チップストラットのオースティン・ライオンズ氏：エヌビディアのラック単位のモートは本物、循環的資金調達への懸念は誇張、LLM専用チップはいまだ存在せず
テック・サージ・ポッドキャスト（2026年9月22日）——クリエイティブ・ストラテジーズの半導体アナリストが、システム販売の時代と、次に時価総額1兆ドル規模に達する半導体企業が現れる場所について語る
クリエイティブ・ストラテジーズの半導体アナリストであり、「チップストラット（Chipstrat）」ニュースレターの執筆者でもあるオースティン・ライオンズ氏は、テック・サージ・ポッドキャストに出演し、AIインフラ投資における一般的な前提、すなわち「業界はコモディティ化に向かっている」という見方に真っ向から反論する持論を展開した。ライオンズ氏によれば、買い手は個別チップの調達からシステム全体の購入へと決定的にシフトしており、その裏で支出パターンの水面下での断片化がほとんどの投資家の予想を超えるスピードで進行しているにもかかわらず、この変化がかえってエヌビディア（Nvidia）の競争優位性を強固なものにしているという。
LLM専用に開発されたチップはいまだ存在しない
対談の中で最も衝撃的かつシンプルな主張は、AIインフラに数兆ドルもの資金が流れ込んでいるにもかかわらず、大規模言語モデル（LLM）の推論に特化してゼロから設計されたシリコンベンダーはいまだに1社も存在しないという点だ。ライオンズ氏は、エヌビディアのGPUについて「グラフィックスにルーツを持ち、並列処理を得意としてきた歴史があり、それがAI中心へとシフトしてきた」と説明するが、そのアーキテクチャはいまだに過去の世代の汎用的な血統を引いており、LLM専用に構想されたエンジンではない。AMDの「Helios」ラックや、エヌビディアのGPUとLPU（言語処理ユニット）の組み合わせでさえも、同氏の表現を借りれば、そのワークロードに向けて「形態を変化させた」ものであり、初めからその目的のために考案されたチップではないという。
こうしたギャップこそが、同氏がチャレンジャー（競合新興企業）にとっての機会と見なす領域だ。ホット・チップス（Hot Chips）で発表されたオープンAI（OpenAI）の新チップ「Jalapeno」はその好例である。システム全体で共有KVキャッシュを転送するのではなく、すべてのアクセラレータに独自のHBM（広帯域メモリ）スライスを持たせる設計を採用することで、既存の汎用シリコンを悩ませてきたメモリ競合を排除している。また、テンソル・ダイネ（Tensor dyne）が行列乗算の代わりに対数演算（log math）を採用し、乗算をシリコン上でより高速に処理できる加算に置き換えるアプローチも、既存ベンダーが採用しにくいアーキテクチャ上の賭けの別の例だ。ライオンズ氏がその理由を説明するのはシンプルで、既存企業は最も幅広い顧客層に向けて最適化を図るため、第一世代の製品において急進的なトレードオフを行うことはキャリア上のリスクを伴うからだ。同氏は、汎用ベンダーは、安全で漸進的な設計であっても依然として売れる状況下で、検証されていないアーキテクチャの選択に「リスクを取るインセンティブがないかもしれない」と指摘する。
エヌビディアのラック単位の優位性が揺るぎない理由
ライオンズ氏は、システム販売へのシフトが起きている背景として、「2兆パラメータ以上のフロンティアモデルは1つのGPUのメモリには収まらず、シームレスに通信しなければならない数十個のチップにワークロードを分散させざるを得ない」という率直な技術的現実を挙げた。エヌビディアの強みは、この複雑性をどこよりも早くターンキー（即時利用可能）な形で実現し、GPU、CPU、ネットワーク、電力、冷却を「Grace Blackwell NVL72」などのラックに統合し、システム全体をオーケストレーションする「Dynamo」などのソフトウェアとバンドルしたことにあると主張した。「エヌビディアは率直に言って、この複雑なシステムを他社に先駆けて構築し、ターンキー化した点で素晴らしい仕事をした」と述べ、今日の買い手は最低コストではなく市場投入までのスピードを最優先していると指摘。その最も明確な例として、xAIにおけるイーロン・マスク氏の急速なデータセンター構築を挙げた。
こうした力学があるからこそ、チップの新興企業は、かつて数百万ドルですんでいた資金調達ラウンドとは異なり、実用的な概念実証（PoC）に到達するだけでも数億ドルの資金が必要になっているとライオンズ氏は語る。セレブラス（Cerebras）はその単独路線のコストを示す好例であり、同社のウエハースケールエンジンは、新規のチップだけでなく、通信、冷却、電力供給のためのサポートスタック全体の発明を必要としたため、市場投入までの時間が大幅に遅れるという負担を抱えている。
プレフィル・デコードの分離と専用シリコンの台頭
推論ワークロードが「プレフィル（prefill）」と「decode（デコード）」の段階にディスアグリゲーション（分解）されつつある理由について、ライオンズ氏は業界で入手可能な解説の中でも最もわかりやすい技術的説明を展開した。プロンプト全体を読み込んで文脈を把握する並列処理可能なプレフィルは、計算量が重くメモリ負荷が軽いため、高価なHBMの稼働率が低下する。一方、トークンを1つずつ順番に生成するデコードはその逆で、メモリバウンド（メモリ性能がボトルネック）であり計算負荷は軽い。エヌビディア自身の「Dynamo」ソフトウェアによって最初に解決されたこのミスマッチこそが、グロック（Groq）やセレブラスのようなアクセラレータ新興企業に扉を開いた。両社はLLMとは無関係な理由でSRAMを多用したアーキテクチャに早期から賭けていたが、デコード特有の需要が表面化したことで完璧なポジションに立つことになった。
ライオンズ氏は、最終的にこの断片化が複数のベンダーによるパッチワークとしてではなく、単一のシリコンベンダーの中に統合されていくと予想しており、業界が最終的に2〜3社の支配的なCPUおよびGPUサプライヤーに落ち着いた歴史と軌を一にしている。エヌビディアによるグロックの買収はその初期のデータポイントだ。それでも同氏は、新規参入企業が同じディスアグリゲーションを利用して逆ポジションを取る可能性を排除しておらず、ネオクラウドがAI ASICの新興企業を吸収し、厳選されたワークロード特化型のシリコンをサービスとして提供する可能性もあるとみている。
循環的資金調達：誇張されているが、誤解を招くのも無理はない
エヌビディアがネオクラウドに対して行う出資が、結果的にエヌビディアへの売上をもたらすGPU購入資金の原資となっているという「循環性」の懸念について直接問われたライオンズ氏は、自身の最初の直感は懐疑的なものであったと認めた。「自分でもすぐに『これはちょっと違うぞ、何か変だな』と感じるタイプの人間だった」と彼は語る。しかし、調査を進めた結果たどり着いた結論として、このスキームは作られた需要ではなく、資本コストの真のボトルネックを反映したものであるという。AI計算需要は本物であり、エージェント型コーディングツールによるソフトウェア開発コストの激減を考慮すれば、現在であってもなお控えめに見積もられていると彼は見ている。制約となっているのは、数千億ドル規模のデータセンター建設をファイナンスできるバランスシートをサプライチェーンのどのプレイヤーが持っているかという点である。銀行は新興のネオクラウド運営会社への直接融資に依然として慎重であり、そのためハイパースケーラーのオフテイク（全量引き取り）契約やエヌビディアの信用補完が、ファイナンスを解き放つ信用増強として機能している。「それが資本主義だ」とライオンズ氏は率直に語る。「利益がなければ、彼らはそんなことはしない」。エヌビディアがこのスキームから利益を得ていること自体は否定しないものの、そのメカニズムがドットコムバブル時代のベンダーファイナンスのバブルに似ているという見方には与しない。
ネオクラウドは伝統的投資家から過小評価されている
ライオンズ氏は、トップ3のネオクラウドが約1,250億ドルの上場株式価値を生み出しており、これは大部分のチップ新興企業を合わせた額よりも大きいにもかかわらず、投資家はこの機会を大きく見逃していたと指摘した。彼自身の初期の躊躇は、ハイパースケーラーへの顧客集中がこれらの事業を脆弱にしているという思い込みに起因していた。今振り返ると、その懐疑論は見当違いだったと彼は見ている。なぜなら、顧客の集中はエヌビディア自身を含め、半導体サプライチェーン全体に固有の現象だからだ。ハイパースケーラーがこの価値を自ら獲得できなかった理由について、同氏は資本規律、イノベーターのジレンマ、利益率への感度の複雑な組み合わせに起因すると説明し、一部のクラウドプロバイダーは低マージンのベアメタルGPUレンタルを優先したくないコモディティ事業とみなしている一方、ネオクラウドは同じ収益を自社モデルの中核として扱っていると指摘した。
次に1兆ドル規模の半導体企業が生まれる4つの条件
次に急成長を遂げるシリコン企業を見極めるためのライオンズ氏のフレームワークは、4つの基準に集約される。すなわち、「1兆パラメータ超のモデルを実行する能力」「ラック単位のシステム納入」「定義されたパフォーマンス指標で既存企業を凌駕すること」「アンカー顧客としてフロンティアモデルの研究開発ラボを獲得すること」だ。中でもフロンティアが最も重要であると彼は言う。なぜなら、そこにこそ「莫大な価値が蓄積される」からだ。最先端で開発を行う開発者は、劇的な高速トークン生成に対して、月額数千ドル規模のプレミアムも含めて相当な高額を支払う用意がある一方、小規模で古いモデルを使用するワークロードははるかに厳しい価格競争やコモディティ化した供給に直面していると彼は論じた。
関連するKPIは、単なるスピードではなく、電力あたりで正規化された、固定された対話性におけるスループットであると付け加えた。ネオクラウドが資本単体ではなくメガワット単位で制約を受けている現状において、計算式は、限られた電力割り当てからどれだけの収益を生むスループットを引き出せるかという点になり、この枠組みは汎用的な柔軟性よりもインタラクティブ性のカーブ上の特定のポイントに最適化されたチップに有利に働く。
企業のAI導入のボトルネックはインフラではなく人材
企業のオンプレミス導入が長期的な大市場を代表するものになるかという問いに対し、インターネット時代のワークロードの大半が最終的にクラウド外で稼働したパターンになぞらえ、ライオンズ氏は企業の導入も相当な規模になると同意しつつも、インフラの可用性とは異なる制約を強調した。企業は防御力のあるAI駆動型の差別化を構築するために、独自データやファインチューニングのプロセスを自社内に保持したいとますます望んでいるが、モデルを社内でファインチューニングするために必要な人材を雇用している企業は現在ほとんどないという。彼はこの時期を企業向けソフトウェア導入の初期段階に例え、ドメイン専門家が社内にエンジニアリング人材を欠いていた当時になぞらえ、同様の人材構築サイクルが起きると予測した。もっとも、インタビュアーからの促しを受け、より直近のボトルネックは、企業が専門の機械学習スタッフを雇用することなく生成AIを導入するのを支援するツールの不在にあるかもしれないと認めた。
AIを活用したチップ設計がカスタムシリコンのハードルを低下させる
ライオンズ氏は、AIによってアクセラレーテッド（高速化）されたチップ設計ツールが、カスタムシリコンのコストと開発期間の両方を大幅に圧縮し、3年の開発サイクルを1年へと短縮し、これまで経済的に見合わなかったプロジェクトを実行可能にするレベルまで部品表（BOM）コストを引き下げると見ている。彼は、自動運転ワークロードにおいて電力の制約とリアルタイムのレイテンシ要件から既存チップが不適合となったことを受け、カスタムシリコンへと舵を切ったリビアン（Rivian）の動きを例に挙げ、今後より多くの企業がその決定を正当化できるようになると指摘した。一方で、これらのツールがチップ新興企業にとって諸刃の剣であることにも注意を払う必要があると述べ、既存の汎用シリコンベンダーにいる経験豊富なエンジニアリングチームも同様の生産性の向上を活かして自社製品ラインを拡張し、より特殊なワークロードに対応するうえで同じく有利なポジションにあるからだ。