主要な AI チップ企業とメーカー：実際に出荷されている NVIDIA 代替

Tenstorrent Blackhole の開発者向けカードは今週にも注文できます。価格は 999 ドル、在庫があり、約 2 週間で出荷されます。一方、Meta MTIA は公開チャネルでは購入もレンタルもできません。Meta は MTIA を自社のワークロード向けに展開しているシリコンだと説明しています。

どちらの企業も、主要な AI チップ企業として数えられます。本記事のテーマは、この 2 つの状況のあいだにある距離です。

以下はベンダーごとの整理です。何を入手できるのか、どのチャネル経由なのか、そして入手した後にソフトウェアがどれだけのコストになるのか。

要約

• 広く借りられる： AMD Instinct は NVIDIA 以外では依然として最も広いパブリッククラウド展開を持ちますが、製品ラインはすでに次へ進んでいます。AMD は 2026 年 7 月に MI400 シリーズを投入した一方、レンタルで見つかる可能性が最も高いのは今も MI300X、MI325X、MI350 シリーズのシステムです。
• 単一クラウド： Google の TPU は Google Cloud にとどまり、TPU7x Ironwood は 2026 年 3 月から一般提供されています。AWS Trainium と Inferentia は AWS にとどまります。
• API と専有インフラ： Groq、Cerebras、SambaNova はいずれもホスト型推論を提供していますが、API のみという表現はもう正確ではありません。各社とも専有型やオンプレミスの経路も用意しています。
• 調達できるハードウェア： Tenstorrent は Blackhole カードを直接販売しています。Qualcomm は Dragonfly データセンター向けアクセラレータを、ロードマップ発表だけでなく法人営業への問い合わせ経路を通じて提供しています。
• 限定的、または社内専用： Intel Gaudi 3 は一部の IBM Cloud 環境で引き続き利用でき、Crescent Island は 2026 年後半に顧客向けサンプル出荷に入る見込みです。Etched は最初のラックを 2026 年夏に契約顧客へ出荷するとしています。Meta MTIA と Microsoft Maia は、公開のセルフサービス型アクセラレータではなく、社内利用または Azure 統合型のままです。

本記事が扱わないこと

3 つの事柄は意図的に対象外としており、以下のベンダー状況はいずれも 2026 年 8 月時点のものです。

• 価格。 ここでの問いは、そのハードウェアを入手できるかどうかであって、1 時間あたりいくらかではありません。
• 予測。 どこが勝つかという見立ては示しません。
• コンシューマー向けおよびデスクトップ向けカード。 扱う対象はデータセンターおよびクラウド向けアクセラレータです。

AI アクセラレータの計算資源を手に入れる 5 つの方法

本記事のアクセラレータは 5 つのアクセス経路に収まります。複数クラウドでのレンタル、単一クラウドでのレンタル、ホスト型 API 経由のアクセス、専有または直接購入できるハードウェア、そして広くセルフサービス化されていない製品向けの限定的な法人アクセスです。いまや複数の経路にまたがる企業もあります。これとは別に、シリコンを借りることも買うこともできない完全な社内専用グループが残ります。

アクセスは状態であって、その企業の恒久的な性質ではありません。新世代が登場し、クラウドがハードウェアを追加または削除し、ベンダーが調達チャネルを開いたり閉じたりするたびに変わります。また、品質や規模については何も語りません。それが語るのは計算資源をどう入手できるかであり、ある名前が実際に手を出せる選択肢かどうかを決めるのは、そのチャネルです。

NVIDIA はデータセンター向け AI アクセラレータ売上の大部分を握り、事実上あらゆるクラウドに載っており、CUDA は他のすべてが比較される基準面になっています。ここで取り上げる他の AI アクセラレータ企業が面白いのは、そこへの到達の仕方がそれぞれまるで違うからです。

ほぼどこでも借りられるのは AMD Instinct

本記事で扱う NVIDIA 代替のなかで、プロバイダーの裾野が最も広いのが AMD Instinct です。MI300X と MI325X は単一のハイパースケーラーに縛られず、複数のクラウドおよびネオクラウド事業者で利用できます。AMD は 2026 年 7 月に MI455X を筆頭とする MI400 シリーズを投入しましたが、既存のレンタル環境で実際に出会う可能性が高いのは今も旧世代のほうです。既存の PyTorch ワークロードの大半にとって、ROCm は本記事で最も移植距離の短い選択肢であり続けています。

制約はハードウェアではありません。MI300X は 750W のモジュール内で 304 基の CDNA3 コンピュートユニットにわたり、5.3 TB/s の HBM3 を 192GB 搭載します。MI325X はこれを 6 TB/s の HBM3E 256GB と 1000W へ引き上げましたが、この容量は AMD が当初発表した 288GB を下回る形で着地しました。

CUDA コア は NVIDIA が数える単位であり、AMD が数えるのはコンピュートユニットです。両者は換算できないため、ベンダー間の比較にはメモリと帯域幅のほうが役に立ちます。

ソフトウェアの状況は変わりましたが、評判のほうが追いついていません。ROCm の PyTorch サポートはコミュニティフォークに置かれるのではなく、公式の PyTorch リポジトリへアップストリームされており、現行の ROCm リリースは現行のフレームワークに追従しています。ROCm 7.14.0 は PyTorch 2.12 をサポートし、より広い AI ソフトウェアエコシステム向けの AMD の現行統合もあわせて提供されます。

私の見立てでは、いまも語られる摩擦はスループットでもフレームワーク対応でもありません。考古学です。CUDA の環境が午前 3 時に壊れたとき、そのエラー文字列には誰かがすでにぶつかっていて、直し方を書き残しています。ROCm では検索結果が薄いので、時間は直すことではなく探すことに消えます。このコストはベンチマークには決して現れません。

AMD のアクセラレータ関連の取り組みはデータセンターの外にも及んでおり、スタックを学ぶための安価なハードウェアが欲しいなら、この点は重要です。

AMD のミニ PC クラスターのデモ は、同じ会社のコンシューマー向けシリコン上で動作します。

Google TPU と AWS Trainium は、それぞれちょうど 1 つのクラウドでしか借りられない

Google の TPU7x と AWS の Trainium はどちらも一般提供されており、どちらも単一のプロバイダーに固定されています。TPU は Google Cloud で動きます。Trainium と Inferentia は AWS で動きます。いずれも AMD や NVIDIA のような複数プロバイダー間の可搬性は与えてくれず、この制約は個々のスペックより重く効くことがあります。

TPU7x は Google の第 7 世代 Ironwood ファミリーにおける最初のリリースで、2026 年 3 月 31 日に一般提供が始まりました。Google はこれを大規模な学習と推論向けに位置づけています。Trillium v6e も引き続き利用でき、Ironwood は Google の現行の一般提供 TPU 世代であり続けています。Google は第 8 世代の TPU 8t と TPU 8i も発表していますが、いずれもまだ近日提供として掲載されています。

TPU について最も役立つ事実は、スペックシートには載っていません。無料の入口があるのです。Colab と Kaggle はいずれも TPU ランタイムを提供し、TPU Research Cloud は研究者に計算時間を割り当てています。この無料の入口のおかげで、クラウド予算を投じる前に TPU のソフトウェア経路を試せます。ただし、無料サービスが最新の Ironwood ハードウェアを提供すると決めてかかるべきではありません。

AWS は Trainium インスタンスと UltraServers、そして Inferentia2 向けの Inf2 インスタンスを通じて自社シリコンを提供しています。Trainium3 の UltraServers は 2025 年 12 月に一般提供となり、従来の Trn2 UltraServers の 64 基から増えて 144 チップまでスケールします。すべては Neuron SDK を経由します。AWS は移植コストを、大半のベンダーより楽観的に描いています。

AWS Trainium のページ には、vLLM、HuggingFace Transformers、TorchTitan がカスタムコードなし、移植作業なしで Trainium 上をネイティブに動作すると記載されています。これは自社製品についてのベンダーの主張であり、独立に検証された結果ではありません。

どちらも、意識して選ぶ価値のあるトレードオフの内側にあります。第 2 のシリコン供給元を得る代わりに、そのワークロードを作業をやり直さずに別のクラウドへ移す能力を失います。これは、すでに 1 社に賭けているチームにはほとんど何のコストにもなりませんが、コミットしないことを軸に組み立てたチームにはすべてを意味します。

メモリに収まらなければならないもの がまず選択を縛ります。Trainium3 チップあたり 144GB は、誰が売っていようと、Ironwood の 192GB とは別の設計問題です。

Groq、Cerebras、SambaNova はホスト型 API の先へ進んでいる

Groq、Cerebras、SambaNova はいずれもホスト型推論を提供していますが、API だけがアクセスの全体像ではなくなりました。Groq は GroqCloud を専有インフラの GroqMetal と組み合わせています。Cerebras はクラウドアクセスに加え、オンプレミスで動かせる CS-3 システムを提供しています。SambaNova は SambaRack と SambaStack に加えて SambaCloud を提供しています。いまの分かれ目は、インフラをどこまで自分で握る必要があるか、そして法人調達にどこまで踏み込む気があるかです。

Groq's LPU packs 230MB of on-die SRAM with 80 TB/s of internal bandwidth, a design that trades memory capacity for latency, and GroqCloud exposes it as an OpenAI-compatible endpoint. The ownership story attached to it carries dates worth keeping. On 24 December 2025, Groq entered a non-exclusive inference technology licensing agreement with NVIDIA, and said founder Jonathan Ross and president Sunny Madra would join NVIDIA. Groq continues to operate independently. Simon Edwards, previously its chief financial officer, stepped up to lead it at the time of the deal; check the company for current leadership before citing it.

Groq 自身の発表 は、GroqCloud が中断なく稼働を続けると述べています。

2026 年 3 月の GTC で、NVIDIA は自社の Vera Rubin プラットフォーム内に NVIDIA Groq 3 LPU を披露しました。

NVIDIA の Vera Rubin 発表 は、256 基の LPU プロセッサを収めた LPX ラックについて記しており、2026 年後半に提供されます。

Cerebras は物理的に正反対のアプローチを取ります。90 万コアと 44GB のオンチップ SRAM を備えた、ウェハースケールの単一部品で、125 PFLOPs と公称されています。

Cerebras の推論ページ は 5 ドルの無料クレジットを提供し、移行を「コード 2 か所の変更だけ」と説明しています。計画上、いまも重要な区別が 1 つあります。セルフサービス API は推論の容易な経路である一方、学習、ファインチューニング、専有キャパシティ、オンプレミスの CS-3 導入は、法人向けの経路のさらに先に位置します。

SambaNova の現在のハードウェアの主軸は、ラックあたり 16 基の第 5 世代 SN50 RDU を中心に構成された SambaRack SN50 です。SambaCloud はホスト型の経路であり続け、SambaRack と SambaStack はオンプレミスでもホスト環境でも動かせる専有インフラを提供します。

ホスト型のアクセスは 3 社いずれにとっても依然として最も容易な入口ですが、それだけでは製品の全体像を説明できなくなっています。

Tenstorrent は自分の所有物にできるハードウェアを売っている

Tenstorrent は本記事のなかで唯一、個人としてそのままアクセラレータを買える企業であり、しかも設備投資の決裁が要るような価格ではありません。

Tenstorrent のハードウェアページ には Blackhole p100a が 999 ドル、p150a と p150b が 1,399 ドルで掲載されており、在庫があって約 2 週間で出荷されます。スタックは完全にオープンソースです。

これらのカードは 120 基の Tensix コアと 16 基の RISC-V コアを載せ、p100a は 28GB、p150 の 2 モデルは 32GB の GDDR6 を備え、消費電力は最大 300W です。p150a と p150b は p100a にない QSFP-DD イーサネットポートを追加しており、カード同士を接続するつもりならこちらを買うことになります。HPCwire によれば、ラックスケールの Galaxy Blackhole は 2026 年 4 月 28 日に 110,000 ドルから一般提供が始まり、旧来の Wormhole 系も 12,000 ドルの TT-LoudBox ワークステーションを含めて販売が続いています。

この但し書きは価格と同じくらい判断に効いてきますし、指し示しているのはまさにあの旧型カードです。Tenstorrent のドキュメント、チュートリアル、検証済みモデル対応の大半は、いまも Wormhole 向けです。Blackhole のソフトウェア対応はサイクルのより早い段階にあります。具体的には、これは本気で移植作業をこなし、ドキュメントが尽きたらソースを読む覚悟のある人に向いています。既存の PyTorch コードを手を入れずに動かしたい人には向きませんが、それはまったくもって妥当な望みです。

Qualcomm、Intel、Etched はアクセス経路がより狭い

この 3 社は、互いに関係のない理由でより狭いアクセス経路の向こう側にいます。Qualcomm は法人向け導入を軸に、複数世代にわたるデータセンター向けアクセラレータのロードマップを整えています。Intel Gaudi 3 は一部の IBM Cloud 環境で引き続き利用でき、その間に Crescent Island は顧客サンプル出荷へ向かっています。Etched は、最初の Sohu ラックをセルフサービス型のクラウドサービス経由ではなく、法人契約に基づいて 2026 年夏に出荷するとしています。

Qualcomm のデータセンター向けロードマップは、いまや Dragonfly AI200、AI250、そして新たに発表された AI300 にまたがり、推論に重心を置いた年次のアクセラレータ更新サイクルを取っています。これは、今日クラウドのアカウントに追加できるようなセルフサービス型のアクセラレータレンタルではなく、あくまで法人向けの経路であり続けています。

Intel が示唆に富むのは、Gaudi 3 が広いクラウド展開を得られなかった一方で、消えてもいないからです。IBM Cloud は今も限定提供の形で Gaudi 3 アクセラレーテッドの仮想サーバープロファイルを提供しており、ダラス、ワシントン DC、フランクフルトでの展開が含まれます。Intel の次の一手は Crescent Island で、推論に重心を置いた GPU として 2026 年後半に顧客サンプル出荷へ入る見込みです。Gaudi 3 は今日、狭い選択肢ではありますが、終わった選択肢ではありません。

Etched は、Transformer 推論に特化した ASIC である Sohu を開発しています。同社は 8 億ドルを調達し、動作する A0 シリコンを持ち、10 億ドル超の顧客契約を締結済みだと報告しており、最初のラックは 2026 年夏の出荷予定です。性能に関する主張は同社自身のもので独立したベンチマークを受けていないため、スループットの数字は有用な部分ではありません。有用なのはソフトウェアスタックのほうです。Etched はチップ、ラック、ソフトウェア環境を 1 つの特化型プラットフォームとして作っているので、CUDA 時代のサービングスタックがそのまま移せると考えるべきではありません。極めて大規模に Transformer 推論を回す契約顧客にとっては成立し得ますが、アクセラレータ間の可搬性に依存するチームにとっては、はるかに重いコミットメントです。

社内専用のシリコンと、他社のためにチップを作る企業

外から見れば AI チップ企業に見えるのに、振る舞いはまったく異なる 2 つの状況があります。Meta と Microsoft は、自社で運用し誰にも売らないアクセラレータを設計しています。Broadcom と Marvell は、他社のアーキテクチャ向けにシリコンを設計し実装します。どちらの側にも開発者が借りられる製品はありませんが、その理由には共通点がまったくありません。

Meta の MTIA は、1 つ目のタイプの最も明快な例です。

Meta 自身のエンジニアリング記事 は、自社アプリのオーガニックコンテンツと広告の双方にまたがる推論ワークロード向けに数十万個の MTIA チップを展開していることを説明し、MTIA 300 はすでにランキングとレコメンドの学習で本番投入済み、MTIA 400、450、500 はおよそ 6 か月間隔で計画されているとしています。これは、あなたが 1 時間たりとも借りることのない膨大な量のシリコンです。

Microsoft のケースは、境目がもう少し柔らかいものです。2026 年 1 月に発表された Maia 200 は、Microsoft の現行の自社製推論アクセラレータで、すでに自社データセンターに展開されており、Maia SDK はプレビュー提供されています。Microsoft は現時点で公開のセルフサービス型 Maia インスタンスを文書化していないため、この比較では依然として社内利用または Azure 統合の側に属します。

Broadcom と Marvell はまた別物で、その名前が NVIDIA の隣に絶えず出てくるだけに、整理しておく価値があります。Google の TPU がわかりやすい例です。TPU という製品とアーキテクチャを所有しているのは Google であり、Broadcom はインターコネクトやパッケージング、アーキテクチャから製造可能なシリコンまでの道筋を含みうるカスタムシリコンの設計・実装作業を担っています。Broadcom は TPU も、その他の汎用アクセラレータも、開発者に直接販売してはいません。2026 会計年度第 1 四半期決算で報告された AI セグメントの売上高は 84 億ドル、前年同期比 106 パーセント増で、この名前がどこにでも登場する理由もそこにあります。それでも、借りられるチップではありません。

そしてまさにここで、「メーカー」という語が支えきれない重みを背負い始めます。Broadcom も Marvell もチップを製造していませんし、上に挙げた AI チップメーカーの大半もそうです。ほぼすべてがファブレス、つまりシリコンを設計し、製造はまったく別のところへ委託しています。

アクセス経路をワークロードに合わせる

大規模な学習は、現実的な選択肢をすぐに絞り込みます。広く手に入る AMD Instinct、単一クラウドに紐づく TPU か Trainium、あるいは法人向けの Cerebras 導入です。本番の推論はもっと多くの経路を開きます。Groq、Cerebras、SambaNova のいずれもホスト型サービスを提供しつつ、何らかの専有インフラも用意しているからです。実験の段階はさらに幅広く、無料の TPU アクセスから、自分のマシンに挿せる Tenstorrent のカードまでが視野に入ります。

こうした境界は、表が示せるよりもずっと曖昧です。問われるのはシリコンに何ができるかだけではなく、どこからそれに手が届くのか、いまのソフトウェアスタックのどれだけが移行を生き延びるのか、そして出来上がったワークロードを後から別の場所へ動かせるのか、という点です。Cerebras はエンタープライズのインフラ上で学習も推論もこなせますが、Trainium は AWS に縛られたままです。

これらのどれも NVIDIA を引きずり下ろしはしません。多くのチームにとって現実に生きている問いは、CUDA を離れるかどうかではなく、その隣にもう 1 つのスタックを維持する価値があるかどうかです。

どのカードを前提にサイジングするか が、今の場所にとどまる場合に残る判断であり、それは本記事とは別の作業になります。

決め手になるのはチップよりもチャネルです。自分の机の上にあるカードと、他人の API の向こうにある同クラスのシリコンは、スループットが近い値に収まったとしても同じ道具ではありません。片方はまだ思いついてもいないことを試させてくれ、もう片方はすでに聞き方を知っていることに対してトークン単位で課金するからです。

よくある質問

Google の TPU は実際に借りられるのか

できます。Google の現行の一般提供 Ironwood TPU である TPU7x は、Google Cloud で、そしてそこでのみ利用できます。旧世代の TPU も引き続き利用でき、Colab、Kaggle、TPU Research Cloud は一部のワークロードに無料の TPU アクセスを提供しています。ネイティブな経路は今も JAX で、PyTorch は PyTorch/XLA を通して動きます。

既存の PyTorch コードを最も少ない手間で動かせる NVIDIA 代替はどれか

多くの場合は AMD Instinct です。ROCm は PyTorch が公式にサポートするバックエンドなので、コード経路はすでに存在します。Google の TPU は、翻訳層である PyTorch/XLA ブリッジを介して PyTorch を動かします。AWS は vLLM、HuggingFace Transformers、TorchTitan が移植作業なしで Trainium 上を動くとしていますが、これはベンダー自身の主張です。最も遠い端では、Etched の Sohu が独自の特化型ソフトウェアスタックを用いるため、ROCm や PyTorch/XLA よりかなり多くの移植作業を見込むべきです。

チップを借りられないのに、なぜ Broadcom と Qualcomm は NVIDIA の競合と呼ばれるのか

理由はそれぞれ違います。Broadcom は、標準的なアクセラレータを開発者に直接販売するのではなく、自社アクセラレータを作る企業のためのカスタムシリコンを手がけています。Qualcomm は自社の Dragonfly アクセラレータを設計しており、AI200、AI250、AI300 がデータセンター向けロードマップに載っていますが、アクセスは通常のセルフサービス型クラウドレンタルではなく法人向けです。両社とも AI インフラで競争していますが、NVIDIA や AMD と同じ公開アクセスモデルを開発者に提供してはいません。

AI アクセラレータはレンタルではなく買い切りにできるのか

できます。Tenstorrent は Blackhole の開発者向けカードを直接販売しており、p100a が 999 ドル、p150a と p150b が 1,399 ドル、在庫があって約 2 週間で出荷され、ソフトウェアスタックは完全にオープンソースです。ただし但し書きは価格と同じくらい重要です。ドキュメントと検証済みモデル対応の多くはいまも旧型の Wormhole カード向けなので、既存コードが手を入れずに動くと期待するより、移植のための時間を見込んでおくべきです。