AIの名の下に:株価が急騰しているにもかかわらず、Nvidiaは本当に安心できるのか?

AIの名の下に:株価が急騰しているにもかかわらず、Nvidiaは本当に安心できるのか?

最近、グラフィックスチップメーカーのNvidiaが6年間で最大の四半期収益増加を示す財務報告を発表し、株価が市場終了後に14%急騰し、業界の注目を集めた。さらに、同社のCEOである黄仁訓氏は以前、NvidiaはすでにAI(人工知能)チップ企業であり(AIのトレンドに追いついているようだ)、業界では同社のチップ、特にAIチップの市場パフォーマンスに楽観的であると宣言している。本当にそうなのでしょうか?

まず、Nvidia の今四半期の業績を見てみましょう。総収益は20億米ドルで、前年比53.6%増加しました。そのうち、グラフィックスチップ部門の売上高は総売上高の85%を占め、前年比52.9%増の17億米ドルとなった。データセンター事業は前年比3倍の2億4,000万米ドルに増加しました。自動車事業は前年同期比60.8%増の1億2,700万米ドルとなった。収益構成から、NVIDIA を支える中核事業は依然として従来の PC 市場におけるグラフィック チップ (ディスクリート グラフィック カード) であり、AI 関連分野や AI と密接な関係のある事業 (データ センターなど) からの収益は総収益の 1/10 程度に過ぎないことは容易にわかります。したがって、収益だけから判断すると、Nvidia は AI チップ企業からは程遠いと言えます。 AIは現在、業界が競い合うホットスポットであることはよく知られている事実です。従来のPC業界ではグラフィックカード(ディスプレイチップ)の独立企業だったNvidiaが、AI企業へと変貌を遂げたことは当然ながら大きな注目を集めています。この意味で、Nvidia が AI のトレンドを利用して自社のチップの役割を誇張して宣伝している可能性も否定できません。

もちろん、AIチップ(AIアプリケーションと機能をサポート)が今後のチップ業界の発展トレンドになることを否定するものではありません。特に、グーグルの人工知能ソフトウェア「アルファ碁」がディープラーニング技術を使って世界トップの囲碁プレイヤーであるイ・セドルに勝利したという事実は、人工知能がテクノロジー業界と大物たちの競争の次のホットスポットになることを示唆している。ビッグデータとモノのインターネットの発展により、IBM、Google、Facebook、Microsoftなどのテクノロジー大手や、クラウドサービスを提供する多くの大手クラウドコンピューティング企業が、将来のモノのインターネットデバイスによって収集される膨大なデータ(分析)を活用して市場やユーザーに優れたサービスを提供するために、人工知能技術の開発で競争するようになりました。メーカーによって呼び方は異なりますが(IBM はコグニティブ コンピューティング、Facebook や Google は機械学習や人工知能と呼んでいます)、チップは依然としてこれらのテクノロジーとアプリケーションをサポートするデータ センターの基本的なハードウェアの 1 つとして重要な役割を果たしていることに留意する必要があります。

この傾向を踏まえ、関連統計によると、IBM、Google、Facebook、Amazon、Microsoftなどの大手企業やクラウドコンピューティング企業のデータセンター(サーバー)で現在稼働しているワークロードの少なくとも10%はAIアプリケーション(関連するAIアプリケーションを自ら開発するか、顧客のAI開発やアプリケーションをサポートして稼働させるなど)に関連しており、AIに対する市場とユーザーの需要により、この傾向は今後も拡大していくと予想されます。この傾向は、データセンターの基本チップの計算能力と電力消費に新たな課題を突きつけており、Nvidia はこれまで、自然な優位性を持つ GPU (グラフィック チップ) に特化してきました。たとえば、AI に必要な超並列コンピューティング能力。同じ面積で、GPU にはより多くの計算ユニット (整数、浮動小数点の乗算と加算のユニット、特殊な計算ユニットなど) があります。 GPU はより大きな帯域幅のメモリを備えているため、高スループットのアプリケーションでも優れたパフォーマンスを発揮します。 GPU のエネルギー需要は CPU などよりもはるかに低いです。

しかし、これは、前述の大手企業のデータセンター(サーバー)に CPU の需要がないことを意味するものではありません。それどころか、CPU は依然としてコンピューティング タスクに欠かせない部分です。ディープラーニングアルゴリズム処理タスクでは、命令を実行し、GPU でデータを送信するために高性能な CPU も必要です。同時に、CPU の汎用性と GPU の複雑なタスク処理能力を活用して、最良の結果を達成できます。このため、ほとんどの企業は依然として「CPU + GPU」の組み合わせ、つまり異種コンピューティングを使用しています。この異種モードでは、アプリケーションのシリアル部分は CPU 上で実行され、コプロセッサとしての GPU は主に大量の計算を必要とする部分を担当します。この観点からすると、CPU の欠如は、現在も将来も AI 企業であると主張する Nvidia の欠点であるはずです。

CPU といえば、当然この分野のリーダーである Intel を思い浮かべます。 Intelは、CPUにおいてNvidiaが領域を超えてAIチップ企業になることを阻む障壁であるだけでなく、同社が得意とし、前述の大手企業のAIニーズを満たすことができるGPUにおいても最大の挑戦者だ。

この課題は、CPU の計算能力の可能性に対する Intel の革新的な探求に初めて反映されました。たとえば、最近リリースされたデータセンター サーバー向けの Xeon Phi チップです。 Intelの関連レポートによると、Xeon Phiプロセッサのトレーニング速度はNvidiaのGPUの2.3倍速く、Xeon Phiチップの複数ノードでのスケーラビリティは38%で、最大128ノードに達することができるが、これは現在市場に出回っているGPUでは不可能である。同時に、128 個の Xeon Phi プロセッサで構成されたシステムは、単一の Xeon Phi プロセッサよりも 50 倍高速です。これは、Xeon Phi プロセッサが AI アプリケーションのニーズを満たすために重要な明らかなスケーラビリティの利点を備えていることを意味します。

しかし、NvidiaはIntelの主張を強く否定し、Intelは4つのMaxwell GPUと4つのXeon Phiプロセッサを比較した18か月前のデータを使用していると指摘した。より最近の Caffe AlexNet データを使用すると、4 つの Maxwell GPU は 4 つの Xeon Phi プロセッサよりも 30% 高速であることがわかります。どちらの発言が客観的に近いかは議論しないが、この報告書をめぐる両者の口論から判断すると、少なくとも、本来有利ではないCPUにも、活用できる大きな可能性があることが示されている。少なくともCPU自体に関しては、IntelはNvidiaとの差を縮めたり、Nvidiaにプレッシャーをかけたりできる。

さらに、AI アプリケーションのニーズを満たす計算能力と実装方法の観点から、GPU が最良であるか、唯一のものであるかについては、業界ではまだ論争が続いています。一部の研究者は、GPU と比較して FPGA の方がアーキテクチャが柔軟で、単位エネルギー消費あたりのパフォーマンスが優れていることをテストしました。ディープラーニング アルゴリズムは、FPGA 上でより高速かつ効率的に、より低い消費電力で実行できます。これは、インテルが以前 FPGA メーカーのアルテラを 167 億ドルで買収した理由を説明しているようです。合併と買収といえば、業界ではインテルが AI チップの競争力を高め、さらには Nvidia を上回る可能性があると考えている別の合併と買収がある。 AIチップを専門とする企業であるNervana Systemsの買収です。 Nervana Systemsが研究するディープラーニングチップは、GPUよりもコストパフォーマンスが高く、処理速度はGPUの10倍と言われている。

Nervana Systems の強さ、あるいは Nvidia に対する脅威を説明するために、Nervana Systems が買収されたときのエピソードを紹介しましょう。インテルが売却について話し合うためにネルヴァーナに連絡を取ったとき、ネルヴァーナは、同社のディープラーニングソフトウェア「Neon」もNvidiaのチップ上で動作し、Nvidiaの欠点を補うことができることから、Nvidiaが合理的な選択肢の1つであると信じていたと言われている。しかし、Nvidia は自社の GPU ベースのディープラーニング技術が Nervana よりも優れていると考え、Nervana には興味を示しませんでした。しかし、NervanaがIntelと合意に達した後、Nvidiaは考えを変えたようで、買収交渉を再開しようとしたが、残念ながらその機会を逃してしまった。

この点に関して、一部のアナリストは、インテルによるNervanaの買収はNvidiaの最大の失敗であると考えている。なぜなら、今回の買収により、インテルはディープラーニング向けの特定の製品とIPを取得し、それを単独で使用したり、インテルの将来の技術と統合して、より競争力のある独創的なチップ製品を生み出すことができるからだ。統合に関しては、Intel が最高です。例えば、買収したNervana Systemsの場合、関連製品をチップやマルチチップパッケージに統合することができます。たとえば、Nervana Engine IP を Xeon CPU に追加することで、AI に必要なパフォーマンスの高速化を低コストで実現し、Nervana IP を商品化して、独自の CPU の計算能力を強化し、AI 開発やデータセンター チップへのアプリケーションのより高い要求を満たすことができます。

まとめると、AIチップの応用はまだ初期段階にあり(現在、データセンターの負荷の約1/10を占めるに過ぎない)、ライバルのIntelがこの分野で狙った合併や買収、そしてCPUにおけるIntel自身の潜在的な活用と統合能力を考慮すると、AIの名の下にNvidiaの株価が急上昇していることは、安心感や前途の平坦さを示す兆候ではないと私たちは考えています。

今日頭条の青雲計画と百家曼の百+計画の受賞者、2019年百度デジタル著者オブザイヤー、百家曼テクノロジー分野最人気著者、2019年捜狗テクノロジー文化著者、2021年百家曼季刊影響力のあるクリエイターとして、2013年捜狐最優秀業界メディア人、2015年中国ニューメディア起業家コンテスト北京3位、2015年光芒体験賞、2015年中国ニューメディア起業家コンテスト決勝3位、2018年百度ダイナミック年間有力セレブなど、多数の賞を受賞しています。

<<:  彼はフェラーリを電気自動車に変えた

>>:  93#に別れを告げ、来年1月1日から全国で国家V基準が実施される

推薦する

彼女は3年間を養魚池で過ごし、中国の半分を旅しました。彼女は「後継者の不足は歴史に対する犯罪だ」と信じている。

科学探究の道には偉大な女性が不足したことは一度もありません。彼らは、各分野で才能を発揮し、最先端の高...

塩水の作り方

塩水は調味料の一種であり、気軽に選ぶことはできません。そうしないと、使用時に体に良くありません。塩水...

マッキンゼー:ファッション 2025 レポート

マッキンゼーは「ファッション2025レポート」を発表しました。長らく懸念されていた景気循環の減速が到...

大根の漬物の作り方2つ

大根は一般的な野菜です。大根を定期的に食べると健康に良いです。大根には去痰作用があります。また、大根...

なぜiPhoneは中国よりもインドで高価なのでしょうか?

AppleのCEO、ティム・クック氏はインドに到着するや否や、「君のiPhoneは本当に高すぎる!」...

ボルシチの作り方

ボルシチを飲むのが好きな人はたくさんいます。ボルシチの味が好きな人はたくさんいます。ボルシチはロシア...

大半は廃止され、自動車製造における新たな勢力の道筋が明確になりつつある

かつては自動車業界の破壊者とみなされていた新興自動車メーカーが、今では徐々に伝統的な自動車会社の同盟...

サーモン寿司の作り方

食べ物に国境はありません。誰もがその美味しさを認めれば、それは美味しい料理です。本日はサーモン寿司に...

朱克珍:天気は常に変化しているが、心は変わらない

劉倩と張英賢編集者注最近、中国科学技術協会宣伝文化部と教育部課外教育訓練監督管理部は「科学者物語起業...

TD-LTE iPad Air の開梱

ネットワークサポートに関しては、新しい 4G バージョンの iPad は TD-SCDMA、WCDM...

羊肉、豆腐、魚介類…怪我をしたら、これらの「刺激のある食べ物」を食べるのをやめなければならないのでしょうか?

怪我をした後は、体が早く回復できるように常に自分自身を大切にしたいと思っています。しかし、怪我をした...

ネギ油麺の作り方

暑い夏には、多くの友人が暑さを避けるために家にいます。アイスクリームを食べたいのですが、暑い太陽の下...

アインシュタインが「物理学で最も美しい実験」と呼んだ実験を行ったのは誰ですか?

1895 年にレントゲンは X 線を発見しましたが、X 線とはいったい何なのでしょうか?物理学者は...

キビ、ナツメ、ヤムイモのお粥

お粥は最も健康に良い食べ物です。お粥の調理方法はたくさんあります。個人の好みや健康と栄養のニーズに合...

ライチに3つの火事:ライチの病気に注意

今年のライチの収穫は非常に豊かで、市場には高品質で安価なライチが大量に出回っています。ライチには気血...