ニュースに出てくる「AI チップ」は、あるときは NVIDIA の GPU、あるときは Google の TPU、またあるときはスマホの中の何かのプロセッサを指す。いったいどれが本当の AI チップなのか。じつは答えは、どれもそうだ、というものだ。

この記事では AI チップを噛み砕く。まずなぜそれが単一のチップではなく「一家」なのかを見て、次に GPU、ASIC、TPU、NPU、FPGA がそれぞれ何で、どう違うかを分解し、最後に学習と推論、クラウドと端末側の違いを語る。これは AI ハードウェアサプライチェーン総まとめ の第1関「AI チップ」の入門総覧版だ。

AI チップとは何か？

AI チップ（AI アクセラレータとも）は「AI ワークロード向けに最適化されたハードウェア」の総称で、何種類ものチップを含む。

なぜ専用のチップが要るのか。AI の演算には特徴があるからだ：大量の行列乗算、テンソル演算（テンソルは行列の延長と考えればよく、モデルが処理する大量の数字の表だ）、低精度の計算、しかもこれらの演算は同時に進められる。一般的な CPU はこうした大規模な並列演算が得意ではない。そこで業界は、この種の演算を専門に加速する各種のチップを作り、総称して AI チップと呼ぶ。

一家と考えればよい：GPU、ASIC、TPU、NPU、FPGA はみなこの一家のメンバーで、それぞれ得意分野は違うが、すべて同じ目的のために生まれている。AI の演算を、速く、省エネに走らせることだ。

コアデータのスナップショット

以下の数字は、AI チップ市場の規模感をつかむのに役立つ。多くは調査会社の推計値だ。

テーマ数値時点／性質
世界の半導体売上2026年は約1.32兆ドルと推計Gartner 予測
AI 半導体の比率2026年の半導体売上の約3割Gartner 予測
NVIDIA AI チップ市場シェア約70%TrendForce、2025 推計
クラウド自社開発 ASIC vs GPU 成長率ASIC 約44.6%、GPU 約16.1%TrendForce、2026 推計
AI PC の比率急速に普及；Gartner はメモリ値上がりにより50%普及点を2028年へ後ろ倒しGartner

5種類の AI チップ、それぞれの役割

この一家のメンバーを並べて対照してみよう：

種類それは何か何に向くか
GPU汎用の並列プロセッサ、柔軟性が高く、エコシステム（CUDA）が成熟大規模モデルの学習、クラウド推論、研究
ASIC特定タスクに合わせて作ったカスタムチップ、効率が高く柔軟性は低いクラウド大手の自社開発、特定ワークロード、コスト勝負
TPUGoogle が自社開発した ASIC、テンソル演算に特化Google Cloud、自社モデルと顧客ワークロード
NPUスマホ、ノートPC、自動車に組み込む低消費電力の AI チップ端末側のリアルタイム AI、省電力、オフライン可能
FPGA再構成可能（出荷後もハードウェアの論理を変えられる）、柔軟性と効率の折衷低レイテンシ、産業用、プロトタイプ開発

GPU を深く知りたいなら GPU の関 を；クラウド大手がなぜ自社開発 ASIC を手がけるのかを知りたいなら ASIC の関 を見てほしい。

学習チップ vs 推論チップ

同じ AI チップでも、「学習」に使うか「推論」に使うかで、重視する点はだいぶ違う。

学習はモデルに膨大なデータから学ばせることで、生徒を一から教え込むようなものだ。極めて高い演算性能、とても大きなメモリ、チップ間の高速相互接続、そして長時間の安定した演算が要る。推論はモデルが学び終えて稼働した後、新しい入力に素早く答えを出すことで、生徒に試験を解かせるようなものだ。推論はレイテンシ（答えの速さ）、コスト、ワットあたり性能をより重視する。

同じチップで両方できる場合もある（GPU、TPU はどちらもそうだ）が、推論は使うたびにコストが発生し続けるため、市場には「推論優先」のチップ設計が増えている。

クラウド vs 端末側

AI チップをどこに置くかも、その姿を決める。

クラウド AI チップはデータセンターに置かれ、強みは演算性能の大きさ、スケーラビリティ、集中管理で、大規模モデルの学習と大量の API 推論に向くが、電力をよく食う。端末側 AI チップ（多くは NPU）はスマホ、ノートPC、自動車に置かれ、強みは低レイテンシ、プライバシー保護、オフライン可能、帯域の節約で、代償としてサイズと消費電力の制約を受ける。Microsoft の Copilot+ PC は NPU の演算性能が毎秒40兆回を超えることを要求している。

ひとことで言えば、クラウドは「力で押し切る」、端末側は「細かく切り詰める」だ。ますます多くの AI アプリが演算を切り分け、重いものはクラウドに、リアルタイムなものは端末側に置くようになる。

この関の要点

AI チップを見終えたら、まず最も大事な考え方を覚えておこう：それは「アクセラレータ一家」の総称であって、GPU だけを指すのではない。

GPU は汎用でエコシステムが成熟；ASIC（Google の TPU を含む）は特定タスクに合わせて作られ効率が高い；NPU は低消費電力で、スマホやノートPCに組み込まれる；FPGA は柔軟性と効率の折衷だ。2026年の構図は、NVIDIA の GPU がなおクラウドで主導し、クラウドの自社開発 ASIC と端末側の NPU がそれぞれ急成長している、というものだ。この分類を理解すれば、クラウド、スマホ、自動車の中の AI チップがなぜ別物に見えるのかが分かる。

GPU を深く見たいなら GPU を；クラウドの自社開発チップを見たいなら ASIC を；フラッグシップ GPU 世代を見たいなら Blackwell を；チェーン全8関に戻りたいなら サプライチェーン総まとめ に戻ってほしい。