なぜ中国のAI企業はNVIDIAのGPUを限界まで使い回すのか

この数字は、AIの利用形態が変わったことを示している。AIは実験的な利用や単発のプロンプトから、消費者向けアシスタント、企業向けソフトウェア、現実の業務を遂行するエージェントへと広がっている。推論はもはや、モデル学習後の補助的な工程ではない。計算資源の消費を押し上げる主要因になりつつある。

なぜソフトウェア最適化が最も早い対策なのか

輸出規制によって先端NVIDIA製品へのアクセスが制限され、ハイエンド製品の供給も限られるなか、同等のプロセッサを短期間で増やすのは難しい。さらに、既存のモデル、ツール、開発手順は特定のソフトウェア基盤に深く依存している。ハードウェアを切り替えるには、大規模な再設計と高い移行コストが伴う。

ソフトウェアの改善は新しい半導体を生み出さないが、手元にあるプロセッサから取り出せる実用的な処理量を増やせる。具体的には、次のような手法がある。

• ワークロードの振り分け：簡単なリクエストを安価な国産アクセラレーターへ送り、複雑な処理のためにNVIDIA製GPUを確保する。
• サービングの効率化：リクエストの束ね方や処理順序を改善し、ハードウェアの待機時間を減らす。
• 資源を意識した展開：リクエストの難易度や顧客価値に応じて、モデルの大きさ、文脈の長さ、回答方法を調整する。
• 異種計算基盤の統合：すべての処理を単一のプラットフォームに限定せず、異なるチップ構成を組み合わせる。

これらは、急増する需要と限られた供給の間をつなぐ現実的な手段だ。ただし、品質が重視される処理まで含めて最先端ハードウェアを完全に代替できるわけではない。

低価格競争が追い打ちをかける

問題をさらに難しくしているのが、推論サービスの価格競争だ。Jefferiesのアナリストは、中国のモデルのトークン当たり価格が、米国の大手企業のサービスに比べて平均で約6分の1だと推定している。

低価格は利用拡大を促す一方、希少な高性能計算資源に投じられる売上を抑える。コーディング支援やAIエージェントは、単純なチャットより多くの処理を必要とするため、中国企業は「需要は急増する」「利用者は安価なサービスを求める」「高性能な推論能力は簡単に増やせない」という三重の圧力に直面している。

この緊張は、サービスの提供状況にも表れている。市場報道によると、需要が利用可能な計算資源を上回り、複数の中国大手モデル開発企業やクラウド事業者が、特に計算負荷の高いコーディング支援サービスで処理速度を制限したり、アクセスを配分したり、価格を引き上げたりしている。

問われているのは「チップの数」だけではない

中国のAIインフラ不足は、単純なチップ不足ではない。必要なのは、先端プロセッサ、対応ソフトウェア、そして高価値の推論を採算に乗せられる計算能力の組み合わせだ。

ソフトウェアが改善され、国産チップの得意分野に合わせてシステムを設計できれば、国産ハードウェアが担える範囲は広がるだろう。現時点で見えているのは、過渡期の戦略である。推論処理のあらゆる層を最適化し、国産チップが有効な仕事にはそれを使い、最も難しいタスクには限られたNVIDIA製GPUを温存する。

この方法は既存の計算資源を長く使うための橋渡しにはなる。しかし、AIエージェントの利用が拡大し続けるなら、中国の成長は、ハードウェアの供給だけでなく、異なるプロセッサを実用的に統合できるソフトウェア・エコシステムをどこまで整備できるかにも左右される。