2026年において、主要なAI企業がカスタムチップを追求する理由

7月7日、中国のAI企業が自社開発したチップに関する2つのニュースが話題となった。

まずロイターの独占報道：DeepSeek は自社のチップを開発中である。この報道は、このチップがトレーニングではなく推論（inference）をターゲットにしているという、3人の関係者の情報に基づいている。報道によると、DeepSeek はチップ設計エンジニアを静かに採用しており、公募渠道を通じていないほか、外部のファウンドリやストレージメーカーとも接触している。DeepSeek はコメント要請に応じていない。また、この情報は現在、ロイターの単一の情報源に依存しているため、一部で疑問視されている。

同じ日、The Information は、中国の別の研究機関である智谱も自社開発のカスタムチップを評価していると報じた。情報筋によると、その理由は GLM-5.2 の需要の急増によるもので、The Information および複数のメディアが引用するところによると、このモデルは Vercel モデル集約プラットフォーム上で最も急成長しているモデルであり、リリース初週の1日あたりのトークン消費量は最大で27倍に跳ね上がった。智谱はすでに複数の国内チップ設計企業と初步的な接触を図っているが、まだ協力先を決定していない。プロジェクト全体には2年以上かかる可能性があるという。このニュースが公表された後、智谱の香港株式はその日、一時約9.9%上昇した。

もちろんです、両方のメッセージはまだ早期評価段階にあり、実物や確定したデザインは存在しません。

実際、DeepSeekや智譜だけが例外ではない。視野を広げると、2026年には「AI企業が自社でチップを製造する」ことが、米国のOpenAIやAnthropicから国内のこれらの先端ラボに至るまで、業界全体のデフォルト行動となっていることがわかる。この記事はその理由を明らかにする。

DeepSeekの情報がまだ噂の段階であるのに対し、OpenAIはすでに実物を提示している。

6月24日、OpenAIとBroadcomは、OpenAIが自社で開発した初のASIC（特定用途向け集積回路）であるJalapeñoを共同で発表しました。このチップは大規模モデルの推論に特化しています。

OpenAIのハードウェア責任者リチャード・ホは、このチップが「LLM推論のためにゼロから設計された」ものであり、チームがコア、メモリ転送、ネットワーク、およびサービスモデルに焦点を当てて最適化を行ったと述べた。

OpenAIによると、初期の実験室テストでは、Jalapeñoのワットあたりの性能が「現在の業界最高峰を大幅に上回る」ことが示された。しかし、同社は最終的な性能がまだ測定中であり、詳細な技術レポートは今後数ヶ月後に発表される予定であると認めている。このようなメーカー自体の性能優位性は、第三者によるベンチマークが発表されるまでは、一方的な主張にすぎない。

いくつかの詳細に注目すべき点があります。Tom's Hardwareの報道によると、このチップは設計から流片（tape-out）までわずか9ヶ月で完了し、OpenAIはこれが高性能先進半導体史上最快のASIC開発サイクルである可能性があると述べています。このサイクルを加速したのは、OpenAI自身のモデル、つまりAIを使ってAI用チップを設計したことです。

Jalapeñoは2026年末から展開を開始する予定で、2029年までに完了するBroadcomとの協業を基盤としている。Microsoftは、Jalapeñoの初期生産能力の約40%を購入すると報じられている。

もう一つの先進的な研究機関であるAnthropicを見てみよう。今年4月、ロイターは、Anthropicも自社開発のチップを検討していると最初に報じたが、その表現は非常に慎重だった：計画は初期段階にあり、同社は最終的に購入のみを選択する可能性もあるため、設計は未決定であり、専用チームも編成されていない。

しかし7月初頭には、状況に新たな進展が見られた。複数のメディアによると、Anthropicは三星と接触を始め、カスタムチップの受託生産を検討しており、そのターゲットは三星の2ナノメートルプロセスおよび先進的パッケージングであるとされている。

また、Anthropicは最近、OpenAIの自社開発チップチームの初期メンバーであるClive Chanを招聘しました。

追及に対して、Anthropicは、Google、Amazon、NVIDIAのチップで構成される「多様なハードウェアスタック」が依然としてその計算能力戦略の中心であると回答し、三星との提携については「さらなるコメントは控える」とした。

この公式声明は、自社開発チップの波の中で最も現実的な動機を的確に示している。The Informationのデータによると、NVIDIAは世界のAIチップ市場の約74％を掌握している。一方、Anthropicはこれまで自社のチップを1つも製造していない。Claudeの毎回の呼び出しは、パートナーからレンタルしたチップで実行されており、そのパートナーたちは同時に競合相手でもある。

注目すべきは、Anthropic が自社開発を開始した時期が、その収益の急増とほぼ一致している点である。同社自身の開示によると、2026年の年間運営収益は300億ドルを超え、2025年末時点では約90億ドルにとどまっていた。この規模に達すると、自社チップの経済的メリットがようやく見えてくる。

DeepSeek、智谱、OpenAI、Anthropic の情報を並べて見ると、共通点が一つ見えてくる。それらが開発しようとしているのは、トレーニングチップではなく、推論チップである。これは偶然ではない。

業界で進行している構造的なシフトは、計算リソースの消費重心が「モデルのトレーニング」から「モデルの実行」へ移っていることです。トレーニングは一回限りのコストですが、数百万〜数千万のユーザーにモデルを提供し続けることは継続的なコストです。Introlの業界分析によると、推論は現在、AI計算リソースの約3分の2を占めています。

https://introl.com/blog/custom-silicon-inflection-2026-hyperscaler-asics-nvidia-gpu

そして推論は、まさにASICの得意分野である。『チップ戦争』の著者クリス・ミラーがCNBCに語った比喩によれば、NVIDIAのGPUはスイスカッターのように、あらゆる並列計算をこなせるが、ASICは単一の用途に特化したツールであり、非常に効率的で高速だが、特定のタスクにのみハードワイヤードされている。トレーニング段階では、モデルアーキテクチャが変化し続けるため、スイスカッターのような柔軟性が必要だ。しかし、モデルが固定され、膨大なリクエストを処理する段階になれば、その「単一用途のツール」の方がより省電力で安価になる。

https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/

エージェントの爆発的拡大が、この帳簿をさらに拡大させた。MindCast AIの分析は、興味深い区別を提示している：

従来の推論は「クエリコスト」：1回の質問、1回の回答、完了して決済される；

エージェントは「繰り返しコスト」です：ユーザーの1つの目標が、エージェントの推論、計画、検索、実行のため、数十回、甚至は数百回の推論呼び出しを引き起こします。

画像は https://www.mindcast-ai.com/p/ai-inference-economy から翻訳されました

エージェントが大規模に展開されるにつれ、トレーニングと推論の間の経済的不均衡は非線形的に拡大する。そのため、この分析機関は、推論の経済性は2028年になってから考えるべき課題ではなく、2026年には購入決定を下すべきであると判断している。

「なぜ自前で作るのか」については、業界にはすでに相当具体的な数値的裏付けがあります。

最も直観的な例はAI画像プラットフォームMidjourneyである。Midjourneyは推論負荷をNVIDIA GPUからGoogle第7世代TPUに移行した後、月間計算リソースコストが約210万ドルから約70万ドルに減少し、65%の削減を実現した。この比率を、毎日数十億回のクエリを処理する超大規模企業に拡大すると、アナリストが指摘するように、数十億ドルを投じて独自チップを開発することは、「明確な財務計算」になる。

この問題の答えが、全体の市場を変えてきている。TrendForceの予測によると、2026年にはカスタムASICの出荷成長率が44.6％に達し、商用GPUは16.1％にとどまる——これはカスタムチップの成長率が初めてGPUを上回る。Introlが引用するブルームバーグ業界調査の数字はさらに規模が大きい：2033年までに、AIアクセラレータ市場全体は6040億ドルに達すると予想され、その中でのカスタムシリコンのシェアはさらに加速して拡大している。

超大規模なメーカーはすでに真の資金を投じて投票してきた。グーグルのTPU、アマゾンのTrainium、マイクロソフトのMaia、メタのMTIA……これらの自社開発チップは、それぞれ母企業内の膨大な推論負荷を支えている。

https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/

CNBCの報道によると、Trainiumのチーフアーキテクトであるロン・ディアマントは、アマゾンのこのASICがAWS上の他のハードウェアベンダーと比較して30%から40%のコストパフォーマンスの優位性を持つと述べた。

これらの数字は、あなたの算力需要が超大規模に膨らむと、チップがコスト項目ではなく、競争の壁そのものになることを示しています。Oplexaの分析によれば、自社でシリコンを制御することは、自社のパフォーマンスロードマップ、コスト構造、サプライチェーンを制御することを意味します。この3つは、どの調達注文でも得られないものです。

経済的な理由が表層的な理由であるとするならば、「運命を一社に委ねたくない」という気持ちが、その下流にあるより深い潮流である。

NVIDIAの強さの一部はチップ自体によるものだが、より大きな部分はCUDAによるものである。CUDAは20年以上にわたって蓄積されてきたソフトウェアエコシステムである。Spheronの分析によると、FlashAttentionからvLLM内の連続バッチ処理に至るまで、あらゆる本格的なLLM推論最適化はすべてCUDA上でしか動作しない。このエコシステムは、NVIDIAの護城河というよりも、チップを変更したいチームが支払う「移行コスト」である。vLLMからAmazon Neuron SDKへのサービススタックの移植には、通常2〜6週間のエンジニアリング時間がかかると推定されており、一部のモデルアーキテクチャはそもそもサポートされていない。

https://www.spheron.network/blog/hyperscaler-custom-ai-chips-2026-trainium-tpu-maia-mtia-vs-nvidia-gpu/

この壁が高く厚いからこそ、それを回避する動機はより強くなる。超大規模企業や最先端の研究室にとって、自社開発チップ上で動かす負荷1つ1つが、自社の利益をより多く留め、NVIDIAとの交渉でより強い立場を得ることを意味する。

TheStreetの判断は非常に明確だ：変化しているのは、「AIラボはNVIDIAが提示するあらゆる価格と供給条件を受け入れなければならない」という従来の前提である。マイクロソフトにはMaia、アマゾンにはTrainium、グーグルにはTPUがあり、最新のAIラボたちも、今や同じような交渉材料を自ら手に入れようとしている。

7月7日の2つのメッセージに戻りましょう。DeepSeekと智谱にとって、自社開発チップは上記のすべての理由に加えて、米国の同行企業が直面していない問題、すなわち輸出規制にも直面しています。

また、DeepSeekの今回の自社開発に関する噂は、同社が初めて外部資金を調達するタイミングと重なっている点も注目される。同社は500億元を超える資金調達を完了し、評価額は3300億元を超えた。チップ開発は多額の資金を要するため、資金調達とチップ開発が同時に発生したことは、単なる偶然ではない可能性がある。

一方の智谱早在今年1月就成为首家在香港交易所上市的中国AI实验室。两家都在为这场昂贵的豪赌提前备好资金。

これらの手がかりをまとめると、「なぜAI企業は自社でチップを製造しようとするのか」という問いへの答えは、複数の力が重なり合った結果である：推論がトレーニングに代わって計算リソースの主戦場となり、専用ASICに活躍の場を提供した。エージェントの爆発的拡大により推論コストが非線形的に膨張し、節約できる1円1円がその価値を増幅させた。また、NVIDIAへの深い依存は、すべての企業が交渉力の確保を目指す理由となった。DeepSeekや智譜のような中国企業にとっては、輸出規制の問題も加わる。

しかし、熱狂の裏では、冷水を浴びせる必要もある。自社開発チップは必ずしも勝ち確ではない。設計サイクルは18〜24か月と長く、前期のエンジニアリング投資が膨大であり、ワークロードが十分に安定して予測可能でなければ、固定アーキテクチャに合わせて設計する意味がない。モデルアーキテクチャをまだ試行中のスタートアップや、タスクが多様な一般企業にとっては、NVIDIA GPUの柔軟性の方がむしろコスト効率が良い。

TechTimesは、40％から65％のコスト優位性は、毎日数十億回のクエリを実行する大手企業にのみ該当し、週に数万回のクエリを実行する企業にとっては、この計算は逆になることを明確に述べている。

さらに追及すべき問いは、この波がナビダを弱体化させるのか、それとも単に「補完的な位置」をもたらすのかである。多くの分析は後者を支持している。Oplexaによると、2027年までにASICの出荷台数はGPUを数量で上回る可能性があるが、両市場はともに成長を続ける。AIインフラは、固定・高頻度・予測可能な負荷をASICが担い、研究・多様・アーキテクチャが進化し続ける負荷をGPUが担うという、二つの異なるレーンに分岐している。ナビダは依然としてトレーニングと大半の市場をしっかりと掌握している。

https://oplexa.com/custom-asic-market-2026-hyperscalers-ditching-nvidia/

DeepSeekと智譜が自社のチップを製造できるかどうかについては、現在のところまだ答えは出ておらず、両方の情報はまだ初期評価段階にとどまっている。

しかし、それらは同じ日に実現し、水面に同時に投げ込まれた二つの石のように、同じ不安の波紋を広げた。この計算能力が権力である時代において、次ラウンドまで生き残りたいと願うAI企業は、自らの命綱を他人の手に永遠に賃貸することを望まない。

本文は微信公众号「機械の心」（ID：almosthuman2014）より、著者：Panda