AI Chip Cerebras WSE-3/Etched Sohu/Groq LPU 2026（エーアイチップ）

概要

AI専門チップは、従来のCPU/GPUとは別に設計されたハードウェアで、機械学習推論・トレーニングを高速化する。代表的な製品として、Cerebras WSE‑3（Wafer‑Scale Engine 3）、Etched Sohu（Transformer専用ASIC）、Groq LPU（Language Processing Unit）、SambaNova SN40L、Tenstorrent Blackhole などがある。2025年にWSE‑3の量産が開始され、2026年にはEtched Sohuが本格的に市場投入される予定である。これらは大規模言語モデル（LLM）や画像認識、音声合成などのタスクで、従来のGPUに比べて数倍から数十倍の性能を実現している。

主な特徴・仕組み

• Cerebras WSE‑3
  • 90万コアを一枚のウェーハ上に集積（1ウェーハ ≈ 0.5 m²）
  • 44 GB SRAMを搭載し、データ転送遅延を最小化
  • メモリ帯域幅21 PB/s、単一ワークロードで1.2 TB/sを突破
  • TDP 250 W、電源供給は12 V/20 A
• Etched Sohu
  • Transformerアーキテクチャに最適化されたASIC
  • 2026年に量産化予定、1チップあたり1 TOPS/ワット
  • 1.5 Vで動作し、熱設計が簡易化
• Groq LPU
  • 220 TOPSの演算性能、Llama 70Bで600 tpsを実現
  • 1.2 TB/sのデータ転送を可能にする高速メモリインターフェース
  • 1.3 GHzで動作、1.2 W/TOPSの効率
• SambaNova SN40L
  • 4 TB/sの帯域幅、32 GB HBM3を採用
  • 1 W/TOPSの高効率、低レイテンシ設計
• Tenstorrent Blackhole
  • 1.5 TOPS/ワット、128 GB DDR5を統合
  • 1.8 GHzで動作、256 nmプロセス
• Rebellions ATOM
  • 3.2 TOPS/ワット、FPGAベースの柔軟性
  • 1.5 Vで動作、可搬性に優れる
• Lightmatter Photonic
  • 光学演算を採用、0.5 TOPS/ワット
  • 1 mm²の面積で1 TOPSを実現
• Mythic AMP
  • 0.8 TOPS/ワット、3 mm²の面積
  • 低消費電力で組み込み向けに最適化

スペック比較表

具体例・対応製品

• NVIDIA H100 Tensor Core GPU（2025年リリース）
  • 70 TOPS FP8、40 GB HBM3、TDP 700 W
  • LLM推論にWSE‑3と競合
• Google TPU v4（2025年ベータ）
  • 300 TOPS FP8、80 GB HBM、TDP 650 W
  • クラウドAIでの大規模トレーニングに利用
• Microsoft Azure AI Edge（2026年）
  • SambaNova SN40Lを組み込んだエッジデバイス
  • 1 GB/sのストリーミング推論を実現
• Apple ML Compute Engine（2025年）
  • 40 TOPS、32 GB HBM、TDP 150 W
  • iPhone 18に搭載予定

自作PCでの選び方・注意点

1. 電源容量
   • WSE‑3は250 W、SambaNovaは300 Wを要するため、750 W以上の電源ユニットが推奨。
2. 冷却設計
   • 高帯域幅チップは熱設計が重要。水冷クーラーを検討。
3. マザーボード互換性
   • ほとんどのAIチップはPCIe 4.0/5.0を採用。最新のM.2 NVMe SSDと同じレーンを共有しないよう注意。
4. ソフトウェアスタック
   • TensorFlow、PyTorchは公式サポートが必要。Groq LPUは専用SDKが提供される。
5. 将来性
   • 2025年にWSE‑3が量産化されるため、早期導入は価格競争力が高い。
   • 2026年にEtched Sohuが登場する予定で、Transformer専用の最適化が期待できる。

関連用語との違い

• GPU（Graphics Processing Unit）
  • 幅広い演算に対応する汎用性が高い。AI専用チップは特化した命令セットとメモリ階層を持ち、レイテンシが低い。
• TPU（Tensor Processing Unit）
  • Googleが開発したAI専用チップ。TensorFlowとの親和性が高いが、Cerebrasのウェーハスケールはデータ転送量で優位。
• FPGA（Field‑Programmable Gate Array）
  • 柔軟性は高いが、1 TOPS/ワットが低い。Rebellions ATOMはFPGAベースだが、専用ASICに比べ性能は劣る。
• Photonic IC
  • Lightmatterは光学演算を採用し、電磁波の高速伝搬でレイテンシを抑えるが、現在は小規模。

よくある質問(FAQ)

Q1. 2025年にWSE‑3が量産化すると言われていますが、実際に自作PCに搭載できるのはいつ頃ですか？
A1. WSE‑3は2025年第2四半期に量産が開始され、2025年末までにサプライチェーンが整備される見込み。自作PCでの導入は2026年初頭が最適と予想されます。

Q2. Etched SohuはTransformer専用ASICですが、他のAIタスクにも使えますか？
A2. はい。Transformer専用設計は主に言語モデルに最適化されていますが、画像生成のVision Transformer（ViT）や音声認識のTransducerにも高い互換性があります。

Q3. Groq LPUの効率が1.2 W/TOPSと高いですが、実際の稼働時に消費電力はどの程度ですか？
A3. 1 TOPSを実行すると約1.2 Wの電力が必要です。Llama 70Bで600 tpsを達成した場合、約720 Wの消費電力となります。

まとめ

AI専門チップは、従来のGPUやTPUとは異なる設計哲学を持ち、特定のAIワークロードに対して圧倒的な性能を発揮します。2025年にWSE‑3が量産化し、2026年にEtched Sohuが市場投入されることで、ハイエンドAIデータセンターだけでなく、自作PCユーザーも次世代のAI推論を手軽に体験できるようになります。選定時は電源容量、冷却設計、ソフトウェアサポートを総合的に判断し、将来性を見据えた構成を心掛けることが重要です。