AIのクローズドモデルとオープンモデルの選択は、もはやAPIへのアクセス料金だけに関わるものではない。訓練済みの重みをダウンロードできれば、組織のハードウェア上でモデルを実行したり、ニーズに応じて変更したりできる。一方で、チップエンジニアには、メモリ、持続的な性能、展開時のセキュリティ、そして設計に数年を要するチップに対し、数週間単位で変化するモデルへハードウェアを適応させられるかという複雑な問題が突き付けられる。
これが、Semiconductor Engineeringの分析が論じる中心テーマである。同分析は、Expedera、Arteris、Axiomise、Synopsys、Siemens EDA、Cadence、Rambusなどの専門家やその他の企業の見解に基づいている。基本的な結論は、成功の基準が短時間のピーク時におけるTOPSの数ではなく、変化するモデルの組み合わせを効率的、応答性高く、安全に実行できるプラットフォームの能力になったということだ。
オープンウェイトは完全なオープンソースを意味しない
オープンウェイトモデルでは、ユーザーが訓練済みパラメーターをダウンロードし、ローカルで実行または適応できる。しかし、それは必ずしもオープンソースモデルと同義ではない。訓練データ、コード、利用権が制限されたままの場合もある。この分野には、Meta Llama、Alibaba Qwen、DeepSeek、Mistral、Google Gemma、Microsoft Phi、OpenAIのgpt-ossファミリーなどのモデルが含まれる。
運用の選択肢は、サーバーや高度なアクセラレーターを必要とする大型モデルから、限られたメモリを持つデバイスで実行できる小型モデルまで幅広い。記事によると、gpt-oss-120bは80ギガバイトのメモリを搭載したGPU上で動作できる一方、gpt-oss-20bはMXFP4量子化を用いて16ギガバイトのメモリを持つデバイスを対象としている。ただし、モデルがメモリに収まることだけでは、実用上有用な性能を発揮することは証明できない。
柔軟性と単一プロバイダーへの依存
ローカル環境またはプライベートクラウド環境で運用すれば、単一のサービスへの依存を減らせるほか、機密データを組織のネットワーク内に保持できる。これは、データに作業手法、設計図、または企業秘密に当たる情報が含まれる可能性のあるチップ設計や規制対象分野で、特に重要になる。
また、組織はモデルルーティングを利用できる。難しいタスクは高性能な商用モデルに割り当て、反復的または複雑性の低いタスクは、より低コストなオープンウェイトモデルで実行する仕組みだ。しかし分析は、オープンモデルが自動的に低性能または低コストになることを保証するものではないと説明している。コストはモデルの規模、運用方法、応答要件に左右され、日々のワークフローで継続的な対話性能が必要な場合には、1万ドルを超える可能性もある。
チップ設計で実際に何が変わるのか
専門家は、メモリ、帯域幅、データ転送が、純粋な演算能力より重要な制約になる可能性があると見ている。設計チームは、将来のモデルを1つに固定して想定するのではなく、アクティブなパラメーター数、数値精度、コンテキスト長、マルチモーダル性、同時実行性、応答時間を評価する必要がある。
- FLOPSではなく、メモリ帯域幅が主要な制約になる可能性がある。
- スパースなアクティベーションと低精度量子化の重要性が高まる。
- 異なる種類のプロセッサーを組み合わせるヘテロジニアスシステムが、展開の現実的な手段となる可能性がある。
- 密なGEMM演算だけでなく、KVメモリの圧迫、最大128Kに達するコンテキスト、エージェントの同時実行をテストする必要がある。
こうした要件は、モデル開発のサイクルとチップ製造のサイクルの隔たりから生じる。モデルは毎週または毎月変化する可能性がある一方、チップのサイクルは最良の場合でも約2.5年かかることがある。そのため、製造が完了する前に重要性を失う可能性のある単一モデルを高速化するよりも、ソフトウェアとハードウェアの適応性が価値を持つようになる。
チップ設計ツールにおけるAI
Synopsysの見解として分析が伝えるところによると、チップ設計業務には汎用モデルだけでは不十分である。信頼できる出力は、クリーンで文書化された設計データ、ワークフローに関する明確なコンテキスト、確認済みの真実の参照元に依存する。重みの調整だけでは、専門データの不足やデータ間の矛盾は解消できない。
そのため、EDAツールにおけるオープンモデルの価値は、企業が自社のデータを保護された環境内に保持し、その上で自社のデータ、ワークフロー、固有の知識レイヤーを追加できるかどうかと結び付く可能性がある。セキュリティ面はモデル自体にとどまらず、重みファイルと更新の認証、メモリとDMAチャネルの保護、ワークロードの分離、安全なバージョンへのロールバック対応まで含む。
編集部の見解：本当の変化は、オープンウェイトモデルが直ちにproprietaryモデルに取って代わることではない。AIに関する判断を、サービスの選択からシステム全体の設計へと移すことにある。組織は性能、コスト、プライバシー、発展性のバランスを取る必要があり、チップ設計者は単一の基準に最適化するのではなく、モデルの変化に耐えられるプラットフォームを構築せざるを得なくなる。残された問いは、特に信頼できるデータとワークフローがモデルの規模だけより重要な場合に、オープンモデルが専門タスクにおける品質の差をどこまで埋められるかという点である。