NVIDIAが2028年投入を計画する次世代AIアクセラレータ、コードネーム「Feynman」において、TSMCの最先端プロセスノード「A16」を初採用する可能性が報じられた。これは歩留まりとコストを最適化するため、1〜2世代前の成熟したプロセスを選択してきた同社の長年の戦略からの劇的な転換を意味するものだ。果たしてこの決断の背後には、何があるのだろうか。
守りのNVIDIAから攻めのNVIDIAへ：戦略転換を迫る市場の地殻変動
NVIDIAの半導体戦略は、これまで「N-1戦略」とも呼べる、ある種の黄金律に基づいていた。これは、ファウンドリが提供する最先端ノード（N）を意図的に避け、その一つ前の世代（N-1）や、その派生プロセス（例：N4P）を駆使するというものだ。この戦略には明確な合理性があった。
「N-1戦略」という黄金律の終焉
最先端プロセスは、常に歩留まり（良品率）の問題と隣り合わせである。特にNVIDIAが手掛けるような、レティクルサイズ（一回の露光で製造できるチップ面積の上限）に迫る巨大なダイでは、わずかな欠陥がチップ全体の不良に繋がるため、歩留まりは死活問題となる。成熟したN-1プロセスを選択することで、NVIDIAは歩留まりの安定化、ウェハーコストの最適化、そして設計から量産までのリードタイム短縮という多大な恩恵を享受してきた。事実、HopperアーキテクチャはTSMC 4N（5nmの改良版）、現行のBlackwellアーキテクチャはTSMC 4NP（4Nのさらなる改良版）を採用しており、この戦略の有効性を証明している。
しかし、この堅実な戦略が今、根本から揺らいでいる。その最大の要因は、AIアクセラレータ市場における競争環境の激変である。
AMDの猛追とAI市場のパラダイムシフト
市場からの情報によれば、競合であるAMDは次世代のHPC（高性能コンピューティング）向けチップでTSMCの2nmプロセスを採用する計画であり、すでにテープアウト（設計完了）も報じられている。AIの性能、特に推論・学習のスループットと電力効率は、プロセス技術の微細化レベルに直接的に依存する。もしNVIDIAがFeynman世代でも従来のN-1戦略を固守すれば、プロセス技術でAMDに明確な後れを取り、性能競争で不利な立場に立たされるリスクがあった。
さらに重要なのは、データセンターにおける評価軸の変化だ。絶対的な演算性能（FLOPS）はもちろんのこと、それを維持するための消費電力、すなわち電力効率（Performance per Watt）が、データセンター全体の総所有コスト（TCO）を左右する最重要指標となっている。爆発的に増大するAIの計算需要を支えるためには、もはやアーキテクチャの工夫だけでは限界があり、プロセス技術そのものの革新が不可欠なのである。この技術的・市場的圧力が、NVIDIAを「守り」から「攻め」の戦略へと転換させた原動力と考えられる。
TSMC A16がもたらす物理レベルの革新
NVIDIAが3万ドル以上とも言われる高額なウェハーコストを投じてまで手に入れようとするA16プロセス。その価値はどこにあるのか。A16は単なる微細化（1.6nm相当）に留まらない、二つの根本的な技術革新を伴う物なのだ。
トランジスタ構造の進化：FinFETからナノシート（GAAFET）へ
現在の半導体の主流であるFinFETトランジスタは、ゲートがチャネル（電流の通り道）を三方から囲む立体構造を持つ。これによりゲートの制御性を高め、リーク電流（オフ状態でも漏れ出す電流）を抑制してきた。しかし、2nm以下の領域では、このFinFET構造でもリーク電流を十分に抑え込むことが困難になる。
そこで登場するのが、A16で本格採用されるナノシート（Gate-All-Around FET、GAAFET）である。この構造では、ゲートがチャネルを完全に四方から包み込むもので、トランジスタにおける「理想的なゲート制御」への大きな一歩だ。チャネルを完全に包囲することで、ゲート電圧による電流のオン・オフ制御が極めて精密になり、リーク電流を劇的に抑制できるからだ。
この結果、以下の二つの大きな恩恵がもたらされる。
- スイッチング速度の向上: より低い電圧でトランジスタを高速にスイッチング可能になり、クロック周波数の向上に直結する。
- 消費電力の削減: リーク電流が減ることで、チップ全体のスタティック消費電力が大幅に削減される。
TSMCはA16ノードにおいて、N2P（2nmの性能向上版）プロセスと比較して、同一消費電力で8〜10%の性能向上、または同一性能で15〜20%の電力削減を実現するとしている。この性能向上の根幹を支えるのが、ナノシート技術なのである。
電力供給網の革命：バックサイドパワーデリバリー「Super Power Rail」
巨大なAIチップが直面するもう一つの物理的な壁が、電力供給網の問題だ。従来のチップ設計では、信号線と電力供給線が、何層にも積層された配線層を共有していた。チップ上部に信号線と電力線が混在するため、以下のような問題を引き起こしていた。
- 電圧降下 (IRドロップ): 膨大な電流が細い電力線を流れることで電圧が降下し、トランジスタの性能を不安定にする。
- 配線混雑: 信号線と電力線が場所を取り合うため、チップ設計が複雑化し、高密度化を妨げる。
- 信号品位の低下: 電力線からのノイズが信号線に影響を与える（クロストーク）。
この根源的な問題を解決するのが、バックサイドパワーデリバリー（BSPDN）である。A16で導入されるTSMCの「Super Power Rail (SPR)」は、電力供給網をウェハの裏面に配置する画期的な技術だ。これにより、信号線はウェハ表面、電力線は裏面と、完全に分離される。
このアーキテクチャは、チップ設計における長年の課題であった「配線」という制約を、三次元的に解決しようとする試みである。電力と信号の経路を分離することで、それぞれに最適化された設計が可能となり、電力供給の安定化と信号伝送の高速化を両立させる。これは、1000億トランジスタを超える巨大チップの設計を根本から変えるポテンシャルを秘めている。
Intelが18Aプロセスで先行して導入する「PowerVia」も同様の技術であり、BSPDNは次世代半導体における標準技術となることが確実視されている。NVIDIAにとって、巨大なダイサイズと膨大な消費電力を特徴とするFeynmanアーキテクチャを実現するためには、SPRは不可欠な技術的ピースであったと言える。
パフォーマンスと電力のジレンマ：Feynmanは物理法則にどう挑むか
A16プロセスの採用は、NVIDIAに性能と電力効率という二つの果実をもたらす。しかし、そのどちらを優先するかは、AIデータセンターが直面する物理的な制約との厳しいトレードオフとなる。
指数関数的に増大する電力消費という「壁」
近年のAIアクセラレータの消費電力の増大は凄まじい。
- NVIDIA Blackwell Ultra (2024年): 1,400W
- NVIDIA Rubin (2026年予定): 2,300W超
NVIDIAのNVL72のようなラックシステムでは、72基のGPUが搭載される。単純計算でも、Blackwell世代で約120kW、Rubin世代では180kWを超える電力を一つのラックが消費することになる。これは、データセンターの電力供給、冷却、そして運用コストに計り知れない負荷をかける。Feynman世代でさらなる性能向上を目指すならば、この電力の壁をどう乗り越えるかが最大の課題となる。
A16採用の現実的シナリオ：効率と性能のハイブリッド戦略
A16がもたらす「同一性能で15-20%の電力削減」という恩恵は、この課題に対する強力な解答だ。しかし、歴史的にNVIDIAは、プロセス微細化による効率改善分を、さらなる性能向上に振り向けてきた。
したがって、FeynmanでNVIDIAが取る戦略は、以下のハイブリッドモデルになる可能性が極めて高い。
- まず、A16の採用によってベースラインとなる電力効率を大幅に向上させる。
- その上で、データセンターのインフラが許容する限界まで消費電力の上限を引き上げる。
- そして、向上した電力効率と引き上げた消費電力の両方を、演算性能の最大化に注ぎ込む。
このアプローチを取った場合、Feynmanの単体消費電力は3,000W（3kW）の大台に達する可能性も十分に考えられる。A16の採用は、単なる省エネ化ではなく、次なる性能の頂を目指すための、より高くジャンプするための「踏み台」と見るべきだろう。
市場への影響と今後の展望
NVIDIAによるA16プロセスの採用は、同社だけでなく、半導体業界全体の勢力図にも影響を与える可能性がある。
ウェハ一コスト3万ドルの衝撃とAIの経済性
A16プロセスのウェハ一枚あたりの価格は3万ドルを超えると報じられている。これは、従来のプロセスと比較しても桁違いに高価であり、このコストを吸収できる製品は極めて限定される。現状、スマートフォン市場の絶対的王者であるAppleと、AI市場を支配するNVIDIAだけが、この「禁断の果実」に手を伸ばせる特権的なプレーヤーと言える。
しかし、AIアクセラレータの単価が数十万〜数百万円に達する現状を考えれば、NVIDIAにとってこの投資は十分に合理的だ。A16による性能と電力効率の向上がもたらす価値は、高額なウェハコストを補って余りあると判断したのだろう。
半導体業界の勢力図は塗り替わるか
この決定が象徴するのは、半導体技術の進化を牽引する主役の交代劇だ。長年、TSMCの最先端プロセスの最初の顧客（ローンチカスタマー）はAppleであり、モバイルコンピューティングが業界の技術革新をリードしてきた。しかし、NVIDIAがA16の最初の顧客となれば、その座をAIコンピューティングが奪うことになる。これは、世界の計算需要の中心が、モバイルからデータセンターへと完全に移行したことを示す象徴的な出来事となるだろう。
Feynmanの最初のシリコンが登場するのは、A16の量産が2026年後半に開始されることを考えると、2027年後半から2028年初頭になると予測される。 Intelが18AプロセスとPowerVia技術でどのような製品を市場に投入するのか、そしてAMDが2nmプロセスでどこまでNVIDIAに迫れるのか。次世代AIチップを巡る競争は、半導体プロセス技術の最前線を舞台に、ますます激化していくことは間違いない。NVIDIAのこの大胆な一手は、その熾烈な戦いの幕開けを告げる物となるだろう。
Sources
