NVIDIA、ソブリンAI学習基盤で92%シェア獲得

調査会社Counterpoint Researchが公表した調査レポートによると、米国と中国を除く世界55か国で開発・稼働している170以上のソブリンAI（自国主権AI）大規模言語モデル（LLM）において、学習に用いられたAI半導体の92.4%を米NVIDIAが占めていることが明らかになりました。

CUDAエコシステムが生む強力な参入障壁

国家安全保障やデータ主権、自国言語の保護を目的に各国が独自モデルの構築を急ぐ中、モデルのホスティング環境は自国主権下に移る一方で、計算資源の調達先はNVIDIAに高度に集中しています。

主な調査結果とシェア内訳は以下の通りです。

• NVIDIA（シェア92.4%）​: ソフトウェア環境「CUDA（NVIDIAのGPU向け並列コンピューティングプラットフォーム）」の成熟度と分散学習の信頼性を背景に、各国の公的プロジェクトで事実上の標準として採用
• AMD（シェア4.1%）​: フィンランドのスーパーコンピューター「LUMI」で採用されるなど、欧州を中心に戦略的拠点を確立。アジア太平洋（韓国Moreh、豪州Maincode等）へも拡大
• Cerebras Systems（シェア1.7%）​: UAEのテクノロジーグループG42と組み、スパコン群「Condor Galaxy」を構築してアラビア語LLM「Jais」などを主導

日本と各国の独自アーキテクチャ・計算量削減アプローチ

一強体制が続く中でも、過度な単一ベンダー依存を回避する試みやアルゴリズムの工夫による多様なアプローチが進められています。

国・地域	取り組み・アプローチ	特徴と狙い
​日本（理研・富士通）​	スーパーコンピューター「富岳」の独自CPU（A64FX）	汎用GPUに依存しない「Fugaku LLM-13B」の開発で技術自立性を実証
​日本（Sakana AI）​	進化型モデルマージ技術による「EvoLLM-JP」開発	ゼロからの事前学習を避け、巨額の計算資源調達なしで高性能化
​イスラエル（AI21 Labs）​	Google Cloud独自チップ「TPU（Trillium）」での学習	クラウド事業者の独自アクセラレータ活用によるリスク分散

学習から推論への需要シフトと多層的な調達戦略

ソブリンAIの競争軸は、事前学習から行政サービスや産業での「推論」運用フェーズへと移行しつつあります。推論段階では低遅延・低消費電力・トークンあたりの経済性が重視されるため、Qualcomm、Rebellions、Graphcore、SambaNova、クラウド独自ASIC（Google TPUやAWS Inferentia）などの参入余地が広がります。

今後は、初期学習では実績ある標準基盤を用いつつ、運用を担う推論基盤には多様な半導体を柔軟に組み合わせる多層的なポートフォリオ設計が、各国のAI政策における現実的な選択肢となります。

引用元：blogs.itmedia.co.jp