中国のAI研究所がなぜNVIDIAに依存し続けるのか——CUDAエコシステムの「ロックイン」がもたらす開発の壁

対照的に、HuaweiのCANN（Compute Architecture for Neural Networks）ツールキットは、2025年8月にオープンソース化された後も、オペレーターのカバレッジ、最適化、コミュニティツールの面ではまだ成熟度が低い 。開発者によると、CUDA向けに最適化された多くのカーネルには、直接対応するCANNの同等品が存在せず、手動での書き換えが必要になる 。

この自己強化サイクルを断ち切るのは難しい。すなわち、NVIDIAの開発者コミュニティが大きく、事前最適化されたコードのライブラリが豊富であればあるほど、代替案が普及するのは困難になる 。

移行コスト：時間とコストが最低50％増加

上海の関連機関に所属するAI研究者の試算では、NVIDIA CUDAからHuawei Ascendへの訓練環境の切り替えには、時間とコストの両方で少なくとも50％の増加が見込まれる 。業界関係者はこの数字を現実的な下限値と認めている 。

具体的な内訳は以下の通り。

• 初期の移植作業：CUDA向けに書かれた訓練コードは、アーキテクチャ固有のカーネル呼び出し、メモリ管理パターン、並列化戦略を使用しており、これらはAscendの異なるNPUアーキテクチャに直接移植できない 。
• 継続的なデバッグとチューニング：移植後も、性能を同等にするためには、CANNの小規模なオペレーターライブラリ上での再最適化が必要 。
• 生産性の喪失：開発者は新しいツールチェーンを学ばなければならず、CANNコミュニティが小さければ、一般的な問題に対する共有ソリューションも少ない。

DeepSeekのR2計画断念：具体的な事例

ソフトウェアギャップの最も象徴的な例は、中国有数のAI研究所であるDeepSeekの事例だ。DeepSeekは、HuaweiのAscend NPUでR2モデルを訓練する計画を断念したと報じられている。その理由は、未解決の性能問題とツールチェーンの課題にある 。これは、トップクラスの研究所が、最も要求の厳しいワークロードには国内代替品はまだ準備ができていないと結論付けた具体的なケースである。

残存する性能ギャップ

HuaweiのAscend 910C NPUは大幅に改良されたが、開発者は、大規模な分散訓練タスクにおいてはNVIDIAのHopper世代のGPUに依然として性能で劣ると報告している 。SMICの改良型7nmプロセスで製造されるAscend 910CのBF16スループットは、NVIDIA B200の約3分の1にとどまる 。Huaweiの次世代チップ「Ascend 950」はこの差をさらに縮めると見られ、Morgan Stanleyのデータによれば、中国製チップとNVIDIAの輸出規制準拠ハードウェアとの性能差は大幅に縮小している 。

供給のパラドックス：備蓄されたNVIDIAチップがもたらす惰性

皮肉なことに、米国の輸出規制は中国へのNVIDIA供給を完全には遮断できていない。米国は中国向けにH200の販売を承認したが、北京はこれを受け入れを拒否した。しかし、中国の研究所はすでに膨大な量のNVIDIAチップを備蓄している 。ByteDance、Alibaba、Tencentは、規制強化を見越して、推定160億ドルを投じ、合計で約130万～160万台のH20ユニットを備蓄したとされる 。

この既存の設備は強力な惰性を生み出す。既存のNVIDIAハードウェアが使える限り、高い切り替えコストが国内代替品への移行を遅らせる 。

「2兆元」の回答：中国の国産チップ推進

中国も手をこまねいているわけではない。これらの障壁に対応するため、以下の取り組みが進められている。

• 中国のチップメーカーは、2026年に国産AIチップの生産量を3倍にすることを目指している 。
• 北京は、**約2兆元（約2950億ドル）**の計画を策定中で、2028年までに中国の主要データセンターをすべて単一のAIコンピューティンググリッドに接続し、少なくとも80％の基盤チップを国産にすることを求めている 。
• Huaweiは2025年8月にCANNをオープンソース化し、オペレーター、ドメインライブラリ、グラフエンジン技術などの中核コンポーネントを公開した 。
• ByteDanceは2025年12月、HuaweiとAscend AIチップに関する56億ドル（約40億元）の契約を締結し、2026年第1四半期から納入を開始した 。

進展は確かに見られる。国内チップでの訓練シェアは、2025年初頭の8％から2026年4月には42％にまで増加した 。しかし、この採用の多くは、重要度の低いワークロードやフロンティアモデルの訓練ではなく、推論タスクに集中しているようだ 。

展望：複数年にわたる移行

HuaweiによるCANNのオープンソース化は、CUDAが享受する開発者エコシステムを構築する上での意味のある一歩である 。しかし、ほとんどのアナリストは、ハードウェアのスペックではなく、ソフトウェアエコシステムのギャップを埋めるには、まだ数年かかると見ている 。短期的には、中国のトップAI研究所は、重要度の低いワークロードではハイブリッドな国内デプロイメントを試しながら、NVIDIAチップでの訓練を継続するだろう。そして、北京の2兆元規模のグリッド計画は、この移行を加速することを目的としている 。