Google TPU がメタのデータセンターを強化し、Nvidia に直接挑戦

Google は初めて Meta に TPU を販売し、そのチップはすでに Meta のデータセンターで稼働しています。これは Nvidia のハードウェア優位性に対する直接的な挑戦です。

2026 年 10 月 22 日に発行された Tom's Hardware のレポートによると、Google のテンソル処理ユニットは現在、Meta のデータセンター内で実行されています。これは、Google がカスタム AI チップを自社のクラウド経由ではなく展開されたハードウェアとして外部の顧客に販売するのはこれが初めてです。この動きは、Nvidia の GPU が長い間、大規模モデルのトレーニングとサービスのデフォルトの選択肢となってきた AI ハードウェア市場における歴史的な変化を示しています。

業界では長年、たとえ代替品が登場したとしても、Nvidia の CUDA ソフトウェアエコシステムによって GPU は代替不可能なものになったと考えられてきました。この思い込みを打破するのに最も有利な立場にある 2 つの企業によって、現在その前提が試されています。この四半期のMetaの膨大なAIインフラ支出に加えて行われる今回の契約は、ハイパースケーラーがコンピューティングの独立性をいかに真剣に追求しているかを示している。このストーリーは、当社のホームページaibuzzwire.newsで毎日取り上げられる最新のAI開発でさらに詳しく知ることができる。

トーチTPUからスチールとシリコンへ

この瞬間のための基礎は、わずか 2 日前に公に築かれました。 10 月 20 日、Google と Meta は共同で、Google の TPU のネイティブ PyTorch バックエンドである TorchTPU をオープンソース化したと、TorchTPU チームによる公式 PyTorch ブログで発表しました。このプロジェクトは、Meta の PyTorch チームと協力して 2025 年半ばに Google で始まりました。これまでの取り組みではうまく管理できなかったことを実現します。つまり、簡単なコード変更で既存の PyTorch ワークロードを TPU 上で実行できるようになり、基本的に `.to("cuda")` を `.to("tpu")` に置き換えます。

2020 年にリリースされた Google の以前の試みである PyTorch/XLA は、煩雑なソースコードの変更を必要とし、コンパイル時間が長く、PyTorch のネイティブの積極的実行モードのサポートが不足していたため、これは重要です。 TPU を試した多くのチームは、開発者のエクスペリエンスがあまりにも苦痛だったため、結局 Nvidia GPU に戻ってきました。 TorchTPU は、ランタイムに JAX 依存関係がなく、古い Lazy Tensor アプローチではなく、Torch Dynamo 上に構築された torch.compile 統合を使用して、この問題を解決するように明示的に設計されました。

メタが取引から得られるもの

GoogleとMetaが公表した技術的成果は注目に値する。 Yahoo Tech が報告した詳細によると、TorchTPU スタックは 5,000 の Hugging Face モデルに対して検証されており、Google の DeferAndFuse 実行モードは厳密な熱心な実行と比較して 50% 以上のパフォーマンス向上を実現します。ベンダーのケーススタディでは、Meta の Llama 3 405B モデルが 128 ～ 1,024 個の Ironwood TPU のクラスターでモデル FLOP 使用率が 57 パーセントに達していることが示されています。この数字は、自己申告ではありますが、チップがフロンティア規模のトレーニングワークロードを適切に実行できることを示しています。

経済のほうが大きな話です。 TPU は、トップエンドの Nvidia GPU よりもコストが大幅に低いと長い間噂されており、AI 研究の野心とレコメンデーションシステムの両方をカバーする Meta のコンピューティング意欲を持つ企業には、単一のサプライヤーから多角化するあらゆるインセンティブがあります。ブルームバーグは、メタとグーグルがメタのデータセンターへのTPU導入について協議していると2025年11月まで遡り、2025年12月にロイター通信がトーチTPUに関する提携を報じた。現在変わっているのは、取引が協議から導入へと移行し、チップが物理的にメタの施設に設置され稼働しているとトムズ・ハードウェアが報告したことだ。

Nvidia の鎧にひび割れ

Nvidia は依然として AI アクセラレータ市場の圧倒的多数を占めており、そのデータセンター収益は依然としてすべての競合他社が追い求めているベンチマークです。しかし、力関係は変化しつつあります。 TechCrunchがTorchTPUの発売に関する報道の中で述べたように、GoogleはAmazonと協力して、開発者をハードウェアに縛り付けているソフトウェア層におけるNvidiaの牙城を攻撃した。一方、Meta は交渉の影響力を獲得します。設置するすべての TPU ラックは、Nvidia の価格設定で購入する必要のなかった GPU のラックです。

圧力は複数の方向から同時にかかってきます。 Amazon には Trainium チップがあり、Google には TPU があり、新興企業の波が推論専用のアクセラレータを構築しています。メタ展開が他と異なるのは、規模と可視性です。 Meta は Nvidia の最大の顧客の 1 つであり、そのエンジニアリングチームが TPU がトレーニングと推論の両方のワークロードのかなりの部分を担えると結論づければ、他の大手バイヤーも細心の注意を払うでしょう。

注意事項

これはいずれも、Nvidia の地位が一夜にして崩壊することを意味するものではありません。 PyTorch ブログ自体は、モデルはすぐに TPU で実行できるものの、モデルの形状、シャーディング戦略、カーネル実装は通常 GPU アーキテクチャに合わせて調整されているため、ピークのパフォーマンスを達成するにはハードウェアを意識した最適化が必要であると警告しています。 TPU 命令セットは Nvidia のものとは異なり、ツール、ライブラリ、経験豊富なエンジニアのエコシステムは引き続き GPU 中心となっています。

供給の問題もあります。 Google はこれまで、社内ワークロードとクラウド顧客向けに TPU を予約しており、カスタムアクセラレータの製造能力は無制限ではありません。 Google が Meta の総コンピューティングフットプリント (ほとんどの企業の規模よりも小さい) にとって意味のある規模で TPU を供給できるか、あるいは供給したいかどうかは未解決の問題のままです。

次に見るべきもの

当面監視すべきシグナルは、他のハイパースケーラーが Meta の先例に従うかどうか、Nvidia が価格設定に関してどのように対応するか、TorchTPU のオープンソースの勢いが PyTorch ワークロードの TPU インフラストラクチャへの真の移行につながるかどうかです。 AI ハードウェア市場は、Nvidia に代わる信頼できるトップエンド製品を何年も待ち続けてきました。 TPU が第 2 企業のデータセンターで稼働するようになったことで、ようやくその待ち時間が終わるかもしれません。