Qualcommの45-TOPS NPUは、次世代AIパソコンに求められる40-TOPSの基準を突破した。しかし、「エッジAI」専用の発注が新たに生まれたわけではない。計算能力はノートパソコンの更新に組み込まれて届く。一方、クラウドの計算能力には契約と電力要件が伴い、金額も数十億ドル規模で明示される。
要点
- エッジAIの計算能力は、一般的な機器購入の中に埋もれやすい。Qualcommの45-TOPS Snapdragon X Elite NPUは、AIパソコンに必要な40-TOPSの基準を突破したが、購入側の会計上は独立したAI導入ではなく、パソコン更新として処理される。
- 長期的に定着するのは、プライバシー、応答時間、メモリー、消費電力、モデルの品質、信頼性、費用を踏まえ、処理ごとに端末とクラウドを使い分けるハイブリッド推論だ。
- Qualcommが計画するModular買収は、ソフトウェア上の制約解消を狙う。モデルを異なる環境で動かし、端末側とデータセンター側の半導体に処理を振り分けるには、コンパイラと実行環境が欠かせない。
- データセンター向けプロセッサーは、端末市場での普及力を補完し、独立した価格を設定できる明確な成長事業になる。Qualcommは2029年までにデータセンター向け半導体で$15 billionの売上高を見込む。
- 端末上のAIが価値を生むのは、機器需要を押し上げるか、処理品質を落とさずに提供費用を削減できる場合に限られる。TOPSの数値が高いだけでは、有用な用途は生まれない。
NPUはパソコンの更新需要に溶け込む
2024年、Intel幹部は、次世代AIパソコンには40 TOPSのNPU性能が必要になると述べた。その後、QualcommはSnapdragon X Eliteの45-TOPS Hexagon NPU向けに最適化したモデルを提供した。性能は基準を上回り、開発者は対応済みのモデルを利用できるようになり、パソコンメーカーには既存機の買い替えを促す材料が増えた。
企業の情報システム部門にとって、予算上の名目はパソコン更新だが、開発者の手元には端末内で使える演算装置が残る。注文が増えるたび、会計上はパソコンの購入でありながら、推論能力も積み上がる。スマートフォン、自動車、カメラ、産業機器のメーカーも、既存の調達周期を通じて同じように能力を増やしている。
AppleとPerplexityは処理ごとに実行先を選ぶ
Appleは、Apple Intelligenceについて、端末上で動く約3-billion-parameterのモデルと、Private Cloud Computeを介して利用するApple silicon搭載サーバー上の大規模モデルを組み合わせる仕組みだと説明し、この構造を明確にした。処理の実行先は、プライバシー、メモリー、応答時間、能力、需要変動への対応力に応じて決まる。
その2年後、PerplexityはComputerの処理を端末上のモデルとクラウドのモデルに振り分けた。重視したのは、個人情報の保護とトークン利用の効率だ。不要な遠隔呼び出しはアプリケーション事業者の利益を圧迫し、能力不足の端末モデルは利用者が得る価値を損なう。
開発側が最適化すべきなのは、プライバシー、応答時間、信頼性、メモリー、消費電力、モデル品質の要件を満たしたうえでの、有用な処理1件当たりの費用だ。小型の端末モデルで費用を抑えても、結果の質が低く利用価値を失えば意味がない。
半導体の性能試験で分かるのは利用可能な計算能力であり、アプリケーションがそれを有効活用できるかどうかではない。日常的な処理は利用者の近くで実行し、高い能力を要する処理だけを自動的に上位環境へ送るよう業務の流れを組み直して初めて、端末上の推論が価値を生む。
ModularがTOPSを実用的な計算能力に変える
40-または45-TOPSのNPUも、開発者が有用なアプリケーションを構築できなければ使われないままだ。Qualcommによる最適化済みモデルの提供は、半導体の性能を製品の実力に変える道筋を開いた。
Qualcommは、Modularをnearly $4 billionで買収することで合意した。Modularは、半導体向けソフトウェア基盤と独自のプログラミング言語を開発している。同社の基盤は、異なる半導体間でモデルを変換し、実行を最適化する。Qualcommが手掛ける端末向け事業と、計画中のデータセンター向け製品の双方にソフトウェアを展開しやすくする。
開発者は、世代の異なる端末向け半導体、クラウド用機器、さまざまなメモリー容量や消費電力条件をまたぐ際、移植性の問題に直面する。コンパイラと実行環境が処理内容、利用可能なモデル、端末の状態、プライバシー要件、上位環境へ送る費用を確認できれば、その結果に応じて処理を割り当てられる。
Dragonflyが独立採算の収益源を加える
Qualcommによると、Metaは2028年に量産が始まるDragonfly C1000データセンター向けCPUを採用する予定だ。同社はさらに、2029年までにデータセンター向け半導体で$15 billionの売上高を見込み、携帯電話以外の半導体売上高予想を$22 billionから$40 billionへ引き上げた。
Modularの買収が完了すれば、Qualcommは端末向け半導体、データセンター向けプロセッサー、そして両者の間でモデルを割り当てるソフトウェア層を販売できる。アプリケーション事業者が処理の実行先を変えるたび、Qualcommには半導体またはソフトウェアから収益を得る機会が生まれる。
Qualcommの端末事業は販売台数と搭載される半導体の金額で稼ぐため、推論処理が1件増えるたびに直接収益を得るのは難しい。データセンター向けプロセッサーなら、集中型設備への投資と連動する、独立した予測可能な収益源を確保できる。
端末上のAIが採算に合うかは顧客が決める
端末上のAIが評価されるのは、購入する機器の選択を変えるか、サービス提供者の処理費用を引き下げる場合だ。
スマートフォンには、メモリー、処理能力、電力に厳しい制約がある。端末モデルはその範囲に収まり、安定して動作し、買い替えの判断を左右するほど利用体験を改善しなければならない。
クラウド事業者には、目に見える需要がある。Googleは、需要に追いつくにはAIの計算能力を6カ月ごとに倍増させる必要があると述べた。集中型の基盤では、その需要が電力、演算装置、予約済み計算能力、売上高予想という具体的な数字に置き換わる。
企業は、プライバシーへの配慮が必要な処理や、応答時間が重要な処理をNPU搭載パソコンで実行し、端末の能力を超えるモデル向けにクラウドの計算能力を確保できる。共通の開発基盤があれば、アプリケーション開発者が半導体、モデル、機器の種類ごとに振り分け処理を個別実装する必要もなくなる。
45-TOPS NPUはパソコンの一部として購入されるため見落とされやすい。一方、データセンターは計算能力そのものとして販売されるため目につきやすい。両者は、同じ処理の流れに用意された2つの行き先にすぎない。戦略上の中核となるのは、メモリー、プライバシー、応答時間、消費電力、モデル品質、価格を読み取り、処理ごとに最適な実行先を選ぶ基盤全体である。
Qualcommが描く、ソフトウェアからデータセンター収益への道筋
- June 25, 2026 — QualcommはModularをnearly $4 billionで買収すると発表した。完了はH2 2026を見込む。
- 2028 — Dragonfly C1000の量産開始を予定。Metaがデータセンター向けCPUとして採用する見通し。
- 2029 — Qualcommはデータセンター向け半導体で$15 billionの売上高を見込む。
- Fiscal 2029 — Qualcommは携帯電話以外の事業で$40 billionの売上高を予想。従来予想は$22 billionだった。
よくある質問
クラウドAIへの投資が増えるなか、エッジAIは消えつつあるのか？
そうではない。端末側の計算能力は、パソコン、スマートフォン、自動車、カメラ、産業機器に標準機能として組み込まれる傾向が強まっている。そのため、契約で明示されるデータセンターの計算能力よりも、金額として見えにくいだけだ。
AI処理を端末上で実行するか、クラウドで実行するかは何で決まるのか？
アプリケーションは、プライバシー、応答時間、メモリー、消費電力、信頼性、モデル品質、価格のバランスを取る必要がある。日常的な処理や機密性の高い処理は端末内に残し、端末の能力を超える処理はクラウド上の大規模モデルへ送れる。
QualcommはなぜModularを買収したいのか？
Modularの半導体向けソフトウェア基盤とプログラミング言語を使えば、開発者は異なるプロセッサー間でモデルを展開し、最適化しやすくなる。このソフトウェア層が、Qualcommの端末向け半導体と計画中のデータセンター向け製品を結ぶ役割を担う。
Qualcommはハイブリッド推論でどのように収益を得る考えか？
端末では搭載半導体、データセンターではプロセッサーから収益を得られる。さらに、双方の環境にモデルを割り当てる開発基盤から、ソフトウェア収益を得られる可能性もある。
端末上のAIが経済的な価値を生むのはいつか？
端末内での実行によって利用体験が改善し、購入判断を左右するか、サービス提供者の遠隔推論費用を削減できたときだ。十分な結果を出せない端末モデルは、節約できる計算費用以上に利用者の価値を損なう可能性がある。