Argonne国立研究所とUniversity of Illinois Urbana-Champaignの研究者らは、チップ、スケールアップ、スケールアウトの各領域にまたがるヘテロジニアスシステムの設計にエージェント型AIを活用することを提案した。論文そのものより重要なのはその根底にあるメッセージだ。現代のAIハードウェアの組み合わせ的複雑性は、人間主導の設計能力を超えてしまった。

過去10年間、システム設計は比較的シンプルだった。NVIDIAのGPUがデフォルトの解答だったからだ。その時代は終わりつつある。現在の実行可能な選択肢には、GPU、データフロープロセッサ、RISC-Vアクセラレータ、そしてHBMからGDDRまでの複数のメモリ階層が含まれ、それぞれが異なるインターコネクト、電力、コストのトレードオフを持つ。選択肢が増えるたびに探索空間は乗算的に拡大する。特定のワークロードに最適な構成を選ぶことは、もはやエンジニアリング上の判断ではなく、直感では処理しきれない最適化問題となった。まさにここで、設計領域を横断して推論、シミュレーション、反復が可能なエージェントシステムが価値を持つ。

これは、より喧しいアクセラレータ市場の物語の静かな対となるものだ。Tenstorrentの15億ドル調達、AmazonのTorchNeuronによるPyTorchのNVIDIAシリコン離れの推進、そしてより広範なオープンハードウェアの波は、すべてハードウェアの選択肢を拡大する。しかし選択肢は設計税を生む。アクセラレータのランドスケープが断片化するほど、最適なシステムを組み立てることは困難になり、レバレッジは設計自動化レイヤーを制御する者へとシフトする。チップそのものだけでなく、協調設計ツールこそが決定的な堀となる可能性がある。

日本にとって、その含意は鋭い。Rapidusは先端ノード製造に賭けており、RISC-Vと自主的コンピューティングへの国内関心は本物だが、同国の弱点は長らく米国企業が支配するEDAとアーキテクチャ探索レイヤーにあった。もしシステム設計がますますAIエージェント上で実行されるようになれば、日本は先端チップを製造しながら、何を作るべきかを決める知性を外国に依存するリスクを抱える。SIerや企業開発チームにとって、短期的なシグナルは異なる。オンプレミスのエージェント型AIと非NVIDIAの推論オプションが増殖する中、インフラ選択は専門スキルとなる。標準的なGPUスタックを転売するのではなく、ワークロードからハードウェアへの最適化能力を構築するSIerは、日本企業がコスト、電力、データ管理の制約を検討する中で利益を獲得するだろう。

設計自動化が静かに戦略的戦場となることを予想せよ。自動化されたシステム協調設計を習得する企業と国家は、シリコンを製造する者と同じくらいAI経済を形作ることになる。