シリコンバレーに新たな巨大プレイヤーが誕生した。人型ロボット開発で世界を驚かせたFigure社の創業者、ブレット・アドコック氏が次に仕掛けるAIスタートアップ「Hark」が、シリーズAラウンドで7億米ドル（約1,100億円）という巨額の資金調達を完了した。リードインベスターはParkway Venture Capitalが務め、企業評価額は一気に60億ドル（約9,400億円）に達した。しかし、市場の注目を最も集めているのはその金額だけではない。出資者のリストに、AI半導体市場で熾烈な競争を繰り広げるNVIDIA、AMD、そしてIntelという3社の名前が揃って並んだことだ。本来であれば、有望な新興企業を自社陣営に囲い込むのが定石。なぜ競合する半導体大手3社は、Harkという一つの企業に相乗りしたのか。この異例の事態は、生成AI開発の競争軸がソフトウェアからハードウェアへとシフトし、業界全体の構造変化が起きていることを示唆している。本稿では、この大型調達の背景を第一原理から分解し、次世代AIハードウェア開発の最前線と、それが日本の半導体関連企業に与える影響を深く解析する。

第一原理分解

今回のHarkへの共同出資は、生成AIの進化がもたらした必然的な帰結と捉えることができる。その根底には、AIモデルの性能向上が、もはやソフトウェアのアルゴリズム改善だけでは限界に達しつつあり、「ハードウェアとの協調設計（Co-design）」が不可欠になったという産業構造の変化がある。

第一に、AIモデルの巨大化とそれに伴うコンピューティングコストの爆発的増加だ。GPT-4以降の大規模言語モデル（LLM）は、学習と推論に莫大な量のGPUを必要とし、その運用コストは企業の収益を圧迫するレベルに達している。この課題を解決するためには、汎用的なGPUだけでなく、特定のAIモデルのアーキテクチャに最適化された専用ハードウェア（ASIC: 特定用途向け集積回路）が極めて有効となる。Harkが調達資金の使途に「次世代AIハードウェアの設計・構築」を掲げているのは、まさにこの潮流を捉えた動きだ。

第二に、半導体メーカー側の戦略転換が挙げられる。これまでNVIDIAは、独自の並列コンピューティングプラットフォーム「CUDA」を武器に、AI開発のエコシステムを盤石に固めてきた。競合するAMDやIntelは、この牙城を崩すべく、自社のハードウェアとソフトウェアプラットフォーム（AMDのROCm、IntelのoneAPI）の普及に努めてきた。しかし、どのAIアーキテクチャが最終的な勝者になるか不透明な現在、特定企業を独占的に支援するリスクは高い。むしろ、Harkのような将来有望なハードウェア設計能力を持つ可能性のある企業を業界全体で支援し、市場のパイそのものを拡大させると同時に、自社製品が採用される機会をうかがう「ポートフォリオ戦略」へと移行しつつある。これは、個社の囲い込み戦略から、業界全体でイノベーションの種を育てるフェーズに入ったことを意味する。

解析と核心

HarkのシリーズAラウンドにおける7億ドルの資金調達と60億ドルの評価額は、スタートアップとしては破格の規模であり、AI業界における期待の大きさを物語っている。この背景には、創業者ブレット・アドコック氏が、人型ロボット企業Figureで示した卓越した実行力とビジョンがある。Figureもまた、OpenAI、Microsoft、そしてNVIDIAといった巨人たちから総額6億7500万ドルの資金を調達し、物理世界で動作するAIエージェント開発の最前線にいる。アドコック氏が次に挑むHarkは、その頭脳となる次世代AIモデルと、それを最も効率的に動かすためのハードウェアを垂直統合で開発することを目指していると考えられる。

今回の出資におけるNVIDIA、AMD、Intelの三社の思惑は、共通の目的と個別の狙いが複雑に絡み合っている。

  • NVIDIA: 市場の絶対王者として、Harkが自社のCUDAエコシステムから離脱することを防ぎたい。同時に、Harkが開発するであろう次世代ハードウェアのアーキテクチャを早期に把握し、自社の将来のGPU（例えばRubinプラットフォーム）やNVLink、InfiniBandといったインターコネクト技術との連携を模索する狙いがある。防衛的な出資であると同時に、未来の標準技術へのアクセスを確保する動きだ。
  • AMD: NVIDIAに挑戦する立場として、Harkのような影響力のあるプレイヤーに自社のInstinct MIシリーズのGPUやROCmソフトウェアスタックを採用させる絶好の機会と見ている。NVIDIA一強体制に風穴を開けるには、ハードウェアの性能だけでなく、開発者コミュニティと有力なアプリケーション事例が不可欠。Harkへの出資は、そのエコシステムを構築するための戦略的布石である。
  • Intel: 傘下のIntel Capitalを通じて出資することで、データセンター向けAIアクセラレータ「Gaudi」シリーズの市場浸透を狙う。Intelはオープンな標準を推進しており、特定のベンダーにロックインされないHarkのようなプレイヤーは、自社のエコシステム戦略と親和性が高い。Harkがカスタムチップ開発に乗り出す場合、Intelのファウンドリサービス（IFS）がその製造を受託する可能性も視野に入れているだろう。

このように、3社は「AIハードウェアの革新を加速させる」という共通の目標を掲げつつも、その先にある自社の覇権獲得に向けて、それぞれが異なる計算をしている。Harkは、この巨人たちの競争と期待を巧みに利用し、中立的な立場で巨額の開発資金を確保したと言える。

技術的深掘り

Harkが目指す「次世代AIハードウェア」は、単なるGPUクラスタの増強とは一線を画す可能性が高い。その核心は、AIモデルのアルゴリズムとハードウェアアーキテクチャを同時に最適化する「ハードウェア/ソフトウェア協調設計（Co-design）」にある。現在のAIを支えるTransformerアーキテクチャは、その構造上、膨大なメモリ帯域を要求する。このため、NVIDIAのH100やH200といった最新GPUには、広帯域幅メモリであるHBM (High Bandwidth Memory)が不可欠となっている。

しかし、モデルがさらに巨大化し、数百億から数兆パラメータを持つようになると、推論時の効率を上げるためにMoE (Mixture of Experts)のような疎な活性化（Sparse Activation）を用いるアーキテクチャが主流になりつつある。MoEモデルは、入力に応じて一部の「専門家（Expert）」ネットワークのみを活性化させるため、計算量を抑えられる一方、専門家ネットワーク間の通信や、どの専門家を使うかを決定するルーティング処理が新たなボトルネックとなる。汎用GPUは必ずしもこの種のワークロードに最適化されていない。

ここでHarkが開発を目指すのが、MoEのような特定のモデル構造に特化したASIC (特定用途向け集積回路)である可能性が極めて高い。ASICは、不要な機能を削ぎ落とし、特定の計算処理（例えば行列積和演算やAttentionメカニズム）に特化した回路を実装することで、汎用GPUを遥かに凌ぐ電力効率と性能を達成できる。GoogleのTPU（Tensor Processing Unit）やAmazonのTrainium/Inferentiaチップがその好例だ。

このようなカスタムチップを開発・製造するには、最先端の半導体技術が不可欠となる。複数の機能を持つチップレット（演算ダイ、I/Oダイ、HBMダイなど）を一つのパッケージ上に高密度に集積するCoWoS (Chip on Wafer on Substrate)のような先進パッケージング技術は、チップ間のデータ転送速度を飛躍的に向上させ、メモリ帯域のボトルネックを緩和する鍵となる。Harkは、自社のAIモデルに最適なアーキテクチャを設計し、TSMCやIntelといったファウンドリと協業して、CoWoS技術を駆使した独自のAIアクセラレータを世に送り出すことを構想していると【推測】される。

日本投資家影響

Harkの巨額調達と次世代AIハードウェア開発計画は、日本の半導体関連産業にとって大きな事業機会をもたらす一方、国内AIエコシステムへの警鐘ともなる。

まず、直接的な恩恵が期待されるのが半導体製造装置メーカーだ。Harkのような新たなファブレス企業がカスタムチップ開発に参入することは、最先端ロジック半導体の製造需要を押し上げる。東京エレクトロン (8035) は、チップ製造の根幹をなす成膜・エッチング装置で世界トップクラスのシェアを誇る。AIチップの需要が多様化・拡大すれば、同社の装置への引き合いはさらに強まるだろう。Harkの動きは、AI半導体市場の持続的な成長を裏付けるものであり、同社の株価には+15%程度の上昇余地があると【推測】される。

同様に、製造されたチップの品質を保証するテスト工程も重要性を増す。アドバンテスト (6857) は、AIチップのような高性能SoC（System-on-a-Chip）向けテスターで高い競争力を持つ。特に、HBMを搭載したチップのテスト需要は旺盛であり、Harkのようなプレイヤーの登場は、同社の事業環境にとって強力な追い風となる。

一方で、この動きは日本の産業界に対する課題も浮き彫りにする。ソフトバンクグループ (9984) は、傘下のArmを通じて世界の半導体設計を支え、ビジョン・ファンドを通じて数多くのAI企業に投資している。ArmのアーキテクチャはHarkのカスタムチップ設計に採用される可能性があり、ビジネスチャンスとなりうる。しかし、Harkのような資金力と実行力を兼ね備えた強力な競合の出現は、SBGの投資先である他のAIスタートアップの相対的な競争力を低下させるリスクをはらむ。ポートフォリオの見直しが迫られる可能性も否定できない。

最も深刻なのは、日本のAIスタートアップが直面する資金調達規模の格差だ。シリーズAで1,100億円という規模は、日本のエコシステムでは現時点では考えにくい。この「資本力格差」は、大規模モデル開発のような真正面からの競争を困難にし、日本のAI企業はよりニッチな領域や応用分野での差別化を余儀なくされる。政府や民間による、より大胆なスタートアップ支援策が求められている。

技術的深掘り

Harkが目指す「次世代AIハードウェア」は、単なる既存ASICの延長線上にはない。その野心は、AIの計算パラダイムそのものを、物理層から再定義することにある。この挑戦の核心は、現在のAIを支配するTransformerアーキテクチャが抱える根本的なボトルネック、すなわち「メモリの壁」と「通信の壁」を同時に打破する、全く新しいシステムアーキテクチャの構築だ。

第一に、Harkはモノリシックな巨大チップではなく、機能ごとに最適化された複数のchipletを組み合わせるアプローチを深化させると見られる。演算コア、メモリコントローラ、I/Oなどを個別のチップレットとして設計し、これらを先進パッケージング技術で統合する。台湾TSMCが提供するCoWoS技術はその有力候補だが、Harkの真の革新はチップレット間のインターコネクトにある。現在の業界標準であるCXL (Compute Express Link) 3.0を活用し、複数のアクセラレータが巨大なメモリプールを効率的に共有する仕組みを構築するのは最低条件だ。これにより、数兆パラメータ級のモデルを単一のメモリアドレス空間で扱えるようになり、推論時のレイテンシを劇的に削減できる。

さらに踏み込み、Harkはチップレット間の通信にシリコンフォトニクス（光インターコネクト）を導入する可能性が極めて高い。電気信号による配線は、距離が長くなるほど信号劣化と消費電力が指数関数的に増大する。これに対し、光信号はほぼゼロ遅延かつ低消費電力で大量のデータを伝送できる。Harkの設計思想は、演算チップレットの周囲に光I/Oチップレットを配置し、ボードレベル、さらにはラックレベルの通信を光で行うことで、MoEモデルで頻発する「Expert」間の通信ボトルネックを解消することにある。これにより、NVIDIA H200が搭載するHBM3eメモリの帯域4.8 TB/sを遥かに超える、実効数十TB/sの超広帯域データ供給網をチップ内外に構築することを目指している。

第二に、この野心的なアーキテクチャを実現するためには、最先端の半導体製造プロセスが不可欠となる。Harkのチップは、TSMCまたはIntelの2nmプロセス世代で製造されることが確実視される。この世代から本格導入されるGAA (Gate-All-Around)トランジスタ技術は、従来のFinFET構造よりもリーク電流を抑え込み、より高い電力効率を実現する。このプロセス技術を前提に、Harkの第一世代チップは、AI推論で多用されるINT8精度において、15,000 TOPS（Tera Operations Per Second）を超える演算性能を、現在のハイエンドGPUの半分以下の消費電力で達成することを目標としていると推測される。これは、汎用性よりも特定ワークロードでの効率を極限まで追求した結果だ。

最終的に、Harkの成否はハードウェアの性能だけでなく、開発者がその性能を容易に引き出せるソフトウェア・エコシステムを構築できるかにかかっている。NVIDIAのCUDAという鉄壁のエコシステムに対抗するため、HarkはLLVM/MLIRといったオープンなコンパイラ基盤を全面的に採用し、PyTorchやJAXからのシームレスなコンパイルを可能にするSDKを開発するだろう。このハードウェアとソフトウェアの垂直統合こそが、Harkが7億ドルという巨額資金を投じて目指す、次世代AIコンピューティングの新たな標準なのである。