シリコンの活用: インハウスチップがAIの未来を形作る方法

人工知能は、他のソフトウェアと同様に、2つの基本コンポーネントに依存しています。人工知能プログラム、つまりモデル、およびこれらのプログラムを駆動するコンピューティングハードウェア、またはチップです。現在までの人工知能開発では、モデルを洗練することに重点が置かれてきましたが、ハードウェアは通常、サードパーティの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、Meta、Amazonなどの主要な人工知能企業は、独自の人工知能チップの開発を開始しました。インハウスでのカスタム人工知能チップの開発は、人工知能の進歩の新しい時代を迎えることを意味しています。この記事では、このアプローチの変化の理由と、この進化する分野における最新の開発について探ります。

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、正確な予測または洞察を生成するために、重大なコンピューティング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際のコンピューティング需要を処理することができません。この限界により、現代のAIアプリケーションの高い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、これらの専用チップの需要も増加しています。
Nvidiaは、先進的なAIチップの生産でリーダーであり、競合他社よりも大幅に先行していますが、需要が製造能力を大幅に上回っているため、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か月に延長され、需要が増加するにつれて待ち時間がさらに延長されています。また、NvidiaやIntelなどの主要プレイヤーを含むチップ市場は、チップの生産において課題に直面しています。この問題は、チップの組み立てに対する台湾のメーカーTSMCへの依存から生じています。この単一のメーカーへの依存は、先進的なチップの製造に対する長いリードタイムにつながります。

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、重いコンピューティングタスク用に設計されており、多くの電力を消費し、重大な熱を生成します。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重大な影響が生じています。OpenAIの研究者は、注目するように、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コンピューティングパワーは3.4か月ごとに2倍になっており、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。別の研究は、大規模な言語モデルをトレーニングすることで、最大284,000 kgのCO2を排出できることを示しており、これは車のライフタイムにおけるエネルギー消費とほぼ等しくなります。また、推定によると、データセンターのエネルギー消費量は2030年までに28パーセント増加することになります。これらの発見は、AIの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指して、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。

特化したタスク用のチップの調整

さまざまなAIプロセスには、異なるコンピューティング需要があります。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、重大なコンピューティングパワーと、高いスループットが必要です。トレーニング用のチップは、これらの操作を強化するように設計されており、速度と効率が向上します。一方、モデルが学習した知識を適用して予測を行う推論プロセスでは、エネルギー使用量を最小限に抑えながら、迅速な処理が必要です。特に、スマートフォンやIoTデバイスなどのエッジデバイスでは、チップはパフォーマンスあたりのワット数を最適化するように設計されており、迅速な応答とバッテリーの節約が保証されます。このようなトレーニングと推論タスク用のチップ設計の特化により、各チップがその目的の役割に合わせて調整されるため、さまざまなデバイスとアプリケーション全体のパフォーマンスが向上します。この種の専門化は、より強力なAI機能をサポートするだけでなく、エネルギー効率とコスト効率も大幅に向上させます。

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コンピューティングの財務上の負担は、依然として重大です。OpenAIは、2020年から、トレーニングと推論の両方に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ドルになります。これらの高額なコストを念頭に置いて、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の大量の投資を求めているとブルームバーグの報告書で述べられています。

コントロールとイノベーションの活用

サードパーティのAIチップは、制限があります。这些チップに依存する企業は、独自のAIモデルまたはアプリケーションと完全に一致しない、オフザシェルフのソリューションに制約され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。自律走行車やモバイルデバイスの場合を問わず、ハードウェアをコントロールすることで、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チップ開発の最新進展

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進展について説明します。

GoogleのAxionプロセッサ

Googleは、2015年のTensor Processing Unit (TPU)の導入以来、AIチップ技術の分野で着実に進歩してきました。この基盤を活用して、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、効率とコンパクトな設計で知られるArmアーキテクチャをベースにしています。Axionプロセッサは、CPUベースのAIトレーニングと推論の効率を高めると同時に、エネルギー効率を維持することを目指しています。この進歩は、Webサーバー、App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、さまざまな一般的なワークロードのパフォーマンスも大幅に向上させます。

MetaのMTIA

Metaは、Meta Training and Inference Accelerator (MTIA)を通じて、AIチップ技術を推進しています。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推論の効率を高めるように設計されています。Metaは最近、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説明しました。2025年に発売される予定だった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、チップ開発計画の進歩が速まっています。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、Llama言語モデルを含む生成的なAIのトレーニングにもMTIAの使用を拡大することを目指しています。

AmazonのTrainiumとInferentia

Amazonは、2013年のNitroチップの導入以来、AIチップ開発を大幅に拡大しました。会社は最近、2つの革新的なAIチップ、TrainiumとInferentiaを発表しました。Trainiumは、AIモデルのトレーニングを強化するように特別に設計されており、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し、エネルギー効率の高い方法で基礎モデルのトレーニングと大規模な言語モデルのトレーニングに最適化されています。一方、Inferentiaは、AIモデルが活用されている推論タスクに焦点を当て、AIサービスを使用する数百万のユーザーのニーズをよりよく満たすために、推論中の待ち時間とコストを削減するように設計されています。

まとめ

Google、Microsoft、Amazonなどの主要企業によるインハウスでのカスタムAIチップ開発への移行は、AIテクノロジーの増加するコンピューティング需要に対処するための戦略的なシフトを反映しています。このトレンドは、AIモデルを効率的にサポートするために、特化したソリューションが必要であることを強調しています。AIチップの需要が増加するにつれて、Nvidiaなどの業界リーダーは市場価値の著しい増加を見込まれていますが、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。独自のチップを開発することで、これらのテクノロジー企業は、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も促進しています。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技術の進歩と競争上の優位性を推進しています。