人工智能的新應(yīng)用 支持這一點(diǎn)的計(jì)算基礎(chǔ)設(shè)施的演變

AIの新しい応?と、それを?える計(jì)算基盤の進(jìn)化Preferred

Networks代表取締役最?経営責(zé)任者 ?川徹AIの新しい可能性2寫実的なCG動(dòng)畫を作る?法光源?レイアウト等調(diào)整仕上げアニメーション編集各物體の

3Dモデル製作素材感等調(diào)整素材準(zhǔn)備フォトリアリスティック＜従來＞數(shù)か?から１年も＜AIを応?＞１?3D形狀/?/

素材感/動(dòng)き等を?動(dòng)推定仕上げ撮影?4素材開発や材料探索などの?精度??性能シミュレーション（原?數(shù)4,880個(gè)）従來のDFT計(jì)算?36コアCPU數(shù)百年以上35分様々な種類の計(jì)算が、

AIを中?に再構(gòu)成される新しいAIの登場(chǎng)で必要な計(jì)算?は加速度的に増加出典:OpenAI.Two

Distinct

Eras

ofCompute

Usagein

Training

AI

Systemsを基にPFN加筆1041021010-210-410-610-810-1010-1210-142020Petaflops/s-days3?4ヶ?ごとに倍増AlphaGoZeNerouralMachineTranslationT17

Dota1v1VGGAlexNetDQNDeep

Belief

Nets

andlayer-wisepretrainingTD-Gammon

v2.1BILSTM

for

SpeechLenet-5RNN

forSpeechALVINNNETtalkPerceptron1960

1970

1980

1990

2000

2010ChatGPTetc…2030新しいAIでResNets

更に拡?へ（GenerativeAIなど）PaLMPFN?神??學(xué)牧野淳?郎教授による共同開発TMMN-Core(12nm)の?い電?性能0%10%20%30%40%50%60%70%45

GF/W40

GF/W35

GF/W30

GF/W25

GF/W20

GF/W15

GF/W10

GF/W5

GF/W0

GF/W2020/062021/112022/06電?性能(GF/W)実?効率(%)No.

1No.

1No.

1実効効率(%)2020/11

2021/06電?性能(GF/W)この成果は、國(guó)?研究開発法?新エネルギー?産業(yè)技術(shù)総合開発機(jī)構(gòu)（NEDO）の委託業(yè)務(wù)の結(jié)果得られたものですPFN?神??學(xué)牧野淳?郎教授による共同開発TM2AIアクセラレータの?電?化NVIDIAH100

最大700W（水冷）AMD

MI250X

最大560W（水冷）（右図は各々公式サイトより引用）TM

次世代版は同等以上の高電力化?高効率化を想定（水冷）サーバひとつあたり家庭ひとつの電?消費(fèi)量（またはそれ以上）に相當(dāng)する時(shí)代に

(あるいは、1MWの負(fù)荷が10m四?に置かれる時(shí)代に)?電?なアクセラレータ運(yùn)?にはデータセンタも変化が必要にサーバからファシリティまで?體協(xié)調(diào)化?従來のホスティングでは、柔軟な電?設(shè)計(jì)が難しい?モジュラーDCのような設(shè)計(jì)アプローチに期待（単位?積あたりの電?増などに柔軟対応）設(shè)備設(shè)計(jì)DCの冷卻?法を抜本的に?直す必要性?微細(xì)化により、熱密度も?幅アップ（ASIC近傍）?従來の空冷では電?効率が上がらない??冷による?幅な除熱が必須?電?化と再エネの利活?は表裏?體で取組むべき課題電?供給の狀況に合わせた賢い消費(fèi)?従來のデータセンタアプリでは、調(diào)整余地があまりない?AI計(jì)算には、再エネの需給変化に合わせた運(yùn)?の余地があるAISDGs?電?を必要とするAIだからこそ省エネが重要?環(huán)境にやさしい低価格エネルギーの価値は?常に?きい???、AI負(fù)荷を再エネに連動(dòng)させる技術(shù)開発は充分ではない省エネAI技術(shù)の開発環(huán)境負(fù)荷低減を追及「計(jì)算量を上げる」×「環(huán)境負(fù)荷を下げる」を同時(shí)に追究?豊富な再エネの活??DC間の通信インフラ充実?DC設(shè)備×サーバ設(shè)計(jì)のパッケージ開発?供給量変化の?きい再エネで