GPUとは
読み: じーぴーゆー Graphics Processing Unit AI計算資源・大規模モデルの用語
GPUとは、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」。
3段で深く知る — 基礎・高級・投資家視点
1行の定義から、体系解説の該当箇所へそのまま降りられる。抜粋は体系解説でこの語が出てくる箇所から引いた。続きはリンク先にある。
第I部 基礎 ① 計算資源とは何か — AIの能力は演算の堆積である
…1.1 単位系 — FLOPS・TOPS・トークン・GPU時間 AIの世界で飛び交う単位は、突き詰めると「演算の速さ」「演算の総量」「言葉の量」の3種類しかない。 投資判断で混同しやすいのは、FLOPS (速さ=フロー) と FLOP (総量=ストック) の区別である。 日本語の「1トークン=約1〜2文字」は目安である。各社は日本語の公式な文字対トークン比を公表しておらず、 比率はトークナイザによって変わる。課金の見積りをするなら自社の文書で実測するのが唯一確実な方法になる。 1.2 数値精度 — なぜ「桁を削る」と速くなるのか 同じチップでも、数値の桁数 (ビット幅) を半分にすれば理論上2倍の演算が通る。 AI訓練は厳密な小数精度を必要としないことが経験的に分かっており、業界は FP32→BF16→FP8 と精度を意図的に落として速度を買う方向に進化してきた。 カタログの「○○ PF…
第III部 設計する ⑥ アルゴリズム・計算モデル
…6.4 人工知能を動かす5つの計算機 — CPU・GPU・TPU・NPU・LPU は何を捨て、何を取ったか 人工知能の計算を担う半導体は、今日おおむね5つの設計に分かれる。中央演算処理装置 (CPU)、画像処理半導体 (GPU)、テンソル処理装置 (TPU)、AI処理装置 (NPU)、言語処理装置 (LPU) である。5つは性能の序列ではなく、柔軟性・並列度・記憶への近さという3つの物差しのどれを優先するかで分かれた設計思想の違いにあたる。汎用性を1段手放すごとに、決まった計算の効率が1段上がる。 図 6-4 — 左から右へ汎用性を手放し、並列度と記憶の近さを取っていく。下段の「2026年の現在地」は本文6.6で提出書類と発表に当たって検証した。 CPUは「次に何をするか」を実行しながら決める計算機である。少数の強い演算核が分岐と判断を受け持ち、深い階層の高速記憶で主記憶 (DRAM) …
第III部 経済 ⑥ 計算資源提供事業の経済性 — GPU 1基の収支から読む
本節が本ページの核心である。計算資源提供 (GPUクラウド) は「GPUを買って時間貸しする」だけの単純な商売に見えるが、 収益性は稼働率・契約形態・電力原価・陳腐化速度の4変数でほぼ決まる。 以下は概算モデル (推定値は明記) と、業界内では常識だが対外的にはあまり語られない実務数値である。 6.1 GPU 1基の収支モデル (H100級・概算) この表の性格 — 外部機関の推計ではなく、本ページの試算である 取得原価はNVIDIAが公表していない。市場で報じられた水準を置いたものであり、一次情報は存在しない 稼働率は公開されない数字。事業者が開示しないため、ここでは幅を置いた仮定にとどまる 電力・冷却原価はGPUを実効1kW、PUEを織り込まない前提での概算。実際はサーバ側の消費とPUEが乗って1.2〜1.6kW相当になるため、下限は現実には出にくい したがってこの表に出典リンクは付け…
関連する用語
GPUを扱った検証記事
🧰 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)