Cerebras、Wafer-Scale Engineの性能を2倍に
米AIチップ企業Cerebras Systemsは、看板製品である「Wafer-Scale Engine（WSE）」の最新世代について、従来モデル比で性能を2倍に引き上げたと発表している。同社によれば、新世代のWSE-3は、前世代のWSE-2と同じ消費電力・同じ価格帯で2倍の性能を実現したという（出典: Cerebras公式プレスリリース「Cerebras Announces Third-Generation Wafer-Scale Engine」）。
Cerebrasは、1枚の巨大なシリコンウェハーをそのまま1個のチップとして使う「Wafer-Scale」アーキテクチャで知られる新興企業だ。通常、半導体はウェハーを小さく切り分けて個々のチップとして使うが、Cerebrasは「なぜわざわざ小さく分ける必要があるのか」という発想から、ウェハー全体を1つの巨大な演算装置として設計する道を選んだ。
具体的な性能向上の中身
Cerebras公式発表によれば、WSE-3は5nmプロセスで製造され、トランジスタ数は4兆個、AI最適化コアは90万個を搭載する。ピークAI性能は125ペタフロップスで、この性能を活かしてCS-3 AIスーパーコンピュータを構成する。前世代のWSE-2はトランジスタ数2.6兆個、コア数85万個、ダイ面積46,225平方ミリメートル、オンチップSRAM40GB、メモリ帯域幅20ペタバイト/秒という仕様だった（出典: 前掲Cerebras公式プレスリリース）。トランジスタ数だけを見ればWSE-3はWSE-2の約1.5倍だが、Cerebras側は「同じ電力・同じ価格で性能2倍」という指標を前面に出している点に注意したい。単純なスペック比較と、実アプリケーションでのスループット比較は必ずしも一致しないため、導入を検討する企業は自社のワークロードでのベンチマーク取得を求めるべきだろう。
Cerebrasの強みは、トランジスタ数の多さそのものよりも、「Serdes」と呼ばれる高速インターコネクト技術によって、ウェハー上の数十万〜数百万のコア間通信を、チップ外への「通信」ではなく「内部移動」に近い速度で行える点にある。既存のGPUクラスターでは、モデルを複数のGPUに分散させ、それらの間で高速な通信を行う必要があり、この通信オーバーヘッドが学習速度のボトルネックになりやすい。Wafer-Scale Engineは、この通信オーバーヘッドを構造的に削減できる設計だ。
ビジネス面での課題 ― コストとエコシステム
WSE-3が高い性能を持つとしても、Cerebrasが市場で広く受け入れられるためには、いくつかの課題を乗り越える必要がある。
第一に、コストとアクセシビリティの問題だ。Wafer-Scale Engineは製造プロセスが複雑で、一般的なGPUに比べて初期導入コストが高くなりやすい。中小規模の企業やスタートアップが、いきなり数千万円〜数億円規模のシステムを導入するのは現実的ではない。こうした企業の多くは、クラウドベースのGPUインスタンスや、既存のデータセンターインフラに組み込みやすい標準的なAIアクセラレーターを選ぶことになる。Cerebras自身も、従量課金制のクラウドサービスとしての提供や、既存クラウドプロバイダーとの連携を強化する方向を模索してきた。
第二に、既存の「エコシステム」との調和である。NVIDIAが築き上げてきたCUDAエコシステムは、開発者コミュニティの厚みという点で圧倒的な存在感を持つ。TensorFlowやPyTorchがCerebrasチップに対応しているとはいえ、NVIDIAのGPUに最適化された既存のコードベースをCerebrasのアーキテクチャに合わせて完全に移行・最適化するには、それなりの労力とコストがかかる。単にハードウェアの性能比較だけでは語れない、開発者の「慣れ」や学習コストという要因が、技術選定に大きく影響する。
有望なユースケース ― 超大規模モデルとHPC
一方で、Wafer-Scaleアプローチが優位性を発揮しやすい領域も存在する。数兆〜数十兆パラメータ規模の次世代大規模言語モデルの学習では、複数GPU間の通信オーバーヘッドが深刻なボトルネックになりやすく、チップ内で処理を完結できるWafer-Scale Engineの特性が生きる。
同様に、創薬における分子動力学シミュレーション、気候変動モデルの予測、材料科学における原子レベルのシミュレーションなど、密結合な科学技術計算の分野でも、メモリ帯域幅の広さとウェハー内での高速データ転送能力が強みになり得る。Cerebrasは分析会社Moor Insights & Strategyなどと協力しながら、こうした分野でのベンチマークデータを公開してきた経緯があり、今後の性能検証データの蓄積が注目される。
編集部の見立て
Cerebrasの性能向上発表は、単なる一企業のスペック競争にとどまらない意味を持つ。ムーアの法則が物理的な限界に近づく中で、業界は単純なトランジスタ数の増加だけでなく、新しい計算パラダイムやアーキテクチャ革新を必要としている。Wafer-Scale Engineは、その有力な選択肢の一つだ。
ただし、Cerebras社が公表した「性能2倍」という数字（出典: 前掲プレスリリース）を鵜呑みにする前に、実際にどのようなワークロードで、どの程度の実効性能向上が得られるのかを見極める必要がある。特に、コスト構造とエコシステムの成熟度は、NVIDIAのCUDAが持つ優位性に対してまだ差がある。Cerebrasが特定の市場セグメント――超大規模モデルの学習や特定の科学技術計算――で「最高のソリューション」としての地位を確立できるかどうかが、今後の焦点になるだろう。導入を検討する企業にとっては、汎用的な性能比較の数字よりも、自社のワークロードで実測したベンチマークを基準に判断することが、投資判断を誤らないための最も確実な方法である。