NVIDIAに追いつけるか？｜チップとインフラの未来

SemiAnalysisの共同創業者Dylan Patelが、a16zのErin Price-Wright、Guido Appenzeller、Erik Torenbergと共に、AIハードウェアを巡る経済学の最前線を徹底討論した。NVIDIAの圧倒的な競争優位性の源泉、GoogleやAmazon、Metaによるカスタムシリコンの台頭、フロンティアAIモデルの経済性、そしてデータセンターと電力インフラが業界の次なるフェーズをどう形作るかが、具体的な数字とともに語られる。単なるGPUの性能比較を超え、サプライチェーン、ソフトウェアエコシステム、地政学的な輸出規制、そして起業家が注目すべき投資機会まで、AIインフラ全体を俯瞰する内容となっている。

本エピソードの核心は、AIの価値創造と価値獲得の間に存在する深刻なミスマッチにある。Dylan Patelは、OpenAIやAnthropicといったモデル企業が生み出している経済的価値は莫大であるにもかかわらず、その価値の10%も自社で獲得できていないと指摘する。その理由は、モデル自体がコモディティ化しつつあること、そして推論コストの低下が激しいことにある。しかし同時に、彼はNVIDIAの牙城を崩すことがいかに困難か、そのメカニズムを詳細に解説する。NVIDIAに対抗するには、単に同じことをするのではなく、ハードウェア効率で5倍のアドバンテージが必要であり、なおかつそのアドバンテージがモデルアーキテクチャの進化によって瞬時に無効化されるリスクを抱える。この議論は、AI半導体スタートアップが直面する「キャッチ22」の状況を鮮明に描き出し、業界の構造的な課題を浮き彫りにしている。

0:00NVIDIAの圧倒的優位性と競合のジレンマ

NVIDIAの競争力は、単なるGPUの性能だけに起因するものではない。Dylan Patelは、NVIDIAが持つ「サプライチェーン全体の最適化」こそが最大の参入障壁だと指摘する。NVIDIAは、TSMCやSKハイニックスとの交渉力、HBM（高帯域幅メモリ）の調達、プロセスノードの優位性、ネットワーク機器、さらには銅ケーブルに至るまで、あらゆる部品においてコスト効率で他社を凌駕している。これにより、競合が同じアーキテクチャで追従しても、NVIDIAの方が常に低コストで高性能な製品を市場に投入できる構造が出来上がっている。

この状況下で、新興のAIアクセラレータ企業が生き残るためには、既存のNVIDIA製品に対して「5倍のハードウェア効率」を達成する必要があるとPatelは断言する。しかし、ここに根本的なジレンマが存在する。チップの設計サイクルは通常3〜5年かかるのに対し、AIモデルのアーキテクチャは急速に進化する。例えば、CerebrasやGroqといった企業は、設計当時に主流だったモデル（大規模な密行列演算）に特化したチップを開発したが、その後、DeepSeekやAlibabaなどが採用する「小規模な行列積を多数実行する」アーキテクチャへと主流が移行し、その優位性は大きく損なわれた。つまり、特定のモデルに最適化すればするほど、モデル進化の波に乗り遅れるリスクが高まるという「キャッチ22」に陥るのである。

さらに、NVIDIAのソフトウェアエコシステム「CUDA」の影響力は絶大である。AMDでさえ、ハードウェアの仕様ではNVIDIAに肉薄しながらも、ソフトウェアスタックの完成度の差によって市場シェアを大きく奪えていない。Patelは、AMDが2ナノメートルプロセスや高密度HBMといったサプライチェーン面でNVIDIAに先行したにもかかわらず、依然として苦戦している事実を挙げ、ハードウェアの優位性だけでは不十分であることを強調する。結局のところ、NVIDIAに対抗するには、ハードウェア、ソフトウェア、サプライチェーンの全てにおいて、飛躍的なイノベーションが必要であり、それは極めて困難な挑戦なのである。

12:34GPT-5とAIモデルの経済学：コモディティ化と価値獲得の課題

Dylan Patelは、OpenAIのGPT-5について、そのリリースが「経済的なリリース」であると評する。従来のモデルリリースが性能向上（MLUスコアなど）を競っていたのに対し、GPT-5はコスト削減と効率化を前面に打ち出した点が画期的だと指摘する。具体的には、GPT-5は従来のO3モデルと比較して、思考時間を平均30秒から5〜10秒に短縮し、ユーザーあたりの消費コンピュート量を削減している。さらに、クエリの内容に応じて最適なモデル（小型のminiモデル、標準モデル、思考モデル）に振り分ける「ルーター」機能を導入し、システム全体のコスト効率を劇的に向上させた。

このルーター機能は、OpenAIのビジネスモデルにとって極めて重要な意味を持つ。Patelは、OpenAIの収益の大部分が消費者向けサブスクリプションであることに着目する。しかし、無料ユーザーを広告で収益化することは、AIアシスタントの性質上困難である。そこで、ルーターを活用することで、無料ユーザーからの収益化を図るという戦略が見えてくる。例えば、「空はなぜ青いのか」といった低価値なクエリには安価なモデルを割り当て、「近くの優秀な弁護士を探して」といった購買意欲の高いクエリには、エージェントとして機能する高性能モデルを割り当て、購入の仲介手数料（テイクレート）を得るというモデルである。これは、EtsyやShopifyのようなプラットフォームビジネスとAIを融合させた、新たな収益モデルの可能性を示唆している。

しかし、この議論の背後には、AI業界全体が抱える「価値創造と価値獲得のミスマッチ」という深刻な問題が横たわる。Patelは、OpenAIやAnthropicが生み出した経済的価値は、彼らが実際に獲得できている収益をはるかに上回っていると主張する。例えば、AIによるソフトウェア開発の生産性向上は、全世界で約3兆ドルのGDP価値を生み出す可能性がある。にもかかわらず、モデルプロバイダーは推論において50%以下の粗利でサービスを提供せざるを得ず、その価値の大部分を獲得できていない。この「価値獲得の課題」は、モデル企業の収益性を圧迫し、ひいてはGPUへの投資意欲を減退させる可能性がある。Patelは、この課題を解決する鍵として、広告やエージェントによる取引手数料といった新たな収益源の開拓が不可欠だと論じる。

20:00カスタムシリコンの台頭：Google TPU、Amazon Trainium、そしてMetaの戦略

NVIDIAの支配に対抗する最も現実的な勢力は、ハイパースケーラー（Google、Amazon、Meta）によるカスタムシリコンである。Patelは、特にGoogleのTPU（Tensor Processing Unit）とAmazonのTrainiumに注目する。これらのチップは、自社のワークロードに特化して設計されているため、NVIDIAの汎用GPUと比較して、特定のタスクにおいて優れた性能とコスト効率を発揮する。実際、GoogleはTPUを100%稼働させており、AmazonもTrainiumの採用を拡大している。Metaも独自のチップ開発を進めており、これらのハイパースケーラーは、NVIDIAへの依存度を下げるべく、カスタムシリコンの生産を大幅に増強している。

ここで興味深い議論が展開される。もしGoogleがTPUを自社のクラウドサービスでのレンタルに限定せず、物理的なチップとして外部に販売したらどうなるか。Patelは、NVIDIAの時価総額がGoogleを上回る現在、GoogleがTPUを外部販売すれば、その価値はさらに高まる可能性があると指摘する。しかし、その実現には、Google Cloud、TPUチーム、ソフトウェアスタック（XLAなど）の組織文化を根本的に変革する必要があり、容易ではない。この「組織の硬直性」が、ハイパースケーラーがカスタムシリコンでNVIDIAに挑む際の、技術面以外の大きな障壁となっている。

カスタムシリコンの成功は、AI市場の「集中度」にも依存する。Patelは、もしAIの利用がごく一部の巨大企業に集中するなら、カスタムシリコンの優位性は増すと予測する。なぜなら、ハイパースケーラーは自社のワークロードに最適化されたチップを大量に生産し、スケールメリットを享受できるからだ。一方、中国のオープンソースモデルやNVIDIAのソフトウェアライブラリの普及により、AIのデプロイが広く分散する未来においては、汎用性の高いNVIDIAのGPUが引き続き優位に立つ可能性が高い。つまり、NVIDIAの未来は、AI市場が「集中」するか「分散」するかという、業界全体の構造変化に大きく左右されるのである。

33:00データセンターと電力インフラ：アメリカのボトルネックと中国の戦略

AIの需要が爆発的に拡大する中で、新たなボトルネックとして浮上しているのが、データセンターと電力インフラである。Patelは、アメリカではGPUの購入資金は確保されていても、それらを稼働させるためのデータセンターが不足している現状を指摘する。Google、Microsoft、Metaといったハイパースケーラーは、すでに購入済みのGPUを、データセンターの準備が整うまで待機させざるを得ない状況にある。この問題の背景には、電力網の増強、変電所の建設、そして電気工事士の不足といった、物理的なインフラ整備の遅れがある。

このインフラ問題を解決するために、企業は従来の常識を破る行動に出始めている。例えば、CoreWeaveは暗号通貨マイニング用のデータセンターを買収し、AI用に転用している。Googleも暗号通貨マイニング企業の株式を取得し、その電力とデータセンターを確保しようとしている。さらに、Elon Muskが率いるxAIは、データセンターの冷却に高価なモバイルチラーを導入し、建設期間を3ヶ月短縮した。GPUが遊休状態でいることの機会損失を考えれば、インフラコストの増加は正当化されるという判断である。この「時間対コスト」のトレードオフは、AIインフラ投資の新たな常識を示している。

対照的に、中国は電力インフラに関してはるかに柔軟な対応が可能である。Patelは、中国には豊富な電力供給力があり、たとえNVIDIAのH20のような性能の低いチップであっても、大量に導入してスケールでカバーできると指摘する。しかし、中国のAI企業は、より高性能なBlackwellチップを求めて、Google CloudやOracleを通じて間接的にアメリカのチップを調達している。つまり、中国のAI発展は「電力」ではなく「資本」によって制約されているというのがPatelの分析である。アメリカの輸出規制は、中国のAI能力を完全に封じ込めるには至っておらず、むしろ間接的な調達ルートを複雑化させているに過ぎない。

46:00Intelの苦境と半導体製造の地政学

Intelの現状について、Patelは極めて厳しい評価を下す。Intelの最大の問題は、チップの設計から出荷までに5〜6年もの時間がかかることであり、これは業界標準の2〜3年と比較して致命的な遅れである。さらに、IntelのAI向けチップは競争力がなく、CPU事業は依然として収益を上げているものの、成長が見込めない。Patelは、Intelが生き残るためには、設計部門と製造部門（ファブ）の両方で大規模な人員削減と組織改革が必要だと主張する。しかし、CEOのLip-Bu Tanが会社を分割するための時間を費やせば、その間にIntelは資金不足で倒産するリスクがあるという、深刻なジレンマを抱えている。

Intelの重要性は、半導体製造の地政学的な文脈で浮かび上がる。TSMCは最先端の半導体製造において事実上の独占状態にあり、Patelは「TSMCがもっと価格を引き上げてもおかしくない」と指摘する。しかし、TSMCは台湾企業としての性格から、アメリカの資本主義的な価格戦略を取っていない。もし台湾有事が発生すれば、Intelが世界で最も先進的な半導体技術を持つ唯一の企業となる可能性がある。この「保険」としての価値が、Intelの存続を国家的に重要な課題としている。

この状況を打開する一つのシナリオとして、PatelはハイパースケーラーによるIntelへの共同投資を提案する。Google、Amazon、Microsoftといった企業が、それぞれ50億ドル規模の資金をIntelに投入すれば、Intelは息を吹き返し、TSMCに対抗する競争力を取り戻せるかもしれない。これは、半導体サプライチェーンのリスクを分散したいハイパースケーラーと、資金を必要とするIntelの利害が一致する、現実味のあるシナリオである。しかし、Intelの組織改革が成功するかどうかは、依然として不透明である。

54:00業界リーダーへの直言：Jensen Huang、Sam Altman、そして各社への提言

エピソードの後半では、各テクノロジーリーダーへの「直言」が飛び出す。まず、NVIDIAのJensen Huangに対して、Patelは「インフラ事業への進出」を勧める。NVIDIAは年間1000億ドルを超えるキャッシュを保有しており、自社のGPUを搭載したデータセンターを自ら建設・運営することで、バリューチェーンを垂直統合すべきだと主張する。これは既存の顧客（ハイパースケーラー）との競合を招くリスクがあるが、彼ら自身がカスタムシリコンを開発している現状を考えれば、NVIDIAが受動的に待つよりも能動的に動くべきだというのがPatelの論理である。

次に、Googleに対しては「TPUの外部販売とソフトウェアのオープン化」を提言する。GoogleはDeepMindのモデル開発では優れた成果を上げているが、TPUのポテンシャルを最大限に活用できていない。TPUを外部に販売し、ソフトウェアスタック（XLA）をさらにオープンソース化することで、エコシステムを拡大し、NVIDIAに対抗する勢力を形成すべきだとPatelは考える。しかし、そのためには組織文化の抜本的な変革が必要であり、容易ではない。

Microsoftに対しては、その「失速」を厳しく批判する。2023年から2024年にかけて積極的に投資を行ったものの、その後は後退し、OpenAIとの関係も不安定化している。GitHub Copilotは競合にシェアを奪われ、自社のAIモデル「MAI」も失敗している。Patelは、Satya Nadella CEOの営業力は評価しつつも、製品開発のスピードと質において深刻な問題を抱えていると指摘する。Appleに対しては、AIによるインターフェースの変化（タッチから会話へ）に対する認識の甘さを警告し、Siriの延長線上では生き残れないと断言する。これらの提言は、各社の戦略の死角を鋭く突いており、業界の現状を理解する上で貴重な視点を提供している。

結びに

本エピソードが最も印象的に描き出すのは、AI業界が「技術の優位性」と「経済の現実」の間で板挟みになっている姿である。NVIDIAは驚異的な技術力とサプライチェーンで君臨するが、その牙城を崩そうとするハイパースケーラーやスタートアップの挑戦は、モデルの進化という不確実性の前で常にリスクを伴う。そして、OpenAIやAnthropicといったモデル企業は、莫大な価値を生み出しながらも、その価値を十分に獲得できずにいる。この「価値創造と価値獲得のミスマッチ」は、AIバブルの持続可能性を問う核心的な問題である。Dylan Patelの分析は、単なる技術トレンドの解説に留まらず、半導体、インフラ、ビジネスモデル、地政学が複雑に絡み合うAIエコシステムの全体像を、リアルな数字と具体例で描き出している。この議論を聞けば、なぜNVIDIAの時価総額が世界一になったのか、そしてその地位がなぜ揺るぎがたいのか、その深層を理解できるだろう。