AI時代のインフラを展望【後編】
「GPU」と「Python」だけじゃない 知っておきたいAI時代の基礎知識
「GPU」や「Python」はAI時代に欠かせない技術となったが、AI時代のインフラを考える上で必要なのはこれらだけではない。プロセッサとプログラミング言語の選択肢について、企業が持つべき視点とは。
GPU（グラフィックス処理装置）は、AI（人工知能）モデルのトレーニングや推論を支える欠かせない存在となった。GPUの力を最大限に引き出すため、多くの開発者がプログラミング言語「Python」を採用している。PythonがAI開発において人気を集める理由の一つが、その簡潔な構文と豊富なライブラリ（プログラムの部品集）の存在だ。
とはいえ、GPUやPythonが常に最適な選択肢とは限らない。アプリケーション開発ツールを手掛けるAzul Systems（以下、Azul）のCEOスコット・セラーズ氏に、プロセッサやプログラミング言語の選択肢について聞いた。
GPUを選ばない理由、押さえるべき言語とは？
併せて読みたいお薦め記事
連載：AI時代のインフラを展望
AI時代のリスクとは
プロセッサ
GPUは何百、何千個ものコア（演算を担う処理ユニット）を1つのデバイスに詰め込み、それらが並列に動作するプロセッサだ。その特性はAIモデルのトレーニングや推論の高速化に役立つ。セラーズ氏は、「AI関連タスクは並列処理によって効率的に処理できる」と説明する。つまり、多数のGPUコアが比較的単純な命令を同時に実行することで高速に処理できる。これが、GPUがAI技術活用の推進力となっている理由だ。
一方で、複雑なプログラムを処理する場合、GPUは最適な選択肢とは言えない。例えば、Azulの顧客である金融取引企業LMAX GroupはGPUの採用を見送っている。同社のシステムが扱う計算は複雑であり、簡単に並列処理できるものではないからだ。
「GPUが適するのは、比較的単純な処理を多数のプロセッサコアに分散するような場合だ」とセラーズ氏は説明する。複雑なプログラムを複数のプロセッサで並列処理するようなシステムには、「x86」「ARM64」といった、より複雑な処理に適したプロセッサアーキテクチャを採用したCPU（中央処理装置）を検討することが一般的だ。
プログラミング言語
PythonはAI開発で人気のプログラミング言語としてよく知られている。セラーズ氏は「多くの人が気付いていないが、Pythonの役割はあくまで計算の指示を出すことであり、実際に計算をしているのはGPUなどのハードウェアだ」とその基本的な役割を説明する。
高度な並列処理を必要とするアプリケーションの開発と運用のためのプログラミング言語としては、「Java」が適する場合もあるとセラーズ氏は話す。
Javaは、NVIDIAが提供する「CUDA」のようにGPU向けに開発された開発環境およびプログラミング言語ではないが、並列処理に関する改善もある。Javaアプリケーションの開発キット「Oracle JDK」のバージョン21（Oracle JDK 21、通称「Java 21」）には新機能「仮想スレッド」が導入されており、並列処理プログラムの作成や保守、デバッグがより簡単に実行できるようになっている。
TechTarget発 エンジニア虎の巻
米国TechTargetの豊富な記事の中から、開発のノウハウや技術知識など、ITエンジニアの問題解決に役立つ情報を厳選してお届けします。
Copyright © ITmedia, Inc. All Rights Reserved.
TechTarget発 エンジニア虎の巻
米国TechTargetの豊富な記事の中から、開発のノウハウや技術知識など、ITエンジニアの問題解決に役立つ情報を厳選してお届けします。
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[株式会社MatrixFlow] 「物流リソース最適化」ガイド：人員・配車・傭車を出庫依頼の確定前に決めきる -
製品資料
[株式会社キーエンス] なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは -
製品資料
[株式会社セールスフォース・ジャパン] 「CRMは設計と無関係」は本当か？ PLMとの融合で実現する高速開発 -
事例
[日本ヒューレット・パッカード合同会社] AIエージェントの時代にどう備える？ 「新たな働き手」を支える3要素とは -
製品資料
[日本ヒューレット・パッカード合同会社] “横並びの自動化”から脱却、AI活用で生産性と競争力を高める秘訣
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
ChatGPTは“検索しまくり”でGeminiは“淡泊”？ データが明かすAIの裏側
-
2
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
3
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
4
「IBM iはDXのボトルネック」は誤解 意外と知らない今風モダナイズの効果
-
5
「朝8時にバッチが終わらない」データ爆発の危機をJPX総研はどう乗り越えたか
-
6
「中堅・中小企業のネットワーク・セキュリティ運用実態」に関するアンケート
-
7
損保ジャパンはなぜ「COBOL」を捨てなかったのか？ 脱メインフレームの真相
-
8
AI導入後に発覚する「社内文書を読めない」問題 情シスは何を直せばいい？
-
9
情報漏えいはなぜ繰り返されるのか 今すぐ見直すべき「境界」
-
10
情シスの約8割が転職や退職を意識 調査で分かった“辞めたくなる最大の理由”
ホワイトペーパーランキング PR
-
1
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
2
家庭用Wi-Fiルーターの業務利用は危険？ 避けるべき理由と具体的な対策
-
3
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
-
4
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
-
5
LLMが兵器化？ 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
6
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
7
なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは
-
8
生成AIを開発に導入しても効果が見えない？ 実証実験で分かった成果と課題
-
9
経産省DX指針から読み解く、受発注業務デジタル化ロードマップ
-
10
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー