テスラのロボタクシーが米オースティンで運転手不在の運行を開始、その心臓部には自社製AI半導体と巨大な計算基盤がある。この動きは、一般車両から収集した膨大な走行データを、自社開発のスーパーコンピューター「Dojo」で処理する垂直統合モデルの成果だ。競合のWaymoやCruiseとは一線を画す「カメラのみ」の認識技術と、それを支える半導体戦略は、日本の自動車・部品産業に新たな競争軸を突きつける。

Dojoスパコン、100エクサフロップスへの道

テスラの自動運転戦略を根底で支えるのが、自社開発のスーパーコンピューター「Dojo」である。同社は2022年の「AI Day」で、機械学習の訓練専用に設計したこの計算基盤の初期構成で、単精度浮動小数点（FP32）演算において1.1エクサフロップス（毎秒110京回の計算）の性能を達成したと公表した。これは理化学研究所の「富岳」が倍精度浮動小数点（FP64）で達成した約0.44エクサフロップス（TOP500、2023年11月）を、精度が異なるとはいえ大きく上回る計算能力だ。テスラはさらに2024年10月までに100エクサフロップスへの拡張を計画しており、自動運転の頭脳となるニューラルネットワークの学習時間を劇的に短縮する構えを見せる。この背景には、世界で稼働する数百万台のテスラ車から集まる膨大な映像データの存在がある。TrendForceの2023年9月の分析によれば、テスラが収集するデータ量は毎秒1.5テラビットに達すると推計されており、この「データ洪水」を処理し、モデルを再学習させるには既存の汎用GPUだけでは効率に限界があった。Dojoの導入は、数週間かかっていた学習サイクルを数日に短縮し、ソフトウェアの更新頻度を高めることを直接の目的としている。

なぜテスラは「Tesla Vision」に固執するのか？

自動運転技術の業界標準が、高精度のレーザー光を用いるセンサー「LiDAR」や電波を用いる「ミリ波レーダー」、そしてカメラを組み合わせる複合的なアプローチであるのに対し、テスラは2021年以降、カメラ映像のみに依存する「Tesla Vision」方式へと舵を切った。この判断の根底には、「人間の運転手は眼（カメラ）と脳（ニューラルネットワーク）だけで運転している」という思想がある。LiDARやレーダーは、距離や速度を正確に測定できる半面、物体の意味的理解（それが歩行者か、ビニール袋か）は不得手だ。また、1台あたり数百から数千ドルの追加費用となり、車両価格を押し上げる。テスラは、LiDARなどが生成する点群データとカメラ映像の情報を統合する「センサーフュージョン」の複雑さを排除し、映像認識の課題解決に資源を集中する戦略を選んだ。このアプローチの成否は、収集した膨大な映像データをいかに効率良く処理し、人間の視覚認識能力に迫るAIモデルを構築できるかにかかっている。米道路交通安全局（NHTSA）が2023年6月に公表した先進運転支援システムに関する事故データでは、テスラのオートパイロット関連の事故報告件数が他社より多いが、これは稼働台数と走行距離の多さを反映した側面もあり、単純な優劣比較は難しい。テスラはこのリスクを許容し、実世界データによる学習こそが安全性向上の最短経路であると主張する。

心臓部「D1」半導体とTSMC7ナノ製造の裏側

Dojoスーパーコンピューターの中核を成すのが、テスラが自社設計したAI学習用半導体「D1」である。この半導体は、台湾積体電路製造（TSMC）が7ナノメートル（nm）の微細加工技術を用いて製造する。一つのD1半導体には362個の演算器（プロセッシングユニット）が集積され、BF16/CFP8という混合精度演算で362テラフロップス（毎秒362兆回）の性能を発揮する。テスラは、このD1半導体を25個、基板上に高密度実装した「トレーニングタイル」を開発。タイル同士を専用のインターコネクト技術で接続し、大規模な並列計算基盤を構築する。このアーキテクチャは、汎用GPUで問題となるデータ転送の遅延を最小限に抑え、AI学習に特化した高い電力効率を実現するよう設計されている。TSMCの7nm工程は、極端紫外線（EUV）リソグラフィー技術を本格的に導入した世代であり、その製造には日本の素材・装置産業が不可欠だ。例えば、回路パターンを焼き付けるフォトレジストはJSRや信越化学工業、東京応化工業が世界市場の約9割を占める。また、回路を形成する東京エレクトロンの成膜・エッチング装置や、レーザーテックの欠陥検査装置なくして先端半導体の量産は成り立たない。テスラの革新的なAI半導体は、日本の基盤技術の上に成り立っている側面が強い。

NVIDIA依存からの脱却という遠大な目標

テスラはDojoの開発と並行して、市場で圧倒的なシェアを握る米NVIDIA製のGPUも大規模に導入している。イーロン・マスクCEOは2023年第2四半期の決算説明会で、当時稼働させていた1万基の「A100」GPUに加え、2024年末までに後継の「H100」を3万5000基以上導入する計画を明らかにした。これは、Dojoの開発・拡張が計画通りに進まない場合のリスク分散と、短期的には最も高性能な計算資源を確保する現実的な判断と見られる。NVIDIAのH100は、AI学習で広く使われるTransformerモデルの処理を高速化する専用回路を備え、1基あたり約4万ドル（2023年時点の市場価格）と高価だが、その性能は他を圧倒する。テスラがDojoとNVIDIA製GPUの両方に巨額の投資を続ける理由は、自動運転AIの開発競争が計算資源の量と質に直結するためだ。しかし長期的には、NVIDIAへの依存はコストと供給安定性の両面で経営リスクとなる。Dojoの開発は、AIの「頭脳」を自社の管理下に置き、ソフトウェアとハードウェアを一体で最適化することで、競合に対する持続的な優位性を築くための遠大な戦略の一環である。その成否は、テスラが単なる自動車メーカーから、AIとロボティクスを核とするテクノロジー企業へと完全に変貌できるかを占う試金石となる。

日本企業が直面する選択

テスラが推し進める垂直統合型の自動運転開発は、日本の自動車産業と部品供給網に構造転換を迫る。従来、自動車メーカーを頂点とし、デンソーやアイシンといった系列の部品大手がシステムを開発・供給する水平分業モデルが日本の強みだった。しかし、テスラはAI半導体、基本ソフト（OS）、アプリケーション、そしてデータセンターに至るまでを自社で内製化し、部品メーカーを個別機能の供給者、いわば「下請け」の位置に押し込もうとしている。例えば、ソニーグループは車載向けCMOSイメージセンサーで世界首位のシェア（2022年、Omdia調べで約42%）を誇り、テスラにも供給しているが、そのセンサーから得られる映像データの価値はテスラが独占する構図だ。今後、自動運転の高度化に伴い、付加価値の源泉はハードウェアから、データを学習させて賢くなるAIソフトウェアへと完全に移行する。この潮流の中で、日本の部品メーカーは、単に高性能な部品を供給するだけでは存在感を維持できなくなる可能性がある。自らもソフトウェアやAIに関する知見を蓄積し、センサーとAIアルゴリズムを組み合わせたソリューションとして提案する能力が問われる。あるいは、テスラのD1半導体を製造するTSMCを支える日本の素材・装置メーカーのように、他社が模倣できない中核技術に特化し、サプライチェーンのボトルネックを握る戦略も考えられる。いずれにせよ、ハードウェアの品質だけで安泰な時代は終わり、データとソフトウェアが主導権を握る新たな競争の土俵で、自社の立ち位置を再定義する決断が求められている。