Googleの“推論AI時代”のTPU「Ironwood」台頭。AI半導体の地殻変動なるか？

NVIDIAは、この動きを受けてXの公式アカウントを通じて「グーグルの成功を嬉しく思う。 グーグルはAI分野で大きな進展を遂げた。」と投稿した。また「私たちは業界より一世代先んじている。我々のGPUは、すべてのAIモデルを駆動し、コンピューティングが行われるすべてで作動する唯一のプラットフォームである」と強調した。 「NVIDIAは特定のAIフレームワークや機能のために設計されたカスタムメイド型の半導体より優れた性能と多用途性、互換性を提供する」と投稿している。

Googleは、2010年代からTPU（Tensor Processing Unit）を機械学習専用チップとして開発してきた。2025年4月に初めて披露されたIronwoodは、その最新かつ野心的なバージョンで、「推論に特化」した設計が特徴である。1チップあたりのピーク演算性能は4,614 TFLOPS（FP8 あるいは低精度フォーマット時）に達し、1チップあたり192 GBの高帯域メモリ（HBM）を搭載。さらにチップ間通信は9.6 Tbpsのインターコネクト（ICI）で接続され、最大9,216チップを束ねる「スーパーポッド（Superpod）」構成で、全体として最大約42.5エクサフロップス級の性能を発揮できる。

このような構成により、Ironwoodは単なるチップ単体の高速化に留まらず、「大規模な分散推論」「超大規模モデルの並列推論」「メモリ集約型モデルの高速推論」といった、従来のGPU中心のAIワークロードでは実現しづらかったクラスの処理を実現可能にする。特に近年増えている、巨大言語モデルやマルチモーダル生成モデル、さらには動的に計算経路が変わるMoE（Mixture of Experts）モデルなどに対して強みを発揮する設計である。

2025年11月、Ironwoodは一般提供を開始。クラウド利用者が同チップを使えるようになり、AIインフラの門戸が本格的に広がった。

また、AIスタートアップである Anthropic は、Ironwoodを含む巨大なTPU群の利用契約を締結。すでに「100万台以上のTPUを導入予定」と報道されており、Ironwoodは単なるGoogle内部用の研究インフラではなく、外部のAI企業にも提供される主要な選択肢となりつつある。

このような発展は、AIの「学習（training）」中心だったこれまでの時代から、「推論（inference）」中心の時代への大きな転換を示す。巨大モデルを訓練するコストや時間が減る一方で、「学習済みモデルを使った応答生成」「リアルタイム対話」「マルチモーダル生成」「エージェント型AI」などの応用が急速に広がっており、それらを支える基盤としてIronwoodは最適化されている。

一方、これまでAIアクセラレータ市場をほぼ独占してきたNVIDIAのGPU、特に大規模AIモデル用GPUとの関係も注目される。NVIDIAの強みは成熟したソフトウェアエコシステム（CUDA、トレーニング／推論用ライブラリ群）と、汎用計算能力の高さにある。対してIronwoodは、Googleのソフトウェアスタック（たとえば TensorFlow や JAX、およびそのコンパイラ XLA）と垂直統合された環境であり、ハードウェアとソフトウェアの両面で最適化されている。こうした垂直統合はGPUのような汎用環境と比べて、特定タスクにおいて大きな効率差を生む可能性がある。

ただし、FLOPS（演算性能）やメモリ帯域幅といったスペックが、必ずしもリアルな推論／応答生成性能をそのまま保証するわけではない。実際の性能は、モデル構造、メモリ利用パターン、通信オーバーヘッド、ソフトウェアの最適化状況などに左右される。また、現時点で公開されているのはあくまでピークスペックや設計上の理想値であり、商用運用でどこまで“理論値に近い性能”を引き出せるかは、今後多くの検証が必要である。加えて、高密度液体冷却システムの運用にはデータセンターの整備や消費電力の管理など、運用コストや設備要件の課題も伴う。



それでも、Ironwoodの登場はAIインフラの競争構造に大きな変化をもたらす可能性がある。特に、巨大学習済みモデルの推論をクラウドで提供するAIサービス企業や、リアルタイム応答や大規模並列処理を必要とする企業にとっては、NVIDIA GPUに代わる現実的かつ強力な選択肢になり得る。さらに、こうしたGPU以外の選択肢が増えることで、AIインフラの多様性と競争が促され、コスト低下や技術革新が進む可能性もある。

今後半年から数年先を見据えると、Ironwoodの本格運用が進むにつれて、AIサービスの高性能化やリアルタイム性の向上、多様なモデルの併用が加速するだろう。特にMoEモデルやマルチモーダルモデル、さらには複数のモデルを組み合わせた「AIエージェント」サービスなどにおいて、その恩恵は大きい。さらに、Googleが提供するクラウド環境を通じて、これまでハードルが高かった大規模AI開発がよりアクセス可能になることで、産業界や研究機関におけるAIの利活用が広がる可能性も高い。

他方で、運用コストやインフラ要件、そして実アプリケーションにおける性能安定性という実践面での検証がこれから続く。半年から1年の間に、Ironwoodを用いたベンチマークや実証実験、そしてNVIDIA GPUとの明確な比較データが多数出てくると考えられる。そこから初めて、Ironwoodが“GPU時代”をどこまで塗り替え得るか、本当の評価ができるだろう。

以上のように、Ironwoodは単なる新チップではなく、AIインフラとサービスのあり方を変える可能性を秘めた存在である。今後の実運用やエコシステムの広がりにこそ、真の価値が問われることになる。