ニュースの概要
NVIDIAとAMDが、それぞれMetaとのAI分野での提携拡大を発表した。対象はMetaのAIエージェント「Muse」と関連モデルである。NVIDIAは学習と推論の性能向上に加え、エージェントの処理手順の最適化で協力する。さらに、実行環境を囲って守る「OpenShell」と、動作を見張る「Sentry」も活用する。一方のAMDは、ラック単位で出荷するAI向けシステム「Helios」の初期導入を進める。サーバー用CPUのEPYCも組み合わせる構成だ。1社に頼らず、2社の技術を並べて使う姿勢が鮮明になった。
引用元: NVIDIAとAMD、MetaのAIエージェント「Muse」向け計算基盤と運用技術で提携を拡大（ITmedia NEWS）
分析・見解
半導体を2社に分けて発注する、Metaの現実的な計算
今回の発表で目を引くのは、MetaがNVIDIAとAMDの双方と同時に関係を深めた点である。AI向けの計算機は需要が膨らみ、特定の1社に頼ると納期も価格も相手の言い値になりやすい。2社を競わせれば、交渉の余地が生まれる。
これは新しい発想ではない。クラウド各社も、自社設計チップと外部調達を併用してきた。Metaも自社チップを持ちながら、外部の2社を使い分ける。調達の選択肢を複数持つこと自体が、性能と同じくらい大きな資産になる。
学習より推論が主戦場になる、エージェントの計算事情
チャットで質問に答えるAIと、自分で手順を考えて動くAIエージェントでは、計算の使われ方が違う。エージェントは1つの依頼に対して、何度も考え直し、道具を呼び出し、結果を確かめる。そのため、1件あたりの推論（＝学習済みモデルに答えを出させる処理）の回数が一気に増える。
NVIDIAがワークフロー最適化に触れたのは、この点を意識したものだろう。速い部品を積むだけでは足りない。処理の待ち時間や、部品間のデータ移動をどう減らすかが効いてくる。AMDがCPUのEPYCを組み合わせるのも同じ理由である。エージェントの制御や外部サービスとの連携は、GPUよりCPUが得意な作業を多く含むからだ。
実行環境の隔離と監視が、性能と並ぶ売り物になった
本件で最も示唆に富むのは、OpenShellとSentryの存在である。名前のとおり、前者はエージェントを囲いの中で動かし、後者は動作を見張る。AIが自分で判断してファイルを書き換えたり、外部へ通信したりする時代には、速さより先に「勝手なことをさせない仕組み」が要る。
半導体メーカーが性能の話だけでなく、安全装置まで一緒に売り始めた。これは、計算基盤の競争が部品の速さから、運用全体の信頼性へ移りつつある合図だと読める。自動車で言えば、エンジン出力の次にブレーキとドライブレコーダーが売り物になった段階である。
数年後に残るのは、複数基盤で動かせる設計
2社の基盤が並ぶ環境では、特定の半導体に深く依存したソフトは移植の負担が大きい。逆に、どちらでも動くように作られたエージェントほど、調達の変化に強い。今後は、半導体の世代交代のたびに作り直さずに済む設計が価値を持つ。Meta規模の投資が示すのは、AIエージェントが実験段階を過ぎ、長期運用を前提にした設備の話になったという事実である。
ビジネスへの影響
自社で半導体を買わなくても、同じ論理は使える
多くの企業はGPUを自前で調達しない。それでも、今回の構図は参考になる。生成AIのサービスを1社の提供元に固定すると、値上げや仕様変更の影響をまともに受ける。重要な業務ほど、別の提供元へ切り替えられる余地を残したい。
具体的には、AIへの指示文や連携部分を、特定サービスの独自機能に寄せすぎないことだ。切り替えの試験を年に一度でも実施しておけば、いざというときの移行日数が大きく変わる。
エージェント導入の稟議には、見張る仕組みの費用を入れる
AIエージェントに業務を任せるなら、導入費用の中に隔離と監視の分を見込むべきである。動作の記録を残し、想定外の操作を止める。この費用を後回しにすると、事故が起きたときに全体の導入が止まりかねない。
まずは影響の小さい業務から始めたい。社内資料の下書き作成や、問い合わせの一次振り分けなどが向く。権限は最小限にし、外部への送信は人が承認する形にする。実績が積めば、任せる範囲を段階的に広げられる。
見直すべき指標は、1件あたりの処理コスト
エージェントは裏で何度も推論を重ねるため、画面上は1回の依頼でも費用は数倍になりうる。月額の総額だけでなく、1件の依頼あたりにいくらかかったかを追う習慣をつけたい。この数字があれば、どの業務に任せると割に合うかを冷静に判断できる。
