Q. NVIDIA製GPUがグローバルGPU市場の約80%のシェアを占めている（2024年）はどれくらいですか？

実態調査の例③：生成AIに関する実態調査 (2/4) 21 1 インフラストラクチャーレイヤー (1) 計算資源 (GPU等) 生成AIモデルの開発には、十分な量の半導体チップが不可欠。 NVIDIA製GPUは高い性能とCUDAなどの充実した開発環境により、グローバルGPU市場の約80%のシェアを占めている。また、同GPUの入手困難な状況は供給の増加等により変化している。 学習段階…膨大な計算を効率的に処理するため、並列処理に優れたNVIDIA製GPUが主流。 推論段階…学習ほどの計算能力は必要なく、低消費電力・高速処理に対応した多様な半導体チップの開発が進み、スタートアップ企業などによる参入も見られ、学習段階よりも競争は活発化。 (2) データ 生成AIの開発においては、データの需要は、使用する場面や用途によって異なり、量だけではなく質が重要視されることもある。 汎用型…大量のデータが必要とされる。 特化型…用途に応じた高品質なデータが重視される。 データには様々な種類があるところ、近年ウェブ上のオープンデータの枯渇が懸念され、合成データの活用やデータの質の向上が進められている。 学習データの偏在による競争優位性の有無については、ビッグテック企業が優位との指摘がある一方、その優位性は限定的との指摘がある。 日本においては、ビッグテック企業との差別化という観点からも日本語特化型モデルの開発が注目されており、高品質な日本語データの確保が重要視される。 (3) 専門人材 生成AIの発展に伴い、高度専門人材の需要が急増。ビッグテック企業は、資金力や計算資源等の面で優位にあるが、スタートアップ企業等への移籍など高度専門人材の流動性も一定程度存在する。 一方で、国内事業者は報酬や研究開発リソースでの競争力に課題があり、人材確保に苦戦する場面もある。ただし、ローカル人材の活用など、地域的な強みを活かす可能性も指摘されている。 2 モデルレイヤー 汎用型の大規模言語モデルの開発には膨大な計算資源・データ・専門人材が必要とされるため、資本力や技術力の豊富な企業が優位とされている。一方、国内企業やスタートアップ企業等を中心に、他社が提供する基盤モデル等を利用し、日本語性能の強化や医療・金融などの特定用途への特化によって差別化を図っている。 中国のDeepSeek社のモデルは、その安全性等の懸念が報じられているものの、米国の株式市場などに大きなインパクトを与えた。 異なるタイプのデータを統合してマルチモーダルAIへと主流が進化したり、蒸留やMixture of Experts (MoE) といった効率化技術も注目されており、今後の技術革新次第では競争構造が大きく変化する可能性がある。 3 アプリケーションレイヤー アプリケーションレイヤーでは、多様な事業者が参入し競争が激化している。既存のデジタルサービスとの機能統合やAIエージェントの登場により、国内外での活用が進む。 4 その他レイヤーにまたがる事項 クラウドサービス：生成AIの需要拡大により、GPUサーバーなどの需要が増加し、クラウドサービス市場では競争が活発に行われているとの指摘があるが、大手クラウドサービス提供事業者3社のGPUクラウドの日本市場シェアが高く、先行する海外事業者を中心に競争が行われている。 開発環境等の切替え・移行：生成AIモデルの開発において、ハードウェアやクラウド環境の変更などは、多大なコストや工数が発生するため、切替えが容易ではないとの指摘がある。一方で、切替えは簡単に行える等の指摘もある。 オープンソース/クローズドソース：競争政策の観点から、オープンソースかクローズドソースのいずれが望ましいかは一概にいえないが、多様な選択肢が確保されていることが重要である。 パートナーシップ：生成AI関連市場では、事業者間のパートナーシップが活発に行われており、特にビッグテック企業とスタートアップ企業との連携が進んでいる。パートナーシップについては、競争を高める可能性がある一方、競争を弱める可能性の指摘もある。