GoogleとIntelが、複数年にわたるパートナーシップの大幅な拡大を発表した。AI時代に「GPUがすべて」という認識が広まる一方で、この提携はCPUとカスタムチップがいかに重要かを改めて突きつけている。AI推論需要の急拡大が生む「見えにくいボトルネック」の実態を解説する。

GPUは「訓練」、CPUは「推論」——役割の違いを整理する

AIモデルの開発・学習（トレーニング）にはGPUが不可欠だ。だが、実際にモデルを動かす「推論（インファレンス）」フェーズでは状況が異なる。Webサービスやクラウドアプリケーションでユーザーのリクエストをさばく実務環境では、CPU性能とスループットが直接サービス品質に影響する。

Googleは数十年にわたりIntelのXeonプロセッサをデータセンターで使い続けており、今回の発表では最新のXeon 6チップをAI・クラウド・推論タスクに活用することが明記された。長年の実績をベースにした、着実な深化だ。

IPU（インフラストラクチャ処理ユニット）とは何か

今回の提携でもう一つ注目すべきは、IPU（Infrastructure Processing Unit）のカスタム共同開発の拡大だ。2021年から続くこのプログラムは、ASIC（特定用途向け集積回路）ベースのIPU開発に焦点を当てている。

IPUは、CPUから「ネットワーク処理・ストレージ管理・仮想化処理」などを肩代わりする専用チップだ。これによりCPUはAI推論などの本来の計算処理に集中できる。クラウド規模のAIワークロードを効率よく処理するには、こうした「オフロード」の仕組みが欠かせない。

Intel CEOのリップ＝ブー・タン氏は「AIのスケーリングにはアクセラレーターだけでなく、バランスの取れたシステムが必要だ。CPUとIPUは現代のAIワークロードに必要なパフォーマンス・効率性・柔軟性を実現する中核だ」と述べており、GPU一辺倒のナラティブに対するカウンターメッセージとも読める。

CPU不足という見えにくい現実

業界全体が直面するGPU不足は広く報道されているが、実はCPU不足も深刻化している。SoftBank傘下のArmが自社初となる「Arm AGI CPU」を発表したのも、この文脈からだ。AI推論需要の爆発的な増加が、CPU市場にも強い圧力をかけている。

実務への影響——日本のエンジニア・IT管理者に届けたいポイント

Google Cloudを使っている場合 今回の発表は直接的なサービス変更を意味するものではないが、中長期的にXeon 6ベースのインスタンスが推論ワークロードに最適化されていく可能性がある。AIを使ったAPIサービスや推論エンドポイントを運用・計画している担当者は、インスタンスタイプ選定でCPUスペックをより意識する価値がある。

オンプレ・ハイブリッド環境の場合 AI推論をオンプレミスで実施している、または検討している企業にとって、Xeon 6の登場は新たな選択肢になる。GPUなしでも一定の推論処理をCPUとIPUの組み合わせで賄える可能性があり、コスト削減と電力効率の観点から検討の余地がある。

ベンダー多様化リスクの観点から NVIDIA一社への依存度が高い現在のAI市場において、IntelとGoogleによるCPU/IPU路線の強化は、インフラ選択肢の多様化につながる。「NVIDIA GPUが確保できなければAIは始められない」という状況が、徐々に緩和されていく可能性がある。

筆者の見解

Intel CEOが述べた「バランスの取れたシステム」という言葉に、私は深く同意する。

AI熱が高まるにつれ、「GPU = AI」という単純な図式が一人歩きしている。だが実際の企業システムでは、AIはあくまでシステム全体の一部だ。推論・データ転送・ストレージ管理・ネットワーク処理——これらすべてが組み合わさって初めてAIワークロードが動く。特定のチップや特定のベンダーに極端に依存した設計は、どこかで必ず詰まる。

統合プラットフォームとして全体を最適化する視点が、AI時代のインフラ設計では一層重要になる。クラウドプロバイダーを選ぶ際も、GPU性能だけでなくCPU・ネットワーク・ストレージのトータルバランスで評価することを強く勧めたい。

今回のGoogle×Intel提携は、業界にそのことを改めて思い起こさせてくれる、タイムリーな一手だったと思う。

出典: この記事は Google and Intel deepen AI infrastructure partnership の内容をもとに、筆者の見解を加えて独自に執筆したものです。