世界が生成型 AI に対する爆発的な需要に適応するのに苦労している中、Google Cloud CEO のトーマス・クリアン氏は、自社はトレンドに反応しているのではなく、10 年前に実施された戦略を実行していると述べた。最近開催されたフォーチュン ブレインストーミング AI パネルで、クリアン氏は、今日業界が直面している 2 つの最大のボトルネック、つまり特殊なシリコンの必要性と差し迫った電力不足を Google がどのように予測していたかについて詳しく説明しました。
クリアン氏によると、Googleの準備は現在の誇大宣伝サイクルよりずっと前から始まっていたという。 「私たちは、AI が登場するずっと前の 2014 年から TPU に取り組んできました」とクリアン氏は Google のカスタム テンソル処理ユニットについて言及しました。最初の投資決定は、機械学習を加速するためにチップ アーキテクチャを根本的に再設計できるという基本的な信念から生まれました。
エネルギーの予感
おそらくシリコン自体よりも重要なのは、コンピューティングの物理的制約についての Google の予測でした。業界のほとんどが速度に重点を置いている中、Google は速度に基づいて電気料金を計算していました。
「私たちは、これから起こるであろう最も問題となるのはエネルギーであることも知っていました。エネルギーとデータセンターがチップとともにボトルネックになるからです」とクリアン氏は語った。
この予測はインフラストラクチャの設計に影響を与えました。クリアン氏は、グーグルがこのマシンを「単位エネルギー当たりの最大フロップ数を実現する上で非常に効率的」になるように設計したと述べた。 AI の導入が急増するにつれ、この効率性が競争上の重要な利点となり、世界の電力網に前例のない負担を与えています。
クリアン氏は、エネルギー問題は単により多くの電力を見つけることよりも複雑であり、すべてのエネルギー源がAIトレーニングの特定のニーズに適合するわけではないと指摘した。 「トレーニング用にクラスターを実行している場合…その計算による急増は非常に多くのエネルギーを消費するため、一部のエネルギー生成形式では処理できなくなります」と同氏は述べた。
これに対応するために、Google は 3 本柱の戦略を推進しています。それは、エネルギー源の多様化、AI を活用してデータセンター内の熱力学交換を管理すること、そして新しい形態のエネルギーを生成するための基礎技術の開発です。反復的なイノベーションの瞬間において、クリアン氏は「当社のデータセンターの熱力学を監視する制御システムはすべて、当社の AI プラットフォームによって管理されています。」と述べました。
「ゼロサム」エラー
Googleは10年に渡って自社シリコンに投資してきたにもかかわらず、カスタムチップの台頭がNvidiaのような業界大手を脅かすという話に対してクリアン氏は反論した。同氏は、メディアはチップ市場を「ゼロサムゲーム」として特徴づけることが多いが、この見方は正しくないと主張する。
「AI インフラストラクチャに携わってきた私たちにとって、さまざまなタイプのモデルに最適化されたさまざまな種類のチップやシステムが存在します」とクリアン氏は言います。
同氏は、Nvidiaとの関係を競争ではなくパートナーシップであると特徴づけ、GoogleがNvidia GPU向けにGeminiモデルを最適化し、最近ではGoogleの知的財産を保護しながらGeminiをNvidiaクラスタ上で実行できるように協力していると指摘した。 「市場が成長するにつれて、私たちはすべての人にチャンスを生み出しています」と彼は言いました。
フルスタックの利点
Kuran 氏は、Google Cloud が「最も急成長している」大手クラウド プロバイダーとしての地位を確立しているのは、完全なテクノロジーの「スタック」を提供できる能力のおかげであると考えています。同氏の見解では、AIをうまく機能させるには、「エネルギー、チップまたはシステムインフラストラクチャ、モデル、ツール、アプリケーション」というすべての層を所有する必要があり、上記すべてを提供している唯一のプレーヤーはGoogleであると同氏は指摘する。
しかし同氏は、この垂直統合は「閉鎖的な」システムと同じではないと述べた。同氏は、大企業の95%が複数のプロバイダーのクラウドテクノロジーを使用していることを指摘し、企業は選択肢を求めていると主張した。その結果、Google の戦略により、顧客は Google の TPU または Nvidia の GPU を使用し、Google の Gemini モデルと他のプロバイダのモデルを組み合わせて使用できるようになります。
最先端のインフラにもかかわらず、Kurian は AI に参入する企業に現実性のチェックを提供しました。同氏は、エンタープライズ AI プロジェクトが軌道に乗らない主な理由として、不十分なアーキテクチャ設計、「汚い」データ、セキュリティとモデルの破損に関連するテストの欠如という 3 つの主な理由を挙げました。さらに、多くの組織は単に「投資収益率を測定する方法を考えていない」という理由だけで失敗します。
この記事では、フォーチュンのジャーナリストが調査ツールとして生成 AI を使用しました。編集者は公開前に情報の正確性を確認しました。
この記事はもともと Fortune.com に掲載されました。


