AIチップのスタートアップ企業が岐路に立つ

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式サイトにアクセスして許可を申請してください。

2016年のAIチップスタートアップブームから5年以上が経過しました。チームの編成からチップの設計、製品の発売まで、AIチップ企業が答えを出す時が来ています。

グラフコア・グレーター・チャイナ社長兼グローバル最高売上責任者、ルー・タオ氏

Graphcore Greater Chinaの社長兼グローバル最高売上責任者であるLu Tao氏は、Leifeng.comに対し、「AIチップ企業間の競争は2022年にさらに激しくなるだろう。なぜなら、各社が異なる戦略と道を選んでおり、それが今年からより明確になるからだ」と語った。

実際、2020年以降、ほとんどのAIチップ企業はチップの実装を開始しました。しかし、AIチップと従来のチップの明らかな違い、チッププロバイダーとユーザーの認知の違い、流行の影響、世界的なチップ不足などにより、AIチップの実装と大規模使用には多くの課題があります。

2021年、業界では機械学習フレームワーク、サポートされるモデル、クラスター管理、スケジュール管理など、AIの導入にさらに注目が集まるでしょう。

AIチップのリーダーになるための3つの秘訣は何ですか?

AIチップ企業が前進する7つのステップ

AIブームにより、多数のチップスタートアップが誕生しました。スタートアップが新しいタイプのAIチップをうまく実装し、現在の大手企業に挑戦することは、エベレスト登山に例えることができます。

陸涛氏は、現代の巨人がエベレストに登ったとしても、巨人の高さに到達するには7段の階段を登る必要があると考えている。

最初のステップはチームを構築すること、2 番目のステップはコンセプトを伝えること、3 番目のステップはチップを設計すること、4 番目のステップはチップを用意して顧客にサンプルを送ってテストできるようにすること、5 番目のステップは実装された製品を用意すること、6 番目のステップは多くの実装を備えた製品を用意すること、7 番目のステップは大きな市場シェアを獲得することです。 Lu Tao 氏は、 Graphcore が第 5 段階と第 6 段階の間にあると考えています。

この段階の企業は、多くの技術的課題を解決したことを実証しています。 AI コンピューティングは従来の CPU とは大きく異なります。過去 5 ～ 10 年間で、Web サービス、データベース サービス、ストレージ サービスなど、CPU の用途は非常に明確になりました。しかし、AIの全体的な応用においては多くの革新と研究が行われており、全体的な状況は非常に動的です。

このような状況下では、 AIチップの実装はさらに困難になります。手順は大まかに3つのステップに分けられます。まず、AIチップの性能上の利点を活用して顧客を引き付ける必要があります。次に、顧客はソフトウェア移植の難易度と時間を考慮します。検証後にのみ、大規模な展開を実現できます。

このプロセスは長くて困難なものであると言えます。最大の課題の 1 つは、AI チッププロバイダーとユーザーの間の認識の違いです。 「私たちの観点からすると、この認識の違いは改善されているものの、課題はまだ残っています」とLu Tao氏は言う。「たとえば、多くのユーザーは当社のIPUのパフォーマンスは優れていると考え、コードを変更せずにIPUに移行したいと考えているかもしれませんが、そのためにはソフトウェアとエコロジーの面で多くの作業を行う必要があります。」

AIソフトウェアとエコシステムの構築には、AIだけでなく、AIチップと他のデバイスやシステムとの連携、運用・保守管理など、ビジネス全体のエンドツーエンドの連携を実現するために、特定の応用分野を比較的完全に理解することが必要です。

陸涛氏は次のように指摘した。「コンピューティングプラットフォームの提供者として、エンドユーザーにプラットフォームをうまく利用してもらう必要があります。エコシステムは非常に重要であり、エコシステムの構築はユーザーが利用するための敷居を下げることができます。同時に、垂直的な事例も非常に重要です。『プロトタイプ』を通じて、特定の業界への応用を大幅に加速することができます。もちろん、AIプラットフォームメーカーとの協力を強化することも重要です。AI分野には2種類のユーザーがいます。1つは事例に対応した開発ができるAI開発者であり、もう1つはAI技術をパッケージ化して他の人が利用できるようにできるAIプラットフォーム企業です。」

コンピュータのバックグラウンドを持つ開発者や研究者であれば、TensorFlow、PyTorch、Baidu PaddlePaddle をベースにプログラミングすることができます。こうした能力がない場合は、開発のハードルを下げて開発を簡素化するために、Hugging Face などのより高度なフレームワークを使用する必要があります。両者の開発難易度には大きな差があります。PyTorch を使用してビジネスを実装する場合、200 行のコードが必要になることがありますが、Hugging Face を使用すると、完了するのに 50 行のコードしかかからない場合があります。

AIチップリーダーになるための3つの鍵

AIチップの大規模実装を実現するには、AIチッププロバイダーとユーザー間の認知ギャップを縮小することが鍵であり、その鍵はソフトウェアとエコシステムの構築にあることは容易に理解できます。

しかし、AI チップの分野でリーダーになるには、予測 + 少しのリスクを取ること + 少しの幸運という 3 つの鍵があると Lu Tao 氏は考えています。

「グラフコアは2016年に設立された当初は追いつくことしかできなかった。新しい分野については、事前に予測することができれば、その分野でリードできるかもしれない」と呂涛氏は詳しく説明した。

2016 年には、従来のマシン ビジョン モデル ResNet がすでに存在しており、Graphcore はそれに追いつく必要がありました。フォロワーとして、予測を立てて機会を発見する必要がありました。 2020年にGraphcoreが注目したのは、もともと自然言語処理に使われる基盤技術であるTransformer技術ですが、業界ではTransformerをコンピュータービジョンに利用するという流れがあり、Graphcoreがいち早く対応しました。

2021 年後半には、ViT などの Transformer ベースのビジョン モデルが普及しました。高度な予測のおかげで、Graphcore は新しい Transformer ベースのビジュアル モデルと GNN を強力にサポートしており、多くの革新的で最先端のモデルが GPU よりも適切にサポートされています。

革新的な IPU ハードウェアと継続的に改善されている Poplar ソフトウェア エコシステムのおかげで、Graphcore は 2021 年に多くのアプリケーション事例を獲得しました。 2021年後半、Anjie Digital TechnologyはIPUを気象予報、精密灌漑、防災・減災に活用する予定です。 Deepin Technology は、分子動力学シミュレーション ソフトウェア DeePMD-kit の IPU ハードウェアへの移行を完了し、分子動力学シミュレーションに基づく科学計算、医薬品設計、材料設計、新エネルギーなどのシナリオを検討しています。

金融・保険分野では、Oxford-Man が IPU を使用して株価を予測し、Tractable と Graphcore が事故や災害からの復旧を加速するために協力関係を結んでいます。通信分野では、Graphcore は Korea Telecom と提携して IPU Cloud を立ち上げました。都市環境の持続可能な開発の分野において、Shengzhe Technology は IPU を使用して都市関連の持続可能な開発アプリケーションを実行します。医療と生命科学の分野では、Graphcore はスタンフォード大学医学部と協力し、IPU を使用して「医療 + プライバシー コンピューティング」を中核とする研究と調査を行っています。

ただし、これらのアプリケーション事例のほとんどは、最先端のテクノロジーとアプリケーションの探索であり、大規模な商用アプリケーションではありません。陸涛氏は「商業分野では、自社のビジネスが顧客にもたらす価値を重視し、テクノロジーベンダーと一緒にニュースを発表することが少ない大規模なアプリケーション顧客がいます。最先端の研究はよりオープンであり、研究者もその成果がより多くの人々に見られることを望んでいるので、共有できる事例は自然と増えるでしょう」と語った。

また、2022年にはGraphcoreが国内のパブリッククラウドベンダーと共同でいくつかのIPU製品や新しいハードウェア製品をリリースする予定であることも明らかにした。 Graphcoreは、関連するAI応用分野での協力もさらに深めていきます。たとえば、AI支援科学研究や自動運転は、2022年のAI応用や垂直分野におけるより重要な方向性です。

Graphcore の IPU と CPU のハードウェア分離により、IPU の市場拡大が促進されることは注目に値します。たとえば、BERT トレーニングでは、Graphcore は 2 つの CPU と 64 個の IPU を備えたサーバーを使用し、比率は 1:32 ですが、コンピューター ビジョン モデルでは基本的に 1:8 です。しかし、Nvidia または Intel システムの場合、シナリオやモデルに関係なく、CPU と GPU の比率は 1:4 や 1:2 など固定されます。

最後に

AIチップをめぐる競争は、最終的にはエコロジーとビジネスの競争へと発展するだろう。 AIチップの初期段階では、参加者は多かったものの、それぞれがチーム構築や製品開発の段階にあり、AIチップ企業間の真の競争はありませんでした。 AIチップのリリースと実装の進歩により、AIチップ企業間の競争が本格的に始まりました。

ますます多くの分野と顧客がAIの大規模な応用と実装に注目し始めるにつれて、AIチップ企業間の競争は当然激化します。このとき、それはもはや単純なハードウェア性能の競争ではありません。ソフトウェアとエコシステムがエンドユーザーにさらに感銘を与えることができるようになります。

2022年にはAIチップ企業間の競争がますます激しくなり、各社の真の実力が徐々に明らかになるでしょう。雷峰ネットワーク