AIチップ軍拡競争が激化

専門的なAIプロセッサを構築するレースは、新興企業が業界の巨人に挑戦し、テック企業が独自のシリコンを設計する中、新しい半導体戦場を作り出しています。

AIサービスを動かすデータセンターに入ると、もともとゲーム用に設計されたGPUで満たされたラックを見つけるでしょう。これは常に妥協でした。グラフィックスレンダリング用に構築されたハードウェアを使用してニューラルネットワークをトレーニングするのです。現在、業界はその妥協を超えて移動しています。

目的に特化したAIチップへのシフトは、数十億ドルの投資と、AIハードウェアがどのように見えるべきかについての根本的な再考を表しています。利害関係は巨大です。シリコンを支配する者は、AIの経済学を支配します。

GPUはもはや十分ではない理由

GPUは並列計算に優れており、これはAIトレーニングにもうまく機能します。しかし、グラフィックスの遺産から大幅なオーバーヘッドを持ち運んでいます。AIワークロードに利益をもたらさず、電力を消費し、ダイスペースを占める機能です。

目的に特化したAIチップはそのオーバーヘッドを取り除き、同じ電力エンベロープに更多のAI特有の計算を詰め込みます。初期のカスタムチップは、特定のワークロードでGPUと比較して、ワットあたりのパフォーマンスが2〜5倍向上しています。

多くのアプリケーションでは、生のパフォーマンスよりもエネルギー効率が重要です。データセンターは、展開できる計算量を制限する電力制約に直面しています。半分の電力で同じ結果を提供するチップは、利用可能な容量を事実上2倍にします。

「私たちはすべてにおいてGPUに勝とうとしているわけではありません。スケールでのAI推論にとって重要な特定の操作において、劇的に優れていることを目指しています。」

新興企業の挑戦

数多くの新興企業が新しいAIチップアーキテクチャを追求しています。ほとんどは失敗するでしょう。チップ開発は高価であり、稼働するプロトタイプから本番環境への展開への道は、障害物でいっぱいです。

成功した新興企業には共通の特徴があります。AIアルゴリズムとチップ設計の両方に関する深い専門知識、長い開発サイクルを生き抜くための潤沢な資金、未実証の技術に賭けることをいとわない初期の顧客です。

しかし、成功したチップでもソフトウェアの問題に直面します。GPUは、開発者が数年間使用してきた成熟したエコシステム（フレームワーク、ライブラリ、ツール）の恩恵を受けています。新しいチップアーキテクチャには、これらのエコシステムをスクラッチから構築する必要があり、これは有望なハードウェアをかつて破滅させた課題です。

テック企業の社内開発

最大のAI会社は、新興企業を待っていません。彼らは特定のワークロードと展開パターンに最適化されたカスタムチップを設計しています。

この垂直統合は、パフォーマンスを超える利点を提供します。カスタムチップにより、既製のコンポーネントでは不可能な最適化が可能になります。競合他社にも serveするサプライヤーへの依存を減らします。半導体ベンダーに流れる価値を捉えます。

カスタムチップ開発を正当化するために必要な規模は実質的です。AIインフラ支出で数十億ドルです。最大の会社だけが経済学を機能させることができ、AIの富裕層と貧困層の間の格差を広げています。

シリコンの地政学

AIチップは、グラフィックスプロセッサが決してなかったように地政学的に敏感になっています。高度な半導体製造は限られた場所に集中しており、政府が戦略的リスクと見なす依存関係を作り出しています。

輸出管理は、最も能力の高いチップを展開できる場所を制限します。国内製造イニシアチブは、海外生産への依存を減らすことを目指しています。産業政策は、純粋に市場駆動型のダイナミクスでは生まれない方法でAIチップの風景を形作っています。

技術競争と国家安全保障の交差点は、長期戦略を計画しようとする会社に不確実性を作り出します。昨年意味を持っていたサプライチェーンは、明日は利用できなかったり、政治的に受け入れられなかったりするかもしれません。

AI開発への意味

AIハードウェアの断片化は、機会と課題の両方を作り出します。より多くの専門化されたチップにより、より効率的なAI展開が可能になり、現在は大量のリソースを必要とする機能へのアクセスを民主化する可能性があります。

しかし、断片化は複雑さも作り出します。開発者は複数のハードウェアターゲット向けに最適化する必要があるかもしれません。プラットフォーム間の移植性が難しくなります。「PyTorchで書き、NVIDIAで実行する」という単純な世界は、より複雑な風景に譲っています。

AIを展開する組織にとって、ハードウェア戦略は以前よりも重要です。間違ったアーキテクチャに賭けることは、大幅なコードの書き直しや、最適でないパフォーマンスを受け入れることを意味するかもしれません。安全な選択はGPUですが、最適な選択は他の何かかもしれません。

私たちはこの移行の初期段階にいます。2030年の支配的なアーキテクチャはおそらくまだ発明されていません。その不確実性は、スタック内のどこにいるかによって、リスクと機会の両方を作り出します。