カスタムシリコンがNvidiaのAIコンピュート支配を切り崩す

GPUがAIコンピュートを支配し続けるかという問いは、突き詰めれば垂直統合をめぐる問いだ。GoogleのTPUシリーズ、AmazonのTrainiumとInferentia、そしてOpenAIによるカスタムシリコンへの参入には、共通する動機がある。アクセラレータの最大の購買者たちが、最大のコスト項目に対してマーチャントマージンを支払い続けることを拒み始めたのだ。ハイパースケールでモデルの学習と推論を行う立場にあれば、自社チップの設計はもはや研究開発の実験ではなく、利益率をめぐる経営判断となる。

戦略的な重心は、純粋な性能から特定ワークロードに最適化されたコスト経済性へとシフトしている。GPUは柔軟性と成熟したソフトウェアの堀において優位に立つ。だからこそ、学習用途や月ごとに形の変わるワークロードでは依然として主役であり続ける。しかし、ボリュームと継続コストが集中するのは推論であり、推論はASICにハードウェアレベルで実装できるほど予測可能だ。今後は二極化が進むと見るべきだろう。フロンティア研究や実験には汎用GPU、安定稼働のサービング——これが収益を支える——には専用シリコンという構図だ。本当の主戦場はトランジスタの数ではなく、コンパイラ、カーネル、そしてカスタムチップを開発者の壁の外でも使えるかどうかを左右するツールチェーンにある。

市場への影響という観点では、スタックの頂点における価格支配力に下押し圧力がかかり、モデルとハードウェアの間のソフトウェア層を制する者が報われる構造となる。さらにサプライチェーン上の論点も浮上する。カスタムシリコンも結局は同じ先端ファウンドリとHBMサプライヤーを経由するため、チップ設計を多様化しても物理的なチョークポイントの分散にはつながらない。

日本にとって、この動きが示す含意は耳の痛いものでありながら、同時に状況を明確にしてくれるものでもある。日本の企業やSIerの大多数は、海外ハイパースケーラーを通じてAIコンピュートを調達している。つまり、コストカーブも技術ロードマップもアクセラレータの供給可否も、すべて海外で決定されているのだ。ハイパースケーラーが顧客を自社製チップへと誘導する中、日本のチームは自ら選んだわけでもないベンダーロックインに直面している。特定ベンダーのシリコン向けに最適化されたワークロードは、移行コストが高い。規制産業向けにAIプラットフォームを構築するSIerは、アクセラレータの可搬性をアーキテクチャ上の要件として今すぐ位置づけ、特定のインスタンスタイプに賭けるのではなく、サービング層を抽象化しておくべきだ。

国内にも活路はある。Rapidusの先端ノードへの野心、SoftBank傘下でのArmのポジション、そして既存の国内アクセラレーター開発の取り組みにより、日本は一サイクル前に比べてこのゲームにおける手札を増やしている。日本の開発チームやRPA中心の現場が近い将来に取れる現実的な打ち手は、コスト規律の徹底だ。推論ワークロードをプロファイリングし、モデルを適切なサイズに絞り込み、プレミアムGPUをデフォルトとするのではなく、コスト効率の高い自社製シリコンの価格帯を交渉で引き出すことだ。日本で勝者となるのは、コンピュートの変動性を管理された可搬性のあるサービスへと転換できるインテグレーターだろう。