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、テクノロジー大手は画期的な成果を発表しました：1エクサフロップに達する初のシングルラックサーバーシステムです。これは驚異的な1秒あたり10億の10億（ビリオン・ビリオン）の浮動小数点演算（FLOPS）です。この偉業は、Nvidiaの最新GB200 NVL72システムによって実現され、最先端の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ラックに収まります。

エクサフロップの小型化：FrontierからBlackwellへ

この発表は、わずか数年でどれだけ進歩し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が製造し、AMDのGPUとCPUを搭載したこのシステムは、74ラックにまたがる巨大なものでした。それに対し、Nvidiaの新システムは73倍の性能を単一のラックに凝縮しています。これは3年間連続で性能を3倍にしたようなものです！これは、計算密度、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、両システムがエクサスケールのマイルストーンに到達したものの、目的が異なる点も注目すべきです。Nvidiaのエクサフロップ評価は、4ビットおよび8ビットの低精度浮動小数点演算に基づいており、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、科学的シミュレーションで精度が最重要となる64ビット倍精度演算に基づいています。

驚くべき速さで進歩した道のり

この進歩のペースは信じがたいほどで、特に私のコンピュータ業界でのキャリアの初期を振り返ると感慨深いです。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、DEC KL 1090でのプログラマーでした。そのマシンは1秒あたり180万命令（MIPS）の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、グラフィックスはなく、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/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の比較は直接的なものではありませんが、計算能力の驚異的な飛躍を感じさせます。MIPSは整数処理速度を測定し、一般的な計算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、科学的ワークロードや現代のAIの背後にある行列計算や線形代数といった、マシンラーニング（ML）モデルのトレーニングと実行に必要な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マシンよりもおよそ5000億倍強力です。これは一人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。40年でこれだけ達成したなら、次の5年では何が起こるのか、想像せずにはいられません。

Nvidiaはヒントをいくつか与えています。GTCで彼らは、「Vera Rubin」Ultraアーキテクチャに基づく次世代フルラックシステムが、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2年以内に、AIに最適化されたワークで14～15エクサフロップが見込まれます。

単なる生の力だけではありません。この性能を単一のラックに詰め込むことは、物理的スペース、材料、エネルギー使用量の削減を意味します。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に本当にそれだけの計算能力が必要か？

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

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50万平方フィートのデータセンターを20か所計画しています。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、過剰な建設が懸念されると指摘しています。中国のDeepSeekがリリースした推論モデル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。マイクロソフトが複数のデータセンター事業者とのリース契約をキャンセルした最近の動きは、AIインフラのニーズを見直しているのではないかとの憶測を呼んでいます。

しかし、The Registerは、この撤退が次世代AIシステムの電力と冷却ニーズに対応できない計画データセンターに関するもの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建設されたために苦戦し、失敗していると報じました。

AI推論はさらに多くの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、深層研究アシスタントや新興のエージェント型AIシステムなど、最も高度でリソースを大量に消費するアプリケーションを支えています。

DeepSeek-R1は当初、未来の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ジェンスン・フアンはCNBCのインタビューで強く反論しました。「誰もが持っていた結論とは正反対だった」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エージェントの協調、核融合シミュレーション、または大規模デジタルツインといった領域で、このような計算の飛躍によって可能になるかもしれません。

タイミングよく、OpenAIは記録的な民間テクノロジー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研究の最前線をさらに押し進め、計算インフラを拡張し、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る」と述べました。

なぜこれほど多くの資本がAIに流れ込むのか？競争力から国家安全保障まで理由は多岐にわたりますが、際立つ要因の一つは、McKinseyによると、AIが企業利益を年間4.4兆ドル増加させる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で構築した学生成績報告ツール、または現代のAIシステムが加速する創薬など、複雑さを簡素化することです。目標は常に同じ：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ようとしています。初めて、人間の手に負え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うが、彼らは変化—大きな変化、世界を揺るがす変化、これまでに見たことのない変革—がすぐそこにあると語る。」そして、それは毎週訪れるブレークスルーを数えていない。

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がショットごと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公開しました。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が達成できなかったことです。

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か、ブレイクダウンになるか、核融合エネルギーを解決する助けになるか、新たな生物学的リスクを引き起こすかはわかりません。しかし、今後5年間でさらに多くのFLOPSがオンラインになるにつれて、確かなことが一つあります：イノベーションは迅速かつ強力に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する必要があります。

ゲイリー・グロスマンはエデルマンの技術実践の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。