2025年11月25日、米国株式市場に走った一つの衝撃は、AI半導体業界における「絶対王者」NVIDIAの支配構造に、微細だが確実な亀裂が入る可能性を示唆していた。The Informationの報道を発端に、Meta（旧Facebook）がGoogleの独自AIチップ「TPU（Tensor Processing Unit）」の採用を検討しているというニュースが駆け巡り、NVIDIAの株価は2.6%下落した。
この出来事は、AI開発の最前線を走るハイパースケーラー同士が手を組み、NVIDIAへの依存度を下げるための「包囲網」を形成し始めたことを意味する歴史的な転換点となり得る動きと言えるだろう。
MetaとGoogleの接近が意味するもの
The Informationの報道によれば、MetaはGoogleのTPUを自社のAIワークロードに導入する計画を進めているとのことだ。具体的には、2026年にもGoogle Cloud上でホストされるTPUのリースを開始し、さらに踏み込んだ計画として、2027年からはMeta自身のデータセンターにTPUを直接導入する可能性があるという。
この取引規模は数十億ドル（数千億円）に達すると見られており、実現すればAIインフラ市場におけるGoogleの存在感が飛躍的に高まることになる。これまでGoogleはTPUを自社のクラウドサービス（Google Cloud）を通じて「レンタル」のみ提供しており、外部企業へのチップ単体の販売やオンプレミス導入を許していなかった。この慣例を破り、競合であるMetaにハードウェアを提供するとなれば、Googleのビジネスモデル自体が大きく転換することを意味する。
株式市場の即時反応と勝者・敗者
この報道を受け、市場は敏感に反応した。
- NVIDIA: 2.6%下落。独占的な地位への懸念が再燃。
- Google (Alphabet): 1.6%上昇。クラウドおよびハードウェア収益の拡大期待。
- Broadcom: 1.9%上昇。GoogleのTPU設計・開発を支援するパートナーとして、恩恵を受けるとの見方。
Google TPU「Ironwood」の技術的脅威
NVIDIAにとって真の脅威となるのは、Googleの最新TPUアーキテクチャの実力である。SiliconANGLEが報じるGoogleの最新チップ「Ironwood」の仕様は、NVIDIAのフラッグシップGPUに対抗しうる強力なポテンシャルを秘めている。
Ironwoodのアーキテクチャ解剖
2025年4月にデビューしたIronwoodは、単なる演算装置ではない。その設計思想は、現代の巨大なAIモデルを効率的に処理することに特化している。
- メモリと構成: 2つのダイで構成され、192ギガバイト（GB）の高速HBM（High Bandwidth Memory）を搭載。6つのカスタムAI処理モジュールをホストする。
- SparseCores（スパースコア）: 4つのSparseCoreを搭載。これは、レコメンデーションシステムなどで使用される巨大な「エンベディング（埋め込み）」処理に最適化されたアクセラレータであり、疎行列演算（データの大部分がゼロである計算）を高速化する。
- TensorCores（テンソルコア）: 2つのTensorCoreが行列演算を高速化し、ディープラーニングの学習・推論の中核を担う。
42.5エクサフロップスの衝撃
特筆すべきは、そのスケーラビリティだ。GoogleはIronwoodを液冷クラスターとして展開しており、1つのクラスターには最大9,216個のチップが収容される。この巨大なクラスター全体で「42.5エクサフロップス（exaflops）」という天文学的な演算性能を提供する。1エクサフロップスは1秒間に100京回の計算能力に相当する。
この規模の演算能力を、単一の統合されたシステムとして提供できる点は、Googleが長年TPU開発で培ってきた強みであり、NVIDIAのGPUクラスターに対する明確な差別化要因となっている。
光回路スイッチ（OCS）という「魔法」
だが、TPUの真の強みはチップ単体よりも、それらを接続するネットワーク技術にある。NVIDIAやAMDのクラスターがパケットスイッチを使用してGPUを接続するのに対し、Googleは独自の「光回路スイッチ（Optical Circuit Switch: OCS）」を採用している。
OCSは、電気信号を光に変換し、鏡を使って物理的に光の経路を切り替える技術だ。これにより、パケットスイッチングにつきものの遅延や電力消費を劇的に削減し、数千個のTPUをあたかも一つの巨大なスーパーコンピュータのように振る舞わせることが可能になる。この独自技術は、Metaのような大規模なAIモデルをトレーニングする必要がある企業にとって、極めて魅力的な選択肢となる。
Metaの戦略的転換 「脱NVIDIA」への布石
なぜMetaは、競合であるGoogleの手を借りてまでTPUを採用しようとしているのか。そこには、単なるコスト削減を超えた、生存をかけた戦略的意図が見え隠れする。
1. サプライチェーンのリスクヘッジ
現在、最先端のAI学習用GPUはNVIDIAの「Blackwell」や次世代の「Rubin」に依存しており、供給不足と価格高騰が常態化している。MetaのMark Zuckerberg CEOは、AIインフラへの巨額投資を続けているが、単一ベンダーへの依存は経営リスクそのものだ。Google TPUという「第二の選択肢」を確保することは、NVIDIAに対する交渉力を高め、調達リスクを分散させるための必須事項である。
2. 自社チップ「MTIA」の限界と役割分担
Metaは自社でも「MTIA」と呼ばれるカスタムチップを開発しており、2025年末までに新バージョンの展開を計画している。しかし、The Registerが指摘するように、今回のGoogleとの交渉は、Metaが自社チップ開発計画を縮小、あるいは役割を再定義しようとしている可能性を示唆している。
筆者は次のように分析する。Metaは「推論（Inference）」には自社のMTIAを使用し、より計算資源を必要とする「学習（Training）」にはGoogle TPUとNVIDIA GPUを併用するハイブリッド戦略へと移行しつつあるのではないか。 推論はユーザーに近い場所で行われるため自社設計のメリットが出やすいが、学習におけるTPUの計算効率は、自社開発のコストと時間を上回るメリットを提供する可能性がある。
3. PyTorchエコシステムの成熟
かつてTPUの導入障壁となっていたのはソフトウェアだ。Metaが開発を主導するAIフレームワーク「PyTorch」はGPUネイティブな側面が強かった。しかし、GoogleとMetaのエンジニアリングリソースを合わせれば、「PyTorch/XLA」という翻訳レイヤーを通じてTPU上でPyTorchをシームレスに動作させることは十分に可能だ。技術的な壁は、もはや政治的な壁ほど高くはない。
NVIDIAの反論 「我々は世代が違う」
この報道に対し、NVIDIAも沈黙してはいない。同社のX（旧Twitter）公式アカウントや、CNBCが報じたJensen Huang CEOの発言からは、余裕を見せつつも強烈なライバル心を燃やす王者の姿が浮かび上がる。
「ASIC vs プラットフォーム」の構図
NVIDIAは声明で次のように述べている。
「Googleの成功を嬉しく思う…しかし、NVIDIAは業界の『一世代先』を行っている。あらゆるAIモデルを実行し、コンピューティングが行われるあらゆる場所で機能する唯一のプラットフォームだ」
ここでNVIDIAが強調しているのは「汎用性（Versatility）」と「代替可能性（Fungibility）」だ。TPUのようなASIC（特定用途向け集積回路）は、特定のフレームワークやワークロードには極めて高い効率を発揮するが、NVIDIAのGPUはあらゆるモデル、あらゆるアルゴリズムに対応できる柔軟性を持つ。AIの技術トレンドが日進月歩で変わる現在、ハードウェアが特定のモデルに過剰最適化されることはリスクにもなり得る。NVIDIAはこの点を突き、自社の優位性を主張しているのだ。
Jensen Huangの自信と外交術
CNBCによれば、Jensen Huang CEOはGoogle DeepMindのDemis Hassabis CEOと連絡を取り合っており、「スケーリング則（Scaling Laws）」が依然として有効であることを確認したという。これは、「より多くの計算リソースを投入すればAIは賢くなる」という法則であり、NVIDIAのGPU需要が今後も爆発的に伸び続ける根拠となっている。
彼はGoogleを「良き顧客」として立てつつも、自社のBlackwell Ultraや次期Rubinプラットフォームが性能面でTPUを凌駕していることを暗に、しかし力強くアピールしている。
結論と将来展望 「多極化するAI半導体市場」
MetaとGoogleの接近、そしてそれに続くAnthropic（AWS TrainiumとGoogle TPUを併用）のような有力AI企業の動向は、AI半導体市場が「NVIDIA一強」から「多極化」へと移行し始めたことを明確に示している。
NVIDIAの独占は終わるのか？
短期的には、NVIDIAの優位性が崩れることはないだろう。同社のCUDAエコシステムと、あらゆる場所で即座に利用できるGPUの利便性は、依然として他社の追随を許さない。しかし、中長期的（2027年以降）には、以下のような構造変化が予測される。
- ワークロードの分離: 汎用的な開発や実験にはNVIDIA GPU、大規模かつ定型化された学習・推論にはTPUやTrainiumといったASIC、という使い分けが進む。
- クラウドとオンプレミスの融合: GoogleがMetaにTPUをオンプレミス提供するという前例ができれば、他のハイパースケーラーや国家レベルのプロジェクトにも同様のモデルが波及する可能性がある。
- 価格競争の発生: 競合の台頭は、これまで高止まりしていたAIチップの価格に下押し圧力をかけ、AI開発全体のコスト構造を変える可能性がある。
今回のニュースは、AIハードウェア戦争が「性能競争」から、サプライチェーンの確保とエコシステムの囲い込みを含む「総力戦」へとフェーズが移行したことを告げる号砲と言えるだろう。
Sources
