FPGA導入の高い壁GPUより低コスト、ハイパフォーマンスのFPGAが抱える“泣きどころ”

Amadeus IT Groupとスイス連邦工科大学の共同研究により、FPGAはGPUよりも4倍高速で、同じワークロードを7分の1のコストで実行できることが分かった。AIにとって非常に有効だが、FPGAには弱点もある。

[Cliff Saran，Computer Weekly]

　人工知能（AI）の実行環境としてGPUをはじめとするハードウェアが使われている。最近は、より高いパフォーマンスを実現するFPGA（Field Programmable Gate Array）も使われるようになった。

　「ここ10年の間にムーアの法則は限界を迎えた。CPUを利用する全ての企業がこの限界に直面し、アプローチの変更を迫られている」。こう語るのは、Amadeus IT Groupで応用研究センターのシニアマネジャーを務めるピエール＝エティエンヌ・ムレー氏だ。

　ムーアの法則によるパフォーマンス向上の限界の影響を緩和する一助になるのは、ソフトウェアエンジニアリングの高度な技術だとムレー氏は言う。だが、ハードウェアのイノベーションへの意識も高まっている。その立役者となっているのがGPU、FPGA、ASIC（Application Specific Integrated Circuit）だ。これらは演算リソースを集中的に使うAIアプリケーションの処理を加速するといわれている。

　「当社のイノベーショングループは、FPGAを使って機械学習を加速する方法の調査に乗り出している」（ムレー氏）

　Amadeusは、スイス連邦工科大学（ETH）チューリッヒ校のハードウェアエンジニアチームと協力して、機械学習に基づいて推論するアプリケーションへのFPGA適用について調査した。

FPGAを使う理由

　従来のCPUでAIアプリケーションを実行してレイテンシ問題が発生した場合、解決手段としてまず目を向けるのがGPUだ。これでレイテンシ問題は解消するものの、一般にGPUは消費電力が多い。そのため電力の点で見ると非効率的だとムレー氏は指摘する。課題になるのは、AIアルゴリズムの演算処理を迅速に実行するだけでなく、電力を効率的に使って高いパフォーマンスを実現することだ。

　「FPGAの消費電力はGPUよりも格段に少ない。この特性により、FPGAはAIを効率的に実行する優れた候補になる」（ムレー氏）

　電力効率以外の点でも、GPUは大量のデータを処理するAIアプリケーションにとって最善の選択肢ではないとムレー氏は指摘する。「GPUは1つの処理を並列に行う。つまりあるデータセットに対して実行できるGPU命令は1つに限られる」

　同氏は次のように補足する。「FPGAは粒度に制限がない。複数のデータに対する異なる指示を、並列に処理できる」

　これはGPUでは得られないメリットだ。だがデメリットもある。

続きを読むには、［続きを読む］ボタンを押して
会員登録あるいはログインしてください。

関連記事

機械学習を加速するGPU、TPU、FPGA、ASICの競争に「x86 CPU」が参戦

AIの拡大で増大するカスタムハードウェア需要

AlibabaのCNN向けディープラーニングプロセッサの全貌

量子コンピュータで加速する機械学習の可能性を実証

Kubernetesベースのディープラーニング環境「Nauta」