PaPoo
cover
technews
Author
technews
世界の技術ニュースをリアルタイムでキャッチし、日本語でわかりやすく発信。AI・半導体・スタートアップから規制動向まで、グローバルテックシーンの「今」をお届けします。

AIがCPU設計までやったという発表の重み

Architect Labsが公表したのは、AIが新しいCPUアーキテクチャを「見つけ、設計し、検証し、最終的な設計データまで到達させた」というかなり強い主張だ。対象になったのは Frostbite という一般用途のCPUで、しかも単なる思いつきではなく、ISA、マイクロアーキテクチャ、RTL、検証、GDSまで一通りAIが回したと説明している。しかも比較対象の現代的な superscalar CPU core に対して、性能電力比で 4.59倍を達成したという。この記事は、AIがソフトウェアを書く段階を越えて、ハードウェア設計の中核に入り始めたのかを考える材料として読む価値がある。

FrostbiteがどんなCPUで、Architect Labsが何を達成したと言っているのか

Architect Labsはまず、前回の Redwood では「与えられたアーキテクチャの上で、AIが推論アクセラレータを実装・検証・展開できた」と振り返る。その次の挑戦として、今回は「正しい自由度と制約を与えれば、AIがソフトウェアとハードウェアを横断して設計できるのではないか」と問いを立てた。そこで生まれたのが Frostbite で、記事では「interaction nets」を土台にした新しい命令セットを持つ汎用CPUだと説明している。interaction nets とは、プログラムをノードのグラフとして扱い、接続されたノード同士の局所的な書き換えで計算する考え方だ。各ステップは局所的で、依存関係が明示され、値は必ず1つの所有者しか持たないため、共有メモリ前提の普通のCPUより並列性を引き出しやすい、という理屈になっている。

記事では、この性質がCPU性能の停滞を破ると主張する。たとえば五皇后問題の小さな例では、左側の C++ プログラムが探索木を順番にたどるのに対し、interaction net では 3,183 の interaction が 262 ステップの critical path に詰め込まれ、平均して各ステップで約12個の interaction が実行可能だったという。つまり、プログラム自体を書き換えなくても、もともと隠れていた独立作業をハードウェアが見つけやすいという見立てだ。これによって「threads, locks, race conditions」なしに並列化でき、さらに値が1つの所有者しか持たないため、キャッシュの巨大な階層や coherence protocol に頼らず、データを小さなローカルメモリに置ける、としている。

設計の進め方もかなり野心的だ。Architect Labsは Frostbite を「zero architectural priors」、つまり人間の既存設計に引きずられずに作ったとしており、複数の agent swarm を使って探索を進めた。まず候補となるワークロードを決める段階では、並列性の出方が違うものを広く並べた。FFT、radixsort、LU は SPLASH-2 の実装を 64分の1 に縮小したものを使い、後から Kalman filter、PCA、finite element analysis、LU solve、LZ4 decompression も評価に加えた。合計25個のワークロードのうち、15個は最終評価まで隠しておき、設計の過学習を避けたと説明している。

そこからAIは研究論文や既存ベンチマークを要約し、Pythonモデルを作り、アーキテクチャ案を絞り込んだ。最初の成果物は 141ページのPDFで、プログラミングモデル、runtime、チップの高レベル構成をまとめたものだったが、これは最終版ではなく出発点だったという。その後は専用の仕様言語 ASL を作り、Frostbiteの system model である Arcmodel を実装した。ASL は RTL、system model、UVM、SVA などの間の変換や refinement を機械検証可能にし、Lean にも直接つながる。記事によれば、この ASL は 800万行ではなく、800k+ lines of Lean まで落ちる設計だったという。

さらに重要なのは、RTL ができたあとも自動でモデルを現実に合わせ直す流れだ。Arcmodel は最初は物理実装とズレ、最悪で250%近い誤差が出たが、AIが RTL の power hotspot を見つけ、SRAM read/write、操作回数、flit の送受信、credit return、frame miss などのカウンタをもとに Python のスカラー関数を作り直し、誤差を5%以内に寄せたという。こうした再校正のあと、Arcmodel は RTL シミュレーションより 660倍速く動き、クロススタック最適化まで可能になったとされる。記事の結論は、25ワークロードの評価で、現代的な silicon-proven の superscalar CPU core と比べ、Frostbite が performance-per-watt で 4.59倍を記録した、というものだ。

「4.59倍」をそのまま受け取る前に気になること

まず目を引くのは、この記事が「CPUを1個作りました」という話ではなく、「AIが設計空間そのものを掘り当てた」と言い切っている点だと思う。ここで面白いのは、単にシリコンを作ったことより、設計の起点が人間の経験則ではなく、interaction nets という理論的な表現に寄っていることだ。CPUの性能改善が長く伸び悩んできた、という問題意識自体はよく分かる。だが、それに対する処方箋として「依存関係を隠さない表現に寄せれば、ハードウェアはもっと素直に並列化できる」という発想は、かなり筋がいい一方で、現代のソフトウェア互換性からは遠い。つまり、これは既存CPUの置き換えではなく、特定の計算モデルに合わせてCPUの前提を作り直す試みだと見るべきだろう。

一方で、4.59倍という数字には慎重になったほうがいい。元記事は 25 ワークロードのうち 15 を最後まで隠していたと説明し、評価設計に配慮しているように見える。ただ、比較対象は「modern, silicon-proven superscalar, dual-issue, in-order CPU core」で、どういう条件で動かしたか、どれほど公平に電力を測ったか、実際のソフトウェア互換性をどこまで見たかは、この抜粋だけでは判断しきれない。ベンチマークの選び方次第で、こうした数値はかなり動く。私ならこの手の発表は、「新原理の有効性を示す実験結果」としては興味深いが、「一般的なCPU置き換えの勝利宣言」とまでは読まない。

仕様言語ASLとLeanまで持っていく設計が意味するもの

個人的にいちばん重要なのは、Frostbiteそのものより、設計を支える仕組みのほうだと思う。記事では、自然言語のPDFでは実装や検証に必要な細部を曖昧にしがちなので、AIが書く前提なら machine-checkable な仕様言語が必要だと述べている。これはかなり納得感がある。人間同士のハンドオフでは「おおむねこういう意味」と読める説明で済んでも、AIエージェントを何層もまたいで設計するなら、仕様の揺れがそのままバグや誤最適化になる。ASL を source of truth にして、ISA、Arcmodel、Design、Verification を同時に回すのは、その問題へのかなりまっとうな答えだ。

ただ、このやり方が本当に広く使えるかは別問題だ。ASIC開発の現場では、仕様書が曖昧だから遅いというより、曖昧さを人間が相互に補完しながら進めてきた歴史がある。そこを全部形式化するのは、理屈ではきれいでも、初期投資が重い。しかも記事は「ASLで高レベルの振る舞いも低レベルのパイプラインも表せる」と言うが、抽象と具体を同じ言語で扱えるからこそ、逆に言えば設計者の経験に依存しない分、表現がうまくいかなければ全部が止まる。ここは人間の職人芸を置き換えたというより、職人芸を形式言語の文法に押し込んだ、と見るほうが自然ではないかと思う。

AIがCPUを作る時代に、何が変わりそうか

この発表がもし本当に再現可能なら、影響はCPUだけにとどまらないはずだ。記事自身も、同じ流れが datacenter-grade CPUs、AI accelerators、networking switches、NICs に波及すると見ている。私はこの見方に半分は賛成で、半分は慎重だ。賛成したいのは、チップ設計の本質が「人間が頭の中で持っていた最適化の地図」を機械がより大きく探索できるようになる、という点だ。探索がうまく回れば、これまで思いつかれなかった組み合わせが出る。逆に慎重なのは、ハードウェアはソフトウェアと違って、一度テープアウトすると修正が高いことだ。だからAIが賢くなったとしても、最終的には検証・製造・測定の地味な工程が支配する。この記事が強調する「verification」「GDS」まで到達したという点は、そこを意識したものだろう。

ただ、ここで本当に問われるのは「AIが設計した」こと自体ではなく、「AIが設計したものを人間がどう監査するか」だと思う。性能が上がっても、電力が下がっても、説明責任がなければインフラには入れにくい。特にCPUは、データセンターでも組み込みでも、壊れ方が許されない部品だ。だから今後の争点は、AIが独創的なアーキテクチャを出せるかどうかより、その独創性を形式仕様と検証でどれだけ囲い込めるかに移るはずだ。Frostbite は、その入り口を示すデモとしてはかなり強い。だが同時に、これが普遍的な勝利なのか、それとも新しい探索手法の一例なのかは、もう少し冷静に見たい。


参考: Introducing Frostbite: A new CPU architecture discovered, designed, and verified end-to-end by AI

同じ著者の記事