エヌビディア生成AIで「独走」ライバル不在の理由 高性能半導体を次々と開発、AIブームを後押し

著者フォロー
ブックマーク

記事をマイページに保存
できます。
無料会員登録はこちら
はこちら

印刷ページの表示はログインが必要です。

無料会員登録はこちら

はこちら

縮小

2022年には従来品と比べて性能を6倍に上げた「H100」を発表し、今年3月に発売したばかり。量産間もないこともあり、本格的な需要の高まりはこれからだ。さらに今年はH100(コード名Hopper)に独自開発のCPU(コード名Grace、中央演算処理装置)も加えた「GH200」(コード名Grace Hopper)を発表した。

昆虫のバッタを英語でGrasshopperというが、バッタのように飛躍する意味が込められている。GH200の量産開始は2024年を予定する。

狙いは生成AI向け

エヌビディアはAIチップを続々と発表しているが、原動力は何といっても生成AIだ。チャットGPTで一躍注目が集まり、普及スピードがこれまでのAIなどの技術進歩から一段と加速している。チャットGPTがこれまでのAIと大きく異なる点は、テキストで質問を打てば何でも答えてくれる点にある。単なるQ&Aではなく、文章や絵、イラストなども生成できる。

従来の専用AIに対し、生成AIは何でも対応してくれる汎用AIに近づいており、それは人間並みに近づいているとも言える。

これまでの専用AIでは、例えば自動運転に使うAIだと、人や自動車、トラック、バス、自転車、バイクなど学習させるべき対象物は限られていた。さまざまな乗用車をすべて覚え込ませて(学習させて)、新しい写真が何であるかを推論する。自動運転の場合は、推論した結果をもとに、ハンドルを右と左のどちらに切るか、ブレーキを踏むかの動作を行う。

これら学習結果のほとんどは、別用途のAIには転用が難しい。同じ画像認識AIであっても、自動運転用と工場で製品の外観検査試験にAIを導入する場合とでは異なる。外観検査にAIを導入する場合、大量の傷の画像を学習させ、傷ではない製品の画像も学習させる必要がある。製品の表面画像を認識し、学習した傷に近い画像を推論している。

次ページ膨大なデータを処理できる巨大半導体が登場
関連記事
トピックボードAD
ビジネスの人気記事