半導体
AIを動かす半導体
NVIDIA・GPU・AIチップ競争のいま
全42本
AI半導体の中では、単純な掛け算と足し算が何兆回も走っているだけだった
ChatGPTの賢い返答の裏で、AI半導体がやっているのは「掛けて、足す」の繰り返しだけだ。なぜその単純作業を並列にすると速いのか、なぜメモリが足を引っ張るのか、学習と推論で何が変わるのか。AI半導体の内部の仕組みを、数式なしで解く。
記事を読む AI半導体・全体像AIの進化は、半導体の進化そのものだった——計算需要が2010年以降で100億倍に膨らんだ共進化の正体
AIと半導体は、どちらか一方だけでは進化できなかった。AIが計算需要を爆発させ、その需要が半導体を進化させ、進化した半導体がさらに大きなAIを可能にする——この循環が2010年代以降の急速な進歩の正体だ。両者の関係を全体像から整理する。
記事を読む AI半導体・性能指標AI半導体の「TOPS」より推論速度を決めるのはメモリ帯域幅だった
AI半導体のスペック表に並ぶTOPS・TFLOPS・メモリ帯域幅。学習では演算速度（FLOPS）が効き、大規模言語モデルの推論では「1秒に何テラバイト動かせるか」が速度の上限を決めることが多い。4つの指標の意味と読み方を解説する。
記事を読む AI半導体・技術解説AIの推論コストを決めていたのは、計算より「何ビットで表すか」だった
FP32からFP8、そしてFP4へ。AIの数値を表すビット数を半分にするだけで、メモリも電力も推論コストも一気に下がる。なぜ精度を落として速くできるのか、FP8（E4M3/E5M2）・FP4・NVIDIA独自のNVFP4まで、低精度数値フォーマットと量子化の仕組みを解説する。
記事を読む AI半導体・技術解説AIチップの性能を握っていたのは、計算ではなく「チップ同士の配線」だった
チップレットを束ねても、つなぐ配線が遅ければ性能は出ない。ダイ間をどれだけ太く・短く・省電力でつなげるか——UCIeの物理層、NVIDIAのNVLink、データを直列に変換するSerDes。AIチップの速度と電力を左右する「ダイ間インターコネクト」を解説する。
記事を読む AI推論・コスト経済学AIが安くなった本当の理由——GPU3世代と推論ASICが変えた「1トークン」の経済学
2024〜2026年でAI推論コストは100分の1以下になった。GPU世代交代の複利、推論専用ASICの台頭、量子化技術の進化——3つのドライバーが重なって起きたコスト革命の構造を、チップスペックと市場データから読み解く。
記事を読む AI半導体・推論シフト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
生成AIの主役は学習用の巨大GPUだった。だがAIエージェントが何十回も考えてツールを使う時代になると、効きどころはメモリ帯域と、段取りを回すCPU、そして推論専用ASICへ移る。学習から推論へ——AI半導体の主戦場の移動を読み解く。
記事を読む AI半導体・選定ガイドAI推論チップの選び方は、2つの質問で決まる——GPU一択の時代は終わっていた
AI推論に使うチップは、①どこで動かすか（クラウド／エッジ／端末）と②何を最適化するか（速度／コスト／電力）の2軸でほぼ決まります。数年前まではGPU一択で足りましたが、いまはASIC・NPUを含めた使い分けが必要です。用途別の選び方を整理します。
記事を読む エージェントAIとCPUAIエージェントを動かすほど、GPUよりCPUの出番が増えていた
AIといえばGPUの話ばかりだが、AIエージェントの時代には主役が少し変わる。ツールを呼び、結果を待ち、次の手を決める「段取り」の処理は、並列計算が得意なGPUより、複雑な手順をこなすCPUの仕事だ。アナリストはCPU対GPUの比率が学習時の1対8から1対1へ近づくと指摘する。なぜそうなるのかを解説する。
記事を読む AI半導体・NVIDIAの堀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
NVIDIAがAIで独走できる理由は、GPUの性能そのものより、CUDA（クーダ＝GPU向けソフト基盤）を中心にした15年以上の囲い込みにある。ソフト・ライブラリ・ネットワークが一体化し、開発者が乗り換えられない構造をつくった。その堀（moat）の正体と、投資で見るべき点を整理する。
記事を読む AI半導体・ニュース解説NVIDIAの次世代AIチップは、推論コストを10分の1にして量産に入った
NVIDIAが次世代プラットフォーム「Vera Rubin」を量産開始した。Rubin GPUとVera CPUを組み合わせ、HBM4を最大288GB搭載。Blackwell比でトークンあたりの推論コストを最大10分の1に下げるという。何が変わったのかを一次情報で整理する。
記事を読む NVIDIAとAMDの競争構造NVIDIAのAI売上がAMDの12倍になった——シェア92%を固める5つの構造的な壁
半導体の製造を同じTSMCに委託しているのに、AI GPU市場のシェアはNVIDIAが約92%、AMDが約8%。FY2026のデータセンター売上差は12倍超に広がった。その背景にあるCUDAエコシステム・NVLinkの帯域優位・HBM調達力・ソフトウェア最適化の深度を数値で解説する。
記事を読む 最新サーバーCPU解説256コアCPUが登場した──AIの主役はGPUだけではなかった
AMDの第6世代EPYCプロセッサ「Venice」が最大256コアを実現した。AIの処理はGPUが独壇場に見えるが、低コストで大量の問い合わせを並列にさばく推論フェーズでは、CPUも重要な地位を占め始めている。その技術と競争構造を解説する。
記事を読む AI半導体・カスタムASICGoogleもAmazonも、AIチップを自分で作り始めた
NVIDIAのGPUを買うだけでなく、Google・Amazon・Microsoft・Metaは自前のAIチップを設計し始めた。TPU、Trainium、Maia、MTIA——その狙いはコストと電力、そして自社ワークロードへの最適化だ。なぜ巨大IT企業がチップを内製するのか、ASIC市場の伸びとGPUとの棲み分けを読み解く。
記事を読む AIチップ・ASIC戦略クラウド大手4社が独自AIチップを内製した理由、ASIC成長速度はGPUの2.8倍に
Google TPU・AWS Trainium・Meta MTIA・Microsoft Maia──4社はNVIDIA GPUに頼りながら、なぜ独自の推論チップを並行開発するのか。コスト構造と推論特化の論理、そしてBroadcom・Marvellが担う設計の役割を数字で解説する。
記事を読む AI半導体・ニュース解説Googleは第8世代TPUを「学習」と「推論」の2チップに割った。NVIDIA依存を削る一手
2026年4月、GoogleはCloud Next '26で第8世代TPUを発表した。これまで1種類だったTPUを、学習専用のTPU 8tと推論専用のTPU 8iの2つに分けた初の世代だ。8tは1ポッド9,600チップで121 ExaFLOPS、8iは前世代比で性能あたりコストを80%改善する。なぜGoogleはチップを2つに割り、なぜハイパースケーラはNVIDIA依存を削りにいくのかを読み解く。
記事を読む カスタムXPU・AI半導体GoogleとMetaのAIチップを設計しているのは、NVIDIAではなくBroadcomだった
ハイパースケーラがNVIDIAのGPU依存を減らすために選んだ手段が、Broadcomが設計するカスタムASIC（XPU）だ。Google TPU・Meta MTIA・Microsoft Maiaはいずれもその産物で、BroadcomはこのカスタムAIチップ設計市場の約60%を押さえる。FY2025に約200億ドルだったAI半導体収益は、FY2027に1,000億ドルを目指す段階に入っている。
記事を読む AI半導体・ニュース解説OpenAI初の自社チップ「Jalapeño」が動き出した。設計9か月、GPU比でコスト半分をうたう
2026年6月24日、OpenAIとBroadcomはChatGPTなどの推論処理に特化した共同開発チップ「Jalapeño」を公開した。エンジニアリングサンプルはすでに目標周波数・目標電力で機械学習ワークロードを実行中で、2026年末までに初期導入を目指す。設計を9か月に短縮した立役者は、OpenAI自身のAIモデルだった。
記事を読む Qualcomm Dragonfly・AI推論チップスマホ最強がデータセンターへ——QualcommがNVIDIAに挑む推論チップ戦略と、MetaとMicrosoftが採用した理由
2026年6月、QualcommはInvestor DayでデータセンターAI推論チップ群「Dragonfly」を発表した。HBM不足を逆手に取る独自メモリ「HBC」、MetaのC1000長期採用、Microsoft Azure のAI300採用——スマホ王者がNVIDIAの牙城に本格参入した背景と技術の意味を整理する。
記事を読む AI推論チップ・LPUAIの返答を10倍速くしたのは、チップ外のメモリをなくした設計だった
AIのテキスト生成が遅い本当の原因は、演算力ではなくメモリ転送の待ち時間だった。Groqが開発したLPU（Language Processing Unit）は、チップ内の高速メモリ（SRAM）にすべてのデータを収める設計で、毎秒500トークン超の推論速度を実現した。GPUとは根本的に異なるアーキテクチャの原理と、AIチップ競争における位置づけを解説する。
記事を読む AI半導体・CerebrasAIチップは小さくするのが常識だった——ウェハー1枚を丸ごと使う設計が変えた前提
半導体チップは小さく作るほど欠陥率が下がり歩留まりが上がる——この常識を真っ向から破ったのがCerebrasのWSE（ウェハースケールエンジン）だ。300mmウェハー全面を1チップとして使い、GPUクラスターが苦手な大規模言語モデルの学習・推論を単一チップで完結させる。その設計思想と技術的トレードオフを読み解く。
記事を読む EDA・設計・IP最新チップは、たった3社のソフトがなければ設計できない
数百億個のトランジスタを人手で配線するのは不可能だ。チップの設計を支えるのが、Synopsys・Cadence・Siemensの3社が握る「EDA」というソフトウェア。装置は日本、設計ツールは米国——その補完関係を読み解く。
記事を読む 企業徹底分析・NVIDIANVIDIAの強さは、GPUの性能だけでは説明できない
NVIDIAはGPUを設計するファブレス企業だが、いまやAIデータセンターの中核を握る存在になった。FY2026の売上は2,159億ドル、その9割がデータセンター事業だ。GPUの速さに加え、CUDA・NVLink・ネットワークを一体化したエコシステムと、TSMC・SK hynixに支えられたサプライチェーンの上に成り立つ。事業構造と競争環境を、技術と市場の両面から徹底分析する。
記事を読む 企業徹底分析・AMDIntelを猛追しNVIDIAに挑む、チップレットで蘇った挑戦者
AMDは、x86のCPUとGPUを設計するファブレス企業だ。一度は経営危機に陥りながら、複数の小さなチップを組み合わせる「チップレット」戦略でEPYCサーバーCPUを成功させ、サーバー市場でIntelを猛追する。2025年の売上は346億ドル、うちデータセンターが166億ドルを占める。Xilinx買収でFPGAも獲得した。製造はTSMC。Instinct GPUでNVIDIAにも挑む、その事業構造と競争環境を技術と市場の両面から徹底分析する。
記事を読む 企業徹底分析・BroadcomGoogleのAIチップを陰で作る“カスタムASICの黒衣”
Broadcom（ブロードコム）はM&Aで巨大化した半導体＋インフラソフトの複合企業だ。FY2025の売上は639億ドル、半導体369億ドルとソフト270億ドルの2本柱で成り立つ。表舞台のNVIDIAとは対照的に、GoogleのTPUなどハイパースケーラー専用AIチップの設計を請け負う“黒衣”であり、AIデータセンターをつなぐイーサネットスイッチでも先頭を走る。事業構造と競争環境を、技術と市場の両面から徹底分析する。
記事を読む 企業徹底分析・Marvell TechnologyBroadcomと並ぶ、AIデータセンターの“配線とカスタムチップ”の担い手
Marvell（マーベル）は、もともとハードディスク用チップで知られたデータインフラ向け半導体のファブレス企業だ。いまやAIデータセンターのカスタムシリコンと光通信を担う中核プレイヤーになり、FY2026（2026年1月期）の売上は81.9億ドル、その約72%がデータセンター事業だ。Broadcomと並ぶ2大カスタムASIC設計企業として、事業構造と競争環境を技術と市場の両面から徹底分析する。
記事を読む 企業徹底分析・Qualcommスマホの頭脳と“通信特許”の二刀流で稼ぐファブレス
Qualcommはスマホ向けSoC（頭脳チップ）を設計するファブレスだが、本当の強さは「チップ販売」と「通信特許のライセンス」の二刀流にある。FY2025の売上は443億ドルで、チップ事業QCTが384億ドル、特許事業QTLが56億ドル。QTLは売上比13%ながら高収益で、5G/CDMAの特許ポートフォリオを通じて業界全体から収入を得る。事業構造と競争環境を、技術と市場の両面から徹底分析する。
記事を読む 企業分析・AppleAppleは“世界最大級の半導体設計会社”でもある
iPhoneのA系、MacのM系、Apple WatchやAirPods、そして自社モデムまで。Appleは工場を持たずに世界最先端のチップを設計する巨大ファブレスであり、TSMC最新ノードの初物を独占し続けてきた。その自社シリコン戦略を、技術と市場の両面から徹底分析する。
記事を読む 企業徹底分析・Armチップを作らずに、世界中のチップから少しずつ稼ぐ会社
Armはチップを1枚も作らない。売るのはCPUの設計図（IP）だ。だが世界のスマホの99%超がArmの設計で動き、出荷されたArm系チップは累計3,500億個を超えた。設計図をライセンスし、出荷ごとにロイヤリティを取る——この身軽な仕組みがなぜ半導体産業の土台になったのかを、開示資料と四半期決算をもとに技術と市場の両面から徹底分析する。
記事を読む CPU命令セット・Arm vs x86「x86」と「Arm」——命令セットが違うだけで、スマホとPCの消費電力がこれほど変わる
スマートフォンの頭脳は99%以上がArm、パソコンとサーバーは長くx86（Intel/AMD）が独占してきた。この棲み分けは「命令セット（ISA）」という設計哲学の違いから生まれた。ArmがCISCとRISCの差をどう省電力につなげ、なぜApple SiliconはIntelを超え、なぜいまデータセンターのArmが急拡大しているのかを解説する。
記事を読む NVIDIA・Blackwell GPUAIデータセンターを制したGPUは、2枚のダイを貼り合わせた半導体だった
NVIDIAのBlackwellアーキテクチャは、2枚のダイをNVLink-C2Cで接続した2ダイ構成で208億トランジスタを集積する。HBM3E 192GB・第5世代NVLink・液冷専用設計——前世代H100からの転換を技術と経済の両面から解説する。
記事を読む AI推論・推論スケーリングAIは答えを出す前に「考え直す」ほど賢くなる——学習より推論が半導体需要を動かし始めた
訓練済みモデルの「推論時間」を増やすほど精度が上がる——2024年のOpenAI o1が示したこの発見は、AIチップ需要の重心を学習クラスタから大規模推論インフラへと書き換えた。仕組み・半導体への影響・HBMとの関係を解説する。
記事を読む シリコンフォトニクス・光接続AIチップは、銅の配線をやめて光でつながり始めた
GPUとスイッチを結ぶ電気の銅配線は、距離が伸びるほど電力を食い、帯域も頭打ちになる。その壁を破るのが、チップのすぐ隣に光エンジンを置く共パッケージ光学（CPO）だ。なぜ光がAIデータセンターの主役に躍り出たのかをやさしく解く。
記事を読む 次世代計算・ニューロモルフィック電気を食いすぎるAIへの答え。脳をまねるチップが動き始めた
いまのAIは膨大な電力を消費する。その根っこには、計算する場所と記憶する場所が離れている“フォンノイマンの壁”がある。これを乗り越えるため、人間の脳の仕組みをまねたニューロモルフィックチップが研究されている。その発想と現在地を解説する。
記事を読む 次世代計算・量子コンピュータ0でも1でもある計算機。量子コンピュータは何がそんなにすごいのか
量子コンピュータは、0か1かしか扱えない普通のコンピュータと違い、0と1を同時に扱える。この性質が、ある種の問題を桁違いに速く解く力を生む。ただし万能ではない。その原理と、超伝導・イオントラップという主要方式、そして現実の課題を解説する。
記事を読む FPGA・書き換え可能な半導体FPGAは、チップが完成した後でも別の用途に作り直せる半導体だった——MicrosoftがBingに使った理由
FPGAとは、製造後も内部の回路を何度でも書き換えられる「フィールドプログラマブルな半導体」だ。汎用GPUと専用ASICの中間にあり、AIデータセンター・5G基地局・金融高頻度取引・防衛宇宙など規格変更と低レイテンシが求められる場面で選ばれる。AMDとIntelが市場の約75%を占める2強の競争構造も解説する。
記事を読む SoC・システムオンチップスマホのチップ1枚に、CPUもGPUも通信も全部入っていた——SoCという「全部乗せ」の設計思想
スマートフォンのチップは1枚のシリコンだけで動いている。CPUが計算し、GPUが画像を描き、NPUがAIを動かし、無線モデムが電波をつかむ——これらがすべて1枚のシリコンダイに焼き付けてある。この「全部乗せ」という設計がSoC（System on Chip）だ。なぜバラバラより1チップが速く省電力なのか、スマホからAIデータセンターまでSoCがどう使われているかを解説する。
記事を読む 半導体設計・IPコア製造工場ゼロで年49億ドル——ARMが世界のスマホ99%のCPUを握れた「設計図販売」の仕組み
チップを1枚も作らずに年間49億ドルを稼ぐ会社がある。英国のARM社は、CPUの「設計図（IPコア）」を約1,000社にライセンスし、ロイヤリティを受け取る。その設計図が世界のスマートフォン向けプロセッサの99%以上に組み込まれている。半導体IPコアとは何か、ソフトIPとハードIPの違い、そしてRISC-Vというオープンな対抗軸まで解説する。
記事を読む AI半導体・NVIDIAの戦略NVIDIAがHugging Faceを約129億ドルで買収へ——報道段階から正式発表に、完了は2027年上半期の見込み
NVIDIAは2026年9月3日、オープンソースAIの拠点「Hugging Face」を約129億ドルで買収すると正式発表した。8月下旬に報じられた交渉が、9月2日付の最終契約として確定した形だ。完了は規制当局の承認を経て2027年上半期の見込みで、NVIDIAはHugging Faceの開放性を維持すると約束している。
記事を読む AIチップ・データセンターQualcommがAmazonと複数世代のAIデータセンター半導体で協業——推論用カスタムシリコンと最大1.6T光接続
Qualcommは2026年9月8日、Amazonとの複数世代にわたる製品協業を発表した。AI推論向けのカスタムシリコンと、最大1.6Tの光接続ソリューションが柱で、AWSのデータセンター内ネットワークに使われる。金額・時期・数量は開示されていない。スマホ大手がAWSの自社チップ戦略に加わった形だ。
記事を読む EDA・ニュース解説Synopsysの設計ツールがTSMC A14で認証、AIエージェントも協業対象に
Synopsysは2026年9月23日、TSMCの次世代プロセス「A14」向けにデジタル・アナログ両フローの認証を得たと発表した。AIエージェントによる設計自動化も協業に加わった。認証の仕組みと、発表文に数字が出ていない点を整理する。
記事を読む フィジカルAI・半導体フィジカルAIの主役は、データセンターのGPUではなかった——ロボットの頭脳に積まれる半導体の中身
NVIDIAのジェンスン・フアンCEOが提唱する「フィジカルAI」は、まだ定まった学術用語ではない。だが、それを支える半導体は実在する。データセンターで学習するGPU、ロボットの頭に載る推論チップ「Jetson Thor」、関節を動かすGaNパワー半導体——3つの層に分けて中身を見ていく。
記事を読む