BroadcomはAMDとGoogleのAIチップ分裂で勝者になりつつある
Broadcomは、AMDとGoogleによるAIチップ競争を別種のレースへと変えた。そこでは、ブランド付きアクセラレータを販売すること以上に、カスタムシリコンを供給できることが重要になり得る。
Nvidiaは依然として汎用AIアクセラレータで優位を保っており、AMDは有力な代替候補としてInstinctポートフォリオを拡大している。Googleは、自社のワークロード向けに設計したTensor Processing Units、すなわちTPUという別の道を進む。大手クラウド事業者が、標準的なGPUサプライヤーだけではあらゆるインフラ要件を満たせないと判断する際、Broadcomは恩恵を受ける。
だからといって、Broadcomが疑いようのない勝者になるわけではない。Nvidiaは引き続きデータセンターからはるかに大きな収益を生み出しており、AMDは顧客に信頼できる第2のGPUプラットフォームを提供している。状況の反転は、Broadcomが市場全体で両社を置き換えなくても成長できる点にある。
同社の機会は、カスタムアクセラレータ、Ethernetネットワーキング、チップ接続、システム設計にある。AI研究所が十分に理解したワークロードを中心にクラスターを構築するほど、これらの構成要素の価値は高まる。そのためBroadcomは、開発者の関心を争うよりも、インフラロードマップに組み込まれることを目指している。
BroadcomのAI収益は副業の域を超えた
Broadcomの最新決算は、カスタムAIチップとネットワーキングが実験的な製品ラインではなく、成長の中核エンジンになったことを示している。
Broadcomは2026年度第2四半期の売上高が222億ドルとなり、前年同期比48％増だったと報告した。AI関連の半導体売上高は108億ドルに達し、143％増となった。
最高経営責任者のHock Tan氏は、この成長をカスタムAIアクセラレータとAIネットワーキングによるものだと説明した。同社は第3四半期のAI半導体売上高が160億ドルに達し、比較対象期間から200％を超える成長になると見込んだ。
これらの数値はBroadcomの四半期決算に直接記載されている。また、投資家がBroadcomをAIハードウェア企業として語る機会が増えている理由も明らかにしている。
アクセラレータは、AIモデルの学習や実行に用いられる集中的な数学演算を処理する。NvidiaとAMDは一般に、多数の顧客、モデル、ソフトウェア環境をサポートするアクセラレータを販売している。
Broadcomは異なるモデルを採る。同社は、選ばれた顧客がワークロード固有のプロセッサを開発するのを支援する。こうしたプロセッサはしばしばXPUや特定用途向け集積回路と呼ばれる。これらのチップは、より狭い演算セットに照準を絞るため、汎用性の一部を犠牲にする。
顧客がワークロード戦略を担い、Broadcomはエンジニアリング、インターフェース、接続性、生産に関する専門知識を提供する。この取り決めにより、社内チップ設計から実際に導入可能なシステムまでの道のりを短縮できる場合がある。
ネットワーキングは、この機会のもう半分を構成する。大規模モデルは単一のプロセッサで動作するわけではないため、何千ものアクセラレータが低遅延でデータをやり取りしなければならない。
Broadcomは、そのトラフィック向けにEthernetスイッチングと接続技術を販売している。したがって同社は、計算レイヤーと、それらの計算を結び付けるネットワークの両方に関与できる。
この組み合わせにより、同社が報告するAI収益が単純なカスタムチップ事業だけでは説明できないほど急速に伸びている理由が分かる。アクセラレータの導入規模が拡大するたび、スイッチ、光リンク、関連部品への需要も生じる。
このモデルは、Nvidiaの緊密に統合されたプラットフォームとは異なる。NvidiaはGPU、NVLinkインターコネクト、ネットワーキング製品、システム、ライブラリ、開発者ツールを一つのブランドの下で組み合わせている。
一方Broadcomは、顧客が自ら管理したいインフラを支援する。その製品はGoogle、Meta、Anthropic、あるいは別の事業者のアイデンティティを冠するシステムの構成要素となる。
この立場は世間からの注目度を下げる。その一方で、何百万人もの開発者に新たな独自プログラミング環境の採用を説得する必要も減る。
Broadcomの成長は、カスタムチップがGPUを置き換えることを証明するものではない。それは、ハイパースケーラーが現在、カスタムアクセラレーションを複数年にわたる投資に値する本番戦略とみなしていることを示している。
同社の決算には重要な警告も含まれる。限られた数のハイパースケール顧客にサービスを提供するサプライヤーは、ある導入案件が四半期をまたいで移動すると、急激な変動を経験し得る。
Broadcomは、顧客がモデル設計に成功し、データセンター容量を確保し、社内チップ計画を維持できることに依存している。同社の収益は急速に増加し得るが、顧客集中は交渉面と予測面のリスクを生む。
それでも、最新の数値は立証責任を変えた。カスタムAIアクセラレータは、現実の市場が存在することをもはや示す必要はない。問題は、次のインフラサイクルのどれだけを獲得できるかだ。
AMDとGoogleのハードウェア分裂がBroadcomに有利な理由
AMDとGoogleの分裂は二つの異なる購買哲学を表しており、クラウド事業者が汎用性より所有権を選ぶとき、Broadcomは恩恵を受ける。
AMDのInstinctアクセラレータは、汎用GPUモデルに従う。顧客はAMDのROCmソフトウェアスタックで支えられた標準化プロセッサを購入し、それを異なる学習および推論ワークロードに使用する。
GoogleのTPUは別の前提から始まる。Googleはハードウェア、コンパイラ、モデル、ネットワーキング、データセンターを、一つの連携したシステムの構成要素として設計している。
この違いにより、「AMD Google」というキーワードは、二つのチップ名のぎこちない比較以上の意味を持つ。それは、あらゆる大規模AIインフラ購入者が直面する戦略的選択を表している。
一つの選択肢は、NvidiaまたはAMDから柔軟なアクセラレータを購入することだ。もう一つは、既知のワークロードを中心に特化型ハードウェアを設計し、得られるシステムに対するより大きな制御を維持することである。
AMDのMI350シリーズは、最大288ギガバイトのHBM3Eメモリと、毎秒8テラバイトのメモリ帯域幅を備える。HBMは、より高速なデータ移動のためにアクセラレータの近くに配置される積層メモリだ。
同社はMI350システムを、学習、推論、高性能コンピューティング向けに位置付けている。アクセラレータ仕様では、オープンソフトウェアと標準的なサーバー導入のサポートも強調している。
この柔軟性は、多数の顧客にサービスを提供するクラウドプロバイダーや企業にとって重要だ。将来の需要でどのモデル、数値形式、開発フレームワークが主流になるかを、常に予測できるわけではない。
Googleが直面する計算は異なる。同社は大規模な社内ワークロードを管理している。Search、広告、Gemini、YouTube、Google Cloudは、識別可能な運用パターンを伴う膨大で継続的な需要を生み出している。
カスタムプロセッサは、その所有者がプロセッサを継続的に稼働させられる場合に、より魅力的になる。高い利用率は、設計コストを大規模な計算量に分散する。
Googleの第7世代Ironwood TPUは、このアプローチを示している。Googleによると、Ironwoodは学習と推論において、チップ当たりでTrilliumの4倍を超える性能を提供する。
Googleはまた、一つのIronwoodポッドが9,216個のチップを接続できるとしている。各プロセッサは192 GiBの高帯域幅メモリを搭載し、システム全体では1.77ペタバイトに達する。
Ironwoodは、モデルの演算をGoogleのハードウェアに最適化された命令へ変換するコンパイラ、XLAを使用する。このハードウェアとソフトウェアの協調設計により、汎用プラットフォームが広範な互換性のために残さなければならないオーバーヘッドを削減できる可能性がある。
Googleの各TPU世代に対するBroadcomの正確な貢献は、公開情報では完全には詳述されていない。両社を結び付ける報道は以前からあるが、エンジニアリング上の責任分担を完全に公表しているわけではない。
この空白は重要だ。Googleがカスタム設計と説明するプロセッサについて、Googleが重要なアーキテクチャ、ソフトウェア、ワークロードの知識を提供している以上、Broadcomだけに功績を帰すべきではない。
より妥当な結論は限定的である。Broadcomは、ハイパースケール事業者がカスタムアクセラレータ計画を大規模導入へ転換するのを支援する事業を構築してきた。
これによりBroadcomは、購入者とファウンドリーの間に位置する。顧客のモデル、クラウドサービス、開発者プラットフォームを所有する必要はない。
同社はまた、あらゆるワークロードの答えとして単一の公開アクセラレータを提示することなく、複数のカスタムロードマップを支援できる。このポートフォリオは、異なるAI研究所にまたがって同社のエクスポージャーを分散する。
AMDは、自社の共通プラットフォームが十分な性能、供給可能性、ソフトウェアの成熟度を備えると顧客に納得させなければならない。Googleは、より特化したアーキテクチャの制約を、統合スタックが正当化すると証明しなければならない。
Broadcomは後者の議論が生み出す需要を取り込む。ハイパースケーラーが差別化には自社保有のシリコンが必要だと判断したとき、Broadcomは有力なエンジニアリングパートナー候補となる。
これが、AMDとGoogleの分裂が単純なGPUベンチマーク以上の大きな機会を生み出す理由である。本当の競争は、誰がアーキテクチャを支配し、誰がそれを構築して収益を得るかに関わっている。
カスタムシリコンがNvidiaとの競争を変える
BroadcomはNvidiaのGPUプラットフォームを正面から打ち負かす必要がない。カスタムシリコンは、反復的で予測可能なワークロードの経済性に働きかけるためだ。
Nvidiaの地位は依然として強固だ。2026年度のデータセンター売上高は1,937億ドルに達し、前年度比68％増となった。
第4四半期のデータセンター売上高だけでも623億ドルに達した。この決算結果は、Nvidiaが置き換えられたと宣言することが市場規模を無視する理由を示している。
Nvidiaが提供するのはプロセッサだけではない。CUDAソフトウェア、最適化ライブラリ、ネットワーキング、リファレンスシステム、広範なクラウド提供は、開発者の導入摩擦を低減する。
この幅広さは、ワークロードが急速に変化する場合にNvidiaの価値を高める。新たなアーキテクチャを探究する研究グループは通常、適応力のあるハードウェアと慣れ親しんだ開発ツールを好む。
カスタムシリコンは、ワークロードが安定した後により説得力を持つ。事業者はほとんど使わない機能を取り除き、頻繁な計算により多くのチップ面積を割り当てられる。
推論は、特に重要な事例となる。推論とは、学習済みモデルを実行して予測、回答、画像、その他の出力を生成するプロセスだ。
広く使われるサービスでは、同様の演算が数十億回実行される可能性がある。わずかな効率改善であっても、データセンターの電力、冷却、容量要件に影響を与え得る。
ここにBroadcomの機会がある。同社のカスタムアクセラレータプラットフォームは、顧客がモデル構造、メモリ移動、数値精度、ネットワーキングの挙動に合わせて最適化することを可能にする。
ネットワーキングも同様に重要である。高速なプロセッサであっても、データを待つことがあるからだ。クラスターの実用的な性能は、チップ間でモデルパラメータと中間結果をどれだけ効率よく共有できるかに左右される。
NvidiaはNVLink、InfiniBand、Ethernet製品でこの問題に対応している。Broadcomは主にEthernetを通じて競争する。Ethernetは、事業者が複数ベンダーのインフラを組み立てられるようにする、確立された標準だ。
議論は、単に独自ネットワーキングとオープンネットワーキングの対立ではない。購入者は遅延、輻輳管理、ソフトウェア統合、部品の供給可能性、運用上の親しみやすさ、制御を比較する。
顧客がEthernetを好み、単一の包括的サプライヤーへの依存を避けたい場合、Broadcomは恩恵を受ける。統合プラットフォームの性能がその懸念を上回る場合、Nvidiaは恩恵を受ける。
これが本稿の核心となる反転である。Broadcomは、より広い開発者市場にNvidiaを見限らせることなく、AI支出におけるシェアを拡大できる。
顧客企業は、その判断を社内で下している。特定のワークロードにはカスタムアクセラレータを導入する一方、研究、外部クラウドサービス、予測しにくいタスク向けには引き続きNvidia GPUを購入している。
Googleもこの混合型アプローチを採用している。TPUを提供する一方で、Google Cloudを通じてNvidia GPUインスタンスも提供している。
Metaも別の例だ。Broadcomは、2029年までMetaのTraining and Inference Acceleratorチップを支援する拡大パートナーシップを発表した。
両社によると、このプログラムには2ナノメートルのアクセラレータと複数世代のシリコンが含まれる。また、数ギガワット規模の導入計画も示した。
両社のMTIA partnershipは、カスタムコンピューティングとBroadcomのEthernet技術を組み合わせるものだ。ただし、顧客が約束された容量を実際に導入・利用するまでは、導入計画は将来見通しにとどまる。
この混合モデルは、主要GPUベンダーの双方に圧力をかける。Nvidiaは、コスト、供給、アーキテクチャに対する主導権を求める顧客に直面している。
AMDは、より微妙な課題に直面している。第2の汎用アクセラレータを求める顧客を獲得できる一方で、その一部は最終的に最大規模のワークロードを内製チップへ移行する可能性がある。
AMDにとって、Googleは機会と脅威の両方を示している。Google CloudはAMDアクセラレータを提供できるが、Google独自のTPUプログラムは外部GPUだけに依存する必要性を低下させる。
Broadcomにとっては、どちらの移行も需要を生み得る。代替手段を求めるクラウド事業者は、まずAMDを導入し、ワークロードが十分な規模に達した段階でカスタムプロセッサを追加するかもしれない。
これは、すべてのAI企業がチップを設計すべきという意味ではない。カスタムシリコンには、経験豊富なチーム、安定したワークロード、大規模な導入量、長い計画サイクルが求められる。
大半の企業には、こうした条件がない。引き続き容量を借りるか、汎用アクセラレータに基づくシステムを購入することになる。
したがって、Broadcomの潜在顧客は市場の最上位層に集中している。それでも、これらの企業は莫大なインフラ予算を握っているため、この制約は大きな事業を支え得る。
勝ち筋は、すべてのアクセラレータを所有することではない。コンピューティングスタックのより多くを自ら保有しようとする顧客の支出に関与することだ。
Broadcomの投資仮説が依然として証明していないこと
急速な売上成長は需要を裏付けるが、BroadcomがNvidiaやAMDに対して恒久的な優位性を確保したことまでは示さない。
最初の不確実性は顧客集中だ。Broadcomのカスタムチッププログラムには、極めて大きな購買力を持つ少数の企業が関わっている。
こうした買い手は強硬に交渉し、導入を延期し、あるいはエンジニアリングリソースを振り向け直すことができる。1つのロードマップを失うだけでも、将来の成長に過大な影響を及ぼしかねない。
第2の問題は開発リスクだ。カスタムアクセラレータは、モデルアーキテクチャやメモリ要件がなお不確実な段階で、導入の何年も前から開発が始まる。
AI技術に予想外の変化が起きれば、特化型ハードウェアが最新のワークロードに適合しなくなる可能性がある。汎用GPUは、その可能性に対する保険となる。
第3の問題はソフトウェアだ。Googleは、JAX、PyTorch統合、XLA、社内エンジニアリングリソースを通じてTPU開発を支援できる。
小規模な事業者は、この取り組みを容易には再現できない。魅力的な仕様を持つプロセッサでも、開発者がモデル移行に苦労すれば失敗する。
Googleはこの障壁を下げようとしてきた。同社のIronwood stackは、連携したシステム全体でコンパイラ最適化とカスタムカーネルをサポートしている。
ただし、Googleが公表した性能主張は、同社独自のハードウェアおよびソフトウェア環境を反映したものだ。多様な本番ワークロードにおける独立した比較は、依然として限られている。
したがって、AMDとGoogleの選択は単にピーク演算性能の問題ではない。ポータビリティ、開発時間、利用率、クラウドでの提供状況、ソフトウェア維持コストも含まれる。
AMDはROCm互換性を改善し、大容量メモリを備えたアクセラレータを提供することで対応できる。Nvidiaは統合システムを拡張しながら、推論コストを引き下げることができる。
両社はネットワーキング技術も販売しているか、システムベンダーと提携している。Broadcomは、Ethernetでの主導権やカスタム設計での採用が今後も争われないとは想定できない。
供給も別のリスクとなる。Broadcomは、設計を完成プロセッサへと仕上げるために、外部の製造業者や先端パッケージング事業者に依存している。
カスタムアクセラレータは、他のAIチップと同じ最先端製造能力を奪い合う。顧客需要が強くても、パッケージングの制約が売上を遅らせる可能性がある。
電力の確保も同様に重要になっている。ギガワット規模の導入には、電力、土地、冷却設備、変圧器、ネットワーク、建設能力が必要だ。
完成したチップでも、未完成のデータセンターから売上を生むことはできない。したがって、インフラのスケジュールが半導体のスケジュールを左右する可能性がある。
Broadcomの2026年6月の資金調達イニシアチブは、機会と制約の両方を示している。同社はApolloおよびBlackstoneとともに、2028年までに20ギガワット超のAI導入を可能にすることを目指すプラットフォームに参加した。
このイニシアチブは、Anthropicに関連する1ギガワット超の容量を支援する初期取引から始まった。Broadcomは、自社のXPUとネットワーキングがフロンティアAIラボ向けの導入を支えると述べた。
そのcapacity platformは、Broadcomの役割を部品供給の枠を超えて拡大する。同時に、現代のAIクラスターがどれほど多額の資本と連携を必要とするかも示している。
発表された容量は、設置済みで生産的なインフラと同義ではない。資金調達、許認可、建設、系統接続、顧客需要が足並みをそろえる必要がある。
別の不確実性は透明性に関するものだ。Broadcomはカスタムアクセラレータの顧客について選択的にしか言及せず、機密保持のため契約条件やプログラムの採算性は見えにくい。
投資家はAI半導体売上の総額を把握できる。しかし、コンピュートアクセラレータとネットワーキングを常に分けて見ることはできず、各顧客の寄与を特定できない場合もある。
このため、単純な予測は信頼できない。力強い四半期は、持続的なプラットフォーム転換、一時的な出荷集中、あるいはその両方を反映している可能性がある。
「究極の勝者」という枠組みは、市場拡大も見落としている。AI支出の総額が増えれば、Nvidia、AMD、Broadcom、クラウド事業者、メモリ供給企業、ファウンドリーはすべて成長し得る。
勝敗に意味が生まれるのは、競争の定義を定めた後だけだ。Nvidiaは幅広いアクセラレータプラットフォームを主導し、BroadcomはカスタムシリコンとEthernetインフラで存在感を高めている。
AMDはデータセンター向けアクセラレーションでは依然として規模が小さいが、戦略的に重要な代替手段を提供している。Googleはクラウドの購入者であると同時に、内製チップの設計者でもある。
これらの立場は重なり合うが、同一ではない。Broadcomの強みは、従来の半導体購入者とは異なる動機を持つ顧客にサービスを提供している点にある。
カスタムチップが繰り返しスケジュールに遅れ、有用な効率改善を実現できず、あるいは社内実験にとどまるなら、この投資仮説は弱まる。また、Nvidiaのプラットフォーム経済性が特化する理由を消し去る場合も弱まる。
顧客が次世代チップを継続して導入するなら、仮説は強まる。反復的なプログラムは、カスタムシリコンが運用試験を乗り越え、継続投資を得たことを示す。
BroadcomとMetaの契約は2029年まで続くが、約束された世代は依然として実際に稼働するシステムにならなければならない。売上成長は、その転換を示す最も明確な公開証拠であり続ける。
AMDとGoogleのAIチップ競争を左右する3つのシグナル
次の段階は、導入の証拠、顧客による継続的なコミットメント、そして汎用GPU供給企業がカスタムチップの経済的根拠をどこまで狭められるかにかかっている。
第1のシグナルは、Broadcomが報告するAI半導体売上だ。経営陣は2026年度第3四半期に160億ドルを見込んでいた。
この予想を達成すれば、需要が単発の設計採用から、より大きな量産規模へ移行しているという主張を支えることになる。未達なら、出荷時期と顧客集中に疑問が生じる。
総額と同じくらい、その内訳も重要だ。投資家は、カスタムアクセラレータとネットワーキングの双方が複数の顧客に寄与している証拠に注目すべきだ。
1四半期だけで持続性を証明することはできない。複数の導入に結び付く連続的な増加があれば、より広範なインフラ転換を示す強い指標となる。
第2のシグナルは、Google IronwoodとMeta MTIAの実世界での採用だ。Googleは、学習と大量推論の両方に向けて位置付けた後、Ironwoodを一般提供した。
Googleによると、IronwoodはTPU v5pのピーク性能の10倍、Trilliumのチップ当たり性能の4倍超を提供する。また、初代クラウドTPUの約30倍の電力効率も主張している。
これらはベンダーによる測定値であり、普遍的な結果ではない。より強い証拠は、顧客への提供状況、持続的な利用率、ソフトウェアサポート、継続導入から得られるだろう。
Googleはすでに、Gemini、Veo、Imagen、AnthropicのClaudeが、学習または提供にTPUを利用していると述べている。より広範な顧客利用は、カスタムハードウェアが1社の内部アプリケーションを超えて展開できることを示すだろう。
Metaの2ナノメートルMTIAプログラムは、別の試験となる。2029年までに複数世代を出荷できれば、Broadcomが別の顧客を大規模に支援する能力を実証することになる。
遅延は、カスタムシリコンの背後にある長い開発サイクルを露呈させる。それは、ワークロードをNvidiaまたはAMDのプラットフォームへ戻す可能性もある。
第3のシグナルは、汎用GPU供給企業の反応だ。NvidiaのRubinプラットフォームは、幅広いソフトウェア環境を維持しつつ、より低い推論コストを狙っている。
AMDは、大容量メモリと成熟度を増すROCmスタックを備えたMI350アクセラレータを推進している。ソフトウェアのポータビリティが改善すれば、AMDをNvidiaより選ぶ際の不利益は小さくなる。
NvidiaとAMDが、カスタムプログラムの進化より速く総運用コストを下げれば、特化の魅力は薄れる。顧客は、予測可能なスケジュールで提供される適応力の高いハードウェアを好むかもしれない。
カスタムチップが安定したワークロードで繰り返し効率向上を実現すれば、Broadcomの立場は強まる。ハイパースケーラーは、さらに多くの内製設計に資金を投じる明確な理由を得ることになる。
最も可能性の高い結末は、異種混在型のインフラだ。研究チームは柔軟なアクセラレータを利用し、大規模な本番サービスは繰り返し発生するタスク向けに調整されたハードウェアをますます検討するようになる。
この環境は、複数のアーキテクチャにまたがって関与できる供給企業に有利だ。Broadcomのコンピュート、スイッチング、接続性、設計能力は、その要件に合致している。
同時に、単純な勝者総取りという結論を妨げる。Nvidiaは最大のプラットフォームであり続けながら、Broadcomはカスタムインフラで拡大するシェアを獲得できる。
GoogleがTPUを拡大するなかでも、AMDは汎用アクセラレータのシェアを伸ばせる。Googleは、自社クラウドを通じて3つすべての選択肢を提供しつつ、社内では自社チップを優先できる。
AMDとGoogleのAIハードウェアを巡る議論は、突き詰めれば制御の問題だ。買い手は、ワークロードの所有権が、より多くのシリコンを保有するコストと複雑さを正当化するかを判断しなければならない。
Broadcomは、その答えを「はい」にする企業として自らを位置付けてきた。同社の売上は、すでに複数の主要顧客がその結論に達したことを示唆している。
今後1～3カ月で、こうしたコミットメントが加速しているかどうかが明らかになるはずだ。BroadcomのAI売上、カスタムチップの量産提供状況、GPUベンダーの推論経済性を注視したい。
開発者や企業の買い手にとって重要なのは、どのロゴがすべてのベンチマークで勝つかではない。自社のワークロードでどこに柔軟性が必要か、どこで反復性が高いか、そして誰がソフトウェアスタックを支配しているかを問うべきだ。
その判断によって、次のデプロイ先がNvidiaまたはAMDのハードウェア、Google TPU、あるいは別のカスタムアクセラレータのどれになるかが決まる。また、そこから生まれるインフラのどれだけがBroadcomを経由するかも左右される。
