Google、Gemini専用チップで効率化6～10倍

Googleは社内でFrozen v2という専用サーバーチップを開発中で、GeminiのAIモデルアーキテクチャをシリコンに直接組み込む。The Informationが引用した情報源によれば、このチップは現在のTPUチップと比べてAI応答の提供で6～10倍の効率化を実現できる可能性がある。GoogleはFrozen v2を2028年から導入予定で、TPUラインより少ない生産量で運用し、高量産品ではなく専用チップのテストランと見なしている。

Frozen v2の設計思想はGoogleの汎用TPUと根本的に異なる。TPUは多くのモデルで動作し、Metaにレンタルされたり、外部クラウド顧客に提供されたり、Nvidiaの代替案として「TPU@Premises」プログラムで位置付けられたりする一方で、Frozen v2はGemini専用に調整されている。この専門化はGeminiのモデル構造の一部をハードウェアに直接組み込むことで実現される。Frozen v2という名称はAI用語に従うもので、機械学習では「凍結」（フリーズ）パラメータとは、トレーニング中に値が変わらなくなるようにロックされたパラメータを意味する。Frozen v2では、モデルの一部がチップ自体に永続的に凍結され、計算ステップが削減され、応答速度が向上する。

このアプローチが選択された理由は、チップの設計履歴に示されている。元々の概念はGoogle Deepmindのチーフサイエンティストであるジェフ・ディーンから来たとされ、モデルの重み（AIモデルがクエリにどう応答するかを決定する特定の数値設定）をシリコンに直接組み込むことを提案していた。Googleはこのアプローチを廃止した。固定された重みを含むチップは単一のGeminiバージョンでのみ動作し、急速に陳腐化するためである。Frozen v2はより柔軟な道を採用し、モデルアーキテクチャ、つまり基本設計図ではなく調整されたパラメータを組み込む。新しい重みをチップに読み込むことができ、適応性を保持する。ただし、ハードコーディングされるアーキテクチャの正確な量はまだ決定されていない。

Frozen v2はGoogleが同じモデルアーキテクチャを保ち続ける限りにおいてのみ機能するため、外部顧客向けの商用製品となる可能性は低い。代わりに、このチップはGoogleの社内計算枯渇に対処するために設計されている。競争的なAI環境では、推論コストの最適化が利益率をますます決定する。Frozen v2が6～10倍の効率向上を実現できれば、Googleは大きな優位性を得ることができ、強力なモデルを低コストで実行でき、OpenAIおよびAnthropicから市場シェアを奪う可能性がある。この社内効率向上は、外部収益ではなく、Frozen v2プロジェクトの戦略的目標のようである。

Google のFrozen v2は、同社の推論コスト削減を目指すアプリケーション固有チップ設計への戦略的転換を示すものである。このプロジェクトはGoogle DeepmindのチーフサイエンティストであるJeff Deanの提案に起源し、モデルの重みをシリコンに直接組み込むことを当初提案していた。Googleはその後、単一のGeminiバージョンにチップを固定し、急速に陳腐化させるため、このアプローチを放棄した。Frozen v2は調整されたパラメータではなく、モデルアーキテクチャ（基本設計図）のみを組み込むことで、この問題に対処し、新しい重みの読み込みを可能にして柔軟性を保持している。

汎用TPUとFrozen v2の区別は、Googleのチップ戦略における広範な緊張関係を反映している。TPUは複数のモデルと顧客に対応し、Metaおよび外部クラウドクライアントを含むため、Nvidiaインフラの競争代替案として位置付けられている。一方、Frozen v2はGeminiを用いたGoogle社内用途のみに最適化されており、商用販売に不適切である。この設計選択は、Googleが推論コスト削減をAIの利益性にとって重要な手段と見なしていることを示唆している。OpenAIおよびAnthropicとの競争が激化する中、強力なモデルを効率的に実行する能力は直接的に利益率に影響する。Frozen v2が約束された6～10倍の効率向上を達成すれば、Googleはコスト優位性を得ることができ、低価格またはより良い利益率につながる可能性がある。ただし、チップの狭い適用範囲は、Googleの外部TPUビジネスやMetaなどの顧客との関係を再形成しないことを意味する。

まだコメントがありません。最初のコメントを投稿しましょう！