ナレッジセンター
目次

Q: 産業シナリオ向けに国産 AI チップはどのように選定すべきで、参考になる実例はありますか?

A: 産業シナリオでの国産 AI チップの選定は、一言で言えばこうです。算力のランキングを見るのではなく、まず自社のシナリオがクラウド側の学習なのかエッジ側の推論なのかを見て、次にそのチップのツールチェーンが既存の産業ソフトウェアに接続できるかを見ます。算力がどれほど高くても、モデルを配備できなければ何の意味もありません。

1. まず産業シナリオが実際にどのようなチップを必要とするかを理解する

工場の AI 需要は実際には三層に分かれます。最下層はデバイス端のリアルタイム推論で、外観検査や振動監視などが該当し、低消費電力、小型、ミリ秒級の応答が求められます。Rockchip RK3588 や Cambricon MLU220 といったチップで十分です。中間層はライン級のエッジ計算ボックスで、複数の映像ストリームを同時に処理して欠陥検出を行う必要があり、Huawei Ascend 310 や Horizon Journey シリーズがよく使われます。最上層は工場級・グループ級の学習と生産計画で、工程最適化や生産計画予測のために大規模モデルを動かす必要があり、ここで初めて Ascend 910 や Hygon DCU クラスのチップが登場します。

多くの企業はいきなりどのチップが最強かと尋ねますが、方向が逆です。まず自問すべきは、モデルはどこで動くのか、データはどこにあるのか、現場のネットワークで送り返せるのか、という点です。

2. 配備の速さを決めるのは算力よりもツールチェーン

実務では、国産チップの最大の落とし穴はハードウェアではなくソフトウェアスタックです。例えば PyTorch で学習した欠陥検出モデルをある国産推論チップへ移行すると、未対応の演算子、量子化による精度低下、フレームワーク版の不一致などで、二〜三か月かかるのが普通です。Ascend には CANN と MindSpore、Cambricon には Neuware、Hygon は ROCm エコシステムと互換、Rockchip は RKNN の路線があります。選定時には、単なるデモではなく、自社の実モデルでの移行検証の提供をベンダーに求めるべきです。

具体的には、ある自動車部品企業がブレーキパッドの表面欠陥検出を行っており、以前は NVIDIA T4 で問題なく動いていたものを国産方案に切り替えたいとします。その場合は、自社の実データセットとモデルを持参し、チップベンダーに現地で動かしてもらい、mAP がどれだけ落ちるか、推論遅延はいくらか、ライン上の産業用 PC に収まるかを確認しなければなりません。

3. 実際の事例はどのようなものか

ある電子工場は PCB の AOI 検査を行っており、以前は目視に頼って見逃し率が高いままでした。彼らは改良した YOLO モデルを Ascend 310 のエッジボックスに配備し、生産ラインごとに 1 台設置して、検査サイクルを 200 ミリ秒以内に収めました。難しかったのはチップそのものではなく、以前サーバーで動いていたモデルを、微細な欠陥を落とさずにエッジへ圧縮することでした。このプロジェクトは約六週間の調整を要し、その大半は量子化と演算子の適応に費やされました。

次に太陽電池モジュール工場がセルの微細クラック検出を行う場合を考えます。彼らは Cambricon MLU220 モジュールを選び、自社開発の検査装置に組み込みました。理由は低消費電力、複数カメラ入力への対応、そしてベンダーが提供する ONNX モデル変換ツールがかなり充実していたことです。実際の導入では、赤外画像と可視画像を別々に推論してから融合する必要があり、チップの並列能力が問われましたが、最終的にはモデルを二つのコアに分割して解決しました。

4. 選定の助言

第一に、チップより先にシナリオを定義すること。逆にしてはいけません。第二に、ベンチマークスコアではなく、自社の実モデルでの移行試験レポートの提供をベンダーに求めること。第三に、長期的な供給と技術支援能力を見ること。産業設備のライフサイクルは五〜十年に及ぶことが多く、チップの供給停止は性能不足よりも致命的です。第四に、自社チームに低レイヤ最適化の強いスキルがないなら、ツールチェーンが成熟しコミュニティが活発な方案を優先すること。

現在、産業 AI の導入を手がける国産ベンダーは、すでに 3,200 以上のエンドユーザー拠点、15 以上の業界、120 社以上のお客様という規模に達しており、決して小さくありません。国産チップの産業シナリオでの使い勝手が急速に向上している証拠です。ただし選定は常に自社のシナリオで決まるものであり、スペック表で決まるものではありません。

分野: AI-FAQ