Google、Geminiをチップに刻み込もうとしているが、AI支出のプレッシャーは解決できるのか？

TL;DR

· The Information によると、Google はコードネーム Frozen v2 と呼ばれる Gemini 専用推論チップの開発を模索しており、早ければ 2028 年に導入される可能性がある。

· 論点は、ハードコードされたモデル構造が、柔軟性の低下と時間的リスクを上回るエネルギー効率の向上をもたらすかどうかにある。

· 関連銘柄：Alphabet、NVIDIA、クラウド事業者の自社開発チップチェーン、AI エネルギー効率インフラ。

Google は、サーバー向け AI チップの開発を進めており、社内での非公式コードネームは Frozen v2 である。これは、Gemini モデルの一部要素を直接ハードウェアに組み込むことで、推論効率を向上させることを目的としている。このニュースを受けて、Alphabet の株価は 7 月 20 日の取引時間中に一時 3% 以上上昇したが、引けにかけて上昇幅は縮小した。

このニュースのポイントは、Google がまた自社開発チップを製造するということではない。投資家がより注目するのは、AI サービスのコストが上昇する中で、Alphabet が単に設備投資を増やすだけでなく、モデルとハードウェアを連携させることで、質問応答ごとの電力、計算リソース、データセンターの負荷を低減できるかどうかである。

報道によると、その目標は非常に野心的である。Frozen v2 は、単位電力あたりに処理できるトークン数を、報道で言及されている既存または最新の TPU と比較して 6 倍から 10 倍に向上させることを目指している。トークンは、AI がテキストを処理する際の基本単位と大まかに理解できる。ただし、この数値はまだ非公開プロジェクトの目標であり、Google が公式に確認した量産結果ではない。

株価が織り込むのはコスト曲線の未来像

市場が先に上昇したのは、短期的な業績ではなく、長期的なコストオプションを織り込んだ結果である。AI 投資家が現在最も敏感な問題は、大規模モデル企業の設備投資が今後も増加し続けるかどうか、そしてクラウド事業の粗利率が推論コストによって継続的に圧迫されるかどうかである。

Google が直面するプレッシャーは決して抽象的なものではない。同じ報道によると、このプロジェクトは AI 計算能力の不足を緩和することを目的としており、Google Cloud は容量不足により一部の外部契約を断ったこともあるという。これらの容量逼迫が直接 Frozen v2 を生み出したかどうかは別として、一つの変化を示している。すなわち、計算能力はもはや成長のための投資であるだけでなく、収益化の制約にもなりつつあるということだ。

一般ユーザーが Gemini に質問すると、その背後では推論計算能力が消費される。モデルが大きく、ユーザーが多く、回答が長くなるほど、データセンターはより多くのチップ、電力、冷却を必要とする。投資家にとって、これは最終的に設備投資、クラウドサービスの粗利率、モデルサービスの価格設定に影響を及ぼすことになる。

Frozen v2の市場における意味は、「Googleがすぐに計算能力不足を解決する」というものではない。むしろ、Alphabetが示した長期的な技術ロードマップのようなものだ。つまり、1ワットあたりの電力でより多くのトークンを処理できれば、Googleは同じ電力とサーバールームの制約下で、より多くのAIリクエストを処理できる可能性があるということだ。

モデルを回路に書き込むことで、データの移動とスケジューリングを削減

Frozen v2の核心は、ハードコーディングにある。これは、汎用チップが多機能キッチンのように何でも調理できるのに対し、Frozen v2はGeminiのレシピの一部をコンロに直接書き込み、毎回レシピを確認したり、道具を運んだり、手順をその場で調整したりする手間を省くようなものだ。

AI推論は単なる計算ではなく、大量のデータ移動とスケジューリングも含む。モデルが動作する際、チップは常にパラメータを読み取り、演算経路を調整し、異なるストレージ層間でデータを移動する必要がある。これらの動作自体が電力を消費し、時間がかかり、チップのリソースも占有する。

特定のモデル構造が十分に安定していれば、固定回路として実装できる可能性がある。その利点は、経路が短くなり、スケジューリングが減り、消費電力が低くなることだ。代償として、チップが特定のモデル構造に基づいて設計されると、GPUやTPUのように様々な新しいモデルに適応するのが難しくなる。

したがって、6〜10倍のエネルギー効率目標は、分解して考える必要がある。これは、単位電力あたりに処理できるトークン数を指しており、Googleの将来のデータセンター全体のコストが6〜10倍削減されることを意味するわけではない。実際のチップ、実際の負荷、実際の導入規模によって、この数字の財務的な意味合いは変わる。

タイムラインも割り引いて理解する必要がある。Frozen v2は、最も早い場合でも2028年の導入が見込まれており、プロジェクトの詳細はまだ確定していない。それまでは、Alphabetのバリュエーションへの影響は、すでに損益計算書に反映できるコスト改善というよりも、長期的なオプション価値に近い。

専用チップが汎用の物語に挑戦するが、代替にはならない

Frozen v2が注目すべき点は、AIチップのロードマップにおける矛盾を浮き彫りにしたことだ。汎用性と極限の効率性を同時に最大化することは難しい。過去数年間、GPUとTPUの強みは、異なるモデルやワークロードに適応できることであり、特にモデルが急速に進化する段階に適していた。

Googleが探求しているとされる方向性は、より過激だ。Geminiが自社のフラッグシップモデルであるならば、そのために専用の推論チップを個別に設計できないか？AI推論がデモから日常的なサービスへと変わるにつれて、効率向上は単なるエンジニアリング指標ではなく、ビジネスモデルの一部となる。

これは、NVIDIAのストーリーに限界的な挑戦をもたらすが、「NVIDIA危機」とまでは言えない。NVIDIAの堀は、依然として汎用エコシステム、ソフトウェアツールチェーン、トレーニングクラスターにある。Frozen v2に価値があるとすれば、それはGoogle内部の特定のGemini推論シナリオにおいて、汎用計算能力への限界的な依存を減らすことにある。

また、これはTPUが周辺化されることを意味するわけでもない。報道の表現によれば、Frozen v2はTPUとは別の新たなブランチであり、どちらかと言えばGeminiファミリー向けにカスタマイズされた効率化ツールである。TPUは引き続き、より広範なトレーニングおよび推論タスクを担い、さまざまなモデルやクラウド顧客にサービスを提供する。

より正確な判断としては、あるモデルが十分に重要で、呼び出し量が十分に大きく、アーキテクチャが十分に安定した場合、専用チップが経済的に魅力的になり始めるという点だ。これは業界全体が専用チップへと完全にシフトする兆候ではなく、トップモデル企業が高頻度推論シナリオのために個別にコスト計算を始めたに過ぎない。

Geminiの安定性がこのオプションの価値を決定する

Frozen v2の最大のリスクは、ハードウェアチームがより効率的な回路を開発できるかどうかだけでなく、Geminiの基盤アーキテクチャがチップに書き込む価値があるほど安定しているかどうかにもある。AIモデルは依然として高速に進化しており、今日の最適な構造が2年後も最適解であるとは限らない。

もしGeminiに将来的に大きなアーキテクチャ変更が生じた場合、Frozen v2は再設計が必要になる可能性がある。これによりタイムラインが延び、ハードコーディングによるコスト優位性も弱まる。専用化が深まるほど、効率の可能性は大きくなるが、技術パスがロックインされた後の代償も高くなる。

市場が検証すべきは、この路線が初期プロジェクトの兆候から、より確固たるエンジニアリングのマイルストーンへと進めるかどうかだ。公式ロードマップ、テープアウトの進捗、量産時期、実際のエネルギー効率の指標、そして展開規模が、これがAlphabetのコスト曲線の新たなアンカーとなるのか、それとも評価額に先取りされた長期的な実験に過ぎないのかを決定する。

Alphabetにとって、Frozen v2の現時点での意義は、AI支出の圧力が必ずしも設備投資の増加だけで対応できるわけではないことを市場に示す点にある。しかし、2028年以前においては、それはむしろオプションのようなものだ。真に評価額を変えるのはコードネームそのものではなく、このチップがGeminiの高頻度呼び出しを計測可能なコスト削減に変えられるかどうかである。

BlockBeats の公式コミュニティに参加しよう：

Telegram 公式チャンネル：https://t.me/theblockbeats

Telegram 交流グループ：https://t.me/BlockBeats_App

Twitter 公式アカウント：https://twitter.com/BlockBeatsAsia