🔎 AI計算資源・大規模モデル 用語辞典 — 「とは」から引く
分かりにくい概念を1行の定義で押さえ、そのまま基礎知識篇 → 高級知識篇 → 投資者視点篇の3段階で 体系解説の該当章へ降りられる索引。姉妹辞典は半導体用語辞典。
Postation の入口
篇チップを押すと、その篇の着地先を持つ語だけに絞り込む。各語の色付きリンクが該当篇の解説へ跳ぶ。
複数のモデルへの要求を1か所で受け、認証・振り分け・回数の上限・一時保存・記録をまとめて管理する中継の層。提供元ごとの費用と失敗率が同じ形で並ぶため、モデルの選択が数字の比較になる。共通の規格はなく各社の製品として提供される。
関連: プロンプトキャッシュ · この語のページ →
グーグルが2020年の EfficientDet で示した重み付きの双方向特徴ピラミッド。細かい特徴と大局の特徴を上下双方向に混ぜ、遠くの小さな物と近くの大きな物を同時に拾う。テスラの認識の網の首 (neck) にあたる。
関連: RegNet · この語のページ →
テスラが2021年8月に発表した学習専用の超大型計算機の構想。自社設計の D1 チップを訓練タイルと ExaPOD に組む計画だったが、2025年8月に開発チームを解散し、学習は Cortex (エヌビディア製 GPU) で回している。2026年1月に Dojo 3 の再開を表明。
関連: hydraNet · この語のページ →
サーバーの入り口にあるネットワークカードに組み込まれた計算機。仮想ネットワーク、暗号化、ファイアウォール、ストレージへの振り分けを専用回路で処理し、CPUとGPUをAIの処理に専念させる。自らは推論を行わない。アマゾンのNitro、エヌビディアのBlueField、マイクロソフトのAzure Boostが同種の製品にあたる。
関連: アムダールの法則 · この語のページ →
1秒あたりの浮動小数点演算回数。AIの計算資源の基本単位で、モデルの訓練量は「総FLOPs」で見積もる。
関連: TOPS,GPU · この語のページ →
同じ計算を大量に並列実行する演算装置。行列計算の塊である深層学習と相性がよく、AI計算資源の中心。CPUとの違いは「速さ」でなく「並列の幅」。
関連: FLOPS,HBM · この語のページ →
GPUを大量に買ってデータセンターに並べ、時間単位や長期の契約で貸す事業。コアウィーブやネビウスなどの専業の会社は、売上の2.7〜8.3倍を先に設備に投じ、長期の契約で回収する。日本ではさくらインターネットが同じ型の事業を営む。
関連: 設備投資,残存履行義務 · この語のページ →
DRAMを縦に積んで広帯域を稼ぐメモリー。GPUの隣に置かれAIの学習・推論の帯域を支える。市場は2025年約350億ドル→2026年約600億ドルへ拡大。
関連: HBF,KVキャッシュ,CoWoS · この語のページ →
テスラが2021年に示した多課題のニューラルネットワーク。1つの背骨 (backbone) と首 (neck) の計算を全課題で共有し、走路・信号・車両などの課題ごとに頭 (head) を分岐させる。名前は多頭の蛇ヒドラから。
関連: BiFPN · この語のページ →
生成中に過去の文脈の計算結果を蓄えるメモリー領域。文脈長に比例してGPUメモリーを食うため、「128k対応」の物理的な裏側にあたる。
関連: HBM,注意機構 · この語のページ →
レーザー光を出し、反射が戻るまでの時間で距離を測るセンサー。周囲を3次元の点群として直接「測る」ため、カメラの「推定」と対をなす。原価が高く、雨粒や雪で誤反射する。
関連: 鳥瞰図 · この語のページ →
AIエージェントと外部の道具・資料を結ぶ公開の規格。最新は2026年7月28日版で、それまでの初期化の握手を廃止し、要求ごとに版・身元・機能を載せる形に変わった。提供側は資料・定型の指示・道具の3種類を出し、道具の一覧は接続ごとに変えず決まった順で返すことが求められる。
関連: エージェントのループ · この語のページ →
入力ごとにルーターが一部の専門家 (部分ネットワーク) だけを起動する構造。総パラメータを増やしつつ計算量を抑える、大型モデルの主流設計。
関連: スケーリング則 · この語のページ →
データセンター全体の消費電力をIT機器の消費電力で割った冷却効率の指標。1.0に近いほど良く、電気代と収益性に直結する。
関連: 電力密度 · この語のページ →
外部の文書を検索してモデルの文脈に注入する方式。モデルを再訓練せずに最新・私有の知識を使わせる、企業導入の標準手法。
関連: 幻覚,埋め込み · この語のページ →
フェイスブック AI 研究所 (現メタ) が2020年に示した畳み込み網の設計。良い網の幅と深さが量子化した1次関数で説明できることを見つけ、同じ計算量で GPU 上で速い。テスラが認識の背骨に採用した。
関連: hydraNet · この語のページ →
ISO 21448「意図した機能の安全性」。壊れていないのに性能の限界や想定外の場面で危険になることを防ぐ規格で、故障を扱う ISO 26262 と対をなす。カメラの視界低下はこの網に当たる。
関連: 走行環境条件 · この語のページ →
「どの語に注目するか」を計算で決める注意機構を核にしたモデル構造。2017年の登場以来、大規模言語モデルの標準設計になっている。
関連: 注意機構,トークン · この語のページ →
計算機の数を増やしても、並列化できない部分が残るかぎり高速化には上限があることを示す式。処理の9割を並列化できても、得られる倍率は10倍までにとどまる。1967年にジーン・アムダールが示した。AIの設備では、リクエストの受け付け、前処理、入出力がこの部分にあたる。
関連: DPU · この語のページ →
計画・実行・観察・反省を繰り返してモデル自身が進め方を決める仕組み。あらかじめ書いた筋道で動かす決められた手順と対になる。設計の要点は、外の世界から得た確かな事実で進み具合を測ることと、繰り返しの上限などの停止の条件を先に決めることの2つ。
関連: エージェント実行基盤 · この語のページ →
モデルの周りでループを回すアプリ側の仕組み。計画・記憶・道具・状態・検査・評価の6つの部品からなる。モデルは提供する側が持つのに対し、この層は各社が自分で作り込むため、乗り換えの費用が9つの層の中で最も重い。
関連: エージェントのループ · この語のページ →
センサーの入力から操作の出力までを1つのニューラルネットワークで学習する方式。人の運転映像から直接覚える模倣学習が土台で、境目で情報を捨てない代わりに、判断の根拠を説明しにくい。
関連: 世界モデル · この語のページ →
モデルの重みを公開し、誰でも改変・自前運用できる提供形態。無償配布が事実上の標準を作る戦略で、米中のAI経済圏競争の争点になっている。
関連: ソブリンAI · この語のページ →
記録・指標・追跡の項目名をそろえる計測の共通規格。生成AI向けの部分は本体の規格から切り離されて別の場所へ移り、状態は策定中。道具の実行やエージェントの起動といった操作名、一時保存の読み書きのトークン数などが定義されている。
関連: AIゲートウェイ · この語のページ →
連続する2枚の画像の間で、各画素がどこへ動いたかを表す場。2015年の FlowNet が畳み込み網で直接推定できることを示し、自己運動の推定や深度の自己教師あり学習の土台になった。
関連: 自己教師あり学習 · この語のページ →
計算量・データ量・パラメータ数を増やすほど性能が予測可能に伸びるという経験則。AI投資の拡大を正当化してきた根拠であり、限界の議論も常にここから始まる。
関連: FLOPS · この語のページ →
自国の計算資源・データ・モデルを自国の管理下に置くという政策概念。学術用語ではなくNVIDIA決算説明会 (2023年11月) 発の市場カテゴリーで、定義は3系統ある。
関連: オープンウェイト · この語のページ →
サーバー・記憶装置・通信網を収容し電力と冷却を供給する施設。AI時代は「建てる速さ」より受電容量が制約になり、直近90日の記事125本に登場する最頻テーマ。
関連: PUE,電力密度 · この語のページ →
エヌビディアが2017年の世代からGPUに搭載している行列演算専用の演算器。4×4の行列の掛け算と足し算を1つの命令で実行する。その後の世代で、扱える数値精度を16ビット、8ビット、4ビットへと広げてきた。GPUの公表性能のうち深層学習向けの値は、この演算器の値である。
関連: 混合精度 · この語のページ →
大規模モデルが扱う文字列の最小単位 (日本語で概ね1〜2文字)。APIの課金も原価もトークン数で数えるため、AI経済の通貨にあたる。
関連: トークン原価,自己回帰生成 · この語のページ →
外から取り込んだ文章に指示を紛れ込ませ、AIに本来の指示と違う動作をさせる攻撃。国際団体がまとめた大規模言語モデルの脅威の一覧2025年版で1位に置かれる。入口の検査に加え、危ない操作に人の承認を挟む設計が対策になる。
関連: エージェント実行基盤 · この語のページ →
同じ前置きを繰り返し送るとき、処理済みの内容を一時保存して再利用する仕組み。読み出しは基本の入力料金の0.1倍、5分保持の書き込みは1.25倍で、2回目の送信から安くなる (分岐点1.28回)。効かせるには最小の入力量を超え、前置きの先頭を変えないことが条件。
関連: トークン · この語のページ →
テスラの呼び方で、8基のカメラの2次元の画像を Transformer で1つの鳥瞰図に結び、時間の軸を足した4次元の認識の空間。車内の画面に描かれる周囲の車や進路の線はこの空間の描画にあたる。
関連: 鳥瞰図 · この語のページ →
計算機が達成できる性能の上限を、演算器の最高性能 (水平線) と「メモリーの転送速度×演算強度」(斜線) の2本の線で示すグラフ。2009年にカリフォルニア大学バークレー校の研究者が示した。処理が斜線の上にあればメモリーが、水平線の下にあれば演算がボトルネックだと判定できる。
関連: 演算強度 · この語のページ →
映像・文字・操作の履歴から「次の場面」を生成する学習モデル。稀な場面を実走で集める代わりに生成で補い、学習と検証に使う。生成した場面が現実と同じ分布かは未検証の問い。
関連: エンドツーエンド自動運転 · この語のページ →
車の周囲を小さな立方体 (ボクセル) に区切り、格子ごとに「物があるか」を出す表現。種類を決めなくても存在が分かるため、学習に無い落下物にも反応できる。
関連: 鳥瞰図 · この語のページ →
テスラが自社の運転支援機能に付けた製品名 (Full Self-Driving)。米当局の文書では「SAE レベル2 の運転支援」に分類され、監視の責任は運転者にある。名前と当局の分類は別物として読む。
関連: 自動運転レベル · この語のページ →
モデルが事実でない内容を自信を持って出力する現象。「最も確からしい次の語」を選ぶ設計の必然であり、根絶ではなく抑制と検証で扱う。
関連: 自己回帰生成,RAG · この語のページ →
売り手が買い手に出資し、出資先がその資金で自社製品を買う構図への批判的呼称。実態の判定は投下額を顧客側と供給側に仕分けて行う (NVIDIAの2026年6月末13Fでは顧客側36%)。
関連: トークン原価 · この語のページ →
顧客と結んだ契約のうち、まだ製品やサービスを提供しておらず、売上に計上していない金額。米国の会計基準にもとづいて開示され、受注残に近い。オラクルは2026年8月末で6,640億ドルとし、うち12か月以内に売上になるのは約13%とした。含める範囲は会社ごとに違うので、会社をまたいで足し合わせない。
関連: 設備投資 · この語のページ →
処理の順序と所要時間が、プログラムを変換する時点ですべて決まり、実行のたびに変わらない方式。キャッシュの有無や処理の競合による待ちが生じないため、応答時間が一定になる。グーグルの第1世代TPUが採用し、グロックのLPUがチップ間の通信にまで広げた。柔軟性と引き換えになる。
関連: 演算強度 · この語のページ →
文中のどの語を重視するかを重み付けする仕組み。文脈理解の正体であり、計算量が文脈長の2乗で増えるため計算資源問題の根源でもある。
関連: Transformer,KVキャッシュ · この語のページ →
学習の計算を16ビットや8ビットで行い、値が消えやすい小さな更新量だけを32ビットの原本で保持する方式。速度とメモリーの節約を両立する。標準的な方法では1パラメータにつき合計16バイトのメモリーを使い、700億パラメータの学習には1.12テラバイトが必要になる。
関連: 量子化 · この語のページ →
メモリーから1バイトを読み出すごとに何回の演算を行うかを示す比率。言語モデルが1トークンずつ生成するときは約2回と極端に低く、演算器は性能の1%も使われない。リクエストをまとめて処理すると高くなる。装置の演算性能をメモリーの転送速度で割った境界の値と比べて、ボトルネックを判定する。
関連: ルーフラインモデル · この語のページ →
運転者がいない状態での自動運転を指す道路交通法の用語 (2023年4月施行)。都道府県公安委員会が運行の計画を許可し、実施者・主任者・事故時の措置を法律が定める。レベル4に相当する。
関連: 走行環境条件 · この語のページ →
運転の担い手が人から機械へ移る段階を1〜5で示す物差し。日本は国土交通省が定め、監視の主体はレベル2までが運転者、3からがシステム。製品名ではなく当局の文書で置かれた段を読む。
関連: 完全自動運転 · この語のページ →
1トークンずつ、確率分布から次の1語を選んで文章を作る生成方式。長い出力ほど計算が積み上がる構造が、推論コストの正体。
関連: トークン,幻覚 · この語のページ →
人が付けた正解を使わず、データ自身から作った課題 (次の1枚を予測する、隠した部分を当てる) を教師にする学習。単眼カメラの深度推定では、合成した次の画像と実際の画像の差だけで深度の網と姿勢の網を同時に学習する。
関連: オプティカルフロー · この語のページ →
司令塔となるエージェントが作業を分けて渡す下位のエージェント。自分の文脈と道具を持ち、並列に探索した結果を凝縮して返す。公開された実測では成績が単体比90.2%高い一方、使うトークンは対話の約15倍に増える。
関連: エージェントのループ · この語のページ →
訓練=モデルの重みを作る工程、推論=作った重みで答えを生成する工程。同じGPUでも商売としては別物で、収益の主戦場は推論に移っている。
関連: トークン · この語のページ →
建物・土地・機械・サーバーなど、長く使う設備を買うための支出。キャッシュフロー計算書の「有形固定資産の取得による支出」で見る。アマゾン・ドット・コムは2026年6月までの12か月で1,730億ドルを投じた。リースで調達した設備は含まないため、リースの多い会社では実際の設備の増え方がこの数字より大きい。
関連: 残存履行義務 · この語のページ →
自動運転の装置が作動してよい場所・天候・速度などの条件 (ODD)。日本では国土交通大臣が型式指定のときに付け、条件の外では作動しない。ISO 21448 で危険を洗い出す単位でもある。
関連: SOTIF · この語のページ →
学習済みの重みを、16ビットや32ビットの小数から8ビットや4ビットの整数に変換すること。「実数＝目盛りの幅×(整数−ゼロ点)」の式で対応させる。演算器が小さくなり、消費エネルギーが1桁以上下がり、重みのデータ量も半分から4分の1になる。端末内で推論を行うための土台となる技術。
関連: 混合精度 · この語のページ →
🧰 ツール・特集の入口
一次データで動く 14 本 — 銘柄の絞り込み・供給網・比較・一次データの台帳・解説・規制レンズ (すべて無料)