チップまで作らないと座れない卓 — 垂直統合が引き直した参入線

OpenAIがBroadcomと初の推論専用チップ「Jalapeño」を設計開始から9カ月でテープアウトした。GoogleのTPU、AmazonのTrainiumに続き、AI事業者がモデルからシリコンまで降りる流れが定着する。チップそのものより、その勝負ができる会社が数えるほどしかない事実が創業者には重い。

何が起きたのか

2026年6月24日、OpenAIがBroadcomと共同で作った初の自社チップ「Jalapeño」を公開した。推論専用、つまり完成したモデルがユーザーへの応答を出す段階だけに使うチップで、事前学習は引き続きNvidiaのGPUが担う。目を引くのは作った速さだ。設計開始からテープアウトまで9カ月。このクラスの高性能ASICをこの日程で出したのは業界でも最速級だと会社は言い、その設計をOpenAI自身のモデルが手伝ったと付け加えた。現物はレチクル一枚を埋め尽くす大型チップだ。性能はワットあたり効率が「現在の最高水準を大きく上回る」とだけ述べ、具体的な数値は非公開。展開は2026年末、Microsoftをはじめとするパートナーとギガワット規模で敷く計画だ。だがこれはOpenAIだけが突出する場面ではない。Googleは2015年からTPUを動かし、Amazonは学習までTrainiumという自社シリコンに載せる。モデルを持つ巨大テックが一つずつチップ設計まで握る流れに、OpenAIが遅れて加わった格好だ。

創業者にとっての意味

見出しは「Nvidia依存を減らした」だが、本当の信号は卓に着くための入場料がもう一段深くなったことにある。数年前まで、AI企業の堀はより良いモデルだった。次はデータと流通だった。今その下に自社シリコンという一行が加わる。モデルも自分のもの、それを動かすチップも自分のもの、チップを挿すデータセンターも自分のもの — このフルスタックを積める会社は世界で指折り数えられる。BroadcomとMarvellの二社がカスタムASIC設計を事実上握り、それをTSMCが焼く構造ゆえ、資本と物量を携えて並べる者だけが設計の卓に座る。ワットあたり効率が既存チップを上回るなら、OpenAIは推論単価をさらに下げる余地を持ち、そのチップを自社ワークロードに先に回すことも、特定モデルを自社シリコンに縛ることもできる。他社のフルスタックの上に会社を建てるとは、はしごを丸ごと借りるということで、借りたはしごの揺れは貸した側が決める。日本に降ろせば距離はさらに遠い。メルカリやLINEヤフーは巨大なサービスを抱えるが、推論は結局海外のGPUやクラウドに載せる。ソニーがイメージセンサーで自社シリコンの強さを知る一方、生成AIの推論層では国内勢に同じ手はまだない。だから日本のスタートアップの多くは「Nvidia依存」を越えて「特定の米国モデル事業者への依存」という二重の従属に置かれる。ワットあたり効率が非公開の今、推論経済が実際どれだけ変わるかはまだ分からない。ただ向きははっきりしている。AIの本当の堀が応用層からシリコン層へ降り、その層に入れる名簿がどんどん短くなる。

今できること

まず自分がどの層で戦うのかをはっきりさせる。チップとフルスタックは資本のゲームで、その卓で創業者が勝つことはない。入ろうとせず、その上で事業者が来ない場所を取る。第二に、推論の供給を一社に集中させない。OpenAIがチップまで垂直統合する今、単一モデルに縛られた製品はその価格・方針の変化に無防備だ。同じタスクを別モデルに回せる抽象化の一枚は保険になる。第三に、堀をモデルやチップではなく自分が制御する資産の上に建てる。自社データ、ワークフローに食い込んだ統合、特定の業界・言語・規制への深さ — 誰かがチップを半値で出してもこれは揺れない。第四に、巨大事業者の垂直統合を脅威としてだけ見ない。皆が下層へ降りるほど、狭く深い応用の席はむしろ空いていく。彼らが注ぐギガワットのインフラは、その上で何を売るか知る者にとっては安くなった原材料だ。