Hans Hasselby-Andersen氏、Lotus Microsystems CEOへのインタビュー

Hans Hasselby-Andersen氏はLotus MicrosystemsのCEOで、半導体業界で創業者、経営幹部、取締役、投資家として20年以上の経験を持つ。Merus Audioを創業し、2018年のInfineonによる買収まで同社を率いたほか、Texas Instruments、Infineon、Toccata Technology、Nokiaで要職を歴任してきた。エネルギー効率の高い半導体技術を市場に投入することを中心に取り組んできた。

Lotus Microsystemsはコペンハーゲンを拠点とするファブレス半導体企業で、先端電子機器向けの電力変換器と電力供給ソリューションを開発している。同社のシリコン製Power Interposer Technologyは、電力変換と熱管理を組み合わせたもので、AIおよびハイパフォーマンス・コンピューティング向けの垂直電力供給プラットフォーム「vStrata」もその一つだ。このインタビューでHasselby-Andersen氏は、サーバー内部で生じるエネルギー損失、従来型の電力アーキテクチャーの限界、そして電力供給、冷却、半導体パッケージングを一体として設計する必要性が高まっている理由について語る。

これまで、Nokiaでの無線システム、Texas Instrumentsでの半導体開発、Merus Audioの創業とInfineonによる買収までの経営、そして現在のLotus Microsystemsの指揮と、幅広いキャリアを歩んでこられました。こうした経験は、今日のAIインフラで顕在化しつつある電力と熱の課題に対する考え方に、どのような影響を与えましたか？

半導体業界に入ったのは、ほとんど偶然でした。私が携わっていたスタートアップがTexas Instrumentsに買収され、それを機に、チップの設計、製造、市場投入の仕組みを知ることになりました。自分自身はチップ設計者ではありませんでしたが、業界について非常に多くのことを学びました。

その後、Merus Audioを創業した際のきっかけは、明確な市場の空白に気づいたことでした。ワイヤレススピーカーの電力損失を減らし、バッテリー駆動時間を延ばす必要があったのです。そこで、その課題に取り組むために必要な人材と技術の確保に力を注ぎました。

MerusがInfineonに買収された後、半導体業界を離れてしばらく過ごしましたが、最終的には自分が戻りたい場所はこの業界だと気づきました。Lotus Microsystemsに惹かれたのは、創業チームが先進的な電力供給技術の3つの基本要素、すなわちエネルギー効率、物理的なサイズ、熱性能に注力していたからです。こうした課題は用途を問わず、電力供給において常につきまとうものですが、AIの登場によって特に緊急性が高まっています。

プロセッサー技術は驚異的な進歩を遂げていますが、その演算能力の向上には、現実の物理的な制約が伴います。私の経験から、あまり目立たないこうした問題を解決することも、誰もが注目する技術を開発するのと同じくらい価値があると学びました。

AIインフラをめぐる議論では、GPUの性能、ネットワーク、冷却に大きな注目が集まりがちです。AIシステムの継続的な規模拡大において、電力供給そのものが最も重要な制約の一つになりつつあると考えるのはなぜですか？

GPUがどれほどの演算能力を発揮できるかについては多くの時間を割いて議論しますが、そのGPUに十分な電力を効率よく届ける方法について語られることは、はるかに少ないのが実情です。最新のAIアクセラレーターは、非常に低い電圧で数千アンペアの電流を必要とし、負荷に応じて電力需要がほぼ瞬時に変化することもあります。従来の電力供給システムは、これほど高い負荷を想定して設計されていません。世界最先端のプロセッサーを搭載していても、必要なときに安定した電力を供給できなければ、その性能を最大限に引き出すことはできません。だからこそ、電力供給はAIの規模拡大における重要な課題となっています。

データセンターの運営者がエネルギー効率について話す際、冷却システムや施設全体の指標に注目が集まることが多くあります。プロセッサーに届くまでにサーバー内部で実際にどれほどの電力が失われているのでしょうか。また、この問題が比較的注目されてこなかったのはなぜですか？

すべてのサーバーに当てはまる単一の数値はありませんが、損失はかなり大きくなる場合があります。特定の大電流アーキテクチャーでは、プロセッサーに電力を届ける最終段階で、その約7～10％が失われると推定しています。そのエネルギーは演算に役立つことなく、熱に変わり、除去する必要が生じます。何千ものプロセッサーを24時間稼働させている環境では、比較的小さな非効率であっても、コストは非常に高くなります。

この問題が見過ごされてきた理由の一つは、従来のデータセンター効率の測定方法にあります。電力使用効率（PUE）は業界標準となっており、冷却や配電を含む施設の付帯設備の電力消費を把握するうえで役立ちます。しかし、サーバー内部で電力がどれほど効率的に変換され、供給されているかは示しません。

冷却効率が重要でないと言っているわけではありません。間違いなく重要です。ただ、不要な熱がどこから生じているかに十分注意を払わず、膨大な費用をかけて熱を取り除いているのは、少し本末転倒です。まずは、そうした損失を防ぐことを目指すべきです。

GPUやその他のAIアクセラレーターの消費電力がますます増えるなか、従来の基板レベルの電力供給アーキテクチャーには、どのような限界が現れていますか？

電力が実際にどのようにGPUへ届くのかを見ると、問題がより明確になります。従来の設計では、電力変換器はプロセッサの横に配置され、電力は回路基板上を水平方向に流れてプロセッサに届きます。この距離は取るに足らないように思えるかもしれませんが、数千アンペアの電流を流す場合、わずかな抵抗でも影響は無視できません。抵抗損失は電流の二乗に比例して増加するため、同じ抵抗値のまま電流を2倍にすると、損失は4倍になる可能性があります。

電圧を安定させながら、電力需要の急激な変化に対応するという課題もあります。エンジニアはコンデンサーなどの部品を追加して補うことができますが、そうした方法では貴重なスペースが必要になります。いずれは既存の設計に部品を足し続けるより、アーキテクチャそのものを見直すほうが理にかなっています。

業界が、持続不可能な熱や効率の問題を生じさせずに計算密度を高め続けるには、サーバーラックからプロセッサへの電力供給のあり方をどのように変える必要がありますか？

ラックレベルではすでに多くの革新が進んでおり、高電圧配電への移行もその一つです。高電圧であれば、より少ない電流で電力を送れるため、長距離伝送時の損失を抑えられます。この点は重要です。しかし最終的には、プロセッサが必要とする非常に低い電圧まで電力を変換しなければなりません。そこには、最も難しい課題がいくつも残されています。

有望な進展の一つが垂直電力供給です。これは、電力変換器をプロセッサの横ではなく、真下に配置する方式です。電力が流れる経路を短くすることで、損失を抑え、応答時間を改善できます。一方で、発熱する部品同士が大幅に近づくという独自の課題も生じます。こうしたアーキテクチャを大規模に実用化するには、電力供給、熱管理、パッケージングを別々のエンジニアリング課題として扱うのをやめなければなりません。最初から一体として設計する必要があります。

Lotus Microsystemsは先ごろ、垂直電力供給プラットフォーム「vStrata」を発表しました。垂直電力供給はどのような問題の解決を目的としており、現在のAIサーバーで使われている従来の電力アーキテクチャとはどのように異なるのでしょうか？

垂直電力供給の基本的な考え方は、比較的シンプルです。回路基板上を水平方向に大量の電流を流すのではなく、電源をプロセッサの真下に配置します。これにより電力経路が大幅に短くなり、損失を抑えられるほか、電力需要が変化した際にシステムがより速く応答できるようになります。

しかし、電力をプロセッサに近づけることと、問題全体を解決することの間には重要な違いがあります。すでに大きな熱負荷のもとで稼働している部品のすぐ隣に、熱をより狭い空間へ集中させることにもなります。この問題に対処しなければ、当初のボトルネックを解消する一方で、新たなボトルネックを生み出すおそれがあります。

私たちがvStrataで解決を目指したのは、まさにこの問題です。当社独自のシリコン製Power Interposer Technologyにより、熱管理を同じアーキテクチャに組み込みながら、垂直方向に電力を供給できます。最初のモジュールであるLSC0580は、最適化された構成で、最大96%の負荷点効率と最大25°Cの温度低減を実現するよう設計されています。目標は、単により多くの電流を流すことではありません。同じ物理的な設置面積からデータセンターがより多くの有効な計算能力を得られるようにし、それを支えるために必要な電力と冷却のオーバーヘッドを削減することです。

AI業界では、将来の性能向上は、より優れたチップや、さらに進んだ半導体プロセスによってもたらされると考えられがちです。電力アーキテクチャの改善も、最終的にはプロセッサ自体の進歩と同じくらいAIの性能に重要な役割を果たすのでしょうか？

もちろんです。プロセッサの理論上の性能は、周辺システムがその性能を発揮できる場合にのみ意味を持ちます。電力供給が需要に追いつかなかったり、過剰な発熱によってシステムが性能を抑制せざるを得なくなったりすれば、投資に見合う性能をすべて引き出せません。注目すべきなのは、電力アーキテクチャを改善すれば、プロセッサ自体を変更しなくても、既存のハードウェアから持続的な性能をより多く引き出せる可能性があることです。より優れたチップと、より優れたインフラのどちらかを選ぶ問題として捉えるべきではありません。両方が必要であり、両者の関係は今後ますます重要になると考えています。

世界各地のAIデータセンターは、すでに電力網に大きな負荷をかけています。サーバーレベルの電力変換と電力供給の改善によって、大規模なAIインフラ全体のエネルギーフットプリントをどの程度削減できるでしょうか？

削減の可能性は大きいものの、施設のアーキテクチャや規模によって効果が異なるため、一つの数値で示すのは困難です。ある変換段階で1パーセントポイント効率が向上しても、データセンター全体の電力消費量が同じ割合で減るとは限りません。

しかし、連続稼働する何千ものプロセッサ全体で、わずかな効率向上を積み重ねると何が起きるか考えてみてください。無駄なエネルギーや運用コスト、設備投資、そして冷却システムが処理しなければならない熱を、大幅に削減できる可能性があります。送電網の容量がすでに新たなデータセンターの建設場所や建設ペースを制約している状況では、これは特に大きな価値があります。

別の言い方をすれば、最も環境に優しいエネルギーとは、そもそも使わずに済むエネルギーです。AIの普及を支えるために電力をさらに確保することに大きな関心が集まっているのは当然ですが、すでに利用可能な電力をより有効に使うことにも、同じくらい注目すべきです。

AIハードウェアが高消費電力のGPU、カスタムアクセラレーター、そしてますます高密度化するコンピューティングシステムへと進化するなか、今後数年間に電源技術者が直面すると予想される技術的なボトルネックは何でしょうか。

必要な電流は今後も増え続けるでしょうし、それに伴う課題はすでに表れています。AIプロセッサーの中には数千アンペアを必要とするものがあり、将来の設計では6,000アンペア、あるいは8,000アンペアに達する可能性もあります。その電流を効率よく供給するだけでも十分に困難ですが、ワークロードが急速に変化するなかで電圧を安定させることが、さらに複雑さを増しています。

業界では、進歩を測る主な指標として電流密度に注目する傾向もあります。より小型の電力変換器から、より大きな電流を供給できるのは確かに素晴らしいことです。しかし、より狭い空間で同じ量の熱が発生するのであれば、システム全体が必ずしも改善したとは言えません。むしろ、熱の問題を悪化させている可能性もあります。効率、熱性能、動的応答、信頼性のバランスを取れる技術者こそが、最も大きな進歩をもたらすと私は考えています。

次世代のAIインフラを見据えたとき、AIの演算能力をさらに大幅に高めるには、電力供給、冷却、半導体パッケージング、システムアーキテクチャの各分野で、どのような変化が必要になるでしょうか。

電力供給とプロセッサー本体の統合は、今後さらに進むと予想しています。垂直方向からの電力供給は重要な一歩ですが、進化はそこで止まらないと思います。すでに、回路基板に埋め込める薄型の電源モジュールや、将来的には電力供給機能のより多くの部分をxPUパッケージに直接統合するアーキテクチャの実現を目指しています。こうした一歩一歩によって、実際に電力が消費される場所へ、より近いところまで電力を届けられるようになります。

こうした変化に合わせて、冷却技術も進化しなければなりません。高密度コンピューティングでは液冷の重要性がますます高まっていますが、熱を取り除く方法の改善は、課題の一部にすぎません。不必要な熱の発生を抑え、発生源の近くでより効果的に処理する方法も見つける必要があります。

おそらく最大の変化は、こうしたシステムの開発方法にあるでしょう。従来、ハードウェアスタックの各部分は、それぞれある程度独立して最適化されることが多くありました。しかし、目指す電力水準が高まるにつれて、そのやり方はますます難しくなっています。半導体メーカー、パワーエレクトロニクスの専門家、パッケージング技術者、システム設計者は、これまで以上に緊密に連携する必要があります。私たちは長年、個々のプロセッサーの限界を押し広げてきましたが、AIインフラの次の段階では、プロセッサーの能力をシステム全体で支えられるようにすることが重要になります。

素晴らしいインタビューをありがとうございました。AIインフラ向けの垂直方向からの電力供給と熱管理について詳しく知りたい方は、Lotus Microsystemsをご覧ください。