NvidiaはAI チップの揺るぎない王者だ。しかし同社が支えることになったAIのおかげで、今度は優勝者が激しい競争に直面する可能性が出てきた。
最新のAIはNvidiaの設計に基づいて動いており、この勢いが同社を時価総額4兆ドルをはるかに超える規模へと押し上げた。Nvidiaのチップには世代ごとに新しいものが投入されるが、そのたびに、数百〜数千のプロセッサを広大なデータセンター内でネットワーク接続した環境で、企業はより強力なAIモデルを学習できるようになる。Nvidiaが成功している理由の一つは、各新世代のチップをプログラミングするためのソフトウェアを提供していることだ。だが、その差別化要因は、まもなくそれほど大きくなくなるかもしれない。
Waferというスタートアップは、AIにおける最も難しく、そして重要な仕事の一つ—特定のシリコンチップ上で、できる限り効率よく動くようにコードを最適化すること—を実行するためのAIモデルを学習している。
Waferの共同創業者兼CEOであるEmilio Andereは、同社はオープンソースのモデルに対して強化学習を行い、それにカーネルコード（つまり、OS上のハードウェアと直接やり取りするソフトウェア）を書けるように教えていると語る。Andereによれば、Waferはさらに、AnthropicのClaudeやOpenAIのGPTのような既存のコーディングモデルに「エージェント型のハーネス（agentic harnesses）」を追加し、チップ上で直接動くコードを書く能力を高めているという。
著名なテック企業の多くは、すでに自社のチップを持っている。Appleやその他の企業は何年も前から、ノートPC、タブレット、スマートフォンで動くソフトウェアの性能と効率を高めるために、独自のシリコンを使ってきた。規模が小さい側の企業としては、GoogleやAmazonのような会社が、自社のクラウド・コンピューティング基盤の性能を高めるために独自のシリコンを鋳造している。Metaは最近、と発表した。Broadcomと共同で開発した新しいチップで、計算能力として1ギガワット分を展開するという。独自シリコンの導入には、新しいプロセッサ上で動作が滑らかで効率的になるように、膨大なコードを書く作業も伴う。
Waferは、AMDやAmazonなどの企業と協力し、同社のハードウェア上で効率よく動くようにソフトウェアを最適化することを支援している。同社はこれまでに、GoogleのJeff Dean、OpenAIのWojciech Zaremba、そしてその他の人物からシード資金として400万ドルを調達している。
Andereは、自社のAI主導のアプローチがNvidiaの支配的地位に挑戦する可能性を持つと考えている。いくつかの高性能チップは現在、単純計算を行う能力を測る業界の重要なベンチマークである、Nvidiaの最高のシリコンと同等の生の浮動小数点性能を提供している。
「最高のAMDのハードウェア、最高の[Amazon] Trainiumのハードウェア、最高の[Google] TPUは、NvidiaのGPUと同じ理論上のフロップス（浮動小数点演算性能）を与えてくれる」とAndereは最近私に語った。「私たちは、消費電力あたりの知能（intelligence per watt）を最大化したい。」
これらのチップ上で、確実かつ効率的に動くようにコードを最適化できるスキルを持つパフォーマンス・エンジニアは高額で、需要も非常に強いとAndereは言う。一方でNvidiaは、同社のソフトウェア・エコシステムにより、同社のチップ向けのコードを書くことや保守することをより簡単にしている。だからこそ、たとえ最大規模のテック企業であっても、単独でやり切るのが難しいのだ。
たとえばAnthropicがTrainium上でAIモデルを構築するためにAmazonと提携した際には、ハードウェア上でできるだけ効率よく動かすために、モデルのコードを最初から書き直さなければならなかった、とAndereは語る。
もちろん、AnthropicのClaudeは今や、コードを書くことにおいて超人的なAIモデルの一つになっている。だからAndereは、AIがNvidiaのソフトウェア上の優位性を食い崩すまで、そう長くはないかもしれないと見ている。
「塹壕（moat）を形作っているのは、そのチップのプログラム可能性だ」とAndereは、Nvidiaのハードウェア向けにコードを最適化しやすくするライブラリやソフトウェア・ツールに言及しながら語った。「それが実際に強い塹壕なのかどうか、そろそろ考え直す時期だと思う。」
さまざまなシリコン向けにコードを最適化しやすくするだけでなく、AIは近いうちにチップそのものを設計しやすくするかもしれない。元Googleのエンジニア2人によって設立されたスタートアップであるRicursive Intelligenceは、人工知能を使ってコンピュータチップを新しいやり方で設計するための取り組みを進めている。創業者は、アザリア・ミルホセイニとアンナ・ゴールディ。もし同社の技術が軌道に乗れば、さらに多くの企業がチップ設計へ進出し、自社ソフトウェアをより効率よく動かすカスタム・シリコンを生み出せるようになる可能性がある。
「私たちは、チップ設計の“長いポール”を狙っています――物理設計と設計検証です」と、スタンフォード大学の助教授でもあるミルホセイニは、チップ設計に関わる主要な課題のうち2つに言及しながら語る。
コンピュータチップを設計することは、地球上で最も影響力が大きく、しかも難しい仕事の一つだ。チップエンジニアは、さまざまな機能を最適化するために、膨大な数の部品をシリコン上にどう配置するかを突き止めなければならない。チップが最初に設計された後は、その性能を慎重にテストし、デザインがファウンドリに送られる前に、反復的なプロセスで検証する必要がある。
Nvidiaの設計は現代のAIにとって極めて重要だ。新しい世代のチップが出るたびに、何百〜何千ものプロセッサが巨大なデータセンター内でネットワーク接続された環境を使って、企業はより強力なAIモデルを学習できるようになる。
ミルホセイニとゴールディは、Google在籍中にAIが コンピュータチップの主要コンポーネントのレイアウトを最適化するための方法を開発した。このアプローチによって、Google自身のプロセッサの設計方法が変わり、現在では業界全体で広く使われるようになっており、さまざまなチップ上で特徴を配置するのに役立っている。
ただしRicursiveは、チップ設計のより多くの要素を自動化し、さらに大規模言語モデルをそのプロセスに統合することで、そこから一歩先へ進もうとしている。狙いは、エンジニアが自然言語を使ってチップの変更を説明したり、チップについて質問したりできるようにすることだ。アプリを“雰囲気で”コード化できるようになるなら、いずれチップを“雰囲気で”設計できるようになるかもしれない。
Ricursiveはまだ技術を開発中だが、ミルホセイニによれば、同社はすでにチップ設計のより多くの側面を最適化できることを示しているという。
このような形でチップ設計を自動化できる可能性については、一部の投資家がよだれを垂らすほど期待している。Ricursiveはわずか数カ月の間に、評価額40億ドルで3億3500万ドルを調達した。
ゴールディは、最終的にはAIがチップとアルゴリズムの両方を共同設計して、より強力にできる可能性があると言う。彼女は、AIが自分自身のシリコンやコードに手を入れることで、再帰的な種類のAI改善が生まれうると述べる。「私たちはこの新しい領域に入っていて、より多くの計算リソースを“設計のために”投下して、より速く、より良いチップを作れるようになる――チップ設計に対する一種のスケーリング則を作り出すことになるのです。」
AIが自分自身のシリコンを設計することについて、あなたはどう思いますか？コメントを残すか、私に知らせるために[email protected]までメールを送ってください。
この記事は Will Knightの AI Lab newsletter. これまでのニュースレターを読む こちら。
