OpenAIのCPU供給難を解決したのは、ジェンスン・フアンの「ベラ」だった

解決策はCPUだった。OpenAIの次世代エージェントAI「GPT-6アストラ」の登場以降、半導体業界の関心がグラフィックス処理装置（GPU）を超えて制御用中央処理装置（CPU）へと移る中、エヌビディアのジェンスン・フアンCEOが打ち出した自社製CPU「ベラ」がその解決策として浮上した。単なる対話を超えてコンピューター作業を直接実行する「エージェント」（ユーザーに代わって業務を行うAI）方式へと移行した結果、計算を担うGPUよりも全体を制御するCPUにかかる負荷が急増したためだ。

フアンCEOは今月7日、ソーシャルメディアXで「GPT-6アストラはエヌビディアのグレース・ブラックウェルNVLink72約10万基規模で学習された」と明らかにし、「ChatGPTからo1を経てアストラまでわずか4年で到達した」「ついにAGI（汎用人工知能）が到来した」と宣言してOpenAIチームに祝意を伝えた。これまで大規模言語モデル（LLM）の駆動の核心は大規模な行列乗算演算を担うGPUだったが、アストラは性質が異なる。OS環境の制御、ウェブブラウザーの操作、サンドボックス（仮想実行環境）内でのコードのコンパイル、多段階のツール呼び出しなど、コンピューター制御作業を連続的に実行する自律型エージェントだ。こうした入出力制御と逐次システムプロセスはGPUではなくCPUが担う領域であり、エージェントを長時間実行するほどCPUの演算負荷が幾何級数的に拡大する構造だ。

エージェンティックAIの登場により、エヌビディアの次世代スーパーチッププラットフォーム「ベラ・ルビン」の戦略的価値が高まった。データセンターを運営するクラウドサービスプロバイダー（CSP）は、CPUのボトルネックが生じた場合、従来はインテルやAMDのx86サーバー向けCPUを追加購入してGPUサーバーと連携させてきたが、この経路は部品間でデータをやり取りするシリアルインターフェースであるPCIe経路を通るため、データ遅延と電力の無駄を招く。エヌビディアは自社CPUベラと次世代ルビンGPUを超高速インターコネクト（NVLink-C2C）で単一パッケージ化し、これを回避させた。エヌビディアは、外部メーカー製CPUを別途組み合わせていた方式に比べ、データ転送速度と電力効率の面で有利だと強調している。

AIエージェントインフラはGPUとCPUの双方で膨大なメモリー帯域幅と容量を必要とするだけに、こうしたアーキテクチャーの変化は国内メモリー半導体業界にも影響を及ぼす。ルビンGPUには大規模パラメーター推論向けのHBM4が、ベラCPUにはリアルタイム仮想マシンの駆動と文脈記憶（コンテキストキャッシング）を支援するLPDDR5Xが搭載される。サムスン電子とSKハイニックスはHBM4供給の主導権を握っているうえ、モバイルからサーバーへと領域を広げつつあるLPDDR5Xやモジュール規格LPCAMM2市場でも量産競争力を備えている。

三星証券のイ・ヨンジン・グローバルAI/SWリサーチャーは「従来、研究者が同時に管理できる実験数には限界があったが、エージェントがコーディングとモニタリングを一手に担うようになり、人間の時間的ボトルネックが消えつつある」と指摘した。そのうえで「研究速度を決める制約が人間からハードウェアへと移りつつあるだけに、コンピューティング資源の重要性はさらに高まるだろう」と付け加えた。OpenAIのGPU配分の事例も根拠として挙げた。研究を一時的に制限して特定モデルのGPU割り当て量が59.2％減少した際にも、減少したコンピューティングの約85％が他のモデル群の実験へと迅速に再配分されたという。同リサーチャーは「AIインフラへの潜在需要が堅調であるだけに、ハードウェア投資は単なるトークン処理を超え、長期のエージェントワークロードを安定的に処理する方向へと拡大し続けるだろう」と述べた。