このAI競争では、多くの企業がNvidiaにGPUを買うため行列を作っています。Googleは例外で、ほかの誰も持っていない一枚の切り札を握っています。自社で設計したAIチップ、TPUです。

この切り札によって、GoogleはすべてのAI大手のなかでもっともNvidia依存度が低い一社になっています。ライバルが多額の予算をNvidiaに渡し、なお供給元の顔色をうかがっているとき、Googleは大量の学習と推論を自社のTPU上で走らせています。Googleという会社の全体像をまず知りたい方は、Googleとはどんな会社かから始めてみてください。

本稿が答えるのは、たった一つの問いです。自社でチップを作ることが、いったいGoogleにどれだけの節約をもたらしているのか、この堀はどれほど深いのか、そしてどんな越えられない壁があるのか。

一言で言えば。 TPUは本当に割安ですが、節約しているのはGoogle自身の大規模な演算です。それによってGoogleが、TSMCからHBMへと続くあのグローバル供給網から抜け出せたわけではありません。

TPUはGoogleの自社AIチップ

TPUの正式名称はTensor Processing Unitで、Googleが自社のAI演算を走らせるために専用設計したチップ、専用型のASICにあたります。市販はされておらず、主にGoogle内部で使われるほか、Google Cloudを通じて企業に貸し出されています。

GoogleはTPUを十年にわたって作り続け、世代を重ねて積み上げてきました。最新の対外向けは第七世代のIronwoodで、Googleはこれを「推論時代の最初のTPU」と位置づけ、ワットあたり性能を前世代のTrilliumからさらに一段引き上げています。その先の第八世代では、Googleはこれまでにやったことのないことをしました。学習と推論を二つの異なるチップ設計に分け、それぞれを最適化したのです。

チップの背後にある原理は本稿では展開しませんが、TPUとGPUの違いやASICとは何かを知りたい方は、当サイトの供給網シリーズ、AIアクセラレータチップの解説とTPU専編をどうぞ。

自社でチップを作ると、いったいどこが割安になるのか

もっとも直接的な証拠は、Google自身の決算から来ます。2025年の決算説明会でGoogleは、その年にGeminiの単位あたりサービスコストを約78%押し下げたと述べました。その理由は、モデルの最適化に加え、自社ハードウェアの効率と稼働率の向上だとしています。

節約のロジックには二つの層があります。一つは中間業者の利益を回避すること。自社でチップを設計すれば、Nvidiaから小売価格でGPUを買う必要がありません。もう一つは専用設計であること。TPUはGoogle自身のワークロードのために設計されているので、より的を射た形で動きます。一部のアナリストは、最新世代のTPUが特定の大規模言語モデルの学習タスクにおいて、総保有コストでNvidiaの同等チップより約4割低くなりうると試算しています。

ここで一つ、正直に補足しておきます。読者が優位を過大に思い描かないように。その4割は、アナリストが「最適化された自社利用の場面」について行った試算であり、ワークロードによって変動します。汎用の、必要なときに使うクラウド推論では、独立した評価でNvidiaのエコシステムが今なお明確に先行していることが示されています。言い換えれば、TPUがもっとも割安なのは、Google自身が走らせるような超大量で、じっくりスケジューリングできるワークロードであって、対外的に売るあらゆる種類の演算ではないのです。

一気通貫の裏には、とても長い供給網がある

「自社開発チップ」と聞くと、Googleが何もかも自前でやっているように響きますが、実際にはずらりと並んだパートナーに頼っています。

チップのアーキテクチャはGoogleが主導していますが、設計協力は何社かに振り分けられています。最新世代の学習チップはBroadcomと共同設計し、両社の契約は2031年まで結ばれています。推論チップは台湾のMediaTek（聯発科）が引き受け、Googleはさらに第三の設計パートナーとしてMarvellとも交渉中です。実際にチップを作り上げているのは、TSMCの先進プロセスで、第八世代TPUは2nmを狙い、2027年末の量産を予定しています。

メモリの部分はさらに微妙です。TPUは大量のHBM（高帯域幅メモリ）を必要とし、業界の報道によれば、サムスンは近ごろGoogle TPU向けのHBM比率が高めだとされています。ただしこれは業界の情報であって、メモリ三社の公式数字ではなく、正確な配分をGoogleは一度も公開していません。先進パッケージング（CoWoS）の需要もそれに伴って急増し、同じくTSMCの生産能力に引っかかっています。

これらをつなぎ合わせて見ると、GoogleはGPUを外部調達するしかないライバルよりも確かに掌握力があるものの、グローバル供給網から本当に抜け出せたわけではありません。TSMCの生産能力、HBMの供給、先進パッケージングのボトルネックは、いずれも今の業界が奪い合う環節であり、すべて米国の輸出規制の範囲内にあります。鎖全体がどう動いているのかは、AIハードウェア供給網の一気通貫をご覧ください。

ライバルまでもがそのチップを借りに来る

TPUの実力は、少し逆説的なところからもっともよく見えてきます。Googleのライバルもまた、そのチップを使っているのです。

Anthropicは、Google史上最大のTPU調達協定を結びました。規模は百万個級に達する見込みです。市場では、MetaがGoogleと大口のTPU導入について交渉しているとの話も流れています。もっとも見どころのあるのはAnthropicのラインで、Googleは一方で巨額を投じて投資しながら、もう一方で演算を貸し出しており、三角関係はかなり複雑です。この部分はGoogleはなぜライバルのAnthropicに投資するのかで専門に解き明かしています。

ライバルが次世代モデルの学習という肝心な事柄をTPUに委ねるのを厭わないこと、それ自体がそのコストパフォーマンスへの一つのお墨付きなのです。

チップには電力が要る、その電力はどこから来るのか

チップは物語の半分にすぎず、もう半分は電力です。これほど大規模なAI演算は、電力消費が驚くほど大きく、エネルギーはこうしてGoogleのもう一つの戦線になりました。

その賭けは二つの道に分かれています。一つは原子力です。GoogleはKairos Powerと協定を結び、2030年から2035年のあいだに最大500MWの小型モジュール炉（SMR）を電力供給のため配備する計画で、第一号は2030年の稼働開始を目標にしています。もう一つは再生可能エネルギーです。テキサス州で1GWの太陽光購電協定を結び、複数の米国電力市場でさらに1GWを超える契約を結び、さらに2026年初頭には47.5億ドルを投じてクリーンエネルギーとデータセンターのインフラ企業Intersect Powerを買収しました。狙いはまさに、電力の供給源を先に押さえておき、拡張が電力不足で行き詰まらないようにすることです。

このエネルギーのラインはデータセンターとともに伸びていくもので、GoogleのAI布陣を見るときに見落とされがちでありながら、ますます重要になっていく一片です。

まだ広げられていない部分

このテーマには、「業界報道」の段階で止まっている数字が少なくありません。ここで正直に明示しておきます。

  • HBMサプライヤーの正確な比率：サムスンの供給比率が近ごろ高めだという説は、業界の情報と韓国メディアから来たもので、メモリ三社のいずれも表立って確認しておらず、正確な配分は未公開です。
  • TPUがTSMCの生産能力に占める割合：MediaTekの受注からの推計はありますが、Google自身がTSMCの先進プロセスとパッケージング能力をどれだけ占めているかは、公式には一度も明かされていません。
  • Ironwoodのプロセスノード：業界はTSMC 3nmを指していますが、Google公式は公表していません。
  • TPUとNvidiaの社内調達比率：Alphabetの決算は、自社向けTPUと外部調達GPUの金額を分けて開示していません。

これらはいずれもまだ公式な結論がなく、どれほど精緻な単一の数字を見ても、もう一つ疑問符を残しておく価値があります。

小企鵝の観察

TPUという切り札を遠くから眺めてみると、その価値は「もっとも安い」ことにではなく、「もっとも掌握力がある」ことにあります。

ほかの企業がNvidiaの製品を奪い合うために焦り、調達価格に頭を痛めているとき、Googleの手元には自分で調達を差配できるチップのラインがあります。これは演算力こそ国力という今の状況では、とても硬い底力です。とはいえ、この堀には明確な境界があります。もっとも割安なのは自社向けの大規模な演算であって、対外的に売るあらゆる計算単位ではありません。そしてその水源は、依然としてTSMCからHBM、先進パッケージングへと続くあのグローバル供給網なのです。Googleは誰よりも「チップ自給」に近づいていますが、それを本当にやり遂げた者はまだ誰もいません。

関連記事：Googleとはどんな会社か、AIハードウェア供給網の一気通貫、GoogleはなぜライバルのAnthropicに投資するのか。