AIチップは誤った提案か？

[[333019]]

この記事は、劉燕氏が執筆したWeChatパブリックアカウント「AI Frontline」から転載したものです。この記事を転載する場合はAIフロントライン公式アカウントまでご連絡ください。

AIチップは市場テスト期間に入りました。

技術研究開発の段階では「チップなし、AIなし」です。近年、業界はムーアの法則の失敗に対する懸念に悩まされてきた。ムーアの法則以降の時代では、AIチップの台頭に大きな期待が寄せられています。

AIチップはかつてトレンドの最前線に立ち、前例のないほど人気を博しましたが、同時に課題も依然として存在しています。現時点では、AI チップは開発の初期段階にあり、克服すべき技術的な問題点がまだ多く残っています。

設計と研究開発の面では、AI アルゴリズムの進化にどう対応するかが最大の技術的課題の 1 つです。 チップの研究開発のスピードは、AI言語の反復速度に遅れをとることがよくあります。多くのチップが作られる頃には、AIアルゴリズムは大きな変化を遂げていたり、時代遅れになっていたりします。したがって、チップを設計する際には、将来の最先端のアルゴリズムのトレンドを予測することが非常に重要です。

建築革新能力も中核的な競争優位性の 1 つです。設計と開発が直面する最初の大きな課題は、アーキテクチャ上の問題を解決し、すべてのアプリケーションに適応できるアーキテクチャを実現することです。正しいアーキテクチャは AI の理解に依存します。一部の専門家はチップ設計能力に優れていますが、AI のコンピューティングやアプリケーションの特性について深い理解を持っていません。一部の AI アルゴリズム科学者は基礎知識が不足しています。 AIチップの核心は、AIアルゴリズムとハードウェア機能全体をマクロ的に理解し、将来の開発動向を正確に予測することです。このような総合的な能力を備えることは容易ではありません。昨年の初め、チューリング賞受賞者のジョン・L・ヘネシー氏とデビッド・A・パターソン氏は、共著論文の中で、コンピュータアーキテクチャが今後10年間で新たな黄金時代を迎えるだろうと予測した。

高い投資コスト、高い参入障壁、長いサイクル、低い収益は、AI チップ業界全体が直面している大きな課題であり、業界の発展の現状でもあります。 AI チップの研究開発サイクルは通常約 18 か月です。AI チップ製品が発売されてから、より大きな市場シェアを獲得するまでに N 回の反復が必要になる場合があります。これは、忍耐力と回復力がさらに試される業界です。現在、中国ではファーウェイ、カンブリアン、イートゥ、クンユンなど、AIチップの量産を実現している企業が10数社ある。

iResearchの調査データによると、端末でよく使われる28nmプロセスチップを例にとると、国産AIシステムチップの開発コストは約2,500万ドルとなる。 Xinding Capitalの創設者である張志氏は、InfoQとのインタビューで、CambrianなどのAIチップ企業の研究開発費は主にテープアウトに費やされており、高精度で高度な技術がテープアウトコストの上昇につながっていると語った。一般的に、チップのテープアウトのコストは数千万から始まります。7ナノメートルを実現したい場合、テープアウトの失敗のコストを除いて、少なくとも5000万のコストがかかります。カンブリアンのような規模の企業の場合、チップのテープアウト量は一度に約 3,000 万から 5,000 万個、場合によっては 1 億個を超えることもあります。

英国のAIチップスタートアップ企業Graphcoreの中国担当上級副社長兼ゼネラルマネージャーであるLu Tao氏は、AIチップの研究開発コストには主に5つの側面が含まれるとInfoQに語った。

開発ツールのコスト。

IP取得コスト。社内のIP蓄積が少ない場合はIPを購入する必要があり、そのコストは数千万ドル程度になります。

バックエンドの設計コスト。バックエンドの設計プロセスがない場合、Broadcom、IBM、TI などの企業に支援を頼る必要があります。新しいプロセスの中には、より高いコストがかかるものもあります。

人件費。通常、AIプロセッサを開発するチームは約100人で構成され、1つの製品しか作れません。現在の大手メーカーと同じイテレーション速度を維持したい場合、複数の製品を並行して開発する必要がある可能性があり、これは莫大なコスト投資となります。

失敗のコスト。経験豊富なチームであれば、1 つのバージョンで成功できるかもしれませんが、失敗した場合はさらに複数のバージョンを作成する必要があり、これは高額な投資を意味します。

「高性能、低消費電力、小型化、低コスト」はチップ設計の永遠の追求です。 これらの指標は設計に関連しているだけでなく、チップで使用されるプロセスも重要な影響要因となります。同じチップ面積では、より高度なプロセスは明らかにピーク性能とエネルギー効率の向上に役立ちますが、チップのコストも大幅に増加します。

坤雲科技のCOOである王少軍氏は、アーキテクチャのイノベーションはチップ企業のハードウェア設計能力をテストするだけでなく、専用分野における専用チップの応用理解と変換能力もテストすると考えています。AI分野では、これは主にアルゴリズムの深い理解と開発動向の正確な判断に反映されます。ムーアの法則の終焉に対する疑念は、チップ処理能力の継続的な改善の能力、速度、コストに対する業界の懸念をある程度反映している。彼は、パフォーマンスの問題を解決するためにプロセスの改善だけに頼る技術的な方法は、近い将来に大きな課題に直面するだろうと考えています。

この判断に基づき、Kunyun Technology はチップの使用率と実際に測定されたパフォーマンスにさらに重点を置き、アーキテクチャの革新を通じて顧客により高いコンピューティング パワーのコスト効率を提供したいと考えています。 1週間前、Kunyun Technologyはデータフローアーキテクチャを備えた世界初のAIチップであるCAISAをリリースしました。CAISAチップを搭載したアクセラレータカードは、ピークコンピューティングパワーがNVIDIAの同様の製品の3分の1しかないものの、95.4％のチップ使用率により、実際に測定されたパフォーマンスの最大3.91倍の向上を達成できると報告されています。データフロー アーキテクチャは、将来 AI チップの費用対効果を向上させる実現可能な技術的ルートになる可能性があります。

実装の後半では、AI チップの究極のコスト効率を実現することもアプリケーションに大きく関係しています。 Lu Tao 氏は、一部のアプリケーションでパフォーマンスを 5 倍、10 倍、または 20 倍向上させることができれば、コストパフォーマンスの問題は簡単になると考えています。

適切なシナリオを見つけ、妥当な利益率で大規模な出荷を達成し、独自のエコシステムを徐々に構築することが、AI チップ企業の商業化の成功を測る重要な基準です。

スマートセキュリティ、スマート端末、自動運転、クラウドコンピューティングなどのシナリオは現在、AIチップの主な応用シナリオです。特にセキュリティ分野では、ほぼすべてのAIチップ企業がこの分野に何らかのレイアウトを行っており、セキュリティハードウェアの大手企業もAIチップの研究開発を集中的に行っています。

自動運転は、比較的早く実装され、比較的独立してユーザーに価値を提供でき、大きな応用可能性を秘めたシナリオです。現在、自動運転技術は実際の実装においてまだ未熟であり、一部は「大騒ぎ」の状態であり、これも AI チップの実装に大きな制限を与えています。

AIチップ業界に長らく注目してきたメディア関係者の劉宇氏（仮名）は、自動運転の将来について懐疑的だ。彼は自動運転そのものは信頼できないと考えている。彼の意見では、「信頼できる」AI チップは、指紋認識と同様のアプリケーション機能、つまり計算の複雑さが低く、有効性が高く、コストが十分に低いことが求められます。さらに、ディープラーニングの利点は基本的に「使い尽くされ」てしまっているため、ディープラーニングに過度に「縛られ」ないようにしてください。

Liu Yu氏は、一部のAIチップ企業のビジネスモデルに多少失望している。 「彼らは基本的にすべてTO VCルートをとっています。投資家により良いストーリーを伝えるために、人々が資金調達に来続けることが彼らの存在の前提です。一部の企業の実際のビジネスモデルは「チップの名の下に」土地を取得することであり、収益は主に不動産、政府補助金などから得られます。」

今年4月、カンブリアンはIPO文書を公開し、AIチップの研究開発への投資は巨額であるものの、その収益性と実装には懸念があることが明らかになった。かつての最大顧客であったHuaweiとの「決別」後、Cambrianの上位5社の顧客のうち、第1位と第2位の顧客はいずれも政府であり、その結果、過度な顧客集中と高いTO Gという問題が発生している。カンブリアンは国内トップクラスのAIチップ企業であり、その財務実績は業界全体の収益性の縮図でもあります。現段階では、収益性を達成できるAIチップ企業は非常に少ないです。

また今月、海外メディアは米国のAIチップ企業ウェーブ・コンピューティングが破産寸前で破産保護を申請したと報じた。今年初め、ビットメインのAIチップ事業が大規模な人員削減を行ったと報じられた。以上の現象は、国内外のAIチップ企業の生存状況について人々に不安を抱かせざるを得ない。

AI チップは、最も大きな資本投資が行われる AI 分野の 1 つです。資本市場が大きく変動すると、その影響は必然的にAIチップのスタートアップ企業にも伝わります。 2018年後半から始まった資本の冬と外部の不確実性環境の影響を受け、一部の投資家は「AIチッププロジェクトを無視できない」から「AIチッププロジェクトにはもう注目しない」に変わった。資本市場の合理化が徐々に進むにつれ、AIチップのスタートアップ企業の導入には大きなプレッシャーがかかっている。利益を上げる前に、彼らは財布の紐を「締める」必要がある。

王少軍氏は「資金不足」問題はそれほど深刻ではないと考えている。彼が知るAIチップ企業のほとんどは順調に発展しており、問題を抱えている企業は主に運用上および戦略上の問題だ。彼は、市場に出回っている高品質の AI チップ企業は、徐々に商業化の地位を確立し、継続的な収益を生み出す能力を持っていると考えています。 「ほとんどのAIチップ企業は依然として製品の製造とその実装の促進に真剣に取り組んでいます。業界が徐々に実装を重視し、ビジネスの本質に戻るにつれて、AI業界の発展は徐々に健全な成長の傾向に入るでしょう。」

AIチップとその商品化の間には大きなギャップがあります。 1 つ目は技術的なレベルです。AI チップが発売されたとき、大規模な商用展開をサポートする優れたツール チェーンと豊富なソフトウェア ライブラリが備わっているでしょうか。主流の機械学習フレームワークとシームレスに接続できるでしょうか。ユーザーにとって、移植性、開発性、展開性が優れているかどうか。

より重要なのは、業界にどう根付くかです。

SoundAI Technologyのパートナー兼CSOであるLi Zhiyong氏は、AIチップの実装の重要なポイントは技術的な問題ではなく、いかにして商用化を達成し、ビジネスのクローズドループ（技術、製品、ユーザーのフィードバック）を完成させるかであると考えています。 チップサイクルは長く、投資額も大きいため、クローズドビジネスループを形成することはさらに大きな課題となります。技術的配当を消化するプロセスが製品化と肯定的なユーザーフィードバックという 2 つの条件を満たすと、実装規模は拡大し続け、それによって利益率が創出され、拡大します。

また、AIの実装に関しては、現在、アルゴリズムを内蔵したASICチップを使用するという考え方と、クラウド上の汎用システムで汎用チップ＋アルゴリズムを使用するという考え方という2つの考え方が主流となっています。 2 つのアプローチは、異なるシナリオでそれぞれの利点を持っています。音声インタラクション シナリオでは、SoundAI は 2 番目のアプローチを選択し、マルチモーダル人工知能インタラクション システム SoundAI Azero を発表しました。これは、基盤となるさまざまなオペレーティング システム間の違いを遮断し、使いやすいスキル開発ツールとターンキー ソフトウェアおよびハードウェア ソリューションを提供して、あらゆるものがインターネットになる時代のさまざまな業界アプリケーションのニーズに対応します。

業界を「深く」調査するには、ある程度のバランスが必要です。多くの現実世界のシナリオにおける要求は無限であり、AI の能力には限界があります。実装前に、問題の境界を明確に定義し、経済的および技術的な手段を使用してこれらの問題を解決する必要があります。 たとえば、顔認識は、実現可能な問題となる前に、特定のアプリケーション シナリオの制限 (撮影角度や顔の数などの技術的制約を含む) に従う必要があります。この境界をどのように明確に定義するかは、実装プロセスにおける難しいハードルです。

「AI企業は実際には存在すべきではない。AI技術は基礎的なサポート技術とソフトウェア方式のセットであり、ソフトウェア方式自体はビジネスモデルにはなり得ない。特定の問題と組み合わせて初めて商業企業になる。つまり、将来的にはすべての企業がAI企業になる」と、AI業界のベテラン実務家である周凌然氏（仮名）は述べた。彼の見解はやや非主流派だ。「企業がアルゴリズムだけを持っていても、自立することはできない。本質は、いかにして現場と深く融合し、いかにして真にユーザーに究極の価値をもたらすかにある」

この観点からAIチップの今後の発展を考えてみましょう。今後、AIチップ企業はAIチップを持っているだけではだめです。業界と深く融合し、ドメインソリューション企業になることが成功への道となるかもしれません。 AI チップがさまざまなシナリオでユーザーにもたらす実際の効果は、商業的な結果の最終的なテスト基準となるはずです。

2つの主要な応用トレンド：クラウドからエッジへの拡張と、ソフトウェアとハ​​ードウェアの連携の追求。展開場所に応じて、AIチップはクラウド展開と端末展開に分けられます。数年にわたる開発を経て、AIチップはもはやクラウドに限定されなくなりました。エッジAIチップは、さまざまなメーカーが競争して導入する垂直的なトラックとなり、ますます多くのAIアプリケーションが端末デバイスに導入されています。

現在、クラウド市場は徐々に成熟し、大手企業が市場を占拠し、状況を揺るがすのは難しい。スタートアップにとって、より幅広い応用シナリオを持つ端末機器市場には、依然として多くのチャンスが存在します。たとえば、スマートフォンは現在最も広く使用されているエッジコンピューティングデバイスであり、自動運転もエッジ AI コンピューティングの重要な応用シナリオです。エッジコンピューティングは、次の AI の戦場として注目されています。

一方、フリンジ側の市場空間はより大きく、投資家に「ストーリーを語る」ことや資本の注目を集めることが容易です。 CICCの調査データによると、エッジコンピューティングAIチップの市場規模は2017年に39億1,000万米ドルでした。2022年までにこの数字は352億2,000万米ドルに成長し、5年間で10倍に増加するでしょう。

近年、エッジ コンピューティングは、特に大量のデータを扱い、低遅延の応答を必要とするアプリケーション シナリオにおいて、大きな需要の増加を示しています。 ** エッジでコンピューティングを実行すると、データ処理の高速化、リアルタイムのビジネス処理、コストの削減、ネットワーク帯域幅のコストの低減、データのプライバシーとセキュリティの保護などの利点が得られます。

エッジ チップを作成する上で最も難しい部分は、アプリケーション シナリオにあります。 比較的集中した自動運転シナリオを除けば、他の多くのシナリオは非常に「断片化」されています。この段階での AI エッジ チップの主な課題は、エッジ コンピューティングの電力要件の不一致とエッジ コンピューティングの電力プラットフォームの違いから生じており、エッジ AI チップのパフォーマンスと機能の要件を統一的に定義することが困難になっています。

王少軍氏は、市場にはシナリオ定義の専用チップが数多くあると指摘した。「市場は専門化と細分化の方向に発展しており、これはさまざまな分野で普遍的な業界需要があることも示しており、専用AIチップの開発をサポートするのに十分です。これは、コア技術を習得し、市場の試練に耐えることができるAIチップ企業にとって良い現象です。」

もう 1 つの傾向は、多くの AI チップ企業がソフトウェアとハ​​ードウェアの相乗効果機能の構築をますます模索していることです。もともとチップを製造していた多くの企業がハードウェアからソフトウェアへと移行し始めており、一部のアルゴリズム企業はハードウェアで詳細なレイアウトを作り始めています。ソフトウェアとハ​​ードウェアの連携により、効率的な計算能力が向上します。

重要な実装シナリオを明確にすることは、ソフトウェアとハ​​ードウェアのコラボレーションの前提条件です。さらに、統合プロセスには、ソフトウェアとハ​​ードウェアという 2 つの異なる技術チーム間のコラボレーションが含まれます。慣らし期間中、チームは互いに完全に統合する必要があり、関連するツールのサポートも追いつく必要があります。

ソフトウェアとハ​​ードウェアの連携の概念は、ソフトウェア (アルゴリズム) とハードウェアの両方の観点から同時に最適化し、全体的な最適なパフォーマンスを実現することです。設計プロセスでは、多くの制約と不確実性があり、設計空間も広いため、最終的に最適なソリューションを得ることが困難になります。すべてのネットワークの最適性を実現するのは技術的に困難です。したがって、チップ設計では、ほとんどのアルゴリズムを効果的に高速化することを目指す必要があります。

AIチップはこれまで一度も成功したことがないのでしょうか？中国のAIチップの開発史を振り返ると、2015～2016年は業界では小さなクライマックスとして認識されています。畳み込みニューラルネットワークとディープラーニングのブレークスルーにより、AIチップの研究とベンチャーキャピタルの波が巻き起こっています。ディープラーニング方式は、アルゴリズムの計算要件の多様性を大幅に削減し、AIチップに明確な技術的実現可能性をもたらしました。アルゴリズムの精度が効果的に向上したことで、AI産業の実装が可能になりました。

一時は、多数のスタートアップが参入し、巨大企業も投資を増やし、資本も必死に市場を盛り上げました。特に2018年はAIチップの人気が高まり、多くのスタートアップが資金調達を発表したほどです。

王少軍氏の見方では、2017年から2019年はAIチップ技術と製品の研究開発が「繁栄」した時期だった。NVIDIAは依然として市場を支配し、多くの新技術、新アーキテクチャ、新モデルが登場した。AIシナリオの要件の定義はより明確になり、クラウド、エッジ、エンドは基本的にコンセンサスとなったが、異なる技術ルートがさまざまなシナリオにどの程度適応できるかはまだ十分に検証されていない。

2019年はチップ業界にとって転換点となる年です。首都の冬、ファーウェイの供給削減、多くのテクノロジー企業のエンティティリストへの掲載などの出来事は、「ボトルネック」危機を浮き彫りにしました。国際情勢が不確実な環境において、AIチップ産業チェーンは予測できない発展変数を追加しました。技術力があり、代替品を完備できる国内チップ企業にとって、これは発展のチャンスです。

数年前と比べると、AIチップ業界の人気は大幅に低下しました。熱気が徐々に冷めるにつれ、業界ではAIチップ業界に「コンセプトの誇大宣伝」や仕掛け、バブルなどの問題があったのではないかと反省し始めました。 iResearch Consultingは、2019年のAIチップ業界調査レポートで、現在のAIチップ業界はガートナーの技術曲線バブルの頂点に近づいていると指摘した。

「過去3、4年のAIチップの開発は『バブル』であり、持続できないと感じています。バブルは主に、AIチップが誤った命題であり、実際の需要ではないという事実に反映されています。過去20年間、人工知能をハードウェア化する試みのほとんどは失敗しており、いくつかの共通した理由がある可能性があります。これまでのところ、AIチップが根本的に異なると感じたことはありません。したがって、ディープラーニングから始まったこのAIの波の文脈では、AIチップのハードウェア化も失敗するのではないかと考えています。」 AI技術の専門家であるFeng Hui氏（仮名）は、InfoQに対して自身の見解を述べた。同氏は、AIチップは長年の開発を経ても成功したことがないと考えている。

AI チップの「成功」をどう定義するか? InfoQ は数名の専門家に意見を求めた。多くの専門家は、それが一度も成功したことがないという主張に反対している。

製品レベルでは、GoogleのTPU、HTPU、NvidiaのP100 GPU、QualcommのSnapdragon AIチップなど、これまでに多くの成功したAIチップ製品が登場してきました。

「この（製品）規格だけを採用すれば、歴史上のAIチップは『成功』と言える」と馮慧氏は付け加えた。「AIチップの成功は、それが作られたかどうかではなく、それが使えるかどうかにあると思う。ここでの『使える』とは、汎用チップに比べて明らかにコスト面で優位性があるかどうかを指す」

注目すべきは、技術的なレベルでは、AI チップは新しい技術であるため、業界では AI チップを技術的に成功したものとしてどのように定義するかについて、統一された技術的コンセンサスにまだ達していないことです。 「成功の定義は様々です。自社の技術コンセプトに従って製品をテープアウトすることに成功したAIチップ企業は、ある程度の技術的成功を達成したとみなすことができます。さらに、自社製品の技術的特徴を市場の需要シナリオに完全に適応させ、対象市場にかけがえのない、より高いコスト効率を提供し、それを効果的に実装する方法は、商業的な考慮に基づいています。」と王少軍氏は述べた。

商業的な成功に関しては、今後検証するのにまだ時間がかかるでしょう。これはある程度、AIチップの実用化のスピードに依存します。現在の環境では、製品面で優位性のあるチップ企業に躍進のチャンスが与えられています。

過去5年間の急速な発展を経て、2020年はAIチップが研究と大規模実装に入る重要な年となります。陸涛氏は、今年上半期の流行はAIチップの実装にさまざまな影響を及ぼしたと考えている。良いニュースは、流行によって世界のデジタル化プロセスとデータセンターなどのコンピューティングインフラの構築が加速したことである。課題は、AIプロセッサの製造を叫ぶ企業が実際にそれを製造し、実際に実践できるかどうかだ。真実が何も明らかにされなければ、将来への継続的な投資は大きな課題に直面することになるかもしれない。

技術的なコンセプトや背景の光彩を競う「ストーリーテリング」の時代は終わりました。

AIチップは下半期に入り、市場検証期を迎え、製品の効果とユーザー体験を競う時期が来ています。これには大きな再編が伴う。着地シナリオが見つからず、収益性に欠け、技術やビジネスモデルでコアバリューを提供できないプレーヤーは、最終的に淘汰される運命に直面するかもしれない。 「市場には、さまざまな業界の大手企業 2～3 社と、いくつかの特徴的な中小企業が残るだろう」と Wang Shaojun 氏は InfoQ に対して、この選抜ラウンドの結果を予測した。

無視できないのは、AIチップがまだ未熟な「幼少期」にあるということだ。急速な成長には必然的に「痛み」が伴う。将来は未知だが、有望だ。 「今がチップを作るのに最適な時期だと思います。AIチップはまだ長い道のりです」とLi Zhiyong氏は、現在のチャンスをつかむことが最も重要だと考えています。