AIがNvidiaの「堀」を埋める日は来るか

時価総額4兆ドル超。その数字が、Nvidiaという企業の現在地を物語っています。世界中のAIデータセンターは、事実上Nvidiaのチップなしには動きません。しかし今、AIそのものがNvidiaの最大の強みを掘り崩し始めているとしたら、どうでしょうか。

Nvidiaのモートはソフトウェアにあった

Nvidiaがここまで圧倒的な地位を築けた理由は、ハードウェアの性能だけではありません。同社が長年かけて積み上げてきたソフトウェアエコシステム、特にCUDAと呼ばれるプログラミング基盤が、開発者をNvidiaのチップに縛り付けてきました。新しいチップが登場するたびに、そのチップを最大限に活用するための「カーネルコード」と呼ばれる低レベルのソフトウェアを書く必要があります。これは非常に高度な技術を要する作業であり、熟練したエンジニアの確保も容易ではありません。

たとえばAnthropicがAmazonのクラウドチップ「Trainium」でAIモデルを動かそうとした際、モデルのコードをゼロから書き直す必要がありました。それほどの手間がかかるからこそ、企業はNvidiaのエコシステムから離れられなかったのです。

AIがAIチップのコードを書く

ここに目をつけたのが、スタートアップのWaferです。同社のCEO、Emilio Andere氏は、AIモデルそのものを使ってカーネルコードの最適化を自動化しようとしています。具体的には、オープンソースモデルに強化学習を施してカーネルコードの記述を学習させるとともに、AnthropicのClaudeやOpenAIのGPTといった既存のコーディングモデルに「エージェント的なハーネス」を組み合わせることで、チップ上で直接動くコードの生成能力を高めています。

WaferはすでにAMDやAmazonと協力しており、シードラウンドではGoogleのJeff Dean氏やOpenAIのWojciech Zaremba氏らから400万ドルの資金を調達しました。

広告

広告掲載について

[email protected]

広告

Andere氏はこう指摘します。「AMDのベストなハードウェアも、AmazonのTrainiumも、GoogleのTPUも、理論上のFLOPS（浮動小数点演算性能）ではNvidiaのGPUと同等です。問題はソフトウェアの使いやすさだった。そこをAIで解決できれば、競争の前提が変わる」。

チップそのものをAIが設計する

さらに踏み込んだアプローチを取るのが、スタートアップのRicursive Intelligenceです。元Googleエンジニアで、スタンフォード大学の助教でもあるAzalia Mirhoseini氏とAnna Goldie氏が共同創業したこの会社は、AIを使ってチップ設計そのものを自動化しようとしています。

Mirhoseini氏とGoldie氏はGoogle在籍時に、AIがチップ内の主要コンポーネントの配置を最適化する手法を開発しました。この技術はすでに業界全体に広がっています。Ricursiveはこれをさらに発展させ、大規模言語モデルを設計プロセスに統合することで、エンジニアが自然言語でチップへの変更を指示したり、設計に関する質問をしたりできる環境を目指しています。コードを「ノリで書く（vibe code）」ように、チップを「ノリで設計する」時代が来るかもしれません。

その可能性に投資家は敏感に反応しました。Ricursiveは設立からわずか数カ月で3億3500万ドルを調達し、評価額は40億ドルに達しています。

Goldie氏はこう語ります。「AIがチップとアルゴリズムを同時に共同設計できるようになれば、それ自体が再帰的なAI改善のサイクルを生む。チップ設計にもスケーリング則が生まれるかもしれない」。

日本企業にとっての意味

この動きは、日本の産業界にとっても無関係ではありません。ソニーのイメージセンサー、トヨタの自動運転チップ、任天堂のゲーム機向けプロセッサ——日本企業も独自シリコンへの依存度を高めています。もしAIによるコード最適化とチップ設計の自動化が普及すれば、これまで莫大なコストと人材を必要としていたカスタムチップ開発のハードルが大幅に下がる可能性があります。

一方で、日本が直面する労働力不足の文脈でも注目に値します。半導体設計の高度な専門人材は世界的に不足しており、日本も例外ではありません。AIがその一部を補完できるなら、産業競争力の維持という観点からも重要な技術となりえます。ただし、AIが生成したコードやチップ設計の信頼性・安全性をどう検証するかは、精密さと品質を重視する日本の製造文化において、特に慎重に議論されるべき課題でしょう。