米GPU規制と乱立の狭間で：無問芯穹・汪玉、異種計算の現実

1. 2023年春、清華大学・羅姆楼の決断——「なぜ、いまさら半導体を作らないのか」

2023年4月初旬、北京・海淀区の清華大学東門近くにそびえる「羅姆電子工程館（ローム・ビル）」。

11階にある系主任室のデスクには、中国トップクラスのベンチャーキャピタル（VC）のパートナーたちが持ち込んだ分厚い投資契約書（タームシート）が幾重にも積み上げられていました。OpenAIのChatGPTが火をつけた生成AIブームの只中、市場は深刻な「計算力飢餓（コンピュート・クライシス）」に陥っていました。米国の対中半導体規制によってNVIDIAの最先端GPU「A100」や「H100」の供給が絶たれ、中国のAI開発現場ではGPUの争奪戦が狂乱の様相を呈していた時期です。

訪れた投資家たちは、熱を帯びた口調で汪玉教授を口説き続けました。

「汪教授、いま新しいGPUやAIチップの会社を立ち上げてくだされば、初日であっても評価額数百億円で小切手を切ります。あなたの深鑑科技での成功実績があれば、機関投資家が列をなします」

汪玉は2016年、自身の研究室の学生たちとともに深鑑科技（DeePhi Tech）を共同創業し、ディープラーニング推論チップの圧縮技術で世界的な評価を受け、わずか2年後の2018年に米半導体大手ザイリンクス（Xilinx、現AMD）へ数十億元規模でバイアウトさせた伝説的な研究者です。「清華大学発の半導体連続起業家」として、これ以上の適任者はいませんでした。

しかし、汪玉は差し出された書類に署名することはありませんでした。静かに湯呑みを置き、投資家たちに向けてこう語りかけました。

「中国にいま必要なのは、51社目のGPUスタートアップではありません。すでに市場に生まれてしまった何十種類もの異なるチップを、エンジニアが絶望することなく単一のクラスタとしてまともに動かせるようにする『ソフトウェアの架け橋』です」

シリコンウェハーを焼き、巨大なダイサイズのチップを設計することは、資本市場にとって極めて華やかで分かりやすいストーリーに見えます。しかし現場で起きている現実は、華やかな宣伝文句とは程遠い「バベルの塔」の泥沼でした。

汪玉は、華麗なハードウェアの熱狂を冷徹に拒絶し、最も地味で、最も泥臭く、しかしエコシステムの命運を握る「AIインフラ（AI Infra）の中間層ソフトウェア」を開発する新会社「無問芯穹（Infinigence AI）」を立ち上げる決断を下したのです。

2. 創業者哲学の原点——「書棚（論文）に留まらず、棚（市場）に並ぶものを」

汪玉という研究者の歩みを理解せずして、無問芯穹の戦略的合理性を語ることはできません。

1998年に清華大学電子工程系へ入学して以来、学士、博士号を取得し、若くして同系の長聘教授（終身雇用教授）、そして歴史ある電子工程系の第11代系主任へと就任しました。清華大学電子工程系といえば、GigaDevice（兆易創新）の朱一明やWill Semiconductor（韋爾半導体）の虞仁栄など、中国の半導体時価総額上位企業を率いる創業者たちを無数に輩出し、「中国半導体産業の黄埔軍校」と称される最高峰の拠点です。

IEEE Fellowでもある汪玉のモットーは、清華大学の象徴的な講堂や研究室で常に繰り返されてきた言葉に集約されます。

「上得書架、下得貨架（論文として学術の書棚に誇らしく並ぶだけでなく、製品として市場の棚に並び、産業の血肉とならなければならない）」

象牙の塔に籠もり、トップカンファレンス（ISCA、MICRO、DAC）でベストペーパーを獲ることだけに満足する研究者コミュニティに対し、汪玉は強烈な違和感を表明してきました。どれほど数式が洗練され、学会の評価が高くとも、工場のラインやデータセンターのラックの中で1ワットの電力を削減できなければ、工学（Engineering）としての存在価値は半減してしまうという第一性原理です。

深鑑科技を率いていた時代、汪玉はFPGAを用いたディープラーニング推論の極限効率化を追求しました。その過程で骨身にしみて痛感したのが、「半導体ハードウェアの性能は、その上で走るコンパイラとソフトウェアツールチェーンの出来栄えによって9割決まる」という過酷な真実でした。

ハードウェア単体のベンチマークがNVIDIAと同等であっても、開発者がコードを1行走らせるために数週間を要するようでは、誰もそのチップを二度と使おうとはしません。このときの痛烈な原体験が、生成AIの激震に直面した汪玉に「ハードではなく中間層ソフトへ走る」という確信を与えていました。

3. 反直覚の逆張り——「M×N」のバベルの塔を解く中間層の数学

2023年後半から2024年にかけて、中国のAI業界が直面していた最大の障害は、単なる「チップの絶対数の不足」ではありませんでした。それは「極度の断片化による計算資源の死蔵」でした。

米国の制裁によって最新のNVIDIA GPUが一括入手できなくなった結果、データセンターには不揃いな計算資源がモザイクのように混在する事態が発生しました。手元にある少数のA100、性能制限版のA800やH800、民生用のRTX 4090、そしてファーウェイの昇騰（Ascend）910B、壁仞（Biren）、天数智芯（Iluvatar）、寒武紀（Cambricon）、摩爾線程（Moore Threads）といった国産AIアクセラレータです。

これらを前にしたAI開発企業は、途方に暮れました。NVIDIA向けに書かれた標準的なCUDAコードは、国産チップの上では1行もそのまま動きません。

ファーウェイで動かすにはCANNという専用ソフトウェアスタックへの書き換えが必要であり、天数智芯には自社SDK、摩爾線程にはMUSAが必要です。大手のモデル開発企業であっても、異なるチップに対応させるためだけに数十人規模のエンジニアを張り付かせ、演算子（Operator）の移植作業を何カ月も続けなければなりませんでした。

<div class="radar-contrast-grid">
  <div class="radar-contrast-card negative">
    <div class="radar-contrast-header">
      <span class="radar-contrast-badge">従来の消耗戦</span>
      <h4>手動移植による M × N のバベルの塔</h4>
    </div>
    <ul>
      <li><strong>掛け算の移植コスト</strong>: M種類の基盤モデル × N種類の国産チップごとに演算子の手動書き換えが発生</li>
      <li><strong>プロプライエタリな分断</strong>: CANN、MUSA、独自SDK等への個別対応で数百名のエンジニア工数が蒸発</li>
      <li><strong>計算資源の死蔵</strong>: 異なる世代・メーカーのチップが混在するデータセンターで統合作動が不能に</li>
    </ul>
  </div>
  <div class="radar-contrast-card positive">
    <div class="radar-contrast-header">
      <span class="radar-contrast-badge">無問芯穹の突破</span>
      <h4>中間層「Infini-AI」による M ＋ N の線形化</h4>
    </div>
    <ul>
      <li><strong>単一抽象化レイヤー</strong>: モデル側は中間層に1回適応（M）、チップ側もバックエンドに1回適応（N）で完了</li>
      <li><strong>Mizarコンパイラエンジン</strong>: 異種GPUクラスタを透過的に束ね推論コストを最大80%削減</li>
      <li><strong>計算力の送電網化</strong>: ハードウェアの制約を所与とし「安価で低遅延なToken出力」を保証するインフラ化</li>
    </ul>
  </div>
</div>

ここで無問芯穹が提示したのが、<strong>「M×NをM＋Nに変える」</strong>という数学的命題です。

モデルがM種類存在し、チップがN種類存在するとき、愚直に対応すれば「$M \times N$」回の莫大な移植コストが発生します。しかし、モデルとハードウェアの間に堅牢な中間層（Infini-AI）を挟み込めば、モデル側は中間層の仕様に一度合わせるだけで済み（$M$）、ハードウェア側も中間層のバックエンドに一度適応させれば完了します（$N$）。

| <strong>比較項目</strong> | <strong>従来のハードウェア専業（国産GPU新興各社）</strong> | <strong>無問芯穹（Infinigence AI / AI Infra中間層）</strong> |
| :--- | :--- | :--- |
| <strong>事業の核</strong> | 自社シリコン（ASIC / GPUチップの製造・販売） | 異種計算ソフトウェアスタック＋クラスタOS |
| <strong>開発リードタイム</strong> | テープアウトに2〜3年、百億円単位の賭け | ソフトウェア反復により週単位で性能向上 |
| <strong>エコシステム摩擦</strong> | NVIDIAのCUDA独占壁に阻まれ、顧客ごとに個別対応 | 単一コードで10種類以上の異種チップを透過的に運用 |
| <strong>地政学・サプライチェーンリスク</strong> | 先端露光装置やファウンドリ（TSMC等）の規制に直結 | ハードウェアの制約を所与とし、既存の混在資源を最大活用 |
| <strong>ビジネスモデル</strong> | チップ単体販売（ハードウェアの原価・粗利競争） | Token生成の総合保有コスト（TCO）削減・算力クラウド |

「半導体ハードウェアの世代交代には数年かかりますが、モデルアルゴリズムの進化は数カ月単位で起きています。ハードウェア側がモデルの進化に追いつけないのであれば、ソフトウェアのレイヤーでハードウェアの差異を吸収し、仮想的にひとつの超高速計算プールとして見せるしか道はありません」

汪玉のこの冷徹な第一性原理の分析が、無問芯穹のアーキテクチャの骨格を決定づけました。

---

## 4. 組織と師弟の継承——夏立雪と若きエンジニア軍団が描く「Tokenファクトリー」

無問芯穹の組織運営において極めてユニークなのは、汪玉自身が前面に出て陣頭指揮を執るのではなく、自らの研究室で最も優秀な弟子たちに権限を委譲し、彼らを経営者として育て上げている点です。

共同創業者兼CEOを務める夏立雪（Xia Lixue）は、汪玉の指導を受けた「大弟子（一番弟子）」にあたる博士号保持者です。深鑑科技の創業時にも中核エンジニアとして参加し、その後メガテックでの実戦経験を経て、無問芯穹の舵取りを任されました。CTOの顔深根（元バイドゥの異種計算アーキテクト）をはじめ、創業メンバーの平均年齢は32歳。彼らは学術的なアルゴリズムの深さと、データセンターの現場で泥にまみれるエンジニアリング精神を同時に持ち合わせています。

<figure><img alt="極客公園（GeekPark）での夏立雪CEOの対談" loading="lazy" src="/images/blog/infinigence_ai_heterogeneous_computing_dialogue.webp" style="max-width:100%;height:auto;"/><figcaption>極客公園創業者・張鵬との対話で「中国の大規模言語モデルの進化は、単純な計算力勝負ではなく、利用シーンと費用対効果（コストパフォーマンス）のScaling Lawにある」と語る無問芯穹CEOの夏立雪（出所：極客公園/Infinigence AI）</figcaption></figure>

中国のテクノロジーメディア「極客公園（GeekPark）」の創業者・張鵬との対話の中で、夏立雪は同社の商業的野心を次のように明かしています。

「多くの人々が米国のScaling Law（計算資源を投入するほどモデルが賢くなる法則）を崇拝し、チップの力任せの物量作戦を模倣しようとしています。しかし、中国におけるScaling Lawの真髄は<strong>『アプリケーションシーン（現場課題）と費用対効果（コストパフォーマンス）のScaling Law』</strong>です」

夏立雪が掲げるのは、無問芯穹を単なるソフトウェア販売企業ではなく、<strong>「Token（トークン）を生産する次世代の発電所・水道局」</strong>に仕立て上げるという構想です。

産業界が本当に求めているのは、NVIDIAのGPUチップそのものでも、ラックに並ぶサーバーでもありません。自社のビジネスプロセスを自動化するための「安価で、低遅延で、安定したTokenの出力」です。

無問芯穹は、自社の異種計算基盤「Infini-AI」上で、ファインチューニングや推論を高速化するコンパイラエンジン「Mizar」を提供。顧客がモデルを持ち込めば、バックエンドにファーウェイのチップがあろうと、AMDがあろうと、自動的に最もコスト効率の高いハードウェアへ処理が分散配置され、結果として推論コストを最大80%削減することに成功しました。

この実利的なアプローチは、モデル価格破壊戦争を仕掛けるメガテック各社（[バイトダンス火山エンジンのAI価格破壊](/blog/2026/08/bytedance-doubao-volcengine-ai-price-war/) 参照）や、アルゴリズムの工夫で計算資源の制約を跳ね返したDeepSeek（[DeepSeek梁文鋒の第一性原理](/blog/2026/08/deepseek-liang-wenfeng-founder-philosophy/) 参照）の思想とも深く共鳴しています。ハードウェアの欠乏を嘆くのではなく、知性のソフトウェアスタックによって制約を突破するという強烈なリアリズムです。

---

## 5. 日本の計算力危機への鏡像——ソニー・トヨタ・ソフトバンクが見落とす「AI Infra」の死角

無問芯穹が切り開いた「異種計算中間層」の戦いは、日本のアカデミアおよび産業界にとっても、極めて示唆に富む鏡像（ミラー）となっています。

現在、日本国内におけるAIインフラの議論は、二つの極端な方向に二極化しているように見受けられます。

ひとつは、ソフトバンクグループに代表される「数千億円規模の巨費を投じて、NVIDIAの最新クラスタをそのまま爆買いする」アプローチです。これは資金力のある一部のメガプレイヤーにとっては確実な近道ですが、米国の単一サプライヤーに対する完全なエコシステム従属を意味し、為替リスクや地政学的な調達リスクをすべて背負い込むことになります。

もうひとつは、理化学研究所のスーパーコンピュータ「富岳」の後継機開発や、政府主導の国産先端半導体支援（Rapidusなど）に代表される「国家プロジェクトとしてのハードウェア内製化」です。しかし、どれほど優れたシリコンを製造できたとしても、その上で現代の動的な大規模モデルやエージェント群を滑らかに動かすための「商用コンパイラ環境」や「異種クラスタ統合運用ソフトウェア」が欠落していれば、世界中のエンジニアを惹きつけることはできません。

<div class="radar-contrast-grid">
  <div class="radar-contrast-card negative">
    <div class="radar-contrast-header">
      <span class="radar-contrast-badge">日本の二極化</span>
      <h4>資金集中 or ハード内製への傾斜</h4>
    </div>
    <ul>
      <li><strong>NVIDIA最新GPU爆買い型</strong>: 単一ベンダーへの従属とCUDAロックインが深まり調達・為替リスクを全抱え</li>
      <li><strong>国家プロジェクト型</strong>: Rapidusや富岳後継などハード偏重で、商用コンパイラや開発者生態系が後手に</li>
    </ul>
  </div>
  <div class="radar-contrast-card positive">
    <div class="radar-contrast-header">
      <span class="radar-contrast-badge">無問芯穹の思想</span>
      <h4>制約受容・中間層統合優先型</h4>
    </div>
    <ul>
      <li><strong>不完全な異種資源の活用</strong>: 完璧な単一シリコンを待たず、混在する計算プールを有機的に束ねる</li>
      <li><strong>Token総合効率の追求</strong>: ハード主権争いから「電力を最も安価に知性（Token）へ変換する運用効率」へ主戦場を移動</li>
    </ul>
  </div>
</div>

日本の製造業——とりわけトヨタ自動車の自動運転開発基盤や、ソニーのロボティクス・イメージングAI、キーエンスが志向する工場の自律化現場においても、今後は異なる世代のGPUやエッジAIプロセッサが入り乱れる「異種計算環境」の管理が最大のボトルネックとなります。

汪玉が率いる無問芯穹の挑戦は、<strong>「ハードウェアの完全無欠を待つのではなく、手元にある異種資源の能力をソフトウェアで極限まで引き出す中間層こそが、産業の真の主権を握る」</strong>という厳然たる事実を、日本のテクノロジー界に静かに突きつけています。

---

## 6. まとめ：AI時代のインフラとは、シリコンではなく「統合の知性」である

「無問芯穹」という社名の由来について、共同創業者たちは清華大学の校歌に刻まれた一節「立徳立言、無問西東（徳を立て言を立て、東西の毀誉褒貶を問わず己の信ずる道を往く）」を引いています。そこに「芯（チップ）」と「穹（無限の大空）」を重ね合わせ、「半導体の可能性を限界まで解き放ち、知性の天蓋を支える」という志が込められました。

米国の制裁強化という歴史的逆風の中にあって、中国のAI産業は単に立ちすくんでいたわけではありませんでした。むしろ、ハードウェアの圧倒的な豊かさを享受していたシリコンバレーのビッグテックが顧みなかった「過酷な制約下での極限的なシステム統合」という新たな工学領域を切り開いたのです。

大学の教授室から始まった汪玉の決断は、単なる一企業の成功物語にとどまりません。

それは、テクノロジーの覇権が「シリコンを何ナノメートルで焼けるか」という物理層の競争から、「無数の不揃いな計算リソースを有機的に束ね、いかに低コストで知性を社会の隅々まで行き渡らせるか」というシステム設計の思想闘争へと移行したことを告げる、記念碑的な変革の号砲なのです。

<div class="radar-pull-quote">
  <blockquote>
    「中国にいま必要なのは51社目のGPUメーカーではない。散在する不揃いなチップを有機的に束ね、最も安価に知性（Token）を生み出すソフトウェアの架け橋だ」
  </blockquote>
  <cite>—— 汪玉（清華大学電子工程系主任・無問芯穹発起人）</cite>
</div>

### 関連・参照記事
- [ByteDance豆包と火山エンジンが仕掛けるAI価格破壊](/blog/2026/08/bytedance-doubao-volcengine-ai-price-war/)
- [DeepSeek創業者・梁文鋒が貫く第一性原理とAIモデル開発哲学](/blog/2026/08/deepseek-liang-wenfeng-founder-philosophy/)
- [UCIeが再定義する次世代チップレット半導体アーキテクチャ](/blog/2026/08/ucie-chiplet-semiconductor-architecture-breakthrough/)
- [LLM推論のPD分離と超広帯域RDMAクラスタアーキテクチャ](/blog/2026/08/llm-pd-disaggregation-rdma-inference-architecture/)