米国のデータセンターの建設支出、9月は年率964億6200万ドルで過去最高 前年同月比90.3%増、工場の建設は2年で33%減
米国勢調査局によると、民間のデータセンターの建設支出は2026年9月に季節調整済みの年率で964億6200万ドルでした。前年同月の507億ドルから90.3%増え、統計がある2014年1月以降で最も高い水準です（伸び率は計算）。
メタ・プラットフォームズMeta Platforms
Facebook、Instagram、WhatsAppを運営する。収益の大半は広告。AIモデルの開発とデータセンターに大きく投資している。
株価の表示はTradingViewによる（遅延あり）
株価を見る：TradingView
決算の推移
| 期間 | 売上 | 前年比 | 営業利益 | 前年比 | 出典 |
|---|---|---|---|---|---|
| 2026年7〜9月期 | 646億ドル | +26.1% | 130億ドル | -36.8% | 資料 |
| 2026年4〜6月期 | 608億ドル | +28.0% | 188億ドル | -8.2% | 資料 |
| 2026年1〜3月期 | 563億ドル | +33.1% | 229億ドル | +30.3% | 資料 |
| 2025年10〜12月期 | 599億ドル | +23.8% | 247億ドル | +5.9% | 資料 |
会社の概要
| コード | META |
|---|---|
| 上場 | NASDAQ |
| 本社 | 米カリフォルニア州メンローパーク |
| 分野 | AI・クラウド |
| 決算期末 | 12月 |
| 配当（会社予想） | 1株 $0.525/四半期（2026年7〜9月期の宣言額） |
| 発行済株式数 | 25億5,624万1,253株（クラスA 22億1,447万2,367株、B 3億4,176万8,886株。2026年10月16日時点、10-Qの表紙） |
| 主な製品 | SNS（Facebook・Instagram・WhatsApp）・広告・AI |
この企業の記事
注目のAIモデル、2025年は米国59・中国35 企業が91%を占め、公開の数は全地域で減る
スタンフォード大学のAI Index 2026によると、2025年に出た注目のAIモデルは、米国が59、中国が35、韓国が8でした。モデルの公開の数は、主な地域のすべてで前年より減りました。
生成AIの利用者、グーグルのGeminiアプリが10億人に 日本の個人の利用経験は1年で26.7%から58.8%へ
アルファベットは2026年10月28日、対話型AIの「Geminiアプリ」の利用者が10億人に達したと発表しました。総務省の調査では、日本の個人で生成AIを使ったことがある人の割合は58.8%で、1年前の26.7%から倍以上になりました。
排熱の再利用とは メタのデンマークの拠点は年16万5000メガワット時を約9000世帯の暖房へ
排熱の再利用は、データセンターの熱を暖房などに使うことです。メタはデンマークのオーデンセの拠点で、年16万5000メガワット時の熱を地域の熱の配管網に送り、最大約9000世帯に届けています。
学習データの不足とは 公開の文章は約300兆トークン、2026〜2032年に使い切るとの推計
学習データの不足は、AIの学習に使える人の文章が足りなくなる問題です。米エポックAIは、公開の文章の量を約300兆トークンと見積もり、2026〜2032年のどこかで使い切ると推計しました。
長い文脈とは グーグルとアンソロピックは100万トークンに 20万を超えると料金は2倍
長い文脈は、AIが一度に読み込める文章の量のことです。アンソロピックは2025年8月、Claude Sonnet 4を100万トークンに広げ、20万トークンを超える入力の料金を2倍にしました。
MFUとは GPT-3は21.3%、PaLMは46.2%、Llama 3は38〜43%
MFUは、チップの最大の計算能力のうち、モデルの計算に使えた割合です。グーグルのPaLMは46.2%、メタのLlama 3は38〜43%でした。
GPUの稼働率とは メタは1万6千基の学習で54日に419回の想定外の停止
GPUの稼働率は、GPUが仕事をしている時間や能力の割合を指します。メタはLlama 3の学習で、54日間に466回の中断があり、そのうち419回が想定外だったと公表しました。
チェックポイントとは 故障に備えた学習の途中保存、Llama 3は1日平均7.8回止まった
チェックポイントは、AIの学習の途中の状態を保存し、止まった時にそこから再開するための仕組みです。メタはLlama 3 405Bの学習で、54日間に419回の想定外の中断があったと報告しています。
パイプライン並列とは 層の並びをGPUに割り振る流れ作業、Llama 3は16段に分割
パイプライン並列は、モデルの層を前後の区間に分けてGPUに割り振り、工場の流れ作業のように学習させる方法です。メタはLlama 3 405Bの学習で、モデルを16の区間に分けました。
モデル並列とは 重みの行列を割ってGPUで分担、Megatronは83億の重みを512基で
モデル並列は、1つのAIのモデルを複数のGPUに切り分けて置き、協力して計算する方法です。エヌビディアの研究者は2019年、83億個の重みのモデルを512基のGPUで学習し、1基の場合に比べ76%の効率を保ったと報告しました。
データ並列とは GPUごとに別のデータで学習し結果を平均、メタはLlama 3で128組に
データ並列は、学習のデータを多数のGPUに分け、それぞれが同じモデルの写しで計算して結果を平均する方法です。マイクロソフトの研究者は、写しの重複を削るZeROで、1,000億個を超える重みのモデルを400基のGPUで学習できたと報告しました。
分散学習とは 1つのモデルを数万基のGPUに分ける、メタのLlama 3は4種類の分け方を併用
分散学習は、1つのAIのモデルの学習を多数のGPUに分けて同時に進める方法です。メタはLlama 3 405Bを最大1万6千基のH100で学習し、4種類の分け方を組み合わせ、GPUの計算能力の38〜43%を引き出しました。
ストレージサーバーとは SSDやHDDを大量に積む記憶専用の機械、メタは7,500台で240PB
ストレージサーバーは、SSDやHDDを多数積み、ネットワーク越しにデータを読み書きさせる記憶専用のサーバーです。メタはLlama 3の学習に、SSDを積んだ7,500台のサーバーで240ペタバイトの記憶の基盤を用意しました。
メモリ容量の壁とは 4,050億の重みは16ビットで810GB、H100の10倍超
メモリ容量の壁は、AIのモデルの大きさに半導体のメモリの量が追いつかない問題です。メタのLlama 3.1 405Bは16ビットで約810GBとなり、H100の80GBの10倍を超えます（計算）。
推論サーバーとは 問い合わせをまとめてGPUに流すソフト、処理量2〜4倍の例
推論サーバーは、AIへの大量の問い合わせを受け付け、GPUで効率よく処理して答えを返すソフトです。公開の推論ソフトvLLMの論文は、従来のソフトに比べ処理量を2〜4倍に増やせたと報告しています。
PyTorchとは AIの学習と推論を書く道具、最新2.15版は583人が開発に参加
PyTorch（パイトーチ）は、AIのモデルをPythonで組み立て、GPUなどで学習・推論させるための公開のソフトです。2026年10月28日に出た2.15版には、583人から3,117件の変更が入りました。
AI向けコンパイラとは モデルを各社の半導体向けに組み直すソフト
AI向けのコンパイラは、AIのモデルの計算をまとめて読み取り、半導体ごとの速い命令に組み直すソフトです。PyTorchの開発陣によると、新しい言語Helionの自動設定は、vLLMの手書きのCUDAの部品より1.27倍速く動きました。
ROCmとは AMDのGPUを動かすソフトの一式、10月に10.1版
ROCm（ロックエム）は、AMDのGPUで汎用の計算をするための開発基盤で、中身を公開して配っています。2026年10月5日付の10.1.0版は、PyTorch 2.14やvLLM 0.29などに対応しました。
ファームウェアとは 半導体の部品に組み込む土台のソフト、GPUやSSDやNICの中で動く
ファームウェアは、半導体の部品の中に書き込まれ、その部品を動かすための基本のソフトです。メタは、ファームウェアの更新などの計画した作業で、Llama 3の学習が54日間に47回止まったと報告しています。
DFT（テスト容易化設計）とは 回路に検査用の通り道を作る、数十億トランジスタの良品判定
DFT（テスト容易化設計）は、半導体を作った後の検査を速く確実にするため、検査用の回路を設計の段階で組み込む手法です。テスターの最大手アドバンテストは、2026年のロジック向けテスターの市場を115億ドル近辺と見ています。
メタ、年間の費用予想を100億ドル引き上げ 設備投資は9か月で858億ドル、予想の6割
メタの2026年1〜9月の費用は1,270億7,700万ドルで、10月に上げた年間予想の中間値1,770億ドルの71.8%にあたります（計算）。設備投資は1〜9月で858億2,400万ドルで、予想の中間値1,400億ドルの61.3%です（計算）。
生成AIの歴史 2017年にTransformer、2020年にGPT-3の1750億パラメータ
生成AIの土台は、2017年6月12日に論文が投稿された「Transformer」です。翻訳の試験では、8基のGPUで3.5日学ばせて、英語からフランス語への翻訳で当時の単一モデルの最高点を出しました。
ディープラーニングとGPU 2012年のAlexNetはGTX 580を2基、学習に5〜6日
2012年のAlexNetは、ゲーム用のGPU2基で5〜6日かけて学習し、画像認識のコンテストで2位に大差をつけました。12年後のメタのLlama 3.1 405Bは、学習に3084万GPU時間を使い、AlexNetの約11万〜13万倍にあたります（計算）。
米IT大手の設備投資、2019年から6年で5倍超 2026年1〜9月は3社で3,907億ドル
アマゾン、アルファベット、メタの3社の設備投資の支出は、2025年に合計2,929億5,700万ドルでした。2019年の5.3倍です（計算）。2026年は1〜9月だけで3,906億7,800万ドルとなり、すでに2025年の通年を3割強上回っています（計算）。
データセンターの電力の統計 アイルランドは2025年に7,663GWhで国の電力の23%
アイルランドのデータセンターは、2025年に国内で計量された電力の23%を使いました。消費量は7,663ギガワット時で、2015年の約6.2倍です（計算）。データセンターの電力を国の公式統計で毎年出している国は多くありません。
AI投資が減価償却に回り始めた メタの7〜9月の償却費は71億ドルで44%増、サーバーの耐用年数はメタ5.5年・アマゾン5年
メタの2026年7〜9月期の減価償却費は71億5,000万ドルで、前年同期の49億6,000万ドルから44%増えました（計算）。サーバーの耐用年数の見積もりは、メタが5.5年に延ばした一方、アマゾンは一部を6年から5年に縮め、会社ごとに判断が分かれています。
AIモデルの性能比較をどう読むか 対戦型の順位で上位4社は25点差、よく使う試験の問題の最大42%に不備
スタンフォード大学の「AI Index 2026」によると、2026年3月の対戦型の順位で、上位4社のモデルの差は25点以内に収まりました。一方で、広く使われる試験では問題の2〜42%に不備が見つかり、数字の差をそのまま性能の差と読むのは危うくなっています。
重みを配るAIの広がり アリババのQwenは30億ダウンロード、エヌビディアのNemotronは1年で5000万回
アリババグループは2026年8月、大規模言語モデル「Qwen」のダウンロードが世界で30億回を超えたと発表しました。エヌビディアの「Nemotron 3」も公開から1年で5,000万回ダウンロードされ、重みを配るモデルを作る側にGPUの会社も加わっています。
米国のAI規制、連邦は州法を抑える方向 大統領令14365から司法省の新しい作業班まで
米国の連邦政府は2025年12月11日の大統領令14365で、州のAIの法律に法廷で対抗する方針を打ち出しました。司法省が2026年1月9日に置いた専任の作業班は、10月13日に新しい「司法省スーパーインテリジェンス作業班」に統合されました。
EUのAI法、高リスクAIの規制を2027年12月2日に先送り 改正規則2026/1744が7月24日に公布
欧州連合（EU）はAI法の一部を改める規則を2026年7月24日に公布し、高リスクAIへの規制の開始を2027年12月2日に延ばしました。違反の罰金は最大3,500万ユーロか世界の売上高の7%で、変わっていません。
ロボットの頭脳の半導体、エヌビディアJetson Thorは前世代の7.5倍 開発キットは3,499ドル
エヌビディアは2025年8月25日、ロボットに載せるAIの半導体「Jetson AGX Thor」の販売を始めました。消費電力130ワットの中で、4ビットの計算を毎秒2,070テラフロップスこなし、前の世代のJetson Orinに比べてAIの計算は最大7.5倍です。
米国のAIデータセンター、電力を取れる地方へ グーグルはテキサス州に2027年までに400億ドル
米IT大手の大型のAIデータセンターは、電力を確保しやすい州の郡部に建てられています。グーグルは2025年11月14日、テキサス州の2つの郡に新しい拠点を建て、2027年までに同州へ400億ドルを投じると発表しました。
IT大手と原子力の電力契約、メタは1,121MWを20年 マイクロソフトは停止した原発の再稼働分を買い取り
米IT大手が、原子力発電所の電気を20年単位で買う契約を相次いで結んでいます。メタは2025年6月、イリノイ州のクリントン原発から1,121メガワットを2027年6月から20年間買う契約を結びました。
データセンターの電力契約、使用量の85%を12年払う料金も オハイオ州が承認
米オハイオ州の規制当局は2025年7月9日、大きなデータセンターに、契約した電力の85%分の料金を、使わなくても最長12年払わせる仕組みを認めました。電力会社が送電網に投資した後で計画が消え、費用が他の利用者に回るのを防ぐためです。
米国のデータセンター建設額、9月は年率965億ドルで90%増 オフィスの建設額の3分の2に
米国勢調査局によると、米国の民間のデータセンターの建設額は2026年9月に季節調整済みの年率で964億6,200万ドルでした。前年同月の507億ドルから90.3%増え（計算）、オフィス全体の建設額の66%を占めます（計算）。
メタの自社AI半導体MTIA、300から500で計算25倍・メモリ帯域4.5倍 約6か月ごとに新型
メタは2026年3月11日、自社設計のAI半導体「MTIA」を2年で4世代出す計画を公表しました。MTIA 300から500までで、計算の量は25倍、メモリの帯域は4.5倍に増えるとしています。
AMDのAI向けGPU「Instinct」、MI300Xの192GBからMI450へ 7〜9月期にHelios出荷
AMDのAI向けGPU「Instinct」は、2023年12月のMI300Xから、2026年のMI450まで3つの世代を重ねました。7〜9月期のデータセンター部門の売上は85億ドルで、前年同期の約2倍になりました。
ハイパースケーラーとは グーグルのクラウド売上は7〜9月期に2倍、AWSは39%増
ハイパースケーラーは、巨大なデータセンターを自前で持ち、計算の能力を貸し出すクラウドの大手です。2026年7〜9月期のクラウドの売上は、グーグルが307億ドルで前年同期比103%増、アマゾンのAWSが460億ドルで39%増でした。
スケールアップとスケールアウトとは NVLinkは72基、UALinkは最大1,024基、イーサネットは12万基超
AIの計算機の広げ方には、GPUの組を大きくするスケールアップと、組の数を増やすスケールアウトがあります。エヌビディアのNVLinkは72基を1組にまとめ、業界団体のUALinkは最大1,024基をつなぐ仕様を決めました。
オープンウエイトモデルとは gpt-ossは1170億パラメータを80GBのGPU1基で動かす
オープンウエイトモデルは、学習済みの重みのファイルを公開したAIのモデルです。OpenAIのgpt-oss-120bは総パラメータ1170億で、80GBのGPU1基に収まるとしています。
蒸留とは DistilBERTは4割小さく6割速く、元の97%の力を保った
蒸留は、大きなモデルの答えを手本にして、小さなモデルを学習させる手法です。2019年に公開されたDistilBERTは、元のBERTより40%小さく60%速いまま、言語を理解する力の97%を保ったと報告されました。
ファインチューニングとは LoRAは学習させる数値を1万分の1、GPUメモリを3分の1に
ファインチューニングは、学習済みのモデルを、目的に合わせた少ないデータで追加の学習をすることです。2021年に公開されたLoRAの論文は、GPT-3の調整で学習させる数値を1万分の1、GPUのメモリを3分の1にできると報告しました。
大規模言語モデル（LLM）とは 2017年のTransformerから、利用者10億人のGeminiまで
大規模言語モデル（LLM）は、文章の続きを予測する学習を大量の文章で行い、質問への答えや文章の作成ができるようにしたAIモデルです。アルファベットは10月28日、Geminiのアプリの利用者が10億人に達したと明らかにしました。
スケーリング則とは 2020年の論文は7けた超の範囲でべき乗の関係を確かめた
スケーリング則は、モデルとデータと計算を増やすほど、言語モデルの誤りが決まった形で減るという経験則です。2020年1月の論文は、この関係が7けたを超える範囲で成り立つと報告しました。
パラメータ数とは 4050億パラメータのモデルは16ビットで約810GBのメモリが要る
パラメータ数は、AIモデルの中の調整できる数値の個数です。メタのLlama 3.1 405Bは4050億個あり、1個を16ビット（2バイト）で持つと、数値だけで約810GBのメモリを使います（計算）。
学習（トレーニング）とは メタのLlama 3.1 405Bは15兆トークンをGPU3084万時間で学んだ
AIの学習は、データを読ませて答えのずれを測り、ずれが小さくなる方向にモデルの数値を直す計算を繰り返すことです。メタは2024年7月、4050億パラメータのLlama 3.1の学習にH100を延べ3084万GPU時間使ったと公表しました。
RISC-Vとは 誰でも無料で使えるCPUの命令の体系、AIの加速器や車にも広がる
RISC-Vは、使用料を払わずに誰でもCPUの設計に使える、公開の命令の体系です。台湾のアンデス・テクノロジーは2026年6月、自社のRISC-VのCPUの設計図を使った顧客のチップの累計の出荷が200億個を超えたと発表しました。
カスタムASICとは 大手IT企業が設計を主導し、半導体会社が仕上げる自社専用のAIチップ
カスタムASICは、大手IT企業が自社のAIの計算に合わせて作らせる専用の半導体です。請け負う米ブロードコムのAI向け半導体の2026年5〜7月期の売上は167億ドルで、前年同期比221%増えました。
UCIeとは 別々の会社のチップレットを1つのパッケージでつなぐための共通規格
UCIeは、パッケージの中でチップレットどうしをつなぐ業界共通の規格です。策定団体は2026年11月12日に4.0版を公表し、メモリとの接続で1ミリメートルあたり毎秒約2.5テラバイトの帯域密度を示しました。
アリスタ・ネットワークス、7〜9月期の売上36億5760万ドルで58.5%増 営業利益率44.9%
データセンター向けのネットワーク機器を手がける米アリスタ・ネットワークスの2026年7〜9月期の売上は36億5760万ドルで、前年同期比58.5%増えました。ジェイシュリー・ウラルCEOは、2014年の上場以来で最も高い前年比の伸びだと述べています。
ウィウィン、7〜9月期の売上4346億台湾ドルで63%増 純利益は52%増
台湾のサーバー受託生産会社ウィウィン（緯穎科技）の2026年7〜9月期の売上は4346億1800万台湾ドルで、前年同期比62.9%増えました。純利益は233億6400万台湾ドルで51.6%増と、どちらも四半期として過去最高でした。
アリスタ 7〜9月期の売上36億5,760万ドルで58.5%増、上場以来最大の伸び
米アリスタ・ネットワークスは、クラウド大手のデータセンター向けにネットワークのスイッチを売る会社です。2026年7〜9月期の売上は36億5,760万ドルで、前年同期比58.5%増えました。
米IT大手4社、7〜9月期の設備投資2,087億ドル 2026年見通しの合計は7,200億ドル超
米IT大手4社の2026年7〜9月期の設備投資は、各社の開示を足すと約2,087億ドルでした（計算）。4社が示した2026年の設備投資の見通しの合計は、7,200億〜7,400億ドルになります（計算）。
データセンターと電力 米国では2028年に電力の最大12%との推計
米エネルギー省の推計では、米国のデータセンターの電力使用は2023年に全体の約4.4%でした。2028年には約6.7〜12%に増えると見込まれています。
GPU・TPU・ASICの違い 汎用か専用か、AI半導体の選び方
AIの計算を担う半導体は、汎用のGPUと、用途を絞った専用品（TPUを含むASIC）に分かれます。専用品の設計を請け負う台湾の世芯（Alchip）の10月の売上は、前年同月比515.8%増えました。
今月の数字 米IT大手4社の設備投資、7〜9月期は計2,087億ドル
米国のIT大手4社の2026年7〜9月期の設備投資は、合計で約2,087億ドルでした（計算）。アマゾンは773億ドル、アルファベットは514億ドルで、ともに前年同期の2倍を超えています。
AIチップの自社開発、4社が量産段階に マイクロソフトはMaia 300を2027年に
米クラウド大手4社が、AI向けの演算チップの自社開発を量産段階に進めています。マイクロソフトは10月、「Maia 300」を2027年から数ギガワット規模で導入し、自社の推論の主力にすると発表しました。
ネビウス 7〜9月期売上9.8億ドル、2026年の設備投資は約270億ドルに拡大
AI向けクラウドのネビウス・グループの2026年7〜9月期の売上は9億8,080万ドルで、前年同期の6.7倍になりました（倍率は計算）。2027年の売上は120億〜130億ドルを見込みます。
ブロードコム カスタムAIチップとネットワークで売上の56%
米ブロードコムは、半導体とインフラ・ソフトウエアを手がける会社です。2026年5〜7月期は、AI向け半導体の売上が167億ドルで、全社売上の56%を占めました（比率は計算）。
ブロードコム、5〜7月期売上296億ドル AI半導体167億ドルで3倍強に
米ブロードコムの5〜7月期の売上は295億9,100万ドルで、前年同期より86%増えました。AI向け半導体の売上は167億ドルで、前年同期比221%増、前期比54%増でした。