AI戦略はこれまで「誰が最良のモデルを持つか」という競争として語られがちだった。しかしその物語は、より現実的な事実に置き換わりつつある。すなわち、誰が計算資源（compute）にアクセスでき、負担でき、国家規模で展開できるかである。言い換えると、計算資源が政策になりつつあるということだ。そして、その変化を最も分かりやすく示す例の一つがインドである。
この局面を捉えるのに役立つトレンドラインはこうだ：計算資源競争は、最良モデルを持つ競争から、国家規模でAIを展開し、費用を負担できるかの競争へ移っている。
新しいAI格差：モデルへのアクセスより計算資源へのアクセス
オープンソースと商用のモデルは国境を越えて入手しやすくなっている。だが、それらを使うには、地域ニーズに合わせたファインチューニング、大量ユーザー向け推論、そしてレイテンシや主権（データや運用の所在）要件を満たすためのGPU、ネットワーク、ストレージ、プラットフォームツールが必要になる。計算資源が高価で不足していれば、「AI革命」は実装ではなく読み物になってしまう。
だからこそ、新しいAI格差は「モデルへのアクセス」より「計算資源へのアクセス」にある。継続的にワークロードを回し、予測可能なコストで、公共・商用の需要を支える十分な容量を確保できるかどうかが分水嶺になる。
インドの設計：AI計算資源を“公共向けの能力”にする
インド政府が承認した IndiaAI Mission は、計算資源を国家AIスタックに明確に組み込む。Missionの設計では、「計算資源（compute capacity）」の構成要素として、官民連携で10,000以上のGPUを備える計算基盤を整備し、さらにAIサービスや事前学習モデルを共有資源として提供する「AIマーケットプレイス」を用意する方針が示されている。
これは単なる予算の話ではない。すべてのスタートアップ、大学、行政機関が個別にGPU契約を交渉し、世界のハイパースケーラーと希少な容量を奪い合うのを待つのではなく、共有インフラで導入を加速させるという戦略的な賭けである。
GPUオンボーディングを“制度化”：エンパネルメント、競争、標準ルール
インドの計算資源推進の中核メカニズムの一つが、官主導の**エンパネルメント（empanelment）**だ。これは、クラウド／データセンター事業者のGPU容量を標準化された枠組みに“オンボード”する仕組みと言える。
2024年12月の PIB（Press Information Bureau）発表 によれば、MeitYはIndiaAI IBDを通じ、AI計算資源とクラウドサービス提供機関を募集するRequest for Empanelment（RFE）を出し、スタートアップ、研究者、学生、学術界のために10,000GPUを利用可能にすることを目標にしている。
さらに2025年1月、IndiaAIは18,000+の手頃なAI計算ユニットの提供を告知し、対象カテゴリとして Intel Gaudi 2、AMD MI300X/MI325X、NVIDIA H100/H200各種など幅広い構成を列挙している。単一ベンダーではなく「AIインフラ」として設計している点が重要だ。
補助と「計算ポータル」：アクセスを運用に落とす
政策が現実になるのは、ユーザーが実際に消費できるときだ。インドのアプローチには、その入口として IndiaAI Compute Portal がある。ポータルは研究者、スタートアップ/MSME、学生、政府機関などの対象区分と申請フローを示し、計算資源申請時に見積書（ドラフト）を添付し、その中に補助申請（request for subsidy）を含めると説明している。
また、一定のGPU時間を下回る小規模申請は自動承認、より大きい申請は委員会審査といった形で、インフラ政策が配分ルールとして運用に落ちる点も示されている。
価格面では、IndiaAI Missionの柱を解説する PIB公式説明 が、IndiaAI Compute Pillarは高性能GPUを手頃に提供し、38,000GPU超がオンボードされたこと、そしてGPUが**₹65/時**の補助付き料金で利用できる旨を述べている。
調達そのものがコストレバー：市場価格に対する割引の明示
補助は一つのレバーだ。もう一つは調達設計である。
IndiaAIのエンパネルメント文書が参照する Annexure 1（PDF） には、各カテゴリのL1入札価格と市場価格、そして割引率が一覧化されている。例として、AMD MI300X（1x）で数十％の割引が示されているほか、NVIDIA H100/H200の一部カテゴリでも大きな割引率が示されている。重要なのは特定SKUではなく、国家が「標準化された価格発見」と「競争」を通じて価格曲線に介入している点だ。
つまりインドは、計算資源を補助するだけでなく、オンボーディングと入札で“そもそもの単価”にも影響を与えている。
グローバルに重要な理由：モデル政策より計算資源政策の方が普及を加速する
次のAI波は「モデル公開」ではなく「展開経済（deployment economics）」で形が決まる可能性がある。計算資源をアクセスしやすくできる国は、公共サービス、大学、初期スタートアップの導入を加速し、モデルへのアクセスだけでは得られない差を作れる。
ここで物語は反転する：
- モデルへのアクセスは複製されやすい（ライセンス、API、オープンウェイト）。
- 計算資源へのアクセスは複製しにくい（投資、調達能力、電力、運用成熟度）。
- 国家規模の展開は、ベンチマークスコアよりも、予測可能な計算資源の価格と配分ルールに依存する。
インドの計算資源推進は、「AIインフラ」をデジタル公共インフラに近い共有レイヤーとして扱い、下流の多数のプロジェクトの摩擦を下げようとしている。
次に見るべきポイント
計算資源が政策になるなら、成功指標も変わる。注視したいのは：
- 補助付きアクセスが実証から継続的な利用へ拡大するか。
- 需要増の中で、価格と補助がどう更新されるか（提供側の経済性が維持されるか）。
- ポータル運用が、GPU競争に弱い大学や小規模スタートアップのアクセスを本当に改善するか。
結論として、次のAI競争で勝つのは、計算資源を民間の制約として放置せず、戦略的な国家インプットとして扱えるプレイヤーかもしれない。
