AI時代において、チップ企業が体系的な知的財産権の展開を欠くと、真のコア技術を掌握しているとは見なされにくい。文｜胡嘉琦ID | BMR2004最近、国産GPUメーカーの摩尔线程（688795.SH）は、AIコーディングプランのスマートプログラミングサービスを正式に発表した。この新製品は、MTT S5000の全精度計算能力に依存し、ソフトウェアとハードウェアの協調アーキテクチャにより演算能力の効率を倍増させ、従来の低レベルなGPU能力を、開発者向けの生産性ツールに直接変換している。この一歩は、国産GPU企業が単なるハードウェア供給者から、完全な計算プラットフォームの構築者へと進化し始めたことを示す。摩尔线程は2020年6月に設立され、2025年末に科創板に上場。88日で最速の科創板IPO通過記録を打ち立て、市場の注目を集めている。同社の目標は、単に演算能力のギャップを埋めることにとどまらず、世界規模の加速計算基盤インフラとワンストップソリューションを構築し、各産業のデジタル・インテリジェンス変革を底支えすることにある。もし演算能力が入場券だとすれば、体系的な能力こそが長期的にテーブルに残るための鍵だ。この深層的な競争次元について、『商学院』の記者は、摩尔线程の責任者や業界専門家にインタビューし、外界からあまり見えない部分を明らかにしようとしている。すなわち、国産GPU企業が特許体系と基盤アーキテクチャの面で、どのように自らの「堀」を築いているのかという点だ。01製品視点からの特許展開特許戦略において、摩尔线程は単なる数の増加を追求するのではなく、高付加価値の特許育成を重視している。『商学院』の記者は、摩尔线程の責任者から、2025年6月時点で同社は累計514件の特許権を取得し、そのうち発明特許が468件に上ることを聞いた。これは国内GPU企業の中でも上位に位置する。注目すべきは、これらの特許が散在しているのではなく、AI計算のコアチェーンを中心に高度に集中し、プロセッサアーキテクチャ設計、AI応用の加速と並列計算の最適化、ドライバと基盤ソフトウェアシステム、GPU演算クラスターと高性能インターコネクトなどの重要分野をカバーし、体系的な展開を進めている点だ。特許戦略においても、摩尔线程は単なる数量増加を追うのではなく、高付加価値の特許育成を重視している。高付加価値特許とは、GPUの研究開発において、プロセッサアーキテクチャ設計、並列計算の最適化、メモリ管理メカニズム、高速インターコネクトプロトコル、コンパイラとドライバの最適化、省エネ制御とAI計算の加速などの重要な技術に集中し、性能、エネルギー効率、互換性に直接影響を与える技術を指す。これらは技術的な壁を形成しやすい。2024年、摩尔线程は二つの全国的な高付加価値特許コンテストで好成績を収めている。中国海淀高付加価値特許育成大会で「夸娥智算集群プロジェクト」が一等賞を獲得し、雄安高付加価値特許大会では全機能GPUプロジェクトが金賞を受賞。これらは、コア技術の研究開発と特許管理における深い蓄積を示している。産業経済のベテラン観察者梁振鹏は、『商学院』のインタビューで、価値の高い特許を持つことは、企業の技術的発言力を高め、ハードウェアの適合やソフトウェアのオープンエコシステムの協力を支援し、グローバル競争の中で侵害リスクを防ぎ、ライセンス交渉力を向上させると指摘した。これにより、自主的かつコントロール可能な産業チェーンの構築に寄与する。梁振鹏は、GPU企業の特許への関心は、産業の実装と商業応用の全体的支援能力に向けるべきだと考える。すなわち、特許が完全な技術体系と産業ソリューションを支えるかどうかだ。特許ポートフォリオの評価と商業化の観点からは、技術のカバレッジ、法的安定性、市場との関連性、競合他社の回避難易度を総合的に考慮し、特許が製品機能、コスト管理、エコシステムの互換性にどの程度寄与しているかを分析する必要がある。重要な指標には、引用率、請求範囲、地域展開、訴訟履歴、標準化への貢献度などがある。企業は数量と質のバランスを取りつつ、コア分野に高付加価値特許を配置し、周辺特許で保護網を形成し、単なる数の追求を避けるべきだ。この背景のもと、摩尔线程の知的財産管理も体系的な変革を遂げている。国家レベルの知的財産権標準化認証を取得し、管理の重点を単なる法務から研究開発、管理、技術変換の全工程へと拡大。特許展開の前に、製品計画や技術路線、市場戦略に深く関与し、長期的な基盤インフラとして位置付けている。これらは事後の補完策ではなく、長期的な発展の基盤となる。これらの動きの背後には、摩尔线程の認識の変化がある。AI時代において、チップ企業が体系的な知的財産展開を欠くと、コア技術を真に掌握しているとは見なされにくい。GPUはもはや単なるハードウェア製品ではなく、命令体系、コンパイラ、ドライバ、演算子ライブラリ、スケジューリングシステム、クラスターアーキテクチャからなる複雑な計算プラットフォームとなっている。各段階には特許化可能な技術革新があり、各技術ノードは将来の商業協力や産業競争の中で重要な切り札となり得る。02ハードウェアの差別化空間は縮小中トランジスタ密度の向上コストは指数関数的に増加し、性能向上の幅は次第に狭まっている。製造プロセスの恩恵は明らかに減少している。GPUのように、トランジスタ密度、エネルギー効率、動作周波数に高度に依存するチップにとって、製造プロセスは性能密度と消費電力の決定要因だ。摩尔线程は現在、多くの製品で成熟した中高端の製造プロセスを採用している。例えば、2022年の信創市場向けMTTS50は12nmプロセスで量産された。このノードはグラフィックス製品において堅実で信頼性の高い選択肢であり、迅速な量産とコスト管理に適している。業界全体を見ると、現在、主流の高性能GPUはより先進的な製造プロセスへと進化している。一般的に7nmプロセスが採用されていると『商学院』の情報筋は述べる。一方、NVIDIAなどの国際的リーディングGPUメーカーは、最上位製品でTSMCの4nmノードを多用し、より高い性能密度とエネルギー効率を実現している。国内の半導体ファウンドリは、先進ノードの供給網と設備の制約により、成熟度と歩留まりに課題を抱えており、これが国産GPUの高性能・低消費電力の限界に影響している。現段階では、摩尔线程は設計面でアーキテクチャとスケジューリング戦略を最適化し、成熟した製造プロセスと組み合わせることで、エネルギー消費と性能のバランスを取りつつ、コストと供給の安定性を確保している。この戦略は、現行製品の迅速な展開に適しているだけでなく、国内の先進製造技術の向上に伴う将来のアップグレードの余地も残している。中南財経政法大学知的財産研究センターの曹新明教授は、この変化はまずハードウェアの物理的な限界が近づいていることに起因すると指摘する。3nmや2nmといった先端ノードに進むにつれ、トランジスタ密度の向上コストは指数関数的に増加し、性能向上の幅は狭まる。さらに、世界の先端製造能力は少数の企業に集中し、英偉達、AMD、クアルコムなどはTSMC、Samsung、Intelのファウンドリに依存しているため、ハードウェアの差別化はさらに難しくなっている。03統一アーキテクチャとソフトウェアエコシステム当今のGPU産業の競争の焦点は、構造的な移行を迎えている。IP体系と開発者エコシステムが重要な鍵となる。もしハードウェアの物理的な限界が制約を生み出しているとすれば、ソフトウェアエコシステムの成熟は、産業競争のハードルを大きく引き上げる。曹新明は、GPU産業の競争の焦点は、構造的な移行を経験していると指摘する。製造プロセス（ムーアの法則）と基本的な演算性能（FLOPS）は、依然としてこの業界への参入のための最低条件だが、長期的な収益性と産業地位を決定する要素は、特許の壁を築くIP体系と、ソフトウェアスタックによる開発者エコシステムにますます依存している。『商学院』の記者は、摩尔线程が自主開発したMUSA（Meta-computing Unified System Architecture）を中心に、技術とエコシステムのコア支柱を築いていると聞いた。MUSAアーキテクチャは、GPUハードウェアとソフトウェアを融合した、全機能のGPU計算加速統一システムアーキテクチャだ。これには、チップアーキテクチャ、命令セット、プログラミングモデル、ソフトウェアランタイムやドライバフレームワークまでを含む全スタックの技術体系が含まれ、多様な並列計算シナリオに高性能計算能力を提供する。AI計算、グラフィックスレンダリング、物理シミュレーション、科学計算、超高精細動画のエンコード・デコードなど、多彩な高性能計算シナリオに対応できる。五年にわたる深度研究と継続的なイテレーションを経て、最新のMUSA 5.0は、全スタックの一体性、計算効率、エコシステムのオープン性において重要な突破を果たし、成熟した段階に入った。プログラミングエコシステムでは、MUSAはネイティブにMUSA Cをサポートし、TileLangやTritonなどの現代並列プログラミング言語とも深く互換し、開発者に柔軟かつ効率的な全スタック開発体験を提供し、移行や適応のコストを低減している。計算性能面では、コア計算ライブラリmuDNNは、GEMMやFlashAttentionなどの重要演算子で理論上の上限に近い効率を実現し、通信効率も大幅に向上。コンパイラ性能も倍増し、高性能演算子ライブラリと統合され、モデルの訓練と推論の全工程を加速している。同時に、MUSAのエコシステム戦略は、オープンな体系の構築へと拡大している。摩尔线程は、計算加速ライブラリ、通信ライブラリ、システム管理フレームワークなどのコアコンポーネントを段階的にオープンソース化し、底層の最適化能力を開発者コミュニティに公開し、エコシステムの共創を促進しようとしている。さらに、曹新明は、ソフトウェアエコシステムの背後には、特許が制度的な支えとしてますます重要な役割を果たしていると指摘する。GPUのソフトウェアスタックは、単なるエンジニアリングの積み重ねではなく、コンパイラ最適化技術、並列計算のスケジューリング戦略、ドライバとハードウェアの協調メカニズム、主要なAIフレームワークへの深い適応能力など、多くのコア技術を含む。これらは特許化可能な技術革新であり、知的財産権体系の支えがなければ、企業間の協力や産業分業の中で十分な信頼を得ることは難しい。安定したエコシステムの形成も困難だ。04後発企業の競争今後、GPUの特許競争は、異種計算、AI融合、ソフトウェアとハードウェアの協調最適化、新興アプリケーション（メタバースや自動運転など）に焦点が移る。GPU産業において、後発企業にとって最も顕著な変化は、参入障壁の大幅な引き上げだ。後発は、多くの場合、市場のリターンが見込めない中で巨額の資金を投入し、チップの研究開発と製造を完了させる必要がある。しかし、ハードウェアを作るだけでは第一歩に過ぎず、成熟したコンパイラツールやドライバサポート、主流AIフレームワークへの適応能力がなければ、開発者はこのチップを効率的に使えず、ユーザーもプラットフォームの移行を容易にしない。ユーザ規模がなければエコシステムは形成されず、エコシステムがなければ製品の実現は困難となる。この循環は、GPU業界のスタートアップの難易度を、多くの半導体細分化分野よりも高くしている。今日の開発者は、すでにNVIDIAのCUDAとそのツールチェーンに深く依存しており、訓練フローや演算子の最適化、エンジニアリングの経験は既存プラットフォームに基づいている。新しいプラットフォームが、性能やエネルギー効率の面で桁違いの優位性を示さなければ、コードを書き直しやプロセスの再構築を開発者に納得させるのは難しい。これが、多くのAIチップ企業が完全にエコシステムを自前で構築せず、CUDAや主流フレームワークとの互換性を優先する理由だ。既存の体系を活用し、参入障壁を下げる狙いがある。摩尔线程の戦略も、この実用的な姿勢を反映している。一方で、自社のプログラミングモデルや基盤ライブラリの構築を推進し、制御可能な技術基盤を形成しようとし、他方で、主流のグラフィックインタフェースやAIフレームワークへの適応も重視し、「自主体系」と「現実的な互換性」のバランスを取っている。エコシステムの壁と並行して、避けて通れないのが特許と法的リスクだ。曹新明は、『商学院』の記者に、GPUの重要技術は長年の蓄積により、多数の特許が布陣されていると分析する。新規参入者は、製品上市前に複雑かつ高額な特許調査を行い、自社の方案に侵害リスクがないか確認しなければならない。特許侵害に巻き込まれると、長期の訴訟や高額なコストが、資金に乏しい企業にとって重い負担となる。曹新明は、こうした環境下で、後発の現実的な戦略は、特定の垂直シナリオに焦点を絞り、比較的閉じた応用環境でターゲットを絞った技術スタックを構築することだと述べる。例えば、自動運転推論、エッジコンピューティング、産業用ビジョンなどの分野だ。これらのシナリオでは、システムの消費電力、遅延、環境適応性が、汎用演算能力よりも重要となる。後発は、「シナリオ深耕」によって差別化を図ることができる。汎用GPUエコシステムの完全な模倣ではなく、差別化を狙う。長期的には、GPU産業の格局も完全に固定されているわけではない。オープンソースハードウェアやオープンソースソフトウェアの台頭は、新たな変数をもたらしている。RISC-Vのベクトル拡張などは、従来の体系と異なる高性能計算プラットフォームの構築基盤を提供し、PyTorchやTensorFlowといったフレームワークのオープン化は、ハードウェアメーカーにとって、特定の企業の独自プラットフォームに依存せず、汎用ソフトウェアエコシステムの最適化を可能にしている。これらの変化は、現状の格局を根本的に覆すものではないが、長期的には後発にとっての参入余地を残している。梁振鹏は、未来のGPU特許競争は、異種計算、AI融合、ソフトウェアとハードウェアの協調最適化、新興アプリケーション（メタバースや自動運転など）に焦点が移ると予測する。また、ソフトウェアエコシステムの構築は、オープン化と開放化の方向に進むとし、標準必須特許とオープンソースライセンスの組み合わせにより、技術と市場の影響力を拡大できると指摘する。後発企業は、細分化された技術の突破に注力し、特許優位を築き、オープンコミュニティに積極的に参加し、協力ライセンスを通じて重要技術を迅速に獲得し、国際展開とリスク警戒を重視する戦略を採ることで、激しいグローバル競争の中での生き残りを図ることができる。出典｜『商学院』2024年2・3月合併号
Moore Threads: Breaking Ecosystem Competition Barriers with Unified Architecture
AI時代において、チップ企業が体系的な知的財産権の展開を欠くと、真のコア技術を掌握しているとは見なされにくい。
文｜胡嘉琦
ID | BMR2004
最近、国産GPUメーカーの摩尔线程（688795.SH）は、AIコーディングプランのスマートプログラミングサービスを正式に発表した。この新製品は、MTT S5000の全精度計算能力に依存し、ソフトウェアとハードウェアの協調アーキテクチャにより演算能力の効率を倍増させ、従来の低レベルなGPU能力を、開発者向けの生産性ツールに直接変換している。この一歩は、国産GPU企業が単なるハードウェア供給者から、完全な計算プラットフォームの構築者へと進化し始めたことを示す。
摩尔线程は2020年6月に設立され、2025年末に科創板に上場。88日で最速の科創板IPO通過記録を打ち立て、市場の注目を集めている。同社の目標は、単に演算能力のギャップを埋めることにとどまらず、世界規模の加速計算基盤インフラとワンストップソリューションを構築し、各産業のデジタル・インテリジェンス変革を底支えすることにある。
もし演算能力が入場券だとすれば、体系的な能力こそが長期的にテーブルに残るための鍵だ。この深層的な競争次元について、『商学院』の記者は、摩尔线程の責任者や業界専門家にインタビューし、外界からあまり見えない部分を明らかにしようとしている。すなわち、国産GPU企業が特許体系と基盤アーキテクチャの面で、どのように自らの「堀」を築いているのかという点だ。
01
製品視点からの特許展開
特許戦略において、摩尔线程は単なる数の増加を追求するのではなく、高付加価値の特許育成を重視している。
『商学院』の記者は、摩尔线程の責任者から、2025年6月時点で同社は累計514件の特許権を取得し、そのうち発明特許が468件に上ることを聞いた。これは国内GPU企業の中でも上位に位置する。注目すべきは、これらの特許が散在しているのではなく、AI計算のコアチェーンを中心に高度に集中し、プロセッサアーキテクチャ設計、AI応用の加速と並列計算の最適化、ドライバと基盤ソフトウェアシステム、GPU演算クラスターと高性能インターコネクトなどの重要分野をカバーし、体系的な展開を進めている点だ。
特許戦略においても、摩尔线程は単なる数量増加を追うのではなく、高付加価値の特許育成を重視している。
高付加価値特許とは、GPUの研究開発において、プロセッサアーキテクチャ設計、並列計算の最適化、メモリ管理メカニズム、高速インターコネクトプロトコル、コンパイラとドライバの最適化、省エネ制御とAI計算の加速などの重要な技術に集中し、性能、エネルギー効率、互換性に直接影響を与える技術を指す。これらは技術的な壁を形成しやすい。
2024年、摩尔线程は二つの全国的な高付加価値特許コンテストで好成績を収めている。中国海淀高付加価値特許育成大会で「夸娥智算集群プロジェクト」が一等賞を獲得し、雄安高付加価値特許大会では全機能GPUプロジェクトが金賞を受賞。これらは、コア技術の研究開発と特許管理における深い蓄積を示している。
産業経済のベテラン観察者梁振鹏は、『商学院』のインタビューで、価値の高い特許を持つことは、企業の技術的発言力を高め、ハードウェアの適合やソフトウェアのオープンエコシステムの協力を支援し、グローバル競争の中で侵害リスクを防ぎ、ライセンス交渉力を向上させると指摘した。これにより、自主的かつコントロール可能な産業チェーンの構築に寄与する。
梁振鹏は、GPU企業の特許への関心は、産業の実装と商業応用の全体的支援能力に向けるべきだと考える。すなわち、特許が完全な技術体系と産業ソリューションを支えるかどうかだ。
特許ポートフォリオの評価と商業化の観点からは、技術のカバレッジ、法的安定性、市場との関連性、競合他社の回避難易度を総合的に考慮し、特許が製品機能、コスト管理、エコシステムの互換性にどの程度寄与しているかを分析する必要がある。重要な指標には、引用率、請求範囲、地域展開、訴訟履歴、標準化への貢献度などがある。企業は数量と質のバランスを取りつつ、コア分野に高付加価値特許を配置し、周辺特許で保護網を形成し、単なる数の追求を避けるべきだ。
この背景のもと、摩尔线程の知的財産管理も体系的な変革を遂げている。国家レベルの知的財産権標準化認証を取得し、管理の重点を単なる法務から研究開発、管理、技術変換の全工程へと拡大。特許展開の前に、製品計画や技術路線、市場戦略に深く関与し、長期的な基盤インフラとして位置付けている。これらは事後の補完策ではなく、長期的な発展の基盤となる。
これらの動きの背後には、摩尔线程の認識の変化がある。AI時代において、チップ企業が体系的な知的財産展開を欠くと、コア技術を真に掌握しているとは見なされにくい。GPUはもはや単なるハードウェア製品ではなく、命令体系、コンパイラ、ドライバ、演算子ライブラリ、スケジューリングシステム、クラスターアーキテクチャからなる複雑な計算プラットフォームとなっている。各段階には特許化可能な技術革新があり、各技術ノードは将来の商業協力や産業競争の中で重要な切り札となり得る。
02
ハードウェアの差別化空間は縮小中
トランジスタ密度の向上コストは指数関数的に増加し、性能向上の幅は次第に狭まっている。製造プロセスの恩恵は明らかに減少している。
GPUのように、トランジスタ密度、エネルギー効率、動作周波数に高度に依存するチップにとって、製造プロセスは性能密度と消費電力の決定要因だ。
摩尔线程は現在、多くの製品で成熟した中高端の製造プロセスを採用している。例えば、2022年の信創市場向けMTTS50は12nmプロセスで量産された。このノードはグラフィックス製品において堅実で信頼性の高い選択肢であり、迅速な量産とコスト管理に適している。
業界全体を見ると、現在、主流の高性能GPUはより先進的な製造プロセスへと進化している。一般的に7nmプロセスが採用されていると『商学院』の情報筋は述べる。
一方、NVIDIAなどの国際的リーディングGPUメーカーは、最上位製品でTSMCの4nmノードを多用し、より高い性能密度とエネルギー効率を実現している。国内の半導体ファウンドリは、先進ノードの供給網と設備の制約により、成熟度と歩留まりに課題を抱えており、これが国産GPUの高性能・低消費電力の限界に影響している。
現段階では、摩尔线程は設計面でアーキテクチャとスケジューリング戦略を最適化し、成熟した製造プロセスと組み合わせることで、エネルギー消費と性能のバランスを取りつつ、コストと供給の安定性を確保している。この戦略は、現行製品の迅速な展開に適しているだけでなく、国内の先進製造技術の向上に伴う将来のアップグレードの余地も残している。
中南財経政法大学知的財産研究センターの曹新明教授は、この変化はまずハードウェアの物理的な限界が近づいていることに起因すると指摘する。3nmや2nmといった先端ノードに進むにつれ、トランジスタ密度の向上コストは指数関数的に増加し、性能向上の幅は狭まる。さらに、世界の先端製造能力は少数の企業に集中し、英偉達、AMD、クアルコムなどはTSMC、Samsung、Intelのファウンドリに依存しているため、ハードウェアの差別化はさらに難しくなっている。
03
統一アーキテクチャとソフトウェアエコシステム
当今のGPU産業の競争の焦点は、構造的な移行を迎えている。IP体系と開発者エコシステムが重要な鍵となる。
もしハードウェアの物理的な限界が制約を生み出しているとすれば、ソフトウェアエコシステムの成熟は、産業競争のハードルを大きく引き上げる。
曹新明は、GPU産業の競争の焦点は、構造的な移行を経験していると指摘する。製造プロセス（ムーアの法則）と基本的な演算性能（FLOPS）は、依然としてこの業界への参入のための最低条件だが、長期的な収益性と産業地位を決定する要素は、特許の壁を築くIP体系と、ソフトウェアスタックによる開発者エコシステムにますます依存している。
『商学院』の記者は、摩尔线程が自主開発したMUSA（Meta-computing Unified System Architecture）を中心に、技術とエコシステムのコア支柱を築いていると聞いた。
MUSAアーキテクチャは、GPUハードウェアとソフトウェアを融合した、全機能のGPU計算加速統一システムアーキテクチャだ。これには、チップアーキテクチャ、命令セット、プログラミングモデル、ソフトウェアランタイムやドライバフレームワークまでを含む全スタックの技術体系が含まれ、多様な並列計算シナリオに高性能計算能力を提供する。AI計算、グラフィックスレンダリング、物理シミュレーション、科学計算、超高精細動画のエンコード・デコードなど、多彩な高性能計算シナリオに対応できる。
五年にわたる深度研究と継続的なイテレーションを経て、最新のMUSA 5.0は、全スタックの一体性、計算効率、エコシステムのオープン性において重要な突破を果たし、成熟した段階に入った。プログラミングエコシステムでは、MUSAはネイティブにMUSA Cをサポートし、TileLangやTritonなどの現代並列プログラミング言語とも深く互換し、開発者に柔軟かつ効率的な全スタック開発体験を提供し、移行や適応のコストを低減している。計算性能面では、コア計算ライブラリmuDNNは、GEMMやFlashAttentionなどの重要演算子で理論上の上限に近い効率を実現し、通信効率も大幅に向上。コンパイラ性能も倍増し、高性能演算子ライブラリと統合され、モデルの訓練と推論の全工程を加速している。
同時に、MUSAのエコシステム戦略は、オープンな体系の構築へと拡大している。摩尔线程は、計算加速ライブラリ、通信ライブラリ、システム管理フレームワークなどのコアコンポーネントを段階的にオープンソース化し、底層の最適化能力を開発者コミュニティに公開し、エコシステムの共創を促進しようとしている。
さらに、曹新明は、ソフトウェアエコシステムの背後には、特許が制度的な支えとしてますます重要な役割を果たしていると指摘する。
GPUのソフトウェアスタックは、単なるエンジニアリングの積み重ねではなく、コンパイラ最適化技術、並列計算のスケジューリング戦略、ドライバとハードウェアの協調メカニズム、主要なAIフレームワークへの深い適応能力など、多くのコア技術を含む。これらは特許化可能な技術革新であり、知的財産権体系の支えがなければ、企業間の協力や産業分業の中で十分な信頼を得ることは難しい。安定したエコシステムの形成も困難だ。
04
後発企業の競争
今後、GPUの特許競争は、異種計算、AI融合、ソフトウェアとハードウェアの協調最適化、新興アプリケーション（メタバースや自動運転など）に焦点が移る。
GPU産業において、後発企業にとって最も顕著な変化は、参入障壁の大幅な引き上げだ。
後発は、多くの場合、市場のリターンが見込めない中で巨額の資金を投入し、チップの研究開発と製造を完了させる必要がある。しかし、ハードウェアを作るだけでは第一歩に過ぎず、成熟したコンパイラツールやドライバサポート、主流AIフレームワークへの適応能力がなければ、開発者はこのチップを効率的に使えず、ユーザーもプラットフォームの移行を容易にしない。ユーザ規模がなければエコシステムは形成されず、エコシステムがなければ製品の実現は困難となる。この循環は、GPU業界のスタートアップの難易度を、多くの半導体細分化分野よりも高くしている。
今日の開発者は、すでにNVIDIAのCUDAとそのツールチェーンに深く依存しており、訓練フローや演算子の最適化、エンジニアリングの経験は既存プラットフォームに基づいている。新しいプラットフォームが、性能やエネルギー効率の面で桁違いの優位性を示さなければ、コードを書き直しやプロセスの再構築を開発者に納得させるのは難しい。これが、多くのAIチップ企業が完全にエコシステムを自前で構築せず、CUDAや主流フレームワークとの互換性を優先する理由だ。既存の体系を活用し、参入障壁を下げる狙いがある。
摩尔线程の戦略も、この実用的な姿勢を反映している。一方で、自社のプログラミングモデルや基盤ライブラリの構築を推進し、制御可能な技術基盤を形成しようとし、他方で、主流のグラフィックインタフェースやAIフレームワークへの適応も重視し、「自主体系」と「現実的な互換性」のバランスを取っている。
エコシステムの壁と並行して、避けて通れないのが特許と法的リスクだ。曹新明は、『商学院』の記者に、GPUの重要技術は長年の蓄積により、多数の特許が布陣されていると分析する。新規参入者は、製品上市前に複雑かつ高額な特許調査を行い、自社の方案に侵害リスクがないか確認しなければならない。特許侵害に巻き込まれると、長期の訴訟や高額なコストが、資金に乏しい企業にとって重い負担となる。
曹新明は、こうした環境下で、後発の現実的な戦略は、特定の垂直シナリオに焦点を絞り、比較的閉じた応用環境でターゲットを絞った技術スタックを構築することだと述べる。例えば、自動運転推論、エッジコンピューティング、産業用ビジョンなどの分野だ。これらのシナリオでは、システムの消費電力、遅延、環境適応性が、汎用演算能力よりも重要となる。後発は、「シナリオ深耕」によって差別化を図ることができる。汎用GPUエコシステムの完全な模倣ではなく、差別化を狙う。
長期的には、GPU産業の格局も完全に固定されているわけではない。オープンソースハードウェアやオープンソースソフトウェアの台頭は、新たな変数をもたらしている。RISC-Vのベクトル拡張などは、従来の体系と異なる高性能計算プラットフォームの構築基盤を提供し、PyTorchやTensorFlowといったフレームワークのオープン化は、ハードウェアメーカーにとって、特定の企業の独自プラットフォームに依存せず、汎用ソフトウェアエコシステムの最適化を可能にしている。これらの変化は、現状の格局を根本的に覆すものではないが、長期的には後発にとっての参入余地を残している。
梁振鹏は、未来のGPU特許競争は、異種計算、AI融合、ソフトウェアとハードウェアの協調最適化、新興アプリケーション（メタバースや自動運転など）に焦点が移ると予測する。また、ソフトウェアエコシステムの構築は、オープン化と開放化の方向に進むとし、標準必須特許とオープンソースライセンスの組み合わせにより、技術と市場の影響力を拡大できると指摘する。後発企業は、細分化された技術の突破に注力し、特許優位を築き、オープンコミュニティに積極的に参加し、協力ライセンスを通じて重要技術を迅速に獲得し、国際展開とリスク警戒を重視する戦略を採ることで、激しいグローバル競争の中での生き残りを図ることができる。
出典｜『商学院』2024年2・3月合併号