AIエージェントはCPUの役割を変え始めたーーArm AGI CPUから見る「実行・制御・異種計算」とAIインフラ競争の行方

2026年8月23日 19:38

＜２０２６年７月２２日以前のコンテンツ一覧はこちら＞

＜本文＞

2026年8月23日

用語注記　Arm AGI CPUの「AGI」はArmの製品名として扱う。本稿では、これを汎用人工知能（Artificial General Intelligence）を意味する語として解釈しない。

1．AI計算は「モデルを速く動かす」だけでは説明しにくくなった

大規模言語モデルの学習と推論では、行列演算と大容量メモリが引き続き重要である。AIエージェントが広がるからといって、この計算が不要になるわけではない。

GoogleはTPU 8tとTPU 8iを展開し、FuriosaAIはRNGDを量産し、Axelera AIはEuropa AIPUを、Preferred NetworksはMN-Core Lシリーズを進めている。モデル計算や推論を専用アクセラレータへ寄せる方向は、むしろ活発である。

一方で、AIエージェントは一度モデルを呼び出して答えを返すだけとは限らない。目的を分解し、情報を取得し、ツールやAPIを呼び、コードを実行し、結果を確認し、次の処理を選び、必要なら再試行する。

概念的には、次のような処理が繰り返される。

目的を受け取る
→ 現在状態を確認する
→ 次の行動を選ぶ
→ 必要に応じてモデルを呼ぶ
→ ツールやコードを実行する
→ 結果を確認する
→ 次の状態へ進む

この構造を「行列演算からif文への交代」と表現するのは不正確である。モデル内部では、依然としてGPU、TPU、NPUなどによる大規模な数値計算が行われる。

変わるのは、そのモデルを実際の仕事の流れへ組み込むために、モデルの外側で動く処理が設計対象としてはっきり見えるようになったことである。

NVIDIAはVeraを「CPU for agents」と位置付け、code execution、tool use、sandboxing、analytics、data pipelines、orchestrationをCPU側の用途として掲げている。AMDはAgentic AIのmulti-step workflowについて、GPU scheduling、data preparation、memory／I/O、control flowをCPUの仕事として説明する。Google CloudはAxion N4AとGKE Agent Sandboxを、tool-callsやfeedback loopsを含むエージェント型インフラの一部として位置付ける。AWSもGravitonについて、real-time reasoning、code generation、search、multi-step orchestrationをCPU-intensiveなAgentic workloadとして説明している。

ここから言えることは限定される。

複数の主要企業が、AIエージェント向けインフラのCPU側に、モデルの外側の実行・制御処理を明示的な用途として置いている。

ここから「市場全体でCPU比率が何％増えた」「GPU需要が減る」とは言えない。ベンダーの製品説明と、市場統計や独立ベンチマークは別の証拠である。

2．Armの変化――IPを供給する会社が完成CPUまで持つ

Arm AGI CPUが特に興味深いのは、CPUの技術的な役割だけでなく、Arm自身の産業上の位置も変えるからである。

Armは2026年3月24日、35年以上の歴史で初めて自社のproduction silicon productを提供し、その最初の製品としてArm AGI CPUを発表した。最大136基のArm Neoverse V3コア、300W TDPを掲げ、標準的な36kW空冷ラックで8,160コアを配置する構成を示している。Metaはlead partner兼customerとして開発に参加した。

ArmはAGI CPUの用途として、agentic orchestration、accelerator management、サービス・アプリケーション・ツールの高密度実行などを挙げる。

ここで重要なのは、ArmがCPU IPの会社でなくなることではない。

従来のArmは、

Architecture
→ CPU IP
→ Compute Subsystem

という形で、半導体企業やクラウド企業が自ら製品を作るための基盤を供給してきた。

AGI CPUでは、そこに

→ Arm設計の完成CPU

が加わる。

したがってArmは、IP、CSS、完成CPUという複数の供給形態を並行して持つことになる。

この構造では、一部の顧客・ライセンシーが開発するArmベースCPUとArm自身の完成CPUが、製品領域で重なり得る。Arm Everywhereの質疑でも顧客との競争が複数回質問されている。

ただし、ここから不公正行為や競争法違反を推論することはできない。確認できるのは、供給者と顧客の関係が単純な一方向ではなくなるという産業構造上の論点までである。

また、AGI CPUは構想だけの話でもない。Armは2026年7月29日、FYE27とFYE28を通じた顧客需要が20億ドルを超え、初期製品を複数顧客へ納入したと説明している。

3．同じ問題に、各社は別の答えを出している

3.1 CPU側をエージェント実行の制御層として強化する

Arm、NVIDIA、AMD、Google Cloud、AWS、SiPearlの6組織は、用語も製品構成も同一ではない。

それでも、CPU側にorchestration、tool、sandbox、control flow、I/O、データ移動などの仕事を置く説明が共通して現れる。

欧州のSiPearl Rhea1も、multi-agent orchestration、tool-calling、RAG、acceleratorとのhandoffをCPU側の用途として説明している。

この6組織の一次資料が同じ方向の言葉を使っていることが、本稿の中心命題を直接支える証拠である。

さらに韓国では、SK Telecom、Arm、RebellionsがArm AGI CPUとRebelCardを組み合わせるAI inference serverを共同開発している。SK TelecomはCPUを汎用データ処理・system operation、RebelCardをAI inferenceへ割り当てる構成を明示する。

これは供給側の主張だけでなく、採用側でもCPUと専用アクセラレータの分業が具体的なシステム設計になり始めている例である。

3.2 推論アクセラレータ側もAgenticを取り込んでいる

CPU中心の見方に対する重要な反証材料がFuriosaAIである。

FuriosaAIはRNGDを「advanced LLM and agentic AI」の推論アクセラレータとして位置付け、2026年1月に量産出荷を公表した。NXT RNGD Serverは8枚のRNGDカードを搭載して3kWで動作する。

ここで面白いのは、Agentic AIという言葉がCPU側だけの市場説明ではないことだ。

Axelera AIのEuropaも、16基のRISC-V vector processing coresでpre／post processingを行い、host CPUをbusiness logicへ解放する構成を示している。Europaは629 TOPS、45W TDPを掲げる。

つまり境界は一方向に動いているわけではない。

CPU側がエージェント実行を取り込む一方で、AIアクセラレータ側もpre／post processingやAgentic inferenceを取り込む。

どこで境界を切るとシステム全体が最も効率的になるのかが競争になる。

3.3 MicrosoftとMetaは「一種類のシリコン」ではなくポートフォリオで動く

MicrosoftはCobalt 200を2026年6月、agentic AI workloadsに最適化したArmベースVMとして提示した。Azure Boostはnetworkやstorage等の処理を専用hardwareへoffloadする。一方、Maia 200は推論アクセラレータである。

ここでは、CPU、AI accelerator、offload hardware、cloud softwareを別々の製品として持ちながら、インフラ全体を共同最適化する方向が見える。

Metaはさらに分かりやすい。

Metaは自社のMTIAを推論・推薦・生成AIへ拡張しながら、Armと複数世代のCPUを共同開発し、AWS Gravitonも大規模に採用する。

Meta自身はこれを「portfolio approach」として説明している。

したがってAIインフラの垂直統合は、必ずしも「全部を自前にする」ことではない。

自前チップを持ちながら、外部のCPUやアクセラレータも組み合わせ、仕事ごとに最適な計算資源を選ぶという垂直統合もあり得る。

3.4 チップ単体ではなく、システム全体が競争単位になる

HuaweiのSuperPoD、Google AI Hypercomputer、NVIDIA Vera Rubin、FugakuNEXTは同じアーキテクチャではない。

しかし、CPU、GPU／NPU、memory、network、storage、softwareを個別部品ではなくシステムとして設計する点では共通している。

FugakuNEXTでは、Fujitsu MONAKA-X CPUとNVIDIA GPUを組み合わせ、高帯域でcoherentなCPU―GPU interconnectとしてNVLink-C2Cを検討している。重要なのは、これは採用確定ではなく検討段階であるという点である。

台湾では、Foxconn、Quanta、WistronなどがVera Rubinのrack-scale supply chainに参加する。TSMCについては、NVIDIAの供給網資料ではなく、TSMC自身の資料でCoWoSやSoICなどのadvanced packagingと3D chip stackingを確認できる。

異種計算が進むほど、どのCPUやGPUを選ぶかだけではなく、それらを物理的・論理的にどう接続するかの価値が高くなる。

4．「主権」ではなく、供給・運用自律性と政策を分けて見る

AIインフラでは、性能や価格だけでは説明できない選択が増えている。

ただし「主権」という一語にまとめると、技術と法律と政策が混ざる。

本稿では、次を分けて見る。

自社または国内シリコンを持つか
国内・地域内に計算資源を置くか
供給先を複数持つか
運用・保守を国内または自組織で制御できるか
法令上、データやシステムにどの要件が課されるか

Huaweiについては、Kunpeng、Ascend、SuperPoDという垂直統合構造が確認できる。一方で、米国BISによる対中先端計算半導体・半導体製造装置の輸出管理という外部制約も存在する。

ここで「輸出管理がHuaweiのSuperPoDを生んだ」と因果を断定することはしない。技術選択と政策制約を別々の変数として記録する。

欧州では、SiPearl Rhea1がEuroHPCのJUPITER cluster moduleに採用され、欧州CPUの戦略的自律性という政策文脈と結び付く。

日本では、富士通がMade in JapanのソブリンAI serverを2026年3月から製造し、FUJITSU-MONAKA搭載serverを2026年度中に国内製造する計画を公表している。同社自身が背景として経済安全保障推進法、海外法規制、critical infrastructureのrisk managementを挙げている。

インド、ケニア、ブラジルなどの例では、自国CPUを作ることより、国内に大規模なAI計算能力を置き、政府・公的機関が運用へ関与することが前面に出る。

したがって「供給・運用自律性」は重要な比較軸だが、法的なデータ主権そのものではない。

5．次に重要になるのは「一つの仕事を終えるまで」の性能かもしれない

これまでAI計算の評価では、FLOPS、tokens/sec、memory bandwidth、accelerator utilizationなどが重要だった。

これらは今後も重要である。

しかしAIエージェントが複数stepの仕事をするなら、利用者が本当に知りたいのは、

一つの仕事を、何秒で、何円で、何Whで、何回の失敗・再試行を経て完了できるか

になる可能性がある。

この考え方では、モデル推論だけでなく、

tool dispatch
sandbox／container起動
memory access
network／storage I/O
CPU―accelerator間のdata movement
retry
state transition
policy check

も性能の一部になる。

公開値にはすでにその入口がある。

Arm AGI CPUは300W TDPと36kW rackで8,160 coresを示す。Furiosa NXT RNGD Serverは8 accelerator／3kWを示す。Axelera Europaは629 TOPS／45Wを示す。CSIRO Vetraは48 GPUsをedgeに配置し、年間約225tのCO2排出削減見込みを公表する。ケニアのAI StrategyはAIDCのPFLOPS、PUE、液冷導入率まで政策目標に置く。

これらを単純比較することはできない。測っている対象が違うからである。

しかし、性能、密度、電力、運用場所を一緒に観察する必要があることは見えてくる。

6．Agent Runtime Machine――施設ではなく「job completion」を単位に考える

本稿では将来の設計単位を仮にAgent Runtime Machineと呼ぶ。

これは既存の標準用語ではない。

AI FactoryやAI Hypercomputerが施設またはインフラstackを単位として捉えるのに対し、Agent Runtime Machineで見る単位は一つのjobの完了である。

つまり、

Model Compute
＋ State
＋ Memory
＋ Tool
＋ Code
＋ Network
＋ Storage
＋ Policy
＋ Scheduler

を、一つの仕事が終了するまでの時間、コスト、電力、信頼性という観点からまとめて評価する。

この概念が必要になるかどうかは、まだ確定していない。

重要なのは造語そのものではなく、評価単位を「一個のチップ」から「一つの仕事」へ移してみると、CPU、GPU、NPU、network、storage、runtimeの役割を同じ問題として扱えることである。

7．この仮説が外れたと判断する条件

観測事実と将来仮説は分けておく必要がある。

「2026年8月時点で6組織の一次資料にAgentic CPU用途が記載されている」という観測事実は、資料の誤読や撤回が確認されない限り過去の事実として残る。

一方、そこから先の「この構造が定着する」という仮説は反証可能でなければならない。

本稿では、次の条件を置く。

CPU側Agentic訴求が定着しない
2027～2028年の次世代CPU発表で、主要6組織のうち3組織以上がagentic orchestration等の訴求を外し、独立benchmarkや調達仕様にもAgentic workloadが現れなければ、CPU制御層の構造変化という仮説を弱める。
job completion評価が定着しない
2028年時点でも主要なAI benchmark・調達仕様がFLOPS、tokens/sec等にほぼ限定され、tool callやtask completionを含む指標が定着しなければ、Agent Runtime Machine仮説を弱める。
異種統合に経済的優位が出ない
独立したTCO・電力比較でsystem-level統合が分離型構成に対して継続的な優位を示さず、調達が再び分離型へ戻るなら、異種統合を主要競争軸とする見方を弱める。

ここからさらに監査階層を増やす必要はない。これらの観測条件で十分である。

8．今後の観測点

この議論を静的なニュース整理で終わらせないため、公開情報で追える観測点を限定しておく。

Arm、AMD、Intel、NVIDIA、hyperscalerの次世代CPU発表でAgentic workloadがどの程度継続して扱われるか
MLPerfなどのbenchmarkにtool call、multi-step、task completionに近い測定が入るか
cloudのCPU instanceとGPU／accelerator instanceの価格、供給量、利用形態
OCPなどでAgentic向けreference designが増えるか
rack density、TDP、PUE、tokens／job、job当たりcostなどの公開値が増えるか
FugakuNEXT、MN-Core L、TPU 8iなど、計画段階の製品が実運用でどの構成へ落ち着くか

これらが揃えば、「CPUが重要らしい」という製品説明から、実際のシステム性能・経済性へ議論を移せる。

9．比較Excelについて

付属の世界アトラスは、32の収録行を同じ重みで並べるランキングではない。

直接類例7行、構造近接、推論対照、供給・製造近接、計算基盤近接、実行系需要例を分けている。

数値の総合scoreは設けていない。

代わりに、

Agentic CPU／制御
異種計算協調
推論専用化
供給・運用自律性
垂直統合

についてカテゴリ判定を置き、それぞれの判定根拠をEvidence_MatrixでSource_IDまで追跡できるようにしている。

Sourcesでは一つの事例に複数の一次資料を紐付けられる。MicrosoftのCobalt／Maia、MetaのMTIA／Arm／AWS、AlibabaのSHENLONG／CIPU、NCIの「nearly 3 times」と≈2.69x、FujitsuのMONAKA技術資料と国内製造資料のように、一つのURLだけでは全ての主張を支えられない事例を分離した。

Regional_Viewには地域の「強い／弱い」といった評価を置かない。地域ごとの収録数と代表例、読み方だけを示す。

したがってこのExcelの目的は、地域や企業の勝敗をつけることではない。

どの主張が、どの一次資料によって、どこまで支えられているかを第三者がたどれるようにすることである。

おわりに

AIエージェント時代に起きていることを、「GPUからCPUへの回帰」とまとめる必要はない。

モデル計算は依然としてGPU、TPU、NPUなどのアクセラレータを必要とし、その側でも技術革新は続いている。

その一方で、Arm、NVIDIA、AMD、Google Cloud、AWS、SiPearlの一次資料には、モデルの外側で動くorchestration、tool、sandbox、control flow、I/OなどをCPU側の重要な仕事として扱う説明が並ぶ。

そこへMicrosoftのCobalt、Metaの複数silicon portfolio、SK TelecomのCPU＋NPU構成、HuaweiやGoogleのsystem-level統合、TSMCのadvanced packaging、各国の計算基盤政策が重なる。

したがって、いま観察すべき競争は「CPUかGPUか」ではない。

モデル計算と、そのモデルを使って仕事を最後まで進める実行系を、どのようなハードウェアとソフトウェアの組み合わせで成立させるか。

Arm AGI CPUは、その変化を一社で引き起こした原因ではない。

しかし、IP・CSSを供給してきたArmが完成CPUまで提供し、Agentic orchestrationを主要用途として掲げたことで、この構造変化を非常に見やすくした製品である。

主要参照資料

Arm — Arm expands compute platform to silicon products in historic company first
https://newsroom.arm.com/news/arm-agi-cpu-launch
Arm — Announcing Arm AGI CPU: The silicon foundation for the agentic AI cloud era
https://newsroom.arm.com/blog/introducing-arm-agi-cpu
Arm — Arm delivers record first-quarter for total revenue
https://newsroom.arm.com/news/arm-q1-fye27-results
NVIDIA — NVIDIA Launches Vera CPU, Purpose-Built for Agentic AI
https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Launches-Vera-CPU-Purpose-Built-for-Agentic-AI/default.aspx
AMD — Agentic AI Brings New Attention to CPUs in the AI Data Center
https://www.amd.com/en/blogs/2026/agentic-ai-brings-new-attention-to-cpus-in-the-ai-data.html
Google Cloud — What’s next in Google AI infrastructure: Scaling for the agentic era
https://cloud.google.com/blog/products/compute/ai-infrastructure-at-next26
AWS — Meta signs agreement with AWS to power agentic AI on Amazon's Graviton chips
https://press.aboutamazon.com/aws/2026/4/meta-signs-agreement-with-aws-to-power-agentic-ai-on-amazons-graviton-chips
Microsoft Azure — New Azure Cobalt 200 VMs deliver 50% performance improvement, fully optimized for modern agentic AI workloads
https://azure.microsoft.com/en-us/blog/new-azure-cobalt-200-vms-deliver-50-performance-improvement-fully-optimized-for-modern-agentic-ai-workloads/
Microsoft — Announcing Cobalt 200: Azure’s next cloud-native CPU
https://techcommunity.microsoft.com/blog/azureinfrastructureblog/announcing-cobalt-200-azure%E2%80%99s-next-cloud-native-cpu/4469807
Microsoft — Maia 200: the AI accelerator built for inference
https://blogs.microsoft.com/blog/2026/01/26/maia-200-the-ai-accelerator-built-for-inference/
Meta — Meta Partners With Arm to Develop New Class of Data Center Silicon
https://about.fb.com/news/2026/03/meta-partners-with-arm-to-develop-new-class-of-data-center-silicon/
Meta — Expanding Meta’s Custom Silicon to Power Our AI Workloads
https://about.fb.com/news/2026/03/expanding-metas-custom-silicon-to-power-our-ai-workloads/
Huawei — Groundbreaking SuperPoD Interconnect
https://www.huawei.com/en/news/2025/9/hc-xu-keynote-speech
U.S. BIS — Commerce Strengthens Restrictions on Advanced Computing Semiconductors...
https://www.bis.gov/press-release/commerce-strengthens-restrictions-advanced-computing-semiconductors-semiconductor-manufacturing-equipment
Alibaba Cloud — ECS instance families overview
https://www.alibabacloud.com/help/en/ecs/user-guide/overview-of-instance-families
SK Telecom — MOU with Arm and Rebellions for Next-Generation AI Infrastructure Innovation
https://www.sktelecom.com/en/press/press_detail.do?idx=1665
FuriosaAI — RNGD Enters Mass Production for Data Center AI
https://furiosa.ai/blog/rngd-enters-mass-production-the-high-performance-ai-accelerator-for-any-data-center
TSMC — 2026 AGM Agenda
https://investor.tsmc.com/sites/ir/shareholders-meeting/2026-06-04/2026AGM_Agenda_wmn.pdf
SiPearl — Agentic AI / Rhea1
https://sipearl.com/use-cases-agentic-ai
EuroHPC JU — Our Supercomputers / JUPITER
https://www.eurohpc-ju.europa.eu/supercomputers/our-supercomputers_en
Axelera AI — Europa AIPU
https://axelera.ai/ai-accelerators/aipu/europa
Core42 — Sovereign AI Cloud
https://www.core42.ai/products/ai-cloud
NVIDIA / HUMAIN — HUMAIN and NVIDIA Announce Strategic Partnership to Build AI Factories of the Future in Saudi Arabia
https://nvidianews.nvidia.com/news/humain-and-nvidia-announce-strategic-partnership-to-build-ai-factories-of-the-future-in-saudi-arabia
CSIRO — Vetra AI infrastructure
https://www.csiro.au/en/news/All/News/2026/May/Vetra-AI-infrastructure
NCI — Record Demand Highlights Australia’s Growing Need for Supercomputing Power
https://nci.org.au/news-events/news/record-demand-highlights-australias-growing-need-supercomputing-power
NCI — NCMAS 2026 Outcomes
https://my.nci.org.au/mancini/ncmas/2026/outcomes
Fujitsu — FUJITSU-MONAKA
https://global.fujitsu/en-global/technology/research/fujitsu-monaka
Fujitsu — Fujitsu Group starts manufacturing sovereign AI servers in Japan
https://global.fujitsu/en-global/pr/news/2026/02/12-01
RIKEN — FugakuNEXT Basic Design / ISC2026
https://www.r-ccs.riken.jp/en/fugaku-next/fugakunext_isc2026_handout.pdf
Preferred Networks — MN-Core L Series / Physical AI joint research
https://www.preferred.jp/ja/news/pr20260601
G42 — Condor Galaxy India AI Supercomputer
https://www.g42.ai/resources/news/g42-and-government-india-formalize-commercial-framework-condor-galaxy-india-ai-supercomputer
Government of Kenya — Kenya AI Strategy 2025-2030 Implementation Roadmap
https://www.ict.go.ke/sites/default/files/2025-12/Kenya%20National%20AI%20Strategy%202025-2030%20Implementation%20Roadmap.pdf

注記： 本稿は2026年8月23日時点の公開情報を基礎に、一次資料で確認できる観測事実、選定事例からの構造分析、将来仮説を区別して記述した。32の収録行は無作為抽出された市場統計サンプルではない。ベンダーが公表する性能、電力効率、TCO等の比較値は、その企業の公表値として扱い、独立ベンチマークと同一視しない。一次資料で十分に確認できない個別事実は断定しない。