車だけじゃない、クラウドチップも自社開発？理想汽車、推論チップの自社開発を検討

理想汽車 (LI-US) は、自社開発チップの展開を車載からクラウドへと広げようとしている。『晚点Auto』が複数の業界関係者の話として報じたところによると、理想は現在、クラウド推論チップの開発を検討しており、初期の構想では、同社のスマート運転チップに採用されているデータフローアーキテクチャを踏襲するとしている。ただし、このプロジェクトはまだ初期段階にある。

計画が順調に進めば、理想は将来的に、GPUが担っているクラウド推論処理の一部を自社開発チップで代替できるようになる見込みだ。これには、スマート運転モデルのデータ処理、テスト、シミュレーション、および大規模言語モデルのリクエスト処理が含まれる。ただし、パラメータ更新を伴うモデルの学習処理は、引き続き専用の学習チップに委ねられる予定だ。

車載チップ設計の延長で開発コストを削減

関係者によると、データフローアーキテクチャを車載からクラウドへと拡張することは技術的に可能だという。その一例として、車載NPU（ニューラルネットワークプロセッサ）の演算設計を踏襲し、複数のAI演算チップレットを統合パッケージ化して、高帯域メモリ（HBM）や高速インターコネクト技術と組み合わせることで、より大規模な演算能力を持つクラウド推論チップを構成する方法がある。

このような設計により、車載とクラウドのチップでハードウェアアーキテクチャ、ソフトウェアツール、開発ノウハウの一部を共有でき、開発コストを分担できる。理想にとっては、スマート運転モデルのクラウド上での開発・テストから車載への展開までの統合効率を高めるチャンスにもなる。

しかし、クラウドチップは単に車載チップを拡大したものではない。車載では、比較的固定されたモデルとセンサーのデータを扱い、動作のリズムも安定しているため、設計の重点は低消費電力、低遅延、信頼性の高い実行にある。

一方、クラウドシステムは、より多くのモデルを同時にサポートし、頻繁な更新、入力長のばらつき、リクエスト量の急激な変動などに対応しなければならない。そのため、HBM、マルチチップ間のインターコネクト、動的バッチ処理、クラスタスケジューリングといった複雑な技術が関与する。

単一チップの性能だけが鍵ではない

あるチップ業界関係者は、特定の性能指標を達成する単一チップを作ることは最も難しい部分ではないと指摘する。真の課題は、全体の推論システムがコスト競争力を持つかどうかだという。

そのため、データフローアーキテクチャを車載からクラウドへ移行した場合に、理想にとって実際にメリットがあるかどうかは、チップが異なるモデルをサポートする能力、ソフトウェアとハードウェアの協調効率、そして全体システムの運用コストにかかっている。

海外でも、SambaNova、Groq、Tenstorrentなど複数のチップ企業がデータフローアーキテクチャの開発を進めている。SambaNovaとGroqの核心メンバーは、それぞれスタンフォード大学とGoogleのTPUプロジェクトの出身であり、Tenstorrentはかつてテスラの自動運転チップを担当したJim Kellerが率いている。

しかし、GPUと比較して、データフローアーキテクチャはモデルの汎用性、ソフトウェアエコシステム、大規模展開能力の面で、まだ十分に検証されていない。

2人のチップ開発責任者が退職、プロジェクトへの影響は不透明

理想がクラウド推論チップの開発を検討する一方で、同社のチップチームでは人事異動も伝えられている。『晚点Auto』が複数の情報源から確認したところ、理想のチップソフトウェア開発責任者である金一華氏と、チップフロントエンド設計第一チームの責任者である戴頡氏が退職した。

2人はいずれも算力ユニット責任者の羅旻氏に報告しており、羅氏は理想グループのCTOである謝炎氏に直属している。

2人の退職理由は不明であり、これらの人事変動がクラウド推論チッププロジェクトの開発スケジュールにどのような影響を与えるのかも、現時点では不透明だ。プロジェクトがまだ初期段階にあるため、理想が最終的に正式にプロジェクトを立ち上げ、量産に移行するかどうか、そして実際のリリース時期については、不確実性が残っている。