カスタム・チップがAIの未来を牽引

最近では、ほぼすべてのテクノロジー大手企業がカスタム・シリコン・チップを開発しているか、既存のチップメーカーの買収を検討しているようです。なぜでしょうか。目まぐるしい数のAIアプリケーションを動かすために必要なチップの数が急増する中、チップを内製することでコストを削減し、AIシステムの性能を向上させることができると、IBM® Consultingの副社長兼シニア・パートナーのShobhit Varshneyは言います。

ソフトウェアのアーキテクチャーと連動するようにハードウェアのアーキテクチャーを最適化すると、魔法が生まれるのです」と、彼はIBMのポッドキャスト「Mixture of Experts」の最近のエピソードについて語っています。「スループットを向上させながら、総コストとレイテンシーを削減します。」

自社でチップを製造することにより、企業はAIチップ市場の70～95％を支配しているとされるチップメーカー、NVIDIAへの依存度も低減できます。しかし、これがすべてではないと、IBM Researchの主任研究員兼マネージャーであるKaoutar El Maghraouiは、IBM® Thinkとのインタビューで述べています。NVIDIAへの依存度を下げても、「権力の中心はある巨人から別の巨人に移るだけだ」と彼女は言う。

近年、NVIDIAが支配的になっている設計プロセスにおいて、企業が設計プロセスをより細かく管理できるようになったとしても、企業は依然として台湾半導体製造会社に大きく依存しているとVarshneyは言います。TSMCは、スマートフォンから軍事設備まで幅広いアプリケーション向けに、世界中のAIチップの大部分を製造しています。

TSMCは「100ポンドのゴリラだ」とVarshneyは言います。「誰もがチップを設計しているが、現時点ではTSMCが業種・業務全体の中心です。」

シリコンバレーでのチップ競争は、生成AIアプリケーションがテクノロジー企業の購買意欲を高めるずっと前から開催されていました。2015年、GoogleのAIシステムAlphaGoテンソル・プロセッシング・ユニット（TPU）として知られるGoogle設計のチップを搭載したこのゲームは、古代中国の囲碁でプロの人間プレイヤーに勝利しました。それ以来、Googleは、データセンターのAIシステムを強化するために社内で設計した一連のチップを発表してきました。最近では、2024年12月にグーグルが量子コンピューティング用の新しいAIチップ「Willow」を発表しました。同社によると、Willowは標準的なベンチマーク計算を5分以内に完了することができます。この計算は、今日の最速のスーパーコンピューターの10セプティリゼーション（10²⁵）にかかる計算に相当します。

GoogleがAlphaGoを立ち上げたのとほぼ同じ時期に、IBMの研究者もAIハードウェアの構築についての調査を開始しました。2021年までに、IBMはニューヨーク州オールバニーにAIハードウェア・センターを開設し、より広範なAIハードウェア・ソフトウェア・エコシステムを構築しました。2022年までに、IBMの新しいTelumマイクロプロセッサー・チップによって、価値別世界の取引量の約70％を稼働するメインフレームであるIBM® ZにAI推論機能が導入されました。2024年後半、IBMは新しいSpyreアクセラレーター・チップを発表し、企業ユーザー向けのIBM® Zメインフレームに生成AIを導入しました。

一方、AWSは少なくとも2018年からAIプロジェクト向けの独自のコンピュータチップの開発に取り組んでいます。。2024年のAWS年次イベントでは、Amazonが最新のカスタムTrainium3 AIチップを発表しました。これはパートナーであるAnthropicの大規模言語モデルと組み合わせて顧客に提供されます。多くの企業がAWSのAIチップを購入しており、その中にはAppleも含まれます。これは、Appleが自社のベンダーの1社について議論した珍しい瞬間だったため、AWS 2024で注目を集めました。

負けじと、長年にわたりゲーム機能を支えるチップを製造してきたマイクロソフトも2023年に独自のAIチップを発表しました。これはテック大手のMeta社もシリコンチップ計画を発表したのとほぼ同時期です。OpenAIは最新のカスタム・シリコン・パーティーに参加していますが、まだ公式には発表されていません。詳細はまだ公表されていませんがロイター通信は今月初めにOpenAIがチップ設計を最終決定しており、2025年からTSMCを通じて製造を開始する計画であると報じました。

最近、チップ競争が激化しているのはなぜでしょう。IBMのVarshneyは、企業が必要なユースケースに合わせて特定の言語モデルに合わせてチップをカスタマイズできれば、コストを削減したり、レイテンシーを改善したり、あるネットワークから別のネットワークへのデータ移動を高速化したりできると述べています。彼は例を挙げています。これまで、企業が不正アクセス検知や請求書の調査を行っていたとき、量が多く、非常に高速なレイテンシーが必要だったため、従来のコンピューティング手法を使用していました。Varshneyは次のように語っています。「この作業を1日に何百万回も行う必要があったため、コストはあっという間に膨れ上がってしまいます。」

企業が特定のモデル用にチップを最適化できるようになったことで、大量のユースケースのコストが下がり、これらのソリューションを大規模に本番環境で使用するためのコスト効率が向上しました。「つまり、企業の観点から見ると、ユースケースは変わりません」とVarshneyは言います。「しかし、これまではROIが得られなかった高ボリューム案件にも、今後取り組んでまいります。」

自社でチップを設計するテクノロジー企業が増えている中、TSMCはどのようにして競合他社に対する優位性を維持しているのでしょうか？第一に、同社の当初からのアプローチが他のテクノロジー企業とは異なっていました。IBMのEl Maghraouiは、TSMCはファウンドリー専業で、チップの設計は行わず、他社のチップを製造していると述べています。ますます多様化するチップの製造コストが上昇したため、長年にわたりチップ製造をTSMCにアウトソーシングする企業が増えています。

同時に、半導体研究分析会社SemiAnalysisの創設者であるDylan Patel氏は最近のポッドキャストのインタビューで、個々のチップの製造コストが急騰したことを指摘しています。Patel氏によると、TSMCはチップ製造に重点を置いているため、企業顧客にとって非常に簡単に製造できるようになりました。

「半導体製造は非常に旧式で、困難なものです」と彼は説明します。「その役割が非常に専門的であるため、参入障壁は多くのテクノロジー企業と比べてはるかに高くなります。」最後に、TSMCの従業員は自らの仕事に大きな誇りを持っているとPatel氏は言います。「彼らは工場で週に80時間労働します。地震などの問題が発生した場合は、真夜中でも姿を見せます」と彼は語ります。なぜなら、TSMCは特定の設備を修理できる唯一の企業だからです。

TSMCの方式を再現することが難しいもう1つの理由は、TSMCが別の超電導体のオランダ大手企業ASMLが製造した高度に専門化された最先端のチップ製造マシンを数十台購入するために数十億ドルを投資していることです。

ASMLは、基本的には極めて短い波長の光を大量に生成してマイクロチップ上に複雑なデザインを印刷する極端紫外線リソグラフィー（EUV）のパイオニアでした。ASMLのチップ製造マシンの価格は、1台あたり1億8300万米ドルから3億8000万米ドルかかります。世界初のEUVマシンの1つは、NY CREATES が所有および運営し、IBM Researchがアンカー・パートナーとなっているAlbany Nanotech Complexに2014年に設置されました。

それ以来、IBM ResearchとそのパートナーはEUVリソグラフィーの開発と最適化を行うエコシステムを構築し、これによりIBMとその他の企業はトランジスターのサイズをわずか数ナノメートル、つまり髪の毛の何万分の1の薄さにまで縮小することができました。

ASMLやIBMなどのパートナーが小型チップの印刷に取り組み続ける中、TSMCはチップ製造業者としてその役割を担い続けるでしょう。SemiAnalysisのPatel氏は、TSMCの関与を問題とは考えていません。「この依存関係が崩す必要があるとは思いません」と彼は言います。「私はTSMCに米国での製造を依頼するつもりです。」TSMCは、2020年に米国にチップ工場を建設することを発表し、以降この製造大手企業はアリゾナ州に3か所のチップ工場を開発するために650億米ドルを投資してきました。2024年の第4四半期には、米国初のTSMCチップ工場でチップの製造が開始されました。

El Maghrauiのような専門家は、AIを強化するためのチップの新たな材料を見つけることに、企業にとっての将来性があると考えています。その目標に向かって、IBMとMetaの新しいモデルは、研究者が将来的に競争の場を均等化する可能性のあるチップ製造用の新たな材料を発見するのに役立つかもしれません。

「これらのモデルをオープンソース化することで、イノベーションを加速し、協力関係を促進し、まったく新しい半導体の開発を促進することができます」とEl Maghrouiは言います。

例えば、IBM Researchの材料用基盤モデルのチーム（FM4M）プロジェクトはAIを使用して、同等かそれ以上の性能を達成しつつ、環境フットプリントを縮小できる新しいチップを設計していると、 IBMの持続可能な材料担当の戦略共同リードであるJed Piteraは述べています。「もし私が工場を所有していて、10種類の異なるチップを製造している場合、各チップの合計フットプリントはどれくらいですか？」とPiteraは、特定のチップを製造する際に使用される電力と水、その排出量について言及しました。

「チップAの総フットプリントがわかると、チップの製造方法を変えることができます。そうすることで、チップは同じ性能を発揮しながら、環境への影響を最小限に抑えられます」とPiteraは考察します。「環境フットプリントが減少すると、コストも同じ方向に動きます。」