プロセッサに到達する前に、電力はいくつかの段階を経る可能性があります。
電力網 → 変圧器 → AC/DC変換 → UPSまたはエネルギー貯蔵 → 高電圧DC配電 → ラック電源変換 → サーバー → AIアクセラレータ
すべての変換段階で電力損失が発生します。
小規模では、数パーセントの損失は取るに足りないように見えるかもしれません。
大規模なAIキャンパスの規模では、経済的に重要になります。
AIの展開が拡大するにつれて、データセンターは同時に以下のような課題に取り組んでいます。
IEAは、AIの台頭が高性能サーバーの展開を加速し、データセンターの電力密度を増加させていると指摘しています。ベースケースでは、高速サーバーは2030年までの世界のデータセンター電力消費量の純増分のほぼ半分を占めています。
これは、効率的なパワーエレクトロニクスが戦略的に重要になる環境にまさに当てはまります。
そして、ここにSiCが登場します。
SiCはワイドバンドギャップ半導体材料ファミリーに属します。
従来のシリコンと比較して、SiCパワーデバイスは、高電圧、高スイッチング性能、高電力密度を伴う要求の厳しい電力変換条件をサポートできます。
米国エネルギー省は、SiCやGaNなどのワイドバンドギャップ技術を、データセンター、産業機器、電気自動車、その他の電化システムなどのアプリケーションを含む、より強力でエネルギー効率の高いパワーエレクトロニクスシステムを可能にするものとして特定しています。
重要な利点の1つは、ワイドバンドギャップデバイスが高スイッチング周波数をサポートできることです。
スイッチング周波数が高いと、インダクタ、コンデンサ、その他の受動部品のサイズを小さくすることができ、より小型で電力密度の高いコンバーターシステムが可能になる可能性があります。
AIインフラにとって、これは3つの理由で重要です。
効率、スペース、熱。
より効率的なコンバーターは、より少ない電力を無駄にします。
よりコンパクトなコンバーターは、物理的なスペースをより少なく使用します。
そして、変換損失が少ないということは、除去する必要のある熱が少ないということです。
AIデータセンターの規模では、これら3つすべてが重要です。
1つの点を明確にすることが重要です。
AIの台頭は、必ずしもSiCがAIプロセッサの製造に使用される材料になることを意味するわけではありません。
それが主な機会ではありません。
はるかに大きな機会は、それらのプロセッサを取り巻く電力インフラにあります。
AIアクセラレータを最終目的地と考えてください。
SiCは、それに電力を供給する電気のハイウェイに参加する可能性があります。
考えられるアプリケーションには以下が含まれます。
この区別は重要です。
AIによって生み出されるSiCの機会は、主にコンピューティング半導体の機会ではありません。
それはパワー半導体の機会です。
おそらく最も興味深い開発は、データセンターの電力配電で起こっています。
ラック電力が増加するにつれて、比較的低い電圧で膨大な量の電力を供給することはますます困難になります。
その理由は、基本的な電気的関係にあります。
電力はほぼ次のようになります。
P = V × I
同じ電力レベルでは、電圧を上げると電流が減少します。
そして、導体損失は電流の二乗にほぼ比例して増加します。
電力損失 ∝ I²R
したがって、電流が低いと、抵抗損失を減らし、電力配電に必要な銅の量を減らすことができます。
これが、AIインフラ業界がはるかに高いDC配電電圧を検討している理由の1つです。
2026年7月に開催された主要なオープンコンピューティング業界イベントでは、次世代AIデータセンターにとって重要な技術として、800V高電圧DC配電と近負荷電力供給が具体的に特定されました。同イベントでは、メガワットクラスのAIラック向けの800V DCシステムへの進化についても議論されました。
この開発は、SiC業界の注目を集めるべきです。
なぜなら？
なぜなら、電力システムの電圧がSiCがますます魅力的になる領域に移行しているからです。
自動車とAIインフラの間には興味深い類似点があります。
電気自動車は比較的低電圧アーキテクチャから始まりました。
メーカーが望むにつれて：
高電圧プラットフォームはますます魅力的になりました。
その移行はSiCの需要増加に役立ちました。
AIデータセンターは今、概念的に同様の問題に直面しているかもしれませんが、その規模は全く異なります。
ラック電力が増加するにつれて、データセンター設計者は次のようなことも望んでいます。
この類似性は、AIデータセンターが電気自動車と全く同じパワーエレクトロニクスを使用することを意味するものではありません。
そうではありません。
しかし、根本的なエンジニアリングの圧力は馴染みのあるものです。
電力が増加すると、効率の価値が高まります。
それが、SiCが歴史的に市場シェアを獲得してきた環境です。
従来のサーバーラックは、かつては比較的控えめなキロワット単位で測定されていました。
AIインフラは、業界をはるかに極端な電力密度へと押し上げています。
2026年の業界の議論では、すでにMWクラスのAIラックやGW規模のAIデータセンターキャンパスが取り上げられており、電力供給と冷却はコンピューティングハードウェアと一体となって設計されるか、後から追加される必要があります。
それは半導体選択の経済性を変えます。
コンバーターが非常に高い電力で連続して動作すると仮定します。
効率のわずかな改善でも、システムを通過する総エネルギーのごく一部しか節約できないかもしれません。
しかし、システムが稼働すると：
1日24時間 × 年間365日 × 数年間
そのわずかな割合でも経済的に重要になる可能性があります。
そして、コンバーターで失われないワットは、望ましくない熱にならないワットでもあります。
大規模では、半導体効率は以下に影響します。
電気代 + 冷却負荷 + 機器サイズ + インフラ容量。
これが、より高価なパワーデバイスが、全体としてより安価なシステムにつながることがある理由です。
SiCが電気自動車で勢いを増すのに役立ったのと同じシステムレベルの経済性が、AIインフラでもますます重要になる可能性があります。
世界のデータセンターの電力消費量は、世界の総電力使用量と比較すると、依然として比較的控えめです。
しかし、データセンターの需要には1つの珍しい特徴があります。
それは地理的に高度に集中していることです。
IEAは、データセンターは需要を均等に分散するのではなく特定の場所に集中する傾向があるため、特に困難なグリッド統合問題を引き起こす可能性があると指摘しています。
したがって、大規模なAIキャンパスは、1つの場所に膨大な量の電力を必要とする可能性があります。
これは、以下のような追加の需要を生み出します。
これにより、SiCの可能性のある機会はデータセンタービルを超えて拡大します。
AIは、コンピューティングインフラを取り巻く電気エコシステム全体でSiC需要を刺激する可能性があります。
ここで物語はより面白くなります。
新しい市場は、必ずしも次のように定義されるべきではありません。
AIサーバー用SiC。
より良い定義は次のようになるかもしれません。
AIエネルギーインフラ用SiC。
将来のAIキャンパスを次のように考えてみましょう。
電力網
↓
再生可能エネルギー発電
↓
グリッド変電所
↓
バッテリーエネルギー貯蔵
↓
高電力変換
↓
800V DC配電
↓
AIコンピューティングラック
SiCは、このチェーンのいくつかの異なるセクションに参加する可能性があります。
半導体がすべてのサーバー内に存在する必要はありません。AIの成長から利益を得るために。
AIが、高電圧コンバーター、インバーター、エネルギー貯蔵システム、電力配電インフラを通過する電力を増加させる場合、総アドレス可能なSiC市場は間接的に成長する可能性があります。
これは電気自動車市場とは根本的に異なります。
EVは通常、比較的定義された数の主要な電力変換システムを含んでいます。
AIキャンパスは、電気インフラ全体のプロジェクトです。
AIデータセンターは信頼性の高い電力も必要とします。
中断は大規模なコンピューティングワークロードを妨げ、運用上の問題を引き起こす可能性があります。
したがって、バッテリーエネルギー貯蔵およびバックアップシステムは、データセンター設計のますます重要なコンポーネントになりつつあります。
これはSiCのもう1つの経路を作成します。
バッテリーシステムは双方向電力変換を必要とします。
充電中はグリッド/DCバス → バッテリー
そして
放電中はバッテリー → DCバス
したがって、高電力ストレージシステムは、大電流と高電圧を効率的に処理できるコンバーターを必要とします。
AIキャンパスが大きくなるにつれて、バッテリーバックアップシステム自体が主要なパワーエレクトロニクス設備になる可能性があります。
結果として、強化サイクルが生まれます。
AI成長 → 電力需要増加 → エネルギー貯蔵増加 → 電力変換増加 → 高効率パワー半導体の機会増加。
データセンターは、適切なグリッドインフラなしでは無制限に拡張できません。
電力生成は課題の一部にすぎません。
電力は伝送、変圧、変換、配電も行う必要があります。
将来のグリッドシステムは、以下のようなより多くの使用を必要とする可能性があります。
ワイドバンドギャップデバイスは、まさにこれらのタイプの高度なパワーエレクトロニクスアーキテクチャのために調査されています。米国エネルギー省の戦略フレームワークは、WBGデバイスが大幅に高いスイッチング周波数とより電力密度の高いコンバーター設計を可能にすると指摘していますが、信頼性、受動部品、システムレベルのエンジニアリングは依然として重要な課題です。
したがって、AIからSiCへの接続は、次のように拡張される可能性があります。
グリッド → データセンター → ラック
単に次のようになるのではなく：
電源 → サーバー
それははるかに大きな市場の概念です。
SiC基板サプライヤーにとって、AIインフラの出現は、自動車用パワーエレクトロニクス以外の需要を多様化できるため重要です。根本的なデバイス要件は異なる場合がありますが、多くの高電圧垂直パワーデバイスは、導電性4H-SiC基板を使用して製造され、その後にエピタキシャル成長が行われます。高電力変換の需要が大幅に増加する場合、デバイスメーカーはより大量の一貫したSiC材料を必要とする可能性があります。
それはウェハー経済性を再び焦点に戻します。
大規模なパワーデバイス製造では、バイヤーはウェハーが製造できるかどうか以上に、ますます気にするようになります。
彼らは以下を気にします。
欠陥密度
抵抗率の一貫性
SiCが大量のデータセンター材料になるためには、製造経済性は改善し続ける必要があります。
200mm SiCはますます重要になる可能性がある
これも、150mmから200mmへのSiC移行が重要である理由です。
原理的には、各ウェハー製造サイクル中に処理できるデバイス数が大幅に増加します。
しかし、その利点は次の場合にのみ存在します。
結晶品質が許容範囲内であること
ウェハーの幾何学的形状が制御されていること
より大きなウェハー → より大きな自動化 → より高い設備稼働率 → より低いデバイスコスト。
そのプロセスは、最終的にSiCをさらに多くのアプリケーションで競争力のあるものにするのに役立つ可能性があります。
コストがAIを真のSiC黄金市場にするかどうかを決定する
技術的な適合性だけでは大量採用を保証しません。
他のワイドバンドギャップ技術も特定の電力変換段階で競合しています。
したがって、SiCはシステムレベルでコストを正当化する必要があります。
AIデータセンターの設計者は、魅力的な材料特性を持っているという理由だけでSiCを選択する可能性は低いでしょう。
実際の計算はより実用的です。
追加の半導体コストは、総電力損失、冷却要件、コンバーターサイズ、またはインフラコストを十分に削減して、より良い総システムを作成しますか？
低電力では、答えは時に「いいえ」かもしれません。
非常に高電力では、方程式はより面白くなります。
これが、AIインフラが特に重要である可能性がある理由です。
AIは、SiC業界がウェハーとデバイスのコスト削減を目指しているまさにその時に、電力密度を押し上げています。
これらの2つのトレンドは出会う可能性があります。
AIはSiC業界の自動車需要への依存を減らすのに役立つ可能性がある
健全な半導体市場は通常、複数の主要なエンド市場を持つことから恩恵を受けます。
長年、SiC投資は電気自動車への期待に強く影響されてきました。
しかし、自動車需要は以下のような要因で変動する可能性があります。
消費者需要
車両価格
電力網投資は別のサイクルに従います。
再生可能エネルギーは別のサイクルに従います。
これらのすべてのセクターがSiCパワーエレクトロニクスをますます使用する場合、SiCサプライチェーンは単一のアプリケーションへの依存度が低くなります。
これは最終的にAI成長の最も重要な結果の1つになる可能性があります。
AI市場は電気自動車を「置き換える」必要はありません。
それは単に追加の主要な需要源になるだけで十分です。
「車両あたりのSiC」から「メガワットあたりのSiC」へ
業界がSiC需要を考える方法は、最終的に変わるかもしれません。
車両数 × 車両あたりの半導体コンテンツ
AIインフラは異なるモデルを導入します。
設置されたコンピューティングパワー × メガワットあたりの電気インフラ
それは大きな変化です。
AIキャンパスは、コンピューティングラックだけでなく、以下のような電力エレクトロニクスも必要とする可能性があります。
ユーティリティインターフェース
バックアップシステム
それは次世代のSiC市場分析の重要な指標になる可能性があります。
真の競争は「グリッドからAIチップへ」
半導体業界は長年、AIプロセッサのパフォーマンス向上に取り組んできました。
それは全く異なる技術競争を生み出します。
グリッド → 変換 → 貯蔵 → 配電 → ラック → プロセッサ
すべての段階は次のようになる必要があります。
より効率的
よりコンパクト
もしそれが、最も高い電圧と最も高い電力の変換段階のいくつかで好ましい半導体になったとしても、AIインフラは長期的な重要な需要源になる可能性があります。
だからこそ、AIブームはSiC業界の注目に値するのです。
結論：EVは最初のSiCブームを創り出した。AIは第二のブームを創り出すのに役立つかもしれない。
電気自動車は、SiCがニッチな産業用途を超えて、大量の半導体技術になることができることを証明しました。
その理由は、AIサーバーが電力を消費するからというだけではありません。
真の機会は、その電力需要の規模、集中度、電力密度から生まれます。
2030年までに世界のデータセンターの電力消費量はほぼ倍増すると予測されており、AI駆動の高速コンピューティングがその増加の大部分を占めています。
同時に、業界ではすでに800V DC配電、メガワットクラスのラック、ギガワット規模のAIインフラについて議論されています。
これらの開発は、以下のような価値を高めます。
高電圧 + 高効率 + 高電力密度 + 高度な電力変換。
これらはまさに、SiCが魅力的になる条件です。
SiCの最初の黄金市場は、車両の効率的な移動を中心に構築されました。
第二の市場は、電力の効率的な移動を中心に構築されるかもしれません。
そして、AIが現在のペースで拡大し続けるならば、SiC業界にとって最も重要な質問は、もはや次のようにならないかもしれません。
SiCを使用する電気自動車はどれくらいか？
それは次のようになるかもしれません。
世界のAIインフラに電力を供給する電力のどれくらいが最終的にSiCパワーデバイスを通過するか？
その質問が、SiC市場の次の章を定義するかもしれません。
FAQ
なぜAIデータセンターはSiCの重要な市場になり得るのか？
一般的に、それはここで議論されている主な機会ではありません。SiCの主な機会は、AC/DCコンバーター、UPSシステム、バッテリーストレージ、高電圧DC変換、グリッドインフラを含むAIコンピューティングを取り巻くパワーエレクトロニクスにあります。
より高い配電電圧により、同じ量の電力をより低い電流で供給でき、導体損失の削減に役立ち、より高いラック電力密度をサポートできます。2026年の業界の議論では、次世代MWクラスAIラック向けの800V DCアーキテクチャがすでに検討されています。
可能性としては。AIインフラが高電圧SiCパワーデバイスの需要を増加させる場合、それは間接的に、それらのデバイスの製造に使用される導電性4H-SiC基板およびエピタキシャルウェハーの需要を増加させる可能性があります。
それはまだ確立されておらず、仮定されるべきではありません。より現実的なシナリオは、AIインフラが追加の主要なアプリケーションになり、SiC業界の自動車需要への依存を減らすことです。
実用的なRFQには、ウェハー直径、ポリタイプ、導電型、抵抗率、結晶配向、オフアクシス角度、厚さ、TTV、反り、歪み、欠陥要件、表面粗さ、エッジ状態、研磨品質、ロット間の一貫性が含まれる場合があります。
10年以上にわたり、炭化ケイ素（SiC）の商業的台頭は、ある主要産業と密接に関係してきました。それは電気自動車（EV）です。
高電圧化されたトラクションインバーター、オンボード充電器、急速充電システムは、SiCパワーデバイスにとって理想的な環境を作り出しました。EVがより高い効率とシステム電圧へと移行するにつれて、SiCは特殊な半導体材料から主要なパワーエレクトロニクスプラットフォームへと進化しました。
今、もう一つの巨大な市場が出現しています。
それは車輪がありません。
それはプロセッサで満たされた建物の中にあります。
人工知能（AI）は、データセンターを世界で最も急速に成長している電力負荷の一部に変えつつあります。
国際エネルギー機関（IEA）によると、2024年の世界のデータセンターの電力消費量は約415 TWhでした。同機関のベースケース予測では、2030年までに消費量は約945 TWhに達する可能性があります。AIによって主に牽引される高速サーバーからの電力消費は、従来のサーバーの電力消費よりもはるかに速く増加すると予測されています。
米国の状況は、この変化の規模を示しています。2026年の国立研究所のアップデートによると、2030年までにデータセンターが米国の電力消費の約11.8％を占める可能性があると推定されており、モデルシナリオは9.5％から15.3％の範囲です。
この電力需要の爆発的な増加は、パワー半導体産業に重要な問いを投げかけています。
AIインフラは、電気自動車に次ぐSiCの第二の主要な成長市場になり得るでしょうか？
その答えは、AIプロセッサ自体よりも、それらに電力を供給するために必要なすべてにかかっているかもしれません。
AIインフラについて考えるとき、通常はプロセッサ、メモリ、ネットワーク、冷却に注目が集まります。
しかし、すべてのAIアクセラレータは、最終的にははるかに大きな電気システムに依存しています。
プロセッサに到達する前に、電力はいくつかの段階を経る可能性があります。
電力網 → 変圧器 → AC/DC変換 → UPSまたはエネルギー貯蔵 → 高電圧DC配電 → ラック電源変換 → サーバー → AIアクセラレータ
すべての変換段階で電力損失が発生します。
小規模では、数パーセントの損失は取るに足りないように見えるかもしれません。
大規模なAIキャンパスの規模では、経済的に重要になります。
AIの展開が拡大するにつれて、データセンターは同時に以下のような課題に取り組んでいます。
IEAは、AIの台頭が高性能サーバーの展開を加速し、データセンターの電力密度を増加させていると指摘しています。ベースケースでは、高速サーバーは2030年までの世界のデータセンター電力消費量の純増分のほぼ半分を占めています。
これは、効率的なパワーエレクトロニクスが戦略的に重要になる環境にまさに当てはまります。
そして、ここにSiCが登場します。
SiCはワイドバンドギャップ半導体材料ファミリーに属します。
従来のシリコンと比較して、SiCパワーデバイスは、高電圧、高スイッチング性能、高電力密度を伴う要求の厳しい電力変換条件をサポートできます。
米国エネルギー省は、SiCやGaNなどのワイドバンドギャップ技術を、データセンター、産業機器、電気自動車、その他の電化システムなどのアプリケーションを含む、より強力でエネルギー効率の高いパワーエレクトロニクスシステムを可能にするものとして特定しています。
重要な利点の1つは、ワイドバンドギャップデバイスが高スイッチング周波数をサポートできることです。
スイッチング周波数が高いと、インダクタ、コンデンサ、その他の受動部品のサイズを小さくすることができ、より小型で電力密度の高いコンバーターシステムが可能になる可能性があります。
AIインフラにとって、これは3つの理由で重要です。
効率、スペース、熱。
より効率的なコンバーターは、より少ない電力を無駄にします。
よりコンパクトなコンバーターは、物理的なスペースをより少なく使用します。
そして、変換損失が少ないということは、除去する必要のある熱が少ないということです。
AIデータセンターの規模では、これら3つすべてが重要です。
1つの点を明確にすることが重要です。
AIの台頭は、必ずしもSiCがAIプロセッサの製造に使用される材料になることを意味するわけではありません。
それが主な機会ではありません。
はるかに大きな機会は、それらのプロセッサを取り巻く電力インフラにあります。
AIアクセラレータを最終目的地と考えてください。
SiCは、それに電力を供給する電気のハイウェイに参加する可能性があります。
考えられるアプリケーションには以下が含まれます。
この区別は重要です。
AIによって生み出されるSiCの機会は、主にコンピューティング半導体の機会ではありません。
それはパワー半導体の機会です。
おそらく最も興味深い開発は、データセンターの電力配電で起こっています。
ラック電力が増加するにつれて、比較的低い電圧で膨大な量の電力を供給することはますます困難になります。
その理由は、基本的な電気的関係にあります。
電力はほぼ次のようになります。
P = V × I
同じ電力レベルでは、電圧を上げると電流が減少します。
そして、導体損失は電流の二乗にほぼ比例して増加します。
電力損失 ∝ I²R
したがって、電流が低いと、抵抗損失を減らし、電力配電に必要な銅の量を減らすことができます。
これが、AIインフラ業界がはるかに高いDC配電電圧を検討している理由の1つです。
2026年7月に開催された主要なオープンコンピューティング業界イベントでは、次世代AIデータセンターにとって重要な技術として、800V高電圧DC配電と近負荷電力供給が具体的に特定されました。同イベントでは、メガワットクラスのAIラック向けの800V DCシステムへの進化についても議論されました。
この開発は、SiC業界の注目を集めるべきです。
なぜなら？
なぜなら、電力システムの電圧がSiCがますます魅力的になる領域に移行しているからです。
自動車とAIインフラの間には興味深い類似点があります。
電気自動車は比較的低電圧アーキテクチャから始まりました。
メーカーが望むにつれて：
高電圧プラットフォームはますます魅力的になりました。
その移行はSiCの需要増加に役立ちました。
AIデータセンターは今、概念的に同様の問題に直面しているかもしれませんが、その規模は全く異なります。
ラック電力が増加するにつれて、データセンター設計者は次のようなことも望んでいます。
この類似性は、AIデータセンターが電気自動車と全く同じパワーエレクトロニクスを使用することを意味するものではありません。
そうではありません。
しかし、根本的なエンジニアリングの圧力は馴染みのあるものです。
電力が増加すると、効率の価値が高まります。
それが、SiCが歴史的に市場シェアを獲得してきた環境です。
従来のサーバーラックは、かつては比較的控えめなキロワット単位で測定されていました。
AIインフラは、業界をはるかに極端な電力密度へと押し上げています。
2026年の業界の議論では、すでにMWクラスのAIラックやGW規模のAIデータセンターキャンパスが取り上げられており、電力供給と冷却はコンピューティングハードウェアと一体となって設計されるか、後から追加される必要があります。
それは半導体選択の経済性を変えます。
コンバーターが非常に高い電力で連続して動作すると仮定します。
効率のわずかな改善でも、システムを通過する総エネルギーのごく一部しか節約できないかもしれません。
しかし、システムが稼働すると：
1日24時間 × 年間365日 × 数年間
そのわずかな割合でも経済的に重要になる可能性があります。
そして、コンバーターで失われないワットは、望ましくない熱にならないワットでもあります。
大規模では、半導体効率は以下に影響します。
電気代 + 冷却負荷 + 機器サイズ + インフラ容量。
これが、より高価なパワーデバイスが、全体としてより安価なシステムにつながることがある理由です。
SiCが電気自動車で勢いを増すのに役立ったのと同じシステムレベルの経済性が、AIインフラでもますます重要になる可能性があります。
世界のデータセンターの電力消費量は、世界の総電力使用量と比較すると、依然として比較的控えめです。
しかし、データセンターの需要には1つの珍しい特徴があります。
それは地理的に高度に集中していることです。
IEAは、データセンターは需要を均等に分散するのではなく特定の場所に集中する傾向があるため、特に困難なグリッド統合問題を引き起こす可能性があると指摘しています。
したがって、大規模なAIキャンパスは、1つの場所に膨大な量の電力を必要とする可能性があります。
これは、以下のような追加の需要を生み出します。
これにより、SiCの可能性のある機会はデータセンタービルを超えて拡大します。
AIは、コンピューティングインフラを取り巻く電気エコシステム全体でSiC需要を刺激する可能性があります。
ここで物語はより面白くなります。
新しい市場は、必ずしも次のように定義されるべきではありません。
AIサーバー用SiC。
より良い定義は次のようになるかもしれません。
AIエネルギーインフラ用SiC。
将来のAIキャンパスを次のように考えてみましょう。
電力網
↓
再生可能エネルギー発電
↓
グリッド変電所
↓
バッテリーエネルギー貯蔵
↓
高電力変換
↓
800V DC配電
↓
AIコンピューティングラック
SiCは、このチェーンのいくつかの異なるセクションに参加する可能性があります。
半導体がすべてのサーバー内に存在する必要はありません。AIの成長から利益を得るために。
AIが、高電圧コンバーター、インバーター、エネルギー貯蔵システム、電力配電インフラを通過する電力を増加させる場合、総アドレス可能なSiC市場は間接的に成長する可能性があります。
これは電気自動車市場とは根本的に異なります。
EVは通常、比較的定義された数の主要な電力変換システムを含んでいます。
AIキャンパスは、電気インフラ全体のプロジェクトです。
AIデータセンターは信頼性の高い電力も必要とします。
中断は大規模なコンピューティングワークロードを妨げ、運用上の問題を引き起こす可能性があります。
したがって、バッテリーエネルギー貯蔵およびバックアップシステムは、データセンター設計のますます重要なコンポーネントになりつつあります。
これはSiCのもう1つの経路を作成します。
バッテリーシステムは双方向電力変換を必要とします。
充電中はグリッド/DCバス → バッテリー
そして
放電中はバッテリー → DCバス
したがって、高電力ストレージシステムは、大電流と高電圧を効率的に処理できるコンバーターを必要とします。
AIキャンパスが大きくなるにつれて、バッテリーバックアップシステム自体が主要なパワーエレクトロニクス設備になる可能性があります。
結果として、強化サイクルが生まれます。
AI成長 → 電力需要増加 → エネルギー貯蔵増加 → 電力変換増加 → 高効率パワー半導体の機会増加。
データセンターは、適切なグリッドインフラなしでは無制限に拡張できません。
電力生成は課題の一部にすぎません。
電力は伝送、変圧、変換、配電も行う必要があります。
将来のグリッドシステムは、以下のようなより多くの使用を必要とする可能性があります。
ワイドバンドギャップデバイスは、まさにこれらのタイプの高度なパワーエレクトロニクスアーキテクチャのために調査されています。米国エネルギー省の戦略フレームワークは、WBGデバイスが大幅に高いスイッチング周波数とより電力密度の高いコンバーター設計を可能にすると指摘していますが、信頼性、受動部品、システムレベルのエンジニアリングは依然として重要な課題です。
したがって、AIからSiCへの接続は、次のように拡張される可能性があります。
グリッド → データセンター → ラック
単に次のようになるのではなく：
電源 → サーバー
それははるかに大きな市場の概念です。
SiC基板サプライヤーにとって、AIインフラの出現は、自動車用パワーエレクトロニクス以外の需要を多様化できるため重要です。根本的なデバイス要件は異なる場合がありますが、多くの高電圧垂直パワーデバイスは、導電性4H-SiC基板を使用して製造され、その後にエピタキシャル成長が行われます。高電力変換の需要が大幅に増加する場合、デバイスメーカーはより大量の一貫したSiC材料を必要とする可能性があります。
それはウェハー経済性を再び焦点に戻します。
大規模なパワーデバイス製造では、バイヤーはウェハーが製造できるかどうか以上に、ますます気にするようになります。
彼らは以下を気にします。
欠陥密度
抵抗率の一貫性
SiCが大量のデータセンター材料になるためには、製造経済性は改善し続ける必要があります。
200mm SiCはますます重要になる可能性がある
これも、150mmから200mmへのSiC移行が重要である理由です。
原理的には、各ウェハー製造サイクル中に処理できるデバイス数が大幅に増加します。
しかし、その利点は次の場合にのみ存在します。
結晶品質が許容範囲内であること
ウェハーの幾何学的形状が制御されていること
より大きなウェハー → より大きな自動化 → より高い設備稼働率 → より低いデバイスコスト。
そのプロセスは、最終的にSiCをさらに多くのアプリケーションで競争力のあるものにするのに役立つ可能性があります。
コストがAIを真のSiC黄金市場にするかどうかを決定する
技術的な適合性だけでは大量採用を保証しません。
他のワイドバンドギャップ技術も特定の電力変換段階で競合しています。
したがって、SiCはシステムレベルでコストを正当化する必要があります。
AIデータセンターの設計者は、魅力的な材料特性を持っているという理由だけでSiCを選択する可能性は低いでしょう。
実際の計算はより実用的です。
追加の半導体コストは、総電力損失、冷却要件、コンバーターサイズ、またはインフラコストを十分に削減して、より良い総システムを作成しますか？
低電力では、答えは時に「いいえ」かもしれません。
非常に高電力では、方程式はより面白くなります。
これが、AIインフラが特に重要である可能性がある理由です。
AIは、SiC業界がウェハーとデバイスのコスト削減を目指しているまさにその時に、電力密度を押し上げています。
これらの2つのトレンドは出会う可能性があります。
AIはSiC業界の自動車需要への依存を減らすのに役立つ可能性がある
健全な半導体市場は通常、複数の主要なエンド市場を持つことから恩恵を受けます。
長年、SiC投資は電気自動車への期待に強く影響されてきました。
しかし、自動車需要は以下のような要因で変動する可能性があります。
消費者需要
車両価格
電力網投資は別のサイクルに従います。
再生可能エネルギーは別のサイクルに従います。
これらのすべてのセクターがSiCパワーエレクトロニクスをますます使用する場合、SiCサプライチェーンは単一のアプリケーションへの依存度が低くなります。
これは最終的にAI成長の最も重要な結果の1つになる可能性があります。
AI市場は電気自動車を「置き換える」必要はありません。
それは単に追加の主要な需要源になるだけで十分です。
「車両あたりのSiC」から「メガワットあたりのSiC」へ
業界がSiC需要を考える方法は、最終的に変わるかもしれません。
車両数 × 車両あたりの半導体コンテンツ
AIインフラは異なるモデルを導入します。
設置されたコンピューティングパワー × メガワットあたりの電気インフラ
それは大きな変化です。
AIキャンパスは、コンピューティングラックだけでなく、以下のような電力エレクトロニクスも必要とする可能性があります。
ユーティリティインターフェース
バックアップシステム
それは次世代のSiC市場分析の重要な指標になる可能性があります。
真の競争は「グリッドからAIチップへ」
半導体業界は長年、AIプロセッサのパフォーマンス向上に取り組んできました。
それは全く異なる技術競争を生み出します。
グリッド → 変換 → 貯蔵 → 配電 → ラック → プロセッサ
すべての段階は次のようになる必要があります。
より効率的
よりコンパクト
もしそれが、最も高い電圧と最も高い電力の変換段階のいくつかで好ましい半導体になったとしても、AIインフラは長期的な重要な需要源になる可能性があります。
だからこそ、AIブームはSiC業界の注目に値するのです。
結論：EVは最初のSiCブームを創り出した。AIは第二のブームを創り出すのに役立つかもしれない。
電気自動車は、SiCがニッチな産業用途を超えて、大量の半導体技術になることができることを証明しました。
その理由は、AIサーバーが電力を消費するからというだけではありません。
真の機会は、その電力需要の規模、集中度、電力密度から生まれます。
2030年までに世界のデータセンターの電力消費量はほぼ倍増すると予測されており、AI駆動の高速コンピューティングがその増加の大部分を占めています。
同時に、業界ではすでに800V DC配電、メガワットクラスのラック、ギガワット規模のAIインフラについて議論されています。
これらの開発は、以下のような価値を高めます。
高電圧 + 高効率 + 高電力密度 + 高度な電力変換。
これらはまさに、SiCが魅力的になる条件です。
SiCの最初の黄金市場は、車両の効率的な移動を中心に構築されました。
第二の市場は、電力の効率的な移動を中心に構築されるかもしれません。
そして、AIが現在のペースで拡大し続けるならば、SiC業界にとって最も重要な質問は、もはや次のようにならないかもしれません。
SiCを使用する電気自動車はどれくらいか？
それは次のようになるかもしれません。
世界のAIインフラに電力を供給する電力のどれくらいが最終的にSiCパワーデバイスを通過するか？
その質問が、SiC市場の次の章を定義するかもしれません。
FAQ
なぜAIデータセンターはSiCの重要な市場になり得るのか？
一般的に、それはここで議論されている主な機会ではありません。SiCの主な機会は、AC/DCコンバーター、UPSシステム、バッテリーストレージ、高電圧DC変換、グリッドインフラを含むAIコンピューティングを取り巻くパワーエレクトロニクスにあります。
より高い配電電圧により、同じ量の電力をより低い電流で供給でき、導体損失の削減に役立ち、より高いラック電力密度をサポートできます。2026年の業界の議論では、次世代MWクラスAIラック向けの800V DCアーキテクチャがすでに検討されています。
可能性としては。AIインフラが高電圧SiCパワーデバイスの需要を増加させる場合、それは間接的に、それらのデバイスの製造に使用される導電性4H-SiC基板およびエピタキシャルウェハーの需要を増加させる可能性があります。
それはまだ確立されておらず、仮定されるべきではありません。より現実的なシナリオは、AIインフラが追加の主要なアプリケーションになり、SiC業界の自動車需要への依存を減らすことです。
実用的なRFQには、ウェハー直径、ポリタイプ、導電型、抵抗率、結晶配向、オフアクシス角度、厚さ、TTV、反り、歪み、欠陥要件、表面粗さ、エッジ状態、研磨品質、ロット間の一貫性が含まれる場合があります。
english
français
Deutsch
Italiano
Русский
Español
português
Nederlandse
ελληνικά
日本語
한국
العربية
Türkçe
polski