NEW
津田建二「IT/エレクトロニクス業界の動向」

AI、ソフト開発競争から半導体チップ開発競争の時代へ移行…日本勢の発展を阻む障害

【この記事のキーワード】

, ,

  • このエントリーをはてなブックマークに追加

 これまで、ディープラーニングはNVIDIAの独り舞台といわれてきた。学習マシンで商用化しているAIチップはNVIDIAのモノしかなかった。しかし、汎用のGPUをベースに開発しているため、AIマシンとしての最適化にはほど遠い。グラフィックスチップのレンダリング(色塗り工程)に積和演算器(MAC)を集積しているGPUをたまたま持っていたため、それをディープラーニング用のチップとして使い、高い評価を得ていた。だが、消費電力がとても高く、端末では使えなかった。昨年暮れにPFNが学習専用チップを「SEMICONジャパン」で発表していたが、それでも消費電力がまだ非常に大きく、最適化しているとはいえないほどだった。

 このため、AIチップは推論専用のチップやIPをさまざまな企業が開発してきた(表1)。手間のかかる学習用のチップには、NVIDIAのチップあるいはクラウドに保管している学習データを利用していた。

 こういった状況のなかで、IBMがさまざまな企業と組んでAIの学習チップを開発しようと発表したのである。ある元システム設計者は、「霞が関の役人はAIといえばソフトウエアのことしか頭にない。ディープラーニングにはハードウエアも必要なんだけどなあ」と嘆いていた。残念ながら、ハードウエアのカギとなる半導体設計のことがわかる官僚が今はいないようだ。

 さまざまな企業から発表される新製品AIチップやIPには、推論機能が圧倒的に多い。消費電力が少なくてすみ、クラウドのデータセンタではなく端末やエッジで使おうとするからだ。市場規模がエッジは圧倒的に大きいため、NVIDIAでさえ、データセンタだけではなく、エッジ応用も狙っている。エッジ応用の推論チップだけではなく、AI用のIPも入手できるようになっている。

学習チップでイニシアチブをとる


 こうしたなか、IBMは学習用のチップを狙っている。AIチップの基本デザインは、MACとメモリをセットにしている。MACは積和演算(掛け算した結果を加算していく計算)用の回路であり、掛け算は神経細胞に入力されるデータとそのデータがどれだけ重要かという重みを掛けるのに使う(図1)。1個の神経は多入力・1出力だから、1入力の掛け算結果を足していかなければならない。そして、すべての入力を足した結果を神経細胞に入力し、1か0を出力する。この神経細胞が100億個以上内蔵されているのが人間の頭脳であるから、頭脳を模倣するなら、この積和演算回路を大量に用意しなければならない。

AI、ソフト開発競争から半導体チップ開発競争の時代へ移行…日本勢の発展を阻む障害のページです。ビジネスジャーナルは、連載、GoogleIBMNVIDIAの最新ニュースをビジネスパーソン向けにいち早くお届けします。ビジネスの本音に迫るならビジネスジャーナルへ!

BJ おすすめ記事