詳細を読む
AI性能を測る業界標準ベンチマーク「MLPerf」の最新データが、AIモデル、特に大規模言語モデル（LLM）の巨大化がハードウェアの進化ペースを上回っている現状を浮き彫りにしました。NVIDIAなどの半導体メーカーがGPU性能を飛躍的に向上させる一方、モデルの複雑化がそれを凌駕。AI開発における計算資源の課題が改めて示された形です。
MLPerfとは、AI分野のコンソーシアム「MLCommons」が2018年から年2回開催する性能競争です。参加企業は最新のハードウェアとソフトウェア構成を用い、特定のAIモデルを目標精度までトレーニングする時間を競います。その結果は、AIインフラの性能を測る「物差し」として業界で広く認知されています。
この数年で、AIトレーニングを支えるハードウェアは劇的に進化しました。特に業界標準となっているNVIDIAは、V100から最新のBlackwell世代に至るまで、GPUの性能を飛躍的に高めてきました。参加企業はより大規模なGPUクラスタを使用し、記録更新を続けています。
しかし、ハードウェアの進化と同時に、MLPerfのベンチマーク自体も厳しさを増しています。MLPerf責任者のデビッド・カンター氏によれば、これは意図的なものであり、ベンチマークが常に業界の最先端を反映するためだといいます。AIモデルの進化に追随している証左と言えるでしょう。
データが示す興味深い現実は、「モデルの成長がハードウェアの進化を上回る」という不等式です。新しい巨大モデルがベンチマークに採用されると、最速トレーニング時間は一度長くなります。その後、ハードウェア改良で短縮されるものの、次の新モデルで再びリセットされる。このサイクルが繰り返されているのです。
この傾向は、AIを事業に活用する企業にとって何を意味するのでしょうか。それは、単に最新ハードウェアを導入するだけでは、AI開発競争で優位に立てない可能性があるということです。計算資源の効率的な利用や、モデルの最適化といったソフトウェア側の工夫が、今後ますます重要になるでしょう。