前回の Blackwell の関 で扱ったのは NVIDIA の GPU で、それが AI チップの主流だ。だが話にはもう1本の筋がある：Google、Amazon、Meta、Microsoft といったクラウド大手は、NVIDIA から GPU を買うだけでなく、いずれも「自分でチップを作っている」。これら自社開発の AI チップの多くは、ASIC と呼ばれるものだ。

この記事では ASIC を噛み砕く。まずそれが何か、GPU とどう違うかを見て、次に大手がなぜ自分で作るのか、Broadcom と台湾メーカーの役割、そして NVIDIA を取って代わるのかを語る。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」の深掘り版だ。

ASIC とは何か？GPU とどう違うのか

ASIC の正式名称は Application-Specific Integrated Circuit、平たく言えば「特定のタスクに合わせて作ったチップ」だ。

GPU と比べてみよう。GPU はより汎用的な並列演算チップで、対応範囲が広く、複数のモデルや作業を走らせられ、柔軟性が高い。だが汎用であろうとするがゆえに、「使わないのに払う」コストもいくらか抱える。ASIC はその逆だ：ある一類の作業（たとえばある種の推論）に的を絞り、ちょうど足りる・ちょうど最も省ける形にチップを設計し、汎用性を犠牲にして、その一点におけるコスト・消費電力・効率の優位を取りにいく。Google は自社の TPU を、ずばり AI 専用の ASIC と定義している。

たとえるなら：GPU は何でも切れるスイスアーミーナイフ、ASIC はある料理のために誂えた包丁で、それだけしかしないが、速く、安くやってのける。

なぜクラウド大手は自分でチップを作るのか

クラウド大手は NVIDIA の GPU を買えるのに、なぜ大金をかけて自社開発するのか。主に4つの理由がある。

1つはコスト：自社データセンターで使うチップの数があまりに多く、自社開発すれば調達費と運用費をかなり節約できる。2つは最適化：自社のモデル、レコメンドシステム、推論サービスに合わせて設計すれば、汎用 GPU より効率がよい。3つは依存低減：命綱を単一サプライヤーに全賭けしたくない。4つは差別化：チップを自社クラウドと結びつけ、他社が真似できない組み合わせを作る。この4点を足し合わせれば、資金力のある大手が長期に投資し続けるには十分だ。

コアデータのスナップショット

以下に自社開発 ASIC のプレイヤーと規模感をまとめておく。成長率と比率は調査会社の推計値だ。

テーマ数値時点／性質
Google TPU（第七世代 Ironwood すでに商用；第八世代 8t/8i は 2026-04 公開）単体 192GB HBM3E、superpod（数千基のチップを連ねた超大型クラスター）で 9,216 基まで2025-11 GA
AWS Trainium3初の 3nm AWS AI チップ、UltraServer 最大 144 基2025 年末
Microsoft Maia 200TSMC 3nm、216GB HBM3e、推論重視2026-01 発表
CSP 自社開発 ASIC 出荷成長率（2026）約44.6%（GPU 約16.1%）TrendForce 推計
AI サーバー GPU vs ASIC 比率（2026）GPU 約69.7%、ASIC 約27.8%TrendForce 推計

4大クラウドの自社開発チップ

主要なプレイヤーを並べて見よう：

Google TPU：最も歴の長い自社開発 ASIC。商用化済みなのは第七世代 Ironwood で、2025年末に正式に商用化、単一クラスター（superpod、数千基のチップを連ねた超大型の演算クラスター）は九千基あまりまで連ねられる；Google は2026年4月にも第八世代 TPU（8t／8i）を公開している。Anthropic でさえ Claude を走らせるのに Google TPU の採用を拡大している。AWS Trainium／Inferentia：Trainium が学習、Inferentia が推論を担い、最新の Trainium3 は AWS 初の 3nm AI チップだ。Meta MTIA：Meta は推論用に「数十万基」の MTIA を展開済みと公式に述べ、今後2年でさらに数世代を投入するという。Microsoft Maia：2026年初に発表された Maia 200 は、TSMC の 3nm プロセスを用い、推論を重視し、自社の Copilot と OpenAI のモデルを支える。

さらに OpenAI も Broadcom と協力して自社アクセラレータを設計し、膨大な展開量を計画しているが、目標は2026年下半期からの着地で、いまはなお設計・構築の段階にあり、量産済みの事実として扱うべきではない。

Broadcom、Marvell、台湾：誰が彼らを手伝っているのか

クラウド大手には構想があるが、チップの細部設計、パッケージング、相互接続は、やはり専門のパートナーに頼る必要がある。そこで2種類の役割が出てくる。

第一は ASIC 共同設計者で、**Broadcom（博通）とMarvell（邁威爾）**が代表だ。部品を売るだけでなく、クラウド大手と一緒にカスタムチップを設計し、ネットワーク相互接続の方策を提供する。Broadcom は Google TPU、Meta MTIA、OpenAI との長期協力をすでに公表している。

第二は台湾の ASIC 設計サービス会社で、**Alchip（世芯-KY）とGUC（創意電子）**が代表、設計から委託製造までの一括サービス（turnkey、設計から代工の発注までを丸ごと請け負う）を提供する；一部の 3nm 関連設計はすでに顧客製品や量産の段階に入り、2nm は多くがなお設計プラットフォームと顧客開発の進捗にある。はっきりさせておきたい：これら設計サービス会社の実際の顧客は多くが非公開で、市場がそれをどのクラウド大手に対応づけるかは、しばしばアナリストの推測や市場の議論であって、会社の公告ではない。本記事は産業上の役割を描くだけで、受益銘柄を整理することも、投資助言を構成することもない。

「ASIC 関連銘柄」は台湾株で人気のテーマで、市場はふつう設計サービス、シリコン IP、先端パッケージング、ウェハ受託、テストインターフェースといったサプライチェーンを一緒くたに議論に入れる。この群が何で盛り上がっているかを理解するのはよいが、テーマの過熱を個別銘柄の推奨と取り違えてはいけない。

ASIC は NVIDIA を取って代わるのか

これは最もよく聞かれる問いで、答えは「成長率」と「総量」をはっきり分けないといけない。

2026年、クラウド大手の自社開発 ASIC の出荷成長率（約44.6%）は確かに GPU（約16.1%）より速い。だが成長が速いことは規模が大きいことを意味しない：調査会社の見積もりでは、2026年の AI サーバーはなお GPU が主役で、約7割を占め、ASIC は3割近くだ。さらに肝心なのは、NVIDIA の堀はチップそのものだけでなく、皆が使っている CUDA ソフトウェアのエコシステム（開発者を縛るプログラミング環境）と NVLink 高速相互接続にもあり、一式まるごと移すコストは高い。

だから、より実際的な見方はこうだ：自社開発 ASIC はクラウド大手が「自分のためにコストを抑え、差別化する」長期路線で、もともと GPU に属していた需要の一部を徐々に取り込んでいくが、短期では誰が誰を取って代わるという話にはならない。興味深い1つの兆しは、Anthropic でさえ Google TPU、AWS Trainium、NVIDIA GPU の上で同時にモデルを走らせていることだ。複数社を併用し、賭けを分散するのが、いまの常態だ。

この関の要点

ASIC を見終えたら、まずその立ち位置を覚えておこう：それは特定のタスクに合わせて作ったカスタムチップで、汎用性を犠牲に、効率とコストを取りにいくものだ。

クラウド大手が自社開発 ASIC を手がけるのは、コストを抑え、ワークロードを最適化し、依存を減らし、差別化するためで、Google TPU、AWS Trainium、Meta MTIA、Microsoft Maia がその代表、背後にはしばしば Broadcom、Marvell、台湾の設計サービス会社の姿がある。2026年は ASIC の成長率が GPU を上回るが、GPU はなお約7割を占め、NVIDIA のエコシステムの堀も健在で、短期は取って代わりではなく共存だ。

GPU 主流の側を見たいなら、Blackwell とは に戻って読んでほしい；これらのチップがどう封止され、データを供給されるかは、CoWoS と HBM を参照；チェーン全8関を見たいなら、サプライチェーン総まとめ に戻ってほしい。