タグ

#AI推論

Microsoft、自社AIチップ「Maia」を主力に　2027年にギガワット規模へ拡大

MicrosoftのCopilotやGitHub Copilotを業務で使う企業にとって、裏側を支える半導体が誰のものかは無関係ではありません。2027年に向けた自社チップ強化の発表は、将来の料金や性能に跳ね返ってくる話です。

2026年10月13日

GPUの待ち時間はわずか1ミリ秒でもコストに直結します。データセンター内部の通信を支えてきたTCPの仕組みに限界が見え始めており、代わりとなる新しいプロトコル「Homa」が研究と標準化の両面で進んでいます。

画像を読み込ませて使う社内AIツールは、応答の速さが業務の使い勝手を左右します。軽量な視覚言語モデルに高速化技術を組み合わせた新モデルの公開は、こうした現場の待ち時間を縮める材料になります。

AIの利用コストは、Epoch AIとMITの調査によれば過去に例のない速さで下がっています。ただし価格が下がった分だけ自社のAI予算が減るとは限らず、どの性能水準で満足するかを見極めないと判断を誤ります。

企業がクラウド上のAIにデータを渡すとき、その中身をサービス提供側に握られることへの不安は根強く残っています。Googleが公開した完全準同型暗号コンパイラ「HEIR」は、この不安を技術的に解消しようとする試みで、AIにデータの中身を一切見せずに処理を任せられる仕組みを目指しています。

ノートPCで生成AIを動かす手段は、これまでllama.cpp系の専用ツールに頼る場面が多くありました。Hugging Faceが公開したtransformersの新機能は、その手間を減らす方向の変更です。検証や評価をPythonの通常環境で完結させたい担当者にとって、選択肢が一つ増えます。

AIの利用が「学習」から「推論」に移るにつれ、企業が向き合うのはモデル選びだけでなく、データをどこに置き、どう電力をまかなうかという設備の問題になります。レノボ・エンタープライズ・ソリューションズのトップが語った内容は、自社でサーバーを持たない企業にも無関係ではありません。