GPUクラスタではなく「Mac mini」を数万台——OpenAIが選んだ、意外な訓練インフラの中身

The Informationが8月29日に報じたところによれば、OpenAIがここ数ヶ月にわたり、Apple製のMac miniとMac Studioを、数万台単位で購入してきたという。強化学習と、コンピュータを操作するAIエージェントの訓練のためだ。エンジニアとして興味深いのは、なぜこの用途に、NVIDIAのGPUクラスタではなく、コンシューマー向けのデスクトップコンピュータが選ばれたのか、その技術的な理由だ。

「統合メモリ」がもたらす、意外な適性

この選択の背景にあるのは、Appleが自社チップに採用している「統合メモリ(unified memory)」というアーキテクチャの特性だ。通常、CPUとGPUは、それぞれ独立したメモリ空間を持つが、Appleのシリコンは、CPUとGPUが単一のメモリプールを共有する設計になっている。

この設計が、なぜコンピュータ操作エージェントの訓練に向いているのか。それは、この種の強化学習のワークロードが、通常のトランスフォーマーモデルの事前学習とは、性質が大きく異なるためだ。コンピュータ操作エージェントは、実際にオペレーティングシステムの中で動作し、画面に表示された内容を観察し、行動を取り、その結果のフィードバックを、何百万回と繰り返し受け取りながら学習していく。この作業は、大規模な並列演算というより、メモリを大量に使いながら、比較的軽い並列性で処理を進める性質を持っている。まさに、Appleの統合メモリアーキテクチャが持つ強みと、うまく噛み合う特性だ。

AnthropicもAWS経由で同様の動き

この動きはOpenAIだけにとどまらない。同じ報道によれば、Google・Amazon支援を受けるAnthropicも、同様のアプローチを取っており、Amazon Web Services(AWS)経由でMac miniの計算能力をレンタルし、自社の強化学習タスクに活用しているという。フロンティアAI研究所が、示し合わせたわけではないにせよ、同じ技術的な結論に達しているという事実は、この用途におけるApple silicon の適性が、単なる偶然ではないことを示唆している。

Appleの供給網が悲鳴を上げるほどの規模

この需要の規模は、Apple自身の製品供給計画にまで影響を及ぼしている。高性能でメモリを大量搭載したMac miniおよびMac Studioの構成では、納期が数週間から数ヶ月にまで伸びているケースがあるという。Appleは、通常であれば秋に予定されていた製品刷新を、8月25日に前倒しして実施し、新しいM6チップ(Appleにとって初の2ナノメートルプロセスで製造されたチップ)を搭載したMac miniや、M5 Pro・M5 Max・M5 Ultraを搭載したMac Studioを、投入している。

Tim Cook CEOは、この品薄状態が、今回の製品刷新の後も、数ヶ月にわたって続くだろうと警告しているとも報じられている。企業向けの大口注文が、通常の消費者向け需要に、直接的な影響を及ぼし始めているということだ。

「GPUの代替」ではなく「使い分け」という位置づけ

ここで重要な留保として押さえておきたいのが、この動きが、OpenAIがNVIDIAのGPUクラスタへの依存から脱却することを意味するわけではないという点だ。フロンティアモデルの事前学習には、依然として大規模かつ密結合されたGPUクラスタが不可欠であり、この点でNVIDIAの優位性が揺らぐわけではない。

今回のMac miniの活用は、あくまで特定の種類のワークロード──具体的には、強化学習とエージェント訓練という、性質の異なる計算需要──に対する、補完的な選択肢として位置づけられる。データセンターは、学習にはNVIDIAのアクセラレータを、推論には自社設計のチップを、そしてエージェント関連の特定タスクにはApple silicon ベースのシステムを、それぞれ使い分けるという、マルチアーキテクチャの構成が、今後さらに一般化していく可能性を示唆している。

Appleにとっての「意図せぬ副産物」という側面

興味深いのは、この用途が、Appleが当初想定していたものではなかったと見られる点だ。Appleが自社チップの開発において、Intel製CPUからの移行を進めた際の狙いは、あくまで個人向けコンピュータの効率と性能の向上にあった。しかし、その結果として実現した統合メモリという設計思想が、巨大なパラメータ数を持つAIモデルの重みを、効率的に扱う必要がある分野において、思わぬ形で強みを発揮している。

Appleの直近四半期のMac事業の売上は、前年同期比29%の伸びを記録しており、AI研究所からの大口購入が、この成長の一部を支えている可能性が指摘されている。データセンターへの巨額投資を必要とせずに、この種の需要の恩恵を受けられるという点で、Appleは、AIインフラ投資competitionにおける、やや意図せぬ形での勝者になりつつあるとも言える。

エンジニアとして見ておきたいこと

このニュースが示しているのは、AIモデルの学習・推論という営みが、単一のハードウェアアーキテクチャに一元化されるのではなく、ワークロードの性質に応じて、最適なハードウェアを選び分ける方向に、確実に向かっているという流れだ。大規模なトランスフォーマーの事前学習にはGPUクラスタ、効率重視の推論には専用アクセラレータ、そしてメモリ集約的なエージェント訓練にはApple silicon という、用途ごとの最適化が、今後さらに進んでいくかもしれない。

自社のAI開発インフラを設計する際、「とにかくGPUを積み増す」という単線的な発想ではなく、それぞれのワークロードが実際に何を要求しているのかを見極め、ハードウェアの選択肢を柔軟に検討する視点が、今後ますます重要になっていきそうだ。