巨大な賭けと不確実性の海へ：Cerebras CEOが語るAI革命の真実とNVIDIAへの挑戦

はじめに：AI時代の狂騒とCerebrasの野望

現代社会は、人工知能（AI）という、かつてない技術革新の波に飲み込まれようとしています。生成AIの登場により、その進化のスピードは私たちの想像をはるかに超え、未来予測は一筋縄ではいかなくなりました。この狂騒とも言える時代において、AIチップ開発の最前線を走るCerebras SystemsのCEO、アンドリュー・フェルドマン氏は、冷静かつ鋭い視点で現状を分析し、私たちに多くの示唆を与えてくれます。

先日、Cerebras SystemsはAI分野で史上最大規模となる10億ドルの資金調達を発表しました。これは単なる巨額の投資話ではありません。この資金調達の背後には、AIが人類にもたらすであろう計り知れない可能性と、それに伴う途方もない不確実性、そしてAIの未来を巡るテクノロジー巨人たちの熾烈な戦いが横たわっています。

本記事では、フェルドマン氏への詳細なインタビュー内容を深く掘り下げ、Cerebrasがこの激動の時代にどのような戦略を描き、AI市場が抱える本質的な課題とは何か、そして私たちが向き合うべき未来の展望について、ジャーナリストとしての専門的視点から解説していきます。AI技術の具体的な機能から、それがビジネス、社会、そして私たちの生き方にどのような影響を及ぼすのか、その重要性、具体的な機能、ビジネスへの影響、そして将来性を、専門性と分かりやすさを両立させながら紐解いていきましょう。

セクション1: Cerebrasの戦略とAI市場の「今」

AI市場は今、未曾有のスピードで拡大し、あらゆる産業に変革の波をもたらしています。この激動の時代において、Cerebras Systemsは革新的な技術と大胆な戦略でその存在感を際立たせています。アンドリュー・フェルドマンCEOが語るCerebrasの最新の資金調達とその背景、そしてAI市場の現状を深く掘り下げてみましょう。

1.1 プレIPO10億ドル調達の衝撃：なぜ今、そして誰が投資したのか

Cerebrasが発表した10億ドルという巨額の資金調達は、AIチップ開発分野において過去最大級の規模であり、業界に大きな衝撃を与えました。このラウンドは最高水準の評価額で行われ、Fidelityのような一流の投資家がリードを務めたことは、その信頼性と将来性を示す強力なシグナルとなります。

フェルドマン氏は、この資金調達の目的を「ドライパウダー（いつでも使える手元資金）」の確保にあると説明しています。この「ドライパウダー」は、具体的に以下の戦略的目標のために投じられます。

製造規模と範囲の拡大: AIチップの需要は爆発的に増加しており、その生産能力の増強は喫緊の課題です。Cerebrasは、自社製品の製造規模と範囲を飛躍的に拡大することで、この需要に応えようとしています。
データセンターの増設: 今年すでに米国で5つのデータセンターを追加したCerebrasは、さらに多くのデータセンターを建設する計画です。これは、同社のAI計算能力を物理的に拡張し、より多くの顧客にサービスを提供するための基盤となります。
新たなアイデアへの投資: フェルドマン氏は、「8ビットから4ビットへの移行のような些細な改善ではAIの約束された地には到達できない」と強調します。真のブレイクスルーには、根源的な技術革新と大胆なアイデアが必要であり、この資金はそうした「大きなアイデア」を実現するための研究開発に投じられます。

上場ではなく、このタイミングでプレIPOラウンドを選択したことも注目に値します。フェルドマン氏によれば、市場には非常に多くの機会が目の前にあり、迅速に資本を調達することで、これらの機会を最大限に追求することが最善の策でした。Fidelityのような大手公開市場投資家がこのラウンドをリードすることは、ウォール街に「絶大な信頼」をもたらし、Cerebrasが近い将来に公開市場へ向かう上での強力な足がかりとなるでしょう。

1.2 AI市場の「ワイルドウェスト」：数字の裏に隠された真実

現在のAI市場は、巨大な期待と同時に、極度の不確実性に満ちています。フェルドマン氏は、この状況を「ワイルドウェスト」と形容し、多くの発表が数字の裏に隠された真実を見落としていると警鐘を鳴らします。

誇張された発表と「最大〜」の罠: 数百億ドル規模の投資や収益予測が飛び交う中、その多くが「最長5年間で最大1000億ドル」といった曖昧な表現で語られています。フェルドマン氏は、「『最大』とは、300億ドルかもしれないし、120億ドルかもしれない」と述べ、実際の数字が発表された規模よりもはるかに小さい可能性を指摘します。こうした誇張された数字に惑わされず、その内実を精査することの重要性を訴えかけています。
顧客からの桁外れの需要と予測不能性: 最も顕著な現象の一つが、顧客からの需要の予測不可能性です。Cerebrasの顧客でさえ、「毎秒500万から4000万クエリ」というように、その需要が桁違いに幅広く、正確な予測が困難であるとフェルドマン氏は語ります。これは、「6ヶ月、8ヶ月、12ヶ月先のことさえ誰も確信できないほど、物事が猛スピードで動いている」ためです。市場の成長が速すぎ、規模が大きすぎるため、誰もその行く末を完全に把握できていないのが現状です。
「未来へのオプション」としての投資と計画の困難さ: このような不確実な環境下では、企業は従来の長期計画に固執することはできません。フェルドマン氏は、現在の巨額投資の多くを「未来へのオプション」と捉えるべきだと提言します。将来の需要がどうなるか不明な中で、今は多額のプレミアムを支払ってでも、将来のキャパシティを確保しておくという考え方です。データセンターの建設やサプライチェーンへの投資は、5年、7年、あるいは数十億ドル規模の長期的なコミットメントを伴います。通常の計画サイクルでは対応できないため、より頻繁に計画を見直し、短期間での視野で「未来へのオプション」を取る、という異なるルールが必要となるのです。もし未来が予想と違えば、そのオプションのプレミアムを失うだけだと割り切る柔軟性が求められます。
Cerebras CEOが語る「100%過小評価」の現実: フェルドマン氏は、現在のAI市場の需要について、自身も「100%過小評価している」と断言します。OpenAIの評価額がわずか数ヶ月で想像を絶する水準に達したことや、アイデアのコミュニティへの流入速度を見れば、いかにこの市場が予測不能な成長を遂げているかがわかります。

AIが私たちの生活に浸透するにつれて、人々のAI利用は増加し、利用頻度も高まり、その用途もより複雑で計算量の多いものへと進化しています。この三つの変数が同時に、かつ急速に成長しているため、AI市場の規模は想像を絶するスピードで拡大しているのです。この「幾何級数的な成長」は、私たちの常識をはるかに超える「気が遠くなるような影響」を生み出し続けています。

セクション2: NVIDIAへの視線：巨人への挑戦と成長のジレンマ

AIチップ市場において、NVIDIAは疑いなく「ゴリアテ」と称される巨人の地位を確立しています。しかし、CerebrasのCEO、アンドリュー・フェルドマン氏は、この巨人に対しても冷静かつ挑戦的な視線を向けています。NVIDIAの成長戦略の裏側にある潜在的な課題を指摘しつつ、Cerebrasがどのようにしてその牙城に迫ろうとしているのかを紐解いていきましょう。

2.1 NVIDIAの成長戦略とその影

NVIDIAはAIブームの恩恵を最大限に享受し、驚異的な成長を遂げています。しかし、フェルドマン氏は、その成長戦略の一部に、巨大企業ならではの「成長への懸念」の兆候が見られると指摘します。

バランスシート重視と「捕食的」事前発表: フェルドマン氏が指摘する一つの兆候は、「テクノロジーよりもバランスシートを重視する」というNVIDIAの傾向です。これは、自社の技術力だけで市場を勝ち取るのではなく、投資や買収によって事業を拡大しようとする戦略を指します。過去にはCiscoのような大企業も同様の戦略を採用していました。さらに、NVIDIAは「捕食的な事前発表」という戦術を用いています。これは、まだ現行製品（B200s）が広く流通していない段階で、次世代製品（B300sやRubin）を先行して発表することで、顧客に「待つべきだ」と納得させ、競合他社への乗り換えを防ぐ戦略です。同時に、製品の「現場故障率」のようなネガティブな情報には言及しないことも、この戦略の一部であるとフェルドマン氏は見ています。これは、市場における圧倒的な地位とリソースを背景にした、非常に強力な競争戦略と言えるでしょう。
OpenAIへの投資の意図：需要の囲い込み NVIDIAがOpenAIへ行っているとされる巨額の投資（1000億ドル規模とも言われる）についても、フェルドマン氏はその真意を探ります。この投資の詳細が「誰も理解できないように設計されている」と語るフェルドマン氏は、その本質的な目的を「OpenAIの需要の一部を囲い込む」ことにあると分析します。これは、サプライヤーと顧客の関係性を強化し、NVIDIAのチップ需要を長期的に確保するための、戦略的な一手であると見られています。

フェルドマン氏は、Cerebrasを「ゴリアテと戦うデビッド」に喩えます。NVIDIAのような圧倒的な市場リーダーが、その強みを活かして成長戦略を展開する中で、Cerebrasは真の技術革新と効率性で差別化を図り、市場を切り開こうとしているのです。

2.2 チップの進化と真のボトルネック：Cerebras Wafer Scaleの革新

AIチップの性能向上は、ムーアの法則を凌駕するペースで進んでいるかのように見えますが、フェルドマン氏はその実態についてより深い洞察を提供します。

減価償却の再定義：新旧世代の性能差 チップの減価償却を考える上で重要なのは、「将来の世代が現在の世代よりもどれだけ高速か」という問いです。H100やA100のような旧世代チップもいまだに価値を提供していますが、新世代チップが圧倒的に高速かつ省電力であれば、古いチップを使い続けるよりも、交換する経済的合理性が生まれます。この「性能差」こそが、減価償却の真の基準となるべきだとフェルドマン氏は主張します。しかし、NVIDIAのような企業が謳う世代間の飛躍的な性能向上は、しばしばマーケティング資料上の数字に過ぎないと指摘します。実際には、「8ビット対8ビット」や「4ビット対4ビット」といった公平な比較を行うと、実質的な性能向上は「2倍から2.5倍」程度に留まることが多いとのことです。
GPUアーキテクチャの限界：推論におけるメモリ帯域幅 AIチップの性能を語る上で、フェルドマン氏は「システム全体」としての性能の重要性を強調します。チップの計算能力（FLOPS）がいくら高くても、メモリ帯域幅がボトルネックとなれば、その能力は引き出されません。特に、推論タスクにおいては、「メモリ帯域幅」がGPUアーキテクチャの根本的な制約となっていると指摘します。データがチップ上に入出力できなければ、その計算能力は無駄になります。
SRAMとHBMのジレンマ、そしてCerebrasの解決策 チップにおけるメモリには、大きく分けてSRAM（Static Random-Access Memory）とHBM（High Bandwidth Memory）の2種類があります。
- SRAM: 非常に高速ですが、容量が小さいという特性があります。チップ上に配置されるため、計算コアと近接し、超高速アクセスを可能にします。
- HBM: 容量は大きいですが、SRAMに比べて速度が遅く、通常はチップの外部に配置されます。NVIDIAをはじめとするGPUは、グラフィックス処理に適した「大容量だが低速」なHBMを採用しています。従来のチップでは、チップ上にSRAMを大量に配置すると、その分計算コアに使える面積が減ってしまうというトレードオフがありました。しかし、AIモデルの大規模化に伴い、高速なメモリを大量に必要とするようになり、このジレンマが深刻化しています。
ここで、Cerebras Systemsの革新的な「Wafer Scale Engine（WSE）」が登場します。フェルドマン氏は、この技術がSRAMの容量制限を根本から解決したと語ります。 Cerebrasは、**「ディナープレートほどの巨大なチップ」**を製造することで、この問題を解決しました。これは、75年にもわたるコンピュータ産業の歴史において、誰も成し遂げられなかった偉業です。Intelのジーン・アムダールをはじめ、IBMやTIなど、多くの企業がより大きなチップの製造に挑戦しては失敗してきました。最近では、Elon Musk氏のDojoプロジェクトも同様の困難に直面しています。

Cerebrasは、この巨大なシリコン面積に、大量の高速SRAMを詰め込むことで、SRAMの容量制限を克服しました。これにより、従来のチップでテラバイト級のAIモデルを動かすために必要だった「4,000〜5,000個ものチップと、それらを繋ぐ膨大なケーブル」という複雑なシステムを、わずか1つ、2つ、あるいは4つのCerebrasチップで代替することが可能になりました。この「シンプルさ」こそが、AIの性能を限界まで引き出し、大規模なAIワークロードを効率的に処理するための鍵となります。フェルドマン氏は、これを「あなたの友人が言ったこと（SRAMは高速だが規模に耐えられないという課題）そのものだ」と語り、Wafer Scale技術がその根本的な解決策であると強調します。

CerebrasのWafer Scaleテクノロジーは、単にチップを大きくするだけでなく、チップ設計と製造における長年の常識を打ち破り、AIチップの新たな地平を切り開いています。NVIDIAのような巨人がその支配的な地位を確立する中で、Cerebrasは技術革新と根本的なアーキテクチャの違いによって、「デビッド」として「ゴリアテ」に挑み続けているのです。

セクション3: トレーニングと推論の現状：Cerebrasが目指す戦場

AIの進化を支える二つの主要なフェーズ、それが「トレーニング（学習）」と「推論（実行）」です。Cerebrasはこれら両方においてNVIDIAのGPUよりも高速であると主張していますが、それぞれの市場特性と技術的な課題は大きく異なります。アンドリュー・フェルドマンCEOの視点から、Cerebrasが特に推論市場に注力する理由と、AIが社会にもたらす生産性向上の真価を探ります。

3.1 見過ごされがちな推論市場の爆発的成長

フェルドマン氏は、Cerebrasがトレーニングと推論の両方でNVIDIAのチップよりも高速であることを強調します。しかし、市場でのデモンストレーションという点では、推論の方がはるかに容易であると指摘します。

トレーニングのソフトウェア課題: 新しいAIモデルがGPU向けに開発されると、それをTPUやAMD GPU、あるいはCerebrasのような専用チップ向けに移植するには、かなりのソフトウェア開発が必要となります。これは「より困難なソフトウェア作業」であり、Cerebrasがその優位性を全面的に実証するには時間を要します。
推論の容易さ: 一方、推論においては、開発者は特定のハードウェアに縛られることをほとんど気にしません。彼らが求めるのはAPI（Application Programming Interface）であり、GPUベースのソリューションからCerebrasのソリューションへの移行は、わずか「10回のキーストローク」で済むほどシンプルだといいます。この移行の容易さが、Cerebrasが推論市場で迅速に存在感を確立できる理由の一つです。
推論市場の圧倒的な規模と成長要因: フェルドマン氏は、推論を行う人々の数がトレーニングを行う人々の数を「はるかに上回る」と述べ、推論市場の巨大さを強調します。さらに、推論の成長は、以下の3つの変数が同時に、かつ急速に増加していることによって推進されています。
1. 利用者の増加: AIを使用する人の数そのものが爆発的に増えています。
2. 利用頻度の増加: AIを一度使い始めると、その利用頻度が高まります。
3. 1回あたりの計算量の増加: ユーザーがAIに求めるタスクがより大きく、より複雑になるため、1回あたりの計算量も増加します。これら三つの変数が互いに掛け合わされることで、推論市場は「気が遠くなるような影響」を生み出すほどの幾何級数的な成長を遂げており、フェルドマン氏も「我々はまだ何も見ていない」と語るほど、そのポテンシャルは計り知れません。

3.2 生産性向上の真価：AIをどう使いこなすか

OpenAIのサム・アルトマンCEOが指摘するように、多くの人々はChatGPTを「Googleの代替」として利用していますが、若い世代はそれを「未来のオペレーティングシステム」として捉えています。この視点の違いは、AIがもたらす生産性向上において決定的な意味を持つとフェルドマン氏は語ります。

Paul Davidの「コンピュータとダイナモ」の教訓: フェルドマン氏は、ノーベル経済学賞受賞者のロバート・ソローが1988年に提示した「コンピューターはどこにでもあるが、生産性統計には見当たらない」という疑問を引き合いに出し、経済史家ポール・デイビッドの研究「コンピュータとダイナモ」の教訓を説きます。デイビッドは、19世紀末から20世紀半ばにかけての電力の普及を分析し、当初、電力が導入されても生産性はほとんど向上しなかったことを示しました。なぜなら、企業は単に「ベルト駆動システムのバックアップ」として電力を使用していたからです。しかし、工場が電力の利点を最大限に活かすように再編成されたとき、生産性は飛躍的に向上しました。この教訓をコンピューターに当てはめると、当初、コンピューターは「タイプライターの代替」や「会計のスプレッドシート化」といった、既存の業務を効率化する目的で使われました。しかし、1990年代半ばになり、インターネットやクラウドといった新たな利用法が出現し、コンピューターが「異なる方法で消費される」ようになった時、生産性は劇的に向上したのです。
AIを「人生のOS」として再編成する フェルドマン氏は、AIについても同様のことが言えると主張します。AIをGoogleの代替として使うだけでは、生産性の向上は限定的です。しかし、サム・アルトマンが指摘するように、「AIを中心に自分たちを再編成」し、「根本的に異なる方法」でAIを利用するならば、私たちは「巨大な生産性向上」を目の当たりにするでしょう。若い世代がAIを「人生のOS」として活用し、これまで存在しなかった方法でAIを利用していることが、この再編成の兆候だとフェルドマン氏は見ています。

この移行には時間がかかりますが、AIがもたらす経済的なパイは大幅に拡大し、労働生産性も大きく向上するでしょう。この未来は「起こりそうであるだけでなく、ほぼ確実」であるとフェルドマン氏は断言します。AIは単なるツールではなく、社会の構造そのものを変革する可能性を秘めているのです。

セクション4: AIの未来を形作る主要なボトルネック

AIが私たちの生活や経済に浸透するにつれて、その進化を阻むいくつかの重要なボトルネックが明らかになってきました。アンドリュー・フェルドマンCEOは、これらがAI産業全体の成長を左右する根本的な課題であると指摘します。特に、電力消費、人材、製造、そしてインフラの問題に焦点を当ててみましょう。

4.1 驚異的な電力消費と社会への責任

AI、特に大規模言語モデル（LLM）のトレーニングと推論には、途方もない量の電力を必要とします。サム・アルトマン氏が「1兆ドル、日本全体の電力以上」と述べたように、そのエネルギー需要は桁外れです。

米国の電力問題は「場所」の問題: フェルドマン氏は、「米国には十分な電力がない」という認識は「厳密には間違っている」と指摘します。実際には、ウエストテキサスの天然ガスやニューヨーク州北部の水力など、多くの場所に「十分な電力」が存在します。問題は、その電力が「間違った場所」にあることです。人々が住む場所、データセンターが建設される場所、あるいは光ファイバーケーブルが敷設されている場所と、電力供給源が一致しないというミスマッチが課題なのです。
AIコミュニティの責務：ギガワット級の消費に見合う「素晴らしい成果」を フェルドマン氏は、AIコミュニティ全体に重い義務があると考えています。もし私たちがこれほど膨大な電力を消費するのであれば、「驚くべき成果」を社会に提供する義務がある、と彼は語ります。それは、より効果的な医薬品の開発、より良い医療の提供、高齢化社会の苦痛の軽減、介護の質の向上といった、社会の喫緊の課題への貢献を指します。もしAIがこれほどの電力を使いながら、社会に真の価値をもたらさないのであれば、「社会にとってのゲームではない」と厳しい見方を示します。
「退屈な」AI利用の価値と政府の役割: しかし、AIの利用には、GIF画像を生成するような、一見すると「社会的な価値が低い」と思われるものも含まれます。これに対してフェルドマン氏は、「市場の messy さ」を指摘します。市場は、多くの非生産的な試みの中から、やがて非常に生産的なもの、つまり大きなブレイクスルーを生み出す性質を持っています。今日、ギブリ画像に使われている技術が、明日、X線結晶構造解析に利用され、重大な科学的発見につながる可能性もあるのです。この messiness の中で、政府の役割は重要であると彼は提言します。政府が税制優遇、許認可の緩和、補助金などを与える際には、社会にとって「重要なプロジェクト」に優先的に配分されるよう、「確実にすべき」だと強調します。

4.2 人材、製造、インフラ：見過ごされがちな「アンセクシー」な課題

電力以外にも、AIの成長を阻む構造的なボトルネックがいくつか存在します。

AI専門家、データサイエンティストの深刻な不足と移民政策: 最も喫緊の課題の一つが、AIの専門知識を持つ人材の不足です。AIプラクティショナーやデータパイプラインを理解するデータサイエンティストが圧倒的に足りていません。米国の大学では十分な数のAI人材を輩出できておらず、歴史的に「最優秀な人材」を世界中から引き寄せてきたJ1ビザやH1Bビザといった移民政策の課題も、この状況を悪化させています。もし政府が国内で人材を育成する方針ならば、K-12教育から大学教育に至るまで、より優れた訓練システムを構築する必要があるとフェルドマン氏は主張します。この人材不足こそが、AI分野のトップエンジニアや科学者が異常な報酬を得ている理由でもあります。フェルドマン氏は、優秀な人材への投資は決して無駄ではないと強調します。「並の人材に多くを支払うことで破産するが、本当に並外れた人材に多くを支払うことで破産した企業は一つもない」という彼の言葉は、人材への価値を深く見据えた経営哲学を示しています。
ファブ建設の超高コストと時間的制約: TSMCのような半導体ファウンドリは、AIチップの供給における重要なボトルネックです。最先端のファブ（製造工場）は、300億ドルから500億ドルという途方もない費用がかかる上、その建設には数年を要します。その建設能力は非常に限られており、これがNVIDIAやCerebrasを含むすべてのチップの供給を抑制し、コストを高止まりさせています。
データセンター容量の逼迫と複雑な投資リスク: ギガワット級のデータセンターに対する需要も急増していますが、実際の建設は遅れています。イーロン・マスクのような建設の達人でさえ、大規模施設の建設には6〜8ヶ月を要し、一般的には1年半以上かかります。ウォール街の投資家がデータセンター投資に熱狂しているのは、それが「債券」や「不動産」のように見え、理解しやすい構造を持っているためです。しかし、フェルドマン氏は、データセンター建設もまた多くのリスクを伴うことを指摘します。低コスト電力へのアクセス、許認可の取得、建設コストの管理、優良テナントの確保など、多くの要素が失敗につながる可能性があります。「最善の企業がメガワットあたり800万ドルで建設できる施設に、1200万ドルや1400万ドルを費やせば、それが損失につながる」と彼は語り、この分野への投資もまた、深い洞察と規律が必要であることを示唆しています。
データクリーニング、データパイプラインへの投資不足: AIプロジェクトの多くは、AIそのものの問題ではなく、「データの問題」で失敗しています。フェルドマン氏は、「データクリーニング」や「データパイプライン」といった、一見すると「全くセクシーではない」分野への投資が圧倒的に不足していると指摘します。誰も自分のLinkedInプロフィールに「データパイプラインの専門家」とは書かないかもしれませんが、これらはAIプロジェクトの成功に不可欠な「非常に価値のある役割」なのです。多くのAIプロジェクトは、データが混乱しているために、AI以外のあらゆる部分で失敗しているのです。

これらのボトルネックは、単一の技術的課題ではなく、経済、政策、人材育成、インフラ整備といった多岐にわたる領域にまたがっています。AIの未来を切り開くには、これらの「アンセクシー」ながらも本質的な課題に、コミュニティ全体で取り組んでいく必要があります。

セクション5: AI業界の地政学と未来の展望

AI産業の急速な発展は、単なる技術競争にとどまらず、国家間の競争、企業の戦略、そして地政学的な力学にも深く影響を及ぼしています。アンドリュー・フェルドマンCEOは、この複雑な状況について、自らの経験と深い洞察に基づいた見解を語ります。

5.1 垂直統合の幻想とチップ開発の厳しさ

AI分野では、MicrosoftのOpenAIへの投資やGoogleのTPU開発のように、AIモデル開発企業が自社でハードウェアを開発・統合しようとする動きが見られます。しかしフェルドマン氏は、この「垂直統合」戦略の困難さを強調します。

ソフトウェア企業によるチップ開発の歴史的失敗例: OpenAIやAnthropicのような成功企業も、今日までAzureやAWS、Google Cloudといった外部のインフラを利用しており、チップレベルでの垂直統合は行っていません。フェルドマン氏は、「ソフトウェア企業がチップを開発することに失敗した長い歴史がある」と指摘し、Microsoftが自社チップ開発に苦戦した例や、FANG（Facebook, Apple, Netflix, Google）グループの多くがチップ開発を試みてきたが、成功例は少ないことを挙げます。GoogleのTPUは成功例の一つですが、これも10年以上の歳月をかけて実現されました。
チップ開発の独特な文化と長期スパン: チップ開発は、ソフトウェア開発とは根本的に異なる文化とプロセスを要求します。ソフトウェアの「週次スプリント」や「高速に動いて破壊せよ」といったアジャイルなアプローチは、チップの世界では通用しません。チップのバグは「6ヶ月の遅延と数千万ドルの損失」を意味するため、「二度測って一度切る」という慎重なアプローチが必須となります。
買収による成功と、Cerebrasが持つ専門チームの価値: 歴史的に、チップ開発で成功したソフトウェア企業は、PA Semiを買収したAppleやAnnapurna Labsを買収したAmazonのように、優れた人材と技術を「買収」することでその能力を獲得してきました。Googleも、複数の企業から人材を集め、10〜15年という長期的な視野を持って取り組むことでTPUを成功させました。フェルドマン氏は、これらの事例から「MBA的な分析では理解できない」半導体業界の深遠な本質を指摘します。Intelのような巨大企業でさえ、モバイルチップ市場で成功できなかったのは、PowerPointやコンサルタントレベルでは捉えきれない、「少数の人々が持つDNAの奥深くに埋め込まれた何か」がそこにあるからだ、と語ります。Cerebrasが持つ「世界トップ6〜8に入るチームの一つ」は、この稀有な専門知識と経験の集合体であり、同社の最大の強みであると誇ります。

5.2 半導体市場の多様性と競争

AIチップ市場は、NVIDIAの寡占状態にあるように見えますが、フェルドマン氏は長期的に見て「一社が90%を占めるような独占市場にはならない」と断言します。

Intelの例から学ぶ：独占は不可能: かつてIntelはx86プロセッサ市場で圧倒的な支配力を誇っていましたが、モバイルフォン市場ではほぼゼロのシェアでした。また、スイッチングチップ市場ではBroadcomが支配的です。この歴史的教訓は、半導体市場が多様であり、特定のセグメントでどれほど強力なリーダーシップを築いても、すべての市場を独占することは不可能であることを示しています。AIシリコン市場も、トレーニング、推論、エッジAIなど、多様なセブセグメントで構成されており、それぞれに異なるアーキテクチャや最適化が求められるため、単一の企業がすべてを支配することはないでしょう。
Cerebrasの強み：高いマージン: Cerebrasが高い評価額で巨額の資金を調達できた理由の一つに、同社製品の高いマージン（利益率）があるとフェルドマン氏は語ります。これは、NVIDIAのチップが78%〜85%という驚異的な粗利益率を誇ることで、AWSのようなクラウドプロバイダーが「Cranium」のような自社チップ開発に乗り出す動機となっているのと同様の理屈です。高すぎるマージンは、長期的には競争を招き、新たな挑戦者が市場に参入するインセンティブとなります。
国家主権とAI：Mistral AIの成功: AI開発は、国家主権という側面からも重要性を増しています。欧州のMistral AIは、自らを「ヨーロッパのAIリーダー」と位置づけ、その「主権」というカードを巧みに利用して、巨額の資金調達に成功しました。これは、単なる技術力だけでなく、国家戦略の一部としてのAIの重要性が高まっていることを示唆しています。
米中AI競争の不毛さとそれぞれの強みと課題: 米国と中国間のAI競争は、しばしば「軍拡競争」のように表現されますが、フェルドマン氏はこのような構図が「どちらの立場にも利益をもたらさない」と懸念を示します。冷戦時代の米ソの軍拡競争が双方に多大なコストを強いたように、AI競争もまた、インフラや人々に投じられるべき資源を無駄にする可能性があります。
- 中国の強み: 中国はドローンやロボット技術に優れており、政府がAIに「異常に積極的な政策」を展開しています。かつては、AI企業への投資で損失が出た場合、政府がその損失を補填するという、ベンチャー投資をバックアップする政策まで実施していました。これにより、中国はAI分野で急速な進歩を遂げています。
- 米国の課題: 米国の分散型政府は、戦略的な電力インフラ計画を妨げ、許認可プロセスを複雑にしています。Samsungがテキサスにファブを建設する際、地域の消防条例によって設計変更を余儀なくされ、数ヶ月の遅延と数十億ドルの追加コストが発生した事例は、この課題を如実に示しています。また、大学での計算資源不足も深刻です。
- 米国の強み: しかし、米国には「一流の大学」と、歴史的に世界中から「才能を引き寄せてきた」という圧倒的な強みがあります。NVIDIAのJensen Huang、AMDのLisa Su、GoogleのSundar Pichaiなど、業界を牽引する多くのCEOは移民またはその子孫です。J1やH1Bビザを通じて優秀な人材を国内に留める政策は、米国のAI競争力を維持する上で極めて重要であるとフェルドマン氏は強調します。

CerebrasのCEO、アンドリュー・フェルドマン氏は、2019年には中国でのビジネス機会を見送る決断をしました。当時すでにテクノロジーの利用方法への懸念を抱いており、それが後の米国政府による輸出制限よりも先んじたものであったことを明かしています。このエピソードは、技術開発の倫理的側面と、地政学的な視点を持つことの重要性を示唆しています。

AI産業の未来は、技術革新、市場競争、そして複雑な地政学的要因が絡み合う、多面的なものとなるでしょう。独占ではなく、多様なプレイヤーがそれぞれの強みを活かし、競争と協調を繰り返しながら進化していく姿が予測されます。

結論: ゴリアテと戦い続ける起業家精神

Cerebras SystemsのCEO、アンドリュー・フェルドマン氏との対話は、AI革命の最前線で繰り広げられる技術、ビジネス、社会、そして人間の精神に関する、深い洞察に満ちたものでした。最後に、彼の哲学と、AIが私たちの未来をどのように再構築するのかという彼の予測に耳を傾けてみましょう。

ゴリアテと戦い続ける起業家の哲学

フェルドマン氏のキャリアとCerebrasの道のりは、まさに「ゴリアテと戦うデビッド」の物語です。彼は、NVIDIAのような市場の巨人と日々競争することに「大きな誇り」を感じています。

不確実性の中での大胆な賭け: CerebrasがWafer Scale Engineという誰も成功できなかった技術に挑戦し、15ヶ月もの間、毎月600万〜700万ドルという巨額の費用をかけながらも、粘り強く失敗の原因を分析し、最終的に成功を収めたエピソードは、彼の「大きな賭け」の精神を象徴しています。それは、単なる盲目的なギャンブルではなく、確かなエンジニアリングプロセスと、ビジョンへの強い信念に裏打ちされたものでした。
「失敗できないなら何をしたいか」への答え: インタビュアーからの「失敗しないと分かっていたら何をしたいか」という問いに対し、フェルドマン氏は即座に「考えたことがない」と答えます。彼にとって、毎日の仕事は「ゴリアテと戦うこと」であり、市場のリーダーに対して「10倍優れていなければ」、その売上はNVIDIAに流れてしまうという厳しい現実と向き合うことです。最高のカーブボールを投げる投手や、恐ろしいスピンボウラーと毎日対峙するような緊張感の中で、「あらゆる不利な状況に抗って、世界の絶対的なベストと競争している」ことに喜びを感じる、と彼は語ります。そして、ごく少数の人々を除いて皆が自分に賭けていない中で、その挑戦を愛している、と締めくくりました。この言葉は、彼の起業家としての情熱と、極限の競争環境を楽しむ精神を鮮やかに描き出しています。
真の起業家精神：仕事と生活のバランスを超えて: フェルドマン氏は、著名な投資家ベン・ホロウィッツの著書「The Hard Thing About Hard Things」と、インタビュアー自身のLinkedIn投稿を引用し、真の起業家精神について語ります。それは、「ワークライフバランスを保ちながら、週38時間働けば偉大さを達成できる」という考え方を完全に否定するものです。彼にとって、「無から何か新しいものを作り、それを偉大にする道は、パートタイムの仕事ではない。週30、40、50時間ではない。それは、目覚めている全ての時間」を捧げることであり、それには当然コストも伴います。世界クラスのアスリートが食事から休息まで全てを管理し、常に最高のパフォーマンスを追求するように、起業家もまた、自身のビジョン実現のために全てを捧げる覚悟が求められるのです。

AIが未来をどう再構築するか：フェルドマン氏のクレイジーな予測

フェルドマン氏は、AIが社会に与える影響について、いくつかの具体的で挑発的な予測を提示します。

労働力不足ではなく「経済的混乱」: AIが5年以内に大規模な労働力不足を引き起こすという予測に対して、彼は「絶対に間違っている」と断言します。その代わりに、短期的には「経済的混乱」が生じ、それが解決されるには15年かかるかもしれないと見ています。AlphaFoldが化学の難問を解決してから数年経っても、それが直接的な新薬開発に繋がっていない例を挙げ、大きなブレイクスルーが実社会に浸透するには時間がかかることを示唆します。
教育の根本的変革: フェルドマン氏が最も興味を持っているのは、AIが「子供たちの教育方法」を大きく変える可能性です。アリストテレスがアレクサンダー大王を教えた時代から変わらない「賢い人が知識を伝える」という教育モデルに対し、AIは「個別のミスの種類」に基づいて、最適な教材やアプローチを自動的に提示する、究極の個別最適化教育を実現できると予測します。これは、生徒一人ひとりの思考の穴をピンポイントで埋める画期的な教育体験を約束します。
エントリーレベルの仕事の変革: コンサルティング会社や投資銀行で若手が担ってきた、スプレッドシート作成やリサーチの要約といった「つまらない仕事」は、AIがはるかに効率的にこなすようになるでしょう。フェルドマン氏は、これは「素晴らしいことだ」と語ります。トップスクールを卒業した22歳〜24歳の若者が、膨大な時間をかけてそうした退屈な作業に従事するのではなく、AIがその部分を肩代わりすることで、彼らは「より生産的な思考」や「より多くの学習」に時間を費やすことができるようになり、結果として社会全体への貢献度が高まる、と期待を寄せます。

最後に

アンドリュー・フェルドマン氏の言葉は、AIという未踏の領域を航海する私たちにとって、羅針盤となるような洞察に満ちています。CerebrasのWafer ScaleテクノロジーがAIの計算能力を再定義し、NVIDIAという巨人に挑む中で、彼はAI市場の現実、隠れたボトルネック、そして社会に与える深い影響について、偽りのない真実を語ってくれました。

AIの未来は、単に技術の進化を追うだけでは見えてきません。電力、人材、製造インフラといった「アンセクシー」ながら本質的な課題への取り組み、そして地政学的な視点や、技術が社会に真の価値をもたらすという倫理的な責任感が必要です。そして何よりも、フェルドマン氏が体現するような、不確実性の中で大胆な賭けをし、困難に挑戦し続ける「起業家精神」こそが、AIが約束する「約束の地」へと私たちを導く原動力となるでしょう。

私たちはまだ、AI革命のほんの始まりに過ぎません。その壮大な物語がどのように展開していくのか、Cerebrasとアンドリュー・フェルドマン氏の挑戦から目が離せません。