市場規模：2025年出荷5.2億台、単価35ドルの専用半導体
エッジAI推論チップの世界市場に関する最新の分析レポートによれば、2025年の世界出荷台数は約5億2,000万台、生産能力は9億台に達し、平均単価は35米ドル、粗利益率は約45%だったと報告されている。エッジAI推論チップは、クラウドの中央集権的データセンターではなく、デバイス上でトレーニング済みモデルをローカル実行するために設計された専用半導体で、低遅延・帯域幅使用の削減・プライバシー向上を同時に実現する点が特徴だ。NEWSCASTの報告では、演算アーキテクチャとしてNPU、GPU、DSP、カスタムASICアクセラレータが挙げられており、これらがコンピュータビジョン・音声認識・センサーフュージョンといったワークロードに最適化されている。
サプライチェーンは、シリコンウェハーや特殊化学薬品、先進パッケージング基板といった上流から始まり、ファブレスチップ設計者やIPライセンサー、半導体ファウンドリを経て、OSAT企業によるパッケージング・テストへと続く。電力・熱の制約を満たすため、異種統合やチプレット方式の採用も進んでいるという。下流ではスマートフォン、カメラ、産業用ロボット、自動車、スマートホーム機器、IoTゲートウェイへの実装が広がっている。
エッジAIの設計パターン：推論は端末、学習は中央が主流
AI Marketの解説では、エッジAIの導入設計を3パターンに整理している。最も主流なのは「推論・前処理は端末、学習・評価・配布は中央」という構成で、品質統制や監査が重要な現場、運用を安定させたい現場に向く。次に「端末側で軽量な補正を加える限定更新」型があり、現場差が大きく更新頻度が高い用途に適する。三つ目が連合学習などデータ持ち出し制約が強い分野向けの分散型だ。
比較表では、エッジAIは低遅延で回線影響を受けにくく、機微データを端末内処理で持ち出し最小化できる一方、クラウドAIは需要変動が大きい推論や全社横断分析に向くとされる。コストの支配要因も異なり、エッジAIは端末・保守・配布コストが中心となるため、端末台数が増えるほど更新・監視・保守の難易度が上がる点が運用上の課題として指摘されている。
小型LLMの実力：Qwen3.5-4Bが4Bで0.7352を記録
ソフトウェア側の変化も大きい。Qualitegによる日本語対応LLMランキング（2026年7月10日版）では、10B以下の小規模モデル総合スコアでQwen/Qwen3.5-4Bが0.7352で首位となり、わずか4Bパラメータで1年前なら30B級に相当する水準に達したと分析されている。2位はNVIDIAが日本語向けに追加学習したNemotron-Nano-9B-v2-Japaneseで0.7111、5位にGoogleのGemma 4 E4Bが0.6692、6位にGemma 4 E2Bが0.6564でランクインした。
Qualitegは「性能はQwen3.5-27B、推論コストはGemma 4 26B-A4Bという使い分けが成立しそうだ」と指摘し、小型モデルは比較的安価なコンシューマ向けGPUでも動作するため「エッジ・オンプレ用途の本命」と位置づけている。日本語特化領域では東京科学大学Swallowチームによる強化学習版Qwen3-Swallow-8B-RL-v0.2も0.6552で7位に入り、国産系小規模モデルの存在感も示された。
実機性能：Gemma 4 E2Bはスマホで毎秒15〜20トークン
性能指標だけでなく実機での挙動も明らかになっている。Gemma 4のモバイル展開ガイドによれば、E2BモデルはPixel 9 Proで毎秒約15〜20トークン、初回トークン生成まで約800ミリ秒、RAM使用量は約3GBで動作する。iPhone 16 Proでも同水準の毎秒15〜18トークンを記録し、iPhone 15 Proでは毎秒12〜15トークンとやや劣る。より大きいE4Bモデルは各機種で毎秒8〜12トークンに低下し、RAM使用量も約5GBに増える。
バッテリー消費はアクティブ使用中1時間あたり約5〜8%とされ、長時間の生成では発熱への対策としてクールダウンを挟む運用が推奨されている。同ガイドは、Google AI Edge SDKやMediaPipe LLM Inference API、iOS向けLiteRTなど複数の実装ルートを紹介しており、インターネット接続なしで完全オフライン動作するという「キラー機能」を強調している。
ハードとソフトの両輪がエッジAI普及を後押し
チップ市場の拡大とモデルの軽量高性能化は同時並行で進んでいる。出荷5.2億台・単価35ドルという専用チップの量産効果と、4Bパラメータで0.73超えのスコアを叩き出す小型LLMの組み合わせにより、外観検査、危険検知、現場制御といった従来クラウド依存だった用途でも端末内完結の推論が現実的な選択肢になってきた。一方で、端末台数増加に伴う更新・監視・保守の難易度上昇という運用課題は依然残っており、モデル配布とデバイス管理の仕組み作りが今後の普及速度を左右するとみられる。
