2025年に向けたAIの進化を語るうえで、ネットワーク技術ほど静かで深刻な障壁はない。エヌビディアが開示した最新のロードマップ資料によると、次世代GPUアーキテクチャBlackwellの後継として開発中のRubinプラットフォームでは、1ラックあたりの消費電力が1500キロワットを超える見通しだ。この数字が意味するのは、単なる省エネ議論ではない。銅線による信号伝送が物理限界に達し、光接続への移行なしには大規模クラスタの構築そのものが破綻するという構造転換の始まりである。

AIネットワークが物理限界に直面する理由

Generative AIの性能はモデル規模に比例して向上してきたが、その裏ではGPU間通信の帯域幅が常に律速要因となってきた。1基のラックに8基のGPUを搭載するNVL72構成では、ラック内のデータ移動量が毎秒100テラバイトを超える。銅線ケーブルでこの信号を送るには、ケーブル断面積がラックの物理スペースを圧迫し、熱損失が冷却コストを押し上げる。エヌビディアの設計資料では、2026年までにポートあたり毎秒200ギガビットの電気配線が限界に達すると試算されている。チップ性能が上がっても、チップ間を結ぶ配線が足枷になるという逆説が業界の課題になっている。

光電融合をめぐる供給網の再編

この障壁を突破する技術がシリコンフォトニクス、すなわち光電融合型のチップ間通信である。これまでは長距離のデータセンター間接続に限られていた光技術を、ラック内やボード上の超近距離に持ち込む開発競争が加速している。エヌビディアはTSMCのCompact Universal Photonic Engineを採用し、Rubin世代での光インターコネクト実装を表明した。同時にBroadcomは51.2テラビット毎秒の共同パッケージ光学スイッチを発表し、Intelは自社ファウンドリーでシリコンフォトニクスモジュールの量産プロセスを2025年前半に立ち上げる計画だ。ここで注目すべきは半導体の水平分業構造である。従来の電気配線では基板設計からコネクタ、ケーブルまで多数のサプライヤが存在したが、光接続ではCMOSプロセス上に光導波路を直接形成するため、前工程を握るファウンドリーの支配力が決定的に強まる。TSMCが光学エンジンを自社の先進パッケージに統合すれば、後工程や光部品メーカーは下請け化し、エヌビディア以外のAIチップ企業もTSMCの提供する光接続ソリューションに依存せざるをえない構図になる。

クラウド事業者の回線調達に走る余波

AIネットワークの光化は、クラウドインフラの調達構造にも波及している。Amazon Web Services、Microsoft Azure、Google Cloudの3大クラウド事業者は、2026年までに合計で1000万基以上の光トランシーバを発注するとアナリストは見ている。この需要急増で波長可変レーザーの主要材料であるインジウムリンの供給が逼迫し、日本の古河電工や住友電工といった化合物半導体メーカーに引き合いが集中し始めた。日本企業はこれまでデータセンター向け光部品で中国勢との価格競争に苦戦してきたが、AIクラスタ向けの高信頼性部品では単価競争よりも長期供給契約と品質保証が優先されるため、相対的に日本勢の立場は改善するとみられる。

InfiniBand対Ethernetの終局とAPI層への衝撃

もう一つの構造変化はネットワークプロトコルの統合である。エヌビディアが買収したMellanoxのInfiniBandは、低遅延性を武器にAIトレーニング用途でシェアを伸ばしてきた。だがブロードコムやシスコ、アリスタネットワークスなどが推進するUltra Ethernet Consortiumが仕様策定を進めた結果、2025年末までに毎秒800ギガビットのEthernetがAI推論ワークロードでも実用的な遅延水準に達する見込みだ。この規格統一が生む最大の効果はAPI層の抽象化である。現在は基盤モデルを呼び出すAPIの応答速度や同時接続数が、基盤ネットワークの構成、つまりInfiniBandかEthernetかに左右されている。プロトコルの差異が吸収されれば、AIサービス事業者はクラウド事業者間の移行障壁が下がり、API単価の競争が加速する。OpenAIやAnthropicといったAI企業が特定クラウドと結ぶ排他的契約の交渉力にも影響を与える岐路になる。

今後の論点

エヌビディアが握るGPU供給に加え、光インターコネクトとネットワークプロトコルの主導権争いが、次のAI産業の勝敗を決めることになる。注視すべきはTSMCのパッケージングロードマップとUltra Ethernet対応スイッチチップの出荷時期だ。加えて化合物半導体や光ファイバー増幅器など、物理層の部材を供給する日本企業がこの再編にどこまで食い込めるかが、国内AIインフラの自律性を測る試金石となる。