GPUより先に詰まるもの：AI時代の「ネットワーク」というボトルネック

AIブームの主役はGPUや巨大モデルに見えますが、実際に「計算を価値に変える」最後の詰めはネットワークです。Arista NetworksのCEO、Jayshree Ullalは、この点を、比喩と現場感のある言葉で説明します。本稿では、対談内容をもとに「AI時代のネットワークが何を変え、どこがボトルネックで、企業は何に賭けているのか」を噛み砕いて整理します。

1. 「チップがエンジンなら、ネットワークは高速道路」

対談で最も分かりやすいのがこの比喩です。
「車の性能が時速100マイルでも、道路が30マイルしか出せなければ、エンジン（＝GPU）の力を使い切れない」——つまり、AI投資の効率は、計算資源そのものより“つなぎ方”で決まる局面が増えています。

ここでArista Networksが担うのは、現代データセンター向けの高性能・低遅延・高信頼なスイッチ／ルーティング基盤です。ユーザー、サーバー、ストレージ、そして、“AIのキラーアプリ”が生む高密度トラフィックを「裏側で」さばく。本人が冗談交じりに語るように、外からは見えにくいが、止まると全員が気づくインフラです。

2. AIネットワークは「クラウドの延長」ではない

2-1. フロントエンドからバックエンドへ——AIが増やした“別世界の交通”

クラウド以前〜クラウド期の主役は、CPU中心の一般的な処理（検索・DB・一般ワークロード）をつなぐフロントエンドネットワークでした。ところが生成AI以降、状況が変わります。数百〜数千、場合によってはそれ以上のアクセラレータ（GPU等）を束ねる必要が生まれ、トラフィックはより高速・低遅延・ピークが激しい性質へ。

彼女はこれを、バックエンド／スケールアップ／スケールアウトのネットワークと呼び、従来の延長線では指標も設計思想も足りないと示唆します。

2-2. “島”を繋ぐ標準化——Ethernet/IPをAIバックエンドへ

AI以前のバックエンドは、用途ごとに別々の仕組み（“島”）になりがちでした。そこへArista Networksが持ち込んだのが、クラウドでも使われてきた標準ベース（Ethernet/IP）の思想。これが「AI時代のスケール」に合う形で再評価されている、という文脈です。

3. 技術ボトルネックは「電力」と「スピードの加速」

3-1. 最大の壁は電力——“設備を作れない”問題

対談で繰り返される最大の制約は、意外にも半導体ではなく電力です。GPU、ネットワーク、ケーブル、光学（オプティクス）まで、消費電力が過去の常識から跳ね上がった。しかも「必要な電力を見つけるのに3〜5年かかることがある」と述べ、AIインフラは資本だけでなく、立地・系統・建設期間に縛られる現実を強調します。

3-2. 進化サイクルが“5年→12〜18ヶ月”に短縮

ネットワーク速度の世代交代も急加速しています。かつては100M→1G→10G→100Gに約5年単位で移行していたのが、いまは100G→200/400→さらに上へと、ほぼ年単位で次を織り込み始めている——「去年400Gに着いたのに、もう800Gや1.6Tを考えている」という趣旨の発言は、需要の圧力を端的に表します。

4. 「バブルか？」への答え——“需要が先にある”投資

司会がドットコム期（Cisco Systemsの成長期）と比較し、「また過剰投資になるのでは？」と問う場面があります。彼女の答えは単純化するとこうです。

• 当時は「作れば人が来る」型の過剰建設が起きた

• いまは逆で、「需要が先にあり、供給（電力・設備）が追いつかない」

• 主導しているのが“責任ある大企業”である点も違う（Microsoft、Google、Meta、Oracle等に加え、OpenAIやAnthropicのような新勢力も登場）

つまり、「バブルではない」と断言はしないが、少なくとも“空需要の建設競争”とは構造が異なる、という整理です。

5. 経営の核心——文化は「正しいことをする」

技術論の合間に、彼女は繰り返しカルチャーを語ります。要約すれば、キーワードは“Do the right thing（正しいことをする）”。象徴的なのが、ハードの品質問題をソフトのパッチで“隠す”選択肢があったにもかかわらず、顧客に説明し、自社負担で全面交換を選んだ話です。本人は「破産しかねない」とまで言い、短期利益より信頼を取る判断が文化を作ると示します。

採用でも同様で、「能力は前提。その上でキャラクター、道徳、価値観、カルチャーフィットを見る」と語り、長期戦のインフラ事業らしい人材観がにじみます。

6. これから3年——AIは“巨大集中”から“分散”へ

最後に未来観。彼女の射程は「1〜3年が一番当たる」と慎重ですが、方向性は明確です。
いまのAIは、「メインフレーム的（巨大クラスター中心）」だが、次はより分散した形へ広がる。ポイントは“ミニチュア化”が難しいこと。推論・推論最適化、限られたリソースで成果を出す設計が重要になり、結果としてAIが「大規模設備だけでなく、より身近な計算環境」に近づく——という見立てです。ここでもネットワークは、集中と分散の両方を成立させる“血管”として重要度が増していきます。

オススメ記事

Next Big Wave（成長株・アイデアの種・トレンド深掘り）