AIチップがまだ普及していないのはなぜでしょうか？

2019年、国内外の業界関係者が共同でAIチップの開発を推進しました。 7nmチップはまだ完全に展開されていませんが、5nm突入の警鐘はすでに鳴らされています。AIがさまざまな伝統的な分野に猛烈に侵入し、それを覆す中、AIチップのアーキテクチャ革新は引き続き活発化しています。 「AIチップ」という新しい概念は、この1年で徐々に普及段階を経て、一般の人々にも知られるようになりました。業界が急成長を遂げ、実装と統合を加速し始めるにつれて、より多くの AI チップ企業も独自の差別化されたルートを取り始めました。

現在、AIチップはクラウドコンピューティング、携帯電話、セキュリティ監視、スマートホーム、自動運転という5つの主要シナリオで新たな競争を繰り広げている。ファーウェイ、アリババ、百度などの巨大企業は、それぞれ独自の「切り札」を持ち出している。これらの「キラー兵器」は、業界における影響力をさまざまな程度まで高め、業界に大きな変化をもたらし、中国の半導体産業に希望を見出させました。しかし、何度もクレイジーな電話を経験すると、何かが欠けているといつも感じます。それは、インターネットの有名人が一晩中商品を宣伝しているのを見たのに、司会者が「買ってください！」と叫んでも誰も注文しないような感じです。

昨年は大手メーカーから数多くの製品が発売されたものの、いまだに「驚異的なヒット」と呼べる製品はないといえる。なぜ、このような拍手喝采しながらも買わない状況が起こるのか。筆者は深く困惑している。

その理由を見つけるのは難しくありません。ニッチな領域をカバーすることと、主戦場から逸脱することが重要な問題なのです。関連調査会社のデータによると、2022年までにAIチップ市場全体の規模は596.2億米ドルに達し、そのうちクラウドトレーニング+クラウド推論チップは244億米ドルに達し、市場規模の40%以上を占めることになります。クラウドサーバー市場がAIチップの主戦場であることは間違いありません。現状では、汎用性に強みを持つGPGPUがクラウドベースの人工知能市場を席巻している。TPUに代表されるASICは現在、大手企業のクローズドループエコシステムでのみ利用されており、FPGAはデータセンター事業ではまだ試験段階にある。現在、Google、Microsoft、Amazon、Alibabaなどの世界中の大手企業のクラウドコンピューティングセンターやその他の主流企業はすべて、AIコンピューティングにGPUを使用しています。ここがNvidiaが富を築いた場所です。現在、世界の主流ハードウェアプラットフォームは、アクセラレーションにNVIDIAのGPUを使用しており、AMDも積極的に参加しています。 Amazon Web Services AWS EC2、Google Cloud Engine (GCE)、IBM Softlayer、Hetzner、Paperspace、LeaderGPU、Alibaba Cloud、Ping An Cloud などのコンピューティング プラットフォームはすべて、NVIDIA の GPU 製品を使用して、ディープラーニング アルゴリズムのトレーニング サービスを提供しています。

対照的に、他の専用AIチップメーカーは、それぞれのニッチ分野で優れた業績を上げていますが、脇役としての地位を隠すことは困難です。 CCIDコンサルティングの予測データによると、2019年に中国でAIチップの需要が最も高い市場は、セキュリティ、小売、医療、教育、金融、製造、運輸、物流などの業界となる。その中で、最大のセキュリティ市場は20％を占めるに過ぎず、熾烈な競争の結果、セキュリティ分野に注力する多くのAIチップメーカーは、出荷量などの面で好成績を達成することが困難になっている。

さらに深く掘り下げてみると、単一の分野に焦点を当てると、コストの問題という別の問題が発生することがわかります。チップ製造技術がますます高度化するにつれて、チップ製造コストも上昇しています。現在、10nmチップの設計と製造にかかるコストは数千万ドルに上り、総コストは数億ドルにも上ります。したがって、単一のアプリケーション シナリオで製品を大量に出荷できるという保証がない場合は、専用チップはある程度の汎用性と柔軟性を維持する必要があります。

過去2年間で、ニューラルネットワークコンピューティング用の専用チップ（AIチップ）が業界で登場し始めました。Cambrian、DeePhi Technology、VimicroなどのプレーヤーのAIチップ製品はすべて28nmチップ技術を採用しています。投資からテープアウトまでの初期コストは400万ドルを超えています。単一カテゴリの出荷量が100万台に達しなければ、コストを回収することは困難です。

コストに加えて、AI アルゴリズムの進化も考慮する必要があります。人工知能のアルゴリズムは今も絶え間ない変化と進化の過程にあり、人工知能はディープラーニングの大規模な爆発的な普及をもたらすまでに60年以上の発展を遂げてきました。しかし、ディープラーニングのアルゴリズムには、スパース性、低消費電力、少量データトレーニングなど、最適化が必要な側面がまだ多く残っており、アルゴリズムはまだ完成していません。

さらに、現在、音声/テキスト/画像/ビデオなどのさまざまなアプリケーションでは統一されたアルゴリズムを使用できませんが、多くの実際の AI アプリケーション (画像内のオブジェクトの認識や人間の言語の理解) では、レイヤー数の異なるさまざまな種類のニューラル ネットワークの組み合わせが必要です。

したがって、AI アプリケーションのパフォーマンスを確保するという前提の下、AI チップはチップの汎用性を可能な限り維持する必要があります。そこで疑問になるのが、GPGPU は非常に強力で、あらゆる規模の企業で使用できるのに、なぜメーカーはこの問題を避けるのかということです。実際、本当の難しさは GPGPU の技術的な難しさにあります。

ハードウェアの観点から最も重要なのは命令セットです。命令セットの範囲、粒度、効率によって、チップが十分に広いアプリケーション市場をカバーできるかどうか、またソフトウェア開発や製品の反復に十分対応できるかどうかが決まります。 NVIDIA にしろ AMD の GPGPU にしろ、命令セットは数千に及ぶのに対し、現在の国産 AI チップの命令セットのほとんどは 100 未満です。種類と数量の違いは、効率的なハードウェア実装の複雑さに反映されており、その差は非常に大きく、この点では国内チーム間にはまだ一定の差があります。もう 1 つの重要な側面は、ハードウェア レイヤーに基づくタスク管理とインテリジェント スケジューリングです。これにより、チップはハードウェア レイヤーからのコンピューティング パワー (実際のコンピューティング パワーと呼ばれるもの) の利用率を向上させることができます。ほとんどの AI チップは、ソフトウェア レイヤーでのスケジューリングに完全に依存しています。ただし、このアプローチでは、まずソフトウェア開発の複雑さが増し、次にハードウェアの計算能力の利用率が低下し、最後にソフトウェア スタックの反復と更新が遅くなります。AI の分野では、アルゴリズム モデル、開発環境、アプリケーション シナリオの更新が加速する中で、製品の実装とエンジニアリングの難易度が大幅に高まることは間違いありません。

ソフトウェアに関して言えば、最も重要なのは開発エコシステムであることに疑いの余地はありません。NVIDIA の 10 年以上にわたる努力により、GPGPU は 160 万人を超える開発ユーザーを擁する巨大で成熟したエコシステム、CUDA を確立しました。 AIチップは、まったく新しいエコシステムの構築を必要とし、2つの側面で重大な問題を引き起こします。1つ目の側面はクライアントです。顧客は、元の開発環境から新しいソフトウェアエコシステムに切り替えるために長い適応期間を必要とします。これは、リソースの投資を必要とし、ビジネス展開のタイムウィンドウを遅らせ、ビジネスの不確実性を高めるだけでなく、より深刻なことに、既存のソフトウェア投資の保護に役立ちません。ソフトウェアの多くの部分を書き直して適応する必要があり、これはエンタープライズレベルのユーザーにとって非常に敏感で慎重な問題です。もう一つの側面は、製品開発の端にあります。CUDA 層をスキップして、基盤となるチップとシステム ソフトウェアから開発フレームワークを直接サポートすると、必然的に膨大なソフトウェア投資が必要になり、既存のフレームワークの新バージョンやエコ ジャイアントの新フレームワークに常に追いつく必要があります。この矛盾は、基盤となるソフトウェア人材の不足という状況で特に顕著です。

この記事の冒頭では、製品に関する質問のように見えますが、実際には、それは市場に関する質問です。製品がヒットするかどうかは、製品自体と市場の需要によって決まります。データによると、中国のAIチップ市場は2018年も成長を続け、市場規模は全体で80.8億元に達し、前年比50.2%増加した。そして現在では、クラウドベースのトレーニングチップが依然として主な方法です。 2018年、中国のクラウドトレーニングチップ市場シェアは51.3%に達しました。巨大な市場の見通しは、さまざまな関係者を惹きつけ、市場を獲得しようとしました。

他社を大きくリードする NVIDIA に加え、他のベテランチップ大手も手をこまねいているわけではなく、特に汎用 GPU のレイアウトを強化している Intel もその 1 つです。 Intel が GPU を切望していることはよく知られていますが、その背後には悲しい歴史があります。当初 GPU を軽視していたことから、独自の x86 アーキテクチャに基づく独立したグラフィック カードの開発に至るまで、Intel は 10 年間苦戦してきましたが、いまだにまともな GPU を開発できていません。過去2年間、Intelが今年初の独立GPUを発売するという報道がありました。これはおそらく、Intelが人材の採用に多額の投資をしたためです。AMDのRTGグラフィックカード部門の元責任者であるRaja、Zenアーキテクチャの功労者であるJim Keller、グラフィックカード技術マーケティングディレクターのDamien Trioletは、いずれも2018年にIntelに採用されました。

中国では、Tianshu Zhixinという会社も今年中にGPGPUチップをリリースすると発表しました。同社は現在、米国と上海のAMD GPUチームの中核メンバーや、20年以上の業界経験を持つ世界クラスの技術専門家など、GPGPUシステム開発を中心に100名を超える技術チームを編成している。

産業発展の法則から判断すると、AIチップは今後2年間も引き続き人気が続き、誰もが市場に参入しようとしますが、2020年頃には一群のプレーヤーが淘汰され、業界の再編が始まるでしょう。 AI アルゴリズムは依然として継続的な進化と統合の過程にあるため、最終的な成功は各企業の技術的な道筋の選択と製品実装のスピードに左右されます。 2020年最初の「爆発的な製品」が間もなく登場するのを待ちましょう。