NVIDIA一強に風穴を開けるか　　　　　日本発AI半導体「CGLA」が突きつける“電力という本質”

静かに始まった違和感

2025年11月、日本経済新聞が、日本のスタートアップLENZOによる新しい半導体アーキテクチャ「CGLA」を取り上げた。

PlayStationの中核プロセッサを手がけた技術者たちが、GPU時代の前提そのものに疑問を投げかけている──そんな切り口の記事だった。
翌12月にはテレビ東京も、LENZOの取り組みを紹介し始めている。

CGLAは、単なる「速いチップ」ではない。
AI計算が抱える根本的な問題──電力と構造──に正面から向き合う試みだ。

AIはなぜ「電気をバカ食いする」のか

AIはもはや実験段階の技術ではない。
検索、翻訳、画像生成、業務支援──社会のあらゆる層に浸透している。

一方で、その裏側では深刻な問題が進行している。
電力消費だ。

AIモデルの学習や推論では、膨大なデータを何度も読み書きする。
その結果、データセンターの電力需要は急激に増え、
「AIは便利だが、コストとエネルギーが重すぎる」
という矛盾を抱え込んでいる。

この問題の根底にあるのが、長年使われてきた計算構造そのものだ。

フォン・ノイマン・ボトルネックという宿命

従来のコンピュータは、

• データを保存するメモリ

• 計算を行うプロセッサ

を分けて設計してきた。

AI処理では、この二者の間を大量のデータが往復する。
この「移動」が、時間と電力を浪費する。

NVIDIAのGPUは並列計算によってこの問題を緩和してきたが、
分離構造そのものは変えていない。

LENZOが注目したのは、まさにこの点だった。

CGLAという発想

「データを運ばず、流す」

CGLA（Coarse-Grained Linear Array）は、
演算器を一直線に並べ、データを流しながら処理する構造を取る。

従来型が「必要な部品を倉庫から何度も取りに行く工場」だとすれば、
CGLAは「止まらない流れ作業」に近い。

• データは留まらず

• 通過するたびに計算され

• 無駄なメモリアクセスが減る

結果として、電力消費が大きく下がる

NVIDIAのハイエンドGPUと比較して最大9割も少ない電力でAIを動かせるという、圧倒的な電力効率だ

LENZOは、
性能の頂点を競うのではなく、計算の流れそのものを組み替える
という道を選んだ。

なぜ暗号資産マイニングから始めたのか

LENZOが最初に実証の場として選んだのは、AIではなく暗号資産マイニングだった。

理由は明快だ。

• 計算内容が単純で比較しやすい

• ソフトウェア資産に依存しない

• 電力効率が結果としてそのまま表れる

つまり、技術の素性が誤魔化せない市場である。

公開されたプロトタイプは、
一世代古い7nm製造プロセスにもかかわらず、
最新鋭のマシンを上回る効率を示した。

少なくとも、
「理屈だけの構造ではない」
ことは確認されたと言える。

AI推論で見え始めた可能性

LENZOはその後、CGLAを用いて
大規模言語モデル（Llama）の推論処理を実行することに成功しているようだ。

これは重要な一歩だ。

AI推論では、学習ほどの柔軟性は求められない。
一方で、同じ重みデータを何度も使うため、
電力効率の差が顕著に表れる。

CGLAの構造は、この特性と相性が良い。

ただし、越えるべき壁も明確だ

現時点でCGLAには課題も多い。

• AI学習のような汎用・動的計算への適応

• GPUとの包括的なベンチマーク

• 大規模システムでの運用実績

これらは、まだこれから検証される領域だ。

さらに大きな壁は、
CUDAを中心としたNVIDIAの開発エコシステムである。

どれほど効率的でも、
使いにくい技術、展開しにくい技術は広がらない。

かつて開発者たちがかつて取り組んだCellプロセッサが直面した課題を、
LENZO自身も強く意識している。

これは何の転換点なのか

CGLAの挑戦は、
GPUを否定するものではない。

それはむしろ、

という問いを投げかけている。

用途ごとに最適化された計算構造が並ぶ世界。
電力と性能のバランスが、設計段階から問われる世界。

AIが“電気を食う怪物”のままでいいのか。
それとも、より賢く使われる存在へ進化できるのか。

CGLAは、その分岐点に立つ技術の一つだ。

その真価が問われるのは──
これからである。

LENZO　
https://lenzo.co.jp/