GPU一強は終わるのか――カスタムAI半導体が変える調達の論理

この構図は、CPUがGPUに消滅させられなかったことと似ている。汎用性の高いGPUは新しいモデル、未知の演算、急な需要変動を吸収する。一方、カスタムASICは推薦、広告、特定の推論経路など、長期に反復される処理を低コストで回す。市場は単一の勝者へ収束するより、用途別の階層へ分かれる可能性が高い。

専用チップは、設計費、マスク費、検証費、ソフトウェア移植費を先に負担する。その固定費を回収するには、同じ演算を大量かつ長期間実行しなければならない。需要が小さい、モデル構造が頻繁に変わる、調達規模が読めない場合は、単価が高くてもGPUの柔軟性が合理的になる。

チップを作るだけなら設計支援企業やファウンドリーを利用できる。しかし、モデルを分割し、メモリを割り当て、通信を隠蔽し、障害時に計算を再開し、開発者が性能を引き出せる状態にするには巨大なソフトウェア投資が要る。カスタムシリコンは半導体プロジェクトであると同時に、コンパイラと分散システムのプロジェクトである。

自社ASICが増えると、GPUベンダーだけが影響を受けるわけではない。先端ロジック、HBM、先端パッケージ、SerDes、光通信、EDA、IPの需要はむしろ分散して増える。設計主体が増えるほど、ファウンドリーと設計基盤の価値は上がる。

監視すべきはGPU対ASICの出荷台数ではない。各社がどのワークロードを固定化できたか、外販するか、ソフトウェア互換性をどこまで開くか、そしてGPU調達額が絶対額で減るかである。カスタム化はGPU市場の終わりではなく、AIインフラの調達単位がチップからシステムへ移る過程と読むべきだ。