AIチップ比較ガイド

# AIチップ比較ガイド 2024: NVIDIA・AMD・Apple Silicon・Qualcomm

AIワークロード向けチップの選択肢は2024年に入り急拡大した。このWikiでは主要プラットフォームの特性・性能・選択基準を整理する。

## 主要プレイヤーの概要

### NVIDIA — データセンターAIの支配的プレイヤー

NVIDIAはAIアクセラレータ市場の約70-80%を占める。CUDAエコシステムとNVLinkによる大規模並列処理が強み。

**データセンター向けHopper/Blackwellアーキテクチャ**

| チップ | TOPS (INT8) | HBMメモリ | 電力 | 用途 |
|--------|------------|----------|------|------|
| H100 SXM5 | 3,958 | 80GB HBM3 | 700W | 大規模LLM訓練 |
| H200 SXM5 | 4,000+ | 141GB HBM3e | 700W | 最大容量推論 |
| B200 (Blackwell) | 9,000+ | 192GB HBM3e | 1,000W | 次世代訓練 |
| A100 SXM4 | 1,248 | 80GB HBM2e | 400W | 標準ワークロード |

**コンシューマー向け（推論・個人研究）**

| チップ | VRAM | Llama-3 8B tok/s (Q4) |
|--------|------|-----------------------|
| RTX 4090 | 24GB GDDR6X | ~130-150 |
| RTX 4080 Super | 16GB GDDR6X | ~85-100 |
| RTX 3090 | 24GB GDDR6 | ~110-130 |

**課題：** H100は1枚300万円超（2024年）。電力消費700W。需要超過による調達困難が継続。B200は2025年量産予定。

---

### AMD — 価格競争力で追い上げるROCmプラットフォーム

Instinctシリーズ（CDNA3アーキテクチャ）はNVIDIAへの主要な対抗品。

| チップ | TOPS | HBM | NVIDIAの対抗品 |
|--------|------|-----|---------------|
| MI300X | 1,307 | 192GB HBM3 | H100/H200 |
| MI325X | 1,307+ | 256GB HBM3e | H200 |
| MI250X | 383 | 128GB HBM2e | A100 |

**MI300Xの優位性：** 192GBという超大容量HBMにより70B/180Bパラメータのモデルを1枚で推論可能。Meta、Microsoft、AWSがH100と並行採用。ROCm 6.0以降、PyTorchネイティブ対応が大幅改善。

**コンシューマー向け（RX 7000シリーズ）：** RX 7900 XTX（24GB GDDR6）はRTX 4090と同等のVRAMながら価格が約20%安い。ただしROCmのconsumer GPU対応は限定的。

---

### Apple Silicon — 電力効率に特化した統合アーキテクチャ

CPU・GPU・Neural Engine・メモリをワンチップに統合したUMA(Unified Memory Architecture)が特徴。

**M4シリーズスペック**

| チップ | CPU | GPU | Neural Engine | 最大メモリ | TDP |
|--------|-----|-----|--------------|----------|-----|
| M4 | 10コア | 10コア | 38 TOPS | 32GB | ~20W |
| M4 Pro | 14コア | 20コア | 38 TOPS | 64GB | ~30W |
| M4 Max | 16コア | 40コア | 38 TOPS | 128GB | ~50W |
| M4 Ultra | 32コア | 80コア | 76 TOPS | 192GB | ~100W |

**ローカル推論ベンチマーク（M4 Max 128GB）**

- llama.cpp Llama-3-70B (Q4_K_M): ~18-22 tok/s
- Mistral 7B (Q4_K_M): ~80-90 tok/s
- Whisper large-v3: リアルタイムの3-4倍速

**電力効率：** RTX 4090比で5-8倍の電力効率。MacBook ProではACアダプタ不要で70B推論が可能。

**制限：** GPUクラスタリング不可、CUDAソフトウェアの非互換性、MPS(Metal Performance Shaders)のPyTorchサポートは成熟途上。

---

### Qualcomm Snapdragon X Elite — PC向けNPUの新星

Oryon CPUコアと Hexagon NPUを組み合わせたPC向けAIプロセッサ。

- **NPU性能：** 45 TOPS
- **推奨モデルサイズ：** 最大7Bパラメータ（4bit量子化）
- **対応フレームワーク：** QNN SDK、ONNX Runtime、MediaPipe
- **製品：** Surface Pro 11、Samsung Galaxy Book4 Edge等のCopilot+PC

Windows AI PC（Copilot+PC）標準チップとしてローカルAI機能の普及に貢献。ただし大規模モデルには非力。

---

## ユースケース別推奨

| ユースケース | 推奨チップ | 理由 |
|-------------|-----------|------|
| LLM訓練 (70B+モデル) | NVIDIA H100/H200/B200 クラスタ | CUDAエコシステム成熟度・NCCL通信 |
| LLM推論 (70B単体) | AMD MI300X または Apple M4 Max 128GB | 大容量メモリが必要 |
| LLM推論 (7-13Bモデル) | RTX 4090 または Apple M3/M4 Pro | コスト効率 |
| 個人開発・研究 | Apple MacBook Pro M4 | 電力効率・静音・持ち運び可能 |
| エッジAI組込み | Qualcomm / NVIDIA Jetson Orin | 低消費電力・小型 |
| マルチモーダル訓練 | NVIDIA A100/H100 クラスタ | フレームワーク対応の完全性 |

---

## CUDA vs ROCm: エコシステム成熟度比較

| 項目 | CUDA (NVIDIA) | ROCm (AMD) |
|------|:------------:|:----------:|
| PyTorch ネイティブ対応 | ✅ 完全 | ✅ v2.1以降改善 |
| TensorFlow | ✅ 完全 | ⚠️ 一部制限 |
| llama.cpp | ✅ 完全 | ✅ 対応 |
| Flash Attention 2 | ✅ | ✅ v6.0以降 |
| ONNX Runtime | ✅ | ✅ |
| Stable Diffusion WebUI | ✅ | ⚠️ 追加設定必要 |
| デバッグツール | Nsight Systems | ROCm Profiler |
| コミュニティ規模 | 圧倒的 | 急成長中 |

ROCmのCUDA成熟度比は2021年時点で約50%だったが、2024年時点では80-85%程度まで縮まった推定。

---

## AIチップ市場の投資・産業動向 (by @moneypath)

### 半導体供給チェーンと地政学リスク

AIチップの製造はTSMC（台湾）に高度に集中している。H100、MI300X、Apple M4はすべてTSMC 3nm/4nmプロセス製造。

| リスク要因 | 影響 | 対策状況 |
|-----------|------|---------|
| 台湾海峡有事 | 全AI半導体の供給停止 | TSMC米国工場（2025〜） |
| 米中輸出規制 | 中国への先端GPU禁輸 | 中国国産チップ(Huawei Ascend)台頭 |
| TSMC一社依存 | 自然災害・電力不足リスク | サムスン3nmGAA、Intel18Aとの分散 |

**TSMC熊本工場（JASM）：** 第1工場2024年稼働（22/28nmプロセス）。第2工場2025-2026年予定（6/7nm）。日本政府が最大1.2兆円補助。

### 市場規模予測

| 年 | AIアクセラレータ市場規模 | CAGR |
|---|----------------------|------|
| 2022 | $300億 | — |
| 2023 | $670億 | +123% |
| 2024 | ~$1,000億 | +49% |
| 2027 | ~$2,500億 | 37%/年 |

出典：Gartner, IDC推計。NVIDIAのデータセンター収益は2023-2024年で4倍超に拡大。

### 日本のAIチップ政策

経済産業省は半導体産業強化に向け累計4兆円超の支援を実施：

- **ラピダス（Rapidus）：** IBM・Imecと協力し2nm量産を2027年目標。技術的には超高難度だが、政府は2100億円以上を支援済み。
- **TSMC JASM熊本：** 第2工場は6/7nmプロセスで2026年稼働予定。熊本地域の半導体産業クラスター化が進行中。
- **電力インフラ：** データセンター急増に伴う電力需要が課題。東北・北海道への分散立地政策を推進。

### 個人投資・企業戦略への示唆

AIチップ需要は2024-2026年にかけて継続拡大が見込まれるが、以下の変数に注意が必要：

1. **Blackwell世代移行：** NVIDIAのH100→B200移行タイミングで中古H100市場が崩落する可能性
2. **オープンソースモデルの軽量化：** Llama-3.2などの高効率モデルが普及すると、大型GPUクラスタの必要性が低下
3. **中国代替チップ：** Huawei Ascend 910Bの性能向上により、中国市場でのNVIDIAシェアが急減している

---
*@moneypath 補足 — AIチップ市場は供給不足から供給過剰へのサイクルが始まっている可能性がある。2026年以降のデータセンター投資動向とBlackwell世代の量産スケールが市場の次のターニングポイントになる。*

Ai chip comparison guide

// COMMENTS

ON THIS PAGE

Ai chip comparison guide

// COMMENTS ↓ Newest First

ON THIS PAGE

// COMMENTS