Nvidia の最大の顧客たちが「お布施」に飽きて、自分でチップを設計しはじめた

理由は、ひとことで言えば マージンです。2025年後半の四半期、Nvidia の粗利益率はおよそ 73%でした。つまり100円のチップ1つにつき、実際の原価は27円ほど。残りは Nvidia の利益です——そしてその「お布施」を払っているのが、AI チップを年に何十万個も買うクラウド大手。年に何兆円もの設備投資（capex）を AI チップに突っ込む会社にとって、たとえ数十パーセントのコスト削減でも、莫大な金額になるんです。

これが、彼らが何年もかけて自分でチップを設計する動機です。実際の数字を見ると、よく分かります：Google は、チップ Ironwood（TPU 第7世代）の 総保有コスト（TCO）が Nvidia の GB200 サーバーよりおよそ44%低いと言っています。Broadcom の特注チップ（まとめて XPU と呼ぶ）は、大規模な特定用途で TCO を 30〜50%節約できると主張。そして有名な実例も——Midjourney は処理を Nvidia の GPU から Google の TPU に移し、月あたりの計算コストを 210万ドルから70万ドルへ、つまりおよそ65%も下げました。

2つ目の理由は 電力です。AI データセンターは、送電網の上限にぶつかるほど電気を食いはじめています。だから、一つの仕事のために設計された特注チップは、計算あたりの消費電力をぐっと抑えられる——Google の Ironwood は1個あたりおよそ 157ワットで、Nvidia の B200 のおよそ 700ワットと比べて段違い。何十万個、何百万個と同時に動かすとなると、この電力差はそのまま電気代とデータセンターの拡張限界に直結します——Energy Transition & Power にもろにつながる話です。

3つ目の理由は 供給（supply）を握ることです。Nvidia のチップが品薄で、年をまたいで予約待ちになる時代に、自分のチップを持つということは、ほかと取り合わなくていいということ。しかも、社内の AI 計画を、チップを売る相手（＝競合になりうる側）に見せずに済みます——激しく競い合うクラウド大手にとって、これは大きな問題です。

ภาพประกอบ (margin.webp)

多くの人が不思議に思うのはここです——Google や Amazon は「チップメーカー」じゃないのに、どうやって自分でチップを作れるのか？答えは、彼らは ひとりでは作らないし、工場も自分では建てないということ。役割をはっきり分ける「共同設計（co-design）」というモデルを使うんです。順番に見ていきましょう。

仕組みの核心は2つ目のステップ——共同設計にあります。クラウド大手には、ふつうのチップ会社が持っていないものがある。それは 自社の AI 処理がどんな形をしているかを知っていること。Google のモデルがどう動くか、Meta がどんなアルゴリズムでコンテンツを薦めているか——この知識があるから、仕事に「ぴったり」合うチップが設計できる。でも彼らには、チップ設計のエンジニアチームと IP の蓄積（たとえば高速接続回路の SerDes）が足りない。だから、それを一式そろえている Broadcom や Marvell に頼ることになります。

これが、Broadcom と Marvell がこの分野の「静かな勝者」になった理由です——彼らは Nvidia と正面からは戦わず、「クラウド大手が Nvidia のライバルを作る手助け」を売っている。クラウド大手は設計を終えると、その設計ファイルを TSMC に送り、3ナノメートル級の技術で製造させ、出来上がったチップを自社のデータセンターに設置します。この一周には何年もの時間と、チップ1世代あたり数十億ドルがかかります。

この node は、おもしろい交差点に座っています。同じ AI チップの層にいる兄弟たちとも、まったく別の角度にある大きなトレンドとも、両方につながっているからです。

• GPU & Merchant Accelerators の競合・対極： GPU は融通がきき、CUDA というソフトウェアの堀を持つ「出来合い」のチップ。いっぽう custom ASIC は安くて省電力だがほかの仕事はできない「特注」のチップ——この2つは同じデータセンターで共存します：GPU は難しくて柔軟な仕事を、ASIC は大量に繰り返す仕事を担う
• Inference-Optimized Silicon と重なる： クラウド大手の特注チップはほとんどが、モデルを「動かす」仕事（inference）が中心。この仕事は繰り返しが多く、予測しやすいので、専用チップに向いている——だからこの2つの node の境界はとても薄い
• 製造を Semiconductors に頼る： クラウド大手は設計はできても、自分では製造できない。最先端の特注チップはほぼすべて TSMC が3ナノメートル技術で製造する。だからこの node は、製造の競争には踏み込まずに、チップ業界に大きな「需要」を流し込む存在です
• 本当の顧客は Hyperscalers／クラウドサービス事業者： 誰にでも売る GPU と違い、このグループの顧客はほんの一握り——しかもその顧客が、自分で設計している人でもある。「買う人、設計する人、使う人」が同じ会社、という node です
• Energy Transition & Power にもろに直結： 自分でチップを作る主な理由の一つが「省電力」だから、この node はデータセンターの電力問題と切り離せないほど結びついている

2025〜2026年は、特注チップが「実験プロジェクトじゃない、何兆円規模の本物のビジネスだ」と自分を証明した時期です。いちばん先を走っているのが Google。2015年から TPU を作ってきて、いまは第7世代の Ironwood（TPU v7） まで到達——この世代は 1ポッドあたり9,216個ものチップをつなげられ（1システムで最大72 GPU の Nvidia の構成より何倍も多い）、1個あたり4,614 TFLOPS の計算力で Nvidia の B200 とちょうど肩を並べます。何より、Claude を作る Anthropic が、自社のモデルを動かすために TPU を 100万個も使うと発表しました。

裏方でいちばん速く伸びているのが Broadcom。Broadcom の AI チップ売上は、2026会計年度の第1四半期に 84億ドル、前年比106%増に達し、会社は 受注残（backlog）がおよそ730億ドルあると明らかにしました。そして2027年には AI チップ売上1,000億ドル超えを目標に掲げています。いちばん話題になったのは、OpenAI と組んで 10ギガワット規模の特注チップを作る合意で、アナリストはその価値を1,000億ドル超と見積もっています。

ほかのクラウド大手も猛追しています——Amazon には学習用チップの Trainium（第3世代は3ナノメートル技術）と推論用の Inferentia があり、Microsoft は inference に特化した Maia 200 を発表（こちらも3ナノメートル）。Meta には MTIA があり、Facebook や Instagram のコンテンツ推薦システムを動かすためにすでに何十万個も設置済み——Amazon と Microsoft の裏方はおもに Marvell で、ASIC 受託設計市場のおよそ20〜25%を握っています（Broadcom は60〜80%）。

1つ目の方向は 特注チップの比率がどんどん上がっていくこと。AI チップ市場で、2024年の custom ASIC は AI アクセラレータ市場全体のわずか8%ほどでした。でも多くの調査機関は、2033年までにおよそ19%まで上がると見ています。金額にすると、2024年のおよそ 130億ドルから、2030年には1,500億ドル超へ——年平均でほぼ50%という、GPU の成長を上回るペースです。

ภาพประกอบ (share.webp)

でもこれは GPU が負けるという意味ではありません——なぜなら ケーキそのものが、どちらか一方が食べ尽くせないほど速く大きくなっているから。多くの機関は、2030年でも GPU が AI アクセラレータ市場のおよそ70〜81%を握り続けると見ています。だから、いちばんはっきりした方向は「ASIC が GPU を殺す」ではなく、分業——GPU は難しく柔軟なモデル学習を、custom ASIC はクラウド大手の自宅で大量に繰り返す inference を担う、というかたちです。

2つ目の方向は 「新型を出すスピード」での競争。いまクラウド大手はほぼ毎年、新世代のチップを出しています——Amazon は Trainium4（3倍速）を2026年末／2027年初めに、Meta は MTIA のロードマップを第500世代まで示しています——このリズムが、すべての裏方にいる Broadcom と Marvell を、売上が継続的で予測しやすいビジネスに変えています（景気の波で上下する「ロット売り」とは違って）。

3つ目の方向は 特注チップが「ほかにも売りはじめる」こと。custom と merchant の境界が、にじみはじめています——Meta が Amazon の Trainium を使うことに関心を持ちはじめたり、Google が外部の顧客に TPU を貸し出しはじめたという報道があります。この流れが大きくなれば、かつて「自分で使うために作った」チップが、オープンな市場で本当に Nvidia と競う商品になるかもしれません。

1つ目のリスクは CUDA の堀と、柔軟さです。Nvidia の最大の強みはチップそのものではなく、ソフトウェアの CUDA——世界中の AI 開発者が慣れ親しみ、ライブラリのほとんどがそのうえで動くように調整されています。クラウド大手の特注チップは、自前のソフトウェアツールを並行して作らなければならず、これは難しく何年もかかる。そして仕事が「柔軟さ」を求めるかぎり（たとえば速く入れ替わる新しいモデル構造）、何でもできる GPU は、古い仕事に固定された ASIC に対して優位を保ち続けます。

2つ目のリスクは 莫大な初期費用と、大手しか割に合わないことです。チップを1世代設計するのに数十億ドルと何年もかかる。それが割に合うのは、コストを薄く広げられるほど大量の仕事があるときだけ——つまりこの node は、十分に大きなデータセンターを持つ、ほんの一握りの巨人のゲームです。小さな会社は、結局のところ市場の GPU に頼るしかありません。

3つ目のリスクは Broadcom、Marvell、TSMC への集中です。クラウド大手の特注チップがほぼすべて、たった2社の共同設計者（Broadcom ＋ Marvell で市場の8割超）の手を経て、ほぼ全部 TSMC で製造される——「Nvidia への依存を減らす」ために生まれた node が、かわりに新しい集中した依存先を作ってしまった。どこか1点がつまずけば、サプライチェーン全体が揺れます。

短くまとめると：この node は、世界でいちばん大きな顧客が「お布施はもう十分払った」と決め、自分の選択肢を自ら作りはじめた日の話です——誰かと売り合うためではなく、すべてが AI チップのうえを走る時代に、自分のコストと運命を自分で握るために。この node を理解すれば、世界でいちばん強い会社でさえ、たった一社のサプライヤーに命を預けたくないのはなぜか、が分かります。