何が起きたか
かつてGPU中心だったAIアクセラレータは現在、CPUやLPUなどに多様化。AMDやGoogle、CerebrasやGroqといった新興企業はクラウド向けAIチップを開発し、EdgeCortixとSiMa.aiはエッジAIに注力する。
なぜ重要か
AIが深層学習から生成AI、エージェント型AIへ進化するにつれ、チップは多様なタスクに対応する必要がある。CPUはエージェント型ワークフローに適し、GroqのLPUはトークン生成を高速化する。NVIDIAはCUDAソフトウェアの強みで半導体販売で首位を維持している。国内のAIチップ選定や開発戦略に携わる企業は、選択肢の拡大に伴い従来の前提を見直す可能性がある。
注目点
AMDのHelios（第6世代EPYCとMI400 GPU搭載）はCerebrasのWafer Scale Engine 3と組み合わせ、トークン生成速度（Tokens/second/W）で5倍を達成。EdgeCortixのSAKURA-IIは10Wで60TOPSを実現し、SiMa.aiのModalix搭載デバイスは約20万円で販売される。
こういう要約が、毎朝あなたのメールに届きます。
この記事は、2012年にジェフリー・ヒントンの研究室がGPUによる画像認識エラー削減を実証した時点からAIチップの進化をたどる。NVIDIAのCEOはこの瞬間を「AIのビッグバン」と呼ぶ。この突破口が深層学習、その後の生成AIにつながったが、数千のGPUを使ってもトレーニングには数百日かかった。この性能への要求がNVIDIA以外の革新を促したが、NVIDIAのリードは、CUDAソフトウェアエコシステムが使いやすさをもたらすため、今も続いている。現在、エージェント型AIではCPUがワークフロー駆動のタスクに適していると記事は論じ、物理AIではエッジデバイスにオンデバイス生成機能が必要だと指摘する。この多様化により、単一のチップタイプが支配的になることはない。しかし、2nmの先端AIチップ設計は複雑で、対応できるデザインハウスは少数に限られる可能性がある。これによりデータセンター向けAIチップを生産できる企業が制限され、Broadcom、Marvell、MediaTek、日本のSocionextなどに恩恵が及び、日本の半導体産業復興の取り組みを後押しする可能性もある。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
