GoogleもAmazonも、AIチップを自分で作り始めた

「CPUとGPUの違いは“手数”だった——GPUがAIの主役になれた理由」で見たように、AIの計算はGPUが支えてきました。しかしGPUは高価で、しかも「NVIDIAの本当の強さはGPUではなく、CUDAという「逃げられない仕組み」だった」という構造があります。だからこそ、自分でチップを設計する動きが加速しています。

カスタムAIチップ（ASIC）とは何か

カスタムAIチップ（ASIC）とは、特定の企業のAI処理に合わせて専用設計された半導体のことです。ASICは「特定用途向け集積回路」の略で、用途を絞り込む代わりに、その処理を最も安く・省電力にこなせるよう作り込んだチップを指します。

汎用のGPUが「何でもこなせる手数の多いチップ」なのに対し、カスタムAIチップは「自社の処理だけを徹底的に速くしたチップ」です。代表例は、Google TPU（テンサー・プロセッシング・ユニット＝AI演算専用チップ）、Amazon Trainium（学習用）／Inferentia（推論用）です。ほかにMicrosoft Maia、Meta MTIAもあります。

これらの企業は自社では工場を持たず、設計だけを行いTSMCなどに製造を委託するファブレスの形をとります。つまり「NVIDIAのように自分で設計したチップを、TSMCで作ってもらう」立場に回ったわけです。

なぜGoogleやAmazonは自社チップを作るのか

理由は4つあります。コスト、電力、最適化、そして供給確保です。

第1にコストです。NVIDIAのデータセンター向けGPUは粗利率が非常に高く、買う側はその利益分まで支払っています。自社で設計すれば、この上乗せを回避できます。年間に数十万〜数百万個のチップを回すハイパースケール事業者なら、数億ドル規模の設計費を十分に回収できます。

第2に電力です。AIのデータセンターは電力が最大の制約になっています。専用設計すれば、同じ処理を少ない電力でこなせます。

第3に最適化です。自社のモデルや処理パターンに合わせてチップを作れば、無駄な回路を削り、必要な部分だけを強化できます。

第4に供給確保です。GPUは慢性的に品薄で、NVIDIAへの依存はリスクになります。そのため自社チップを持てば、調達を自分でコントロールできます。この「依存からの脱却」という動機は、CUDAという囲い込みの裏返しでもあります。

Google TPU・Amazon Trainium・Microsoft Maia・Meta MTIAの実例は

各社のチップは、それぞれの狙いを反映しています。

Googleの第7世代TPU「Ironwood（アイアンウッド）」は、初めて推論を前提に設計されました。1チップあたり192GBのHBM（広帯域メモリ）を積み、9,216個を1つのポッドにまとめます。前世代比で電力あたり性能を約2倍に高めています（Google）。

Amazonの第4世代「Trainium3」は3nm世代の最先端プロセスで製造され、1チップで毎秒2500兆回超（2.52ペタフロップス）の演算性能と、144GBの広帯域メモリを持ちます。前世代のTrainium2比で性能は最大4.4倍、電力あたり性能は4倍に向上しました。2025年12月に提供を開始し、Anthropicなどが最大50%のコスト削減を報告しています（Amazon Web Services）。

MicrosoftのMaia 100は約820mm²の大型チップです。TSMCの5nm世代プロセスとCoWoS（チップとメモリを1つの基板に近接実装する先端パッケージ技術）を使い、64GBの広帯域メモリを搭載します。またMetaのMTIA（第2世代）はレコメンド（おすすめ表示）の推論に特化し、消費電力をわずか90Wに抑えた省電力設計が特徴です（Microsoft）。

各社の代表チップを整理すると次の通りです。

（出典：Byte-Sized AI）

カスタムチップを設計しているのは誰か

実は、これらのチップの設計を支えているのはBroadcom（ブロードコム）とMarvell（マーベル）という2社です。GoogleやMetaは自社にチップ設計の専門家を抱えますが、物理設計や高速通信回路、製造委託の橋渡しはこの2社が担います。

Broadcomの2025会計年度のAI半導体売上は前年比65%増の200億ドルに達し、半導体全体では過去最高の370億ドルを記録しました。中核はXPU（カスタムAIアクセラレーター）で、その売上は前年比で2倍超に伸びています（Futurum Group）。

Marvellも、2025会計年度にはAI関連がデータセンター売上の約半分を占めるまで成長しました。2023会計年度には10%未満だったことを考えると、カスタムシリコン事業の急拡大がわかります。つまり、ハイパースケーラーの内製化が進むほど、その裏方であるBroadcomとMarvellが潤う構図です（Marvell Technology）。

推論でカスタムASICが効くのはなぜか

カスタムASICが特に効くのは推論の場面です。推論とは、完成したAIモデルを実際に使って答えを出す処理のことです。これに対し学習は、データからモデルを作り込む処理を指します。

学習は研究開発の色が濃く、扱うモデルも頻繁に変わるため、何にでも対応できるGPUとCUDAの柔軟性が効きます。一方、推論はユーザーが使うたびに発生し、回数が桁違いに多く、処理のパターンも安定しています。量が読めて処理が固まっている推論は、専用チップで「1トークンあたりのコスト」と「電力効率」を突き詰めるのに向いています。

だからGoogleのIronwoodもAmazonのTrainium3も「推論」「エージェント時代の token economics（トークンあたりの経済性）」を前面に掲げています。この流れは「AIエージェントが動くほど、効くのはGPUより「メモリと段取り」のチップだった」で見た、学習から推論への主戦場の移動と重なります。なおASICもGPUと同じく、隣に積んだ「HBM（広帯域メモリ）」がデータを供給し続けられるかで性能が決まります。

カスタムASICはGPUを置き換えるのか

結論は「置き換えではなく棲み分け」です。GPUとASICは、得意な領域が異なります。

GPUは汎用性とCUDAエコシステムが強く、最先端の研究や多様なモデルの開発に向きます。新しいモデル構造が次々登場する領域では、何にでも対応できる柔軟性が決定的です。一方ASICは、量が読める自社サービスの推論で、コストと電力の効率を発揮します。

市場予測もこの棲み分けを裏づけます。Bloomberg Intelligenceは、AIアクセラレーター市場が2024年の1160億ドルから2033年に6000億ドル超へ拡大すると見込みます。そのうちGPUが81%を占める一方、ASIC市場も約1180億ドル規模へ伸びると予測しています。GPUの支配は続きつつ、ASICが着実にシェアを取る——これが基本シナリオです（Bloomberg Intelligence）。

投資家はこの動きをどう見ればよいか

投資の観点では、「NVIDIA一択」から複層で捉える視点が要点になります。

カスタムASICの拡大はNVIDIAの逆風に見えますが、市場全体が伸びるため、GPUの絶対額も増え続けます。同時に、設計を支えるBroadcomとMarvell、製造を担うTSMC、メモリを供給するSK hynixやSamsungなど、AIチップの「裏方」も受益します。内製化はNVIDIAの取り分を一部削る一方で、半導体エコシステム全体の裾野を広げる動きです。

注意点は、ハイパースケーラーの設備投資が前提だということです。Morgan Stanleyによると、その規模は2025年に4000億ドルを超え、2026年には7000億ドルに迫る見込みです。この投資が続く限り、GPUとASICの両方に需要が流れます。逆に投資が鈍れば、両者ともに影響を受ける点は押さえておくべきです。

この記事のまとめ

• Google・Amazon・Microsoft・Metaは自前のAIチップ（カスタムASIC）を設計し、NVIDIA一択から脱しつつある。
• 内製の狙いはコスト削減・電力効率・自社ワークロードへの最適化・供給確保の4点である。
• Google TPU v7（Ironwood）は推論特化で192GB HBM、Amazon Trainium3は3nmで前世代比4倍の性能を実現した。
• 設計の裏方はBroadcomとMarvellで、BroadcomのAI半導体売上はFY2025に200億ドルへ伸びた。
• ASICは量の読める推論でGPUと棲み分け、AIアクセラレーター市場全体は2033年に6000億ドル超へ向かう。