コンピュータの守護聖人であるアラン・チューリングは、トランジスタベースのコンピュータが存在する前の1950年に、AIに関する画期的な論文を書いた。チューリング賞がコンピュータ科学の最高の栄誉であることからも分かる通り、多くの優れたコンピュータ科学者がAIに取り組んでいる。さらに最近では、カナダ人2人とフランス人1人の計3人の研究者が、上記のすべてのイノベーションを可能にしたディープラーニング革命を主導した。

このようなコンピュータ科学の進歩はなだらかなものではない。科学はその代わりに、革命と挫折のサイクルで機能する。ハイプサイクルとも呼ばれるだろう。1950年以降、AIに大きな進歩がなかった年が何年もあった。AIの科学者はこれらの時をAIの冬と呼ぶ。

AIの最新のディープラーニング革命は、①膨大なデータ量②そのデータを処理するための膨大な計算量③オープン性の高い研究とオープンソースコード、が利用可能になったことが要因だった。

90年代からコンピュータが普及し、膨大な量のデータが収集されるようになった。「データは新しい石油である」という言葉を誰もが耳にしたことがあるはずだ。2009年、スタンフォード大学の研究者たちは、画像の中に何が入っているかを説明した1400万枚の画像のデータベースであるImageNetを発表した。この大規模なデータセットにより、AIは模範によって見る方法(コンピュータビジョン)を学習することができた。同時に、翻訳、音声認識、その他の認知分野のための大規模なデータセットも作成された。Imagenetやその他のデータセットは世界中の研究者が利用できるようになり、研究者同士で手法を試すためのコンペが開催された。

CPUでは必要な計算量を提供することができなかったため、GPUはこのデータを処理するために非常に重要だった。計算能力が指数関数的に増加するというムーアの法則は、2010年代にはCPUでは機能しなくなった。もともとゲーム用に設計されたGPUは、ムーアの法則を継続するための代替手段を提供してくれました。GPUは、超安価なスーパーコンピュータでなければできない計算能力を備えていた。GPUは、以前は一部の人しかアクセスできなかったスーパーコンピュータを本質的に民主化した。

最後に、最新のAI革命のオープン化によって、世界中の研究者が協力して爆発的な量の研究を生み出すことができるようになった。AIの研究者たちは、ムラ以外の人を拒絶する伝統的な学術誌を拒絶してきた。2005年のこのarXivに関する論文は非常にお勧めだ。この論文が発表されてから、さらに多くの面白いことが起こった。彼らの研究を再現したコード(つまり手法)をオープンソース化して、他の人がそれに基づいて構築できるようにしている。これは、コンピュータ科学を問わず、あらゆる研究者にとって夢のようなことだ。

GPUとNvidia

AIにおけるGPUの重要性が理解できたところで、次はNvidiaの台頭について見ていきたい。Nvidiaは、AIの台頭以前からGPUのトップメーカーであり、現在もその地位を維持している。ハードウェア面だけでなく、ソフトウェア面でもAI革命の重要なパートナーとして活躍してきた。

GPUは多くの演算能力を蓄えているが、特にプログラムを組むのが大変だった。ゲーム業界はこれを認識し、OpenGLと呼ばれるツールの共通ライブラリに収束した。しかし、これらのツールは、AIが数学を扱うのに対し、グラフィックスを扱うものばかりだったため、AI研究者にとってはどれも役に立たなかった。そこでNvidiaは、Nvidia GPU上での数学のコーディングを容易にするCUDAと呼ばれるソフトウェア・ライブラリを提供した。

2012年には、トロント大学の大学院生であるAlex Krizhevsky(AlexNetの開発者)がCUDAを使用して、ImageNetのデータセット上に最初の本格的なディープラーニングモデルを作成した。ディープラーニングのアイデアは当時としてはそれほど新しいものではなかったが、その機能を実現するために必要な計算能力が不足していたために、実際には普及することはなかった。CUDAによって、Alexは元々ゲーム用に設計された計算能力を利用することができた。この論文は、AIのゲームチェンジャーとなり、現在の革命が始まった。

GPUとそのCUDAソフトウェアにより、NVIDIAは最新のAI革命の主要な貢献者となった。これらの企業にとって、AIにはかなり大きなビジネスチャンスがあることがすぐに明らかになった。もちろん、このことは市場でも注目されることはなかった。Nvidiaの株価は2015年から急騰した。2012年以降、Nvidiaの株価はナスダックコンポジットの380%に対して3500%(!)の成長を遂げている。

しかし、GPUのAIソフトウェア(CUDA)は、NvidiaのGPUでしか動作しない。つまり、AIはNvidiaのGPU専用ということになる。CUDAはNvidiaの顧客ロックインのための強力な堀となった。基本的にAIのためのハードウェアの競争はない。このAI用GPUハードウェアの独占は、サーバー市場では顕著だ。GoogleはGPUの代替としてTPUを開発した。それらはGoogleのクラウド上で利用できるが、かなり高価だ。実際に手を出すことはできない。

AI研究者のほとんどは、研究用にコンシューマー向けのNvidia GPUを使っている。これらは、ゲーミング市場でのAMDとの競争のおかげで安くなっている。AWSのようなクラウド・プロバイダーは、私たちのウェブのほとんどを供給しているが、GPUについてはNvidiaに代わるものを提供していない。Nvidiaがサーバー向けのGPUに大幅なマージンを載せることができるのは、競争相手がいないからだ。これらはすべて、Nvidiaや株主にとっては朗報だが、AI研究者やエンジニアにとってはそうではない。

Nvidiaの商業的利益は、CUDAが競合他社のGPUで動作することがないことを意味している。これは、NvidiaがオープンソースのLinuxオペレーティングシステムへのGPUの統合に抵抗した理由でもある。2012年、Linuxのメンテナであり、オープンソース運動の守護聖人であるLinus Torvalds(そして口が悪いことでも知られている)は、有名なことに、NvidiaをLinuxコミュニティが取引した中で最も最悪の会社と呼び、公に「Nvidia、ふざけんな」(Nvidia, F**k you.)と言った。

NvidiaのAIの統合は終わりではない。小型のAIコンピュータボードJetsonや携帯電話で積極的に組み込み機器の市場を伺っている。これがArmを買収したい理由だろう。今こそ、Armが何をしているのか、そしてNvidiaのエコシステムにどのようにフィットしているのかを見てみよう。

コンピュータとそのアーキテクチャ

ここまでは、GPUとAIの話をしてきた。少し話を逸らして、コンピュータ自体の歴史とコンピュータアーキテクチャ(チップの中で計算がどのように構成されているか)について説明しなければならない。

コンピュータの歴史の中で重要な瞬間は、1947年にベル研究所でトランジスタが発見されたことだ。トランジスタは、セミコンダクタから作られたこれらの小さな回路ですセミコンダクタは、その電気的特性が金属(電線を考える)と絶縁体(電線の周りのプラスチックを考える)の間にある化学物質だ。

それまでの電気回路は真空管があったが、かさ張りすぎていた。そこでトランジスタを使った新しい種類の回路がエレクトロニクスと呼ばれるようになった。これで、コンピュータ産業がエレクトロニクスや半導体ビジネスと呼ばれている理由と、シリコンバレーという名前の背景にある理由がわかったはずだ。

MOSFETと呼ばれる2番目のタイプのトランジスタは、1959年にベル研究所ですぐに発見された。これらのトランジスタの多くは、集積回路やチップと呼ばれるシリコンダイの一枚に収まることができた。インテル(Integrated Electronicsの略)は、1968年にシリコンチップを製造するために設立された。その後すぐに、これらのチップがコンピュータに期待されるロジックを処理できることが明らかになりました。あなたは、命令セットと呼ばれるものを使用している。

最初の真のマイクロプロセッサ、インテル4004は、1971年にリリースされた。コンピュータアーキテクチャ(チップ上のトランジスタとそれらをプログラムするために使用される命令セットの組織)は急速に進化した。1978年には、Intelは画期的な8086チップを発表し、その後も80186、80286などのチップを何年にもわたって発表してきた。これらのチップファミリーは、x86アーキテクチャと呼ばれる類似のアーキテクチャを共有していた。このアーキテクチャは今日まで存続しており、ほぼすべてのデスクトップ、ラップトップ、サーバーで利用されている。

A processor Intel C4004 with grey traces (no gray trace version) by Thoms Nguyen. CC BY-SA 4.0

AMDはx86アーキテクチャを使用しており、Intelプロセッサとの互換性を維持している。これらのアーキテクチャの主な違いは命令の複雑さで、x86の命令は複雑で一度に複数のことを行う傾向があるのに対し、競合他社はKISS(Keep it simple stupid)の原則に従う傾向がある。学者たちは後者の方が優れていると信じていたが、ごく最近になってからは、実際には注目されることはなくなっていた。

スマートフォンとArm

もう1つのキーテクノロジーであるモバイル、別名スマートフォンについて見てみましょう。

スマートフォンは、基本的にはポケットサイズのコンピュータで、その計算能力は年々着実に成長してきた。iPhoneもAndroidも、Armチップと呼ばれる不思議な新しいチップを使用していた。Armの背後にあるArm Holdingsという会社は、チップとそのアーキテクチャを設計したが、実際には製造していない。Armはそのデザインをメーカーにライセンスしているので、彼らはデザインを変更してチップを製造することができる。これは完全に異なるビジネスモデルだ。

また、設計を編集できるようにすることが、オープンソースに似ていることにも注目するべきだ。不思議なことに、Armのチップは、x86の複雑な命令とは対照的に、命令がシンプルに保たれている。Armの主な顧客は、Samsung、Qualcomm、Appleだった。

デスクトップやラップトップとは異なり、スマートフォンはサイズが小さく、バッテリーの大きさにも限界がある。そのため、AppleやGoogleがx86チップではなくArmチップを選んだ理由については、消費電力が重要な考慮事項となっている。IntelとAMDはx86チップの消費電力を減らそうとしたが、成功しなかった。両者は、デスクトップ/ラップトップ/サーバー向けのx86市場を支配し続けられると仮定して、スマートフォン市場を無視していたのだ。2020年には、この前提が問われることになる。

当初、Armチップはx86チップに比べてパワー不足の傾向があった。Appleは、独自のArmチップの設計を開始した。このチップは、台湾の大手TSMCがiPhoneやiPad用に製造したものだった。その最新のチップA13は、効率的でありながら、x86チップと同じくらい強力であることが証明された一方、x86チップを積んだラップトップのラインナップ(MacBook)は、加熱の問題やデザインの制限に悩まされる傾向があった。Appleは彼らのラップトップは薄くてなめらかにしたいと考えている。

しかし、x86チップの消費電力は、彼らが冷却するためにファンを必要とし、これらのファンを維持するためのスペースを意味した。 このせいでAppleは薄いキーボードを再設計することになってしまったのだ。これは、x86チップの電力効率の悪さに端を発している。2020年6月、AppleはIntelのx86チップを捨てて、独自のArmチップを採用することを発表した。

これだけArmに前向きな見通しがあるのに、なぜ売りに出されているのか。Armはソフトバンクが100%出資している。2019年、ソフトバンクはWeWorkという別のポートフォリオのIPOで大損した。2020年はパンデミックでファンド事業が激しく圧迫された。そこで、ソフトバンクは急場を凌ぐためにArmを売却しようとしている。あるいは、RISC-Vというライバルの台頭をソフトバンクが嫌ったとの説がある。

Armの創業者が買収に反対する理由

以上の議論をまとめると、いくつかのことがはっきりしている。

  • AIはGPUによって提供される膨大な計算能力を必要とする。
  • NvidiaはAIコンピューティングを独占してい
  • ARMはコンピューティングの未来
  • これらすべての欠片をまとめると、NvidiaがARMを買収したいと考えても不思議ではない。

これまでの開放的ではない企業(プロプライエタリ)による開放的な企業(オープン)の買収はうまくいかなかった。Sun Microsystemsは、Java、MySQL、ZFS、NFSなど多くの革新的な技術を開発した。Sunはオープンソースにも積極的に貢献していた。2010年には、競合他社のOracleに買収された。Oracleは買収後、Sunとその製品を実質的に消滅させた。

Nvidiaは買収後にArmを殺す可能性はたくさんある。Armの設計の顧客のほとんどはNvidiaの競合他社である。Nvidiaの利益と反市場性を考えると、OracleとSunの災難はNvidiaとArmの買収で繰り返される可能性がある。信頼できるアーキテクチャが存在しないことで、コンピューティングの世界は苦しむことになるだろう。Armの共同創立者であるTudor Brown氏とHermann Hauser氏は、BBCに対してそのような懸念を公に表明した。

Hermann Hauser氏は、Financial Timesへの書簡の中で、買収は英国とヨーロッパの技術的主権に打撃を与えるという考えを打ち出している。Armは、英国のケンブリッジにある従業員約2500人の英国企業である。Armがアメリカ企業に買収されることで、イギリスでは必然的に雇用が失われることになる。Armはヨーロッパ最後の偉大なテクノロジー企業の一つである。米国企業に買収されることは、英国の国家にとって災難となる。中国との間に迫りつつある技術戦争では、これは二重に重要になる、と彼らは説いている。

「英国やヨーロッパで英国独自の設計のマイクロプロセッサを使用することが許されるかどうかは、ダウニング街ではなく、ホワイトハウスで決定されることになる。これは、イギリスがアメリカの属国になるための大きな一歩だ。これは止めなければならない」

Armの買収に異議を唱えるArm共同創業者のHermann Hauser. "Österreichischer Forscher, IT-Visionär und Risikokapitalgeber Hermann Hauser hielt Keynote beim Houskapreis 2015"by VIPevent is licensed under CC BY-SA 2.0

AIはどうなる?

近年、PCやサーバーの市場でもArmのCPUは競争力を示しつつある。もしNvidiaがArmを買収したら、コンピューティング市場の大半が統合され、競争はなくなるかもしれない。GPU市場はすでにNvidiaの独占のために苦しんでいる。

独占は性能改善サイクルを停止し、レントシーキングを促す。これは2000年代にマイクロソフトがPC市場を統合したときに起こったことである。マイクロソフトは積極的にWebブラウザ、オペレーティングシステム、その他多くのイノベーションを阻害することに貢献した。それが再び革新を開始するためには、Linuxやクラウドサーバーによる打撃を必要とした。2020年のマイクロソフトは完全にオープンソースの動きを受け入れている別物の会社に生まれ変わった。オープンソースについて対応を誤っていたことを公然と認めている。

Nvidiaはすでに2000年代のマイクロソフトになる兆しを見せている。そのプロプライエタリ(専売的な)ソフトウェアは、AIのオープンソースエコシステムの他の部分と対立している。2020年の時点では、他社の参入は極めて難しいと言われている。Nvidiaは、他のGPUメーカーに市場シェアを食われることは絶対にないだろう。

Nvidiaが積極的にAIの発展に対し障害を提供し始める可能性がないとは言い切れない。マイクロソフトがオペレーティングシステムに対して行ったように(マイクロソフトの元CEOはLinuxを「知的財産の癌」と呼んでいたことで有名だ)、NvidiaがAIコンピューティングの知的財産について主張し始めたとき、我々は歴史が繰り返されていることを知るだろう。

AIモデルは特に計算量を必要とする。言語生成モデルのGPT-3を例に挙げてみよう。GPTの生成されたテキストは、機械が書いたものかどうか見分けがつかないほどまとまりがある(GPT-3生成のブログ、エンジニアのための掲示板サイト、ハッカーニュースで1位になったこともある)。このAIの訓練にはコンピューティングパワーが不可欠だった。コンピューティングのためだけに460万ドルかかると試算されている。AIやディープラーニングのカーボンフットプリントを論じた論文が注目を集めた。コンピューティングパワーは、AIの進歩にとって重要であったし、これからも重要である。

GPT-3と他の自然言語処理モデルの計算量の比較。Source: https://www.zdnet.com/article/what-is-gpt-3-everything-business-needs-to-know-about-openais-breakthrough-ai-language-program/

コンピューティング市場にイノベーションと成長がなければ、AIは苦しむことになるだろう。計算能力が飽和状態になれば(またしても)、GPT-3のような新しいAIを訓練することはできなくなるか、一部の人しか利用できなくなるだろう。後者の場合、AI研究のオープンで共同作業的な性質は消滅するだろう。2020年の時点で、AIは健康や教育を含む世界で最も困難な問題のいくつかを解決する可能性を秘めている。コンピュートが飽和状態になると、AIが目指したこれらの「壮大な目標」を達成できなくなるだろう。

規制当局は、理想的にはこの取引をブロックすべきかもしれない。Armは、Googleやマイクロソフト、IBMのようなソフトウェアファーストの会社に買収されるべきかもしれない。

Nvidia-Armの取引が認められた場合、スマートフォンのエコシステム(Google、Apple、Samsung)と学術機関が代替を探し始めるだろう。RISC-VはArmと同等の性能を持っていないため、業界は数年の間苦しむことになる。それでも、Armが何年もかけて閉鎖的になっていく中で、RISC-Vベースのチップをより良くする方法を見つける人が出てくることは間違いないはずだ。

Arm買収でRISC-Vに漁夫の利
Armの持ち主の変化は一部の市場参加者から疑問視され、それはArmのライバルであるRISC-Vへの注目を高めることとなり、投資が活発化すると信じられている。
計算資源がディープラーニングの制約に
ディープラーニングの進歩は計算能力の向上に大きく依存していることを示している。この依存度を考慮すると、現在の路線での進歩は急速に経済的、技術的、環境的に持続不可能になる可能性がある。継続的な進歩には、劇的に計算効率の高い方法が必要となり、ディープラーニングの改善、他の機械学習方法への移行からもたらされる。
RISC-VがArmに取って代わる 命令セットオープン化の衝撃
RISC-VはARMの牙城を崩しかねない。チップデザイナーは、CPUの性能改善の速度が遅くなったいま、アプリケーション固有のプロセッサを作成して速度の低下を補うように圧力を受けている。RISC-Vコミュニティが提示する「ISAのオープンソース化」は、ARMのIPビジネスモデルに疑問を投げかけている。

Photo by NVIDIA