Googleはカスタム製AIチップのリリースサイクルをおよそ2年に1度から年2回へと圧縮し、投入ペースを4倍に加速した。表面上はハードウェアのタイミングの話だが、本質は「制御」にある。Googleは自社設計のシリコンと、その上で提供するモデルとの間のループを一段と締め上げているのだ。

これが重要なのは、AIインフラをめぐる争いの構図を塗り替えるからだ。汎用GPUの世界ではNvidiaが依然としてペースメーカーだが、自社アクセラレーターを年2回で刷新するハイパースケーラーが最適化しているのは生の理論演算性能とは異なる指標だ。スケールにおける「トークン当たりコスト」、そして次世代モデルの具体的な形状に合わせたチップの共同設計能力こそが目標となる。アクセラレーター、インターコネクト、モデルアーキテクチャを同一企業が掌握すれば、各シリコン世代をワークロードに合わせてチューニングできる。汎用部品として販売される製品ではなし得ないことだ。これこそが、汎用シリコンを購入する立場の企業よりも速くインファレンス経済性を引き下げられる理由であり、モデルの矢継ぎ早な刷新を支える静かなエンジンでもある。

業界にとっての戦略的リスクは、コンピュートスタックを自前で持つ企業と賃借している企業との間に広がる格差だ。内部サイクルの加速によってGoogleはコストパフォーマンスの改善を、定価に反映させる前に社内で吸収できる。これにより、マネージドAIサービスで価格競争を仕掛けながら利益率を守る余地が生まれる。企業ユーザーにとっては長期的なインファレンスコストの低下という恩恵がある一方、単一プロバイダーのロードマップと価格決定権への依存が一層深まるという構造的問題を抱える。

日本への示唆は、一見以上に切実だ。カスタムアクセラレーターを自前で設計する日本企業やSIerはほとんど存在せず、国内のAIスタックは圧倒的にハイパースケーラーの賃借キャパシティの上に構築されている。つまり国内の購買者は、完全にオフショアで決定されるコスト曲線においてプライステイカーの立場に甘んじるしかない。TPUの世代交代が年2回のペースで進めば、キャパシティ計画の前提が有効な期間は急速に縮小する。保守的な日本のIT部門が締結した複数年にわたる調達契約は、旧世代の経済性に縛られるリスクを帯びる。

SIerはこれをシグナルとして受け取り、プロビジョニングから抽象化へと提供価値をシフトすべきだ。防御可能な仕事は、TPU・GPU・国産代替手段の間でコストパフォーマンスが変化した際にクライアントがワークロードを移行できる、ポータブルなインファレンス層を構築することにある。特定のアクセラレーター世代にソリューションを直結させるべきではない。LLM呼び出しをワークフローに組み込むRPA・自動化ベンダーも同じリスクにさらされている。自社のユニットエコノミクスが、自分たちには見えも影響もできないシリコンのサイクルに乗っかっているのだ。勝ち残るチームは代替可能性を前提にアーキテクチャを設計し、日本のエンタープライズITが慣れ親しんできたよりもはるかに短いサイクルでコンピュート条件を再交渉することになる。