更新：2026年8月。
同じ基板上に、3つのチップが並んで動作している。いずれもシリコン製で、二進法で演算を行う――しかし、その動作原理は3つとも全く異なる。興味深いことに、これら3つの原理は、過去200年間にわたって人類が労働を組織化してきた3つの方法とほぼ一致している。 なぜあるチップがそのような設計になっているのかを理解すれば、なぜある職業が消え去ったのか――そして次にどの職業が消え去るのか――も同時に理解できるのです。
CPU：万能の職人
CPUは、次の動作が予測できないという前提で設計されています。プログラムには、「もし～なら」という条件文、関数呼び出し、データに応じて反復回数が決まるループが数多く含まれています。そのため、CPUはチップの面積のほぼすべてを、予測と巧妙な待機に費やしているのです：
- 分岐予測：「もし～なら」という文がどの道に進むかを事前に予測し、その準備をしておく。予測が間違っていた場合は破棄してやり直す。
- 順不同の実行：データが揃っている命令から先に実行し、厳格な順序に縛られない。
- 多段キャッシュ：よく使うデータは近くに保持する。RAMから取得するには100倍の時間がかかるため。
結果として、1つのCPUコアが、複雑で予測不可能なタスクを含め、あらゆる種類の作業を処理できるようになった。その代償として、有用な計算を行うたびに、予測と待機のための仕組みも併せて処理しなければならない――つまり、スペースも電力も消費してしまう。まさにこれこそが「何でも屋」だ。何を頼んでもこなしてくれるが、雇うには費用がかかる。
GPU：数万人が働く現場、一つの動作
GPUは逆の仮定から出発します。つまり、データだけが異なり、それ以外は全く同じタスクが100万件あるという状況――100万個のピクセルを塗りつぶしたり、巨大な行列同士を掛け合わせたりするといった作業です。作業がこれほど均一であれば、推測する必要はありません。必要なのは、多くの処理能力です。
- 何千もの小さくてシンプルなコアが、多数のデータに対して同じ命令を実行する。
- 遅延を数の多さで補う：あるグループがデータを待たなければならない場合は、すぐに別のグループに切り替える――常にやるべき仕事がある。
- メモリ帯域幅は血管のようなもの：それだけ多くの「手」が作業できるよう、十分な速さでデータを供給しなければならない。
作業が均等に分かれた途端に弱点が露呈する。あるグループ内で、左へ進む者と右へ進む者が混在している場合、GPUは両方の経路を順番に処理し、結果を一部破棄しなければならない――つまり、労力の半分を無駄にしてしまうのだ。これはまさに工場の生産ラインのようなものだ。全員がまったく同じ作業を行う限り、その生産性は驚異的である。
NPU：一つの専門分野に特化した生産ライン
NPU（およびTPUなどのその派生形）は、さらに一歩先を行く。ニューラルネットワークの作業のほぼすべてが、乗算と累積に帰着するという点に気づいたのだ。それなら、汎用的な部分は一切排除し、その作業に特化した機械を作ればいい：
- フロー型計算アレイ：データがセルグリッドを流れ、各セルで乗算・加算を行い、その結果を隣のセルへと渡していく。各ステップでメモリからデータを読み出す必要はなく、セル間でデータを渡していく。
- ビット数の削減：32ビットの代わりに8ビットや4ビットを使用します。これにより、ニューラルネットワークは誤差に耐性を持つ一方で、ビット数が減るごとに消費電力と面積を削減できます。
- 事前スケジュール：コンパイラがデータの流れを事前に決定するため、ハードウェアは何も推測する必要がありません。
その代償として、柔軟性が失われる。計算方式を変更するモデルアーキテクチャ――例えば、AI分野がスパースアテンションやスパースモデルへと移行する場合――では、もともと高密度な乗算に最適化されていたチップの一部が、突然余剰能力となってしまいかねない。 専門化が進めば進むほど効率は向上するが、陳腐化もしやすくなる。これはシリコンに限った話ではない。あらゆる形態の専門化に共通する法則である。
その法則に従って、労働履歴を読み直してみる
人類はこれまでに4回、仕事を機械に委ねてきたが、そのたびに同じパターンが繰り返されてきた。すなわち、機械は測定可能で反復可能な作業を引き受け、人間は評価が難しい部分を担当するようになったのである。
第一の段階――筋肉。蒸気機関、そして電気モーターが、牽引力や揚力を担うようになった。置き換えられたのは「人間」ではなく、物理量である「馬力」だった。測定可能だからこそ、置き換えられたのだ。
その2 — 反復作業。組立ラインや工作機械は、組立工程を置き換える。置き換えの条件として、事前に標準化が行われている必要がある。つまり、作業を同じ手順に分割することだ。標準化は、自動化への道筋を整えるステップである――常にそうだ。
第3弾――計算と事務作業。 CPUは手作業の会計士、タイピングをする秘書、電話交換手の代わりとなった。これが機械が「知的労働」に初めて踏み込んだ瞬間であり、人々は不快な事実に気づかされた。すなわち、私たちが「知性」と呼ぶものの大部分は、実はプロセスに過ぎず、そのプロセスはコードとして記述できるのだ。
第4段階――パターンと言語の認識。ここでGPUとNPUが活躍する。今回自動化されたのは、これまで誰もルールとして定式化できなかったもの――顔の認識、文の翻訳、文書の要約、一般的なコードの記述などである。 それは、ルールが理解できたからではなく、アプローチを変えたからです。ルールを記述する代わりに、膨大な量の例を与え、機械に統計的な法則を自ら発見させるのです。そして、その発見のプロセスは行列の乗算に帰着され、まさにGPUとNPUが本来行うために生まれた処理なのです。
真の境界線は、手足と頭脳の間にはない
「肉体労働」と「頭脳労働」という区分は理にかなっているように聞こえるが、もはや通用しない。 今でも機械には到底及ばない肉体労働がある――電気技師が古い天井の中に配線を通したり、看護師が倒れそうになっている患者を支えたり、料理人がその日の骨の量に合わせて出汁の味を調整したりすることだ。 一方で、純粋な知的労働の中には、とっくに機械が人間よりも上手にこなしているものもある――利子の計算、スペルチェック、判例の検索などだ。
真の分水嶺は別のところにある。それは、自動採点が可能なかどうかという点だ。 「この結果があの結果よりも正しい」と断言できる明確な尺度が存在し、低コストで何百万回も採点できる場所であれば、機械は急速に進歩する――何十億回もの試行と採点を通じて改善されるからだ。 逆に、「何が正しいか」を定義すること自体が最も難しい部分であるような分野では、機械の進歩は極めて緩やかです。
だからこそ、AIによるコーディングは驚異的なスピードで進むのです。コードにはコンパイラとテストツールという「審判」が存在し、採点が自動的に行われるからです。しかし、何を構築すべきかという決定に関しては、いかなる「審判」も存在しません。それは検証と責任の領域であり、依然として人間が担わなければならない部分なのです。
経済コーナー：希少品が場所を変えた
どの時代にも、他のあらゆるものの価値を決める希少なものがある。筋肉の時代は「力」であり、生産ラインの時代は「機械設備」であり、CPUの時代は「プロセスを作成できる人材」である。現在、その希少性は次の3つの段階へと移行しつつある：
- トランジスタからメモリ、そして帯域幅へ。演算自体は安くなったが、そこにデータを供給することこそが高コストだ。これこそが、メモリチップ危機の根源であり、推論エンジンにおけるあらゆる省エネ策の根源でもある。
- メモリから電力へ。今日のデータセンターの真の限界は、トランジスタの数ではなく、メガワット単位の電力と熱である。電力が限界となる中、すべてのチップは「1ワットあたりの有用な仕事量」で評価される――そして、それがNPUが存在する理由だ。
- 電力から、何を計算すべきかを知ることに。誰もが計算能力を購入できるようになった今、残された優位性とは、正しい問題を設定し、他者が持たないデータを手に入れ、その結果に責任を負う勇気を持つことである。
次に何が現れるのか
ハードウェアの進むべき道は、専門化という軸に沿って進むことであり、その一歩一歩は、従来の法則通り、トレードオフを伴うものである：
- メモリ内で即座に計算を行う。データを計算先に転送する代わりに、計算をメモリ領域のすぐ隣――あるいはメモリ領域そのものの中に――配置する。最も電力を消費するデータ転送の工程を省くことができる。
- 光子。光を使って信号を伝送・合成する：線形演算では非常に高速で発熱も少ないが、電気と光の間の変換にはコストがかかる。
- ニューロモーフィック。ニューロンの発火を模倣したチップ――イベントが発生したときのみ電力を消費する。常時動作するセンサーには適しているが、大規模なモデルにはまだ適していない。
- 3次元パッケージングとウェハーの規模。これ以上微細化できない場合は、チップを積み重ね、可能な限り最短経路で接続する。
- 量子技術はこの軸の外にある：それは通常のチップのアップグレードではなく、全く異なる問題群のためのツールである。
注目すべきは、その逆の傾向も強まっている点だ。チップ1個の製造にかかる計算モデルの更新サイクルが3年を下回るようになると、柔軟性のあるアプローチ――専用と汎用を融合したハイブリッドチップや、再プログラム可能なアーキテクチャ――が再び価値を持つようになる。 専門化は一方向だけの流れではなく、振り子のようなものだ。
未来はどのように形作られていくのか
もし「200年の法則」が依然として当てはまるなら、これが最も起こりやすい形だ――「人間に代わる機械」ではなく、境界線の移動である：
- 職業の二分化。どの職業も、採点可能な部分（機械が担当）と判断が必要な部分（人間が担当）に分かれる。前者の部分のみを担当する人は、最も大きなプレッシャーにさらされる――織機が登場した時代の手織り職人や、パソコンが普及した時代のタイピストのように。
- 価値は両極端に集中している。一方は課題の設定、責任の負い、信頼関係の維持を担う。もう一方は、物理的な混沌とした世界での「手作業」——ロボットがまだ不器用な領域だ。「既定のプロセスに従う」という中間的な部分は、次第に薄れつつある。
- 標準化は依然として前兆である。どの職業がまもなく自動化されるかを知りたければ、それがどこまで標準化されているか、そして誰かがそのための自動化の尺度をすでに確立しているかを見ればよい。標準化は常に機械に先立ってやってくる。
- エネルギーは社会的制約となる。人工知能がメガワット単位で消費されるようになると、電力、冷却用水、用地といった問題は、データセンターを単なる技術的な問題ではなく、地方政治の主要な争点へと変える。
予測
- ハイブリッドチップが純粋なチップに勝る。一般的な製品は、3つの別々のチップではなく、CPU＋GPU＋NPU＋高帯域幅メモリを単一のダイ上に統合したパッケージとなり、「シングルダイ」アーキテクチャはPCからサーバーへと広がっていく。
- ハードウェアとモデルの双方において、ワットあたりの効率が主要な測定単位となり、ますます意味をなさなくなっているピーク性能の数値に取って代わるだろう。
- 価格の柔軟性。数年にわたる極端な専門化を経て、逆の潮流が訪れるだろう。チップのライフサイクルよりもモデル変更のペースが速いため、再プログラム可能なアーキテクチャが再び脚光を浴びるようになる。
- 今のところ、名前のない新しい職業が登場するだろう。「プロセスエンジニア」や「データアナリスト」がかつて存在しなかったのと同様に、これからの職業は「測定基準の定義」を中心に展開する：何が「正しい結果」かを決定するのは誰か、そしてその測定基準が間違っていた場合に誰が責任を負うのか。
- 機械が最も手を出しにくいのは、やはり測定できないことだ。追求すべき目標を選び、その結果を受け入れ、他者から信頼されること。それは機械が弱いからではなく、そこに私たち自身以外に採点する者がいないからだ。
基板上の3つのチップは、単なる3つのトランジスタの配置に過ぎないわけではない。それらは、人類が蒸気機関の時代から問い続けてきた同じ問いに対する3つの答えなのだ。すなわち、「どの仕事を外注すべきか、そしてどの仕事を自前で担うべきか」という問いである。その答えは世代ごとに変わるが、問いそのものは変わらない。
Thảo luận