エヌビディア「一強揺らぐ」は誤解か…AI半導体多極化がもたらすコスト破壊

●この記事のポイント
エヌビディアが第1四半期で売上高816億ドルと過去最高を更新する一方、グーグルのTPU、アマゾンのTrainiumなど独自推論チップの台頭でAI半導体は多極化局面へ。LLM APIの価格は急低下し、AI活用コストは急速にコモディティ化。中小企業含む全企業に競争の土台が均等化されつつあり、問われるのはインフラ調達力ではなく自社データの活用力だ。

　5月20日、エヌビディアは2027会計年度第1四半期（Q1 FY2027）の決算を発表した。売上高は前年同期比85%増の816億ドル（約13兆円）、データセンター部門だけで752億ドル（約12兆円）と全体の約92%を占め、いずれも単一四半期の過去最高を更新した。Q2のガイダンスとして示した910億ドル（±2%）も市場予想を大きく上回り、ジェンスン・ファンCEOは「ハイパースケーラー（大規模クラウド事業者）が高水準の需要を維持している」と述べた。

　数字だけを見れば「AI半導体はエヌビディアの一人勝ちが続く」という印象を持つのは自然だろう。しかし、決算説明会で語られた「もう一つの文脈」に注目したい。ファンCEOはグーグル、アマゾン、インテルなど大手クラウド事業者が独自の推論チップ（ASIC）を開発中であることを認めつつ、「彼らは高水準の需要を維持できている」と述べた。これは「脅威がある」という認識の裏返しでもある。

　エヌビディアの株価が好決算後も小幅下落した背景に、この「構造的変化への懸念」があったことは投資家の間で広く指摘されている。ビジネスパーソンが注視すべきは、エヌビディアの業績そのものではなく、そこに透けて見えるAIビジネスの地殻変動だ。

●目次

• 「学習」から「推論」へ。需要の重心が移動した
• ビッグテックの「脱エヌビディア」が引き起こすコスト革命
• 「AIコスト破壊」が日本企業のDXを一変させる
• エヌビディアはどうなるか——「フェラーリ」と「軽バン」の共存
• 「インフラを使いこなす」時代の始まり

「学習」から「推論」へ。需要の重心が移動した

　AIに投じられる半導体需要は、大きく「学習（トレーニング）」と「推論（インファレンス）」の二種類に分けられる。

　学習は、GPT-4やGeminiのような大規模言語モデルを「生み出す」フェーズだ。膨大なデータを処理し、何千億ものパラメータを調整するために、汎用性が高くどんな計算処理も高速に行えるエヌビディアのGPUが必要となる。工場を建設するための重機に例えるなら、建設開始時の大規模投資に相当する。

　一方の推論は、完成したAIモデルを「日常的に動かす」フェーズだ。ユーザーがChatGPTに質問するたびに、企業の業務システムがAIを呼び出すたびに、推論処理が走る。工場に例えれば、完成した生産ラインで製品を量産する段階であり、1個あたりのコストが経営上のKPIになる。

　業界紙EE Times Japanの分析によれば、「業界は大規模な基盤モデルでの実験から、大規模かつコスト効率な推論を優先する方向へと移行しており、エヌビディアは重大なリスクに直面している」という。市場調査会社eMarketerのアナリスト、ジェイコブ・ボーランド氏は「AIインフラの需要が2027〜2028年にかけて緩和されることを投資家に納得させられるかどうかに（市場の関心が）移ってきている」と指摘する。

　この推論フェーズにおいては、エヌビディアの「何でも高速に処理できる万能GPU」は、必ずしも最適解ではない。特定の演算に処理を絞り込み、消費電力と単価を圧縮した専用チップ（ASIC）の方が、推論コスト面で大きく有利なケースがある。これが、Googleの「TPU」やAmazonの「Trainium/Inferentia」が急速に台頭してきた理由である。

ビッグテックの「脱エヌビディア」が引き起こすコスト革命

　グーグルはTPUの前世代比80%のコスト改善を発表している。アマゾンは政府機関向けAIインフラに最大500億ドルを投資すると発表したが、そのシステムにはエヌビディアチップと並んで独自開発のTrainiumが明示的に組み込まれている。メタもMTIAと呼ぶ独自アクセラレータシリーズの開発を進めている。

　半導体アナリストの視点から見ると、この動きは「エヌビディアへの反乱」ではなく、経済的な必然だ。AI推論のコストはデータセンターの運営費用に直結し、クラウドサービスの価格に跳ね返る。独自チップの開発によって推論コストを下げることができれば、自社クラウド（AWS、グーグルクラウド）の競争力が高まり、最終的には顧客企業へのAPIサービス料を引き下げることができる。

　半導体業界に詳しいアナリストはこう解説する。

「ビッグテックの目的は半導体メーカーとして勝つことではなく、クラウドサービスとしての競争優位を確立することです。推論チップの内製化は、AWSやGoogle CloudのAIコストを下げるための手段であり、その恩恵は最終的にAPIを利用する一般企業に還元されます」（元半導体メーカー研究員で経済コンサルタントの岩井裕介氏）

　事実、LLM APIの市場価格はすでに急速な低下傾向にある。2025〜2026年にかけて、各社の軽量モデルのAPI単価は1Mトークンあたり1〜3ドル台にまで低下しており、上位モデルでもDeepSeek V4 ProやGemini Flashクラスが価格競争を引き起こしている。今後も半導体の多極化（推論チップの専用化）が進むにつれ、この価格低下は加速する構造にある。

「AIコスト破壊」が日本企業のDXを一変させる

　AIを「動かし続けるコスト」が劇的に下がるとき、何が起きるか。

　これまでのDX・AI投資は、潤沢なIT予算を持つ大企業や金融機関、一部のテック企業が先行してきた。理由は明快で、「AIシステムの導入・運用には莫大なコストがかかるから」だった。月額数千万円規模のクラウド費用、GPUサーバーの調達コスト、専門エンジニアの人件費——これらが中堅・中小企業にとっての「参入障壁」だった。

　しかし、AIのコモディティ化はその前提を崩す。「2026年のLLM API市場は、各社の値下げ競争により中小企業にとって現実的な価格帯になった」（GXO社調査）という状況はすでに始まっており、今後の推論コスト低下はその流れを決定的なものにするだろう。

「予算がないからAI化が遅れた」という言い訳が通じなくなる日は近い。逆説的に言えば、テクノロジーへのアクセスコストが横並びに近づくことで、「誰がよりインテリジェントにAIを使いこなすか」という競争が始まる。

　総務省「令和7年版 情報通信白書」が示すように、日本企業のAI利活用は大企業と中小企業の間に依然として大きな格差がある。しかし欧米の先行事例を見ると、AIのコスト低下局面で最も大きな恩恵を受けるのは、初期投資の制約から解放された中堅・中小企業と、既存のしがらみなくゼロから設計できる新興企業だという指摘もある。

エヌビディアはどうなるか——「フェラーリ」と「軽バン」の共存

　では、エヌビディアは衰退するのか。そう断じるのも早計だ。

　同社はすでにCPU分野への参入という次の布石を打っている。推論処理に特化した新型CPU「NVIDIA Vera」を発表し、ファンCEOは「2027年度末までにVera関連の売上高が200億ドルに達する」と述べた。また、次世代プラットフォーム「NVIDIA Vera Rubin」（CPUとGPUを組み合わせた統合アーキテクチャ）は、同社の推論コスト競争力を「1/10に削減する可能性がある」（TradingKey分析）とも言われる。

　前出の岩井氏はこう整理する。

「エヌビディアのGPUは、今後も最新フロンティアモデルの学習や、汎用性が求められる研究開発用途では他の追随を許さないでしょう。一方、日常的な推論処理では専用チップとの棲み分けが進む。それはエヌビディアの敗北ではなく、市場の成熟を意味します」

　万能型の重機と、特定ルートに特化した効率的な輸送車が市場に共存するように、次の数年間でAI半導体は「目的別の多層構造」へと進化する。

「インフラを使いこなす」時代の始まり

　AI半導体の多極化が示している本質的なメッセージは、「テクノロジーの調達コストが競争優位の源泉である時代の終わり」だ。

　エヌビディアの強力なGPUを持っているかどうかではなく、安価になったAIインフラを使って自社のどの固有データを活かし、どの業務プロセスを変革できるかが、企業の競争力を決める。現場の顧客データ、属人化した業務ノウハウ、蓄積された取引履歴——こうした「泥臭いデータ」を推論チップに流し込む「アプリケーションの知恵」こそが、次のDX競争の焦点になる。

　AI半導体の勢力図が変わることは、ビジネスのルールが「インフラを握った者が勝つ段階」から「インフラを使いこなした者が勝つ段階」へ移行したことを意味する。その意味では、日本の中堅・中小企業にとって、これほどフェアでチャンスに満ちた局面はないかもしれない。

（文＝BUSINESS JOURNAL編集部、協力＝岩井裕介／経済コンサルタント）