過去6か月間にAI取引の勢いが、商用GPUの数倍の成長可能性があるとみられているカスタムASICへと移行したため、Nvidiaの利益は停滞し、AMDも業績が低迷している。しかし、モルガン・スタンレーの見解では、ASICに対する市場の期待は高すぎるため、長期的にはASICがGPUの市場地位を揺るがすことは難しいだろう。

2月12日、モルガン・スタンレーのストラテジスト、ジョセフ・ムーア氏と彼のチームは、チップカテゴリとしてのASICは商用GPUより優れているわけでも劣っているわけでもなく、両者は同じ結果を達成するための異なる方法に過ぎないという報告書を発表した。

モルガン・スタンレーは、ASIC は特定のアプリケーション シナリオでは優れたパフォーマンスを発揮するが、特定の顧客のカスタマイズ ニーズに大きく依存すると述べています。ASIC の開発コストは一般的に低いものの、システム コストとソフトウェアの導入コストは、大規模に商業的に使用できる GPU よりもはるかに高くなる可能性があります。顧客はソフトウェアの適応に多くの時間とリソースを費やす必要があり、その結果、総所有コストが高くなる場合があります。

さらに、NVIDIA の CUDA エコシステムはすでに非常に成熟しており、顧客はさまざまなワークロードを簡単に展開して実行できるため、総所有コストが増加します。モルガン・スタンレーは、予想外の変化が起こらない限り、現在チップ部門のリーダーであるNvidiaが優位を維持すると予測している。

商用GPUと比較すると、カスタムASICの適用シナリオは狭すぎる

モルガン・スタンレーは、場合によってはそうであると述べています。カスタム ASIC は、より狭い範囲のアプリケーション シナリオを対象とする場合、非常に魅力的です。 ASIC は、特定のクラウド サービス プロバイダーまたは企業顧客向けにカスタマイズされたチップであり、より高いパフォーマンスと効率性を提供できるため、差別化された市場競争上の優位性があります。

たとえば、Google TPU (Tensor Processing Unit) の成功は、Google が最新の LLM Transformer テクノロジを発明し、これに特化して最適化されたチップの開発を Broadcom に指導したことによるもので、これにより Broadcom は 80 億ドル以上の収益も得られました。

しかし、Nvidia は、Transformer モデルに対応するために GPU を最適化することで、市場シェアを取り戻そうとしています。さらに、クラウド コンピューティングの分野では、商用 GPU の方が ASIC よりも競争力が高いことがよくあります。

そのため、モルガン・スタンレーは、将来的にはカスタマイズされた ASIC の利点が従来のワークロードにさらに反映されるようになると考えています。結局のところ、Nvidia はマルチモーダル AGI (人工汎用知能) モデルのトレーニングに重点を置いており、このトレーニング機能は一部の古いアプリケーションには少し過剰かもしれません。

しかしモルガン・スタンレーは、ハイエンドのトレーニング機能の提供においてエヌビディアを追い抜くのは依然として難しいかもしれないとも付け加えた。

カスタムASICの開発コストは低いが、システムコストは高い

モルガン・スタンレーは、ASIC自体は特にハードウェアコストの面ではGPUよりも安価だが、システムコストとソフトウェアコストが高く、総所有コスト（TCO）が必ずしも商用GPUよりも低くなるわけではないと述べた。

レポートによると、一部の ASIC のハードウェア コストはわずか 3,000 ドルであるのに対し、Nvidia の H100 GPU は 20,000 ドルかかるとのことです。この価格差により、ハードウェアコストの面で ASIC がより魅力的になります。

ただし、ASIC のハードウェア コストは低いものの、次のように、システム コストは汎用 GPU よりもはるかに高くなる可能性があります。

ASIC のクラスター コストは、Nvidia よりも大幅に高くなる可能性があります。これは、Nvidia が銅ベースの 72 GPU NVLINK ドメインを作成するのに対し、ASIC はより高価な光学技術を使用し、その他の高コスト コンポーネントも同様であるためです。

高帯域幅メモリ (HBM) のコストは同じですが、Nvidia は新しい HBM に対する独占購買力を持っているため、実際には有利である可能性があります。CoWoS (チップ パッケージング テクノロジ) についても同様です。

ソフトウェア面では、NVIDIA の CUDA エコシステムは非常に成熟しており、顧客はさまざまなワークロードを簡単に展開して実行できます。 ASIC またはその他の代替手段を使用する場合、顧客はソフトウェアを適応させるために多くの時間とリソースを費やす必要があり、総所有コスト (TCO) が増加します。

ソフトウェア面では、NVIDIA の CUDA エコシステムは非常に成熟しており、顧客はさまざまなワークロードを簡単に展開して実行できます。 ASIC またはその他の代替手段を使用する場合、顧客はソフトウェアを適応させるために多くの時間とリソースを費やす必要があり、総所有コスト (TCO) が増加します。

たとえば、Trainium の顧客である Databricks は、「システムをオンラインにするには数週間から数か月かかる」と予想しています。クラウド サービスの幹部は最近、モルガン スタンレーに次のように語った。「2 年ごとに、当社の ASIC チームが提供するテクノロジは、Nvidia より 2 ～ 3 年遅れています。経済的な観点からすると、これはあまり役に立ちません。」

そのため、NVIDIA は L4 や L40 などの低価格チップを発売していますが、ハイエンド グラフィックス カードはパフォーマンスとエコシステム サポートの面で大きな利点があるため、市場では依然として高価な高性能グラフィックス カードが選択される傾向があります。

モルガン・スタンレーは、多くの低価格プロセッサは初期段階では一部の顧客を引き付けるかもしれないが、成熟したエコシステムと長期的なサポートが不足しているため、顧客は最終的にNvidiaに戻るだろうと結論付けた。 TPU、Trainium、AMD MI300 は例外です。これは、安価なプロセッサに価値がないということではなく、安価なプロセッサは実際には当初予想されたほどの市場シェアを獲得しないことが多いということです。

Nvidiaの優位性は揺るぎない

Nvidia の市場での地位は依然として堅固です。モルガン・スタンレーは、AIチップ市場におけるNvidiaの優位な地位は、その強力な技術力だけでなく、その完全なエコシステムと継続的な研究開発投資にも起因していると考えています。

報告書によると、Nvidia は今年、研究開発に約 160 億ドルを費やす予定である一方、カスタム ASIC (特定用途向け集積回路) チップの開発予算は通常 10 億ドル未満、場合によってはそれ以下である。

これらの資金により、NVIDIA は 4 ～ 5 年の開発サイクルを維持し、3 つの設計チームを順次運用して、市場をリードする高性能チップを継続的にリリースできるようになります。さらに、Nvidia は世界のあらゆる地域のあらゆるクラウド プラットフォームに存在しており、Nvidia エコシステムへの投資は世界中に広がる可能性があり、市場での優位性がさらに強化されます。