【2026年最新】Tenstorrent BlackholeはNVIDIA GPUの代替になる？価格・性能・弱点・導入前の注意点を徹底解説
AI推論サーバーを作りたい。
自社でLLMを動かしたい。
動画生成AIやRAG、エージェントAIの処理コストを下げたい。
そう考えたとき、多くの企業や開発者が最初にぶつかる壁が、NVIDIA GPUの価格と調達難です。
H100、H200、B200、GB200。性能は圧倒的です。しかし、導入費用、電力、冷却、サーバー構成、ネットワーク、ソフトウェアライセンス、運用人材まで含めると、「AIを始めたいだけなのに、いきなり巨大投資になる」という問題が起きます。
そこで急速に注目されているのが、Jim Keller率いるTenstorrentのAIアクセラレータ、特にBlackhole世代です。
結論から言うと、Tenstorrent Blackholeは「NVIDIAを今すぐ全面的に置き換える魔法のGPU」ではありません。
しかし、AI推論、動画生成、大規模コンテキスト、ソブリンAI、社内LLM基盤のような用途では、NVIDIA一択だった状況を崩すかなり現実的な選択肢になりつつあります。
特に「H100は高すぎる」「CUDA依存を減らしたい」「推論コストを下げたい」「GPUクラスタの横に安価な推論基盤を追加したい」と考えているなら、Tenstorrent Blackholeは一度チェックする価値があります。
まず公式仕様を確認したい場合は、Tenstorrent公式のBlackholeカードページとGalaxy Blackholeページを見るのが一番早いです。Blackhole p100aは999ドル、p150a/p150bは1,399ドルとして掲載されており、p150aは120 Tensixコア、32GB GDDR6、最大300W、4つのQSFP-DD 800Gポートを備えます。
Tenstorrent Blackholeとは何か？
Tenstorrent Blackholeは、従来のGPUとは思想が違うAIアクセラレータです。
NVIDIA GPUは、CUDAを中心とした巨大なソフトウェアエコシステムと、GPUのSIMT並列処理、HBM、NVLinkなどによってAI市場を支配してきました。一方、TenstorrentはRISC-Vベースの設計とTensixコアを組み合わせ、データ移動、メモリ配置、チップ間接続、スケールアウトを重視する設計を採っています。
Blackhole p150aは、120 Tensixコア、32GB GDDR6、最大300W、4つのQSFP-DD 800Gポートを備えるPCIeカードです。価格は1,399ドルとされ、デスクトップワークステーションや複数カード構成を意識した製品です。p100aは120 Tensixコア、28GB GDDR6、最大300Wで999ドルと掲載されています。
さらに大規模向けには、Tenstorrent Galaxy Blackholeがあります。公式ページでは、32個のBlackhole ASIC、23 PFLOPS Block FP8、6.2GB SRAM @ 2.9PB/s、1TB GDDR6 @ 16TB/s、最大56個の800GbE QSFP-DDポートによる11.2TB/sスケールアウトなどが示されています。価格は110,000ドルから、4台構成のBlackhole Superclusterは440,000ドルからです。
ここで重要なのは、Tenstorrentが「GPUを1枚だけ安く売る会社」ではなく、「安価なアクセラレータ、標準Ethernet、オープンソースソフトウェア、RISC-V IP、スーパークラスター」をまとめて提供しようとしている点です。
なぜ今Tenstorrentが注目されているのか？
理由は単純です。
AIの主戦場が、学習だけでなく推論に移っているからです。
ChatGPTのようなサービス、社内RAG、AIエージェント、コード生成、画像生成、動画生成、音声認識、顧客対応チャットボット。これらは一度モデルを作って終わりではありません。毎日、毎秒、ユーザーからのリクエストを処理し続けます。
つまり、AIビジネスでは「モデルを作れるか」だけでなく、「いかに安く、速く、安定して推論を回せるか」が利益率を決めます。
Tenstorrentはここを狙っています。
2026年6月30日のTT-Deploy JPでは、Tenstorrent Galaxy Blackholeスーパークラスターについて、Kimi K2.6で900 tokens/second/user、DeepSeek-R1-0528 671Bで400+ tokens/second/user、LTX 2.3 Fastで144フレーム・1080p・音声とリップシンク付き動画を約6秒生成、GPU比4倍と発表されました。
もちろん、これはTenstorrent側の発表値であり、すべての環境で同じ結果になるわけではありません。
しかし、企業が今求めているのは「理論上最強のGPU」だけではありません。「自社の用途で、必要十分な速度を、より安く、より柔軟に出せる基盤」です。
この検索意図に刺さるのが、Tenstorrent Blackholeです。
NVIDIA H100との違い
NVIDIA H100は、依然として非常に強力です。
NVIDIA公式仕様では、H100 SXMはFP8 Tensor Core 3,958 TFLOPS、BF16/FP16 Tensor Core 1,979 TFLOPS、80GB GPUメモリ、3.35TB/sメモリ帯域、NVLink 900GB/sを備えます。
この数字だけを見ると、H100やBlackwell世代は圧倒的です。さらに、CUDA、cuDNN、TensorRT、PyTorch、TensorFlow、各種LLM推論ライブラリ、クラウド環境、開発者コミュニティの厚みがあります。
では、Tenstorrent Blackholeの勝ち筋はどこにあるのでしょうか。
それは、価格、標準Ethernet、オープンソース性、推論特化のコスト効率です。
NVIDIAは高性能ですが、HBM、NVLink、専用サーバー、冷却、電力、調達、クラウド利用料まで含めると、総所有コストが高くなりがちです。一方、TenstorrentはGDDR6と標準Ethernetを活用し、Galaxy Blackholeでは標準Ethernetで単一サーバーからマルチラック構成へ拡張できると説明しています。
つまり、NVIDIAが「最高級の高速道路」だとすれば、Tenstorrentは「必要な場所に安く増設できる専用道路」に近い存在です。
Tenstorrentの最大の弱点はソフトウェア
ここを見落とすと失敗します。
Tenstorrent Blackholeのスペックや価格だけを見ると、「H100の代わりにこれを買えばいい」と思うかもしれません。しかし、AI半導体の勝敗はハードウェアだけでは決まりません。
最大の壁はソフトウェアです。
TenstorrentにはTT-Metalium、TT-NN、TT-Forgeがあります。TT-ForgeはPyTorch、JAX、TensorFlowなどの高レベルフレームワークからTenstorrent向けにモデルをコンパイルする役割を持ち、TT-NNはPyTorchライクな高レベルAPI、TT-Metaliumは低レベルにハードウェアを制御するSDKです。
これは魅力的です。特に、ブラックボックスではなく、低レイヤーまで見える点は研究者やハードウェア寄りの開発者にとって大きな価値があります。
一方で、一般企業のAI導入担当者にとっては、別の意味を持ちます。
「CUDAで動いていたものを、そのまま移せるのか」
「既存のPyTorchコードはどこまで修正が必要か」
「使いたいモデルは検証済みか」
「推論サーバー運用に耐えるのか」
「障害時のサポートはどうなるのか」
この不安が残る限り、NVIDIAからの全面移行は簡単ではありません。
そのため、現実的な導入方法は「NVIDIAを全部捨てる」ではなく、「NVIDIA GPUの横にTenstorrentを追加する」です。
導入すべき企業、まだ待つべき企業
Tenstorrent Blackholeを検討すべきなのは、次のような企業です。
まず、LLM推論コストを下げたい企業です。社内チャット、RAG、カスタマーサポート、コード生成、長文要約など、推論回数が多く、GPUクラウド費用が重くなっている場合、Tenstorrentは検討対象になります。
次に、動画生成AIやマルチモーダル推論を事業化したい企業です。TT-Deploy JPでは、LTX 2.3 Fastの動画生成でGPU比4倍という発表があり、Tenstorrent自身も動画生成・大規模LLM推論・プライベートAI基盤をGalaxy Blackholeの対象用途として打ち出しています。
さらに、ソブリンAIや国内完結型AI基盤を作りたい企業・自治体・研究機関にも向いています。TT-Deploy JPでは、日本のai&が120台超のTenstorrent Galaxyシステムを導入し、国内でチャット、RAG、ビジョン、ポストトレーニングなどを提供するヘテロジニアス推論基盤として紹介されました。
一方、まだ待つべき企業もあります。
CUDA前提の既存資産が大量にある企業、研究開発よりも安定運用を最優先する企業、特定のNVIDIA最適化済みライブラリに強く依存している企業、AIチップを触れる低レイヤー人材がいない企業は、いきなり本番全面導入するべきではありません。
最初は小さく検証するべきです。
導入前に必ず確認すべき5つのポイント
1つ目は、使いたいモデルが動くかです。
「LLMが動く」では不十分です。自社が使うモデル、自社が使うコンテキスト長、自社が必要な同時接続数、自社のプロンプト量で検証する必要があります。
2つ目は、tokens/s/userだけでなく、Time to First Tokenを見ることです。
チャットAIやエージェントAIでは、最初の返答が遅いとユーザー体験が悪化します。TenstorrentはTT-DeployでDeepSeek V3.2の100k contextにおけるTTFT比較も打ち出していますが、実運用では自社条件での確認が不可欠です。
3つ目は、開発者の学習コストです。
TT-Metaliumは強力ですが、低レイヤーに近いSDKです。カスタムカーネルや最適化を行うなら、GPUアプリ開発とは違う理解が必要です。
4つ目は、仕様変更リスクです。
Blackhole p150は、140 Tensixコアから120 Tensixコアへの変更が報じられました。Tenstorrent側は典型的な性能影響を小さいと説明したとされますが、購入前にはファームウェア、保証、サポート、将来アップデート方針を確認すべきです。
5つ目は、TCOです。
カード単体価格が安くても、エンジニア工数、検証期間、サーバー構成、ネットワーク、冷却、運用監視、障害対応まで含めると、総コストは変わります。安いチップを買うのではなく、安くAIサービスを動かせるかを見るべきです。
どこから始めるべきか？
最初にやるべきことは、NVIDIAとの全面比較ではありません。
自社のワークロードを1つ決めることです。
たとえば、社内RAGの推論。
カスタマーサポート用LLM。
動画生成API。
コード生成補助。
長文ドキュメント要約。
マルチモーダル検索。
このうち1つを選び、現在のGPUクラウド費用、応答速度、同時接続数、月間トークン数、必要なSLAを整理します。
その上で、Tenstorrent公式ページからBlackholeカードまたはGalaxy Blackholeの仕様を確認し、自社用途でPoCできるかを検討するのが最短ルートです。Blackholeカードは999ドルから、p150シリーズは1,399ドル、Galaxy Blackholeは110,000ドルからという価格帯で掲載されています。
ここで重要なのは、「NVIDIAより強いか」ではなく、「自社の用途でNVIDIAより安く十分な結果が出るか」です。
TenstorrentはNVIDIAを倒すのか？
短期的には、NVIDIA一強は崩れません。
理由は明確です。CUDAエコシステム、研究者コミュニティ、クラウド対応、既存ライブラリ、NVIDIA最適化済みモデル、サーバーベンダーとの統合、運用ノウハウが強すぎるからです。
しかし、NVIDIAが永遠にすべての推論需要を独占するとも限りません。
AIの利用が爆発的に増えるほど、企業は「最高性能」だけでなく「コスト効率」「供給安定性」「ベンダー分散」「国内運用」「特定ワークロード最適化」を重視するようになります。
Tenstorrentはまさにその隙間を突いています。
特に、Galaxy Blackholeは既存GPU環境の横に追加できるヘテロジニアス構成を打ち出しています。TT-Deploy JPでも、GPUを完全に置き換えるのではなく、既存GPUフリートの隣に追加できる汎用システムとして紹介されました。
これは非常に現実的です。
企業は、今あるNVIDIA資産を捨てたくありません。しかし、推論コストは下げたい。新しいモデルにも対応したい。GPU調達に依存しすぎたくない。
その答えが、「NVIDIA + Tenstorrent」の混在構成です。
まとめ：Tenstorrent Blackholeは“GPUの代替”ではなく“AI推論コストを下げる選択肢”
Tenstorrent Blackholeは、すべての人におすすめできる製品ではありません。
CUDA資産をそのまま使いたい人、学習用途で最高性能だけを求める人、ソフトウェア検証に時間をかけられない人には、まだNVIDIAの方が安全です。
しかし、AI推論コストを本気で下げたい企業、動画生成やLLM推論を自社基盤で回したい企業、GPU依存を減らしたい企業、国内完結型のAIインフラを作りたい企業にとって、Tenstorrent Blackholeはかなり有力な選択肢です。
特に2026年6月30日のTT-Deploy JPで発表されたKimi K2.6、DeepSeek-R1-0528 671B、LTX 2.3 Fastの結果は、Tenstorrentが単なる話題先行のAI半導体スタートアップではなく、実運用に近い推論ワークロードで存在感を出し始めていることを示しています。
これからAI導入で失敗しないために大事なのは、「NVIDIAかTenstorrentか」を宗教戦争のように考えないことです。
正しい考え方はこうです。
学習やCUDA資産はNVIDIA。
推論コスト最適化や特定ワークロードはTenstorrent。
将来のリスク分散としてヘテロジニアス構成。
この視点で見ると、Tenstorrent BlackholeはNVIDIAを倒す存在ではなく、AIインフラの選択肢を増やす存在です。
AI推論コストが高すぎると感じているなら、まずは公式仕様を確認し、自社ワークロードでPoCできるかを検討してください。価格、構成、用途、対応モデルを見比べるだけでも、「NVIDIA一択」だった考え方が変わるはずです。
