GSI Technologyの最高経営責任者（CEO）、Lee-Lean Shu氏。
コンピュート業界は転換点を迎えている。急増するAIの需要により、電力網、データセンター、チップメーカーは限界に追い込まれており、従来のやり方では単純に長くは持たない。AIのエネルギー消費が持続不可能なペースで増加していることは周知の事実であり、IDCによると、世界のデータセンターの電力使用量は2028年までに2倍以上になると予測されている。
テクノロジー業界がAIの指数関数的成長を維持したい—さらにはその可能性を最大限に引き出したい—のであれば、抜本的なイノベーションを受け入れなければならない。それに満たない対応では、非効率性を深め、コストを膨らませ、環境への害を悪化させるだけだ。
最大の問題の一つは、業界が依然として数十年前のフォン・ノイマン・アーキテクチャに大きく依存していることだ。これは元々、フォーマット済みのビット境界でのバッチ処理向けに設計されたものである。現実には、フォン・ノイマンは現代のAIワークロードには悲劇的に不向きである。その限界は、エネルギー消費、物理的スペース要件、全体的な計算性能において、ますます大きな非効率性をもたらしている。
その結果は非常に現実的で深刻なものだ：
• エネルギーの無駄： 米国計算機学会が2018年に発表した研究論文によると、システムエネルギーの62.7%がデータ移動だけで失われている—これは電力需要が急増する時代における驚くべき非効率性だ。
• ハードウェアの肥大化： アーキテクチャの限界を補うため、今日のシステムは計算要素の重複、シャーディング、その他の回避策に依存しており、物理的フットプリントとコストが膨らんでいる。
• 環境への負担： 今日のAIインフラの膨大な電力とリソースの需要は、規模拡大において経済的にも生態学的にも持続不可能なものとなっている。マサチューセッツ大学アマースト校の研究者らは、単一の大規模言語モデル（LLM）のトレーニングで60万ポンド以上の炭素が排出されることを発見した。
賭け金はこれ以上ないほど高い。マッキンゼー・アンド・カンパニーによると、生成AIだけでも数十の産業にわたり年間2.6兆ドルから4.4兆ドルを生み出す可能性がある。しかし、これらの予測は、業界が計算上のボトルネックを克服できることを前提としている—コンピュートアーキテクチャが過去に縛られたままであれば、リスクの高い賭けとなる。
解決策は、より高速なチップやより大きなデータセンターではない。それは、私たちがどのように計算するかについての根本的な再考だ：データ移動を最小化する新しいアーキテクチャ、ワークロードに動的に適応するソフトウェア、効率性を優先するハードウェアとソフトウェアの共同設計である。業界は、物理学、経済学、または環境の現実が強制する前に、既存のシステムを再発明することに今投資しなければならない。
レガシーの制約からの解放
AI革命には、それに見合うコンピュート革命が必要であることが痛切に明らかになってきている。良いニュースは、新興アーキテクチャが、レガシーの制約から解放されながら、前例のない性能とエネルギー節約を実現できることを証明していることだ。この変革を推進する主要なイノベーションには以下が含まれる：
• インメモリ連想コンピューティング： データを保存されている場所で処理することにより、次世代システムは電力を大量に消費するデータ転送を大幅に削減し、従来の方法と比較してエネルギー消費を桁違いに削減できる。
• バランスの取れたメモリ帯域幅： 最も高度なAIモデルでも、外部メモリへの迅速なアクセスが必要だ。新興アーキテクチャは現在、ボトルネックなしにピーク処理速度を維持するためにメモリインターフェースを最適化している。
• 動的精度適応性： 計算を固定ビット幅にロックする代わりに、オンデマンドで精度をスケールできるフレームワークの台頭が見られる—超効率的な単一ビット演算から高精度計算まで、多様なワークロードにわたって効率を最大化する。
• ほぼ完璧な利用率： 異なるタイプのワークロードに対して異なるリソースを持つレガシーのフォン・ノイマン・アーキテクチャとは異なり、メモリ内計算設計はより均質なコアを提供し、より広範なワークロードタイプにわたって高い利用率を達成できる。
• シームレスなAI統合： 最良のソリューションは、畳み込みニューラルネットワーク（CNN）からLLMまで、今日の最も要求の厳しいニューラルネットワークとネイティブに連携し、性能を犠牲にすることなく互換性を確保する。
これらの進歩は、コンパクトで低電力のシステムが、大規模なクラウドデータセンターの贅沢なしに高性能を提供しなければならないエッジAIにとって特に重要だ。動的量子化（例：三値重みと超低ビットアクティベーション）などの技術により、複雑なモデルが精度を維持しながらエッジデバイスで効率的に実行できるようになる。
最も重要なのは、これらのイノベーションが以前は不可能だったリアルタイムアプリケーションを実現していることだ。これにより、開発者は最先端のLLMからカスタムCNNアーキテクチャまで、非効率なハードウェアに制約されることなく、幅広いAIモデルを活用できるようになる。
経済的および環境的な賭け金
AI市場の成長潜在力は非常に大きい—しかし、そのインフラ需要も同様だ。画期的な効率向上がなければ、この拡大を支えるシステムは経済的に持続不可能であり、環境的に破滅的なリスクがある。これらの市場が拡大するにつれて何が危機に瀕しているかを考えてみよう：
• 産業用コンピュータビジョンは、すでに97億ドル規模のセクターであり、工場や倉庫が品質管理と物流を自動化するにつれて着実に成長している。
• ドローンAIとナビゲーションは、現在の165億ドルから2031年までに約2070億ドルに爆発的に成長すると予測されており、配送ネットワークから災害対応まであらゆるものを可能にする。
• 小型ロボットアームは、精密自動化が製造業からヘルスケアまで広がるにつれて、今後7年間で約818億ドルに達する可能性がある。
• 衛星AIは2028年までに127億ドルに3倍になると予測されており、地球観測と通信を変革している。
• インテリジェントパーソナルアシスタントは、音声とコンテキスト認識AIが普及するにつれて、2024年の95億ドルから2032年には886億ドルへと約10倍の成長軌道にある。
最終的な結論
確かに、AI時代の勝利するアーキテクチャは強力だが、同時に無駄がなく効率的でもある。それらは性能を犠牲にすることなく、電力消費を最小化し、メモリの無駄を削減し、物理的フットプリントを縮小する。
AIが自動運転車から即時医療診断までのリアルタイムアプリケーションに移行するにつれて、それを処理するシステムは肥大化したり、エネルギーを大量に消費したりする余裕はない。効率的で適応性のあるコンピュートアーキテクチャを採用する企業は、これらの高成長市場を開拓しながら、エネルギーコストの上昇や環境圧力に対して将来的に対応できる事業を構築できるだろう。
問題はもはや業界が変化するかどうかではなく、誰がその先頭に立つか—そしてどれだけ迅速に行動できるか—である。
