結論：ASICとFPGAの違いは？
ASICとFPGAの最大の違いは「製造後に回路を書き換えられるか」です。ASICは固定回路のため製造後の変更はできませんが、専用設計により性能・電力効率ともに最高で、量産時のチップ単価も下がります。ただしNRE（設計・マスク費用）は数億〜数十億円、先端ノードでは100億円超に達します。FPGAは出荷後もファームウェアで書き換え可能でNREはほぼゼロですが、ASIC比で10〜100倍遅い場合があり電力オーバーヘッドも大きくなります。
比較表
ASICFPGA
| 観点 | ASIC | FPGA |
|---|---|---|
| 回路の変更可否 | 製造後変更不可（固定回路） | 出荷後もファームウェアで書き換え可能 |
| 演算性能（同プロセスノード比） | 最高（専用回路で最適化済み） | ASICより10〜100倍遅い場合がある |
| 電力効率 | 最良（ASIC比でFPGAの5〜10倍効率的な場合も） | 構成回路のオーバーヘッドで電力増大しやすい |
| NRE費用（設計・マスク費用） | 数億〜数十億円（先端ノードは100億円超も） | ほぼゼロ（ソフトウェア開発費のみ） |
| 量産単価 | 量産するほど低下（大量生産で圧倒的優位） | 量産しても単価高（数千円〜数万円台） |
| 開発期間 | 1〜3年（設計→検証→テープアウト→量産） | 数週間〜数ヶ月（FPGA上で即検証可能） |
| 主な用途 | スマートフォンSoC・GPU・AI専用チップ・通信LSI | プロトタイプ・通信基地局・医療機器・データセンター推論 |
| 代表製品・メーカー | Apple A18・NVIDIA H100・Qualcomm Snapdragon | Xilinx（AMD）Virtex/Versal・Intel Agilex・Lattice |
| 柔軟性への適性 | 仕様が固まった大量生産品に最適 | 仕様変更・アルゴリズム更新が必要な製品に最適 |
AI推論でASICとFPGAはどう使い分けるか
データセンターのAI推論ではNVIDIA GPUが主流ですが、ASIC（Google TPU・Groq LPU・AWS Inferentia等）は特定のモデルアーキテクチャに最適化しスループットと電力効率でGPUを上回ります。FPGAはMicrosoftのProject Brainwaveのように低レイテンシ推論が求められる場面や、モデルが頻繁に更新される初期フェーズで使われます。エッジAI（カメラ・ドローン・産業機器）では消費電力の厳しい制約からASICが選ばれますが、仕様が決まるまでFPGAで検証するアプローチが一般的です。
ASIC開発に踏み切るための量産ボーダーライン
ASICへの投資が回収できるかは量産数とNRE費用のバランスで決まります。28nm以降のノードではNRE費用が数億〜十数億円に達するため、数万個以上の量産が見込めない場合はFPGAの方が総コストが低くなります。先端ノード（5nm・3nm）では初期コストが100億円超になるため、数千万個規模の量産（スマートフォンSoC等）でしか元が取れません。一方でGoogleやAmazonが内製ASICを選ぶのは、クラウド規模の台数（数十万台以上）で圧倒的なコスト優位が得られるためです。