何が明らかになったか

ロイターが関係者3名の話として伝えたところによれば、DeepSeekは自社設計のAIチップ開発を進めています。用途は学習ではなく「推論」——学習済みモデルがユーザーの質問に回答を返す段階に特化した設計です。プロジェクトは初期段階にあり、チップ設計・製造・メモリの各社と協議を進めているといいます。同社はここ数ヶ月、公開求人を出さずに静かにチップエンジニアの採用を続けてきました。

なぜ推論チップなのか

学習用チップの自社開発は難易度が桁違いに高く、NVIDIAのH100/H200が支配する領域です。一方、推論は演算負荷の傾向が異なり、モデル構造に最適化すればコスト・電力効率で優位を作りやすい。OpenAIやAnthropicが自社チップ開発に動いているのも同じ論理で、モデル提供事業者が「自社モデルに最適化した推論スタック」を垂直統合する流れが鮮明になっています。

米輸出規制という制約

米国の輸出規制により、中国企業は最先端GPUと高帯域メモリへのアクセスを断たれています。DeepSeekにとってHuawei Ascend系への依存も含め、選択肢の細さは事業リスクそのもの。自社チップは、地政学リスクをサプライチェーンから切り離すための保険でもあります。

💼 事業会社視点：これは自社にどう効くか

日本の事業会社が読み解くべき論点は3つあります。

1. 「推論コスト」が競争軸に変わる ECやSaaSでLLMを本番運用する企業にとって、推論単価は粗利を直撃する変数です。DeepSeek、OpenAI、Anthropicが揃って自社推論チップに動くのは、モデル提供側が価格を下げる余地を持つことを意味します。ベンダーロックインを避けつつ、モデル切替を前提としたアーキテクチャ(抽象化レイヤ、プロンプト資産の可搬性)を今のうちに用意すべきです。

2. 中国系モデルの選択肢を無視できない DeepSeekがコスト面で優位を持続すれば、社内ツールや非機微データ処理では中国系モデル採用の合理性が高まります。役員はデータガバナンス規程を「米国系前提」から「モデル出自ごとの用途区分」へ更新する必要があります。

3. 受託開発・SIerへの波及 推論基盤の選択肢増加は、提案フェーズの複雑化を意味します。単一クラウドGPU前提の見積は陳腐化します。ハードウェア選定を含む推論最適化コンサルは、今後2年の受注機会になります。