AI関連タスクを高速に処理する必要がある企業は、大量のGPUを使用する。しかし、GPUはそのコストの高さと電力消費の大きさが課題だ。

　Metaは、「Facebook」「Instagram」「WhatsApp」など、主力のソーシャルネットワークキングサービス（SNS）事業全体にわたる戦略的技術の中心にAI技術を位置付けている。同社のCEOマーク・ザッカーバーグ氏は、MetaのAIを「あらゆる人が使うAI」とする方針を示しており、決算説明会では「2025年、10億人以上の人々が、高度な知能を持ちパーソナライズされたAIアシスタントにアクセスできるようになる」と話している。

　大規模ユーザー向けのAIインフラ拡張を進めるMetaは、GPUベースのAI処理から脱却し、同社のデータセンターやアプリケーションに最適化されたカスタムチップへの移行を計画している。

　Metaの最高財務責任者（CFO）スーザン・リー氏は決算説明会で、「市販のチップでは最適化が難しいアプリケーション向けに、独自のカスタムチップを開発することに投資をしている」と言及。2023年、独自チップ「Meta Training and Inference Accelerator」（MTIA）の開発に着手した。

　2024年前半から、Metaは同社SNSサービスのランキングおよびレコメンデーションの推論処理にMTIAを活用しはじめた。「2025年にかけて、MTIAの導入をさらに拡大して処理能力を強化するとともに、耐用年数を超えた一部のGPUベースのサーバを置き換えていく計画だ」とリー氏は説明する。2025年以降は、MTIAをAIモデルの基盤となるトレーニング処理の一部に適用し、将来的には生成AIのユースケースにも活用する計画を明らかにしている。

ARMとの提携で目指す「次世代AIインフラ」の姿

　MTIAの導入において、Metaは「効率性」を重要な要素として掲げてきた。この効率性は「FLOPS/W」（ワット当たりのコンピュータの処理速度）という指標を用いて測定され、総所有コスト（TCO）の最適化に直結する。MTIAの消費電力は約35Wとされているが、単体で動作するのではなく、アーキテクチャはCPU（中央処理装置）、メモリ、接続用チップと連携して動作する。そのためシステム全体の最適化も求められる。

　第1世代のMTIA「MTIA 1」には、特定用途向けに設計された集積回路ASIC（Application Specific Integrated Circuit：アプリケーション特化型集積回路）が採用されていた。MetaとArmの提携により、より汎用（はんよう）性の高いArmプロセッサをベースとした次世代チップへの移行が進む可能性がある。

　昨今、Armは「電力効率の高いAI処理を提供できる企業」としての地位を確立しつつある。これまでにはNVIDIAと提携し、同社のGPU向けに省電力AI技術を提供してきた。

　2025年1月に開催された電子機器の年次イベント「Consumer Electronics Show」（CES）では、NVIDIAがArmベースのチップ「GB10 Grace Blackwell Superchip」を発表。ArmプロセッサとNVIDIAの「Blackwell」アクセラレーターを組み合わせることで、AI関連タスクの処理性能を高める設計となっている。1 P（ペタ）FLOPSの演算性能を実現し、AIモデルのプロトタイピング、ファインチューニング（独自の追加トレーニング）、大規模運用向けに最適化されている。

　半導体業界では、プロセッサ、メモリ、通信モジュールなどのコンピュータ構成要素を1つのチップに統合するSoC（System on a Chip）の採用が進んでいる。GB10 Grace Blackwell Superchipもその一例だ。MetaがMTIAの開発を進める背景には、AI処理の効率化とGPU依存からの脱却という狙いがある。そのため、ArmのCPUを搭載した効率的なSoCアーキテクチャへの移行は自然な流れだと考えられる。

　SoCは、チップ製造の観点で見ると設計がより複雑になるものの、量産時のスケールメリットが得られる。複数の外部コンポーネントを1つのパッケージに統合できるため、システム開発者にとってコスト効率の高い選択肢となる。

　Metaのリー氏は、「GPUサーバの置き換え」に言及するとともに、「MTIAの目標はMetaのAIインフラの総所有コスト（TCO）を削減すること」だと強調した。これらの方針は、報道されているArmとの提携とも合致する。この提携が実現すれば、MetaはAIインフラの大規模展開をより低コストで進めることが可能となり、GPUへの依存を減らすことができると考えられる。