Google TPU: Geminiの標準化を支える半導体

Google TPUをめぐる報道の勢いは後退している。速度は-0.724、加速度は-3.351だ。それでもGoogleは2026年、第8世代半導体を学習用と推論用に分けた。ちょうどGeminiがAndroid、動画制作、購入済み書籍を使う作業へ広がった時期と重なる。半導体への注目が薄れる一方、Googleの製品は、安価かつ潤沢に計算資源を用意できるかどうかに一段と左右されるようになっている。

利用者が選ばなくなったとき、モデルの価値は高まる

単体の対話型AIでは、モデル間の競争が極めて見えやすい。利用者はサービスを選び、指示を入力し、回答を受け取る。競合へ乗り換える瞬間も含め、すべての段階が明白だ。GoogleによるGeminiの重要な展開は、こうした明示的な選択そのものを減らしている。

Gemini Intelligenceは、複数のアプリにまたがる作業の自動化とAndroid用小機能の作成を、端末の利用環境に組み込む。これによりGeminiは単体のアプリではなく、アプリ内で指示を待つのではなく複数のアプリを横断して動ける、支援機能の基盤の一部となる。競争の単位はもはやモデルの回答ではない。作業を完了するため、あらかじめ端末に用意された経路である。

Googleは、大半のAndroid端末でAssistantをGeminiへ切り替える計画を、従来の2025年末という目標から2026年以降へ延期した。既存の販売・利用基盤があれば、利用者へ届ける費用は下がる。しかし、移行作業や互換性の制約、すでに問題なく動いている機能を置き換える負担まではなくならない。標準機能には、発表時の実演ではなく、既存端末すべてを前提とした規模で動くことが求められる。

Googleは、より限定された作業でも同じ道を進んでいる。Gemini Omni 1.1 Flashは、動画場面の延長、最初と最後の画面の制御、4Kへの高精細化といった制作作業を前面に出す。Gemini NotebookのExpert Intelligenceでは、Google Play Booksで購入済みの対象書籍を取り込み、その内容に基づく質問をしたり、音声番組を生成したりできる。いずれも、利用者がすでに価値を認めている仕事や内容のそばにモデルを置く。回答品質だけを比べる場合よりも、作業環境全体を置き換えにくくする設計だ。

標準機能になるたび、継続的な提供責任が生じる

Geminiを端末、映像制作ツール、コンテンツ保管場所へ組み込むことで、Googleは導入時の手間を減らすと同時に、常時サービスを提供する責任を負う。接点が増えるほど推論処理は増え、便利な使い方が定着するたび、利用者が再び呼び出す理由も増えていく。

単体のAI製品なら、高コストな機能の利用を制限し、使用量を計測して課金したり、利用そのものに直接料金を設定したりできる。大規模な製品群に組み込まれた支援機能には、計算資源を高値で小口販売する専業業者のように振る舞う余地が少ない。利用者には製品の一部と映る一方、Googleにとって呼び出しの一つひとつが費用となり、処理能力と電力を消費する。

組み込み型の支援機能は、操作の途中で使われるため、応答が速くなければならない。広範な配布によって需要が急増し得るため、利用回数の上限も高くする必要がある。わずかな削減でも全要求で繰り返されるため、使用する語句単位の数も抑えなければならない。利用が日常に溶け込むほど、効率化はGoogleがより積極的に普及を進める余地を生む。

TPUが目立たなくなったのは、役割が変わったからだ

Googleは2016年、TensorFlow向けに設計した独自の機械学習用半導体としてTensor Processing Unitを発表した。2018年にはCloud TPUsの試験提供を、TPU時間当たり$6.50から開始した。開発者は、名称と価格が明示された個別の計算資源を購入できた。

Googleは新たな開発計画で、独自半導体に別の役割を与えた。2025年にはIronwoodを同社初の推論用TPUと位置づけ、256基と9,216基の構成で提供した。2026年には、第8世代製品群を学習用のTPU 8tと推論用のTPU 8iに分割した。一般提供は同年後半に予定されている。

製品群を分けることで、Googleは半導体の構成をGeminiの事業構造に直接対応させた。モデルの学習は一定の間隔で行うが、製品は継続して提供する。TPU 8iが狙うのは、Geminiの利用範囲拡大によって生じる恒常的な処理負担だ。

Googleは、世間の関心が薄れるなかでも、この開発計画を進めている。報道量の減少は半導体の性能低下を意味しない。報道量が示すのは話題の熱気であり、Googleは発表を繰り返すのではなく、日々の処理を繰り返すことで投資を回収できる。

報道によれば、MetaはGoogle TPUsを借りる複数年契約を結び、2027年から自社の情報処理施設向けに購入することも協議した。外部需要が増えれば、半導体への注目も高まり得る。ただしGoogleにとってTPUは、外販製品であると同時に、社内の運用効率を高める手段でもある。

TPUを製品として消す必要はない。利用者の選択肢から見えなくなればよい。動画を延長する人、購入済み書籍について質問する人、端末に作業の実行を頼む人が選ぶのは結果であって、演算装置ではない。半導体は売り文句にならなくても、サービスの実力を左右せる。

推論コストが業界全体の方向をそろえつつある

投資家向け資料では、OpenAIとAnthropicが推論コストを売上高の半分超と見込んでいたと報じられた。OpenAIとBroadcomは大規模言語モデル向けに最適化した推論用半導体を発表し、Amazon Web ServicesはTrainium演算装置の開発を続けた。共通の方針があったわけではないが、推論費用の重さが3社を独自半導体へ向かわせた。

Googleは提供コストを抑えるため、モデル自体も設計し直している。Gemini 1.5 Flash-8Bの価格は1.5 Flashより50%低く、利用回数の上限は2倍で、短い指示への応答も速いと説明した。その後Googleは、Gemini 3.6 Flashについて、Gemini 3.5 Flashより使用する語句単位が最大17%少なく、単位当たりの費用も低いとした。こうした改善が、日常的な製品の中でモデルを何回まで合理的に呼び出せるかを決める。

Googleが処理する要求が増えるほど、小さな効率改善の価値は高まる。効率化によって展開範囲が広がり、その結果として専用半導体で処理する量も増える。この規模の事業者には、提供基盤を自ら管理するか、事業の大きな部分を他社の費用と処理能力に委ねるかという選択しかない。

Googleは物理的な処理能力も確保しなければならない。同社がAndroidアプリに新たなメモリー使用量の基準を導入した際には、AI需要の急増による深刻な半導体供給制約を理由に挙げた。既存端末全体へ機能を提供できるようになるまでは、Googleが抱えているのは標準機能ではなく、自社名を冠した順番待ちにすぎない。

最も目立たない層が、画面上の標準を決める

モデルには名称、評価値、発表日があるため、モデル競争は人目を引き続ける。その裏側では、支援機能の移行、動画制御、書籍の取り込み、学習用から分けられた推論用半導体といった、小さな製品判断が積み重なる。一つひとつは漸進的に見えるが、全体として競争の軸を「どのモデルを選ぶか」から「標準機能を維持できるか」へ移している。

TPUをめぐる報道が速度-0.724、加速度-3.351を記録する一方で、Googleが推論専用の半導体製品群を設けているのはそのためだ。利用者が選ぶのは画面に現れる結果であり、背後の演算装置ではない。表側でGeminiが利用者の関心をつかみ、裏側でTPUが、Googleにその標準機能を維持できる採算があるかを決める。