AI用半導体で圧倒的な存在感を誇るNVIDIAの地位は、果たして盤石なのでしょうか。中国では、通信機器やIT製品を手がけるHuaweiと、生成AIを開発するDeepSeekが協力を深めています。2026年9月には、Huawei製の半導体でAIを動かすためのソフトを公開しました。半導体の性能を競う中で、なぜソフトの公開も重視されるのでしょうか。半導体の性能差が縮まっても、企業が他社製品へ移行するには、プログラムの修正や動作確認に時間と費用がかかります。
【関連記事】NVIDIAはなぜAIエージェントの安全性に取り組むのか？
NVIDIAの強さは半導体の性能だけではない
AIの開発や運用に使う半導体を選ぶ際には、計算の速さが重要な判断材料になります。しかし、高性能な半導体を購入しても、目的のAIを動作させるには、それに対応したソフトが必要です。NVIDIAの強さを理解するには、半導体の性能に加え、開発や運用を支えるソフトやツールにも目を向ける必要があります。
NVIDIAに迫るHuaweiの半導体性能
NVIDIAは、大量の計算を並行して行う半導体「GPU」と、それを使うためのソフトを提供しています。GPUはAIの学習や、学習済みのAIが回答を作る処理に使われます。Huaweiも、AIの計算に特化した半導体「Ascend」を開発しています。生成AIのモデルを開発するDeepSeekと協力し、NVIDIA製品への依存を減らそうとしています。
Huaweiの半導体を使ったシステムの性能は、2025年6月に発表された研究で示されています。Huaweiなどの研究者は、384基のAscend 910と192基のCPUを接続した「CloudMatrix384」で、DeepSeek-R1を実行しました。複数のチップで計算を分担し、データの受け渡しも効率化することで、システム全体の性能を高めています。
AIが回答を作る処理は、入力された文章を読み込む工程と、回答の文章を順に生成する工程に分かれます。長い資料を読み込むときの速さと、回答を生成するときの速さは、それぞれ別に調べる必要があります。今回の研究でも、両方の工程を分けて性能を測定しています。
論文では、最初の入力処理について、NVIDIAのH100を使った公開結果と比較しています。通常設定の比較では、チップ1基当たりの処理量はAscend側が毎秒5,655トークン、H100側が6,288トークンでした。トークンは、AIが文章を扱う際の単位です。比較表では、まとめて処理する量と入力文の長さをそろえています。この条件では、HuaweiのシステムがH100に近い処理量を示しました。
これは2025年の研究であり、比較対象もH100です。最新製品同士の優劣や、購入費用、電力効率まで示した結果ではありません。ただし、半導体の接続方法とソフトの最適化によって、実際の処理性能を高められることは読み取れます。AIの実際の処理速度は、チップ単体の計算能力を示す仕様だけでは決まりません。
Huaweiは2026年9月、次世代のAscend 960シリーズを2027年に提供する計画も発表しました。最大4,096基のAI用半導体を接続する「Atlas 960E」も発表しています。多数のチップで計算を分担すると、チップ間で交換するデータも増えます。Huaweiは計算性能の向上とともに、チップ間で高速にデータを転送する技術の開発も進めています。
NVIDIAには開発に使うソフトがそろっている
一方、NVIDIAは、GPUを利用する開発者向けに、多様なソフトやツールを提供してきました。その中心が「CUDA」です。CUDAは、プログラムからGPUを利用するための開発環境です。プログラムをGPUで実行できる形に変換するツールや、頻繁に使う計算機能をまとめたソフトなどを提供しています。
たとえば、AIで繰り返し使う数値計算には、NVIDIAが提供するライブラリを利用できます。ライブラリは、ほかのプログラムから利用できるようにした機能の集まりです。開発者は、これらの計算機能を開発中のプログラムに組み込めます。さらに「Nsight」というツールでは、処理に時間がかかっている箇所や、プログラムの問題を調べられます。
NVIDIAは学習資料も提供しています。開発者は同じ開発環境でツールの使い方を学び、動作確認や処理速度の改善を進めることができます。NVIDIAは半導体の販売に加え、その半導体を使った製品やサービスの開発も支援しています。NVIDIAを選ぶ理由には、GPUの速さとともに、開発を進めやすいことも含まれます。
使い慣れた環境を変えるには費用がかかる
開発を重ねることで、企業にはプログラムに加え、ツールの利用や不具合の解決に関する知識と経験が蓄積されます。NVIDIAは開発者向けのフォーラムを運営し、技術について質問や議論ができる場も提供しています。公開ソフトへの支援も行っており、社外の開発者と知識を共有する活動が続いています。
他社の半導体へ移行する際には、こうした蓄積をどこまで引き継げるかが課題になります。既存のプログラムを修正する作業に加え、必要な機能が正常に動作し、従来と同じ結果が得られるかを確認する必要があります。開発者が新しいツールを学ぶ時間も必要です。半導体の価格が安くても、移行作業に多くの費用がかかる場合には、既存の環境を利用し続ける理由になります。
Huaweiが性能を高めても、それだけでNVIDIA製品からの移行が進むとは限りません。開発者が従来のプログラムや経験を生かせることも、採用を後押しします。DeepSeekとHuaweiが2026年9月30日に公開したソフトは、この移行に伴う負担を減らす取り組みです。
NVIDIA製品からの移行を後押しする
AI用半導体のメーカーが変わると、その半導体に合わせたソフトも必要になります。DeepSeekとHuaweiは、Ascendで計算や通信を行うソフトを、内容を確認・改良できるオープンソースとして公開しました。Ascendの性能を引き出すとともに、既存のプログラムや開発方法を引き継ぎやすくすることが狙いです。
計算とデータの受け渡しを速める
今回の公開には、AIの計算を速める「DeepGEMM-Ascend」と、チップ間の通信を支える「DeepEP-Ascend」などが含まれます。Reutersは、両社が128基のAscend 950を使うシステムでも、計算と通信を共同で最適化したと報じました。モデルを開発するDeepSeekと、半導体を開発するHuaweiが、AIの実行に伴う課題の解決に共同で取り組んでいます。
AIでは、数値を縦横に並べた行列同士の掛け算が大量に行われます。DeepGEMM-Ascendは、この「行列乗算」をAscendで効率よく進めるためのソフトです。繰り返し行う計算の時間を短くすることが、AIの処理を速めるうえで重要になります。
DeepEP-Ascendは、複数のチップで計算を分担する際に使います。DeepSeekが採用するMoEという方式では、入力に応じてモデルの一部を選び、計算を行います。計算を担当する部分が別々のチップにあると、必要なデータを送り、結果を集める通信が発生します。データの受け渡しに時間がかかると、半導体の計算能力が高くても、データの到着を待つ時間が生じます。DeepEP-Ascendは、その通信を効率化するソフトです。
ほかにも、モデルが入力中の関連情報を参照する処理を速める「FlashMLA」や、多数の候補から重要度などが高いものを選ぶ「DeepSelect」がAscendに対応しました。AIの実行には、こうした異なる処理が組み合わされています。両社は、それぞれの処理をAscendに合わせて改良しています。
既存のプログラムを生かすために呼び出し方をそろえる
処理速度の改善に加え、従来と同じ呼び出し方を利用できるソフトも公開されています。プログラムが別のソフトの機能を利用するときには、必要なデータや指示を、決められた形式で渡します。この呼び出し方の決まりがAPIです。移行先でも同じAPIを使えると、機能を呼び出す側のプログラムを大きく変更せずに済む可能性があります。
DeepGEMM-Ascendは、NVIDIA向けのDeepGEMMと互換性のあるAPIを提供しています。DeepEP-Ascendも、公開APIをNVIDIA向けの版に合わせています。開発者は、使い慣れた呼び出し方で、Ascend向けの計算や通信を利用できます。半導体ごとに異なる処理は、それぞれの半導体に対応した公開ソフトが担います。
複数の半導体に対応する開発ツールもあります。計算処理を記述する言語「TileLang」は、NVIDIAなどに加え、Ascend 950にも対応しました。これを使った計算用ソフト集「TileKernels」では、NVIDIAのGPUとHuaweiの半導体に対し、同じPythonのAPIを使えます。開発者が利用するプログラムと、半導体ごとの処理を分けることで、異なるメーカーの製品を扱いやすくしています。
ソフトの内容が公開されている点にも意味があります。外部の開発者は、公開されたAscend向けの処理を調べ、開発中のプログラムで利用できるかを検証できます。必要に応じて、公開ソフトの改良にも参加できます。公開ソフトは、NVIDIA製品から移行する際に、各社が必要な処理を個別に開発する負担を減らします。
対応する機能を増やしながら、モデルも改良する
ただし、呼び出し方が同じでも、使える機能まで同一とは限りません。たとえばDeepSelectでは、NVIDIA向けとAscend向けで、扱える数値の形式が異なります。FlashMLAにも、NVIDIA向けだけに対応する処理があります。既存のプログラムが必要とする機能を移行先でも使えるかは、個別に確認する必要があります。
動作に必要な周辺ソフトや、性能の測定条件も重要です。DeepEP-Ascendの公開性能値は、DeepSeek向けに用意された検証用の構成で測定されています。一般向けに配布する商用版での測定値ではありません。公開された数値の測定条件を確認したうえで、実際に導入する構成での動作と処理速度を検証する必要があります。
DeepSeekは、Ascend向けソフトと並行して、AIモデルも改良しています。2026年10月17日には「V4.1-Flash-1017」へ更新し、呼び出し方法と料金を据え置きました。同社は、性能を改善するとともに、タスクの実行時間や出力の長さを減らしたと説明しています。同日には、Webページを探すSearch APIと、指定したページの内容を取得するFetch APIも公開しました。
10月19日、The Informationは、DeepSeekがHuaweiの次世代チップの設計にも関与していると報じました。両社による公式確認はまだありません。今後は、モデルの実行に伴う課題を、ソフトと半導体の両面から解決する協力が進むかどうかが焦点となります。
AIを使う企業の選択
NVIDIA以外の半導体や開発ツールが充実すると、AIを導入する企業の選択肢も広がります。ただし、製品の処理速度と価格だけで、採用の可否を判断することはできません。国や組織による利用制限に加え、業務で求める回答の質や、導入後の費用も確認する必要があります。
米中の政策は利用条件にどう関わるか
AIの技術競争には、米中の政策も影響しています。2026年10月20日、米国土安全保障省によるDeepSeek製品の調達除外・撤去命令が公示されました。対象は連邦政府の文民機関で、DeepSeekの技術を使った第三者の製品やサービスも撤去の対象に含まれます。米国内の民間企業すべてに、利用を一律に禁じる命令ではありません。
中国では10月16日、AI関連技術などの輸出管理を改定する案が公表され、11月15日までの意見募集が始まりました。同時に、対象技術を輸出する前の暫定的な登録制度も導入されています。一方、オープンソースや論文などですでに公開された技術は、管理の対象外とされています。今後の制度変更と、すでに利用できる公開技術は、分けて捉える必要があります。
国同士の対立が続く中でも、企業間の技術取引は行われています。Huaweiと米Qualcommは10月5日、AIや計算、通信などの分野を含む複数年の相互特許ライセンス契約を発表しました。取引は、必要な規制当局の承認を得た後に完了する予定です。調達の制限、技術の輸出、特許の利用では、それぞれ条件が異なります。AIを導入する企業にとっては、自社の利用方法にどの規制や契約条件が関わるかが問題になります。
業務によって「必要な速さ」は異なる
製品を比較する際には、AIに任せる業務と、その業務に必要な性能を明確にします。たとえば、顧客と対話するAIと、夜間に大量の文書を処理するAIでは、重視する性能が異なります。前者では利用者を待たせないこと、後者では決められた時間までに全件の処理を終えることが大切です。いずれの用途でも、業務に必要な回答の質を満たすことが前提となります。
応答の速さと、まとめて処理できる量の違いは、CloudMatrix384の研究にも表れています。入力4,096トークン、出力256トークンという条件で、生成する1トークン当たりの時間を50ミリ秒以内にする設定では、チップ1基当たり毎秒1,943トークンを処理しました。1トークン当たりの時間の上限を15ミリ秒とする設定では、同時に処理する量を減らす必要がありました。その結果、処理量は毎秒538トークンとなりました。
この時間は、質問を送ってから回答が完成するまでの時間ではなく、文章を生成する際の1トークン当たりの時間です。論文の結果は、利用者への応答を速くする条件と、システム全体で多くの文章を処理する条件が異なることを示しています。実際の業務で入力する文章の長さや、同時に利用する人数によっても、必要な構成は変わります。
料金にも、使い方による違いがあります。2026年10月21日時点で、DeepSeek FlashのAPI料金は、出力100万トークン当たりピーク時間帯が1.20ドル、オフピークが0.60ドルです。ピークは、中国の祝日を除く月曜から金曜の日本時間10～13時、15～19時です。入力にも料金がかかり、過去に入力したデータを再利用できるかによって単価が変わります。
導入後の費用まで含めて比較する
AIを外部サービスとして使う場合、半導体の選定や運用はサービス提供者が担当します。利用企業は、回答の質や速さ、利用料金、データの扱いなどを比較します。一方、自社でAIを運用する場合には、半導体やソフトの選定に加え、それらを管理する作業も必要になります。すべての企業が、半導体まで直接購入して選ぶわけではありません。
自社運用では、機器の購入費に加え、プログラムの移行や動作確認、保守にかかる費用も発生します。既存のNVIDIA環境を利用し続ける方が、他社製品へ移行するより費用を抑えられる場合もあります。一方、公開ソフトの利用で移行作業を減らせるのであれば、他社の半導体も検討しやすくなります。判断の基準になるのは、必要な回答の質と処理速度を満たすために、導入から運用までにかかる費用です。
モデルと半導体の関係も、メーカー同士の対立だけでは捉えられません。今回公開されたソフトには、NVIDIAとHuaweiの双方で使うための仕組みがあります。モデル、半導体、クラウド、開発ツールを、それぞれの対応状況に合わせて組み合わせる余地が広がっています。そのため、あるモデルを採用することと、特定メーカーの半導体を採用することは、常に同じ判断になるわけではありません。
こうした比較では、業務で必要な条件を具体的にすることが出発点になります。問い合わせへの回答時間の上限や、夜間に処理する文書の件数を具体的に決めます。その条件に基づき、エンジニアは候補の動作を検証し、必要な機器や利用料金を見積もります。業務の目的から必要な性能を決め、その費用を比べることが、AIの選択肢を生かすために重要になります。
まとめ
企業がNVIDIA製品から他社製品へ移行するには、その費用や手間に見合う利点が必要です。競合製品の性能が近づいても、移行に多くの時間や費用がかかる状況では、従来の環境を使い続ける理由が残ります。DeepSeekとHuaweiによるソフトの公開は、移行に伴う負担を減らし、Ascendの採用を後押しする取り組みと捉えることができます。
AIの導入では、モデル単体の性能に加え、業務に必要な回答の質と処理速度を満たすための費用も、重要な判断材料になります。米中の政策による利用条件を確かめたうえで、移行や保守まで含めた費用を比べることになります。モデルの性能だけでなく、それを運用する環境も合わせて検討する機会が増えていくでしょう。
必要な回答の質、回答時間の上限、処理件数は、業務によって異なります。業務の担当者が必要な条件を明確にし、エンジニアがその条件を満たす技術を検討します。AIに任せる業務に合わせて、モデルと運用環境の組み合わせを選ぶことが、今後さらに重要になっていくでしょう。
参考文献
Advancing the Agentic World, Building a Solid Silicon Foundation — Huawei
How DeepSeek Is Shaping Huawei’s AI Chips in a Growing Challenge to Nvidia — The Information
この記事を書いた人
