GoogleはMetaやAnthropicなどのライバル企業に対し、独自のテンソル処理ユニット（TPU）の販売を交渉中と報じられており、NvidiaのAIハードウェア優位性を揺るがす可能性がある。これらのAIタスク専用に設計されたカスタムチップは、企業に数百万ドルの節約をもたらす効率向上を提供する。AIコンピューティング需要の高まりの中で、この動きはセクターの多様化の進展を強調している。
Googleは2016年にテンソル処理ユニット（TPU）を先駆け、大規模AIモデルのトレーニングと実行に不可欠な行列乗算に最適化されたチップを作成した。Nvidiaが支配する汎用グラフィックス処理ユニット（GPU）とは異なり、TPUはこれらの並列計算に特化し、AIワークロードの非効率を低減する。
今年、Googleは7世代目のTPUであるIronwoodを発表し、独自のGemini（言語処理用）やAlphaFold（タンパク質モデリング用）などのモデルをサポートする。専門家は、TPUがGPUと類似点を持つものの、その専門性により特定のAIアプリケーションでより効率的だと指摘する。「これらの作業でははるかに効率的で、数千万から数億ドルの節約が可能だ」と、英国ブリストル大学のSimon McIntosh-Smith氏は述べる。
これまでGoogleは10年以上にわたりTPUを社内で使用してきたが、最近の報道では外部販売への転換が示唆されている。MetaやAnthropicなどの企業がGoogleのTPUに数十億ドルの投資を計画中とされ、Nvidiaの品薄で高価なGPUの代替を求めている。この動きは競争を促進し、購入者がNvidiaとより良い条件で交渉し、サプライチェーンを多様化させる可能性がある。
イタリア・ボローニャ大学のFrancesco Conti氏はその魅力を説明する。TPUはAIに適した並列処理に優れるが、モデルが急速に進化すればニッチな設計が柔軟性の欠如を招くリスクがある。他のハイパースケーラー、例えばAmazonのTrainiumチップなども、GPU不足の中でカスタムハードウェアを開発中だ。McIntosh-Smith氏の観測によると、「大口顧客の切り替えについては耳にしていなかったが、それが今始まっているのかもしれない」。この傾向はAIインフラの成熟を示し、業界のハードウェア風景を再構築する可能性がある。