第6章: ロジック半導体 — 計算する大陸
2024 年、NVIDIA の時価総額が一時 世界 1 位 になった。
Apple でも Microsoft でもなく、半導体メーカーが地球で一番価値のある会社になった瞬間である。
理由はひとつ ── 同社の GPU が、生成 AI を動かすほぼ唯一の現実的な計算機になったから。
10 年前まで GPU はゲーム機の脇役だったのに、いまや世界経済の中心に座っている。
なぜ GPU が選ばれたのか。CPU では駄目だったのか。
ロジック半導体という大陸を、この章で歩いて回る。
6.1 「計算する半導体」の枠
ロジック半導体 とは、ひとことで言えば 「計算する半導体」 だ。 プログラムの命令を読み、論理ゲート（第4章）を駆使して計算し、結果を出力する ── これを担当するチップを総称してこう呼ぶ。
ニュースで頻出する代表選手を、まず一覧で頭に入れておく。
| カテゴリ | 主な役割 | 典型例 |
|---|---|---|
| CPU | 汎用計算。命令を 1 つずつ順番にこなす | Intel Core、AMD Ryzen |
| GPU | 同じ計算を大量に並列実行。AI でも主役 | NVIDIA H200、AMD MI300 |
| SoC | CPU+GPU+NPU+通信などを 1 チップに統合 | Apple M4、Snapdragon 8 |
| NPU / TPU / AI ASIC | AI 計算（行列演算）に特化 | Google TPU、Apple Neural Engine |
| MCU | 家電・車載に組み込む小型 CPU + 周辺機能 | ルネサス RX、STM32 |
| FPGA | あとから回路を書き換えられるチップ | AMD Xilinx、Intel Altera |
| ASIC | 特定用途専用に焼き付けたカスタムチップ | ビットコイン採掘機、Google TPU |
この章の前半 3 つ（CPU・GPU・SoC）が主役。後半は脇役だがニュースで顔を出す面々だ。
6.2 CPU ── 一人の天才が順番に解く
CPU (Central Processing Unit) は、汎用コンピュータの中央演算装置である。 何でもできるが、本質は 「複雑な命令を 1 つずつ順番に処理する」 こと。
イメージとしてはこうだ。
CPU は 一人の天才 が、机に積まれた仕事を上から順に片付けていくスタイル。
得意：分岐の多い処理、OS、ブラウザ、データベース、Excel。
不得意：単純な計算を何兆回も繰り返す処理（AI、グラフィック）。
現代の CPU は、この「一人の天才」をさらに賢くするために、
- コアを増やす（マルチコア） ── 天才を複数人雇う
- 命令を先読みする（投機実行） ── 次の仕事を待たずに進める
- キャッシュを大きくする ── 手元のメモを増やしてメモリ待ちを減らす
といった工夫を重ねてきた。が、それでも 「順番にやる」 という根本性格は変わらない。
ここに、AI 時代の限界があった ── 順番にやっていたら、行列の掛け算を何十億回も繰り返す処理は永遠に終わらない。
6.3 GPU ── 大勢で同時に解く（そしてAIに化けた）
GPU (Graphics Processing Unit) は元々、画面に絵を描くための専用チップだった。 3D グラフィックでは、画面の数百万ピクセルに対して 同じ計算を並列に 行う。だから GPU は CPU と真逆の設計になった。
| CPU | GPU | |
|---|---|---|
| コア数 | 数個〜数十個（大型・賢い） | 数千〜数万（小型・単純） |
| 得意 | 複雑な単体タスク | 単純なタスクを大量に並列 |
| 設計思想 | 少数精鋭 | 大群衆 |
GPU は 「大勢の素人を一斉に動かす」 スタイル。1 人 1 人は CPU よりずっと弱いが、何千人もいる。
2010 年代に深層学習ブームが来たとき、研究者は気づいた ──
「ニューラルネットの学習って、要するに 巨大な行列の掛け算を死ぬほどやるだけ じゃないか？それなら GPU でやれる」
これが運命の分かれ目になる。 CPU でやると数か月かかる学習が、GPU だと数日で終わる。AI が実用ラインに乗ったのは、GPU の並列性のおかげと言っていい。
GPU が AI に化けたのは「たまたま」ではない。
画面の各ピクセル独立に色を計算する → ニューラルネットの各ニューロン独立に計算する。
やっている計算の構造が同じ だったのだ。
6.4 SoC ── スマホの中の小さな都市
SoC (System on a Chip) は、CPU・GPU・NPU・通信モデム・カメラ ISP（画像処理）・各種コントローラを 1 枚のチップに統合 したものだ。
スマホは小さくて、電池の制約が厳しい。だから「機能ごとに別チップを並べる」のではなく、全部を 1 つのチップに押し込む。スマホの中身を見ると、巨大な SoC ひとつと、その周りに DRAM・NAND・電源 IC・無線フロントエンドが寄り添う ── という構成になっている。
代表的な SoC：
| SoC | メーカー | 主な搭載先 |
|---|---|---|
| Apple A / M シリーズ | Apple（製造は TSMC） | iPhone、iPad、Mac |
| Snapdragon | Qualcomm | Android スマホ全般 |
| Dimensity | MediaTek | Android スマホ（中・廉価帯） |
| Exynos | Samsung | Galaxy 一部モデル |
| Tensor | Google（製造は Samsung） | Pixel |
| Kirin | HiSilicon（Huawei 系列） | Huawei スマホ |
| i.MX | NXP | 車載・産業組み込み寄り（第8章で再会） |
スマホ 1 台に半導体は数百個入っているが、全体性能の 8 割は SoC が決める。 「Apple M4」「Snapdragon 8 Gen 4」といった SoC 名が、商品の世代を表す目印になるのはそのためだ。
6.5 NPU / TPU / AI ASIC ── 行列演算に特化する
GPU で AI が動くと分かったあと、業界は次に進んだ。 「GPU は元々グラフィック用だ。だったら AI 専用 に最適化すればもっと速くなるはずだ」── そこから生まれたのが AI アクセラレータたちである。
| 略称 | 意味 | 代表 |
|---|---|---|
| NPU | Neural Processing Unit | Apple Neural Engine、Qualcomm Hexagon、Intel AI Boost |
| TPU | Tensor Processing Unit | Google（自社データセンター専用） |
| AI ASIC | AI 専用 ASIC | AWS Trainium、Microsoft Maia、Meta MTIA |
| AI GPU | AI 向けに強化された GPU | NVIDIA H100/H200/B200、AMD MI300 |
これら全部の共通点は、巨大な行列の掛け算を高速・高効率で実行する ことに振り切っていること。 余計な機能を削って行列演算回路を敷き詰めるので、消費電力あたりの性能は汎用 GPU の数倍〜数十倍に上がる。
エッジ AI とクラウド AIエッジ AI（スマホ・PC・カメラ上で動く AI） → 主役は NPU
クラウド AI（データセンターの ChatGPT 等） → 主役は AI GPU と AI ASIC
ニュースで「AI 半導体」と聞いたら、まずどちらの話か区別すると見通しが良い。
なお、AI GPU の隣には必ず HBM という特殊な高速メモリが寄り添う。「GPU の隣に高速メモリを縦積みで並べる」話は次章で詳しく扱う。
6.6 x86 / Arm / RISC-V ── 命令セットという土俵
CPU や SoC のニュースで必ず出てくる用語が 命令セットアーキテクチャ (ISA) だ。 「CPU がどんな命令を理解するか」のルール集 ── 言ってみれば、チップの 言語 である。
| ISA | 主用途 | 持ち主 |
|---|---|---|
| x86 / x86-64 | PC、サーバ | Intel と AMD で実質独占 |
| Arm | スマホ、組み込み、最近はサーバ・PC にも | Arm Ltd（英、ソフトバンク傘下） |
| RISC-V | IoT、組み込み、新興 AI チップ | オープン規格（誰でも使える） |
| POWER | 旧来の IBM 系メインフレーム | IBM |
Arm は ライセンス販売モデル で、設計図を世界中のチップメーカーに提供する。Apple Silicon も Snapdragon も AWS Graviton も、土台は Arm。
RISC-V はオープン規格でロイヤリティが不要。米中対立の中で 中国 が特に注力しており、NVIDIA や Western Digital も内部マイコンに採用している。
2020 年に Apple が「Mac を x86 から自社 Arm SoC に切替える」と発表したとき、業界は震えた。
それまで PC = x86 という常識が崩れたからだ。
2024 年には Microsoft も Qualcomm Arm SoC 搭載の Copilot+PC を出した。
PC 市場の x86 独占は、いま静かに終わりに向かっている。
6.7 王者 NVIDIA と挑戦者たち
ロジック半導体の現代の主役を一覧しておく。
データセンター AI チップ:
- NVIDIA: シェア 80% 超。H100 → H200 → B100/B200。
- AMD: MI300 シリーズで追走
- Google TPU, AWS Trainium, Microsoft Maia: ハイパースケーラーの内製チップ
- Cerebras, Groq, SambaNova: AI 専用スタートアップ
- 中国系: Huawei Ascend、Cambricon ほか（米国の輸出規制と格闘中）
PC / サーバ CPU:
- Intel: Core / Xeon。長年の王者だが AMD に少しずつシェアを奪われている
- AMD: Ryzen / EPYC。先端プロセスは TSMC で製造
- Apple: M シリーズで MacBook の世界を変えた
スマホ SoC:
- Qualcomm: 米国・Samsung・中国系 Android 向け
- MediaTek: 中華系・廉価帯で世界一の出荷量
- Apple: 自社専用、iPhone のみ
ここで一度、王者 NVIDIA の強さの本質に触れておく。
NVIDIA が勝ち続ける本当の理由は、ハードでなくソフトの堀 にある。
2006 年から地道に整備してきた CUDA という GPU 向けプログラミング環境。
世界の AI 研究者が CUDA でコードを書いてきたので、他社が同等のハードを出してもソフト資産が動かない。
ハード性能だけなら追いつける。しかし、世界中に積み上がったコードまでは追いつけない ── これが NVIDIA の本当の参入障壁である。
ロジック半導体は 設計 で価値が決まる世界。
製造（ファブ）は TSMC に外注する ファブレス がほとんど。
だから NVIDIA・Apple・Qualcomm は「自分の工場を持たないのに時価総額世界トップクラス」になれる。
この構造は第 13 章「水平分業の地図」で詳述する。
6.8 FPGA と ASIC
最後に、ニュースで時々顔を出す 2 つの脇役。
FPGA (Field-Programmable Gate Array): 製造後にユーザーが回路構成を書き換えられるチップ。試作・少量生産・通信機器・データセンター加速で使われる。AMD（旧 Xilinx 買収）と Intel（旧 Altera）が二大勢力。
ASIC (Application-Specific Integrated Circuit): 特定用途専用に設計したカスタムチップ。設計コストはかかるが大量生産でコスパが最強。 ビットコイン採掘機、Google TPU、各社の AI アクセラレータも広義の ASIC だ。
6.9 この章の振り返り
- ロジック半導体は 「計算する」半導体。CPU・GPU・SoC・AI アクセラレータ・MCU・FPGA・ASIC
- CPU は順番処理が得意、GPU は大量並列が得意。AI で GPU が主役になったのは、行列演算の構造と GPU の並列性が一致したから
- SoC は CPU+GPU+NPU+通信などを 1 チップに統合したもの。スマホの心臓
- AI 専用チップ（NPU、TPU、AI ASIC）は 行列演算特化 で GPU より電力効率が高い
- 命令セット は x86・Arm・RISC-V の三大勢力で動いている
- 王者は NVIDIA、その堀は ソフト（CUDA）。ハードの追い上げだけでは崩れない
この章で読めるようになるニュース
- 「NVIDIA H200 の出荷遅延、HBM 不足が原因」 → AI GPU の隣に並ぶ高速メモリ HBM の話、と分かる（次章で詳述）
- 「Apple、M5 チップを TSMC の 2nm で量産開始」 → Apple の Arm SoC、製造は TSMC、最新プロセス、と即わかる
- 「RISC-V 採用が中国で急増、米国の制裁を回避」 → オープン命令セット RISC-V が地政学の文脈で重要、と読める
- 「Google TPU v6 で次世代 Gemini を学習」 → Google 自社設計の AI ASIC、ハイパースケーラー内製化の流れ、と認識できる
次章は メモリ半導体。 覚えておくだけのチップが、AI 時代に GPU と並ぶ主役になった話だ。