Ricursive、AIモデルと半導体設計の「共進化」を提唱

Ricursive Intelligenceは、半導体の設計方法そのものを変えることで、拡大を続ける計算資源への負荷を軽減したい企業として自らを位置付けている。チップ開発を、時間がかかり、工程ごとに分断された従来型のエンジニアリング手順として扱うのではなく、このスタートアップは、チップを設計し、各設計反復から学習し、次の世代の設計を改善していくAIシステムを構築していると説明している。さらに同社によれば、より長期的にはその先を目指しており、AIモデルとそれが動作するハードウェアを共進化させ、双方が互いに相手の設計へ影響を与える状態を実現したい考えだという。

この構想を掲げているのは、GoogleのAlphaChipプロジェクトで主導的な役割を果たしたAnna Goldie氏とAzalia Mirhoseini氏だ。EE Timesによると、RicursiveはAlphaChipの2人のリーダーによって設立され、3億3,500万ドルを調達したという。さらにTechCrunchは、TechCrunch Disruptのステージ上での創業者の発言を引用し、同社が、より効率的な半導体設計によって、Goldie氏が「到来しつつある計算危機」と呼ぶものへの対処を図ろうとしていると伝えている。その動機は単純明快だと報じられている。計算需要は今後大幅に増えると見込まれる一方で、データセンターの容量を単純に増やし続けることが現実的な解答になるとは限らない、という見立てである。

AlphaChipから、より広い設計思想へ

この分野での創業者たちの信頼性は、以前の実績に大きく依拠している。EE Timesによれば、2018年に開発されたAlphaChipは、実社会のエンジニアリング課題の解決に用いられた強化学習アプローチとしては初期の代表例の一つだった。これはGoogle TPUの4世代にわたるマクロ配置に使われ、同じ情報源によれば、MediaTekを含む企業によって社外でも採用されたという。TechCrunchは、創業者がしばしば例として挙げる話も補足している。すなわち、チップ部品を円形、いわば「ドーナツ状」に配置する構成が当初は技術者を驚かせたものの、その後、成功例として提示されたという事例だ。

Ricursiveは、現在の取り組みはその過去のプロジェクトを超えるものだと述べている。EE Timesは、Goldie氏が、同社の仕事はAlphaChipよりもさらに広範なチップ設計フローを対象とし、達成可能だと考える性能改善の幅でも、速度の面でも先に進んでいると語ったと報じている。同じ報道では、Goldie氏がRicursiveはGoogleの知的財産をライセンスしたり使用したりはしないと確認したともされている。この違いは重要だ。なぜなら同社は、自らをAlphabetの延長線上にある存在としてではなく、業界横断的に機能し得る独立したプラットフォームとして位置付けようとしているからである。

両媒体の報道は、同社の中核的な主張についておおむね一致している。すなわち、AIは、人間のチームや標準的なワークフローでは容易に探索できない設計空間に踏み込むことで、従来の半導体設計手法に挑戦できるという考え方だ。TechCrunchによると、創業者たちはチップを何十もの小さなブロックに分割して最適化するのではなく、チップ全体を最適化しており、その結果として、波打つようなパターンを含む、より入り組んだレイアウトをAIが生み出せると主張している。これは従来手法からの離脱として提示されているが、報道時点では、その改善幅を裏付ける独立したベンチマークは示されていない。

サービス提供からエンドツーエンド自動化までの段階的展開

Ricursiveのロードマップについて最も詳しく説明しているのはEE Timesであり、同社の計画を3段階の展開として描いている。第1段階では、チップ企業向けに半導体設計の一部工程を請け負い、特に物理設計と設計検証の高速化に注力すると同社は述べている。掲げられている目的は、アーキテクチャから、製造可能なレイアウトに用いられるGDSII形式に至るまでの道のりを短縮することだ。

• 第1段階：外部企業に対し、半導体設計の一部、特に物理設計と検証を支援する。
• 第2段階：ワークロードを入力として受け取り、製造向けのGDSIIファイルを出力できるエンドツーエンドのモデルを構築する。
• 第3段階：モデル、ワークロード、ハードウェアを共同設計、または共進化させる。これにはRicursive独自のチップやモデルが含まれる可能性がある。

EE Timesによると、第2段階ではRicursiveはこれらの工程を一つのエンドツーエンドモデルへ統合し、ワークロードを入力として受け取り、製造可能なチップ設計を出力することを目指している。同社は、これによって、特定ワークロード向けに素早く半導体を作ることが現実的になる可能性があると主張しており、対象はAIアクセラレータに限らず、ほかの用途にも及ぶとしている。TechCrunchもこの考え方をより平易に紹介している。もし半導体設計が何か月もかかる工程から、おおむね1週間程度へと短縮できるなら、宇宙、AR、VR、あるいは生物計算のような用途向けに、より特化したチップが採算に合う可能性が出てくる、というわけだ。ただし、この時間軸は創業者たちの目標として提示されているものであり、報道の範囲では、Ricursiveがすでにその速度でエンドツーエンドのチップ生成を実証したことは示されていない。

Ricursiveは、既存のEDA（電子設計自動化）業界に対して自社をどう定義するかについても明確にしようとしている。EE Timesによれば、創業者たちは、このスタートアップはEDA企業ではなく、EDA企業と競合するつもりもなく、標準的なEDAツールチェーンも用いないと強調したという。その代わりに、彼らは自分たちの仕事をエンドツーエンドのチップ設計だと説明している。これは野心的な枠組みである。なぜなら、単一の部分問題を最適化するだけでなく、ワークロード要件から製造可能なレイアウトへ至る半導体化の全体プロセスそのものを組み替えることを意味するからだ。

提案の中核にある「共進化」という発想

同社の最も特徴的な主張は、おそらく第3段階の構想にある。EE Timesによれば、Ricursiveは最終的に、モデル、ワークロード、ハードウェアを密接に共同設計したいと考えている。その基本命題は、計算アーキテクチャをモデルのアーキテクチャに合わせて最適化できれば、大幅な性能向上が見込める可能性がある、というものだ。ただしそれが成り立つのは、実装サイクルが十分に速く、ハードウェアが完成する前に陳腐化してしまわない場合に限られる。この説明において、カスタムチップは単なる最終製品ではない。むしろ、モデル開発自体を加速することを意図したフィードバックループの一部として位置付けられている。

ここでRicursiveは、単なる半導体設計スタートアップという物語から、フロンティアAIを志向する物語へと軸足を移している。EE Timesは、Mirhoseini氏が「これはチップ設計のためのAIではなく、まさにAIそのものだ」と述べ、長期目標としてフロンティアAIシステムを作ることを説明したと報じている。同社によれば、そのモデルは、一般に入手可能なウェブデータ、オープンソースのチップ関連データ、そして合成データで学習しているという。また、初期結果を検証し、フィードバックを得るために、実際の設計案件についてチップ企業と協業しているとも伝えられている。創業者たちは、オープンソースのチップデータが商用設計を代表するものではないことも認めている。

この議論の核心には、創業者たちが行き詰まりと表現するボトルネックがある。彼らの見方では、AI研究者は現在のハードウェアの制約に合わせてモデルを設計し、一方で半導体メーカーは何年も先の将来ワークロードを予測しながら設計を進めている。Ricursiveの答えは、この「ループを劇的に引き締める」ことにあると、EE Timesが引用するGoldie氏は述べている。もしこのループを短縮できるなら、同社は、チップアーキテクチャとニューラルアーキテクチャの双方が、自らの言う局所最適から離れ、今とはかなり異なる設計へ移行できると主張している。

現時点で分かっていることと、なお不確かな点

発表された戦略そのものは明快だが、産業面ではいくつかの未知数が残っている。第一に、両媒体とも主としてRicursiveが何を目指しているかという創業者側の説明を伝えており、完全なエンドツーエンド手法がすでに本番運用で実証済みだという独立した証拠は示していない。第二に、同社はチップ企業やファウンドリーとの関係を通じて、顧客がカスタムチップを製造できるよう支援していると述べているものの、報道では製造パートナー、テープアウト実績、あるいは顧客名は挙げられていない。

第三に、Ricursiveが標準的なEDAツールチェーンの外側に自社を位置付けるという判断は、入手可能な報道だけでは解けない実務上の疑問を生む。たとえ同社が標準ツールチェーンを使わないとしても、検証、製造可能性、そして顧客の信頼という現実に適合する必要は残る。EE Timesによれば、創業者たちは、独立性があることで他の半導体メーカーもデータ共有に前向きになりやすいと主張している。しかし、市場がその提案を受け入れるかどうかは、報道の範囲ではまだ示されていない。

また、異例のレイアウトを約束することと、広く製造可能な製品を実際に提供することの間には隔たりがある。TechCrunchは、型破りなチップパターンやチップ全体の最適化に関する主張を伝えているが、同記事は創業者たちが今後さらに多くを共有する予定だとも述べており、技術的な証拠の一部はまだ公開されていないことを示唆している。言い換えれば、このアプローチは自信をもって打ち出されている一方で、最も重要な裏付けのいくつかは、なお今後を待つ段階にあるように見える。

企業にとっての実務的な受け止め方は、AIが設計したチップが突如として既存の調達計画や開発計画を置き換える段階に入った、ということではない。これらの情報源に基づけば、変わったのは、あるスタートアップが新しい選択肢を提案している点だ。すなわち、大規模に動かしているワークロードはあるが自前の半導体チームを持たない企業に対し、Ricursiveは、従来プロセスよりも速く、そのワークロードをカスタムハードウェアへ転換する手助けを最終的にしたいと述べている。これが機能すれば、用途特化型チップへのアクセスが広がり、ソフトウェア上の要件からハードウェア実装までの距離が縮まる可能性がある。現時点では、企業はこれを確立済みの新標準ではなく、立ち上がりつつある産業上の提案として見るのが妥当だろう。