自社開発のAIチップのトレンドが始まっており、テクノロジー依存からの脱却は始まりに過ぎない

大規模な AI モデルへの熱狂に後押しされ、AI チップの分野ではついに百家争鳴の時代が到来しました。マイクロソフトは最近、コストを削減し、NVIDIAへの依存を減らすために、来月の年次開発者会議で人工知能向けに設計された初のチップを発表する計画を明らかにした。 Amazon Web Services、Google、OpenAI、Metaなど、圧倒的な地位を占めるNvidiaは、テクノロジー大手各社にAIチップの自社開発を迫り、AIチップ分野での大きな戦いの幕を開けた。

AIチップ分野ではテクノロジー大手が次々と「台頭」

1. アマゾン ウェブ サービス

自社開発チップの分野では、Amazon Web Servicesが最大限に活用しています。2013年に最初のNitro1チップが発売されて以来、Amazon Web Servicesには、ネットワークチップ、サーバーチップ、人工知能機械学習チップの3つの製品ラインがあります。

アマゾン ウェブ サービスは、2018年にカスタムAIチップの設計を開始し、自社開発のAI推論チップInferentiaを発売しました。2023年には、Inferentiaの反復バージョンであるInferentia 2を発売し、コンピューティング性能を3倍にしました。さらに、2020年末には、アマゾン ウェブ サービスは機械学習モデルのトレーニングに特化したTrainiumを発売しました。

2. グーグル

AIチップの分野での競争では、Googleも負けてはいない。 2013年、GoogleはAI機械学習アルゴリズムに特化したチップを秘密裏に開発し、社内のクラウドコンピューティングデータセンターで使用していました。この自社開発チップは2016年5月に世界に公開されました。

2020年、Googleは実際にデータセンターに人工知能チップTPU v4を導入しました。現在、GoogleはAIチップを担当するエンジニアリングチームをGoogle Cloudに移管し、Google Cloudのサーバーをレンタルする企業にAIチップを販売する能力を向上させることを目指している。

3.) メタ

メタバースが流行していた時代にあえて名前を変えたMetaも、AIの波を受けて「過激な」姿勢をとった。今年5月、MetaはRISC-Vと呼ばれるオープンソースのチップアーキテクチャを使用して、AIモデルを実行するための初のカスタムチップであるMTIA（Meta Training and Inference Accelerator）チップを構築しており、2025年にリリースされる予定であることを明らかにした。

4. マイクロソフト

長らくAIチップの分野に注目してきたマイクロソフトも、当初の計画通りAIチップマップを描くべく慎重に歩みを進めている。今年 5 月、マイクロソフトはチップ関連の一連の採用情報を公開しました。その 1 つには、「ダイナミックなマイクロソフト AISoC (人工知能チップおよびソリューション) チームで働く主任設計エンジニアを募集しています」と書かれていました。

少し前、マイクロソフトは来月同社初の人工知能チップを発売することを明らかにした。 Microsoft のチップはデータセンター サーバー向けにも設計されており、ChatGPT などの大規模な言語モデルのトレーニングと実行に使用できると報告されています。

5. オープンAI

OpenAIは独自のAIチップの開発を検討しており、潜在的な買収先の評価を開始している。同社の採用サイトには最近、AIハードウェアの共同開発・評価に関するポジションが掲載されている。

それは無力だが、最も費用対効果の高い選択でもある

OpenAI が発表したデータによると、大規模モデルのトレーニングに必要な計算能力は 2 倍ごとに 3 ～ 4 か月の割合で増加しており、2 倍ごとに 18 ～ 24 か月というムーアの法則をはるかに上回っています。これは、より高速なデータ処理速度と、より強力な大規模モデル サービス機能に対する新たな要求も意味します。

しかし、大型モデル分野に参入する企業が増え、大型モデルもどんどん登場し、A100やH100などのハイエンドGPUの需要が急増しています。今年8月、百度、バイトダンス、テンセント、アリババは、NVIDIAに総額50億ドル相当のチップを注文した。 CoreWeaveの共同設立者兼CTOのブライアン・ベンチュロ氏によると、最新のNvidia GPUの出荷は2024年の第1四半期、あるいは第2四半期まで開始されないとのことだ。

Nvidiaとその製造パートナーであるTSMCは供給に懸命に取り組んでいるが、依然として市場の需要を満たすことができていない。 OpenAIのCEOサム・アルトマン氏も、NVIDIAが市場を独占しているコンピューティング能力の不足について繰り返し不満を述べている。調査データによると、NVIDIAの独立GPU市場シェアは80％にも達し、ハイエンドGPU市場シェアは90％にも達しています。NVIDIAのGPUは世界で最も広く使われているAIチップだと言えます。

企業は長い間 AI チップに悩まされてきましたが、Nvidia にも悩まされています。バーンスタインのアナリスト、ステイシー・ラスゴン氏によると、ChatGPTのクエリサイズがGoogleの検索の10分の1にまで拡大した場合、運用を維持するために当初は毎年約480億ドル相当のGPU（グラフィックス・プロセッシング・ユニット）と約160億ドル相当のチップが必要になるという。

高額なコストと技術研究開発の間で、後者を選択する企業が増えており、大手テクノロジー企業の満場一致の選択として、自社研究が採用されるようになりました。 Microsoftの「Athena」はTSMCの5nmプロセスを使用して製造され、チップあたりのコストが3分の1に削減されると予想されています。

マイクロソフトはBing、Office、GitHubなどでAIを活用した機能を推進し続けており、独自のチップを開発することでコストを大幅に削減できる可能性がある。アナリストは、Athena は Nvidia の製品に比べてチップ当たりのコストを 3 分の 1 削減できると考えている。

したがって、私の意見では、自社開発の AI チップは、コストを大幅に削減し、NVIDIA への依存を減らすだけでなく、この巨大な「ケーキ」を共有できることも意味します。

課題はまだ存在し、心理的な準備も必要である

「Crystal World」は、現在のAIチップは主に、性能と電力の比率の制御、帯域幅のボトルネック、ソフトウェア開発という3つの技術的課題に直面していると考えています。

パフォーマンスと電力の比率の制御という点では、AI チップによって実行される大量の計算により、消費電力が大幅に増加します。多くの AI アプリケーションでは、消費電力に厳しい制限があります。優れた性能と電力の比率をいかに実現するかが、AI チップの研究開発における重要な目標です。

帯域幅のボトルネックに関しては、ディープラーニングアルゴリズムは計算に大量のデータとモデルパラメータを必要とし、データ量が膨大であるため、メモリ帯域幅がシステム全体のボトルネックになります。「メモリウォール」も、最適化して突破する必要がある大きな問題です。

ソフトウェア開発の面では、チップ自体のハードウェア設計に加えて、ソフトウェアもAIチップのパフォーマンスに非常に重要な役割を果たしており、コンパイラやツールチェーンソフトウェアの最適化機能と使いやすさがますます注目されています。

私の意見では、NVIDIA は、大規模な開発者コミュニティ、サードパーティのソフトウェアおよびハードウェア ベンダー、学術機関など、自社が開発した CUDA アーキテクチャ (Unified Compute Device Architecture) を中心に強力なエコシステムを構築しています。

NVIDIA は非常に豊富なソフトウェア システムとエコシステムを持っていると言えます。他のチップ企業が NVIDIA のアーキテクチャと互換性を持たせたいとしても、基盤となるチップ アーキテクチャは異なります。基盤となるハードウェアからアプリケーション層まで、その間には多くの層があります。各層の最適化は効率に大きく影響します。そのため、チップを変更すると、ソフトウェアの動作効率は依然として低下します。

最後に

彼ができる限り強くなれば、そよ風が丘を越えて吹き渡るでしょう。 AIチップの分野では、強力なプレーヤーが不足することはありません。AIチップのブルーオーシャン市場に直面して、高い使用コストと引き換えに長期的な研究開発投資を行い、自社研究へと移行し始めている企業がますます増えています。ますます多くの企業が自己研究の重要性を認識するにつれて、AIチップの分野では100の学派が始まり、よりコスト効率の高い製品が業界にもたらし、AIコンピューティングパワーの開発が促進されるでしょう。