MIPSからエクサフロップスへわずか数十年で：計算能力は爆発的に増大し、AIを革新する

最近のNvidia GTCカンファレンスで、このテクノロジー大手は画期的な成果を発表しました。それは、1エクサフロップに達することができる初のシングルラックサーバーシステムです。これは、毎秒10億の10億倍の浮動小数点演算（FLOPS）という驚異的な数字です。この偉業は、Nvidiaの最新のGB200 NVL72システムによって実現され、最新鋭のBlackwellグラフィックス処理ユニット（GPU）を搭載しています。視点を変えると、このシステムは高さ約6フィート、奥行き3フィート強、幅2フィート未満の標準的なコンピューターラックに収まります。

エクサフロップの縮小：FrontierからBlackwellへ

この発表は、ここ数年でどれだけ進歩してきたかを考えさせます。世界初のエクサフロップ対応コンピュータ「Frontier」は、2022年にオークリッジ国立研究所に設置されました。HPEによって構築され、AMDのGPUとCPUを搭載したこのシステムは、74ラックという巨大な規模でした。対照的に、Nvidiaの新しいシステムは、1つのラックに73倍の性能を詰め込んでいます。これは、3年間連続で毎年性能を3倍にしたようなものです！これは、コンピューティング密度、エネルギー効率、アーキテクチャ設計における驚異的な進歩の証です。

また、両方のシステムがエクサスケールのマイルストーンに達しているものの、それぞれ異なる目的のために設計されている点も注目に値します。Nvidiaのエクサフロップ評価は、4ビットおよび8ビットの浮動小数点演算に基づく低精度の計算で、大規模言語モデル（LLM）のトレーニングや実行といったAIワークロードに最適です。これらの計算は精度よりも速度を優先します。一方、Frontierのエクサフロップ評価は、64ビットの倍精度計算に基づいており、精度が最優先の科学シミュレーションにおけるゴールドスタンダードです。

非常に速い進歩

この進歩のペースは、コンピューティングでのキャリアの初期を振り返ると、ほとんど信じられないほどです。私の最初の仕事は、DECのPDP-10シリーズのタイムシェアメインフレームであるDEC KL 1090でのプログラマーでした。そのマシンは、毎秒180万命令（MIPS）という控えめな速度で動作していました。陰極線管（CRT）ディスプレイにハードワイヤードケーブルで接続され、グラフィックはなく、画面にはテキストのみでした。もちろん、インターネットもありませんでした。リモートユーザーは、最大1200ビット毎秒のモデムで電話回線を介して接続する必要がありました。

5000億倍の計算能力

MIPSとFLOPSを直接比較するのは完全に同等ではありませんが、計算能力の驚異的な飛躍を感じることができます。MIPSは整数処理速度を測定し、一般的なコンピューティングやビジネスアプリケーションに適しています。一方、FLOPSは浮動小数点性能を測定し、科学的なワークロードや、機械学習（ML）モデルのトレーニングや実行に必要な行列計算や線形代数といった現代のAIの重い処理に不可欠です。

これを大まかな目安として、Nvidiaの新システムは、古いDECマシンよりも約5000億倍強力です。これは、1つのキャリアの中で計算能力が指数関数的に成長した驚くべき例です。これだけの成果を40年で達成したなら、次の5年では何が起こるのかと想像せずにはいられません。

NvidiaはGTCで、次世代のフルラックシステム「Vera Rubin」Ultraアーキテクチャに基づくものが、現在のBlackwell Ultraラックの14倍の性能を提供するとのロードマップを共有しました。来年か再来年には、AI最適化されたワークで14から15エクサフロップの間になると見込まれます。

単なる生の力だけでなく、この性能を1つのラックに収めることで、物理的なスペース、材料、エネルギー使用量が削減されます。ただし、これらのシステムの絶対的な電力需要は依然として膨大であることを忘れてはいけません。

AIは本当にそのすべての計算能力を必要とするのか？

これらの性能向上は印象的ですが、AI業界は現在、大きな疑問に直面しています。どれだけの計算能力が本当に必要で、そのコストは何か？エクサスケールコンピューティングやますます高性能なAIモデルの需要によって、大規模な新しいAIデータセンターの建設競争が起きています。

最も野心的なプロジェクトは、5000億ドルのプロジェクト・スターゲートで、米国に20のデータセンターを計画し、それぞれ50万平方フィートです。世界中で他のハイパースケールプロジェクトも進行中または計画中で、企業や国々が未来のAIワークロードのためのインフラ構築に急いでいます。

一部のアナリストは、過剰な建設が行われているのではないかと懸念しています。中国のDeepSeekからリリースされた推論モデルR1が、同業他社よりも大幅に少ない計算量で動作したことで懸念が高まりました。Microsoftが複数のデータセンター提供者とのリース契約をキャンセルしたことは、AIインフラのニーズを再考しているのではないかという憶測を呼んでいます。

しかし、The Registerは、この撤退は計画されたデータセンターが次世代AIシステムの電力と冷却のニーズに対応できないことが原因かもしれないと示唆しました。AIモデルはすでに現在のインフラの限界を押し上げています。MIT Technology Reviewは、中国の多くのデータセンターが時代遅れの仕様で構築されたため、苦戦し失敗していると報じました。

AI推論はより多くのFLOPSを要求

推論モデルは、実行時に推論と呼ばれるプロセスを通じて最も重い処理を行います。これらのモデルは、ディープリサーチアシスタントや新興のエージェント型AIシステムなど、最も先進的でリソースを大量に消費するアプリケーションを支えます。

DeepSeek-R1は当初、将来のAIが少ない計算能力で済むかもしれないと考えさせましたが、NvidiaのCEOジェンセン・フアンはCNBCのインタビューで強く反論しました。「誰もが思っていたのと正反対の結論だった」と彼は述べ、推論AIは非推論AIの100倍の計算を消費すると付け加えました。

AIが推論モデルから自律エージェントへと進化するにつれて、計算能力の需要は再び急増する可能性があります。次のブレークスルーは、AIエージェントの調整、核融合シミュレーション、または大規模デジタルツインなどの分野で起こるかもしれません。これらは、今回見たような計算の飛躍によって可能になります。

タイミングよく、OpenAIは記録的な民間技術資金調達ラウンドで400億ドルの新たな資金調達を発表しました。ブログ投稿で彼らは、「この資金調達により、AI研究のフロンティアをさらに押し進め、コンピュートインフラを拡張し、毎週5億人が使用するChatGPTにますます強力なツールを提供できます」と述べました。

なぜこれほど多くの資本がAIに流れ込んでいるのか？競争力から国家安全保障まで理由はさまざまですが、際立つ要因の1つは、McKinseyによると、AIが年間4.4兆ドルの企業利益を増やす可能性があることです。

次は何が来る？誰にもわからない

情報システムの核心は、かつて私がFortranで書いた緊急車両ルーティングシステム、COBOLで構築した学生達成度報告ツール、または現代のAIシステムが加速する薬物発見など、複雑さを簡素化することです。目標は常に同じでした：世界を理解すること。

今、強力なAIが目前に迫り、私たちは閾値を超えつつあります。初めて、人間の手の届かなかった問題に取り組むための計算能力と知能を持つかもしれません。

ニューヨーク・タイムズのコラムニスト、ケヴィン・ルースは、この瞬間をうまく捉えました：「毎週、AIに取り組むエンジニアや起業家と会い、彼らは変化—大きな変化、世界を揺るがす変化、これまでにない変革—がすぐそこにあると語ります。」そして、それは毎週やってくるブレークスルーを数えていないのです。

過去数日だけで、OpenAIのGPT-4oがテキストからほぼ完璧な画像を生成し、GoogleがGemini 2.5 Proでこれまでで最も先進的な推論モデルをリリースし、Runwayがショット間のキャラクターとシーンの一貫性を持つビデオモデルを発表しました。これは、VentureBeatが指摘するように、これまでほとんどのAIビデオジェネレーターに欠けていたものです。

次に何が来るかは本当に誰にもわかりません。強力なAIがブレークスルーになるのか、ブレークダウンになるのか、核融合エネルギーの解決に役立つのか、新たな生物学的リスクを引き起こすのかはわかりません。しかし、今後5年間でますます多くのFLOPSがオンラインになるにつれて、1つ確かなことがあります：イノベーションは速く、力強くやってくるでしょう。FLOPSがスケールするにつれて、責任、規制、抑制についての会話もスケールしなければなりません。

ゲイリー・グロスマンはエデルマンのテクノロジー実践のEVPであり、エデルマンAIセンター・オブ・エクセレンスのグローバルリードです。