TPU
Google Cloud
AI学習
Gemini
概要\n\nGoogle Cloud TPU v5(Tensor Processing Unit version 5)はGoogle社が2023-2024年に展開した第5世代AI専用ASIC で、データセンターでのLLM(Large Language Model)・拡散モデル等の超大規模機械学習・推論用途に設計された専用ハードウェア。2023年8月「TPU v5e(efficiency)」公開で コスト効率重視、393 TFLOPS BF16・197 TFLOPS INT8・16GB HBM・$0.80/h(オンデマンド)・$0.30/h(Spot)で大規模推論用途に対応、2024年4月「TPU v5p(performance)」公開で 459 TFLOPS BF16・918 TFLOPS INT8・95GB HBM2e・$8/h で 超大規模学習特化。TPU Pod v5p は8960チップを ICI(Inter-Chip Interconnect)で統合し合計 9.5 EFLOPS BF16の演算能力、Google 自社 Gemini Ultra(2023-12)・Gemini 1.5 Pro(2024-02)・Gemini 2.0(2024-12)・PaLM 2(2023-05)等のLLM学習基盤として大規模採用、Anthropic Claude 3 Opus(2024-03)/Claude 4(2024-06)も TPU v5p で学習されたとの報道(2024-09 The Information)。NVIDIA H100($25,000+/700W)に対抗する Google 独自 AI チップ戦略の柱で、Pathways システムで複数Pod 跨ぎ並列学習、Google Cloud Vertex AI から JAX/PyTorch/TensorFlow フレームワーク経由アクセス可。Apple Intelligence(2024-06発表)も Apple が Google Cloud TPU v5p で AFM(Apple Foundation Model) 学習との報道、Google TPU エコシステムが NVIDIA に対抗する事実上の唯一の選択肢として2024-2026年で存在感拡大。\n\n## 主な特徴・仕組み\n\n- 公開: 2023-08 v5e、2024-04 v5p、Google Cloud限定提供\n- 演算性能: v5e 393 TFLOPS BF16 / v5p 459 TFLOPS BF16 + 918 TFLOPS INT8\n- メモリ: v5e HBM 16GB / v5p HBM2e 95GB、3.2TB/s帯域\n- 接続: ICI(Inter-Chip Interconnect) 4.8Tb/s、Pod内最大8960チップ\n- 価格: v5e $0.80/h(オンデマンド)・$0.30/h(Spot)、v5p $8/h\n- 対応FW: JAX(優先)・PyTorch/XLA・TensorFlow、Vertex AI 経由\n- 採用: Google Gemini/PaLM 2、Anthropic Claude、Apple AFM、Salesforce等\n- 対NVIDIA: H100($25,000/700W)対抗、TCO で2-3倍効率(Google主張)\n\n## スペック比較表\n\n| Chip | 公開年 | TFLOPS BF16 | HBM | 価格/h | 用途 |\n|------|--------|-------------|-----|--------|------|\n| TPU v3 | 2018 | 123 | 32GB | (廃止) | 旧 |\n| TPU v4 | 2021 | 275 | 32GB | $3.22 | 旧 |\n| TPU v5e | 2023-08 | 393 | 16GB | $0.80 | コスパ |\n| TPU v5p | 2024-04 | 459+(918 INT8) | 95GB | $8.00 | 大規模学習 |\n| TPU Trillium (v6) | 2024-12 | 920 | 96GB | $12.00予想 | 最新 |\n| NVIDIA H100 SXM | 2022 | 989 | 80GB | $4-$8(GCP) | 業界標準 |\n| NVIDIA B200 SXM | 2024 | 4500 | 192GB | $20+予想 | 最強 |\n| AWS Trainium2 | 2024 | 650 | 96GB | $5.00 | AWS版 |\n\n## 具体例・対応製品\n\n- TPU v5e (2023-08): $0.80/h、推論+小中規模学習、コスパ最強\n- TPU v5p (2024-04): $8/h、Gemini/Claude等大規模学習\n- TPU Pod v5p (2024): 8960チップ統合、9.5 EFLOPS、大規模分散学習基盤\n- Apple Intelligence Apple Foundation Model: Google TPU v5p で学習報道(2024)\n- Anthropic Claude 3/4: TPU v5p で学習(2024-09報道、$1B+規模利用)\n\n## 自作PCでの選び方・注意点\n\nGoogle Cloud TPU 利用の自作PC構築例: (A)個人開発¥150,000構成: M3 Mac mini 16GB(¥130,000) + Google Cloud SDK + Vertex AI、TPU v5e $0.80/h を時間単位活用、(B)スタートアップ¥600,000構成: Mac Studio M3 Max 64GB(¥500,000) + JAX 開発環境 + TPU v5e/v5p月$5,000程度、(C)中規模研究機関¥3,000,000構成: A100 8GPU ローカル開発(¥2,000,000) + TPU Pod v5p実験予算月$50,000+、Pathways分散学習研究。Google Cloud Console から Vertex AI 経由起動可、JAX 主流だが PyTorch/XLA も対応。NVIDIA GPU 比較: A100/H100 が事実上の業界標準で PyTorch エコシステム圧倒的、TPU は JAX 重視組織(Google/Anthropic/Apple)以外で採用ハードル高。Apple Silicon Macは MLX で Apple GPU + Google TPU の選択肢で時代を象徴。\n\n## 関連用語との違い\n\nNVIDIA H100/B200: PCIe/SXM 形式、$25,000-$50,000/チップ。TPU v5p は Google Cloud 独占で個別購入不可、レンタル前提でTCO比較が独特。\n\nAWS Trainium2 / Inferentia2: AWS 独自 AI チップ、$5/h規模。TPU v5p と類似ポジションだが演算規模で TPU 優位、エコシステムは AWS優勢。\n\n## よくある質問(FAQ)\n\nQ1: TPU 個人で買える?\nA: 不可、Google Cloud Vertex AI レンタルのみ。買い切り欲しいならNVIDIA RTX 4090/H100/B200選択肢。\n\nQ2: H100 と どっち効率?\nA: BF16演算は H100 SXM が989 TFLOPS で v5p 459 TFLOPSの 2倍、ただし TPU は MoE/Sparse 推論で実効効率高くLLM学習トータルTCOは Google 主張で2-3倍効率。アプリケーションで判断。\n\nQ3: PyTorch動く?\nA: PyTorch/XLA(2020-) で動作可、ただし JAX が公式優先。Google/DeepMind は JAX、Anthropic も JAX、PyTorch エコシステムは NVIDIA H100/B200 が圧倒的優位。\n\n## まとめ\n\n- Google Cloud第5世代AI専用ASIC、2023-2024公開\n- v5e($0.80/h コスパ)/v5p($8/h 大規模学習)\n- Gemini/PaLM 2/Claude/Apple Intelligence 学習基盤\n- Pod v5p 8960チップ 9.5 EFLOPS\n- NVIDIA独占に対抗する唯一の実用選択肢