アリババ(Alibaba)は2026年11月19日の決算説明会で、旗艦AIモデル「Qwen」の次世代版を子会社平頭哥半導体(T-Head)の自社開発チップで訓練完了したと発表しました。この動きは、さくらインターネットなど国内クラウド事業者が進めるNVIDIA一極集中のインフラ整備に対して、自社製ASICによる調達複線化という現実的な選択肢を提示しています。
505億元の設備投資とT-Head「真武」シリーズの展開
アリババ集団の呉泳銘CEOは、2027会計年度第2四半期決算説明会において、自社開発チップと自社開発モデルの連携による成果を公表しました。同四半期の設備投資額は約505億人民幣(約1.2兆円)に達し、前年同期比で60%増加しています。
設備投資の主軸はAIインフラの拡張です。これに伴い、AIクラウド・算力サービス部門の調整後EBITDAは前年同期比1.2倍増の88億人民幣(約2,100億円)超を記録しました。AI関連製品の売上高は13四半期連続で前年同期比の倍増を継続しています。
投資の牽引役となるのが、アリババ傘下の半導体設計企業である平頭哥(T-Head)です。アリババは2026年9月に香港証券取引所へ平頭哥のスピンオフ上場申請(A1申請書)を提出しており、同社の独立採算と外部販路拡大を推し進めています。
| チップ型番 | 投入時期 | 主な用途・量産フェーズ |
|---|---|---|
| 真武810E | 2024年第2四半期 | 前世代アクセラレータ、外部顧客へ展開 |
| 真武M890 | 2026年通期 | 全面稼働中、Qwen次世代モデルの事前学習を担当 |
| 真武V900 | 2027年第1四半期 | 学習・推論一体型チップ、同年第2四半期にスーパーノード投入 |
| 真武J900 | 2028年通期 | 次世代アーキテクチャによる大規模量産計画 |
2026年9月22日の「2026杭州雲栖大会」で初公開された「真武V900」は、当初計画の2027年第3四半期から第1四半期へと量産が前倒しされました。
背景には、米国商務省が2026年11月16日に施行した先端半導体のリモートアクセス制限があります。東南アジアや中南米を経由した迂回調達が規制対象となったことで、アリババは2032年までに全世界でデータセンター規模20GW超を目指す長期計画の見直しに着手しました。外資系GPUの調達リスクを回避するため、国内の自社製算力エコシステムへ投資を再配分しています。
参考記事: 大規模言語モデル大手がNVIDIAから集団「離反」:OpenAIやDeepSeekが自社製推論チップ(ASIC)へ…
垂直統合が実現する単位計算コスト(TCO)の圧縮
アリババが旗艦モデル「Qwen」の学習基盤を汎用GPUから自社チップへ移行させた理由は、単位トークンあたりの総所有コスト(TCO)の最小化にあります。
従来の大規模言語モデル(LLM)開発では、NVIDIA製「H100」や「B200」などの汎用GPUクラスタを構築することが業界標準でした。しかし、汎用GPUは広範なワークロードに対応するための回路を多く抱えており、特定のモデル構造に対してはダイ面積あたりの電力効率やメモリ帯域に無駄が生じます。
アリババはモデルのアーキテクチャ設計とチップ設計を同一グループ内で完結させました。Qwenが採用するSparse MoE(Mixture of Experts)や長文コンテキスト処理に特化した演算器をシリコン層に直接実装しています。
独自コンパイラと推論基盤「百煉(Bailian)」を直結させたことで、ハードウェアの理論限界に近い演算効率を達成しました。この垂直統合により、外部サプライチェーンの価格高騰を遮断し、Alibaba Cloud上のモデルAPI提供価格を競合他社より低水準に抑え込んでいます。
参考記事: Qwenが半年で30億DL突破した仕組みとは?Meta・Googleを凌駕する技術革新とFinOpsの分岐点
中国アクセラレータ市場における非GPUの台頭
IDCが2026年10月に発表した調査データによると、2026年上半期の中国データセンター向けAIアクセラレータ出荷量は約200.8万個でした。このうち、ASICやNPUなどの非GPUアクセラレータが101.6万個に達し、汎用GPUの99.1万個を初めて逆転しました。
| ベンダー名 | 市場シェア | 出荷量(概算) | 主力アーキテクチャ |
|---|---|---|---|
| NVIDIA | 34% | 約67.8万個 | 汎用GPU(輸出規制対応モデル中心) |
| ファーウェイ(Huawei) | 28% | 約57.2万個 | 昇騰(Ascend)シリーズ |
| アリババ平頭哥(T-Head) | 7% | 約14.1万個 | 真武シリーズ(ASIC/推論・学習) |
| カンブリコン(Cambricon) | 5% | 約10.0万個 | 思元(MLU)シリーズ |
| 百度(Baidu)昆侖芯 | 4% | 約8.0万個 | 昆侖芯(Kunlunxin) |
ファーウェイや平頭哥を含む中国国内ベンダー4社で、非GPU市場の95%を占有しています。平頭哥の「真武」シリーズは、2026年4月時点で累計出荷量が56万片を超えました。
出荷されたチップの60%以上は社外の法人顧客へ供給されています。自動運転を手掛ける自動車メーカー30社以上、金融機関150社以上など、合計650社を超える企業へ導入が進んでいます。この実績が、呉CEOが掲げる「2031会計年度にクラウド外部収入1,000億ドル、営業利益率20%超」という数値目標の根拠となっています。
参考記事: AI推論インフラとは?CTOが知るべきアーキテクチャ設計とROI最大化戦略
国内インフラ構築とエンタープライズの調達指針
アリババの事例は、日本のAIインフラ戦略に対しても直接的な課題を提示しています。現在、経済産業省の支援を受けた計算基盤整備ではNVIDIA製GPUの確保が最優先されています。しかし、商用サービスの規模が拡大するにつれて、汎用GPUの調達コストと電力消費量が事業採算性を圧迫します。
国内事業者が考慮すべき実務的ポイントは2点あります。
1点目は、推論ワークロードにおける専用ASICの混用です。モデルの学習には汎用性が必要とされる局面が残るものの、外部向けAPI提供や社内エージェントの推論実行では、ワークロードの特性が固定化されます。推論インフラをGPUからコスト効率の高いASICへ段階的に置き換えることで、サーバーラックあたりの消費電力を抑制し、運用コストを削減できます。
2点目は、ソフトウェア層とハードウェア層の結合度向上です。アリババがモデル学習の内製化に成功したのは、T-Headチップに最適化された独自コンパイラと分散学習フレームワークを自社構築したためです。チップ単体の調達にとどまらず、PyTorch等の標準フレームワークとハードウェアを接続するドライバ層の技術者を確保することが、ベンダーロックインを回避する条件となります。
単位トークンコスト最小化に向けた次の打ち手
基盤モデルの運用がPoCから本番環境へ移行する段階において、技術責任者およびインフラ設計者が着手すべきアクションは以下の通りです。
1. 推論ワークロードの切り分けとASIC適正評価
現在のシステム稼働ログから推論タスクのトークン消費量を抽出し、汎用GPUで処理し続ける必要のない定型推論処理を特定します。特定用途向けアクセラレータ(AWS Inferentiaや各種推論専用チップ)を一部導入した場合のレイテンシと削減コストを算定します。
2. オープンウェイトモデルを活用した独自インフラ検証
外部プロプライエタリAPIに依存せず、Qwenなどのオープンウェイトモデルを自社のプライベート環境へ配備する検証を行います。独自データによるファインチューニングおよび量子化を施し、特定のハードウェアに依存しない推論パイプラインを構築します。
3. クラウドベンダー選定基準へのチップ自社化指針の追加
クラウド事業者の選定において、単一GPUベンダーの供給状況に価格が連動する事業者だけでなく、独自のカスタムシリコンを提供している事業者(Google TPU、AWS Trainiumなど)の混成利用を調達要件に組み入れます。
出典: BigGo ファイナンス
出典: 搜狐(Sohu)
出典: 腾讯新闻(QQ News)
出典: 中国证券报
