AIはいつ自分のチップを設計し始めるのか？ Disrupt 2026展望

編集部注：大規模モデルがトークン算力に追われる中、もう一つの戦線が静かに進行している——AIを反転させ、自身を動かすチップを設計させるという試みだ。TechCrunch Disrupt 2026の舞台では、強化学習をチップ物理設計に持ち込んだ2人の科学家が、この問いに正面から答える。

「閉ループ」をめぐる対話

TechCrunch公式の発表によると、Ricursive IntelligenceのコファウンダーであるAnna GoldieとAzalia Mirhoseiniが、TechCrunch Disrupt 2026のDisrupt Stageに登壇し、「AIとチップ開発の間の閉ループはいかに閉じられるか」をテーマに対談を行う。議題は一つの迫りつつある転換点を直接指している——AIがチップの単なる使用者ではなく、チップ設計そのものに参加し、あるいは主導するようになったとき、半導体産業全体のリズムはどのように塗り替えられるのか、という問いだ。

Disruptは TechCrunchの旗艦テクノロジーカンファレンスであり、世界中の起業家・投資家・テクノロジーリーダーが集う場として知られている。今回の対談がコアとなるDisrupt Stageに配置されたことは、主催者が「次のプラットフォーム級変革」に値するテーマと位置づけていることを意味する。また、チケットの割引（最大200ドル引き）がその日限りであることも案内されている。

AIが自分のハードウェアを設計し始めたとき、「設計—製造—訓練」というチェーンはもはや一方向ではなく、自己加速するループへと進化しうる。

2人の主役：強化学習をチップレイアウトへ

チップ設計自動化に詳しい読者にとって、GoldieとMirhoseiniは馴染みの名前だろう。2人はGoogle在籍中、強化学習をチップの「フロアプランニング」に応用した著名な研究を主導した——チップ上の数億個にのぼるトランジスタやマクロセルの配置問題を、囲碁に似た逐次的意思決定ゲームとして抽象化し、AIエージェントが数時間で、人間のエンジニアが数カ月かけて仕上げるレイアウト案を出力できることを示した。この成果は、機械学習がEDA（電子設計自動化）分野に切り込んだ画期的な事例と見なされ、「AIによるチップ設計」をSFから工学的現実へと引き下ろした。

その後、2人はGoogleを離れてRicursive Intelligenceを設立した。その方向性は、こうした手法の製品化・スケール化にある。同社のポジショニングは、チップ設計の「再帰的」インテリジェンス化——AIが設計案を生成し、さらにAIがそれを評価・反復することで循環を形成する——を指向している。これが今回の対談テーマにある「閉ループ」という言葉の直接的な由来である。

なぜ「閉ループ」は「単点最適化」よりはるかに重要か

現代の先端プロセスチップの設計サイクルは18〜24カ月に及ぶことも珍しくなく、アーキテクチャ探索、論理合成、物理実装、検証、サインオフなど十数工程が関わり、各工程に専用ツールと熟練専門家が必要とされる。これまでAIが貢献してきたのは主に単点的な領域——タイミング予測、消費電力最適化、検証の高速化——にとどまっていた。

問題は、単点での高速化が他工程のボトルネックに相殺されてしまうことだ——ある工程が10倍速くなっても、全体フローの改善は15%程度にとどまりうる。「閉ループ」とは、AIが設計意図・物理的制約・最終性能フィードバックを同時に把握し、チェーン全体にわたって継続的に自己修正することを意味する。これが実現すれば、チップの反復サイクルを一桁短縮できる可能性があり、それはまさに現在の算力軍拡競争において最も希少なリソースである。

業界背景：需要がこの流れを押し進めている

推進力は需給両面から来ている。一方では、大規模モデルの訓練・推論が要求する算力は増え続けており、カスタムAIチップ（ASIC、NPU、各種アクセラレータ）への需要が爆発的に拡大し、クラウドベンダー各社もコスト削減と依存低減のために自社チップ開発に乗り出している。他方では、ムーアの法則の鈍化と先端プロセスのコスト高騰により、プロセスの恩恵だけではパフォーマンス向上を支えられなくなっており、アーキテクチャ革新と設計効率の改善から余地を引き出すことが不可欠となっている。

さらに、チップサプライチェーンの安全保障に対する世界的な関心の高まりが、「より専用化されたチップをより迅速に設計する能力」を戦略的な競争力として位置づけるようになった。NVIDIA、Google、そしてSynopsysやCadenceといったEDA大手が近年AI支援設計に多大な投資を行っており、スタートアップ企業も続々と登場している。Ricursiveが参入するレースは、この競争の中で最も先端的であり、最も不確実性が高い領域だ。

対談で焦点となりうるテーマ

2人のファウンダーのこれまでの研究軌跡を踏まえると、Disruptの舞台での議論はいくつかの論点を中心に展開されるとみられる。AIが設計したチップは人間のエンジニアの最適解を超えられるか。「生成した設計案の検証可能性」という信頼の課題はどう解決するか。AIとEDA大手の関係は代替か組み込みか。そして最も根本的な問い——チップを設計するAIそのものもAIによって設計されるようになったとき、人間のエンジニアの役割はどのように再定義されるのか。

冷静な視点：依然として3つの壁がある

このシナリオには依然として明確な障壁があることを指摘しておく必要がある。第一に信頼性の問題——チップの一回の流片コストは数千万ドル規模に達し、AIが生成したいかなる設計案も厳格な物理検証と形式検査を経なければならず、エラーの許容余地は極めて小さい。第二にデータとツールの壁——先端プロセスの設計データは高度に閉鎖的であり、訓練に必要な高品質なサンプルの入手が困難だ。第三に人材とプロセスの慣性——半導体業界が既存のワークフローに寄せる信頼は数十年の蓄積によるものであり、代替は一朝一夕には進まない。

それゆえ、より現実的な道筋は「人間とAIの協働」かもしれない——AIが膨大な設計空間を探索し、人間が制約の設定と最終サインオフを担うという形だ。この一点だけでも、産業構造を大きく変えるには十分だろう。

結語

過去10年のAIをめぐる物語が「より多くのチップでより強力なモデルを訓練する」というものだったとすれば、次の10年には逆向きの閉ループが現れる可能性が高い——「より強力なモデルでより優れたチップを設計する」という物語だ。Disrupt 2026におけるGoldieとMirhoseiniの対談は、この閉ループが正式に閉じる前の重要なリハーサルとなるかもしれない。

本記事はTechCrunchより編集・翻訳