いまさら聞けない「CPU」と「GPU」の違い AIに最適なのはどっち？：アクセラレーターの使い方もポイント

機械学習をはじめとしたAI（人工知能）技術を取り入れる動きが広がっている。AI技術を活用しようとするならば、まずは最適なハードウェアを見つける必要がある。

[Kassidy Kelley，TechTarget]

　機械学習のようなAI（人工知能）技術を取り入れるなら、企業はまずハードウェアを評価する必要がある。評価する際のポイントが、プロセッサにCPUとGPU（画像処理プロセッサ）のどちらを選択するのかという点だ。プロセッサの選択は、企業のAI戦略に長期的に影響するので重要な意味を持つ。そしてその選択肢は多岐にわたる。

併せて読みたいお薦め記事

AIに適したプロセッサは？

• ムーアの法則はもう限界？　HPC進化の鍵は「GPU」か「FPGA」か
• 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”
• 機械学習を加速するGPU、TPU、FPGA、ASICの競争に「x86 CPU」が参戦

AI戦略を考えるヒント

• 結局、人工知能（AI）技術は何を可能にするのか？
• 人工知能（AI）インフラの基本要素、求められる戦略は？

CPUを選択するケース

　CPUは基本的なコンピューティングの大半を担う。GPUやGoogleが自社開発したチップ「Tensor Processing Unit」（TPU）のようなAI分野で勢力を増すプロセッサが登場する前は、負荷の高い処理を含め、ほとんどの処理をCPUが担っていた。

　AI分野に最適なハードウェア選びで特に重要な要素となるのは、処理速度だ。機械学習モデルのトレーニングに関する処理の場合、CPUはGPUよりも長い時間がかかる可能性がある。CPUはGPUよりもコア数が少なく、GPUと同等の並列処理を担うことが難しいからだ。

　パフォーマンスを高めるために、CPUベンダーや開発者はプロセッサコアを複数にするマルチコアCPUや、処理高速化を支援するハードウェアであるアクセラレーターの階層化といった工夫を施している。特定のアプリケーションを優先して処理さに優先的にリソースを割り当てることで、コンピューティングの処理速度やCPUがメモリからデータを読み込む速度を高めることが可能になる。それでも一般的には、CPUがGPUの処理能力を上回ることはできない。

　「CPU1基の処理能力だけでは、高度な機械学習のタスクをこなすことは難しい。一方でCPUをベースにすることが優れた戦略になる可能性がある」。こう指摘するのはIntelでAI関連のビジネスを率いるガディ・シンガー氏だ。「簡単な機械学習を実行したいのであれば、あるいは機械学習と汎用（はんよう）的なコンピューティング処理をどちらも実行したいのであれば、CPUベースが最適だ」（シンガー氏）。さまざまな目的でプロセッサを機能させるのであれば、ソフトウェアによって特定のタスク用の処理能力を増強できるCPUの方が適しているという。

　ただしアクセラレーターをマルチコアCPUで使用するコンピューティングの仕組みが、AI技術向けの処理に最適とは限らない。企業が多層のニューラルネットワークを用いた高度な深層学習の実行を考えていたり、プロセッサを汎用的なコンピューティング処理ではなく、AI技術に特化した用途で利用したいと考えていたりするのであれば、GPUの方が適しているだろう。

GPUを選択するケース