グラフィックス処理ユニット（GPU）は、画像、動画、視覚効果の生成とレンダリングを高速化するために当初設計された特殊なプロセッサである。低遅延の逐次タスクに最適化された中央処理装置（CPU）とは異なり、GPUは数百から数千の小さなコアを並列に動作させ、多くの同時操作に分割できるタスクに対して極めて効率的である。このアーキテクチャにより、GPUはグラフィックスだけでなく、人工知能、科学シミュレーション、データ分析などの分野における汎用計算にも不可欠なものとなった。
現代のGPUは、1980年代から1990年代の初期グラフィックスアクセラレータから進化した。1999年、NvidiaはGeForce 256を発表し、これを世界初のGPUとして販売した。これは、変換、ライティング、三角形セットアップを単一チップに統合したものである。AMDはRadeonシリーズで追随し、Intelは後に多くのCPUにGPUを統合した。時が経つにつれ、GPUはプログラム可能となり、開発者はCUDA（2006年にNvidiaが導入）やOpenCLなどのAPIを通じて非グラフィックス用途に使用できるようになった。このプログラム可能性が、汎用GPUコンピューティング（GPGPU）への道を開き、現代コンピューティングの基盤となった。
アーキテクチャと動作
GPUのアーキテクチャは、多数のストリーミングマルチプロセッサ（SM）またはコンピュートユニットの大規模な配列を中心に構築されており、各ユニットには並列に命令を実行する多くの算術論理ユニット（ALU）が含まれている。例えば、ハイエンドの消費者向けGPUは10,000以上のコアを持つ場合があり、データセンター向けGPUであるNvidia A100やH100は、浮動小数点演算に最適化された数千のコアを備えている。メモリサブシステムも特化されており、高帯域幅メモリ（HBM）やGDDR6Xが高速データアクセスを提供する。GPUは、単一命令複数データ（SIMD）または単一命令複数スレッド（SIMT）モデルを使用し、多くのスレッドが異なるデータ要素に対して同じ命令を実行する。
この設計は、グラフィックスレンダリングとニューラルネットワークの基本である行列乗算と畳み込み演算に優れている。例えば、GPUは数百万のピクセルや行列要素を同時に処理でき、CPUが達成できないスループットを実現する。しかし、GPUは複雑な分岐や逐次依存関係を必要とするタスクでは効率が低く、そのためCPUは汎用オペレーティングシステムタスクに不可欠であり続けている。
人工知能と機械学習における役割
2010年代の深層学習の台頭により、GPUの役割は変革した。ニューラルネットワークのトレーニングには大規模な行列演算が含まれ、GPUはCPUと比較して桁違いに高速化する。2012年、トロント大学の研究者らはGPUを使用してAlexNetをトレーニングし、この畳み込みニューラルネットワークがImageNetコンペティションで優勝し、現代のAIブームを引き起こした。それ以来、GPUは機械学習におけるトレーニングと推論の標準ハードウェアとなっている。
主要なクラウドプロバイダーであるAmazon Web Services、Azure、Google Cloudは、AIワークロード向けにGPUインスタンスを提供している。GroqやSambaNovaなどの企業は専用AIアクセラレータを開発しているが、GPUはその柔軟性と成熟したソフトウェアエコシステムにより、最も広く使用され続けている。TensorFlowやPyTorchなどのフレームワークはGPU実行向けに最適化されており、NvidiaのCUDAはGPUコンピューティングの支配的なプログラミングモデルとなっている。GPUへの需要は、大規模言語モデルと生成AIの成長に伴って急増し、供給不足とTSMCなどによる製造能力への投資増加を引き起こしている。
グラフィックス以外の応用
AI以外にも、GPUは科学計算で使用され、物理学、化学、生物学のシミュレーションを高速化する。例えば、分子動力学シミュレーションや気候モデリングはGPUクラスタに依存している。金融サービスでは、GPUはリスク分析とアルゴリズム取引を高速化する。また、暗号学、石油・ガス探査、医用画像処理でも使用されている。自動車産業では、Tesla AutopilotやWaymoの自動運転技術に見られるように、GPUは先進運転支援システムと自動運転に使用されている。さらに、GPUはビデオゲーム機と仮想現実ヘッドセットを駆動し、ビデオエンコードとデコードにもますます使用されている。
主要メーカーと市場動向
GPU市場はNvidia、AMD、Intelが支配している。Nvidiaは、特にデータセンターセグメントで最大のシェアを保持し、AI向けに設計されたA100およびH100シリーズを提供している。AMDはInstinctシリーズで競争し、IntelはArcシリーズでディスクリートGPU市場に参入した。AppleはMacとiPhone向けに独自のGPUを設計し、QualcommとArm Holdingsはモバイルデバイス向けにGPU IPを提供している。Samsung Electronicsなどの他のメーカーも消費者向け電子機器向けにGPUを生産している。高度なGPUの製造は、5ナノメートルや3ナノメートルノードなどの最先端プロセスを使用してチップを生産するTSMCとSamsungのファウンドリに依存している。
将来の方向性
AIモデルが大型化するにつれ、より強力なGPUへの需要は続いている。NvidiaのロードマップにはBlackwellなどの次世代アーキテクチャが含まれており、競合他社も代替案を開発している。しかし、GPUは消費電力とメモリ帯域幅などの課題に直面している。チップレット、高度なパッケージング、光インターコネクトなどの新興技術がこれらの問題に対処する可能性がある。さらに、Google DeepMindのTPU（ただしGPUではない）などの専用AIアクセラレータが注目を集めているが、GPUは最も汎用性が高く広く採用されている並列プロセッサであり続けている。将来は、GPU、カスタムアクセラレータ、量子コンピューティングの組み合わせが含まれる可能性が高く、GPUは当面、コンピューティングにおいて中心的な役割を果たし続けるだろう。