光で計算するAIチップ：フォトニックプロセッサが切り拓くポスト・ムーア時代のコンピューティング

はじめに — AIの電力危機と「光」という答え

2026年、世界中のデータセンターが直面している問題は「計算力」ではなく「電力」だ。

ChatGPTの登場以降、生成AIの利用は爆発的に増加している。GPT-4クラスのモデルを訓練するには数ギガワット時の電力が必要とされ、国際エネルギー機関（IEA）の予測では、データセンターの世界電力消費は2026年までに1,000TWhに達する可能性があるという。これは日本の年間発電量の約4分の1に相当する規模だ。

問題は、AIの進化スピードに対して半導体の進化が追いつかなくなっていることにある。長らくテクノロジー産業を牽引してきた「ムーアの法則」——トランジスタの集積度は18〜24ヶ月で倍増するという経験則——は、物理的な限界に達しつつある。微細化はすでに原子レベルに迫り、これ以上の集積密度向上は困難になりつつある。

つまり、これまで「半導体を小さくすれば速くて省電力になる」という前提で成り立っていた計算のパラダイムが、終わりを迎えようとしているのだ。

この壁を突破するアプローチとして、世界中の研究者と企業が注目しているのが「光コンピューティング」だ。電子の代わりに光（フォトン）を使って計算を行うフォトニックプロセッサは、発熱がほぼゼロで、互いに干渉しないため大量のデータを同時に並列処理できる。

そして2025年4月、MITスピンオフのLightmatter社がNature誌に発表した論文が、この分野に決定的な転換点をもたらした。フォトニックチップ上で、ResNet（画像認識）やBERT（自然言語処理）といった実用的なAIモデルを、従来の電子チップに近い精度で実行できたのだ。「光で計算する」というアイデアは、もはや夢物語ではなく、産業化の段階に入っている。

本記事では、フォトニックプロセッサがどのような技術で、どのようにAI計算を加速し、ポスト・ムーア時代のコンピューティングをどう変えるのかを、最新の研究成果と商用化の現場から詳しく解説する。

第1章：なぜ今「光コンピューティング」なのか — ポスト・ムーア時代の課題

ムーアの法則とデナードスケーリングの終焉

半導体産業は60年以上、「ムーアの法則」に従って進化してきた。インテルの共同創業者ゴードン・ムーアが1965年に提唱したこの経験則は、「トランジスタの集積度は約18〜24ヶ月で倍増する」というものだ。実際、プロセッサのトランジスタ数は指数関数的に増加し、それに伴って計算性能も向上し続けた。

しかし、この恩恵にはもう一つの前提があった。「デナードスケーリング」だ。これは「トランジスタが小さくなるほど、消費電力も比例して減る」という法則で、2005年頃まで成り立っていた。つまり、チップが高速になっても消費電力は増えない——これが半導体産業の黄金期を支えていた。

デナードスケーリングが崩壊して以降、プロセッサの周波数向上は頭打ちになり、消費電力は増え続けた。ムーアの法則自体も、トランジスタの微細化が数ナノメートルに達した現在、原子的な物理限界に直面している。

生成AIがもたらす計算量と電力消費の現実

この「半導体の進化が鈍化している」時に決定的な問題となったのが、生成AIの爆発的普及だ。

大規模言語モデル（LLM）の訓練には、数千億パラメータの計算が必要で、何千ものGPUを数ヶ月間フル稼働させる。先述の通り、GPT-4クラスのモデル訓練には数ギガワット時の電力が消費されると推定されている。IEAが予測するデータセンター全体の電力消費1,000TWhという数字は、一部の国の年間総発電量に匹敵する規模だ。

従来のシリコンCMOS技術では、この計算需要に対して「GPUを増やせば解決する」というアプローチは、電力と発熱の壁に阻まれる。

なぜ「光」なのか — 電子との根本的な違い

ここで注目されるのが「光（フォトン）」だ。電子と光子では、物理的な性質が根本的に異なる。

電子は電荷を持つため、互いに反発し合う。高密度で通そうとすれば抵抗が生じ、エネルギーが熱として失われる。これがチップの発熱の根本原因だ。

一方、光子は電荷を持たない。互いに干渉しないため、複数の光信号を同じ経路で同時に通すことができる。つまり、発熱がほぼゼロで、本質的な並列処理が可能だ。さらに、光の速度（約30万km/s）は電子の移動速度を大幅に上回る。

これが「光で計算する」という発想の出発点である。ムーアの法則の限界という壁の向こう側に、光という全く新しい計算パラダイムが見えている。

第2章：フォトニックプロセッサの仕組み — 光で行列計算をするとは？

AI計算の中核は「行列積」である

ディープラーニングの処理——画像認識、自然言語処理、生成AI——は、その大部分が「行列積（テンソル演算）」に還元できる。ニューラルネットワークの各層では、入力ベクトルに重み行列を掛け合わせ、バイアスを足すという操作が何百万回も繰り返される。GPUがAI計算に強いのは、この行列演算を並列に実行できるからだ。

フォトニックプロセッサは、この行列積を光の物理現象そのものを使って計算する。

マッハ・ツェンダー干渉計（MZI）による行列乗算

光による行列演算の中核となるのが「マッハ・ツェンダー干渉計（MZI）」という光学素子だ。MZIは光の経路を2つに分岐させ、再び合流させることで干渉を起こす。このとき、経路の長さや屈折率を微小に調整することで、光の振幅と位相を自在に制御できる。

MZIを格子状に配置した「マッハ・ツェンダー・メッシュ」を構成すれば、光信号がネットワークを通過する過程で、自動的に行列乗算が実行される。入力光ベクトルがメッシュを抜けた時点で、重み行列との積算結果が光の強度パターンとして出力されるのだ。電子回路が何百万回の乗算・加算を繰り返すところを、光は「通過するだけで一瞬で計算を完了」する。

以下のフローチャートは、フォトニックプロセッサにおける光による行列演算の基本的な処理フローを示している。電気信号が光に変換され、MZIメッシュで行列乗算が実行され、再び電気信号に戻って出力される一連の流れと、WDMによる並列演算の仕組みを視覚化している。

flowchart LR
    A["入力データ<br/>(電気信号)"] --> B["電気→光変換<br/>(レーザー/変調器)"]
    B --> C["MZIメッシュ<br/>(光による行列乗算)"]
    C --> D["光→電気変換<br/>(フォトディテクタ)"]
    D --> E["出力結果<br/>(計算完了)"]

    C --> C1["重み行列は<br/>MZIの位相設定で固定"]
    C --> C2["複数波長で<br/>並列演算が可能"]

    style C fill:#e8f4f8,stroke:#2196F3,stroke-width:2px
    style B fill:#fff3e0,stroke:#FF9800
    style D fill:#fff3e0,stroke:#FF9800

WDM（波長分割多重）による並列計算

フォトニックプロセッサのもう一つの強みが「WDM（波長分割多重）」だ。これは異なる波長（色）の光を同時に同じ経路に通す技術で、光ファイバー通信で実用化されている。光子は互いに干渉しないため、異なる波長に異なる計算を割り当てれば、1つのチップ上で複数の行列演算を同時に実行できる。これは電子回路には不可能な、光ならではの本質的な並列性だ。

電子 vs 光子 — 比較表

この表が示すように、光は「発熱」と「並列性」という点で電子に対して圧倒的な優位性を持つ。Q.ANT社のデータでは、1つの光素子が100〜1,000個のトランジスタを代替でき、最大30倍のエネルギー効率改善と50倍の計算速度向上を実現するとされる。

フォトニックプロセッサは、電子の計算を完全に置き換えるものではなく、行列演算という特定の処理を光で圧倒的に効率化する「専用アクセラレータ」である。この役割分担の設計こそが、ポスト・ムーア時代のコンピューティング・アーキテクチャの鍵となる。

第3章：Lightmatterのブレイクスルー — ついに「実用レベル」に到達した光AIチップ

Nature論文が証明した「光で実用的なAIが動く」

2025年4月9日、Nature誌（vol. 640, pp. 368–374）に一本の論文が掲載された。"Universal photonic artificial intelligence acceleration"（汎用フォトニックAIアクセラレーション）という題名のこの論文は、フォトニックコンピューティング分野における画期的なマイルストーンとして、たちまち学術界と産業界の注目を集めた。

論文を発表したのは、Lightmatter社だ。MIT（マサチューセッツ工科大学）のスピンオフとして設立されたベンチャー企業で、ニコラス・C・ハリス氏らを中心にフォトニックプロセッサの研究開発を進めてきた。

何がブレイクスルーなのか

それまでのフォトニックプロセッサの研究は、「簡略化されたベンチマーク」を動かすにとどまっていた。つまり、光で計算できることは示せても、それはあくまで実験室レベルのデモンストレーションだった。

Lightmatterの論文が世界を驚かせたのは、初めてフォトニックチップ上でResNet（画像認識モデル）とBERT（自然言語処理モデル）という、実世界で使われている標準的なAIモデルを、電子チップに近い精度で実行したことだ。

これは単なる性能向上ではない。「光で汎用的なAI計算が実用的に可能である」という事実を、初めて実証したのだ。特定のタスクに特化したアクセラレータではなく、トランジスタに依存しない新しい計算パラダイム——「ポスト・トランジスタ計算」——の実証と言える。

学術的影響力：25,000アクセス・188引用

この論文のインパクトは数値でも裏付けられている。2026年7月時点で、Nature誌上でのアクセス数は25,000件以上、他論文からの引用数は188件に達している。これは分野全体に対する影響の大きさを如実に示している。

Lightmatter社の背景

LightmatterはMITからスピンオフしたスタートアップであり、シリコンフォトニクス技術を核にしたAIアクセラレータの製品化を進めている。同社はベンチャーキャピタルから巨額の資金調達を行っており、フォトニックコンピューティングの商用化において最も注目される企業の一つだ。

なぜこの成果が「転換点」なのか

フォトニックプロセッサの研究自体は1990年代から存在した。しかし「光でAI計算ができる」という概念は、長らく将来の夢とされてきた。Lightmatterの成果は、この夢を現実のものとしたのだ。

下のタイムラインは、フォトニックAIチップの研究開発における主要なマイルストーンを時系列で示している。1990年代の基礎研究から、2025年のLightmatterによる実用精度でのAIモデル実行、そして2026年以降の商用展開までの進化の軌跡を表している。

timeline
    title フォトニックAIチップの進化
    1990年代 : 光計算の基礎研究開始
    2010年代 : MZIベースの行列演算の提案
    2020年代初頭 : 簡易ベンチマークでの動作実証
    2025年4月 : LightmatterがResNet/BERTを実用精度で実行
    2026年以降 : 商用展開と産業化の本格化

この論文以降、フォトニックコンピューティングは「研究段階」から「産業化への移行期」へと明確にフェーズが変わった。次章で取り上げるQ.ANT社の商用化への取り組みは、この流れをさらに加速している。

第4章：Q.ANTの商用化 — 世界初のフォトニックAIプロセッサが稼働中

「研究」から「製品」へ — Q.ANT Native Processing Server

Lightmatterが学術的なブレイクスルーを示した一方で、ドイツのシュトゥットガルトを拠点とするQ.ANT社は、すでに世界初の商用フォトニックAIプロセッサを市場に投入している。

その製品名は「Q.ANT Native Processing Server（NPS）」。19インチラックマウント型のサーバーとして展開され、標準的なデータセンターインフラにそのまま組み込める設計だ。つまり、これは実験室のプロトタイプではなく、今日すでに稼働している製品である。

実際の稼働状況

Q.ANTのNPSは、ヨーロッパの二つのトップ級研究機関で実運用されている。

コア技術：LNoI（ニオブ酸リチウム・オン・インシュレータ）

Q.ANTのプロセッサの中核を成すのは、LNoI（Lithium Niobate on Insulator）と呼ばれる光集積回路技術だ。ニオブ酸リチウムは光変調素子として優れた特性を持ち、超高速な光信号制御を可能にする。この材料を用いたフォトニック集積回路（PIC）が、光による行列演算を物理的に実行する。

第2世代の飛躍

現在稼働中の第2世代NPSでは、以下の大幅な改善が実現している。

• 非線形関数のネイティブ処理: AI計算に不可欠な活性化関数（ReLUなど）を光のまま処理し、電子変換のオーバーヘッドを削減
• 8 GOPSの持続スループット: 実用的な処理能力を実現
• 1つの光素子が100〜1,000個のトランジスタを代替: 部品の劇的な簡素化
• NPU消費電力: 150W（ラックマウントサーバーとして標準的な範囲）

ロードマップ：0.1 GOPSから100,000 GOPSへ

Q.ANTは明確な性能ロードマップを公表している。下の図は、Q.ANTのフォトニックAIプロセッサの世代別スループット向上計画を示している。2024年の0.1 GOPSから第2世代の8 GOPS、そして2028年目標の100,000 GOPSへという、4年で100万倍の性能向上を目指す野心的なロードマップだ。

graph LR
    A["2024年<br/>0.1 GOPS"] --> B["2026年<br/>第2世代 8 GOPS"]
    B --> C["2028年目標<br/>100,000 GOPS"]
    style A fill:#e0e0e0
    style B fill:#a0d8ef
    style C fill:#ff9999

2024年の0.1 GOPSから、わずか4年で100万倍の性能向上を目指すという、極めて野心的な計画だ。

効率指標：最大30倍のエネルギー効率

Q.ANTは光コンピューティングの利点を具体的な数値で示している。

業界における位置づけ

Q.ANTはGartner Hype Cycle 2025において、フォトニックコンピューティング分野のサンプルベンダーとして3つのレポートに登場している。これは、分析機関が同社を「商用化の最前線にある企業」として認識していることを示している。

Lightmatterが「光で実用的なAIが動くことを証明した」なら、Q.ANTは「光でAI計算を売り始めた」企業だ。研究からビジネスへの移行は、すでに始まっている。

第5章：光技術が変える量子計算 — シリコンフォトニクス量子計算

もう一つの「光」革命 — 量子計算の舞台裏

ここまで、光を使った古典AI計算（フォトニックプロセッサ）について見てきた。しかし「光」が変革しようとしているのは、AI計算だけではない。量子計算の分野でも、シリコンフォトニクス技術がキーテクノロジーとして台頭している。

2026年7月、Nature誌に「Recent progress towards large-scale integrated photonic quantum computation（大規模集積フォトニック量子計算の最新動向）」と題するレビュー論文（s44310-026-00114-8）が掲載された。この論文は、光の量子性質を利用した量子計算プラットフォームが、基礎研究から実用化への道を歩み始めたことを包括的に示している。

光量子計算とは何か

光子（フォトン）には、重ね合わせと量子もつれという量子力学的性質がある。これを計算に利用するのが光量子計算だ。従来の超電導方式やイオントラップ方式とは異なり、光を媒介として使うことで、独自の利点をもたらす。

光量子計算の3つの利点

とりわけデコヒーレンス（量子コヒーレンスの喪失）への強さは、量子計算の実用化において決定的な意味を持つ。超電導量子コンピュータが極低温環境を必要とするのに対し、光量子計算はより穏やかな動作環境で済む可能性がある。

主要コンポーネントと材料プラットフォーム

光量子計算を実現するには、量子光源、量子干渉ネットワーク、検出器という3つの主要コンポーネントが必要だ。下の図は、これらの構成要素と、それらを支える材料プラットフォーム（シリコン、窒化ケイ素、ニオブ酸リチウム）の関係を示している。

flowchart TD
    subgraph 光量子プロセッサの構成要素
        A["量子光源<br/>（単一光子源）"] --> B["量子干渉ネットワーク<br/>（光子的な量子ゲート）"]
        B --> C["検出器・読み出し<br/>（量子状態の測定）"]
    end
    D["材料プラットフォーム<br/>シリコン / 窒化ケイ素 / ニオブ酸リチウム"] --> A
    D --> B

注目すべきは、材料プラットフォームにシリコン、窒化ケイ素、ニオブ酸リチウムが挙げられている点だ。これは前章のQ.ANTが使用するLNoI技術と同じ素材であり、古典AI計算と量子計算で共通の技術基盤が使われていることを示している。

量子エラー訂正の進展が追い風に

光量子計算の実用化を後押ししているのが、2026年前半に相次いだ量子エラー訂正のブレイクスルーだ。

Google Willowチップ（2024年12月Nature掲載）は、105量子ビットでコード距離を増やすことで論理エラーが指数関数的に減少することを実証した。T1コヒーレンス時間は約100マイクロ秒で、2019年のSycamoreの5倍に達している。

Quantinuum H2（2026年6月Nature掲載）はさらに画期的で、イオントラップ方式ながら論理量子ビットが物理量子ビットより800倍高い信頼性を達成。2量子ビットゲート精度99.99%を記録し、しかもこれは研究室内実験ではなく商用システムでの実証だ。

業界コンセンサスとして、完全誤り耐性量子コンピュータは2029〜2032年に実現されると予測されている。NISQ（ノイズのある中規模量子）時代から、誤り耐性量子計算時代への移行が始まったのだ。

古典も量子も「光」が鍵になる

ここで注目すべき構図が浮かび上がる。下の図は、シリコンフォトニクス技術が「古典AI計算」と「量子計算」の両方のキーエネーブラーとして機能している構造を示している。同一の技術基盤から、フォトニックプロセッサ（Lightmatter/Q.ANT）とフォトニック量子プロセッサ（Nature 2026年7月レビュー）という二つの展開が分岐している。

graph TB
    subgraph 光技術の二大展開
        A["シリコンフォトニクス技術"]
        A --> B["古典AI計算<br/>Lightmatter / Q.ANT<br/>フォトニックプロセッサ"]
        A --> C["量子計算<br/>フォトニック量子プロセッサ<br/>Nature 2026年7月レビュー"]
    end

古典AI計算でも量子計算でも、同じシリコンフォトニクスという技術基盤がキーエネーブラーになっている。これは単なる偶然ではない。光が持つ「並列性」「低電力」「高速性」という性質が、どちらの計算パラダイムでも根本的な優位性をもたらすからだ。ポスト・ムーア時代のコンピューティングは、古典と量子を問わず、光を軸に再構築されようとしている。

第6章：産業競争の全体像 — 主要プレイヤーと技術ロードマップ

フォトニックコンピューティングのプレイヤー地図

フォトニックプロセッサの商用化レースには、スタートアップからビッグテックまで、多様なプレイヤーが参戦している。ここで全体像を整理しておこう。

主要スタートアップ比較

三社三様のアプローチが見られるが、共通しているのは「光の並列処理能力をAI計算に活かす」という基本思想だ。

ビッグテックの動向

スタートアップだけでなく、大手企業も光コンピューティング分野への参入を進めている。

NTT（IOWN構想） NTTのIOWN（Innovative Optical and Wireless Network）構想は、光電融合技術によって電力効率100倍を目指す壮大なプロジェクトだ。フォトニックコンピューティングの理念と深く共鳴しており、通信インフラから計算インフラまで光で統合する構想である。

富士通 シリコンフォトニクス技術の研究開発を継続的に推進。特に光トランシーバー技術と計算応用の両面で技術蓄積がある。

Intel シリコンフォトニクス分野での長年の研究開発実績を持ち、光インターコネクト技術の量産化で先行している。将来的には計算用途への展開も期待される。

Gartner Hype Cycle 2025での位置づけ

GartnerのHype Cycle 2025において、先述の通りQ.ANTがフォトニックコンピューティング分野のサンプルベンダーとして3つのレポートに登場した。Hype Cycle上では「Innovation Trigger（技術の夜明け）」から「Peak of Inflated Expectations（期待のピーク）」の間に位置し、今後5〜10年で実用化が加速すると予測されている。

今後3〜5年の技術マイルストーン

下のタイムラインは、フォトニックコンピューティング分野の今後3〜5年における主要な技術マイルストーンを示している。2025〜2026年のLightmatter/Q.ANTによる実証から、2027〜2028年の商用展開、2029〜2031年の量子計算実用化までの包括的なロードマップを表示している。

timeline
    title フォトニックコンピューティング・ロードマップ
    section 2025-2026
        Lightmatter Nature論文 : ResNet/BERT実証
        Q.ANT 第2世代NPS : 8 GOPS稼働
        Gartner Hype Cycle : サンプルベンダー認知
    section 2027-2028
        Q.ANT ロードマップ : 100,000 GOPS目標
        データセンター導入 : 本格的な商用展開
        標準化議論 : インターフェース規格の整備
    section 2029-2031
        誤り耐性量子計算 : 実現予測（2029-2032）
        光量子計算 : 実用化フェーズへ
        NTT IOWN : 電力効率100倍の目標達成

競争の焦点はどこに移るか

現在の競争は、主に以下の3つの軸で展開されている。

1. スループットの向上 — Q.ANTが8 GOPSから100,000 GOPSへ、Lightmatterは汎用モデルのさらなる高速化を追求
2. エコシステムの構築 — Python/C++ APIの提供、Linux対応など、開発者が使いやすい環境作りが鍵
3. 材料技術の競争 — シリコン、窒化ケイ素、ニオブ酸リチウムなど、どの材料プラットフォームが主流になるかはまだ決まっていない

フォトニックコンピューティングは、現時点ではGPUを完全に置き換えるものではない。しかし、AI計算の電力効率という最も切実な課題に対し、光は最も有望な回答の一つになりつつある。競争が激化する今後3年間が、この技術が計算インフラの主流になるかどうかを決める正念場となるだろう。

第7章：日本にとっての機会 — 光技術大国の強みをどう活かすか

フォトニックプロセッサの台頭は、日本にとって極めて重大な意味を持つ。なぜなら、日本は世界有数の「光技術大国」だからだ。この章では、日本が持つ強みと、ポスト・ムーア時代における戦略的な機会を整理する。

光通信部品・素材で世界シェア50%以上

日本の光技術産業が持つ最大の強みは、光通信部品および関連素材において世界的な支配力を持つことだ。光通信用部品の世界シェアは日本企業が50%以上を占めており、これは半導体製造装置での強さに匹敵する構造的優位性である。

なかでも重要なのがニオブ酸リチウム（LiNbO₃）結晶だ。前章で触れたQ.ANTのフォトニックAIプロセッサは、LNoI（ニオブ酸リチウム・オン・インシュレータ）コアを採用している。このニオブ酸リチウム結晶の高品質な素材を供給する国内メーカーは、世界のフォトニックコンピューティング産業のサプライチェーンにおいて戦略的に不可欠な位置を占めている。素材そのものは地味だが、これがなければ光チップは作れない——まさに「現代のレアメタル」的な価値を持つ。

NTT IOWN構想 — 光電融合技術の最先端

前章でも触れたNTTのIOWN構想は、フォトニックコンピューティングと直接接点を持つ。IOWNのコアコンセプトは「光電融合技術」であり、情報処理そのものを光で行う「フォトニクス電子融合技術」を含んでいる。電力効率を100倍に向上させるという目標は、フォトニックプロセッサが約束する30倍のエネルギー効率改善と方向性が完全に一致している。

NTTが世界中のパートナー企業・研究機関と連携してIOWN構想を推進していることは、日本がフォトニックコンピューティングの産業化において主導権を握る可能性を示唆している。

富士通のシリコンフォトニクス研究開発

富士通もシリコンフォトニクス技術の研究開発を積極的に進めている。同社は長年光通信機器分野で技術を蓄積しており、AI向け光アクセラレータの開発において独自の位置を築いている。また、経済産業省も半導体戦略の中で光技術を明確に位置づけており、国家戦略の観点からも支援体制が整いつつある。

精密加工と光学技術という隠れた強み

フォトニックプロセッサの製造には、ナノスケールの光回路を精密に形成する技術が必要だ。日本が長年培ってきた精密加工技術と光学技術は、この要件に直結する。半導体の微細加工において日本の素材・装置メーカーが世界をリードしてきた実績は、光チップの製造プロセスでも大きな競争力になる。

光回路の設計には、レンズ、ミラー、干渉計といった古典光学の知識が不可欠だ。日本は光学分野において世界トップクラスの研究蓄積を持つ——これは電子工学中心の国にはない、独特の優位性である。

日本が取るべき戦略

フォトニックコンピューティング時代において、日本は「GPUの設計・製造で米国に勝つ」ことを目指すべきではない。代わりに、光チップの素材・部品・製造装置・精密加工という「上流」の押さえこそが日本の戦略的ポジションだ。これは半導体製造装置で日本が築いたビジネスモデルと同じ構造であり、最終製品でなくとも、サプライチェーンの要所を押さえることで高い付加価値を確保できる。

日本の光技術大国としての強みは、フォトニックプロセッサという新興分野において、最大のチップスを握っている。

よくある質問（FAQ）

フォトニックプロセッサは既存のGPUを完全に置き換えるのか？

短期的には「置き換え」ではなく「共存」の形になる。フォトニックプロセッサが特に得意なのは行列積（テンソル演算）という、AI計算の中核となる演算だ。この部分を光で超高速・低電力で処理し、それ以外の制御や非線形演算は従来の電子チップ（GPU/CPU）が担当する——このハイブリッド構成が当面の主流になる。Q.ANTの製品も光チップと電子プロセッサを組み合わせた構成を採用している。長期的には光チップの担当領域が拡大していく可能性があるが、2020年代はGPUを補完する強力なアクセラレータという位置づけになるだろう。

光コンピューティングの商用化はいつごろ実現するか？

すでに始まっている。Q.ANT社のNative Processing Server（NPS）は世界初の商用フォトニックAIプロセッサとして、ミュンヘンのLRZとJülich研究センターで稼働中だ。ただし、現在第2世代でスループットは8 GOPSであり、GPUの完全代替には至らない。Q.ANTのロードマップでは2028年に100,000 GOPSを目標としており、この時期が汎用的な商用展開のターゲットになりそうだ。LightmatterもNature論文で実用精度を実証済みであり、2026〜2028年にかけてデータセンター向け製品の本格展開が期待される。

一般消費者向け製品（スマホやPC）にも光チップが搭載されるのか？

当面は難しい。フォトニックプロセッサの主戦場はデータセンターとHPC（ハイパフォーマンスコンピューティング）だ。理由は二つある。第一に、光チップは外部レーザー光源や精密な温度制御を必要とする場合があり、スマートフォンのような小型デバイスへの統合には技術的ハードルがある。第二に、コスト面でも量産効果がまだ十分でない。ただし、シリコンフォトニクス技術の成熟により、将来的にはエッジAIデバイスへの展開も可能性がある。まずはサーバー・データセンターでの実績を積み上げ、技術の小型化・低コスト化が進めば、5〜10年スパンで消費者向け応用の道が開かれるだろう。

量子コンピュータとフォトニックプロセッサの違いは何か？

根本的に異なる。フォトニックプロセッサは古典的な光（光子の振幅・位相・経路）を使ってAI計算（行列演算）を高速・低電力で行う技術であり、計算結果は確定的だ。一方、量子コンピュータは光子の量子重ね合わせや量子もつれを利用し、特定の問題（素因数分解、探索問題など）を古典より指数関数的に高速に解く技術で、計算結果は確率論的だ。ただし両者は「光技術」という共通基盤を持ち、シリコンフォトニクス量子計算として両方が発展している点で接点がある。誤り耐性量子コンピュータの実現は2029〜2032年と言られており、それまでのAI計算の主力はフォトニックプロセッサが担うことになる。

日本の企業はこの分野で競争力があるか？

ある。特に素材・部品領域で圧倒的な強みを持つ。 日本は光通信部品の世界シェア50%以上を占め、Q.ANTの光チップのコア素材であるニオブ酸リチウム結晶の供給でも国内メーカーが重要な役割を果たしている。NTTのIOWN構想は電力効率100倍を目指す光電融合構想であり、富士通もシリコンフォトニクスを研究開発する。さらに、日本の精密加工技術と光学技術の蓄積は光回路の製造において直接的な競争力になる。GPUの設計では米国に及ばないが、光チップの「素材・部品・製造装置」という上流工程を押さえることで、日本は半導体製造装置と同じビジネスモデルで高い付加価値を確保できるポジションにある。

まとめ — ポスト・ムーア時代を「光」で切り拓く

本記事では、フォトニックプロセッサという「光で計算するAIチップ」が、ムーアの法則の限界とAIの電力消費問題に対する切り札として急速に現実になりつつあることを追ってきた。

フォトニックコンピューティングの3つの要点

第一に、技術は「実用レベル」に到達した。 LightmatterがNature誌（2025年4月）で発表した論文は、フォトニックチップで初めてResNetとBERTという実用的なAIモデルを電子チップに近い精度で実行した。これは研究から産業化への転換点であり、25,000アクセス・188引用という数字がそのインパクトを物語っている。

第二に、商用化はすでに動き出している。 Q.ANT社のフォトニックAIプロセッサは世界初の商用製品としてミュンヘンとJülichで稼働中であり、30倍のエネルギー効率改善と50倍の計算速度向上を約束する。2028年には100,000 GOPSを目指し、GPUアクセラレータとしての本格的な実用性が見えてくる。

第三に、日本が持つ強みは素材・部品領域で圧倒的だ。 光通信部品の世界シェア50%以上、ニオブ酸リチウム結晶素材の戦略的重要性、NTTのIOWN構想、そして精密加工技術の蓄積——これらは日本が「光の時代」においてGPUにはない形で価値を獲得できる要素である。

読者が今取るべきアクション

この技術変化の波を捉えるために、以下の3つのアクションを提案する。

1. フォトニックコンピューティングの技術動向を定期的に追跡する LightmatterとQ.ANTの発表はもちろん、Gartner Hype Cycleでの位置づけの変化や、Nature誌等のトップジャーナルでの新論文をウォッチしよう。2026〜2028年はデータセンター向け光アクセラレータの製品化が加速する時期だ。

2. データセンターの電力効率改善策として評価する AI推論・訓練インフラを管理している場合は、フォトニックアクセラレータの導入可能性を検討すべきだ。Q.ANTのNPSはすでにPCIe Gen4インターフェースでLinux環境に統合可能であり、30倍の電力効率改善は単なる数字ではなく、データセンターの運用コストと環境負荷の両方に直結する。

3. 日本の光技術強みを活かしたビジネス機会を探る 素材・部品メーカー、精密加工企業、光学技術ベンチャーに関わる場合は、フォトニックプロセッサのサプライチェーンにおける自社のポジションを再評価しよう。光チップの製造にはシリコンCMOSとは異なる光学素的な要素が不可欠であり、日本の強みが直接的に活きる領域が広がっている。

今後3年間の注目ポイント

2026年から2028年にかけて、以下の3つのマイルストーンを注目したい。

• Lightmatterの製品化タイムライン：Nature論文の成果をベースにした商用製品の発表時期
• Q.ANT第3世代の性能向上：8 GOPSから100,000 GOPSへの飛躍を可能にする技術ブレイクスルー
• NTT IOWNの実装進展：光電融合技術がフォトニックプロセッサと統合される具体的な成果

ムーアの法則の終焉は、悲観すべきことではない。それは新しい計算パラダイムへの扉が開かれたことを意味する。フォトニックプロセッサは、その扉の向こうにある最も有力な答えだ。電子から光へ——コンピューティングの歴史における最も大きな転換が、今まさに始まっている。

参考文献・出典

1. Lightmatter社 Nature論文 — "Universal photonic artificial intelligence acceleration", Nature, vol. 640, pp. 368–374, 2025年4月9日. Nature誌掲載ページ（アクセス数25,000+、引用数188件※2026年7月時点）
2. Q.ANT社 — "Q.ANT Native Processing Server (NPS)" 製品情報および技術資料. Q.ANT公式サイト. 展開先: LRZ（ライプニッツ・スーパーコンピューティングセンター）、Forschungszentrum Jülich（ユーリッヒ研究センター）.
3. Nature誌レビュー論文（光量子計算） — "Recent progress towards large-scale integrated photonic quantum computation", Nature Reviews Electrical Engineering, s44310-026-00114-8, 2026年7月.
4. Google Quantum AI — "Quantum error correction below the surface code threshold", Nature, 2024年12月.（Willowチップ、105量子ビット）
5. Quantinuum — "Logical quantum operations on encoded quantum data", Nature, 2026年6月.（H2システム、論理量子ビット800倍信頼性向上）
6. IEA（国際エネルギー機関） — "Electricity 2024: Analysis and forecast to 2026". データセンター電力消費予測（1,000TWh）.
7. Gartner — "Hype Cycle for Emerging Technologies, 2025". フォトニックコンピューティング分野におけるQ.ANTのサンプルベンダー認知（3レポート掲載）.
8. NTT — "IOWN（Innovative Optical and Wireless Network）構想". 電力効率100倍向上を目指す光電融合技術構想. IOWN公式サイト.

関連記事

• ニューロモルフィックチップが変えるエッジAIの未来：脳型シリコンの産業化
• AIが喰らうエネルギー：2026年、データセンターの電力消費26%増と「電気が引けない」日本のジレンマ