エッジAIはなぜ「必然」なのか──クラウドとの分業が塗り替える半導体の勢力図
- Seo Seungchul
- 2月2日
- 読了時間: 19分
更新日：2月12日
シリーズ: 行雲流水
クラウドコンピューティングが世界を変えたのは、つい最近のことでした。データは雲の向こうに預け、巨大なサーバーが計算を引き受けてくれる。その便利さに私たちはすっかり慣れてしまいました。ところが今、AIの急速な進化が新たな潮流を生み出しています。「エッジコンピューティング」——データを遠くのクラウドに送らず、手元のデバイスで処理してしまおうという発想です。
といっても、クラウドが不要になるわけではありません。むしろ「学習は中央で、実行は現場で」という役割分担が明確になりつつあるのです。スマートスピーカーがようやく「賢く」なり始めたのも、この分業体制が整ったからこそ。ChatGPTのような生成AIが登場してから何年も経つのに、なぜAlexaやSiriは「話が通じない」ままだったのか。そこには、家庭という場所特有の制約がありました。
富良野とPhronaの対話では、エッジコンピューティングが「あれば便利」から「なければ困る」インフラへと変貌している背景を探ります。クラウドとエッジはどこで線を引き、どう使い分けられるのか。そしてこの分業体制の確立は、半導体業界の勢力図をも塗り替えようとしています。NVIDIAの独走は続くのか、それとも新たなプレイヤーが台頭するのか。技術と経済の両面から、静かに進行する変化の姿を追いかけます。
エッジコンピューティングは本当に「必然」なのか
富良野：最近、スマートスピーカーがようやく使い物になってきた気がするんですよ。これまでは「電気をつけて」みたいな単純な命令しか通じなかったのに、文脈を汲んで動いてくれるようになった。
Phrona：Gemini for HomeとかAlexa+とか、名前は聞きますね。でもそれって、クラウドのAIが賢くなっただけじゃないんですか？
富良野：そこが面白いところで、実はそうじゃないんです。スマートスピーカーって、クラウドの進歩をそのまま取り込めない構造的な理由があった。たとえば「1秒の沈黙」の問題。ブラウザでChatGPTを使うときは、数秒待たされても「考えてるな」って思えるじゃないですか。
Phrona：ああ、でも話しかけてから3秒も黙られると、壊れたのかなって思いますよね。
富良野：そう、まさにそれ。あとは「嘘」の問題もある。「明日7時に起こして」って頼んで、10回に1回でも間違えたら製品として致命的でしょう。生成AIは確率で動くから、そこの「確実性」との両立が難しかった。
Phrona：プライバシーの話もありそうですね。リビングの会話を全部クラウドに送るわけにもいかない。
富良野：おっしゃる通りで。それに加えて、ビジネスモデルの問題もあった。生成AIの計算コストは従来の10倍から100倍と言われていて、数千円で売ったスピーカーが使われるたびに赤字になる構造だった。
Phrona：じゃあ、なぜ今になって変わり始めたんですか？
富良野：端的に言えば、「エッジで処理する」技術が成熟したからです。簡単な判断は手元のデバイスで、高度な相談だけクラウドに送る。この役割分担がようやく現実的になった。
Phrona：エッジコンピューティングって、要するにそういうことなんですね。でも私、ちょっと疑問があって。クラウドってすごく便利じゃないですか。わざわざ手元で処理する必要って、本当にあるんでしょうか。
富良野：いい質問ですね。実は、クラウドには3つの「壁」があるんですよ。1つ目は物理的な距離。データが光の速さで移動しても、タイムラグはゼロにならない。自動運転車が障害物を見つけて、クラウドに「止まっていいですか」って聞いて返事を待ってたら事故になる。
Phrona：それは確かに。
富良野：2つ目は通信の帯域、つまり容量の問題。街中の監視カメラの映像を全部フル画質でクラウドに送り続けたら、通信回線がパンクします。現実的じゃない。
Phrona：3つ目は？
富良野：プライバシーと安全性。データを「外に出さない」こと自体が価値になるケースが増えてる。病院の中で医療データを処理するとか、工場の機密情報を外に出さないとか。
Phrona：なるほど。でもそれって、自動運転とか医療とか、かなり特殊な状況じゃないですか？普通の人にはあまり関係ないというか、ニッチな話に留まるような気もするんですけど。
富良野：実はそこが盲点で、もっと経済的な理由があるんですよ。データを送るコストって馬鹿にならない。4Kカメラが24時間稼働すると、生成されるデータ量は膨大になる。全部クラウドに送ったら、通信費とストレージ代だけで利益が吹き飛ぶ。
Phrona：ああ、お金の問題。
富良野：エッジで「異常なし」と判断した99%のデータはその場で捨てて、重要な1%だけをクラウドに送る。このデータダイエットが、実は導入の最大の動機になってる。
Phrona：クラウドの「処理待ち」みたいな問題もあるんですか？
富良野：ありますね。世界中の数千億個のIoTデバイスが同時にデータを投げると、中央のサーバーで渋滞が起きる。全員の計算を1つの巨大な脳でやるより、各自の手元で小分けに処理したほうが効率がいい。
Phrona：中央集権から地方分権へ、みたいな。
富良野：まさにそんな感覚です。ただ、誤解しないでほしいのは、クラウドが要らなくなるわけじゃないってこと。
Phrona：どういうことですか？
富良野：エッジとクラウドは「置き換え」じゃなくて「役割分担」なんです。分かりやすい比喩があって、エッジは「反射神経」、クラウドは「脳」。
Phrona：反射神経と脳？
富良野：熱いものに触れたら、考える前に手を引くでしょう。あれが反射神経。「今すぐ判断しないと危ない」ことはエッジでやる。一方で、「なぜ熱かったのか」を考えて、次から気をつける対策を練るのが脳の役割。長期的な分析や学習はクラウドでやる。
Phrona：なるほど、どっちも必要なんですね。
富良野：そう。それに、最近はAI専用のチップが安くなって、エアコンや冷蔵庫みたいな身近な家電にも載るようになってきた。ネットが切れても動くって、厳格なセキュリティ以前に、単純に便利なんですよ。
Phrona：クラウドに頼りきりだと、Wi-Fiの調子が悪いだけで何もできなくなりますもんね。
富良野：そういうこと。「簡単な判断は手元で、高度な相談はクラウドで」という使い分けが、ようやく技術的にも経済的にも現実的になってきた。これがエッジコンピューティングが「必然」と言われる理由です。
エージェントAI、フィジカルAI、エッジAIの三角関係
Phrona：エッジAIって言葉はよく聞くようになりましたけど、最近は「エージェントAI」とか「フィジカルAI」とか、似たような言葉がいろいろ出てきますよね。あれって、どう違うんですか？
富良野：いい整理のしどころですね。3つの言葉は、それぞれ違う切り口でAIを捉えてるんです。エッジAIは「場所」の話。クラウドじゃなくて手元で処理する、というインフラの話。
Phrona：じゃあフィジカルAIは？
富良野：「身体」の話です。AIが現実世界の物理法則を理解して、実際にモノを動かす。ロボットアームとか自動運転車とかドローンとか。
Phrona：エージェントAIは？
富良野：「役割」の話。目的を与えられたら、手順を自分で考えて実行する。単に「電気をつけて」に反応するんじゃなくて、「リビングを映画を観るのにいい雰囲気にして」って言われたら、照明とエアコンと音響をまとめて調整する。
Phrona：ああ、自分で判断して動くってことですね。でもそれって、3つがバラバラに存在してるわけじゃないですよね。
富良野：そこがポイントで、この3つは組み合わさって動くんです。エージェントAIが「脳」、フィジカルAIが「体」、エッジAIが「神経」。配送ロボットを例にすると分かりやすい。
Phrona：どういうことですか？
富良野：エージェントAIが「A地点まで荷物を運べ」という命令に対して、最短ルートを計算する。途中で子供が飛び出してきたら「止まる、避ける、再開」というプランを自分で立てる。これが脳の役割。
Phrona：なるほど。
富良野：で、飛び出してきた子供を0.01秒で認識するのがエッジAI。クラウドに通信してたら間に合わないから、足元のチップで即座に処理する。これが神経。
Phrona：フィジカルAIは？
富良野：路面の滑りやすさとか、荷物の重さによる慣性とか、物理法則を理解して、荷物を崩さずにピタッと止まるようにモーターを制御する。これが体。
Phrona：3つが揃わないと、現実世界では役に立たないってことですね。
富良野：そういうことです。で、ここからが重要なんですけど、エージェントAIとフィジカルAIが進化すればするほど、エッジAIの重要性が劇的に上がるんですよ。
Phrona：どうしてですか？
富良野：これまでのエッジAIは、何かを見つけて「異常あり」とクラウドに報告するだけの、センサーの延長みたいなものだった。でもエージェントAIと組み合わさると、その場で「意思決定」をしなきゃいけなくなる。
Phrona：クラウドに指示を仰ぐんじゃなくて、自分で判断する。
富良野：そう。道を塞がれたときに「横の芝生を通れば行ける」と判断するのを、0.1秒以内にやらなきゃいけない。この「思考のリアルタイム性」を支えるために、エッジ側の演算能力が必須になる。
Phrona：フィジカルAIの方はどうですか？
富良野：こっちも面白くて、「ワールドモデル」という概念が出てくるんです。
Phrona：ワールドモデル？
富良野：AIが現実世界の物理法則——重力とか摩擦とか慣性とか——を理解するためのモデルです。ロボットアームが卵を掴むとき、滑り具合をミリ秒単位で計算し続けないと割っちゃうでしょう。
Phrona：でもそれって、まだ研究段階の話じゃないですか？完璧な物理シミュレーションなんて、小さなデバイスで動かせるとは思えないんですけど。
富良野：おっしゃる通りで、完璧なものはまだ無理です。でも、目的に特化した「小さなワールドモデル」なら動かせるようになってきた。
Phrona：たとえば？
富良野：自動運転なら「雨が降ってるから、ブレーキをかけてから止まるまでにこれくらい滑るはず」という予測に特化する。倉庫ロボットなら「この箱は見た目より重そうだから、重心はここにあるはず」と推測する。
Phrona：万能じゃなくていいんですね。
富良野：そう、「現実世界で失敗しないための最小限の予測」があればいい。で、この予測を高頻度でループさせる——1秒間に数百回とか——には、クラウド経由じゃ遅すぎる。エッジで完結させるしかない。
Phrona：つまり、脳と体が進化すればするほど、神経が追いつかないと困る、と。
富良野：そういうことです。エージェントAIとフィジカルAIの発達は、エッジAIを「コスト削減の手段」から「システムの生命線」へと押し上げてる。
GPUに代わる主役は誰か
Phrona：エッジで処理するって言っても、結局は計算するためのチップが必要ですよね。NVIDIAのGPUがAIの主役だって話はよく聞きますけど、エッジでもそうなんですか？
富良野：ここが面白いところで、エッジではGPUが「主役」から外れつつあるんです。代わりに台頭してるのが、NPUを中心とした省電力の専用チップ。
Phrona：NPU？
富良野：ニューラル・プロセッシング・ユニットの略で、AIの計算だけに特化した回路です。最近のスマホやPCには、だいたい載ってる。
Phrona：GPUとどう違うんですか？
富良野：GPUは「何でもできる巨大なパワー」。映画のCGも作れるし、AIの学習もできる。でもその分、電気を食うし、発熱もする。エッジのデバイスには、電池や発熱の制約があるでしょう。
Phrona：スマホが熱くなると困りますもんね。
富良野：NPUは「AIの推論だけを圧倒的な効率でこなす」設計になってる。GPUより消費電力が低くて、発熱も少ない。だから小さなデバイスにも載せられる。
Phrona：でも、AIを動かすにはGPUが必要って話、よく聞きますよね。
富良野：そこは「学習」と「推論」を分けて考えると分かりやすいです。AIを「受験生」に例えると、学習は「勉強」、推論は「テスト本番」。
Phrona：ふむ。
富良野：勉強のフェーズでは膨大な過去問を解いてパターンを覚える。これには数千枚のGPUや巨大な電力が必要で、クラウドの大規模サーバーでやる。
Phrona：テスト本番は？
富良野：完成した「賢くなった脳」をスマホやカメラにインストールして、目の前の新しいデータに「これは猫だ」「これは不良品だ」と即座に答えを出す。こっちはNPUの得意分野。
Phrona：なるほど、役割分担があるんですね。NPU以外にも主役候補はいるんですか？
富良野：TPUとかFPGAとか、いくつかありますね。TPUはGoogleがAI専用に開発したチップで、エッジ向けの小さいバージョンもある。指先ほどのサイズで、消費電力は数ワット。
Phrona：FPGAは？
富良野：後から中身を書き換えられるチップです。AIモデルって日々進化するでしょう。FPGAならチップを買い替えなくても、中身を最適化し続けられる。産業用ロボットとか通信基地局で使われてます。
Phrona：じゃあ、GPUはエッジでは出番がないんですか？
富良野：いや、出番がないわけじゃない。NVIDIAも「Jetson」というエッジ向けのチップを出してます。ただ、GPUの強みは「汎用的な重計算」で、エッジで求められる「省電力で効率的」とは方向性が違う。
Phrona：贅沢すぎる、という感じですか。
富良野：そうですね。クラウドでは「何でもできるパワー」が正義だけど、エッジでは「必要な計算だけを最小限のエネルギーで」が正義。ゲームのルールが違うんです。
Phrona：そうなると、エッジとクラウドの境界線ってどこで引かれるんでしょう。
富良野：いい質問ですね。大きく3つのフィルターがある。1つ目は「データの賞味期限」。今この瞬間にブレーキを踏まないと衝突する、みたいな「発生した瞬間にしか価値がないデータ」は100%エッジ。
Phrona：逆に、長期的なデータは？
富良野：先月の工場の稼働率とか、1年分の摩耗データを分析したいとか、時間をかけて集めることで価値が出るものはクラウド。
Phrona：2つ目は？
富良野：通信の経済性。生データを送るコストと、計算するコストの比較。4Kカメラの映像を24時間クラウドに送り続けるより、エッジで解析して「異常なし」という結果だけ送るほうが圧倒的に安い。
Phrona：3つ目は？
富良野：自律性。通信が途切れても自分で動き続けられるかどうか。地下とか災害現場とか、フィジカルAIが活躍すべき場所ほど通信は不安定でしょう。「繋がってないと死ぬシステム」は使い物にならない。
Phrona：結局、どういう棲み分けになるんですか？
富良野：さっきの比喩に戻ると、「反射神経がエッジ、脳がクラウド」という分業ですね。現場で99%の「意味のないデータ」を捨てて物理的な安全を守る。残りの1%をクラウドが吸い上げて、AIをより賢くするための再学習に使う。
Phrona：学習は中央、実行は現場。
富良野：そう、それが当面のスタンダードになりそうです。クラウドが要らなくなるんじゃなくて、クラウドの役割が「日々の判断」から「長期的な知能の進化」にシフトしていく。どっちが欠けてもシステムとして成り立たない。
NVIDIAは王座から滑り落ちるのか
Phrona：ここまで聞いてきて思ったんですけど、エッジAIが主流になると、NVIDIAってどうなるんでしょう。時価総額で世界トップを争うような企業じゃないですか。
富良野：鋭いところを突きますね。結論から言うと、「絶対王者」の座が脅かされるリスクはある。でも同時に、新たな成長エンジンにもなりうる。
Phrona：どういうことですか？
富良野：NVIDIAの時価総額を支えてきたのは、1枚数百万円もするデータセンター向けGPUの独占です。利益率が70〜80%という、とんでもない高収益ビジネス。でもエッジ向けのチップは、そこまでの高価格設定ができない。
Phrona：数千万台のデバイスに安く載せるビジネスですもんね。
富良野：そう、「薄利多売」にならざるを得ない。それに、エッジではQualcommとかAppleとか、「省電力」の戦いに長けたプレイヤーがたくさんいる。NVIDIAの「パワーで圧倒」という武器が通用しにくい。
Phrona：じゃあ、エッジAIが普及するとNVIDIAは厳しくなる？
富良野：そう単純でもないんですよ。NVIDIAは「Omniverse」というロボット用の仮想訓練場を提供してる。エッジで動くAIを作るためには、NVIDIAのクラウド上で数万回のシミュレーションを行う必要がある。
Phrona：エッジが増えても、結局クラウドのGPUが売れる仕組み。
富良野：そういうことです。あと「Jetson Thor」という、ロボット専用の超高性能エッジチップも出してる。他社が「効率」で戦うなら、NVIDIAは「エッジでもワールドモデルを動かせる圧倒的性能」で差別化しようとしてる。
Phrona：挑戦者の側はどうなんですか？Qualcommとか。
富良野：Qualcommは今、最も「割安からの反発」が期待されてるかもしれない。これまで「スマホの会社」と見られてきたけど、PC用チップや車載AIでNVIDIAのシェアを削り始めてる。
Phrona：Armはどうですか？
富良野：Armは面白い立ち位置で、エッジデバイスの9割以上にその設計図が採用されてる。自分でチップを作るんじゃなくて、設計をライセンスする。
Phrona：通行料を取るビジネス。
富良野：そう、「知能の設計図」を押さえることで、市場が拡大すれば自動的に恩恵を受ける構造。ただ、株価が割高なので、成長が少しでも予想を下回ると急落しやすい。
Phrona：AppleとかGoogleはどうなんですか？
富良野：彼らはまた違うゲームをやってますね。チップそのものよりも、その上で動く「体験」を支配しようとしてる。
Phrona：どういうことですか？
富良野：Appleは自社設計のチップに強力なNPUを載せて、ユーザーのデータを一切外に出さない「Apple Intelligence」を展開してる。「プライバシーを守る最強のエッジAIが欲しければiPhoneを買え」というモデル。
Phrona：Googleは？
富良野：GoogleはGeminiというAIを、家庭のスマートスピーカーから産業用カメラまで、あらゆるエッジに供給しようとしてる。AppleのSiriの裏側にGeminiが載るという話もある。
Phrona：デバイスを押さえるApple、知能を押さえるGoogle、という感じですか。
富良野：まさにそんな構図。チップを売るNVIDIAやQualcommとは、収益の源泉が違う。
Phrona：Marvellという会社も聞いたことあるんですけど。
富良野：Marvellは「エッジとクラウドを繋ぐ神経」を押さえようとしてる会社ですね。AmazonのAIチップの設計を支えてたり、データを瞬時に運ぶための光技術を持ってたり。
Phrona：裏方のインフラ。
富良野：そう。クラウドの大手が「NVIDIAへの依存を減らすために自社チップを作りたい」と思ったとき、真っ先に頼られるのがMarvell。顧客が巨大企業に集中してるリスクはあるけど、成長性は高い。
Phrona：結局、誰が「次のNVIDIA」になるんでしょう。
富良野：正直、1社が総取りする時代じゃなくなってきてると思います。「演算の覇者」「エコシステムの覇者」「接続の覇者」が並立する。NVIDIAは依然として重要だけど、唯一絶対の存在ではなくなる。
Phrona：それはNVIDIAにとっては悪いニュースですか？
富良野：難しいところで、「期待値が高すぎる」という問題があるんですよ。過去数年で株価が何倍にもなったから、少しでも成長が鈍化すると売られやすい。物理AI用のチップが普及すればもう一段の成長もあるけど、クラウド時代ほどの爆発は期待しにくい。
Phrona：挑戦者たちの勝ち筋は何ですか？
富良野：Qualcommなら「数の暴力」。スマホ・車・家電のすべてに載る。Armなら「通行料」。すべてのエッジチップから少しずつ取る。AppleとGoogleなら「サービス課金」。便利すぎてエコシステムから抜け出せなくなる。
Phrona：チップを売るビジネスと、プラットフォームを支配するビジネスの違い。
富良野：そうですね。で、この2つが合体して「自律型のエージェント」を作り上げてるのが今の状況。「Gemini for Home」みたいなサービスって、まさにその交差点にある。
Phrona：家が一つの大きなエッジデバイスになる、みたいな話ですね。
富良野：そう、センサーやカメラがデータを集めて、エッジで処理して、必要なときだけクラウドと連携する。その「知能を持った空間」を誰が支配するかが、次の10年の勝負になる。
Phrona：NVIDIAの王座が揺らぐかどうかより、ゲームのルール自体が変わってるってことですね。
富良野：そういうことです。「計算力を売る」時代から「生活の中に溶け込む知能を誰が握るか」の時代へ。静かだけど、かなり大きな地殻変動が起きてる。
ポイント整理
スマートスピーカーが「出遅れた」理由は4つのジレンマにあった
①1秒以上の沈黙が許されないリアルタイム性
②生成AIの「もっともらしい嘘」が実用的なタスクでは致命的
③家庭という最もプライベートな空間でのデータ収集の難しさ
④生成AIの計算コストが従来の10〜100倍という収益構造の問題。2026年になってようやく条件が揃い、「Gemini for Home」や「Alexa+」が登場した。
エッジコンピューティングは「ニッチ」ではなく「必然」になりつつある
クラウドには「物理的距離による遅延」「通信帯域とコストの限界」「プライバシーと安全性」という3つの壁がある。
加えて、データを送る通信コストの削減、クラウドの処理待ち問題の回避、オフラインでの動作という経済的・利便性的な理由からも、エッジ処理への移行が進んでいる。
ただし、エッジはクラウドを「置き換える」ものではなく「役割分担」。エッジは「反射神経」（即時判断）、クラウドは「脳」（長期的な分析・学習）という分業体制が確立しつつある。クラウドが不要になるのではなく、クラウドの役割が「日々の判断」から「長期的な知能の進化」へシフトしていく。
エッジAI・フィジカルAI・エージェントAIは三位一体で進化する
エッジAIは「場所（神経）」、フィジカルAIは「身体」、エージェントAIは「役割（脳）」という異なる切り口。エージェントAIが自律的に判断し、フィジカルAIが現実世界で動くためには、エッジAIによるリアルタイム処理が不可欠。この3つが組み合わさることで、AIは「画面の中のソフトウェア」から「現実世界で共に動くパートナー」へと進化する。
ワールドモデルは「不完全でも必須」
AIが現実世界で動くためには、物理法則（重力、摩擦、慣性など）を予測する「ワールドモデル」が必要。完璧な物理シミュレーションは無理でも、「雨天時のブレーキ距離」や「箱の重心」など目的特化型の小さなモデルがエッジで動き始めている。高頻度のループ（1秒間に数百回）を回すにはクラウド経由では遅すぎ、エッジでの完結が必須。
エッジではGPUに代わりNPU・TPU・FPGAが主役に
GPUは「何でもできる汎用的なパワー」だが、電力消費と発熱が大きい。エッジでは「AIの推論だけを最小限のエネルギーで」行うNPUが主役。AIには「学習（勉強）」と「推論（テスト）」の2フェーズがあり、学習はクラウドのGPU、推論はエッジのNPUという役割分担が確立しつつある。
エッジとクラウドの境界線は3つのフィルターで決まる
①データの賞味期限（瞬時に価値があるか、長期的に集めて価値が出るか）
②通信の経済性（生データを送るコストと計算コストの比較）
③自律性（通信が途切れても動き続けられるか）。
NVIDIAの「絶対王者」の座は安泰ではないが、消えることもない
エッジ向けチップは高価格設定ができず、省電力の戦いではQualcommやAppleに分がある。一方でNVIDIAは「Omniverse」（ロボット用仮想訓練場）や「Jetson Thor」（高性能エッジチップ）でエッジ市場にも参入。「AIを育てるクラウド」と「AIを動かすエッジ」の両方を押さえようとしている。
半導体業界の勢力図は「多極化」へ向かう
Qualcommは「スマホ・車・家電すべてに載る」数の暴力、Armは「すべてのエッジチップから通行料を取る」ライセンスモデル、AppleとGoogleは「サービス課金」でユーザーを囲い込む。チップを売るビジネスとプラットフォームを支配するビジネスが並存し、1社総取りの時代ではなくなる。
キーワード解説
【エッジコンピューティング】
データをクラウドに送らず、発生した現場（エッジ）で処理する手法。遅延の削減、通信コストの削減、プライバシー保護などのメリットがある。
【エッジAI】
エッジデバイス上でAIの推論処理を行う技術。スマホの顔認証や車載AIチップなどが典型例。
【エージェントAI】
目的を与えられると手順を自分で考えて実行する自律的なAI。単なる命令への反応ではなく、状況に応じた判断を行う。
【フィジカルAI】
物理法則を理解し、現実世界に作用するAI。ロボットアーム、自動運転車、ドローンなど「身体性」を持つAI。
【ワールドモデル】
AIが現実世界の物理法則（重力、摩擦、慣性など）をシミュレートするための予測モデル。
【NPU（Neural Processing Unit）】
AIの行列演算に特化した省電力チップ。GPUより消費電力が低く、スマホやPCに搭載されている。
【TPU（Tensor Processing Unit）】
GoogleがAI（TensorFlow）を高速で動かすために開発した専用チップ。クラウド用とエッジ用がある。
【FPGA（Field Programmable Gate Array）】
ハードウェア構成をソフトウェアで変更できるチップ。AIモデルの進化に合わせて最適化が可能。
【ASIC（Application Specific Integrated Circuit）】
特定用途向けに設計されたカスタムチップ。無駄がなく、コスト・サイズ・省電力に優れる。
【SoC（System on a Chip）】
CPU、NPU、通信モジュールなど複数の機能を1枚のチップに統合したもの。
【Gemini for Home】
Googleが2026年に本格展開を始めた家庭用AIアシスタント。従来のGoogle Assistantより高度な文脈理解と自律的な判断が可能。
【Alexa+（アレクサ・プラス）】
Amazonの次世代音声アシスタント。生成AIを搭載し、起動ワードなしでの会話継続や習慣学習による自動実行が可能。
【Omniverse】
NVIDIAが提供するロボット用の仮想訓練場。物理シミュレーションを通じてAIを学習させるプラットフォーム。
【Jetson Thor】
NVIDIAのロボット・自動車向け高性能エッジチップ。エッジでもワールドモデルを動かせる性能を目指す。