ASIC

ASICとは「Application-Specific Integrated Circuit（特定用途向け集積回路）」の略称であり、特定の処理や機能に特化して設計・製造された集積回路を指す。汎用のCPUやGPUが多様な処理を幅広くこなすのに対し、ASICは対象用途を絞り込むことで電力効率・処理速度・コストの最適化を実現する。近年はAI推論・学習向けに特化した「AI ASIC」や「カスタムASIC」の開発・採用が大手テクノロジー企業の間で急速に広まっている。

技術的位置づけ

ASICは設計の自由度が高い反面、開発コストと期間が大きくなるため、大量生産・特定用途への展開が前提となる。AI処理向けのASICは、HBM（High Bandwidth Memory）などの高帯域メモリと組み合わせて使われるケースが多く、データセンター規模での展開においてTCO（総所有コスト）の削減に寄与する。汎用GPUに比べて特定のワークロードに最適化できるため、推論処理など定常的な負荷が大きい用途では特に費用対効果が高い。また、CXL（Compute Express Link）などの新規格を活用した独自ASICの開発も進んでおり、メモリ階層の再構成やサーバーリソースの効率化にも応用されている。

主要な動向

2026年6月、MetaはBroadcomとの協業を2029年まで拡大し、自社設計のカスタムAIチップ「MTIA（Meta Training and Inference Accelerator）」を数ギガワット規模で展開する計画を明らかにした。最大1,350億ドルのAIインフラ投資の一環であり、汎用GPUの限界とTCO最適化の観点から用途特化型ASICの開発が技術的な選択として位置づけられている。

同じく2026年6月には、MetaがCXL規格を活用した独自ASIC「Vistara」を実運用に投入したことが報じられた。VistaraはDDR4メモリを低速な階層として再利用するための設計であり、AI推論などの処理においてサーバー必要数を最大25%削減する効果が確認されている。退役サーバーの部品を最新世代インフラで活用するという運用上の工夫も注目される。

2026年6月には、Appleが独自のAIサーバー向けASIC「Baltra」の開発を進めていることも明らかになった。NVIDIAのGPUサーバーへの依存および年間約10億ドル規模とされるGoogle向けの支出を削減することを目的としており、消費者向けに続いてクラウドAI基盤においても内製シリコンへの移行を進める戦略が示されている。

2026年7月には、AnthropicがSamsung電子と独自AIチップの製造に向けた協議を開始したと報じられた。設計や性能の詳細は未定とされているが、NVIDIAなど既存サプライヤーとの関係を維持しながら計算基盤の多様化とコスト効率の向上を目指す動きとして位置づけられる。

これらの動向は、大手テクノロジー企業が汎用GPUへの依存を段階的に低減し、自社ワークロードに最適化したASICを内製または受託設計によって調達する潮流が強まっていることを示している。Samsung電子によるHBM4Eのサンプル出荷前倒しなど、ASICと組み合わされるメモリ技術の競争も同時に加速しており、AIインフラ全体の設計思想が変化しつつある。