Preferred Networks(PFN)は2026年10月20日、Tenstorrentとの共同研究がNEDOの研究開発事業に採択されたと発表しました。両社は2031年度まで、光と電気を組み合わせる光電融合技術を使ったAIプロセッサーの研究開発を進める予定です。研究期間終了後の事業化を目指す取り組みで、今回の発表は製品の提供開始を知らせるものではありません。
生成AIの学習・推論を支えるシステムを開発
採択されたテーマは「(f8)光電融合技術を実装したxPU設計開発」です。両社は光電融合技術と最先端のパッケージング技術を使い、生成AIの学習・推論を高性能かつ高効率に実行するAIプロセッサーのシステム化を目指します。
PFNは、複数の半導体部品を組み合わせるためのAIチップレットを開発する予定です。最先端プロセスと3次元メモリ実装技術により、メモリとのデータ転送能力を高める超高メモリバンド幅の実現を目指します。
Tenstorrentは、最先端プロセスを用いたオープンアーキテクチャベースのCPUチップレットを開発する予定です。こちらは機密計算への対応も目指します。テンストレントジャパンとも連携し、CPUチップレットの設計と、機密計算を実証するためのソフトウェアを開発する計画です。
いずれも今後の開発目標です。利用できる製品の性能や、導入によって得られる効果が確定したという発表ではありません。
大学や研究機関と用途も研究、事業化は研究終了後
半導体だけでなく、用途に合わせたアプリケーションも研究開発する予定です。対象には、科学研究にAIを活用するAI for Scienceや、現実世界での動作などに関わるフィジカルAIが含まれます。
アプリケーション研究開発の再委託先には、東京大学、神戸大学、東洋大学が含まれます。海洋研究開発機構、日本原子力研究開発機構とも連携する予定です。
両社は研究期間終了後、AIエージェントなどでの活用を想定した成果の事業化を目指します。企業が検討する際は、2031年度までの研究開発予定と、その後の事業化目標を分けて捉える必要があります。製品の提供時期や価格、日本での提供条件は発表には書かれていません。
影響する会社・しない会社
- 影響する: 生成AIの学習・推論を支える計算基盤を長期計画で検討する会社です。今回の研究は、その高性能化・高効率化を目指すため、将来の技術候補として情報を追う対象になります。ただし、現時点の調達候補として性能や費用を比較できる発表ではありません。
- 影響する: AI for ScienceやフィジカルAIの研究開発に関わる会社です。自社の用途と研究対象が重なるかを確認する意味があります。企業向けの参加募集や利用条件は、発表には書かれていません。
- 影響しない: 現在のシステムについて、今回の発表に伴う設定変更や移行への対応を判断したい会社です。既存製品の変更、移行期限、利用者に必要な作業は発表には書かれていません。研究採択を、そのまま現行環境の変更理由にしない整理が必要です。
