概要
NVIDIA GPU、Google TPU、AMD Instinct、Cerebras WSE、AWS Trainium、Groq LPUの設計哲学、演算ユニット、メモリ階層、スケーリング戦略を技術的深部まで徹底比較した包括的な調査レポート。
詳細内容
本記事は、ムーアの法則の終焉と『ドメイン特化型アーキテクチャ（DSA）の黄金時代』の到来を背景に、主要なAIチップがいかに「メモリの壁」という物理的制約を克服しようとしているかを詳細に論じている。NVIDIAはプログラム可能性とNVLinkによる強力なスケールアップを武器にトップを走り、Google TPUはシストリック・アレイとコンパイラ主導の静的スケジューリングで効率を極限まで高めている。AMDはHBM容量と3DパッケージングでNVIDIAを追随し、Cerebrasはチップをウェハーサイズに拡張することでHBMのボトルネックを完全に回避する。AWSのTrainiumはクラウド垂直統合の経済性を追求し、Groqは決定論的な命令実行によって超低遅延推論を実現する。各アーキテクチャの比較を通じて、AIモデルの学習と推論（Prefill/Decode）における演算強度の差が、いかにハードウェア設計のトレードオフ（SRAM vs HBM、クロスバー vs トーラス、コンパイラ vs ハードウェアスケジューラ）に直結しているかを解き明かしている。