AIチップのスタートアップがベンチャーキャピタル（VC）から11億ドル超の資金を調達、MatXがNvidiaに対抗するため5億ドルを確保

半導体セクターへの信頼を示す強力なシグナルとして、AIチップのスタートアップ企業群が今週だけで11億ドル（約1,650億円）以上のベンチャーキャピタル資金を調達しました。この急増を牽引しているのは、元Google TPUのアーキテクトらによって設立されたマウンテンビューを拠点とするスタートアップ、MatXです。同社は5億ドルのシリーズBラウンドを完了しました。この資金調達の波は、生成式AI（Generative AI）時代においてNvidiaの支配を崩すことができる特化型ハードウェア・アーキテクチャを支援しようとする、投資家の高まる意欲を浮き彫りにしています。

合計11億ドルの資金注入は、AIサプライチェーンにおける重大なボトルネック、つまり、ますます複雑化する大規模言語モデル（LLMs）の実行を汎用GPUに依存している現状をターゲットにしています。AIモデルが数兆規模のパラメータへとスケールアップする中、業界は、トランスフォーマー（Transformer）のためにゼロから設計された専用シリコンが、次世代の知能に求められる効率性とスループットを提供すると確信しています。

MatXが5億ドルのシリーズBで先頭を走る

今回の資金調達ラッシュの主役であるMatXは、大胆な主張と有力な支援者のリストを携えてステルス状態から脱しました。同社の5億ドルのラウンドは企業価値を数十億ドルと評価しており、チップ設計の最終化とTSMCでの製造能力確保に必要な軍資金を同社に提供します。

このラウンドは、Jane Streetと、元OpenAIの研究者レオポルド・アッシェンブレンナー氏（Leopold Aschenbrenner）が設立した投資会社Situational Awarenessが主導しました。また、半導体大手のMarvell Technology、NFDG、Spark Capital、そしてStripeの共同創設者である**パトリック・コリソン（Patrick Collison）とジョン・コリソン（John Collison）**も参加しました。

Google TPUの系譜

MatXの信頼性は、その創設者である**ライナー・ポープ（Reiner Pope）（CEO）とマイク・ガンター（Mike Gunter）**（CTO）に大きく由来しています。両名はGoogleのハードウェア部門のベテランであり、Google内部のAIワークロードを支えるカスタムシリコンであるテンソル・プロセッシング・ユニット（TPU）の開発において極めて重要な役割を果たしました。

ポープ氏とガンター氏は2022年に、「GPUは強力だが、汎用計算やグラフィックスの遺産という『手荷物』を抱えている」という特定の仮説を持ってGoogleを去りました。MatXはこれらの非効率性を取り除き、現代のLLMsに必要とされる数学的演算のみに特化したチップの設計を目指しています。

テクノロジー：MatX Oneと分割可能なシストリック・アレイ

MatXのピッチの核心にあるのは、大規模モデルの学習と推論において、Nvidiaの現在の製品の最大10倍のパフォーマンスを提供するために設計されたプロセッサMatX Oneです。このチップは、**「分割可能なシストリック・アレイ（splittable systolic array）」**として知られる斬新なアーキテクチャを活用しています。

GoogleのTPUや他のAIアクセラレータで使用されている従来のシストリック・アレイは、処理ユニットの硬直した格子状の構造です。MatXのイノベーションにより、これらのアレイを動的に再構成、つまり「分割」して、異なる行列サイズをより効率的に処理できるようになります。この柔軟性は、トランスフォーマー・ベースのモデルの多様な計算要求を処理するために極めて重要です。

主なアーキテクチャの革新：

• ハイブリッド・メモリ・アーキテクチャ： MatX Oneは、低遅延のウェイト（重み）保存用の大容量SRAM（スタティック・ランダム・アクセス・メモリ）と、ロングコンテキスト（長い文脈）をサポートするためのHBM（高帯域幅メモリ）を組み合わせています。これにより、現在のGPUクラスターを悩ませている「メモリーの壁」というボトルネックの解決を試みています。
• コア・フォーカス： このチップは、少なくとも70億パラメータ以上のモデル向けに最適化されており、最先端のLLMsにおけるパフォーマンスを最大化するために、より小規模なレガシー・ワークロードのサポートを排除しています。
• インターコネクト： 大規模なスケーリングを想定して設計されており、数十万個のチップをクラスタリングすることをサポートしています。これにより、GPUクラスターでの学習実行をしばしば制限する通信遅延の低減を目指しています。

1.1億ドルの波：なぜ投資家は今動いているのか

今週の11億ドルの資金調達は、市場心理の変化を反映しています。長年、NvidiaのCUDAソフトウェアという堀は乗り越えられないと考えられてきました。しかし、最先端モデルの学習コストがしばしば数億ドルに達するという現状が、より効率的なハードウェアを求める経済的な必然性を生み出しています。

PyTorchのようなフレームワークがますますハードウェアに依存しなくなるにつれ、投資家はソフトウェアによるロックインが緩和されていることに賭けています。希少性とマージンのために支払われるプレミアムである「Nvidia税」により、主要なAI研究所は代替手段を求めるようになっています。MatXの戦略は、これらのトップティアの研究機関（OpenAI、Anthropic、xAIなど）に直接販売することであり、広範な企業向け販売チャネルの必要性を回避し、パフォーマンスのみに完全に集中することを可能にしています。

比較分析：MatX対既存の覇者

以下の表は、MatXがそのテクノロジーを、現在の標準であるNvidiaのH100/Blackwellアーキテクチャに対してどのように位置づけているかを示しています。

市場ポジショニングの比較
---|---|----
機能|MatX One（予測）|Nvidia H100 / Blackwell
主要アーキテクチャ|分割可能なシストリック・アレイ|汎用GPU（SIMT）
メモリ階層|コンテキスト用HBMを備えたSRAM優先型|HBM主導型（HBM3e）
ターゲット・ワークロード|LLMs & トランスフォーマー（7B+ params）|汎用AI、グラフィックス、HPC
ソフトウェア・エコシステム|カスタム・コンパイラ（LLM特化）|CUDA（広範かつ成熟）
創設者の背景|Google TPU & DeepMind|グラフィックス & 並列計算
主な利点|LLMsにおける10倍の計算密度|汎用性とサプライチェーンの支配力

今後の展望：2027年とその先へ

多額の資金調達にもかかわらず、MatXとその競合他社は大きなハードルに直面しています。チップの設計は第一歩に過ぎません。機能するシリコンを量産レベルで歩留まり良く製造することは非常に困難であることで知られています。MatXは今年中に設計を完了させ、2027年の初回出荷を目指しています。

このタイムラインは、Rubinアーキテクチャを含むNvidiaの将来のロードマップとの直接的な競争に彼らを置くことになります。さらに、研究者がNvidia GPUから自身のワークを簡単に移行できるようにするソフトウェアスタックの構築という課題は、依然としてあらゆる挑戦者にとって最大の単一リスクです。

しかし、5億ドルの資金を確保し、現代のAIアクセラレータの発明を支援したリーダーシップチームを擁するMatXは、GPU覇権に対するこれまでで最も信頼できる脅威としての地位を確立しました。計算資源の需要が供給を上回り続ける中、半導体業界は、単なる生のパワーではなく効率性が勝者を定義する新しい競争の時代に備えています。