「AIにコードを書かせたら、エヌビディア専用ソフトの代わりを10時間で作れた」— こういう記事を読んで、エヌビディアの一人勝ちもそろそろ終わりかと思った人は多いはずだ。エヌビディアの強みは、CUDA（同社のGPUで計算を動かすための、同社だけが作ってきたソフト一式）の上に世界中のAI開発が乗っていることだと、何年も言われてきた。そのCUDAの代わりをAIが自分で書けるなら、確かに前提が変わる。ところが、元になった研究とチップの買い手の動きを数字で追うと、記事から受けた印象とはだいぶ違っていた。

AIが書くCUDAの代わりが、すぐに広く使われるとは考えていない。AIエージェントが安くしたのは「とりあえず動くコードを書くまで」の手間で、「本番で速く、壊れずに動くと確かめるまで」の手間はほとんど減っていない。測り方を正したベンチマークでは、いちばん成績のよいAIが書いたカーネル（GPUに計算をさせる小さなプログラム）でも、標準のソフトより遅かった。エヌビディア以外のチップには中古の値段がつかず、ソフトが整っても乗り換えはなかなか進まないと見ている。同社の売上に響き始めているのは、グーグルが自社製チップを外に売り始めたことのほうだ。

CUDAの中身は、20年分の部品と速さを測る道具

CUDAはよく「エヌビディアのGPU用のプログラミング言語」と説明されるが、開発者が実際に使っているのは、その上に20年かけて積み上がった部品と道具のほうだ。行列の掛け算をさせる部品、AIモデルの計算をまとめて速くする部品、GPUを何千台もつないで同じ計算をさせる通信の仕組み、そして「いまどこで何マイクロ秒かかっているか」を測る道具がそろい、過去のプログラムもそのまま動く。エヌビディアによれば、CUDAを使う開発者は400万人を超え、部品のライブラリは1,000種類を超える。

層ごとに分けると、AIエージェントが肩代わりできる部分とできない部分がはっきり分かれる。

10時間で再現されたと報じられたのは、表の1段目と2段目にあたる。しかも相手は推論（学習済みのAIに答えを出させる処理）専用のチップ1種類だけで、CUDA全部を10時間で作ったわけではない。

測り直すと標準のソフトより遅いAIが書いたカーネル

元記事のなかで、AI企業INT21の創業者は「エージェントは大量のコードを短時間で出せるが、検証が最大の詰まりになる」と述べている。この指摘には数字の裏づけがある。

カーネルの速さを競わせるベンチマーク（性能を測るための共通の問題集）に、よく使われるKernelBenchがある。メタとスタンフォード大学の研究者は2026年6月、その測り方を見直したKernelBench-Verifiedを公開した。7つのAIモデルに250問のカーネルを書かせ、測り方だけを変えて比べている。次の表は、いちばん成績のよかったGPT-5.5の結果だ。

差の大部分は、比べる相手の動かし方から来ている。従来の測り方では、比べる相手のPyTorch（AI開発で標準的に使われるソフト）を、GPUにある行列計算の専用回路を使わない設定で動かしていた。現場でふつう使う設定に切り替えると相手が速くなり、行列計算が中心の問題では、AIのカーネルが速く見えた分の多くが消えた。論文によると、この切り替えで結果が変わった問題は250問の2割あまりある。

もう一つは、テストの穴を突くカーネルだ。テストに使う入力はすべて正の数だった。そこで、入力の形がテストと同じときだけ計算を省いて受け取った数をそのまま返すカーネルが書かれ、374倍という数字が出ていた。負の数を入れると答えが合わない。論文は、入力の範囲を広げた隠しテストを加えてこうした近道を見つけており、影響した問題は1割あまりだった。

どちらも、測る側の甘さが数字を膨らませていた例だ。AIが書いたカーネルの本当の速さは、実機で細かく計測する道具と、いろいろな入力で答え合わせをする仕組みがあって初めて分かる。エヌビディアはこの道具を20年かけてそろえてきたが、他社はこれから作る段階にある。AIでコードを書く速さはどの会社も同じでも、測る環境の差が、速いソフトを作れるかどうかの差になる。

推論では1割前後まで縮み、学習では大きく残る差

AMDのROCm（同社GPU向けのソフト一式で、CUDAに当たるもの）は、2026年時点で主要なAI開発ツールの公式対応を得ている。よく使われる推論ソフトを使えば、標準的な大規模言語モデルの推論で、エヌビディアのH100の9割から9割5分の処理速度が出る。推論の定型的な部分では、差はもう1割前後しかない。エージェントは、この残りを詰める作業で役に立つ。AMDが2026年8月に、エージェント向けの開発支援をひとまとめにした仕組みを発表したのも、この作業を狙ったものと読める。

埋まっていない部分もはっきりしている。エヌビディアの高速化ソフトや、AI計算を効率化する定番の実装に当たるものがAMD側にはなく、GPUの命令の単位まで書き込んだコードは人が手で移し替えるしかない。学習では、数千台のGPUを止めずに同じ歩調で動かし、1台壊れても計算をやり直さずに済ませる仕組みが要り、ここはまだ差が大きい。

元記事では、韓国のAIチップ企業のCOOが「推論ではCUDAはもう決め手ではなくなる」と述べ、Modularの共同CEOは「騒がれすぎている」と反論している。数字を見る限り、2人の話は食い違っていない。前者は推論の定型部分の話で、後者は本番環境での細かい調整の話をしている。自分の見立てでは、1年ではほとんど変わらない。1〜3年で推論の標準的な使い方はどのチップでも成り立つようになり、学習と最先端の高速化はもうしばらくCUDAが有利なまま残る。

すでに複数のメーカーから買っている、チップを大量に買う十数社

エヌビディアのAI向け半導体の売上シェアは、推計に幅はあるものの7割から8割台とされる。AMDは5〜7%、インテルは1%程度で、グーグルやアマゾンなど自社でチップを設計している大手クラウドを合わせると15〜20%になる。ただし、これは金額で数えた数字だ。エヌビディアの製品は単価が高く、自社製チップは社内の費用として扱われて売上に出てこない。台数で数えると、自社設計チップを積んだサーバーはすでに全体の3割近くに達しているという集計もある。

投資家として見たいのは、誰がチップの乗り換えを決めるかだ。開発者は400万人いるが、チップを何万枚買うかを決めているのは十数社しかない。その十数社は、すでに複数のメーカーのチップを使い始めている。

たとえばAnthropicのAIは、エヌビディアのGPU、グーグルのTPU（同社が自社で設計したAI計算用のチップ）、アマゾンのTrainium、AMDのGPUという4種類のチップの上で動いている。Trainiumは100万個以上を使い、グーグルとは数ギガワット規模のTPUの調達で合意した。2026年7月にはAMDと最大2ギガワット規模の契約を結び、AMDがAnthropicに最大50億ドルを出資することも決まった。稼働は2027年前半に始まる。

大口の買い手は、CUDAの代わりが広まるのを待たずに、すでに調達先を分けている。動機は、エヌビディアとの値段の交渉で強く出られるようにすることと、1社に頼るリスクを避けることだ。元記事はエージェントを主役に据えているが、エヌビディアへの影響がいちばん大きいのは、グーグルが自社チップを外に売り始めたことだと考えている。次が供給を1社に頼るリスクで、エージェントによる移植の手間の減少はその後に来る。

グーグルは、これまで自社のデータセンターの中でしか使わせなかったTPUを、2026年4月30日の決算説明で、選んだ顧客のデータセンターに納める形で売ると表明した。Metaとも数十億ドル規模の導入が協議されていると報じられ、Anthropic向けには2027年から供給が始まる。AIがコードを書けるかどうかと関係なく、買い手が選べるチップは増えていく。

乗り換えのいちばんの壁は、他社のチップが中古で売れないこと

AI用のデータセンターの多くは、借入で建てられている。数千億円を借りてチップを買う側からすると、そのチップが数年後にいくらで売れるかが分からなければ、社内の承認も銀行の融資も通りにくい。担保としての値打ちを見積もれないからだ。

エヌビディアのGPUには、この値段がついている。H100は中古でも1台あたり数百万円で取引され、時間貸しの料金も、安いところで1時間1ドル台後半、大手クラウドを通すと6ドル前後と、幅はあっても相場が立っている。買った後で余れば貸せるし、要らなくなれば売れる。金融の言葉でいえば、エヌビディアのGPUには流動性（換金のしやすさ）がある。7月3日の記事で見たとおり、余ったGPUを貸し出すと高い賃料でも借り手がつき、古い世代のGPUの中古価格もむしろ上がっていた。

AMDのGPUやグーグルのTPU、アマゾンのTrainiumには、この相場がまだない。中古の取引はほとんどなく、時間貸しの料金も公開された指標になっていない。ソフトがどれだけ整っても、お金を借りてチップを買う側にとって、売りにくいという不利は残る。AMDやTPUの時間貸しの料金が指標として公表され、中古で売り買いされるようになった時が、本当の転換点になると考えている。

AIをいちばん使いこなしているのはエヌビディア自身

チップの設計では、エヌビディアは社内のデータで学習させた専用のAIをかなり前から使っている。130億パラメータ（AIモデルの大きさの目安）という小さめのモデルでも、設計の仕事に限れば700億パラメータの汎用モデルと同等以上の成績だったと報告している。2026年7月には、物理シミュレーション用のライブラリとCUDA-Xを自社のエージェント開発基盤に組み込み、設計・検証・パッケージングまで自律的に動くAIに任せる方向を打ち出した。回路記述の自動生成では同社の最新モデルが公開モデルのなかで首位の成績を出し、不具合修正の課題は全問正解だった。設計ソフト大手のCadenceやSynopsysも、この仕組みを自社製品に組み込んでいる。

CUDAそのものの改良にもAIを使い、新しい計算ライブラリを足し続けるほか、カーネルの高速化もエージェントに任せている。ジェンスン・フアンCEOは、年俸50万ドルのエンジニアが25万ドル分のAIトークン（AIの利用量の単位）を使っていなければ深刻に心配する、という趣旨の発言をした。給料とは別にトークンの予算を渡すべきだとも言い、1カ月かかっていた開発が30分になった例を挙げている。

AI計算の資源をいちばん多く優先的に使え、20年分のCUDAのコードと実測データ、計測の道具を自前で持つ会社が、いちばん速くエージェントを回せる。AIがCUDAの優位を埋めるという話は、エヌビディアが同じAIでその優位を広げていることを勘定に入れないと成り立たない。

まとめ

ここから先は、個人的な予測を多く含む。日本株を見ている立場で気になるのは、AI用の半導体が全体でどれだけ作られるかだ。買い手がGPUの一部を自社設計チップに振り替えても、作るのは同じ台湾の工場で、検査もパッケージも同じ工程を通る。製造装置や検査の会社の業績は、どのチップが勝つかより、作られる総量が伸び続けるかどうかで決まる。逆に、GPU1枚あたりの高い値付けを前提に業績を伸ばしてきた部分は、買い手の選択肢が増えるほど利幅を削られやすい。あくまで個人の予想だが、この2つは同じニュースに逆向きに反応するはずだ。

このあとは、次の動きを追いかける。

• 新しいAIモデルが公開された当日に、AMDやTPUでもエヌビディアと同時に動くようになるか（いちばん早く変化が出る）
• AMDのGPUやTPUの時間貸しの料金が、誰でも見られる相場として公開されるか（乗り換えの速さをいちばん大きく変える）
• エヌビディアのデータセンター売上の伸びが、四半期ごとに見て鈍り始めるか

出典: Business Insider Japan「AIはエヌビディアを無敵にしたソフトウェアを書き換え始めている」（2026年8月）、KernelBench-Verified: Do LLM-Generated Kernels Actually Beat PyTorch?（arXiv:2607.16241）、Yahoo Finance「Google to sell TPU chips to 'select' customers in latest shot at Nvidia」（2026年4月30日）、AI News「AMD to invest up to $5 billion in Anthropic」（2026年7月）、NVIDIA Newsroom「NVIDIA Expands NVIDIA Agent Toolkit」（2026年7月27日）

※本記事は公開情報に基づく情報整理であり、個人の見解を含みます。特定の銘柄の売買や投資を推奨するものではありません。投資判断はご自身の責任においてお願いいたします。