Unconventional AI、AIの消費電力を1,000分の1に削減することを目指す
人工知能（AI）に対する世界的な需要が、利用可能なエネルギー供給を上回ろうとしている中、ある新しいスタートアップがハードウェア・アーキテクチャのルールを書き換えようとしている。Databricksの元AI責任者であるNaveen Rao氏が率いるUnconventional AIは、業界に迫りくるエネルギー危機を解決するため、急進的な新しいコンピューティング手法に賭けている。
従来のシリコン・アーキテクチャを超えて
Unconventional AIのミッションの核心は、現在大規模言語モデル（LLM）や拡散モデルを動かしている従来のチップからの脱却にある。業界の多くは既存のGPUやTPUアーキテクチャの最適化に注力してきたが、Rao氏のチームはオシレーター（発振器）ベースのコンピュータ・アーキテクチャを用いて、ゼロから構築を進めている。
このアプローチは、標準的なデジタル・コンピューティングで使用されるトランジスタとは根本的に異なる。オシレーターを活用することで、同社は前例のない効率で推論処理を行うことを目指している。Rao氏は、この転換によってAI推論に必要な消費電力を最終的に最大1,000分の1に削減でき、AIをエネルギー集約型の負担から持続可能なユーティリティへと変貌させることができると考えている。
Un0：オシレーターベース・コンピューティングの「Hello World」
この急進的なハードウェア・コンセプトの実現可能性を示すため、同社は最近、最初のモデルであるUn0を発表した。Un0は現在、同社が意図しているオシレーター・チップのソフトウェア・シミュレーション上で動作しているが、その結果は極めて重要である。このモデルは画像生成システムであり、Stable DiffusionやOpenAIのGPT Image 1のような最先端の拡散モデルの性能を再現している。
Rao氏は今回のリリースを新しい種類のコンピュータの「Hello World」と表現し、全く異なるハードウェア・ロジックであっても、高品質で忠実度の高い出力を生成できることを証明することが目的であると強調した。付随する研究論文では、このシミュレートされたアーキテクチャがいかに複雑な生成タスクを正常に処理できるかが詳細に述べられており、物理的なハードウェアが従うべきロードマップを提示している。
AIスケーリングにおけるエネルギーのボトルネックを解決する
この開発のタイミングは極めて重要である。AIモデルのパラメータ数と複雑さが増大するにつれ、成長の主な制約はデータの可用性から電力の可用性へと移行している。Rao氏は、今後数年間でエネルギーがAIにとっての「根本的な限界」となり、展開できる知能の量に厳しい上限をもたらすと主張している。
Unconventional AIは、完全な推論スタックを構築することでこれに取り組む計画だ。ロードマップには以下が含まれる：
- 物理的なオシレーターベースのチップを開発し、その回路図を公開する。
- これらの独自のチップで構成されたシステム全体を構築する。
- コンピューティング容量をサービスとして提供し、ユーザーがネットワークケーブル経由でプロンプトを送信すると、現在の電力コストの1,000分の1で推論結果を受け取れるようにする。
同社は従業員50名未満の少数精鋭の体制を維持しているが、そのミッションはAIセクター全体が直面している最も重大なマクロ経済的障壁、すなわち持続不可能な電気料金コストに対処するものである。
主なポイント
- 急進的なハードウェアの転換: Unconventional AIは、AI推論を最適化するために、従来のシリコンからオシレーターベースのアーキテクチャへと移行している。
- 実証された性能: 同社のUn0モデルは、この新しいアーキテクチャがStable Diffusionのような業界リーダーの画像生成能力に匹敵できることを示している。
- エネルギー危機の解決: 最終的な目標は、AIの消費電力を1,000分の1に削減することであり、AIのスケーリングを制限する恐れのある、迫りくるエネルギーのボトルネックに対処することである。