NVIDIAのビデオカード「A100 Tensor Core GPU」は何がすごい？ AI向け機能も：NVIDIAとAMDの「GPU」製品を比較【前編】

NVIDIAとAMDはデータセンター向けGPU製品で競争している。本稿はまず、NVIDIAのビデオカード製品を紹介する。ビジネス要件にどちらが適しているのか検討してみよう。

[Daniel Robinson，TechTarget]

　NVIDIAとAMD（Advanced Micro Devices）は、共にGPU（グラフィックスプロセッシングユニット）関連の製品群に重点的に投資している。NVIDIAはビデオカード（GPU搭載の拡張ボード）の新しいアーキテクチャ「NVIDIA Ampere」（以下、Ampere）を、AMDはビデオカードの新製品「AMD Instinct MI100 Accelerator」を投入した。両社はまたしてもGPU市場の覇権を巡る戦いを繰り広げている。

併せて読みたいお薦め記事

半導体ベンダーの動き

• NVIDIA「GPUDirect Storage」にIntel「Optane」――CPUを補う高速化技術
• “永遠の二番手”「AMD」がIntel、NVIDIAを追い抜く日
• Intel、NVIDIA、AMDの「GPU仮想化」技術を比較　それぞれの特徴とは

「GPU」の基礎知識

• 「GPU仮想化」とは？　使うべき用途、避けるべき用途の違い
• いまさら聞けない「CPU」と「GPU」の違い　AIに最適なのはどっち？

　GPUはもともと、要件の厳しいグラフィックス処理の高速化に特化したアクセラレーターとして開発された。その後は汎用（はんよう）の計算処理にも使用されるようになり、機械学習モデルのトレーニングや、HPC（ハイパフォーマンスコンピューティング）などの分野で広く利用されている。

　データセンターのデータ処理を高速化したい場合にNVIDIAとAMDのGPU製品はどちらが適するのか、両社の製品を比較してみよう。

NVIDIAの「A100 Tensor Core GPU」はこれがすごい

　NVIDIAのGPUはデータセンターの幅広い用途に使われている。機械学習モデルのトレーニングや機械学習モデルの運用はその一例だ。スーパーコンピュータによる金融市場のモデリングや異常気象予測などのシミュレーションも高速化できる。データベースベンダーのOmniSciはNVIDIAのGPUを使い、処理を高速化したデータベース、レンダリングエンジン、データの視覚化ツールなどを備える解析ツールを提供している。従来よりはるかに高速に分析結果を得ることが可能だ。

　従来の「Volta」や「Turing」に代わる新しいアーキテクチャとしてAmpereを採用したのが、NVIDIAの新しいビデオカード「NVIDIA A100 Tensor Core GPU」（以下、A100）だ。A100は108個の「ストリーミングマルチプロセッサ」（SM：演算ユニットの集合体）を搭載する。1つのSMは、第3世代の行列演算ユニット「Tensor Core」4個、FP32（単精度浮動小数点）の演算ユニット「CUDA Core」64個などで構成される。Tensor Coreは4行4列の行列の乗算を1サイクルで実行する特殊な処理ユニットであり、機械学習の計算処理を大幅に高速化できる。Tensor Coreは、AI（人工知能）技術やHPCのアプリケーションに特有の、スパース性（重要なデータがわずかしか含まれていないこと）を前提にして処理を高速化する機能も備える。

　A100の中核であるGPU「GA100」は、メモリ規格「HBM2」（HBM：High Bandwidth Memory）のメモリモジュールを6個、バス幅512bitのHBMコントローラー12個を搭載する。発売当初のA100は、メモリ容量40GB、メモリ帯域幅（データ転送速度）1555GB/秒だった。2020年11月にNVIDIAが発表した新バージョンは、メモリ容量が80GB、メモリ帯域幅が2TB/秒に増加した。

　NVIDIAは開発者をサポートする各種ツールも提供している。開発ツール群「CUDA Toolkit」には、CUDA用のライブラリ、コンパイラ、ランタイムなどが含まれている。

TechTarget発　先取りITトレンド

米国TechTargetの豊富な記事の中から、最新技術解説や注目分野の製品比較、海外企業のIT製品導入事例などを厳選してお届けします。