電気を食いすぎるAIへの答え。脳をまねるチップが動き始めた

生成AIは賢くなる一方で、莫大な電力を消費します。その原因は、実は計算の「速さ」ではなく、コンピュータの「構造」にあります。なぜ脳をまねると省電力になるのか。GPUがAIの主役になった理由を「CPUとGPUの違いは“手数”だった——GPUがAIの主役になれた理由」で確認しつつ、その先を見ていきます。

なぜ今のAIは電力を食いすぎるのか

AIが大量の電力を消費する根本原因は、計算する場所と記憶する場所が離れている「フォンノイマンの壁」にあります。

現在のコンピュータは、計算を担うプロセッサ（CPUやGPU）と、データを覚えておくメモリが、別々の場所に分かれています。何かを計算するたびに、メモリからデータを取り寄せ、計算し、また書き戻す——この往復が必要です。そのため、推論や学習のように膨大なデータを動かすAIでは、計算そのものより、この「データの運搬」に費やすエネルギーが大半を占めます。

道路をいくら太くしても（メモリの帯域を上げても）、往復そのものが多ければエネルギーは減りません。これがフォンノイマンの壁です。

脳をまねると、なぜ省電力になるのか

人間の脳は、このフォンノイマンの壁を持っていません。脳では、記憶と計算が同じ場所（シナプス）で同時に起きるため、データを遠くへ運ぶ必要がないのです。

しかも脳は、常にすべての神経が動いているわけではありません。必要なニューロンだけが、必要なときに信号（スパイク）を出して働きます。約20ワット——電球1個ほどの電力で、最新のAIに匹敵する情報処理をこなせるのは、この「記憶と計算の一体化」と「必要なときだけ動く」省エネ設計のおかげです。

ニューロモルフィックチップは、この2つの特徴をハードウェアでまねます。ニューロンとシナプスに相当する素子を多数並べ、脳のようにスパイクで情報を伝える（スパイキングニューラルネットワーク）ことで、消費電力を大きく抑えることを狙います。

インメモリ・コンピューティングとは何か

ニューロモルフィックの中核アイデアが、インメモリ・コンピューティングです。これは、記憶する場所（メモリ）の中で計算もしてしまう方式を指します。

データをわざわざプロセッサまで運ばず、メモリのその場で計算を済ませれば、フォンノイマンの壁による運搬の無駄を根本から減らせます。ただし、この実現には、記憶しながら計算もできる新しいメモリ素子が欠かせず、電子の磁気を使うMRAMなどの次世代メモリが候補になっています。MRAMの仕組みは「電子の“自転”を使う半導体が、電源を切っても記憶を保つ」で詳しく扱っています。

記憶と計算を一体にするこの発想は、AIの推論を省電力にする最も有望な方向の一つです。

脳型チップは実用化しているのか

ニューロモルフィックチップは、まだ研究・実証の段階が中心です。ただし、有望な成果は次々に出ています。

IntelはLoihi（ロイヒ）2という研究チップと、それを多数つないだ大規模システムHala Pointを開発し、特定のAI処理でGPUより大幅に高い電力効率を示しました（Intel Labs）。

IBMもNorthPole（ノースポール）という推論用チップで、演算とメモリを同じチップ内に密に配置し、GPUを大きく上回る電力効率を報告しています（IBM Research / Science誌）。

課題は、ソフトウェアです。現在のAIモデルや開発ツールは、GPUの行列計算を前提に作られています。脳型チップはこの前提と異なるため、既存の資産をそのまま動かせません。そのため当面は、端末側（エッジ）の省電力AIや、常時センサーを動かす用途など、低消費電力が決定的に効く分野から実用化が広がる見込みです。AI推論に特化したチップの動向は「AIエージェントが動くほど、効くのはGPUより「メモリと段取り」のチップだった」とあわせて読むと理解が深まります。

この記事のまとめ

• ニューロモルフィックは、脳（ニューロンとシナプス）の仕組みをまねたチップでAIを省電力に動かす方式。
• AIが電力を食う根っこは、**計算と記憶が離れた“フォンノイマンの壁”**で、データの運搬がエネルギーを浪費する。
• インメモリ・コンピューティングは記憶の中で計算し、この運搬の無駄を減らす中核アイデア。
• Intel LoihiやIBM NorthPoleが特定のAI処理でGPUより高い電力効率を示している。
• ソフトがGPU前提のため全面置き換えは時間がかかり、当面はエッジの省電力AIなど特定用途から広がる。