GPUとASICの違いとは？TPUとは何かと、Google・AWSの「AI専用チップ」が増える理由を7つの視点で比較

Google の TPU は、NVIDIA（エヌビディア）の GPU と何が違うのか。GPUとASICの違いは、GPUがいろいろなAIの計算に使える汎用のチップで、ASIC（特定用途向けの集積回路）は決まった計算のためだけに設計した専用のチップだという点です。TPUは、Google（グーグル）が自社のAIのために作ったASICです。

AIの計算の主役はいまも GPU。それでも Google、AWS（アマゾン ウェブ サービス）、OpenAI（オープンエーアイ）は専用のチップを増やしています。2つを7つの視点で比べ、専用のチップが増える理由と、作る会社の分担までを追います。

先に見たい節 7つの視点の比較表/TPUとは/誰がどうやって作るか

GPUとASICの違いとは

GPUとASICの違いを7つの視点で比較

TPUとは：AI向けASICの代表

TPU（Tensor Processing Unit）とは、Google がAIの計算のために自社で設計した専用のチップ（ASIC）です。2015年に社内で使い始め、2026年4月には学習用の TPU 8t と推論用の TPU 8i に分けた第8世代を発表しました。AWS の Trainium、OpenAI と Broadcom（ブロードコム）の協業も同じ流れにあります。

Google の最初の TPU は、当時の CPU や GPU と比べて15〜30倍の性能、30〜80倍の電力あたりの性能を出したと発表されています。決まった計算に絞り込むことで、ここまでの差が生まれることがあります。ただし、これは当時の比較で、いまのGPUとの差を表す数字ではありません。

第8世代の発表を読んで、筆者が目を止めたのは数字より分け方でした。これまで1つだった TPU が、学習用の 8t と推論用の 8i の2つになっています。Google 自身も「どちらのチップも色々な仕事を動かせるが、専用にすることで効率が上がる」と書いています。専用のチップの中で、さらに専用化が進んでいるということです。

あわせて読みたい

OCS（光回線スイッチ）とは？GoogleがTPUクラスタで10年使い続ける「鏡で切り替える」技術

Google が TPU のクラスタで使い続ける光の切り替え、OCS

なぜ、専用のチップが増えているのか

Google の Ironwood が「推論のために設計した初めての TPU」とされているのも、この流れを表しています。AIの使い方が決まってくるほど、専用のチップの出番は増えます。

汎用か専用かの迷いは、電源回路の設計にもあります。市販の電源モジュールを買うか、専用の回路を起こすか。電源の設計者の目では、分かれ目は数量です。専用の回路にかかる開発費を台数で割った額が、1台あたりの部品代の差より小さくなれば、専用のほうが得になる。何十万個ものチップを使う Google や AWS から専用に移っているのは、この計算と同じ形です。

あわせて読みたい

学習はDC、推論は現場｜クラウドとエッジの役割分担

学習はデータセンター、推論は現場。AIの役割分担

それでもGPUが主役であり続ける理由

つまり、専用のチップが増えても、GPUがすぐに置き換わるわけではありません。「大量に同じ計算をする大手の一部の仕事は専用のチップ、それ以外と新しい挑戦はGPU」という分担が、当面の姿です。

あわせて読みたい

NVIDIA（NVDA）本体を徹底分析｜AI帝国はなぜ崩れないのか？”半導体会社”という誤解を解く

NVIDIA はなぜ崩れないのか。「半導体会社」という誤解

専用のチップは誰が作るのか

専用のチップは、使う会社が1社で作るわけではありません。いくつもの会社が分担しています。

GPUでも専用のチップでも、最先端の工場・HBM・先端パッケージを使う点は同じです。そのため、どちらが増えても、TSMCやHBM、先端パッケージの需要につながります。

あわせて読みたい

HBM4Eとは？カスタムHBMとベースダイの意味、HBM4との違いを図解

HBMも特注品に。専用のチップと組むカスタムHBM

GPUとASICの違いを知ると、何が見えてくるか

よくある誤解

まとめ

よくある質問

GPUが主役であり続ける理由の一つ、NVIDIAという会社の歩みを知りたい方に。本書（ダイヤモンド社）は、ジェンスン・フアンの生い立ちと創業から、瀕死の経験、CUDAの開発、AI革命への適応までをたどり、同社の長期戦略や経営思想を描いたノンフィクションです。