上海、GPU CPOインフラを2030年の重点課題に ただし導入は依然として政策に遅れ

上海はGPU CPOインフラを重点に据えた。ただし、政策支援が国産の光コンピューティング・システムにおける実証済みの大規模導入を上回るスピードで進んでいるという根本的な矛盾がある。

その兆候は、2026年8月12日の中国市場ブリーフィングに表れた。そこでは上海の技術計画が、原油高、金価格下落、米国メモリー株の上昇とともに取り上げられた。市場の動きは時宜を得たものだったが、上海の政策自体はその朝に発表されたものではない。

上海の統治に関する5カ年計画は2月7日に承認され、2月10日に公表された。この文書を掲載した政府ページも7月27日に公開されている。この違いは重要だ。8月の見出しは、一夜にして調達命令が出されたことを示すのではなく、既存の産業戦略を改めて浮上させたものだからだ。

それでも、この政策は注目に値する。上海は国産GPU、光ネットワーキング、製造支援、公共コンピューティング・インフラを、単一の地域プログラムの中で結び付けようとしている。GPU CPO、すなわちグラフィックス・プロセッサーとco-packaged opticsを組み合わせる技術は、その戦略の中でも特に技術的な野心が大きい領域に位置する。

Co-packaged opticsは、光エンジンをプロセッサーまたはネットワークスイッチの近くに配置する。この構成により、データが光ファイバーへ入る前の高速電気経路を短縮できる。数千基のアクセラレーターが一つのシステムとして動作する際に深刻化する、帯域幅、距離、エネルギーの問題に対応することを狙う。

したがって、この対立は上海と中国の別の都市との比較にとどまらない。国産システム統合と、Nvidiaの緊密に連携したコンピューティング・プラットフォームとの競争である。上海はチップ、ネットワーク、工場、試験センターを支援できるが、政策だけでNvidiaのソフトウェア、パッケージング能力、生産経験を直ちに再現することはできない。

上海が実際に承認した内容

上海が承認したのは幅広い産業方針であり、GPUやCPOに関係するすべての企業に対する確実な受注を保証するものではない。

市の公式な5カ年計画は、2026年から2030年を対象とする。上海の立法機関は2月7日にこれを承認し、市政府は2月10日を発行・公表日として記載している。

この文書は、期間を通じて年間およそ5％の経済成長を目標に掲げる。また、2030年までにデジタル経済産業が上海の国内総生産に占める割合を20％超とする目標も示している。

これらの目標がコンピューティング戦略の枠組みとなる。上海は研究開発支出を地域GDPの5％超へ引き上げる方針だ。また、戦略的新興産業が大規模製造業者の工業生産高の半分を占めることも見込んでいる。

計画は集積回路、バイオメディシン、人工知能を、上海の先端産業政策の中核に据える。これら3分野の製造生産高を年率10％超で伸ばすことを求めている。

集積回路では、設備、製造、チップ設計を優先領域と位置付ける。AIでは、インテリジェント・コンピューティング、基盤モデル、高品質データ、エンボディド・システム、特化型アプリケーションを重視している。

文書はCPOを単独の消費者向け製品として提示していない。代わりに、高度なインターコネクトを必要とするインフラ条件を説明している。上海はコンピューティング施設を調整し、公共のインテリジェント・コンピューティング・サービス・プラットフォームを設置し、国産コンピューティング・ハードウェア向けの互換性試験センターを設ける意向だ。

この試験センターは重要である。GPUは理論性能が高くても、実際のモデル、通信ライブラリ、複数ベンダー混在のクラスターでは苦戦する可能性がある。互換性試験は産業政策を測定可能なエンジニアリング作業へと転換する。

上海は2030年までに、5,000社超の製造業者がAIアプリケーションを導入することも目指している。計画は少なくとも500の先進スマートファクトリーを求めており、AIサーバーや産業向けコンピューティング・サービスの潜在的な地元顧客を生み出す可能性がある。

7月7日に発表された別の上海政策では、産業AIプロジェクトへの財政支援が加えられた。同市のAI製造施策は、産業モデル、エージェント、ソフトウェア、サーバー、ロボティクス、サービスプロバイダーを対象とする。

これらの施策はプロジェクト支援を提供するが、特定の光アーキテクチャに対する需要を証明するものではない。コンピュータービジョンを使う工場が、CPO接続のGPUクラスターを自動的に必要とするわけではない。

ここに、8月の市場解釈における最初の限界がある。上海は戦略的優先事項と支援メカニズムを整備した。しかし、すべてのデータセンターでCPOが直ちにプラガブル光モジュールや銅線リンクを置き換えるとは約束していない。

したがって、イベントの日付は慎重に報じるべきだ。8月12日は市場ブリーフィングが流通した日である。2月7日は中核となる5カ年計画の承認日であり、2月10日はその公式公表日だ。

この時系列は記事の意味を変える。これは驚くべき政令ではない。投資家がAIハードウェア、メモリー、光ネットワーキングを再評価する中で、以前に承認された産業アジェンダに再び注目が集まっているということだ。

GPU CPOが政策の優先課題になった理由

この政策的関心は、プロセッサーを追加しても、システムがそれらにデータを供給し続けられなければ意味がないという物理的制約から生じている。

現代のAIクラスターでは、多数のアクセラレーターに処理を分割する。これらのプロセッサーは、学習と推論の全過程でモデルパラメーター、中間結果、同期メッセージをやり取りする。

クラスター規模が大きくなるほど、通信遅延が処理時間をより多く消費する。ネットワークが十分な速度でデータを届けられなければ、名目上より高速なGPUでも十分に活用されない可能性がある。有用な単位は、個々のチップではなく、ますますシステム全体になっている。

従来のプラガブル光モジュールは、光変換ハードウェアをスイッチの前面パネル付近に配置する。電気信号は、スイッチング・シリコンから回路基板を横断して、これらのモジュールに到達する。

このモデルが広く導入され続けているのは、運用者がモジュールを個別に交換できるためだ。また、光部品をスイッチの最も発熱するシリコンから分離できるため、保守と熱管理の方法にも馴染みがある。

しかし、より高速な電気リンクは距離に伴って信号品質が低下し、信号調整により多くの電力を必要とする。スイッチの帯域幅とコネクター密度が増すにつれ、基板配線も難しくなる。

CPOは、光エンジンをスイッチング・シリコンまたはコンピューティング・シリコンの隣に移す。より短い電気経路は損失を抑え、パッケージ端部に沿ってより大きな帯域幅を支えられる可能性がある。その後、接続の長距離部分は光ファイバーがデータを運ぶ。

その代償は保守性だ。故障したプラガブルモジュールはスイッチから取り外せる。一方、高度に統合された光パッケージ内部の問題は、より高価なアセンブリーに影響を及ぼし、異なる保守手順を必要とする可能性がある。

熱管理も別の課題を生む。光エンジン、レーザー、スイッチング・シリコン、先端パッケージングは、限られた環境で信頼性高く動作しなければならない。1つの不良部品がパッケージ全体の価値を下げかねないため、製造歩留まりも決定的に重要となる。

上海の関心は、中国特有のハードウェア制約を反映している。国産アクセラレーター開発企業は、あらゆる先端海外チップに無制限にアクセスできない中で競争しなければならない。利用可能なプロセッサー間の通信を改善することは、システムレベルの性能を高める別の手段となる。

このアプローチは、個々のチップの弱さをより大きなクラスターで補うものと説明されることがある。しかし、この説明は不完全だ。プロセッサーを増やすことが有効なのは、ソフトウェアとネットワーキングが通信コストによって追加計算能力が圧倒されるのを防げる場合に限られる。

光インターコネクトは距離と帯域幅の問題を緩和できるが、非効率な集団通信や弱いカーネル最適化を修正することはできない。また、高帯域幅メモリー、先端基板、半導体製造の不足も解決できない。

それでも、上海にはこの技術を促進する理由がある。同市にはGPU設計企業、半導体企業、AI研究所、クラウド事業者、フォトニクス専門企業が集積している。この集中は、試作、統合試験、導入までの道のりを短縮し得る。

地元のプロジェクトは、戦略がプレゼンテーション資料を超えて進んでいる証拠をすでに示している。上海を拠点とするフォトニクス企業Lightelligenceは、国産アクセラレーター供給企業とともに、光インターコネクト・システムおよびxPU-CPOプロトタイプに取り組んできた。

xPUは、GPUやその他のアクセラレーターなどのプロセッサーを指す総称である。このプロトタイプは、光接続性を処理パッケージの近くに配置し、高帯域幅のスケールアップリンクを対象としている。

スケールアップは、プロセッサーを緊密に連携したコンピューティング領域へ接続する。スケールアウトは、ラックやクラスターをより広範なネットワークで接続する。どちらも重要だが、レイテンシー、距離、保守要件は異なる。

この区別は、よくある分析上の誤りを防ぐ。ネットワークスイッチに適したCPO設計が、GPUの隣でも自動的に機能するとは限らない。GPUに直接接続する光技術には、プロセッサー・インターフェース、パッケージング、熱設計、ソフトウェアの同時進化が必要となる。

業界予測にも注意が必要だ。TrendForceは、2030年までにCPOがAIデータセンターで使われる光通信の35％に達する可能性があると推計している。同社のCPO見通しでも、直ちに主流になるのではなく、緩やかな導入曲線が示されている。

この予測は、上海の長期的な関心を裏付ける。しかし、どのベンダーが勝つのか、どのアーキテクチャが主導するのか、中国での導入が実証から商用クラスターへどれほど速く移行するのかまでは示していない。

GPU CPO競争の本質は、上海とNvidiaのフルスタックの対決

上海が産業ネットワークの協調を目指す一方、Nvidiaは統合されたハードウェア・ソフトウェア・プラットフォームを携えて競争に入る。

Nvidiaが支配するのはアクセラレーター・チップだけではない。同社のデータセンター・システムは、GPU、CPU、ネットワーク・インターフェース、スイッチ、通信ライブラリ、ラック設計、CUDAソフトウェア環境を組み合わせている。

この統合により、Nvidiaは新しいインターコネクトを導入する際に優位に立つ。同社は共有されたロードマップを基に、プロセッサー、ネットワーク、ソフトウェア、システム・アーキテクチャを最適化できる。

Nvidiaはすでに光技術をそのロードマップの一部に組み込んでいる。同社のSpectrum-Xネットワーキング製品群はco-packaged opticsを使用するスイッチへと移行しており、将来のコンピューティング・プラットフォームでは光接続をスケールアップ・システムのさらに深い層へ拡張する。

同社は、銅線が実用的であり続ける領域では銅線も維持している。そのロードマップは、すべての短距離接続を直ちに光接続へ移行させることを前提としていない。

この混合型アプローチは重要だ。銅線リンクは短距離では経済性と保守性を維持できる。帯域幅、ラック数、距離によって電気接続が許容可能な電力予算を超えるとき、光技術の魅力は高まる。

Nvidiaが計画するFeynman世代は、この移行を示している。このプラットフォームは、2028年にKyberスケールアップ・ファブリックの銅線版とCPO版の両方をサポートすると見込まれている。

このスケジュールは上海に時間を与えるが、同時に厳しいベンチマークも設定する。国産システムがより早く出荷されたとしても、競争力のある稼働率、信頼性、ソフトウェア支援、運用コストを備える必要がある。

上海の対応はより分散している。地元のGPU設計企業がアクセラレーターを開発し、フォトニクス企業が光エンジンを製造し、装置供給企業がパッケージングを担い、コンピューティング事業者がクラスターを統合する。

この構造は専門分化の余地を生み出す。一方で、インターフェースを巡る対立、エンジニアリングの重複、不均一な製品サイクルを招く可能性もある。単一の参加者が必ずしもすべての依存関係を支配しているわけではない。

互換性は特に難しい問題だ。国内のクラスターでは、異なるサプライヤーのプロセッサーを組み合わせるケースが増えている。各プロセッサーは独自のソフトウェアスタック、通信ライブラリ、ファームウェア、管理ツールを採用しうる。

物理的に接続しただけでは、統合されたコンピューティングシステムにはならない。運用者には、基盤ハードウェアを理解するスケジューラー、集団通信ルーチン、障害分離、モデルフレームワーク、可観測性ツールが必要となる。

このため、上海が計画する国産コンピューティング互換性センターは、単一の試作機発表よりも重要だ。再現可能なテストによって、厳選されたデモではなく代表的なワークロード全体でシステムが機能するかを明らかにできる。

開発者はピーク時の計算値ではなく、実効利用率を見るべきだ。あるベンチマークで理論性能の高い割合に到達するクラスターでも、別のモデルでは低い性能にとどまる可能性がある。

Mixture-of-expertsモデルは、関連性の高い試験となる。これらのモデルは入力ごとに選択されたエキスパートネットワークのみを有効化し、負荷の高い全対全通信パターンを生み出す。ネットワークは、ワークロードが動的に変化するプロセッサー間でデータを効率よく移動させなければならない。

大規模推論システムでは、異なる要件が生じる。メモリー、プロンプト処理、トークン生成、ユーザーのレイテンシーを管理する必要がある。学習向けに最適化されたネットワークが、必ずしも最良の推論経済性をもたらすわけではない。

上海の国産GPU企業も、エコシステム上の課題に直面している。Nvidiaの開発者は、成熟したツール、最適化済みカーネル、デプロイメント手法を再利用できる。ハードウェアの切り替えには、コード変更、モデル検証、新たな運用スキルが必要になる場合がある。

市の計画は、インテリジェントクラウドサービスとハードウェア適応を支援することで、この点を間接的に認識している。しかし、公的支援だけで企業の購入者にとっての移行コストをなくすことはできない。

購入者は、完了したジョブ、可用性、運用負荷を比較する。政策目標や研究室での帯域幅だけでプロセッサーを評価することはない。

こうした購入者側の規律は健全だ。意欲的な仕様を掲げる孤立した部品ではなく、相互運用可能なシステムを提供するよう国内サプライヤーに圧力をかける。

上海のアプローチは、それでも有意義な代替案を生み出しうる。最大の機会は、Nvidiaのプラットフォームのすべてを模倣することではない。国内供給、オープンなインターフェース、地域の運用者が支援できる導入シナリオを中心に、有用なシステムを構築することにある。

したがって、主な競争は統合的な実行力にある。Nvidiaは製品統制を通じて調整する。上海は政策、地域集積、テスト基盤、パートナーシップを通じて調整を試みる。

光通信経路には依然として製造上の壁がある

CPOを支持する最も強い根拠は帯域幅の物理学にあるが、最も強い反論は製造と運用から生じる。

CPOは、これまで異なる生産モデルに従ってきた技術を組み合わせる。電子ロジック、シリコンフォトニクス、レーザー、ファイバー結合、先端パッケージングを、一つの信頼できる製品内で統合しなければならない。

要素が一つ増えるごとに、歩留まり低下の可能性が生じる。高価なスイッチングダイが機能していても、隣接する光エンジンが故障すれば、その経済的影響はプラガブルモジュールを交換する損失を上回る可能性がある。

外部レーザー光源は、熱に敏感な部品をメインパッケージから遠ざけられる。一方で、ファイバー接続、監視要件、もう一つの故障可能性を持ち込む。

テストも難しくなる。メーカーは、最も高価なパッケージング工程を完了する前に、不良部品を特定しなければならない。また、生産量に対応して組み立て後の製品を試験する手法も必要となる。

こうした課題は、試作機を量産とみなすべきでない理由を説明している。デモは、エンジニアが動作する構成を構築できることを示す。しかし、許容できる歩留まり、予測可能な現場信頼性、費用対効果の高い保守を証明するものではない。

Near-packaged optics、すなわちNPOは、中間的な経路を提供する。光エンジンをメインチップの近くに配置しつつ、完全なCPOよりも分離を保つ。

NPOは、すべての部品を一つのパッケージに統合せずに電気配線を短縮できる。この構成により交換が容易になり、より深い統合を採用する前に、サプライヤーがパッケージングの経験を高められる可能性がある。

プラガブルモジュールも進化している。より高速なモジュール、より優れたコネクター、改善された信号処理により、その有用寿命を延ばせる。CPOは、固定されたレガシー設計ではなく、この変化する目標と競争しなければならない。

したがって、上海の戦略はCPOというラベルではなく、アーキテクチャの選択で評価すべきだ。NPOや改良型プラガブルを用いるプロジェクトでも、システム性能を向上させれば国内AIインフラを前進させられる。

標準化にはなお不確実性がある。あるベンダーのスイッチやGPUに接続された光エンジンが、別のベンダーのパッケージに適切に接続できるとは限らない。独自インターフェースは、政策が調整を目指す市場を分断しうる。

Optical Internetworking Forumなどの業界団体は、電気・光インターフェースの仕様策定に取り組んでいる。しかし、標準インターフェースがあっても、熱設計、制御ソフトウェア、信頼性要件をまたいでパッケージの交換可能性が保証されるわけではない。

輸出規制も別のリスクを生む。国内のインターコネクト革新は一層での依存を減らせるかもしれないが、他の層は依然として脆弱なままだ。先端製造、メモリー、電子設計ソフトウェア、パッケージング装置は、最終システムに引き続き影響を及ぼす。

電力も不確実性の要因だ。光リンクは、要求の厳しい距離での通信エネルギーを削減できるが、クラスター全体には冷却、変換、メモリー、プロセッサー、ネットワーク機器が含まれる。

リンク電力の低下に関する主張を、システム測定なしにデータセンター全体の電力低下として提示すべきではない。運用者には、比較可能な条件下で収集されたワークロードレベルの結果が必要だ。

同じ注意は利用率の主張にも当てはまる。ベンダーは、自社アーキテクチャーに有利なモデルサイズ、バッチ設定、精度形式、ベースラインシステムを選択できる。

独立テストでは、完全な構成を開示すべきだ。プロセッサー数、トポロジー、ソフトウェアバージョン、モデル設定、故障率、持続性能を含める必要がある。

信頼性データの収集には時間がかかる。クラスターは会議でのデモでは良好に動作しても、数カ月の運用後に光学アライメント、コネクター、熱に関する問題を抱える可能性がある。

修理手順も実際の施設で機能しなければならない。データセンターの技術者には、明確な障害信号と交換可能なユニットが必要だ。日常的な障害への対応に専門家の介入を要する設計は、効率向上の一部を帳消しにしかねない。

設備投資計画にも圧力がかかる。運用者は、成熟したプラガブルシステムを今購入するのか、移行期にNPOを採用するのか、それとも現場での証拠がより充実したCPO製品を待つのかを決めなければならない。

ワークロードは異なるため、普遍的な答えはない。通信負荷の高い学習を実行する研究クラスターは、より小さなドメイン内で動作する推論サービスより早く、光によるスケールアップを重視する可能性がある。

このため、上海のプログラムは次の導入サイクルで競合する経路を支援すべきだ。運用テスト前にCPOを勝者と宣言することは、エンジニアリング上の判断をスローガンに置き換えることになる。

市の計画は、そのような誤りを求めてはいない。コンピューティングインフラ、国内適応、製造に幅広く焦点を当てているため、複数のインターコネクト手法が競争できる。

懐疑的な結論は明快だ。GPU CPOには信頼できる技術的な目的があり、上海には関連する産業参加者がいる。商業規模は、システムが管理されたデモの外で信頼性高く稼働するまで証明されない。

上海が差を縮められるかを示す三つのシグナル

次の段階では、政策上の調整を、再現可能なシステム、測定可能なワークロード、確約された顧客へと転換しなければならない。

第一のシグナルは、検証済みの商用GPU CPO導入だ。会議会場の仕切りの向こうにある別の試作機ではなく、公開されたクラスター上で本番ワークロードを運用する、名前が明らかな運用者に注目すべきだ。

開示では、アクセラレーターファミリー、プロセッサー数、トポロジー、光アーキテクチャー、ソフトウェア環境を特定すべきである。また、導入済みのハードウェアと将来の最大構成を区別する必要がある。

ワークロードの結果には、持続利用率とジョブ完了状況を含めるべきだ。推論では、運用者は定義されたサービス目標の下でレイテンシーとスループットを報告すべきである。

上海が今後数カ月の間にこの証拠を示せば、システムレベルのアプローチを支持する論拠は強まる。運用データのない別のデモでは、中心的な不確実性は変わらない。

第二のシグナルは、国産コンピューティングの適応・テスト活動の進展だ。上海の5カ年計画は互換性テストセンターを求めているが、その価値は対象範囲と透明性に左右される。

有用なプログラムなら、複数の国産GPUを共通のフレームワーク、通信ライブラリ、ネットワーク構成でテストする。開発者と購入者がシステムを比較できるだけの手法を公表するだろう。

相互運用性の結果は特に重要だ。上海には複数のアクセラレーター供給企業があり、顧客は各クラスターが孤立した技術の島になることを望んでいない。

信頼できるテストプログラムは、障害も追跡する。ピーク時のベンチマーク結果だけを報告すれば、信頼できる運用ではなく広報向けの最適化を促すことになる。

センターが再現可能な受け入れ基準を確立すれば、上海は個々のサプライヤーが単独では容易に作れない調整メカニズムを得る。テストが非公開かつ宣伝目的にとどまれば、購入者はエンジニアリング上の進展と主張を区別しにくくなる。

第三のシグナルは、Nvidiaや他のグローバルプラットフォーム供給企業による製品面での対応だ。Nvidiaがプラガブル光学部品からCPOへ移行する動きは、タイミングと設計選択に関する商業的な基準となる。

同社の2028年Feynmanロードマップは現在、銅と光のスケールアップという両方の選択肢を維持している。この二重経路は、業界が距離やラック配置に応じて異なるソリューションを引き続き想定していることを示唆する。

Broadcom、AMD、ハイパースケールクラウド運用者、光コンポーネントのサプライヤーも採用に影響を与える。これらの生産スケジュールは、部品供給力、標準、顧客の期待を左右する。

グローバルプラットフォームがCPO導入を加速すれば、上海の早期投資はより適切なタイミングだったと映る。同時に、フォトニクス人材、レーザー、パッケージング能力、テスト機器をめぐる競争も激化する。

グローバルサプライヤーが銅、NPO、プラガブルモジュールを拡張しつつ導入を遅らせれば、上海は時期尚早な統合を強制すべきではない。遅延は積極的な採用予測を弱めるが、長期的な帯域幅問題をなくすものではない。

開発者と企業の購入者は、ハードウェアアーキテクチャーが最終的にソフトウェア上の判断に及ぶため、これらのシグナルを追うべきだ。ネットワークトポロジーは、分散学習コード、モデル配置、障害復旧、インフラコストに影響する。

国産アクセラレーターを評価するチームは、エンドツーエンドの結果を求めるべきだ。通信で時間を失う、または広範なアプリケーション変更を必要とするシステムについては、チップのピーク性能だけではほとんど分からない。

また、ワークロード記録、ベンチマーク構成、ベンダーの声明、テスト結果も保存すべきだ。検索可能なエンジニアリングナレッジベースは、ハードウェア改訂が増える中でも、それらの比較を追跡可能な状態に保てる。

投資家は異なる課題に直面する。8月12日のブリーフィングでは、長期的な産業計画と、ストレージ、エネルギー、貴金属における日々の市場変動が並べられていた。この形式は、古い政策を新たな命令のように見せる可能性がある。

修正すべきなのは政策を無視することではない。計画、プロジェクト支援、プロトタイプ、顧客選定、収益を生む導入を分けて捉えることだ。

上海は2030年に向けて、AIインフラを明確に戦略的優先事項として位置付けている。デジタル産業、研究開発支出、先端製造、AI導入に関する目標は、実質的な制度面の支援を提供している。

同市には、プロセッサ、フォトニクス、パッケージング、ソフトウェア、コンピューティングサービスにまたがる、現実味のある地域サプライチェーンもある。これらすべての要素を単一の産業クラスター内で連携させられる地域は多くない。

それでもNvidiaは、統合プラットフォームと成熟した開発者環境を掌握しているため、比較対象となる競合であり続ける。上海は複数の独立系サプライヤーをまたいで、それに匹敵するシステムとしての挙動を組み上げなければならない。

この課題は難しいが、測定可能ではある。本番環境での導入実績、透明性の高い互換性テスト、顧客契約の更新状況によって、連携が機能しているかどうかは明らかになる。

短期的な論点は、光がいずれAIトラフィックのより大きな割合を担うかどうかではない。その方向性にはすでに強い技術的裏付けがある。問われるのは、光学技術がシステムのどこに導入されるのか、統合がいつ経済合理性を持つのか、そして誰がそれを信頼性高く運用できるのかだ。

上海のgpu cpo推進は、その水準で評価すべきだ。実際に導入されたクラスター、テスト手法、世界的な製品投入スケジュールを注視したい。この3つのシグナルが、政策がインフラへと変わりつつあるのか、それとも投資可能な物語にとどまるのかを示すだろう。