Intelは何を守り、何を捨てるのか——2026年Q3決算から読み解く、Xeon・14A・EMIB・Physical AIの生存戦略

Intelは何を守り、何を捨てるのか——2026年Q3決算から読み解く、Xeon・14A・EMIB・Physical AIの生存戦略

PC市場の崩壊、AIエージェントが生むCPU争奪戦、NVIDIA・AMD・Armの包囲網。そして、次世代半導体工場を誰の製品で育てるのか。

2026年10月30日現在

はじめに——Intelの問題は、PCが売れないことだけではない

Intelの2026年第3四半期決算は、一見すると奇妙な内容だった。

データセンター向けCPUは飛ぶように売れている。製造プロセスの歩留まりも改善している。Intel 18Aの製造原価は年初から大幅に低下し、Foundryの赤字も縮小している。

ところが、第4四半期のガイダンスは市場の期待に届かなかった。

原因はPC事業の急減速である。メモリ価格の高騰がPC需要を破壊し、OEMメーカーがCPU在庫の調整を始めた。

しかし、私は今回の決算を、単なるPC市場の景気循環として捉えるべきではないと考える。

IntelにとってPCは、完成品市場で利益を獲得する事業であると同時に、次世代半導体製造ノードを量産によって成熟させるための基盤でもあるからだ。

そのPC市場が、AIインフラへの資本集中によって圧迫されている。

一方で、AIエージェントの普及によって、サーバーCPUの需要は急激に増加している。IntelはPC向けの製造能力をXeon向けへ転換しようとしているが、その効果が本格的に現れるのは2027年後半になる見通しだ。

その間にもAMD、Arm、NVIDIAは止まらない。

NVIDIAはVeraによってCPU市場へ進出し、Jetson・CUDA・Isaac・CosmosによってPhysical AIの開発基盤を押さえようとしている。AMDはEPYC、Instinct、Ryzen AI、Kria AI、FPGAを組み合わせて、データセンターからロボティクスまでの計算基盤を拡大している。

IntelはPCからデータセンターへ主戦場を移しても、同じ競争相手に囲まれている。

では、Intelはどこで生き残るのか。

今回の決算、ガイダンス、カンファレンスコール、半導体製造技術、Physical AI、そしてSpaceXSIとの協業を横断して考察する。

第1章　2026年Q3決算——二つのIntelが存在している

まず、決算の主要数字を整理したい。

Intelは売上高、粗利益率、調整後EPSのいずれも会社ガイダンスを上回った。

特にデータセンター事業の成長は極めて強い。

部門別売上高・前年同期比

部門別営業利益

Foundryの売上にはIntelグループ内向けの製造売上が含まれるため、各部門の数字は連結売上高へ単純に合算できない。

この表から分かるのは、Intelの成長と利益改善を牽引しているのがPC事業ではなく、DCAIであることだ。

DCAIの営業利益率は約41.5%。CCPGの28.2%を大きく上回っている。

一方、Foundryでは依然として四半期18億ドル以上の営業赤字が発生している。

つまり現在のIntelには、強く成長するCPU製品事業と、改善しながらも巨額の資本を消費する製造事業が共存している。

この二つを一体として評価しなければ、Intelの再建を正しく判断できない。

Q4ガイダンスは何を示しているか

2026年Q4の会社見通しは以下のとおりだ。

さらにカンファレンスコールでは、部門別に重要な見通しが明らかになった。

DCAI売上は前四半期比で十数％半ばの成長を予想している。15%増と仮定すると、Q4は約84億ドルになる。

一方、CCPG売上は前四半期比20%超の減少を見込む。Q3の約81億ドルから、Q4には約64.8億ドル未満まで落ち込む計算だ。

DCAIの成長は続く。しかし、PC事業の縮小がそれを上回る。

これが今回の弱いガイダンスの基本構造である。

さらにイスラエルのFab 28で発生した事故によって、Q4の売上高には約3億ドル、粗利益率には約2ポイントの悪影響が見込まれている。

この影響を除いても、Q4の粗利益率はQ3を下回る。

PCの減産による工場稼働率の低下、固定費負担、製品構成の変化が残るためだ。

出典：Intel 2026年Q3公式決算／Intel 決算資料・説明会・スライド

第2章　PC需要の崩壊を、Intelは過小評価していた

今回、経営陣の予測に対して最も批判的に見るべきなのは、PC市場の在庫調整だろう。

IntelはQ2の時点でメモリ不足の影響を認識していた。しかし、PCメーカーによるCPU在庫補充を期待し、Q3のクライアント売上について比較的楽観的な見通しを維持していた。

結果として、在庫補充どころか、OEM各社は需要減少に合わせて発注を抑制し始めた。

カンファレンスコールによると、経営陣は2027年のPC市場出荷数量を前年比約10%減と予想している。2026年についても約12%減を見込む。

さらにGartnerによれば、2026年Q3の世界PC出荷台数は前年同期比22.4%減少した。

これはIntelだけの問題ではない。

メモリ価格が上昇し、PCメーカーがそれを販売価格へ転嫁すると、消費者は購入を延期する。企業も限られたIT予算の中でPC更新の優先順位を下げる。

そして重要なのは、企業がコンピューティングへの支出をやめているわけではないことだ。

AIを導入して業務効率を改善する競合に対抗するため、クラウドAIやAIエージェントへの支出を優先する企業が増える可能性がある。

PC更新は数年延期できる。しかし、業務の中核に組み込んだAIサービスは簡単には停止できない。

ここに非対称性が生まれる。

AIインフラ需要がメモリや計算資源を吸収し、PCの価格が上昇する。PCの更新が延期される一方、クラウドAIの利用は拡大する。

その結果、AIデータセンターのCPU需要がさらに増えるという経路も考えられる。

ただし、これが無限に続くわけではない。AIサービスへの支出が企業の予算を圧迫し、十分な収益改善につながらなければ、導入ペースも鈍化し得る。

現在はこの二つの経路が競合しているが、少なくともIntelの今回の決算では、PC市場の縮小とDCAI市場の拡大が同時に進んでいる。

出典：Gartner 2026年Q3世界PC市場調査

第3章　Xeonの好機——AIエージェントがCPU市場を変える

Intelのカンファレンスコールで最も重要だった発言の一つが、サーバーCPU市場の成長見通しである。

CFOのDavid Zinsnerは、2026年と2027年の両年で、業界全体のサーバーCPU出荷数量が30%超増加すると予測した。

さらに、供給能力が十分なら成長率はそれ以上になる可能性があると説明した。

2027年から2028年にかけても供給制約が続くという見方だ。

需要の背景には、AIエージェントの普及がある。

従来の生成AIでは、GPUが実行するモデル推論が強く注目されていた。

しかし、エージェントが複雑な仕事を行うようになると、その前後に多数の処理が発生する。

ブラウザの操作、コード実行、VMやサンドボックスの管理、データベース、ファイル処理、ネットワーク通信、セキュリティ機構などだ。

高度な推論にはGPUや専用ASICが必要になる。一方、それらが生み出した判断を実際のソフトウェア環境で実行するためにはCPUが必要になる。

もちろん、すべてのエージェントに物理CPUが一個必要なわけではない。仮想化、負荷分散、実行環境の共有によってCPU使用量は最適化できる。

それでも、エージェントの実行回数と同時実行数が急増すれば、CPU需要に大きな影響を与える。

Intelにとって、現在はまさに好機である。

Granite Rapidsの需要は非常に強く、DCAIの売上成長も顕著だ。経営陣によれば、同製品は全社粗利益率を押し上げる段階に達している。

しかし、この機会を十分に獲得できていない。

Intelの問題は需要ではなく供給である

Intel 3のウェハー製造能力が不足している。

さらにEMIB向けの高性能有機基板も不足している。

IntelはアイルランドでIntel 3を増産し、オレゴンでもPC向け18Aの製造能力の一部をIntel 3へ転換する計画だ。

基板についても供給能力を約40%増強する取り組みを進めている。

ただし、その本格的な効果は2027年後半になる見通しである。

需要が存在するのに、必要なCPUを十分に生産できない。

Intelの問題はそこにある。

しかも供給能力を改善するまでの時間は、競合企業にとってシェアを獲得する機会となる。

第4章　NVIDIA・Arm・AMD・ハイパースケーラーの包囲網——しかし製造能力不足はIntelの追い風にもなる

IntelがPC市場で失ってきた競争力を、データセンターで取り戻せるとは限らない。

なぜなら、競争相手が変わらないばかりか、新しい競争相手まで増えているからだ。

AMDはEPYCによってx86サーバーCPU市場で存在感を高め、TSMCの製造能力を利用して次世代製品を投入している。

NVIDIAはVeraによって、GPUを動かすホストCPUだけでなく、AIエージェントの実行環境を支える独立したCPU市場へ参入した。

そしてArm陣営は、もはやスマートフォン向けCPUの延長ではない。

AWS、Google、Microsoft、Metaなどのハイパースケーラーは、自社のワークロードに最適化したArm系CPUを導入し、従来Intel Xeonが担っていた処理を自社設計チップへ移し始めている。

Google・Amazon・Microsoftが自社CPUを持つ意味

GoogleはAxion、AmazonはGraviton、MicrosoftはCobaltを展開している。

これらはArmアーキテクチャを利用するサーバーCPUであり、クラウド企業が計算基盤を自社で最適化するための重要な製品である。

ここで、Arm CPUとASICを区別する必要がある。

GoogleのTPU、AmazonのTrainium、MicrosoftのMaia、MetaのMTIAは、Arm CPUそのものではなく、AI演算に特化したアクセラレータである。

しかし、それらのアクセラレータを稼働させるためには、データ準備、メモリ管理、推論処理のスケジューリング、エージェントの実行、ネットワーク通信などを担うCPUが必要になる。

Googleは第8世代TPUのシステムでAxion CPUを利用し、ホスト側の処理能力を高めている。Google Cloud：第8世代TPUとAxion CPU

AmazonもGraviton5をエージェント型AIの処理基盤として位置づけている。2026年4月には、Metaが数千万コア規模のGravitonを利用する契約も発表された。AWS：Graviton5の一般提供

これはIntelにとって重大である。

AIアクセラレータの需要が増えるからといって、それに付随するCPU需要がすべてXeonへ流れるわけではない。

むしろハイパースケーラーが自社設計のCPUとASICを組み合わせれば、Intelを介さずにAI計算基盤を拡張できる。

AIインフラの拡大そのものが、IntelのサーバーCPUシェアを侵食する方向にも働いている。

Arm自身がCPUメーカーになった——Arm AGI CPU

2026年3月、Armは自社設計のデータセンター向けCPU「Arm AGI CPU」を発表した。Arm：Arm AGI CPU発表（2026年3月）

これは従来のArmの事業構造から見ても重要な変化である。

Armはこれまで、CPUの命令セット、コア設計、IP、Compute Subsystemsなどを提供し、他社がそれを利用して半導体を設計する構造が中心だった。

しかしArm AGI CPUでは、Arm自身が完成したサーバーCPUを製品として提供する。

同製品はTSMCの3nmプロセスを使用し、最大136コアを搭載する。AIエージェントのオーケストレーション、アクセラレータ管理、API、アプリケーション実行などを主な対象としている。

Metaが共同開発に参加し、OpenAI、Cloudflare、Cerebras、SAP、SK Telecomなども導入・商用展開に関わっている。

これまでXeonの競争相手はAMD EPYCが中心だったが、現在はNVIDIA Vera、クラウド自社設計CPU、そしてArm自身の完成CPUまで加わっている。

Intelのx86互換性は依然として強みである。しかし、それだけで新しいエージェント向けCPU需要を獲得できるとは限らない。

電力効率、ラック当たりの演算密度、メモリ帯域、VM集約率、そしてシステム全体の価格が競争軸になっている。

しかし、これらの企業には共通する制約がある——製造能力である

ここでIntelにとって、逆方向の機会が生まれている。

Google、Amazon、NVIDIA、AMD、Armなどは、それぞれ半導体を設計できる。

しかし、最先端の半導体を大規模に製造する能力は、主としてTSMCなどの限られたファウンドリに集中している。

GPU、サーバーCPU、TPU、Trainium、各種AI ASICが同時に増産されれば、先端ウェハー製造能力やパッケージング能力の争奪が激しくなる。

実際、TSMCは2026年10月の決算説明会で、2027年のN2系年間生産能力を2026年比2倍超へ増やす計画を示し、N3についても追加工場の建設や既存設備の転換を進めている。TSMC：2026年Q3 Management Report

ここで重要なのは、需要が強いからといって、工場を直ちに増産できるわけではないことだ。

新しいFabの建設、製造装置の搬入、工程認定、歩留まり改善、後工程能力の確保には時間がかかる。

AI半導体の設計能力が急速に増えても、それを完成品へ変える製造能力が同じ速度で増えるとは限らない。

TSMCの製造能力が不足すれば、ファブレス企業には別の供給元を探す動機が生まれる。

そこでIntel Foundryが重要になる。

GoogleのTPUがIntel Foundryへ流れる可能性

2026年6月には、Googleが2028年向けの300万個超のTPUについてIntelに製造関連業務を発注したと、The Informationが報じた。

また、NVIDIAも将来のGPU関連製品について、Intelの製造・先端パッケージング技術を評価していると報じられた。

ただし、これらは報道に基づく情報であり、Reutersは独立した確認ができなかったと説明している。Googleの案件についても、前工程のロジック製造と後工程のパッケージングのどこまでをIntelが担当するかは確定していない。Reuters：Google・NVIDIAによるIntel製造技術の検討報道

それでも、この動きが示唆する構造は重要だ。

GoogleはAxionによってXeonの競争相手になる。

しかし、Googleが設計するTPUやCPUの製造・パッケージングをIntel Foundryが受託するなら、GoogleのAIインフラ拡大はIntelの収益機会にもなる。

つまり、製品市場ではIntelのシェアを奪う企業が、製造市場ではIntelの顧客になる可能性がある。

そして、この関係はGoogleだけに限らない。

Arm陣営もIntel Foundryの潜在顧客になる

IntelとArmは、2023年4月にIntel 18Aを利用したArm系SoC設計について、複数世代にわたる協業を発表している。Intel・Arm：複数世代にわたるFoundry協業

当初はモバイル向けSoCを中心としながら、将来的には自動車、IoT、データセンター、航空宇宙などへの展開も視野に入れていた。

これはIntelが、自社のx86 CPUを製造するだけでなく、Arm系半導体の製造基盤になる可能性を以前から追求していたことを意味する。

さらに2026年8月には、SocionextがIntel 18A-Pを利用したデータセンター・AI・HPC向けカスタムSoCの開発を発表した。Socionext：Intel 18A-Pの採用発表

最初の開発対象は高性能計算チップレットである。

SocionextはTSMCの先端ノードも利用しており、Intelがその製造選択肢に加わったことは重要だ。

ただし、このSocionext案件をArm AGI CPUの製造受注と同一視してはいけない。Arm AGI CPU自体はTSMCの3nmプロセスを利用しており、Intelでの量産が決まったわけではない。

それでも、IntelがArm系CPUやASICの設計企業に対して、製造・パッケージングを提供できる技術基盤を整備していることには意味がある。

IntelにとってArmは、Xeonの競争相手であり、同時にFoundry事業の成長を支える可能性を持つ存在でもある。

ただし、TSMCの供給不足がそのままIntelの受注になるわけではない

ここは慎重に評価する必要がある。

半導体の製造をTSMCからIntelへ変更するには、設計ルール、PDK、IP、タイミング、消費電力、歩留まり、品質、パッケージングなどを検証しなければならない。

同じ設計データを別のFabへ送れば、そのまま量産できるわけではない。

そのため、IntelがTSMCの不足分を取り込むには、顧客が十分な時間をかけて製造先を認定する必要がある。

またTSMC自身も大規模な能力増強を進めている。現在の需給逼迫が将来も同じ形で続くとは限らない。

Intelの機会は、主に三つの形で考えられる。

第一は、先端パッケージングの受託である。

ロジックダイをTSMCで製造し、EMIBなどを利用した統合工程をIntelが担当する。比較的早期に事業化できる可能性がある。

第二は、供給元の分散である。

顧客が特定の製品やチップレットについてIntel 18A-P・14Aを採用し、TSMCへの依存を減らす。

第三は、Intelが主要な量産ファウンドリになることである。

これは最も大きな収益機会だが、量産実績、コスト競争力、安定供給能力が必要になるため、実現の難易度も高い。

Intelの先端Foundryが本当に成功したと言えるのは、単に顧客が試作品を評価したときではなく、継続的な大口ウェハー発注を獲得し、十分な利益率で量産できるようになったときだろう。

Intelにとって、包囲網と製造不足は表裏一体である

この構造を考えると、Intelの立場は非常に複雑だ。

AMD EPYCが伸びれば、Xeonのシェアには逆風になる。

NVIDIA Veraが普及すれば、サーバーCPU市場に新たな競争が発生する。

Google Axion、AWS Graviton、Microsoft Cobalt、Arm AGI CPUが拡大すれば、クラウド企業がIntel製CPUを購入する必要性は相対的に下がる。

しかし、それらの企業が設計する半導体の数が増え、TSMCの製造能力が不足するほど、Intel Foundryにとっては新しい顧客獲得の機会が生まれる。

つまり、IntelにとってAI半導体産業の成長は、製品市場では包囲網を強め、製造市場では競合企業を顧客へ変える機会を生む。

これは、IntelがCPUメーカーであると同時に最先端Foundryを保有していることから生じる、独特の競争構造である。

したがって、Intelの将来をXeonのシェアだけで判断することはできない。

今後はXeonの出荷数量と、外部Fab・パッケージング受託の成長を同時に追う必要がある。

Intelが目指すべきなのは、ArmやNVIDIAをすべて打ち負かすことではなく、それらの企業が成長したときにも製造・先端パッケージングによって利益を獲得できる事業構造を作ることではないだろうか。

そしてそのためには、Intel 18A-P・14Aの量産能力とEMIBの競争力を高め、他社が安心して自社の半導体を委託できるFoundryになる必要がある。

Intelの包囲網は確かに強まっている。しかし同時に、その包囲網を形成する企業の成長そのものが、Intelにとって新しい収益源になる可能性を持っている。

ここに、Intelの再建が単なるCPUシェア奪還とは異なる意味を持つ理由がある。

第5章　GPUの堀は深い——NVIDIAはPhysical AIまで押さえようとしている

Intelの将来を考えるうえで、最も厄介なのがNVIDIAだ。

NVIDIAの強みはGPUの演算性能だけではない。

CUDAを中心とする開発者基盤があり、TensorRT、JetPack、Isaac ROS、Isaac Sim、Isaac Lab、Cosmosなど、Physical AIの開発に必要な技術が広く整備されている。

ロボットの学習データを作り、シミュレーションで動作を検証し、AIモデルを調整して、実機へ展開する。

その一連の工程にNVIDIAの技術が関わる。

しかもJetsonシリーズは高性能製品だけではない。

Orin Nanoのような比較的低価格な製品から、Jetson Thorのような高性能なロボティクス向け計算基盤まで揃えている。

2026年10月時点のNVIDIA公式価格では、Orin Nano Super開発キットは399ドル、Thor開発キットは5,499ドルだ。

もちろん開発キットと量産用モジュールの価格は同一ではなく、実際のロボット導入費用には基板、センサー、冷却、電源、開発・保守費用などが加わる。

しかし、低価格から高価格まで同じエコシステムを利用しやすいことは大きな優位性だ。

さらにNVIDIAは、Cosmosによる世界モデル、GR00Tによるロボット向け動作モデル、Isaacによるシミュレーション・開発基盤を拡張している。

2026年10月のGTC Berlinでは、Isaac OS、Isaac Lab 3.0などが発表された。

ここには、ハードウェア、開発環境、モデル、データ、シミュレーションを相互に強化する構造がある。

一度このエコシステムで開発を始めた企業が、別のプラットフォームへ移るにはコストがかかる。

Intelが単に低価格なCPUやNPUを提供するだけでは、この堀を越えるのは難しい。

出典：NVIDIA 2026年10月21日ロボティクス発表

第6章　AMDも隙が少ない——Ryzen AI、Kria AI、FPGAを持つ意味

NVIDIAほどGPUソフトウェアの支配力が強くないAMDも、Physical AIでは非常に興味深い位置を確保しつつある。

AMDにはEPYC、Instinct、Ryzen AI、組込み向けSoC、FPGAがある。

2026年7月のAdvancing AIでは、Ryzen AI Embedded X100、Kria AI SOM、Kria AI Robotics Developer Platformを発表した。

Kria AIはCPU・GPU・NPUに加え、FPGAを組み合わせた構成を提供する。

これはPhysical AIで重要になる。

ロボットはAI推論だけで動くわけではない。

カメラやセンサーからの入力を処理し、モーターや通信機器を制御し、タイミングの厳しい処理を実行する必要がある。

FPGAや適応型SoCには、特定の信号処理や制御処理をハードウェア側で最適化できる利点がある。

さらにAMDにはx86互換性があるため、既存のPCや産業用コンピューターのソフトウェアを活用しやすい。

ローカルAI向けでもRyzen AI Haloを展開し、2026年10月発表の新プラットフォームでは最大192GBの統合メモリを利用できる構成を示した。

大型モデル、複数のAIエージェント、ローカル開発環境を動かす用途を狙っている。

AMDの強みは、単純に「NVIDIAより安いGPU」ではなく、CPU・GPU・NPU・FPGAを必要な用途に合わせて組み合わせられることだ。

ただし、AMDのソフトウェア・エコシステムがCUDAと同等の成熟度や普及度を持つとは限らない。

また、AMDがNVIDIA CosmosやGoogle Genieに相当する、広く採用された独自の世界モデルを保有しているというわけでもない。

NVIDIAの強みはモデル・開発環境・GPUを垂直統合できること。AMDの強みは計算ハードウェアの多様性とx86・適応型SoCの組み合わせにある。

Intelが向き合う相手は、一つの競争軸では測れない。

出典：AMD Advancing AI 2026／AMD Kria AI Solutions

第7章　IntelのOpenVINOは、CUDAの代わりになれるのか

IntelはPhysical AIへの対抗策としてCore Ultra Series 3とOpenVINO Physical AIを展開している。

CPU・内蔵GPU・NPUを一つのSoCにまとめ、映像認識、言語理解、動作推論などを比較的低コストで実行する方向だ。

2026年5月には、130社を超える企業がCore Ultra Series 3のエッジ・ロボティクス用途で採用や評価を進めていると発表された。

実例として、コーヒーを提供するロボット「Ella」では、複数のエージェントをCore Ultra上で動かしている。

ここで重要なのがOpenVINOだ。

OpenVINOは、AIモデルをIntelのCPU・GPU・NPUで効率的に実行するための推論基盤である。

ただしOpenVINOとCUDAは同じ種類のソフトウェアではない。

CUDAはGPUのプログラミング基盤と周辺ライブラリを含む広いエコシステムであり、Intel側ではoneAPI・SYCL、OpenVINO、Robotics AI Suiteなどが異なる役割を担っている。

IntelがCUDAに対抗するには、それらを組み合わせて開発者に使いやすい環境を提供する必要がある。

私は、ここでAIによるソフトウェア最適化が重要になると考えている。

モデル変換、量子化、推論カーネルの最適化、CPU・GPU・NPUへの処理割当、テストの自動化などが進めば、特定のハードウェアに依存するコストが低下する可能性がある。

しかし、同じ最適化はNVIDIAも利用できる。

そのため、Intelが勝つには単にモデルを移植できるだけでは不十分だ。

実際のロボットで必要な性能を満たし、価格・消費電力・保守費用を含めた総費用で優位性を示さなければならない。

ただし、多くの産業機械にJetson Thor級の計算能力が必要になるとは限らない。

工場の画像検査、搬送、サービスロボット、特定作業の自動化などでは、比較的小さいモデルと決定論的な制御系を組み合わせることで、低価格な計算基盤でも十分に実用化できる可能性がある。

Intelにとっては、この領域が重要になる。

最も高性能なロボットを作るのではなく、十分なAI性能を持つ機械を大量に、安く、安定して動かす。

これはNVIDIAと正面からGPUのピーク性能を争うのとは異なる戦略だ。

出典：Intel Core Ultra Series 3とPhysical AI

第8章　Astra以降——世界モデルだけではPhysical AIの優位性を独占できない

もう一つ重要な変化がある。

GPT-6 Astra以降、汎用推論モデルの身体的タスクへの適応可能性が注目されている。

2026年10月に公開された研究『Has GPT-6-Astra Achieved Embodied Intelligence?』では、Astraをロボット操作や移動などの複数のベンチマークで評価した。

研究では高い能力が示された一方、実世界での実行時間、物理状態の検証、失敗からの復旧、実演データの収集などに課題が残ると指摘された。

ここから考えられるのは、高度な汎用推論モデルと、比較的小さなロボット専用動作モデルを組み合わせる構造だ。

例えば大型モデルが作業の目的や手順を判断し、低遅延のVLAモデルが具体的な動作を生成する。

安全上重要な停止・制御処理は、さらに独立した制御系へ任せる。

この場合、すべての計算をロボット本体の高性能GPUで処理する必要はない。

高度な判断をクラウドで行い、現場では小型のモデルを動かす構成も考えられる。

ただし、ネットワーク接続に依存すると応答遅延や通信断の問題が生じるため、クラウドとローカルの分担には制約がある。

Googleは世界モデルと動作モデルの両方を持つ

Google DeepMindは2026年10月27日にGenie 4を発表した。

これは対話的な仮想世界を生成する世界モデルである。

Googleはその一方でGemini Roboticsなどのロボット向けモデルも開発している。

ここで重要なのは、世界モデルを使ったシミュレーション能力と、ロボット本体で実行する動作モデルが異なることである。

世界モデルは、学習データ生成、環境予測、シミュレーションでの検証などに価値がある。

しかし、実機での性能は推論速度、消費電力、動作遅延、安全性、実装コストにも左右される。

GoogleのTPUもデータセンターの学習・推論では大きな強みになるが、ロボット本体へ搭載される計算基盤まで同じである必要はない。

NVIDIA自身も汎用モデルを利用する

興味深いことに、NVIDIAは2026年10月のIsaac関連発表で、ChatGPT Astraを活用したロボット学習・シミュレーションの参考ワークフローを紹介している。

これは、汎用推論モデルの進歩がNVIDIAのロボティクス基盤を弱体化させるとは限らないことを示している。

むしろNVIDIAは優れた外部モデルを、自社のシミュレーション、学習、実行環境へ取り込める。

つまり今後は、モデル単独の優位性だけでなく、モデルを実際のロボットへ展開するためのデータ、ソフトウェア、ハードウェア、検証環境の総合力が重要になる。

Intelにとっても、最高性能の世界モデルを自社で開発することが唯一の道ではない。

外部のモデルをIntel製ハードウェアへ移植し、安価に実行できるようにすることが競争機会になり得る。

参考研究：Has GPT-6-Astra Achieved Embodied Intelligence?

出典：Google DeepMind Genie 4

第9章　ASICの競争——汎用GPUの堀が深いからこそ専用化が進む

NVIDIAのGPUとCUDAの優位性が強固であるほど、AIサービス企業には計算コストを下げるために専用半導体を開発する動機が生まれる。

GoogleはTPUを、AmazonはTrainiumなどを展開している。

OpenAIも2026年6月にBroadcomと共同開発した推論チップ「Jalapeño」を発表した。

Jalapeñoは、LLM推論に必要な演算、メモリ、通信などを一体で最適化するためのASICである。

OpenAIは2026年8月に初期の性能測定結果を公開し、比較対象とした商用システムに対して、電力効率と応答遅延で改善を報告した。

ただし、その性能比較は選定されたモデル・条件によるものであり、あらゆるAI処理でGPUより優れるという意味ではない。

ASICにも弱点がある。

特定用途に最適化するほど、別のモデルや演算方式へ対応する自由度が制約される場合がある。

Physical AIでも、世界モデル、VLA、画像認識、センサー処理、リアルタイム制御では、必要な演算の性質が異なる。

そのため、すべてを一つのASICで処理することが最適とは限らない。

私は今後、GPUかASICかという二択ではなく、どの演算を汎用化し、どの演算を専用化し、どこでCPUを使うかというシステム設計の競争が進むと考える。

IntelにとってのASIC機会

今回のIntelの決算でも、Purpose-built Siliconが重要な成長領域となっている。

Q3の同事業売上は前四半期比50%超、前年同期比2倍超の成長だった。

カンファレンスコールでは、過去3年間で約3倍になり、今後数年間も高い成長を目指すことが説明された。

ただし、Purpose-built Siliconの利益率は全社平均より低い。

売上を増やしても、利益率の改善には必ずしもつながらないという問題がある。

さらに、Intel自身が提供するカスタム半導体事業と、外部企業が設計したチップを製造するFoundry事業は別である。

それでも、顧客のASIC設計や製造・パッケージングに関与できれば、IntelはNVIDIAにGPU市場で勝てなくてもAI計算需要の成長を取り込める可能性がある。

出典：OpenAI・BroadcomによるJalapeño発表／OpenAI：初期測定結果とフルスタック戦略

第10章　EMIBは、IntelがGPU競争を回避して利益を得るための重要技術

ここでEMIBが重要になる。

AIアクセラレータは、単一の巨大なシリコンダイだけで性能を高めることが難しくなっている。

複数のロジックチップレットやHBMなどを組み合わせ、巨大な計算システムとして動かす必要がある。

EMIBは、異なるチップを高密度に接続するためのIntelの先端パッケージング技術だ。

さらにEMIB-T、Foverosなどの技術によって、チップ間接続や3次元集積の選択肢を広げている。

ここでIntelが得られる機会は、半導体の設計会社になることだけではない。

NVIDIA、AMD、クラウド企業などが開発する専用半導体を、製造・統合する立場になる可能性がある。

ただし、実際の競争相手はTSMCのCoWoSをはじめとする先端パッケージング技術である。

IntelがEMIBを持っていることだけでは、TSMCから大口顧客を奪えるとは限らない。

設計環境、歩留まり、熱設計、供給量、価格、信頼性を含めた競争が必要になる。

そして、今回のIntelの決算には重要な事実があった。

EMIB関連の有機基板不足が、現在のXeon増産を制約している。

つまりEMIBは将来の成長事業であると同時に、現時点でIntel自身のサーバーCPU供給を制限している工程でもある。

Intelは2027年に向けて基板供給能力を増やし、先端パッケージング設備も拡充する方針だ。

この制約を解消できれば、まず自社Xeonの出荷増加に寄与し、その後に外部顧客向けのパッケージング事業を育てることができるかもしれない。

ただし、HBMを統合することと、DRAMそのものを製造して利益を得ることは異なる。

Intelが将来メモリ市場へ関与する場合も、現段階ではDRAMの自社大量生産へ戻るより、メモリメーカーとの共同開発や高度なパッケージングを通じた関与の方が現実的と考える。

出典：Intel Foundry先端パッケージング技術

第11章　SpaceXSI・TerafabはIntelの出口を作れるか

Intelの将来を考えるうえで、SpaceXSI・TeslaとのTerafab協業も重要になる。

2026年4月、IntelはSpaceX、xAI、Teslaが関係するTerafabプロジェクトへの参加を表明した。

Terafabは、ロジック半導体、メモリ、先端パッケージングなどを組み合わせた巨大な半導体製造能力を構築しようとする計画だ。

対象としては、Teslaの自動運転・ロボティクス向けチップ、SpaceXのAIインフラや宇宙関連の計算需要などが想定される。

ここでIntelが重要なのは、自社のGPUやPhysical AIモデルがNVIDIAより優れている必要がないことだ。

TeslaやSpaceXSIが独自のASICを設計したとしても、Intelがその製造や先端パッケージングを担当できれば、事業機会が生まれる。

しかし、現段階でIntelの14Aによる大規模量産受託が確定したわけではない。

協業の形は複数考えられる。

Intel自身のFabで製造するのか。Terafabへ製造技術を供与するのか。後工程を担当するのか。あるいは開発・製造ノウハウの提供が中心になるのか。

それによってIntelが得られる売上と利益は大きく異なる。

また、Terafabが将来独自の製造能力を確立すれば、Intel Foundryにとって競争相手になる可能性もある。

SpaceXSIは現在NVIDIAに強く依存している

2026年10月26日、SpaceXはNVIDIA Vera Rubin関連設備について、約400億ドルのファイナンスリース契約に向けた拘束力あるコミットメントを発表した。

これは大規模AI計算基盤において、現在もNVIDIAが重要な供給者であることを示している。

Terafabの構想が進んだからといって、SpaceXSIが直ちにNVIDIAから独立できるわけではない。

将来の独自ASIC開発と、現在のNVIDIA設備投資は並行して進み得る。

Intelにとって重要なのは、SpaceXSIが何のAIモデルを使うか以上に、将来どの種類の半導体を、どの製造工程で、どれほどの数量生産するかである。

そして、その製造需要がIntel自身のFabへ入ってくるのか、それとも技術供与だけにとどまるのかを確認する必要がある。

出典：SpaceX・Terafabの建設計画

出典：SpaceXによるNVIDIA設備調達発表

第12章　Intelにはスマートフォンがない——先端ノードを育てる構造的な弱点

ここからはIntelのFoundryを、さらに長期的な視点で見ていきたい。

先端製造ノードを開発するには、技術を完成させるだけでは足りない。

大量のウェハーを製造し、欠陥を減らし、歩留まりを改善し、製造時間を短縮し、最終的には巨額の固定費を回収しなければならない。

この過程では、初期から量産需要が存在することが極めて重要になる。

TSMCにはAppleなどのスマートフォン向けSoCという大量生産市場がある。

SamsungにもExynosをはじめとする自社モバイル製品がある。

もちろん、これらの企業も新ノードをスマートフォンだけで育てているわけではない。AI・HPC向け顧客やテストチップ、複数の製品群が関わる。

それでもスマートフォン向けの大口需要は、製造プロセスを成熟させる強力な基盤になる。

TSMCの2026年Q3では、2nmがウェハー売上の8%を占めるまでに成長した。HPCが売上構成の68%、スマートフォンが21%を占めている。

これは同社がスマートフォンとHPCの両方を顧客基盤として、新しい製造ノードを拡大できることを示している。

一方、Intelには現在、スマートフォン向けの同等の大規模自社製品事業がない。

その役割をPC向けCore Ultraが担っている。

IntelにとってPC事業は、売上を生むためだけでなく、次世代ノードを量産で育てるためにも必要な事業である。

ここがPC事業を簡単には切れない理由だ。

出典：TSMC 2026年Q3 Management Report

第13章　PCで先端ノードを育て、Xeonで収益化する——その転換点

Intel 18Aは、PC向け製品の量産によって製造能力を成熟させている。

2026年Q3のカンファレンスコールでは、18Aの製造原価がQ1比で約40%低下したと説明された。

Intel 3についても、製造原価がQ1比約15%改善している。

18Aの歩留まりも継続して改善している。

さらに18A製クライアントCPUは、Q1にはクライアントCPU売上の5%未満だったが、Q3には約3分の1を占めるまでになった。

これはPC向け製品の量産が拡大していることを示している。

ただし、売上比率とウェハー投入量は同じではない。また製造原価の低下をPC向け製品だけの成果と考えることもできない。

重要なのは、製造技術が着実に改善しているという事実である。

なぜPC向けの量産が有利なのか

一般に、大型のサーバー用チップを新ノードの初期から大量に製造することは、歩留まり上の難しさを伴う。

ダイ面積が大きいほど、欠陥に遭遇する可能性が高くなるからだ。

一方、比較的小さなチップレットを製造し、それを複数組み合わせる方法なら、良品の取得効率を改善できる場合がある。

そのため、PC向け製品や比較的小型の計算タイルを使い、先端ノードの量産を成熟させてからサーバーへ拡大する構造には合理性がある。

ただし、PCから始めなければならないわけではない。

新ノードの初期量産をサーバー向けチップレットや外部ASICで支えることも可能だ。

これがIntelの次の選択肢になる。

18Aから14Aへの構造変化

18AではPCとXeonの自社製品が重要な量産基盤となっている。

しかし、14Aは事情が異なる。

Intelの2025年Form 10-Kには、14A以降の先端製造ノードの経済合理性を確保するには、自社製品だけでは十分な生産数量を得られない可能性があることが記されている。

さらに、十分な大口外部顧客を獲得できなければ、14A以降の開発を停止・中断する可能性にまで言及している。

これは非常に重い開示である。

Intelにとって外部Foundry事業は、単に新しい売上源を作るためのものではない。

最先端製造ノードそのものを継続して開発できるかを左右する条件になっている。

2026年10月には14Aの0.9 PDKを外部顧客へ提供した。

今後重要になるのは、設計評価からテープアウト、そして量産契約へと進めるかどうかである。

出典：Intel 2025年Form 10-K

第14章　サーバーCPUで新ノードを育てる時代は来るのか

私は、Intelにとってここが重要な技術的転換点になると考える。

現在のサーバーCPUは、単一の巨大ダイだけで構成されるとは限らない。

複数の計算タイル、I/Oタイル、キャッシュなどを組み合わせた製品が増えている。

この構造を利用すれば、一個の完成CPUが複数の先端ロジックダイを消費する。

つまり、スマートフォン向けSoCのような巨大な完成品出荷数量がなくても、先端ノードのウェハー需要を確保できる可能性がある。

例えば、年間1,000万個のサーバーCPUが、それぞれ4個の先端ノード製計算タイルを必要とするなら、合計4,000万個の計算タイルが必要になる。

もちろん、実際のダイ構成、面積、歩留まり、ノードの組み合わせによって必要ウェハー枚数は変わる。

しかし重要なのは、完成品としてのCPU数量だけでは、その製造ノードが必要とするウェハー数量を測れないことだ。

IntelはXeonに加えて外部ASICも獲得できれば、複数の製品群で14Aを育てることができるかもしれない。

この場合、新ノード育成の基本構造は変わる。

従来のようにPCで量産してからサーバーへ展開するだけでなく、初期からPC、サーバー用チップレット、外部ASICを組み合わせて工場を稼働させる方式だ。

ただし、そのためには新ノードの立ち上げ段階で、十分な数の製品設計と顧客契約が存在する必要がある。

製造能力だけを先に整備しても、顧客がいなければ工場の固定費は回収できない。

第15章　PC用Fabの資産は、どこまで転用できるのか

ここでPC市場の縮小を、Intelの製造設備という観点から考える。

Intelは現在、PC向け18A製造能力の一部をXeon向けIntel 3へ転換しようとしている。

しかし、製造設備の転換には限界がある。

半導体Fabには露光、成膜、エッチング、イオン注入、CMP、洗浄、計測、欠陥検査などの工程がある。

同じ製造ノードのまま製品を変更する場合、比較的多くの設備を継続利用できる。

一方、Intel 18AからIntel 3のようにトランジスター構造が異なる工程へ変更する場合は、設備構成、レシピ、材料、製造条件の変更が必要になる。

18AはRibbonFETとPowerViaを利用している。一方、Intel 3はFinFET系の製造ノードである。

そのため、18Aのすべての設備をIntel 3へそのまま転用できるわけではない。

しかし、露光、洗浄、計測、CMPなどの設備には、条件次第で別の製品やノードに再利用できる余地がある。

Fab建屋、クリーンルーム、電力、冷却、ガス、真空設備なども重要な資産として残る。

逆に、特定製品専用のフォトマスクやテスト治具、転用できない専用工程設備などは、需要がなくなると価値を失いやすい。

重要なのは、PC向けの生産能力を減らしたとき、どの設備が実際に別製品を作るために再利用できるのかという点である。

設備を保有すること自体がリスクにもなる

Intelの2025年Form 10-Kでは、2024年に約33億ドル、2025年に約9.5億ドルの製造関連資産の減損・加速償却が発生したと説明されている。

2024年の損失にはIntel 7関連の製造設備などが大きく関係している。

これは、最先端の工場を保有していても、需要や製造計画が変われば設備価値が失われることを示している。

Intelにとって、Fabを増やすことだけが成長ではない。

すでに保有するFabを、どの製品へ、どれだけの追加投資で転用し、何年間稼働させられるかが重要になる。

そして、製造装置の再利用と、プロセス開発で得られた技術知識の継承も区別すべきだ。

装置そのものが次世代ノードで使えなくても、歩留まり改善、材料、欠陥管理、工程統合で得られた知識は新ノードの開発に活用できる。

Intelはこの両方を管理しなければならない。

第16章　Physical AIは、成熟した製造ノードの新しい出口になれるか

ここでPhysical AIをもう一度考えてみたい。

私はPhysical AIが、14Aのような最先端ノードの初期量産をすぐに支える巨大市場になるとは考えていない。

ロボットや産業機械のすべてが最先端の製造ノードを必要とするわけではないからだ。

単純な画像認識、センサー処理、搬送制御などでは、成熟した製造ノードでも十分な性能を確保できる場合がある。

むしろPhysical AIは、PC向けに開発・量産して成熟した技術を、長期間にわたり別の市場へ展開する出口として重要になる可能性がある。

PC向けCPUは製品更新の周期が比較的短い。

一方、産業機械では長期供給、安定性、保守、リアルタイム制御、既存設備との接続が重視される。

したがって、PC向けとしては旧世代になった技術でも、産業用途では十分な価値を持つことがある。

Core Ultraで開発したCPU・GPU・NPUの技術を、産業向けSoCへ展開する。

そして製造原価が低下したノードを利用し、安価で安定したロボット用計算基盤を提供する。

これが成功すれば、PC市場の更新サイクルとは異なる長期的な需要を獲得できる。

ただし、旧世代PC用の完成チップをそのままロボットへ転用できるとは限らない。産業用には温度条件、信頼性、長期供給、I/Oなどに対応した設計が必要になる。

また、この市場ではNVIDIAのJetsonとAMDのKria AIが強い。

IntelにとってPhysical AIは、将来の大きな機会であると同時に、非常に厳しい競争市場でもある。

それでも、PC向け製造技術の寿命を延ばせるという点で、IntelのFoundry戦略と密接に関係する。

第17章　2027年は、製造技術が改善してもキャッシュフローが悪化し得る

ここまでの話を財務へ戻したい。

Intelは2026年の総設備投資を200億ドルと見込んでいる。

さらに2027年には設備投資が大幅に増加する方向だ。

カンファレンスコールでCFOは、2027年についてフリーキャッシュフローがプラスになる年ではないという見方を示した。

Intel 3、18A、14Aの開発・量産投資が重なるためである。

また、2026年8月には約230億ドルの増資も実施している。

ここで注目すべきなのは、Intelの成長に対する評価と、株主にとっての収益性評価が必ずしも一致しないことだ。

Xeonの売上が増え、18Aの歩留まりが改善し、Foundryの営業赤字が縮小しても、設備投資が大きければFCFはマイナスになり得る。

さらに増資によって株式数も増えているため、会社全体の利益成長が一株当たり利益の成長へどの程度転換されるかも重要になる。

したがって2027年のIntelは、単にDCAI売上高が何%伸びたかで評価するべきではない。

設備投資によって得られた製造能力が、実際に何個のCPUやASICの出荷につながり、どれだけの利益とキャッシュを生んだかを追う必要がある。

第18章　これからIntelのFabをどう観測するべきか

ここまでの分析から、Intelの再建を追うために必要な観測指標が見えてくる。

最も重要なのは、製造技術の改善、生産能力の再配分、製造設備の投資回収を分けて観測することだ。

以下の指標を継続して記録していくと、PC事業の縮小とDCAI・Foundryの拡大が、実際にどのようにつながっているかを追跡できる。

観測項目と確認対象

観測項目から読み取れること

ただし、ノード別の正確なウェハー投入量、稼働率、良品ダイ数などは通常、Intelが詳細に公表していない。

そのため、公式数値だけですべての指標を埋めることはできない。

代替指標として、会社が公表する製造原価の改善率、生産量の増減率、製品別の立ち上げ状況、装置メーカーの納入状況、設備投資計画などを組み合わせる必要がある。

Intel 3の追加能力は、実際に何個のXeonへ転換されたか

特に重視したいのが、この点だ。

製造能力が増加したという説明だけでは、どれだけの収益機会が生まれたか分からない。

例えば、月間1,000枚のIntel 3ウェハー能力が追加されたと仮定する。

ウェハー1枚から200個の良品計算チップレットが得られ、完成CPU1個に4個必要で、後工程歩留まりが90%だとする。

この場合、追加生産能力は月約4.5万CPU、年間約54万CPUに相当する。

これは実際のGranite Rapidsのダイ構成や歩留まりを示すものではなく、単純化した感応度モデルである。

また、別ノードのI/Oタイル、基板、後工程、テスト能力が十分に確保されなければ、この数量を完成品として出荷できない。

それでも、この計算には意味がある。

IntelがPC向け製造能力をXeon向けへ転換したとき、単に何枚のウェハーが増えたかを見るのではなく、そこから何個の良品CPUが生まれ、何億ドルの売上と利益につながったかを計算する必要がある。

同じことは18Aにも言える。

PC向け18Aの投入量が減少した場合、その余剰設備がIntel 3へ移ったのか、18Aサーバー製品へ配分されたのか、18A-Pの開発へ利用されたのか、あるいは遊休化したのかを追うべきだ。

こうすることで、Intelの製造資産がどのように再配分されているのかが見えてくる。

第19章　Intelの今後を左右する三つのシナリオ

シナリオA：PCからDCAIへの転換とFoundry再建が成功する

Intel 3の追加能力が2027年後半から本格化し、Xeonの出荷数量が増加する。

18Aの歩留まりと製造原価も改善し、18A-P・14Aの製品立ち上げが進む。

同時にEMIBの外部顧客が増え、14Aにも大口量産顧客が現れる。

この場合、IntelはPCへの依存を段階的に下げながら、サーバーCPUと製造・パッケージングを成長の中心に置ける。

Physical AIは旧世代・成熟ノードの新しい需要先として拡大し、製造設備の利用期間を延ばす役割も担う。

これはIntelが目指すべき方向の一つだろう。

シナリオB：Xeonは伸びるが、Foundryの投資回収が遅れる

DCAIは好調を維持するものの、PC市場の低迷によって18Aの稼働率が伸び悩む。

Purpose-built Siliconの成長が利益率を一部圧迫し、14Aの設備投資も先行する。

その結果、DCAIが大幅に増収しても、Foundryの損失と設備投資が重い状態が続く。

Intelの製品事業は改善しているが、製造事業の自立にはまだ時間がかかるという状態だ。

私は2027年について、このシナリオも十分に警戒する必要があると考える。

シナリオC：CPUシェアを失い、Foundryの外部顧客も不足する

最も厳しいのがこの場合だ。

AMD EPYC、NVIDIA Vera、Arm系CPUが急成長し、IntelのXeon増産が市場の拡大に追いつかない。

PCではRyzenや新しいArm・GPU統合プラットフォームにシェアを奪われる。

さらに14Aの外部大口顧客を十分に獲得できなければ、Intelは先端製造ノードの開発投資そのものを再検討する必要が生じる。

この場合、既存Fabの固定費と減損リスクは大きな問題になる。

現在のDCAI成長が強いからこそ、この好機を使って製造能力と顧客基盤を改善できるかどうかが重要になる。

おわりに——Intelの再建を、Fabという資産の移動から観測する

今回のIntel決算を読み解いて、最も興味深いと感じたのは、PC事業とDCAI事業が単純な代替関係ではないことだ。

PCが売れなくなったからといって、その工場をすべてXeon向けに変更できるわけではない。

しかもPC向け製品は、次世代ノードを成熟させるための重要な量産基盤であり、産業用SoCやPhysical AIへ技術を展開する出発点でもある。

その一方で、現在最も強い需要が存在するのはサーバーCPUだ。

IntelはPC向けの能力を転換してでも、その需要を獲得したいと考えている。

しかし、そこにはAMD、Arm、NVIDIAがいる。

IntelがGPU市場で大きな優位性を取り戻すことは容易ではない。Physical AIでもNVIDIAのJetson・Isaac・Cosmos、AMDのRyzen AI・Kria AIが強い競争相手になる。

それでもIntelには、自社の最先端ロジック製造技術と先端パッケージングが残されている。

そして、これらの技術を経済的に持続可能な事業へ育てられるかが重要になる。

スマートフォンという巨大な量産市場を持たないIntelは、PCで次世代ノードを育ててきた。

だがPC市場が縮小し、AI向け計算需要が急増する現在、その構造は変化を迫られている。

将来は、Xeon用の小型チップレットや外部ASICが、PCと並んで新ノードを育てる量産基盤になるかもしれない。

そして成熟した製造技術は、Physical AIや産業用エッジ機器へ展開することで、より長く利用される可能性がある。

重要なのは、その過程を技術開発の成功だけで評価しないことだ。

製造技術が改善したということと、その技術が十分な利益を生むということは別である。

だからこそ今後は、IntelのFabをノード別ウェハー投入量、稼働率、製造原価、歩留まり、設備投資、遊休資産の減損から観測していきたい。

さらにIntel 3・18Aの追加能力が、実際に何個のXeon出荷につながったのかを見たい。

PC向けの製造資源がどこへ移され、どの程度が次世代ノードへ継承され、どの程度がPhysical AIなどの新しい需要へ展開されるのか。

それらを追えば、Intelが単にCPUメーカーとして立ち直っているのか、それとも最先端Foundryを持続可能な事業として再建できているのかが見えてくるはずだ。

Intelの再建とは、PCを捨てることではない。PCで育てた製造技術を、PCだけに依存せず収益化できる企業へ変わることである。

2027年に必要なのはXeonの増産であり、2028年以降に必要なのは14AとEMIBの商業化だ。

そしてその両方を支える製造資産を、どれほど効率的に使い続けられるか。

今回の決算は、その転換が始まっていることを示した。

同時に、まだ成功が保証されていないことも示している。

今後のIntelは、製品別売上高だけでなく、Fabそのものの変化を追うことで、その本当の姿を理解できるのではないかと思う。

資料・分析上の注意： 決算数値は2026年10月29日のIntel公式発表、経営陣発言は同日のカンファレンスコール文字起こしを基礎としている。会社ガイダンス、第三者調査、独自シナリオは区別して扱った。Xeonの具体的な出荷数量、ノード別の実際のウェハー投入量、SpaceXSI・Terafabに関する確定量産契約は、現時点の公開情報では十分に確認できない。この記事は産業構造と経営戦略の分析であり、特定銘柄の売買を推奨するものではない。