Nvidia製GPUに依存しない初の大型AI融資へ―SambaNova製推論特化型チップを担保に最大4億ドル
2026年7月20日 13:31
AIインフラの資金調達モデルにおいて、Nvidia製GPUに依存しない新たな動きが出てきた。米マサチューセッツ州ボストンを拠点とする新興インフラ企業General Computeは、米SambaNovaの推論特化型ASICを担保に、最大4億ドル（約648億円）の融資枠を確保したと発表した。この画期的な契約は、融資市場がAIスタックにおける継続的な収益源のあり方を再評価し始めたシグナルとみられるが、二次市場が存在しないASICの担保価値や技術的陳腐化のリスクなど、未解決の課題も残されている。
■Nvidia製GPUに依存しない初の大型AI融資
AI分野におけるチップ担保融資の先駆者が、初めてNvidia製シリコン以外のハードウェアを担保として受け入れた。この決定は、今後のAIインフラ構築のあり方を決定づける可能性がある。
ボストンを拠点とする今年設立されたばかりの推論特化型新興クラウド事業者（neocloud）であるGeneral Computeは、Upper90 Capital Managementから最大4億ドル（約648億円、1ドル＝162円換算）のコミット型融資枠を確保したと発表した。この融資の担保となるのは、これまで主要なAIチップ担保融資の主役だったNvidiaの「H100」や「B200」ではない。学習済みモデルを可能な限り高速かつ安価に実行するために設計された、SambaNovaの推論特化型ASIC（特定用途向け集積回路）「SN50」である。融資枠は初期コミットメント1億ドル（約162億円）からスタートし、顧客需要の拡大に応じて最大4億ドルまで引き上げられる。
この契約が計画通りに進めば、推論特化型チップが大型AI融資の主要担保となる初の事例となる。これは単なる技術的な話題にとどまらない。債権市場が、AIスタックにおける継続的な収益（リカーリングレベニュー）の源泉をどこに見出しているかを示す、構造的なシグナルと言える。
■チップ担保融資の歴史と「脱Nvidia」への流れ
今回の契約が従来の枠組みからどのように外れているかを理解するには、これまでの融資モデルを振り返る必要がある。
2021年、ゴールドマン・サックスの元クオンツトレーダーで、Upper90の共同創業者兼CEOであるビリー・リビー氏は、エネルギー関連データセンターのスタートアップであるCrusoe向けに、先進AIチップの価値を担保にした初の融資を実行した。当時、伝統的な金融機関はこうした融資構造を完全に避けていた。GPUの減価償却プロセスが十分に理解されておらず、Nvidia製チップのラックが回収可能な資産として実際にいくらの価値を持つのか、市場の合意が形成されていなかったためである。
しかし、その懐疑論は急速に払拭された。2023年8月、CoreWeaveはNvidia H100を担保に23億ドル（約3,726億円）を調達。このチップ担保モデルは、CoreWeaveの成長戦略全体の原動力となった。同社が2026年3月31日に調達を完了した85億ドル（約1兆3,770億円）の融資枠（DDTL 4.0）は、GPU担保型融資として初めて投資適格格付け（Moody'sからA3、DBRSからA（low））を獲得し、固定借入コストは約5.9%に抑えられた。これは、5年前にUpper90がCrusoeに課した約15%の金利と比較すると大幅な低下であり、機関投資家がAIハードウェアを資産クラスとしていかに急速に再分類したかを物語っている。
CoreWeaveの総債務は現在210億ドル（約3兆4,020億円）を超えている。同社が構築したモデルは、ハイパースケーラーとAI研究所の中間に位置する新興クラウド事業者（neocloud）がハードウェア調達を融資で賄う際の標準となった。そして、そのすべてがこれまではNvidia製シリコンを前提としていた。
■SambaNova「SN50」のアーキテクチャ的優位性
General ComputeがNvidia製GPUではなくSambaNovaのSN50を選択した主な理由は、価格ではなくアーキテクチャにある。具体的には、推論実行時にチップレベルで何が起きるかという点だ。
大規模言語モデル（LLM）の実行には、2つの異なる計算フェーズがある。第1フェーズは「プリフィル（prefill）」と呼ばれ、モデルが入力プロンプト全体を読み込んで処理し、既読内容を要約するキー・バリュー（KV）キャッシュを構築する。これは並列計算タスクであり、Nvidia製GPUが構築の前提としているSIMT（単一命令複数スレッド）アーキテクチャに適合する。第2フェーズは「デコード（decode）」であり、モデルは1トークンずつ逐次的に応答を生成する。各出力トークンはそれ以前のすべてのトークンに依存するため、デコードは逐次的であり、メモリ帯域幅に制約される。ここでのボトルネックは計算力ではなく、メモリとプロセッサ間でいかに素早くデータを移動できるかという点にある。
SambaNovaのSN50は、まさにこの第2の制約を解決するために設計されている。同社のRDU（再構成可能データフローユニット）アーキテクチャは、メモリと演算回路を極めて近くに配置し、データ移動時間を最小限に抑える。GPUのような汎用的な命令ディスパッチモデルを使用する代わりに、RDUは計算グラフをデータ移動に最も効率的なハードウェア経路に直接マッピングする。このデータフローアプローチは1970年代のマサチューセッツ工科大学（MIT）の研究に遡るが、メモリがボトルネックとなる推論ワークロードの時代において、ようやく商業的な実用性を獲得した。SN50の3層メモリ階層（毎秒数百テラバイトで動作するオンチップSRAM、1.8TB/sの64GB HBM2E、最大2TBのDDR5）により、GPU単体の設計では追従できない速度でアクセス可能な深いメモリプールを確保している。
General Computeはこのアーキテクチャの役割分担を直接活用している。12個のダイ、8個のメモリスタック、1530億個のトランジスタを搭載するAMDの「MI300X」カードが計算負荷の高いプリフィルフェーズを処理し、SambaNovaのSN50 RDUがデコードを処理する。2026年7月にArtificial Analysisが実施した独立ベンチマークでは、4基のNvidia H200 GPUと16基のSambaNova SN50 RDUを組み合わせたヘテロジニアス（異種混合）プラットフォームを使用し、MiniMax M2.7において10,000トークンのコンテキスト長で1秒あたり763トークンに達した。これは、同ベンチマークにおけるGPU単体構成のプロバイダーよりも数倍高速である。なお、SambaNova自身のデータ（より多くのベンチマークが蓄積されるまでは、独立した検証ではなく企業側の主張として捉えるべきである）では、より長いコンテキスト長において毎秒450トークン以上の持続的なパフォーマンスが報告されている。
もう一つのアーキテクチャ上の利点は、General Computeの資金調達構造に直接影響を与えている。SN50は水冷を必要としない点だ。このチップはラックあたり20キロワットで動作し、標準的な空冷データセンターのインフラの範囲内に収まる。General Computeはすでに、コロケーション施設で15メガワット分の空冷ラック容量を確保する契約を結んでいる。これは些細なロジスティクスの問題ではない。液冷には専門の施設と数年にわたる建設サイクルが必要だが、空冷であれば数週間で導入できる。顧客契約に応じて新興クラウド事業者が迅速に容量を追加できれば、収益と資金引き出しのフィードバックループをより緊密に保つことができる。今回の4億ドルの融資枠も、まさにこの仕組みに基づいて構築されている。
■融資元が追う「継続的な収益」
この取引のより深い論理は、学習用計算資源と推論用計算資源の違いにある。
大規模モデルの学習は、ほぼ一回限りのイベントである。研究所は数日から数週間続く集中的な計算期間中に新しいモデルを学習させ、その後、クラスターは次の実行まで部分的な稼働にとどまる。一方、推論（そのモデルをユーザー、開発者、自律型エージェントに提供すること）は継続的である。すべてのAPI呼び出し、チャットボットの応答、エージェントのワークフローのステップが推論ワークロードとなる。モデルの導入が拡大し、AIが企業向けソフトウェアに深く組み込まれるにつれ、推論は生成されるトークンごとに永続的な収益を生み出す「公益事業（ユーティリティ）」のような存在に近づいていく。
Upper90のリビーCEOは「誰もがスーパーコンピューターを必要としているわけではないが、推論とAIは必要としている」とTechCrunchに語った。同社の仮説は、継続的な収益を追ってGPU融資に参入した融資元が、現在は推論特化型のインフラに注目しているというものだ。1トークンあたりのコストを最も低く、最初のトークン出力までの時間を最も短く提供できる企業がその収益を獲得する。そして、その経済性を支えるハードウェアは、散発的な学習スケジュールに稼働率が左右されるハードウェアよりも、融資適格性の高い担保となる。
今回の融資枠の引き出し構造もこの議論を裏付けている。4億ドルのうち追加のトランシェ（融資実行枠）はそれぞれ顧客需要に連動しており、General Computeは有料契約を確保した段階でのみ資金を引き出す。信用リスクは実際の収益に先行するのではなく、収益の歩調に合わせて拡大する。これは、前回のサイクルで見られた一部の強気なGPU融資構造には欠けていた規律である。
General Computeのフィン・プクロウスキーCEOは「総所有コスト（TCO）が優れていたり、Nvidiaよりもはるかに高速に動作したりするチップが普及し始めているが、それらを購入する買い手はまだ多くない」とTechCrunchに語った。「Upper90と提携したことは、単に『クールなスタートアップが計算資源を買うための資金を得た』という話にとどまらない。これは、資本が自らを組織化し、Nvidiaの独占的支配が断片化し始める最初のシグナルなのだ」
■一スタートアップの財務諸表を超えた影響
General Computeが確立した資金調達モデル（ASIC推論チップを主要な融資担保とする手法）は、今後のAIインフラ市場全体の進化に連鎖的な影響を及ぼす可能性がある。
SambaNovaは2026年7月8日、General Atlanticが主導する10億ドル（約1,620億円）のシリーズFラウンドの第1トランシェを、ポストマネー評価額110億ドル（約1兆7,820億円）で完了した。この評価額は、2026年2月のシリーズE時点の22億ドル（約3,564億円）から約5倍の増加であり、推論特化型シリコンという独立した製品カテゴリーに対する投資家の信頼を反映している。Upper90がその株式調達ラウンドから2週間以内に、融資（与信）側からも独立して同じ結論に達したことは、株式市場と債権市場の双方が推論チップインフラを正当な資産クラスとして評価し始めたという「収束」を意味している。
別の新興クラウド事業者であるTensorWaveも、AMD製ハードウェアを採用し、非Nvidiaシリコンによる推論インフラへの同様の賭けを行っている。また、推論特化型のチップメーカーであるGroqやCerebrasも、買収への関心や株式市場からの注目を集めている。共通しているのは、それぞれがNvidiaに依存せずに推論レイヤーを提供する経路を示している点だ。
これまで、非Nvidia製シリコンの大量の先行注文にコミットしてくれる買い手の確保に苦心してきたチップ新興企業にとって、General Compute의取引は新たな雛形を提供する。推論チップが債務担保として機能するならば、GPU新興クラウド事業者のカテゴリーを定義してきた「融資を活用した買収モデル」を、推論チップでも再現できる。このモデルは、チップメーカーが融資元と直接関係を持つ必要はなく、そのチップを中心にビジネスを構築する意欲のあるクラウド事業者と、そのチップを回収可能資産として評価する意欲のある融資元が存在すれば成立する。
■融資元が評価するリスクと、依然として不透明な領域
もっとも、今回の取り組みに構造的なリスクがないわけではない。融資元が何を受け入れ、何がまだ価格に反映されていないのかを理解するには、この取引が混同している2つの要素を切り分ける必要がある。
第1は「性能リスク」である。競合するアクセラレーターの5倍の計算性能、3倍のTCO（総所有コスト）優位性というSambaNovaの主要な主張は、同社独自のベンチマークであり、MLPerfへの提出や第三者機関による評価で独立して検証されたものではない。Artificial Analysisによる毎秒763トークンというベンチマークは実在し、重要ではあるが、これは特定のモデル（MiniMax M2.7）かつ特定のコンテキスト長における特定のヘテロジニアス構成を反映したものだ。実際の運用環境では、より幅広いモデル、リクエストパターン、並行処理レベルに直面することになる。実務家は、実際の運用トラフィックを新しいチッププラットフォームに移行する前に、トークンあたりのコスト、持続的な並行処理能力、および統合に関するデータを要求すべきである。
第2の、より深刻なリスクは「担保の市場性（流動性）」である。資産担保融資の枠組みでは、担保が正常な条件下で現在の公正市場価値に基づき、意欲ある買い手に売却可能（市場性があること）でなければならない。NvidiaのH100やH200については、そうした二次市場が存在し、流動性も高まりつつある。実際、2026年7月17日にはCompute Exchangeが中古のNvidia H100およびA100 GPUの二次市場を開設した。しかし、SambaNovaのSN50 ASICには二次市場が存在しない。Upper90は、再販実績が全く確立されていない段階でこれらのチップを担保として受け入れた。これは、2021年に伝統的な金融機関がGPU融資を拒否した際と全く同じ構造的状況だが、ASIC版にはさらなるリスクが伴う。新しい買い手が持ち込むほぼすべてのAIワークロードに対応できる中古のNvidia GPUとは異なり、トランスフォーマーモデルのデコード処理に最適化された中古の推論ASICは、主流のモデルアーキテクチャが設計時のパターンからシフトした場合、無価値になる可能性がある。SN50の優位性はアーキテクチャに特化しているため、その陳腐化リスクも同様に特化している。
S&P Global Ratingsのアナリストによると、ハイエンドのNvidia GPUは3年以内に再販価値の約半分を失う。推論チップのASIC減価償却カーブは、比較対象となる中古市場が存在しないため、まだ確立されていない。Upper90がこの不確実性を許容可能なリスクとして評価したこと自体が賭けである。General Computeのインフラを流れる推論収益が融資の返済を賄うのに十分な期間持続するかどうか、そして仮に持続しなかった場合にSambaNovaのチップに十分な残存価値があるかどうかは、数週間ではなく数年をかけて解決される問題である。
この取引が明確に示したのは、少なくとも一つの主要なAIインフラ融資元において、推論チップが学習用ハードウェアとは異なる独立した資産クラスとして扱う価値があると判断されたことだ。この再分類は、競合する融資元、他の推論クラウド事業者、そしてNvidiaエコシステムの外で資金調達の道を模索してきたチップメーカーによって意識されることになるだろう。その連鎖的な影響は、まだ始まったばかりである。
■注目ポイントQ&A
●融資の観点から見て、推論特化型チップとGPUの違いは何ですか？
GPUは学習、推論、グラフィックスなど多用途に使える汎用アクセラレーターであり、中古市場も存在するため担保価値を予測しやすい特徴があります。一方、SambaNovaのSN50のような推論特化型ASICは、LLM推論のデコード処理に最適化されており、特定のワークロードでは高速かつ低コストですが、それ以外の用途への転用価値がほとんどありません。そのため、これを担保とする融資は、その特定のワークロードの需要が融資期間中に持続するという賭けになります。
●SambaNovaのSN50チップは、Nvidiaのアーキテクチャとどう異なりますか？
NvidiaのGPUは、学習などの並列処理に適したSIMT（単一命令複数スレッド）設計を採用しています。これに対し、SambaNovaのRDU（再構成可能データフローユニット）は、演算回路とメモリを隣接させることでデータ移動距離を縮小し、デコード処理を高速化します。General Computeは、プロンプトを読み込むプリフィル処理にAMD MI300Xを使い、デコード処理にSN50を組み合わせることで、Artificial Analysisのテストにおいて1秒あたり763トークンという、GPU単体構成を大きく上回る性能を実証しました。
●SambaNovaのチップが融資返済前に価値を失った場合、どうなりますか？
これは今回の契約における未解決の構造的リスクです。資産担保融資では担保に市場性が必要ですが、SambaNova SN50には二次市場がありません。General Computeが債務不履行に陥り、Upper90がチップを売却せざるを得なくなった場合、特定のモデルアーキテクチャに依存する特殊なハードウェアの買い手を見つけられるかどうかに回収価値が左右されます。過去のビットコイン採掘用ASICのように、アルゴリズムの変更によって価値がほぼゼロになるような技術的陳腐化のリスクを伴います。
●なぜ推論は学習用計算資源よりも担保として有望視されるのですか？
モデルの学習は一時的な集中処理であり、完了後は稼働率が下がります。一方、推論はユーザーやエージェントからのリクエストに応じて継続的に発生し、課金に直結します。AIの普及に伴い、推論による収益は予測可能で継続的な「公益事業（ユーティリティ）」のような性質を帯びてきます。今回の融資枠も、顧客からの確定需要（契約）に応じて段階的に資金を引き出す構造になっており、実際の収益と信用リスクが連動するよう設計されています。
元記事: General Compute: Inference Chips Replace Nvidia GPUs as Loan Collateral in Landmark $400M Deal