成熟しつつある生成 AI

どのようなテクノロジーにもライフサイクルがあり、それは生成 AI も例外ではありません。生成 AI は検索拡張生成 (RAG) やマルチエージェント型 AI のような数々のイノベーションによって急速な進化を続けている一方で、生成 AI の核である大規模言語モデル (LLM) はいよいよ成熟期にさしかかっています。この成熟に伴い、企業にはパフォーマンスの最適化や効率と安全性の向上につながる新たな機会がもたらされます。

初期の LLM への投資は主に、基盤モデルや最先端モデルを大規模データセットでトレーニングすることが中心でした。この学習処理段階で重視されたのは、純粋なパフォーマンスのために LLM を最適化すること、そして最先端の高性能アーキテクチャーとその根底にある製品への投資による、スピーディーな前進です。わずかなパフォーマンス向上でさえも、例えば競合よりも数日早く製品を市場投入できる程度の進歩だけでも、LLM の価値は大きく跳ね上がり、コスト、電力効率、セキュリティーといった要素は二の次でした。

基盤モデルの改良は今後も重要ですが、モデルの実行 (推論)、企業データとの連動 (RAG)、マルチエージェント型のアプローチ (エージェント型 AI) による協調動作には、それぞれ異なる優先度と最適化が求められます。これまで二の次だった要素が、今後は大きな影響力を持つようになるでしょう。

成熟するワークロードと優先順位のバランス

トレーニングが完了すると、モデルは汎用のユーザー・インタラクションを行うように実装されます。これが「推論」です。推論の初期段階では、応答性や信頼性といったユーザー体験の向上とサービスの採用拡大につながる高性能のインフラストラクチャーが重視されますが、実装と運用のしやすさ、モデルの拡張性、コスト、電力効率、セキュリティーといった要件も重要になってきます。

生成 AI ワークロードが成熟し、ユーザー規模が拡大するにつれて、企業はアーキテクチャーの高度化と最適化の優先順位を再評価する必要性に迫られます。モデルのパフォーマンス、消費電力、精度に加え、コスト、電力効率、拡張性、セキュリティーといった要素も絡んでくるでしょう。ユースケースを実証するトレーニングと推論の初期段階では、技術エンジニアリングにおけるイノベーションが推進力となりますが、この後の段階では財務エンジニアリングの重要性が増してきます。実際、焦点は総保有コスト (TCO) の削減と期待する投資収益率 (ROI) の達成に移り、概念実証や早期のパイロット運用から大規模なユーザー層に向けた本格的な稼働へとシステムが拡大するにつれ、その傾向は顕著です。

企業が軌道修正して TCO 削減と ROI 向上を図る 1 つの方法として、AI サービスを運用しているインフラストラクチャーのアップグレードが挙げられます。例えばインテル® Gaudi® 3 アクセラレーターのような AI パフォーマンスの最適化に特化して設計されたハードウェアは、AI 処理を効率化することで TCO を削減できます。これは、同等のパフォーマンスを維持しながらも、消費電力を抑え、1 ドル当たり / 1 ワット当たりのトークン数を増やせるからです。また、インテル® Xeon® 6 プロセッサー・ファミリーのような既存プロセッサーの未使用リソースを有効活用して比較的軽量の AI モデルを実行すると、AI の効率性がさらに向上し、企業の AI 導入コストを削減できます。

全体的な電力効率は、企業が優先的に取り組むべきもう 1 つの領域です。AI モデルは一般的な IT ワークロードと比較して、10 ～ 20 倍もの電力を消費します。そのため、ほんの数年前に建設されたデータセンターでさえも、急速なペースで進化する AI アプリケーションの電力需要に十分には対応できず、冷却に要するリソースがさらに増大している状況です。データセンターのインフラストラクチャーを全面的にアップグレードすれば、全体的な電力効率の最適化につながり、AI ワークロードが拡大しても余裕を持って電力と冷却リソースを確保できます。また、AI モデルを使うユーザーが増えるにつれ、悪意ある攻撃の標的にされるリスクも高まるため、セキュリティーは最優先するべき要件となります。こうした状況を理解している企業なら、データ漏えい、情報窃取、サイバー攻撃から AI モデルを守る、予防的なセキュリティー対策を講じていけるはずです。

あらゆるテクノロジーは、進化の過程で優先順位が変わっていくサイクルをたどるものです。これは成熟期にある生成 AI も例外ではなく、AI 開発において技術エンジニアリングのイノベーションは今後も重要であり続けますが、企業は全体的なコスト削減とリスク低減についても同様に、戦略を取る必要があります。

パフォーマンスを維持しつつ、ここまで述べてきたさまざまな優先事項とバランスを取ることが、急速に進化する AI 時代を勝ち抜くカギとなるのは間違いありません。こうした変化に柔軟に適応できる企業こそ、競争力を保ちながら、リソースの余裕を確保して、将来的なイノベーションに向けた取り組みを続けられるのではないでしょうか。

元記事

筆者:Brent Collins、Lynn Comp
所属: IntelAI
投稿日:2025年4月21日