シリコンの活用：インハウスチップがAIの未来を形作る

人工知能は、他のソフトウェアと同様に、2つの基本的なコンポーネントに依存しています。1つは、モデルと呼ばれるAIプログラムであり、もう1つは、これらのプログラムを実行する計算ハードウェア、またはチップです。現在までのAI開発では、モデルを改良することに重点が置かれてきましたが、ハードウェアは、第三者サプライヤーによって提供される標準コンポーネントと見なされていました。ただし、最近、このアプローチは変化し始めています。Google (GOOGL ) 、Meta、Amazon (AMZN ) などの主要なAI企業は、独自のAIチップを開発し始めています。カスタムAIチップのインハウス開発は、AI進歩の新たな時代を迎えることになります。この記事では、このアプローチの変化の理由と、この進化する分野での最新の開発について説明します。

インハウスAIチップ開発の理由

インハウスでのカスタムAIチップ開発への移行は、以下の重要な要因によって推進されています。

AIチップの需要の増加

AIモデルを作成して使用するには、大量のデータを効果的に処理し、正確な予測や洞察を生成するために、重要な計算リソースが必要です。従来のコンピュータチップは、数兆のデータポイントでトレーニングを行う計算需要を処理することができません。この限界により、モダンなAIアプリケーションの高パフォーマンスと効率性の要件を満たすように設計された最先端のAIチップが作成されました。AIの研究と開発が続くにつれて、これらの特殊なチップの需要も増加しています。
Nvidia (NVDA ) は、先進的なAIチップの生産においてリーダーであり、競合他社よりも先んじていますが、需要が製造能力を上回っているため、課題に直面しています。この状況により、NvidiaのAIチップの待ち時間が数ヶ月に延長され、需要が増加するにつれて遅延が続いています。また、NvidiaやIntel (INTC ) のような主要プレイヤーが含まれるチップ市場は、チップの組み立てに対する台湾のTSMCへの依存により、チップ生産の課題に直面しています。この問題は、先進的なチップの製造に長いリードタイムをもたらします。

AIコンピューティングのエネルギー効率と持続可能性の向上

現在のAIチップは、重い計算タスク用に設計されており、多くの電力を消費し、大量の熱を発生させます。これにより、AIモデルをトレーニングして使用することによる環境への影響が生じます。OpenAIの研究者は、2012年以降、先進的なAIモデルをトレーニングするために必要な計算能力は3.4ヶ月ごとに2倍になっていることを指摘しています。つまり、2040年までに、情報通信技術（ICT）セクターからの排出量は、世界の排出量の14％を占めることになります。別の研究では、大規模な言語モデルのトレーニングにより、最大284,000kgのCO2を排出することが示されています。これは、車のライフタイムでのエネルギー消費とほぼ等しくなります。また、予測によると、データセンターのエネルギー消費量は2030年までに28％増加することになっています。これらの調査結果は、AI開発と環境責任のバランスをとる必要性を強調しています。対応として、多くのAI企業は、AIトレーニングと運用をより持続可能で環境に優しいものにすることを目的とした、よりエネルギー効率の高いチップの開発に投資しています。

特化タスク用のチップの作成

さまざまなAIプロセスには、さまざまな計算需要があります。たとえば、ディープラーニングモデルのトレーニングには、大量のデータセットを処理し、複雑な計算を迅速に実行するために、重要な計算能力とスループットが必要です。トレーニング用に設計されたチップは、これらの操作を強化するために最適化されています。速度と効率を向上させます。一方、モデルが学習した知識を適用して予測を行うインフェレンスプロセスでは、エッジデバイスのようなスマートフォンやIoTデバイスで、最小のエネルギー使用で迅速な処理が必要です。インフェレンス用に設計されたチップは、1ワットあたりのパフォーマンスを最適化するように設計されており、迅速な応答性とバッテリーの節約を実現します。チップの設計をトレーニングとインフェレンスのタスクに特化させることで、各チップをその目的の役割に合わせて調整することができます。パフォーマンスをさまざまなデバイスとアプリケーションで強化します。これにより、AIの機能がより強力になり、エネルギー効率とコスト効率が向上します。

財務上の負担の軽減

AIモデルをトレーニングして運用するための計算コストは、依然として大きい負担です。OpenAIは、2020年から、トレーニングとインフェレンスの両方に、Microsoftによって作成された大規模なスーパーコンピューターを使用しています。OpenAIのGPT-3モデルをトレーニングするコストは約1200万ドルでしたが、GPT-4のトレーニングコストは1億ドルに上昇しました。SemiAnalysisの報告によると、OpenAIはChatGPTをサポートするために、約3617台のHGX A100サーバー、合計28936個のGPUが必要であり、1クエリあたりの平均コストは約0.36ドルです。この高コストを考慮して、OpenAIのCEOであるSam Altmanは、世界中のAIチップ生産施設のネットワークを構築するために、多大な投資を求めているとブルームバーグの報告しています。

コントロールとイノベーションの活用

サードパーティーのAIチップは、制限があります。オフザシェルフのソリューションに依存する企業は、独自のAIモデルまたはアプリケーションに完全に合致しない制限に直面する可能性があります。インハウスチップ開発により、特定のユースケースに合わせたカスタマイズが可能になります。自律車やモバイルデバイスの場合、ハードウェアを制御することで、企業はAIアルゴリズムを完全に活用できます。カスタマイズされたチップは、特定のタスクを強化し、待ち時間を短縮し、全体的なパフォーマンスを向上させることができます。

AIチップ開発の最新の進歩

このセクションでは、Google、Meta、AmazonがAIチップ技術を構築するための最新の成果について説明します。

GoogleのAxionプロセッサ

Googleは、2015年にTensor Processing Unit (TPU)を導入して以来、AIチップ技術の分野で着実に進歩してきました。Googleは、最近、データセンターとAIワークロード用に特別に設計された最初のカスタムCPUであるAxionプロセッサを発表しました。これらのプロセッサは、Armアーキテクチャに基づいており、効率とコンパクトな設計で知られています。Axionプロセッサは、CPUベースのAIトレーニングとインフェレンスの効率を向上させると同時に、エネルギー効率を維持することを目的としています。この進歩は、Webサーバー、コンテナ化されたマイクロサービス、オープンソースデータベース、インメモリキャッシュ、データ分析エンジン、メディア処理など、さまざまな汎用ワークロードのパフォーマンスも大幅に改善します。

MetaのMTIA

Metaは、Meta Training and Inference Accelerator (MTIA)を通じて、AIチップ技術の分野で前進しています。このツールは、特にランキングとレコメンデーションアルゴリズムのトレーニングとインフェレンスプロセスの効率を向上させることを目的として設計されています。Metaは、MTIAが、GPUを超えてAIインフラストラクチャーを強化するための戦略の重要な部分であることを強調しています。2025年に発売予定だったMTIAですが、Metaはすでに両方のバージョンを生産に投入しており、チップ開発計画の迅速な進歩を示しています。MTIAは現在、特定のアルゴリズムのトレーニングに焦点を当てていますが、Metaは、将来的には、生成的なAI、たとえばLlama言語モデルのトレーニングにもMTIAを使用することを目指しています。

AmazonのTrainiumとInferentia

Amazonは、2013年にNitroチップを導入して以来、AIチップ開発を大幅に拡大しました。Amazonは、最近、2つの革新的なAIチップ、TrainiumとInferentiaを発表しました。Trainiumは、AIモデルをトレーニングすることを目的として設計されており、EC2 UltraClustersに組み込まれる予定です。これらのクラスターは、最大100,000個のチップをホストできるよう設計されており、基礎となるモデルや大規模な言語モデルをエネルギー効率的にトレーニングするために最適化されています。一方、Inferentiaは、AIモデルが活用されるインフェレンスタスクに特化しており、AI駆動サービスを利用する数百万のユーザーのニーズに応えるために、インフェレンス中の待ち時間とコストを削減することに重点を置いています。

まとめ

Google、Microsoft (MSFT ) 、Amazonなどの主要企業がインハウスでカスタムAIチップを開発するという動きは、AI技術の計算需要に対処するための戦略的シフトを反映しています。この傾向は、AIモデルを効率的にサポートするために特別に設計されたソリューションの必要性を強調しています。AIチップの需要が増加するにつれて、Nvidiaのような業界リーダーは市場価値の著しい増加を見込めます。これは、カスタムチップがAIイノベーションを推進する上で重要な役割を果たしていることを示しています。これらのテクノロジー企業が独自のチップを開発することで、AIシステムのパフォーマンスと効率を向上させるだけでなく、より持続可能でコスト効率の高い未来を促進しています。この進化は、業界の新しい基準を設定し、急速に変化する世界市場での技術的進歩と競争上の優位性を推進しています。