人工智能的新应用 支持这一点的计算基础设施的演变

AIの新しい応⽤と、それを⽀える計算基盤の進化Preferred

Networks代表取締役最⾼経営責任者 ⻄川徹AIの新しい可能性2写実的なCG動画を作る⽅法光源・レイアウト等調整仕上げアニメーション編集各物体の

3Dモデル製作素材感等調整素材準備フォトリアリスティック＜従来＞数か⽉から１年も＜AIを応⽤＞１⽇3D形状/⾊/

素材感/動き等を⾃動推定仕上げ撮影♪4素材開発や材料探索などの⾼精度・⾼性能シミュレーション（原⼦数4,880個）従来のDFT計算・36コアCPU数百年以上35分様々な種類の計算が、

AIを中⼼に再構成される新しいAIの登場で必要な計算⼒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ヶ⽉ごとに倍増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

更に拡⼤へ（GenerativeAIなど）PaLMPFN・神⼾⼤学牧野淳⼀郎教授による共同開発TMMN-Core(12nm)の⾼い電⼒性能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電⼒性能(GF/W)実⾏効率(%)No.

1No.

1No.

1実効効率(%)2020/11

2021/06電⼒性能(GF/W)この成果は、国⽴研究開発法⼈新エネルギー・産業技術総合開発機構（NEDO）の委託業務の結果得られたものですPFN・神⼾⼤学牧野淳⼀郎教授による共同開発TM2AIアクセラレータの⾼電⼒化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⼒消費量（またはそれ以上）に相当する時代に

(あるいは、1MWの負荷が10m四⽅に置かれる時代に)⾼電⼒なアクセラレータ運⽤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⼀体協調化・従来のホスティングでは、柔軟な電⼒設計が難しい・モジュラーDCのような設計アプローチに期待（単位⾯積あたりの電⼒増などに柔軟対応）設備設計DCの冷却⽅法を抜本的に⾒直す必要性・微細化により、熱密度も⼤幅アップ（ASIC近傍）・従来の空冷では電⼒効率が上がらない・⽔冷による⼤幅な除熱が必須⾼電⼒化と再エネの利活⽤は表裏⼀体で取組むべき課題電⼒供給の状況に合わせた賢い消費・従来のデータセンタアプリでは、調整余地があまりない・AI計算には、再エネの需給変化に合わせた運⽤の余地があるAISDGs⾼電⼒を必要とするAIだからこそ省エネが重要・環境にやさしい低価格エネルギーの価値は⾮常に⼤きい・⼀⽅、AI負荷を再エネに連動させる技術開発は充分ではない省エネAI技術の開発環境負荷低減を追及「計算量を上げる」×「環境負荷を下げる」を同時に追究・豊富な再エネの活⽤・DC間の通信インフラ充実・DC設備×サーバ設計のパッケージ開発・供給量変化の⼤きい再エネで