AIでGPUが使われる理由

前回のコラムでもご紹介したとおり、GPUベンダーであるエヌビディアの株が高騰するなど、生成AIの需要拡大によるGPU不足への懸念が広がっています。エヌビディアの時価総額は現在、アマゾン、グーグルを抜いて米国で3位の企業となっており、市場の過熱が懸念されるほどに高騰しています。
しかし、GPUはその名の通りグラフィックス・プロセッシング・ユニットであって、元々はゲームなどの3次元グラフィックスを高速処理するために開発されたものです。生成AIが注目を集めるのは当然ですが、何故GPUがそこまで重要なのでしょうか?

それは、GPUが現時点で最もコスト効率よくAI処理を行えるからです。これまでのコラムでもご紹介したように、AIの学習・推論には莫大な演算処理が必要になります。これをインテルのような汎用のCPUで処理していると、いつまで経っても計算が終りません。数千台のサーバーを並列動作させるクラウドですら、追いつかないのです。
汎用のCPUは、さまざまな用途に使えるように多機能化されているため、回路が複雑になり、ひとつのチップに数個〜数十個程度のコア（演算器）しか搭載できません。これに対し、GPUは3次元グラフィックスを処理するために最適化した構造になっており、ひとつのチップに数千〜数万のコアが集積されています。その代わり、ひとつひとつのコアは単純な計算しかできません。しかしこの「単純な計算」が、AIの処理には十分だったのです。

3次元グラフィックスでは、動かしたい物体のモデルを作り、それを移動・回転させて映像化します。このとき、高精細なモデルを作れば画像はきれいになりますが、計算量が多くなるため動きが遅くなります。GPUは、これらの処理を高速化して高精細な画像をなめらかに動かすために開発されました。高精細にすることで計算量は増えますが、各々の計算は移動や回転といった単純なものであるため、単純な計算をするコアを大量に集積するという方向で進化した結果、今のようなGPUになったのです。その一方で、AIの計算では膨大な数のニューロンの計算を行わなければなりませんが、個々の計算は非常に単純です。両者の共通点は「数が桁違いに多いが、個々の計算は単純」ということになり、GPUはAI処理に向いているとされたのです。最近ではAI用に機能を強化したGPUも開発されており、さらに高速な処理が可能になっています。

汎用のCPUを使うと、回路の多くの部分が無駄になりますが、GPUなら必要な機能だけを大量に利用することができるというわけです。ひとつのCPUよりも、ひとつのGPUのほうが数千〜数万倍の処理能力があり、チップあたりのコストは数倍〜数十倍ため、コスパが非常に高いのです。現在、AI処理のためにはGPUが必須と言われている背景には、このような事情があるのです。