オープンソース大規模言語モデル（LLM）の世界で、圧倒的なコストパフォーマンスと技術力によって一躍主役に躍り出た中国のAIスタートアップ「DeepSeek（深度求索）」。同社が次なる成長フェーズに向けて、ハードウェア領域への直接的なアプローチを開始したことが明らかになりました。
複数の業界関係者や報道によると、DeepSeekは独自のAI推論専用アクセラレータ半導体（チップ）の設計・開発プロジェクトを極秘裏にスタートさせています。同社はすでにシリコンバレーや中国国内で半導体設計エンジニアのスカウトを強化しており、ファウンドリ（受託製造企業）やIP（設計資産）プロバイダとの協議を開始したとされています。
1. なぜ「学習用」ではなく「推論用」なのか
これまで多くの企業が自研半導体に挑む際、NVIDIAの「H100」や「H200」といった巨大な「学習（トレーニング）用」GPUの代替を目指してきました。しかし、DeepSeekがターゲットに選んだのは、すでに構築されたモデルを本番環境で動かしてユーザーの質問に回答を出力する「推論（インファレンス）用」の半導体です。
この戦略的選択には、実用上の極めて合理的な計算があります。
- 推論コストの爆発的増大：モデルの事前学習コストは一回限りの固定資産に近いですが、推論コストはAPIの利用数やアクティブユーザー数に比例して増大し続ける「変動費」です。DeepSeekのように格安で大量のAPI推論を処理するプラットフォームでは、本番環境のインフラコストの最適化こそが経営の死活問題となります。
- モデルとハードウェアの密結合：DeepSeekは「MoE（混合専門家）アーキテクチャ」や「多トークン予測（MTP）」などの極めて独自かつ高度なアルゴリズムをモデルに組み込んでいます。汎用的なGPUを並べるよりも、自社のアルゴリズムに最適化した専用半導体を設計する方が、推論時のエネルギー効率と処理スピードを何倍も向上させることができます。
2. 輸出規制の回避とサプライチェーンの確保
もう一つの重要な要因は、地政学的リスクと輸出規制への適応です。
米国による最先端半導体の対中輸出規制は継続的かつ厳格に運用されており、中国のAI企業はNVIDIAなどの最高性能GPUの安定調達が極めて困難な状態にあります。また、国内代替として位置づけられる大手ベンダーのプロセッサも、製造枠の争奪戦やインターコネクト帯域の物理的制約から、急速に拡大するDeepSeekの需要を完全に満たしきれない懸念があります。
推論用半導体であれば、最先端の極端紫外線（EUV）リソグラフィ技術を必要とする「極微細プロセス（3nmや4nm）」に依存しすぎずとも、アーキテクチャ設計の工夫（例：半自己回帰生成や投機的デコーディングに最適化したオンチップメモリ構成）によって、実用的な処理性能を確保できるメリットがあります。
3. グローバルテックジャイアントが進める「垂直統合」への合流
独自のAI半導体を設計する動きは、世界のAIエコシステムにおけるトップランナーたちに共通するトレンドです。米国でも、OpenAIが独自の推論チップ設計プロジェクトに向けて半導体設計チームを拡充し、AnthropicやGoogle、AWSもそれぞれ独自のプロセッサ（TPUやTrainium/Inferentia）による垂直統合を完成させつつあります。
ソフトウェア（アルゴリズム）とハードウェア（半導体）を一体で開発・チューニングすることは、AI時代の究極の差別化要因となりつつあります。
もちろん、ファブレススタートアップであるDeepSeekにとって、自社開発した半導体の製造をどこに委託するのか、あるいは歩留まり（良品率）をどう確保するのかといった課題は依然として残されています。しかし、これまでソフト面で数々の技術的イノベーションを起こしてきた同社が、ハードウェアという「物理世界のインフラ」の最適化に着手したことは、次世代のAI競争がソフトとハードの境界線を無くす戦いへ移行していることを明確に示しています。
なお、同領域における最新の産業構造と競争力学については、本誌が検証したDeepSeekの推論コストを10分の1にした「MLA」の仕組みおよびオープンソースMoEモデルの軽量化とエッジAI推論の進化の分析もあわせて参照されたい。
コメント
...