「AI PC」がノートPCに集中する理由【前編】
NPU搭載の“AIノートPC”はなぜCPUではなく「専用プロセッサ」を使うのか？
プロセッサベンダーはノートPC市場に向けて、AIモデルが稼働可能なプロセッサを投入している。その理由を考えるために、まず「AIとは何なのか」を理解しておこう。
Advanced Micro Devices（AMD）やQualcomm、Intelなどのプロセッサベンダーは、特に極薄ノートPC市場に狙いを定めて、AI（人工知能）モデルを動かすための最新のプロセッサを提供している。こうした極薄ノートPCにAIモデルが必要なのはなぜか。Intelがあらゆる場所でAI技術を活用することを目標に掲げるプログラム「AI Everywhere」を推進する動機は何か――。こうした疑問に答えるには、まず「AIとは何なのか」を理解する必要がある。
実際のところ「AI」は何をしているのか
併せて読みたいお薦め記事
プロセッサ業界のAI戦略
AIはチャットbotなどのインテリジェントアシスタントだけを指す言葉ではない。AI技術は非常に幅広い分野をカバーする技術であり、中には長年にわたって使われ続けているものもある。
もう一つ重要なこととして、AIモデルの「ワークロード」（処理するタスクや作業）の大部分は推論であることを認識しておかなければならない。推論とは、トレーニングされたAIモデルを入力データに適用して予測や判断をすることだ。ベンダーがアプリケーションにAI技術を組み込むようになるにつれて、AIモデルが稼働可能なノートPCやスマートフォン、その他のモバイルデバイスも登場している。
推論は複雑な作業だが、それよりもAIモデルをトレーニングする作業の方がマシンに負荷が掛かる。トレーニングには何百、何千基もの高性能GPU（グラフィックス処理装置）が必要だ。
AIモデルによる推論は、例えば以下の分野に役立っている。
- 顔認識
- Web会議アプリケーションでのリアルタイムの背景ぼかしや視線追跡
- 画像、映像編集
- 3D（3次元）モデリング
- AR（拡張現実）／VR（仮想現実）
- データ分析
推論に適したハードウェアとは？
AIワークロードをクラウドサービスで実行することは可能だ。ただし遅延が生じるだけではなく、ネットワークとクラウドコンピューティングの両方の面でコストが発生する。機密情報を含む可能性がある大量のデータを送受信するというガバナンス面の懸念もある。
これらの問題を考えると、AIモデルの推論のために送信するデータを精査して容量を削減することは重要だ。こうした前処理の役目を担うのがCPUやGPUだ。
PCが搭載するCPUやGPUで推論を実行することも可能だが、演算にはそれなりの時間を要する上に、非常に熱くなりやすい。これは高性能GPUが大きなヒートシンク（冷却用パーツ）とファンを備えていることからも明らかだ。「NPU」（Neural Processing Unit）のようなAIモデル稼働用のハードウェアであれば、推論に掛かる時間と電力の両方の削減が期待できる。
次回は、プロセッサベンダーがノートPC市場を狙う理由を掘り下げる。
Computer Weekly発 世界に学ぶIT導入・活用術
米国TechTargetが運営する英国Computer Weeklyの豊富な記事の中から、海外企業のIT製品導入事例や業種別のIT活用トレンドを厳選してお届けします。
Copyright © ITmedia, Inc. All Rights Reserved.
Computer Weekly発 世界に学ぶIT導入・活用術
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
[rakumo株式会社] Microsoft 365での情報埋没を防ぐ、社内ナレッジを資産化する情報ポータル活用 -
技術文書・技術解説
[NTTインテグレーション株式会社] 「耐量子計算機暗号」（PQC）に今、取り組むべき理由とは？ 実現の道筋も解説 -
製品資料
[株式会社リンプレス] どうしたら非デジタル人材を「自走するDX推進者」に変えられるのか？ -
製品資料
[アステリア株式会社] 既存システムをAIレディに変える「連携型モダナイゼーション」の手法とは？ -
製品資料
[アステリア株式会社] 「データ連携」徹底解説 要件整理から連携手法、ツール選択まで
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
PHP脆弱性「PHP2Shell」で2260万件に影響 情シスの緊急チェックリスト
-
2
なぜ「Gemini 4 Argon」は出遅れたのか？ Googleが狙う“逆転のシナリオ”
-
3
「Microsoft 365」が乗っ取られる MFAを破る“本物の画面”の恐怖
-
4
ChatGPTは“検索しまくり”でGeminiは“淡泊”？ データが明かすAIの裏側
-
5
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
6
半数がブルーカラー転向を視野に？ ベテランエンジニアを追い込む“54歳の壁”
-
7
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”
-
8
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
-
9
「何から始めればいい？」 情報漏えい対策で悲鳴を上げる中小企業のリアル
-
10
1200万円のSaaS導入を回避 スギ薬局「運用費10万円」のAIエージェント構築術
ホワイトペーパーランキング PR
-
1
AI駆動攻撃にどう対抗する？ 超速の攻撃からエンドポイントを保護する方法
-
2
最速72分でデータが流出？ 最新の脅威トレンドや侵入手法から分かった防衛策
-
3
2026年のサイバーセキュリティには何が必要か？ 最新データに学ぶ傾向と対策
-
4
経験豊富な即戦力人材に直接アプローチできる、「攻めの採用」への転換術
-
5
「IT史に名を残すシステム障害」8選
-
6
SASE選定は「見極め力」で大きな差――本当に必要な製品を選ぶための6つの視点
-
7
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
-
8
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
-
9
AI駆動開発のスピードと安全性を両立 「品質・セキュリティ管理」の実践ガイド
-
10
「標的型攻撃メール」事例・サンプル集
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