AI Chip Strategy TAIのAI半導体チップ戦略 テストチップ完成とStringRayプロジェクトの位置付けについて 2026/07/01 

TAI社のフィジカルAI実装実績 © Tokyo Artisan Intelligence 1 TAIはAIを活用し鉄道インフラや公共インフラのDXを実現してきた 養殖業の管理業務DX 鉄道事業の点検業務DX 公共施設の調査業務DX 

TAI社のAI専用コンピュータ：SEASIDE © Tokyo Artisan Intelligence 2 「SEASIDE」は、カメラやセンサーに取り付けてAI化できるコンピュータ FPGAチップ ●低消費電力・低コスト エッジAIに特化した低消費電力のFPGA(書き換え可能なLSI)搭載 SEASIDEの特徴 書き換え可能 ●コンパクト 小型であるため設置環境に制約のある現場でも安定して運用可能 ●カスタマイズ カメラやセンサーに取り付け、現場に応じたAI実行環境を構築 ●産業向けAIコンピュータ 産業用途（インフラ・製造業）で採用実績あり → 鉄道車両搭載規格（JIS E4031）試験合格 

TAI社が取り組んできたAI半導体チップ開発までの取り組み © Tokyo Artisan Intelligence 3 顧客の要望に対応するため、徐々にTAI社製の独自開発品へとシフト 製品名 SEASIDE-R6 SEASIDE-R7 SEASIDE-R9 (仮) AIプロセッサ AMD社製 DPU TAI社製 AI Processor TAI社製 AI Processor デバイス （AI半導体） AMD社製 Kria -SoM FPGAチップ Efinix社製 Titanium FPGAチップ TAI社製 Manta Ray Reconfigurable AIチップ コンピュータ基板 AMD社製 Kria -SoMボード TAI社製 独自開発ボード TAI社製 独自開発ボード 筐体 TAI社製 独自開発ボックス TAI社製 独自開発ボックス (完全金属製) TAI社製 独自開発ボックス (完全金属製) 特徴 • TAI社初の産業AI向けコン ピュータボックス • 鉄道現場で培った高耐久設計 • 既存部品を活用し、ボックス設 計とソフト開発を実施 • R5の課題を改良した高信頼性 • AIプロセッサとI/O回路を独自 開発 • 鉄道試験をクリアし、鉄道車両 搭載に対応 • 多数のAI搭載と低消費電力化 を両立 • AI半導体チップを共同設計・ 製造予定 • カメラ・センサ直結で低レイ テンシ処理を実現 AMDはAdvanced Micro Devices, Inc.の商標（または登録商標）です。 KriaはXilinx, Inc.の商標（または登録商標）です。 EfinixおよびTitaniumはEfinix, Inc.の商標（または登録商標）です。 

FPGAチップとは © Tokyo Artisan Intelligence 4 中身を書き換えて(Reconfigurable)、様々な機能を実現できる半導体チップ ロボット 産業機械 AIコンピュータ 活用例 

FPGA FPGAチップを採用することによる低遅延化・低電力化 © Tokyo Artisan Intelligence 5 GPU /ASIC CPU CPU 後処理 AI 前処理 FPGA FPGA 後処理 AI 前処理 FPGA AI処理の前後も専用ハードウェア化し、低遅延化・低電力化を達成する CPU 前処理 CPUの処理が ボトルネック CPUとGPU/ASIC の通信がボトルネック GPU/ASIC 後処理 AI 前 処 理 Ａ Ｉ 後 処 理 直接処理できる (通信時間短縮) AIに応じて前処理・後処理 専用回路を作れる (全体最適化) 短縮 短縮 通信時間 通信時間 短縮 

フィジカルAIに求められる新たな課題 © Tokyo Artisan Intelligence 6 従来のSEASIDEプラットフォーム フィジカルAIを支える 低消費電力AIチップ 限定機能AI Before After 今後展開するSEASIDEプラットフォーム SEASIDE-R6 量産と社会実装を実現し、 一定の成果を収めている。 現場のハードな要望に より消費電力の増大が 問題になりつつある。 HOT COOL 開発開始 現在の活用例 今後の活用例 線路点検AI 多機能AI 電線点検AI 安全監視AI 前方監視AI 発熱！ 線路点検AI 次世代SEASIDE（※イメージ） 

AI半導体チップのロードマップ © Tokyo Artisan Intelligence 7 2026.7 完成 テストチップ 2027.12 完成予定 第一世代 量産チップ 2030.12 (TBD) 第二世代 量産チップ Test Chip MP 1st gen MP 2nd gen 

StingRayプロジェクト概要 © Tokyo Artisan Intelligence 8 AI処理に適した再構成可能な半導体チップの構造を検証するためのテストチップ開発 低消費電力AI 現場で動くAIに必要な 低消費電力化・ 低遅延化を検証 技術検証 チップ設計から製造・ 評価までの一連の プロセスを実施 次の開発へ 評価結果をもとに、 今後のAI半導体開発へ フィードバック 再構成性 用途に応じてAI処理を 柔軟に変えられる 構造を探索 StingRayは、量産チップ開発に向けた技術検証プロジェクト 

なぜ、いきなり量産品ではなく「テストチップ」を作るのか？ © Tokyo Artisan Intelligence 9 半導体開発では、まず小さく作って実機で確かめることが、量産の成功確率を高める近道 StingRayは、量産に進む前に「作って・動かして・課題を見つける」ための実証 設計を机上で 考える テストチップ 小さく試作 実機確認 作って動かす 改善課題を 反映 量産品 本番へ （※自動車でも、いきなり量産車を作らずまず「試作車」で走行テストするのと同じ） 何が確認できる？ ⚫ 設計どおり動くか ⚫ 電力・発熱・速度に問題がないか ⚫ 書き換え機能や評価環境が成立するか いきなり量産すると・・・ ⚫ 作り直しコストが大きい ⚫ 開発スケジュールが遅れる ⚫ 製品の信頼性に影響する 設計ミスや 発熱問題が 後から見つかる 量産前に リスクを 潰すことが重要 

StingRayプロジェクトで進めた検証 © Tokyo Artisan Intelligence 10 StingRayはAI半導体チップ完成そのものが目的ではなく、次の技術開発に向けた検証 StingRayで進めた検証は、量産に向けた技術開発の土台となる ポイント ▍検証プロセス ❶ 設計 ❷ 製造 ❸ 評価ボード ❹ 動作確認 ❺ 量産設計へ ▍得られた成果 ⚫ チップを設計し、実チップを製造する開発 プロセスを経験 開発プロセスの実践 ⚫ 評価ボードや周辺環境を整え、実機確認を 進めるための基盤を構築 ⚫ 再構成可能なAI半導体チップを制御・テ ストするためのソフトウェア技術を確立 評価・制御基盤の整備 ⚫ テストチップの評価を通して、量産版設計 上の課題を具体化 ⚫ 得られた知見を、今後の低消費電力AI半 導体チップ開発へ反映 次の量産開発へ発展 

検証完了 © Tokyo Artisan Intelligence 11 独自開発したソフトウェアを用いてテストチップの動作を確認 動作チェックの様子 

成果①：テストチップ © Tokyo Artisan Intelligence 12 FPGAの持つ「再構成可能な構造」を理解するために設計・製造 設計目標とした チップの構成図 設計中の チップの設計図面 製造したテストチップ UMC社40nmプロセスを採用 • ベンチャーが限られたコストで実用的なAI半導体チップを製造できる • 最も単純な構造、かつ、最も重要な配線チャネルの検証ができる構造 • 配線を観測・制御できる構成 

成果②：ソフトウェア © Tokyo Artisan Intelligence 13 StingRayテストチップを動作・検証するために独自開発 ユーザーが設計した回路をテストチップ向けに 変換（論理合成と言います）、テストチップに 配置・配線するためのツール 設計したチップにデータを書き込むためのソフ トウェア（上）と、書き込んだチップが正しく 動作しているか検証するためのソフト（下） 画面は開発中のものです。 

成果③：半導体チップ未経験のベンチャーが設計から試作・パッケージ・評価ボードまで学んだノウハウ © Tokyo Artisan Intelligence 14 半導体試作の全体像を体験 1 FPGA回路内部構造を把握 2 半導体工場・設計会社との 実務的な会話を学習 3 ファウンドリの “窓口構造”を理解 4 DFT・量産テスト 技術を習得 5 AI半導体チップの量産版に 向けた実務基盤を獲得 6 

今後の流れ①：Manta Ray プロジェクトの開始 © Tokyo Artisan Intelligence 15 TAI社AI半導体チップの量産版プロジェクト立ち上げ UMC社40nmプロセスを採用 ベンチャーが限られたコストで 実用的なAI半導体チップを製造できる Manta Ray プロジェクトロードマップ 2027 1Q 設計ツール（α版）リリース 2027 2Q エンジニアリング・サンプル（ES版） チップリリース 2027 3Q ES版チップを搭載した評価ボードリリース 2027 4Q 量産版（MP版）チップリリース 2028 1Q MP版チップを搭載した評価ボードリリース ※エンジニアリング・サンプル (ES) とは, 最終版の機能を全て 搭載した最終製品手前の試作品のこと 

今後の流れ②：応用領域の展開 © Tokyo Artisan Intelligence 16 実証・評価・パートナー連携を通じて、産業インフラDXを中心に応用可能性を展開 低消費電力・低遅延なフィジカルAIチップ技術を必要とする分野 鉄道・インフラ 点検・保守支援 製造・検査 品質確認・自動化 ロボット 現場判断・制御 モビリティ 車載・移動体AI 

今後の流れ③： 社会実装に向けたAI半導体サプライチェーン協業の展開 © Tokyo Artisan Intelligence 17 技術検証 評価環境整備 応用領域探索 パートナー連携 社会実装 StingRay完成を起点に、検証・評価・応用探索を進める ⚫ 研究開発の知見を、産業用途に合わせて検証 ⚫ 国内外のパートナーと、評価・設計・実装面 での協業可能性を探索 ⚫ GXや省人化など、社会課題に資する低消費 電力AI技術として発信 ⚫ 検証の進展に応じて、段階的に成果を公表 ⚫ マレーシアOppstar社との提携（右図） 

まとめ © Tokyo Artisan Intelligence 18 StingRayテストチップ完成により、TAIのAI半導体チップ量産に向けた最終確認が完了した 課題 現場AIの普及には、低消費電力・低遅延・環境耐性が不可欠 TAIの方向性 現場AIの知見をもとに、AI処理に適した半導体技術を検証 StingRayの意味 設計・製造・評価を通じ、量産版チップ開発に向けた学習と検証が前進 今後 社会実装に向け、量産版開発・パートナー連携・応用探索を段階的に推進 

Message TAIは、フィジカルAIの社会実装に必要な低消費電力・低遅延 処理を実現するため、AI半導体技術の検証を進めています。 StingRayプロジェクトは、その重要な技術検証マイルストー ンであり、プロジェクト成功により、量産版の開発へ進むこと ができるようになりました。 

No content