AIチップをめぐる競争は、シリコンの優劣を争う段階から、「誰がより巨大な資金ループを回せるか」という局面に移りつつあります。GoogleがNvidiaの牙城に挑む手段として選んだのは、より優れたチップを作ることではなく、Nvidia自身が使ってきた「需要を作り出す仕組み」を参考にすることでした。
6月19日付のウォール・ストリート・ジャーナル（WSJ）の報道によると、Googleは自社開発のAIチップ「TPU（テンソル処理ユニット）」を内部利用から外販へと転換する戦略を加速させている。同報道によれば、Googleはニューヨーク州西部のAIデータセンター「Lake Mariner」に32億ドルの財務保証を提供し、施設開発者のTeraWulfおよびFluidStackがAnthropicへGoogleのTPUから演算能力を提供する仕組みを整えた。
さらにルイジアナ州では、Hut 8・FluidStack間の15年リース契約（総額70億ドル）である「River Bend」をGoogleが財務保証しており、テキサス州コロラドシティの演算リース案件（約14億ドル）にも同様の保証を供与している。これらの保証を通じて施設側が有利な条件で資金調達できる構造は、Nvidiaが自社チップへの需要を喚起してきた手法と同一だ。
財務面では、Apollo Global ManagementとBlackstoneが約350億ドルのプライベートクレジット案件を組成し、Broadcomの残存価値保証を組み合わせたSPV（特別目的会社）を通じてGoogleのTPUを調達しAnthropicにリースする構造が確立されている。2026年5月にはGoogleが初めてTPUの外部直販を開始し、推論専用チップも発表した。Blackstoneとの50億ドル提携でCoreWeaveやNebiusに対抗するクラウド会社の設立も進める。NvidiaのCEO、ジェンセン・ファン氏は「AnthropicがGoogleの唯一の主要外部顧客」と反論しており、Nvidiaは依然AIチップ市場の80〜90%（学習用途では90%超）を維持している。
From: 
Google’s AI Chip Strategy Gets More Ambitious｜Wall Street Journal（Yahoo Finance経由）
【編集部解説】
Googleが今回動かしているのは、チップの性能ではありません。「需要をどう作るか」というメカニズムです。
AIチップ市場でNvidiaが80〜90%（学習用途では90%超）のシェアを維持し続けている理由は、GPUの計算性能だけではありません。Nvidiaが長年かけて構築したのは、CUDA（Compute Unified Device Architecture）と呼ばれるソフトウェアエコシステムです。開発者がPyTorchでモデルを書けば自然にNvidiaのGPU上で動く。新しいモデルアーキテクチャが登場すれば、コミュニティが競うようにCUDA向けのカーネル実装を書く。「Nvidiaを使わない選択」は技術的に可能でも、切り替えコストが非常に高い構造になっています。
加えてNvidiaは、財務保証や投資を通じてデータセンター事業者がNvidiaチップを選びやすくする仕組みも使ってきました。チップメーカーが顧客の資金調達を助け、その資金がチップ購入に還流する。業界では「循環融資（circular financing）」と呼ばれるこの構造は、見かけ上の需要が自己強化するループを生み出します。
今回WSJが報じたGoogleの動きは、このNvidiaの手法を参考にしたものです。
財務面では、ニューヨーク州西部のLake Mariner（32億ドル）、ルイジアナ州のHut 8・FluidStack間リース契約River Bend（総額70億ドルをGoogleが保証）、テキサス州コロラドシティ（約14億ドル）という3件の大規模データセンター案件にGoogleが財務保証を供与し、その施設がAnthropicへGoogleのTPUから演算能力を提供する構造になっています。
さらにApolloとBlackstoneが約350億ドルの私募信用取引を組成し、そのSPV（特別目的会社）がGoogle TPUを購入してAnthropicへリースするという多層構造が重なります。Broadcomが残存価値保証を提供することで、シニア債の信用格付けがAnthropicではなくBroadcomの投資適格水準に準じた形になっています。Googleが投資した資金がAnthropicへ渡り、AnthropicがGoogle TPUを使用することでGoogleへ還流するという、Nvidiaが使ってきたものとほぼ同じ設計です。
ソフトウェア面では、TPUの最大の弱点だった「JAX以外で使いにくい」という問題への対処が進んでいます。GoogleはMetaと連携し、PyTorchをTPU上でネイティブに動作させるTorchTPUプロジェクトを推進中です。また、vLLM・SGLangといった主要な推論フレームワークへのTPU対応も進めており、CUDAエコシステムへの依存を前提としていた開発者ワークフローをTPUでも受け入れられる形にしようとしています。
ただし、現時点でこの戦略がどこまで通用するかについては、慎重に見る必要があります。Nvidiaのジェンセン・ファン氏が指摘したように、現状でGoogleの主要な外部TPU顧客はAnthropicだけという状況です。CUDAエコシステムは約20年かけて構築されたものであり、財務保証でデータセンターを動かすことはできても、世界中の開発者のワークフローを短期間で変えることはできません。
また、循環融資そのものが内包するリスクも無視できません。同じ資本が関係者の間を循環する構造は、見かけ上の需要を膨らませます。AIインフラへの需要が本物かどうか、本当の意味での市場検証はまだこれからです。
Bernsteinのアナリスト、ステイシー・ラスゴン氏がGoogleの姿勢を「以前より機会主義的かつ積極的」と評したのは、褒め言葉であると同時に、「以前はそうではなかった」という事実の確認でもあります。Googleが真にNvidiaの対抗馬になれるかどうかは、財務保証の規模ではなく、外部の開発者が自発的にTPUを選ぶエコシステムが育つかどうかにかかっています。
【用語解説】
TPU（Tensor Processing Unit）
Googleが独自開発したAI専用の半導体チップ。汎用GPUとは異なり、ニューラルネットワークの行列演算に特化して設計されている。2015年に社内利用が始まり、2018年よりGoogle Cloud経由で外部開発者にも提供。現在は第8世代（学習用TPU 8t・推論用TPU 8i）まで進化している。
CUDA（Compute Unified Device Architecture）
NvidiaがGPU向けに開発した並列計算プラットフォームおよびプログラミングモデル。2006年に公開され、以降20年近く開発者のAI・機械学習ワークフローの標準として普及してきた。CUDAへの依存度の高さが「Nvidiaのモート（堀）」と呼ばれる参入障壁を形成している。
循環融資（Circular Financing）
チップメーカーや投資家が顧客に資金を投じ、その資金が再び自社製品やサービスの購入に還流する資金循環の仕組み。AI産業ではNvidiaをはじめ複数の大手テック企業が活用しており、見かけ上の需要を自己強化するループを生み出す。供給側が自ら需要を作り出す構造として批判的に分析されることもある。
SPV（Special Purpose Vehicle：特別目的会社）
特定の金融取引や資産保有を目的として設立される法人。今回のApollo・Blackstoneによる案件では、SPVがGoogle TPUを購入してAnthropicにリースする仕組みの受け皿として機能している。
JAX / XLA
JAXはGoogleが開発したPython向けの高性能数値計算ライブラリ。XLA（Accelerated Linear Algebra）はJAXと密接に統合されたコンパイラで、TPU上でのモデル実行を最適化する。GoogleのTPUエコシステムの中核を担うが、PyTorchを使い慣れた開発者には習得コストが生じる。
FluidStack
Googleが出資するクラウドプロバイダー。今回のLake Mariner案件ではTeraWulfと連携し、GoogleのTPUから演算能力をAnthropicへ提供する役割を担っている。
【参考リンク】
Google Cloud TPU 開発者ハブ（外部）
JAX・PyTorch・vLLMなどのフレームワークを使ってTPU上でモデルを構築・学習・推論するための開発者向けリソースセンター。TorchTPUやvLLMのTPU対応状況も確認できる。
Alphabet（Google親会社）公式サイト（外部）
AlphabetのIR情報・決算資料・年次報告書を公開するコーポレートサイト。今回のTPU外販戦略に関する公式コメントや決算での言及はこちらから確認できる。
Nvidia 公式サイト（外部）
AIチップ市場で80〜90%のシェアを持つNvidiaの日本語公式サイト。GPU製品ラインナップ、CUDAエコシステム、データセンター向けソリューションの情報を掲載する。
【参考記事】
Google is using Nvidia’s playbook to break its AI-chip grip｜The Next Web（外部）
WSJの調査報道を詳細に解説した記事。Lake Mariner・River Bend・Colorado Cityの各案件、Apollo・Blackstone SPV、Blackstone 50億ドル提携など、Googleの循環融資戦略の全体像を整理している。
Apollo, Blackstone Seek Investors for $36 Billion Anthropic Chip Financing Deal｜Bloomberg（外部）
Google TPUを購入してAnthropicへリースするSPV案件の詳細をBloombergが報じた一次報道。Broadcomの残存価値保証の仕組みとトランシェ構成を解説している。
How Circular Financing Is Fueling the AI Boom｜Built In（外部）
AI産業における循環融資の構造を横断的に解説した記事。OpenAI・Nvidia・Microsoft・Oracleなどの事例を取り上げ、業界全体でこの資金循環がどのように機能しているかを整理している。
The Hidden Risk in AI’s Circular Financing Ecosystem｜Columbia University Blog（外部）
循環融資が内包するリスク——過剰需要の演出、バブル的構造、ドットコム期のベンダーファイナンシングとの比較——を批判的に分析した論考。
Inside the Ironwood TPU codesigned AI stack｜Google Cloud Blog（外部）
GoogleがIronwood TPUに合わせて設計したソフトウェアスタック（JAX・XLA・Pallas・PyTorchサポート）の技術的詳細を解説する公式ブログ。TPUのソフトウェアエコシステム強化の方向性が確認できる。
【関連記事】
Gemini Enterprise Agent Platform正式発表—Google Cloud Next ’26が告げる「エージェント時代」の本番開幕
Googleが今回のTPU外販戦略を打ち出した背景には、Google Cloud Next ’26で示したエージェント時代のインフラ戦略があります。第8世代TPUが担う役割はこちらの記事で詳しく解説しています。
GoogleのTPU戦略 vs OpenAIのエコシステム：AI競争の新たな焦点はコスト優位性に
Googleが外販で切り崩そうとしているのは、実はコスト競争力の話でもあります。TPU対Nvidiaの経済的な優位性の議論はこちらの記事も参照ください。
Google「Virgo Network」発表|134,000チップを47ペタビット/秒で接続するメガスケールAIデータセンターファブリック
TPUを外部顧客に提供するためには、それを支えるデータセンター基盤も必要です。同時期に発表されたVirgo Networkの詳細はこちらをご覧ください。
【編集部後記】
AIチップをめぐる競争は、シリコンの優劣から「誰がより巨大な資本ループを回せるか」という局面に移りつつあるように見えます。財務保証や循環融資が「需要を作る」手段として定着するなら、私たちは技術革新と金融工学がどこで交差しているのかを、もう少し注意深く問い直す必要があるかもしれません。
GPUの性能比較やベンチマーク結果に目が向きがちなAIチップ報道ですが、今回のWSJの調査が示したのは、競争の本質がすでに別の場所に移動していたという事実です。
Googleがこれほどの規模の資金構造を動かしてもなお、CUDAエコシステムと開発者の慣性という壁の前では「まだ入口に立った段階」と評されます。その壁がいつ、どのような形で崩れるのでしょうか。
