AIチップ、GPU以外へ多様化

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。