Archives: Blogs

AIの急速に進化する世界で、革新的なスタートアップがAIチップ設計への新しいアプローチで注目を集めています。 Etchedは、2022年にハーバード大学を中退したGavin Uberti氏、Chris Zhu氏、Robert Wachen氏によって設立され、AI業界を変革するという大胆なビジョンを掲げています。 そのビジョンとは、AI推論を加速するために特化したチップを開発することです。 ビジョンの誕生 学校のプロジェクトとして始まった取り組みは、瞬く間にAIコンピューティングを革新するという使命へと進化しました。 「面白いものを作ること」への情熱と、「大規模なオペレーティングモデル」への興味を共有する中で、彼らは人生を一変させるアイデアに偶然たどり着きました。 3人は、AIの未来が生成AIモデルの実行に特化したチップにあることを確信しました。既存のソリューションと比べて高い性能を発揮できるからです。 トランスフォーマー(Transformer)がAIの主流になるという強い信念に突き動かされ、彼らはハーバード大学を中退し、スタートアップに全力を注ぐという大胆な決断を下しました。 彼らのビジョンは明確でした。トランスフォーマーモデルの実行において、汎用GPUを凌駕するチップを開発し、AI業界に革命を起こすこと。 創業初期の試練 多くのスタートアップと同様に、Etchedも創業の旅路において数々の課題に直面しました。 中でも特に深刻だった問題には、以下のようなものがありました： 適切なチームづくり： 彼らのビジョンを共有し、アイデアを形にできる優秀なエンジニアやAIの専門家を集めることは、極めて重要な課題でした。 製品定義： トランスフォーマーモデル専用のチップを設計するには、複雑な技術的課題を克服し、既存技術の限界を押し広げる必要がありました。 市場の検証： 自分たちの信念に対して、潜在的な顧客やパートナーの理解と支持を得ることは、事業を継続するうえで不可欠でした。 リソース管理： 限られたリソースの中で、迅速な開発と革新を追求することは、常に大きな課題でした。 Rambusとの協業：共創によるパートナーシップの始まり Etchedがこれらの課題に取り組む中で、彼らは高性能チップおよびシリコンIPソリューションのリーダーである Rambus という貴重なパートナーを見つけました。 Rambusが持つメモリおよびインターフェース技術の専門知識は、Etchedが目指すSoC（System-on-Chip）設計の野心的な目標を達成するうえで、極めて重要な役割を果たしました。 Rambusのシリコン実績のある高性能メモリコントローラーIPコアにより、EtchedはAI/MLアプリケーション向けにチップを最適化するために必要なIPを手にすることができたのです。 技術的ハードルの克服 

生成AIはテクノロジー業界に大きな波を起こしています。コンテキストを理解し、コンテンツの作成や要約といったタスクを驚異的な精度で、しかも数秒で実行できる能力は、生成AIがビジネスプロセスを変革する最先端の可能性を秘めていることを示しています Chat GPTやGoogle Bardといった、生成AIを実現するテクノロジーについて考えたことはありますか？DDR5、高帯域幅メモリ（HBM）、GDDR、PCI Expressといった半導体テクノロジーは、生成AIの学習と導入において極めて重要です。 生成AIがエッジ、そしてクライアントシステムやスマートエンドポイントへと普及するにつれ、セキュリティは新たな必須要件となります。AIデータと資産を保護するには、ハードウェアに根ざしたセキュリティが不可欠です。 詳細については、下記のRambusのInfographic「The Powerful Technologies that Enable Systems like ChatGPT to Thrive」をご覧ください。

インターフェースおよびセキュリティのデジタル IPを提供し、AI 2.0 で業界をリードするラムバスは、ポートフォリオにGDDR7 メモリ コントローラを新たに加え、次世代の AI 推論においてサーバーとクライアントに必要な画期的なメモリ スループットを提供します。 AI 2.0向けAIソリューション AI 2.0は、生成AIの革新的な世界を体現しています。AI 2.0は、大規模言語モデル（LLM）とその類似技術の飛躍的な発展を活用し、新しいマルチモーダルコンテンツを作成します。マルチモーダルとは、テキスト、画像、音声、音楽、動画などを入力として組み合わせ、これらのメディアやその他のメディアで出力を作成できることを意味します。例えば、画像から3Dモデルを作成したり、テキストプロンプトから動画を作成したりといったことが挙げられます。 LLMは、数十億サンプルのデータセットで1兆を超えるパラメータに拡張されています。LLMの学習には、最新の高性能メモリソリューションに支えられた膨大な計算能力が必要です。 GDDR7でAI推論を強化 AI 2.0の学習プロセスの出力は推論モデルであり、ユーザーのプロンプトから新しいマルチモーダルコンテンツを作成するために利用できます。モデルの精度と忠実度はモデルの規模に応じて向上するため、推論モデルの大規模化が進んでいます。AI推論がますます普及し、データセンターからエッジやエンドポイントへと移行するにつれて、コンピューティング環境全体にわたって、カスタマイズされた高性能メモリソリューションを備えた、より強力な処理エンジンの必要性が高まっています。 GPUは推論エンジンとして広く利用されており、サーバーやデスクトップなどのエッジアプリケーションやエンドポイントアプリケーションでは、GDDR6メモリを搭載したGPUが採用されてきました。しかし、GDDR6は24Gbpsのデータレートで標準的なNRZ信号の実用的な限界に達しています。将来のGPUの帯域幅ニーズを満たすには、新しい信号方式を採用した新世代のGDDRが必要です。そこで登場したのが、PAM3信号方式を採用し、データレートを40Gbps以上に向上できるGDDR7メモリです。 AI 2.0向けラムバスシリコンIP AI 2.0の推奨シリコンIPサプライヤーとして、ラムバスは業界をリードするHBM、PCIe、CXLコントローラーIPに加え、業界初のGDDR7メモリコントローラーIPを提供しています。Rambus GDDR7 コントローラは、GDDR7 メモリ実装用のフル機能で帯域幅効率の高いソリューションを提供します。40Gbpsの動作をサポートし、GDDR7メモリデバイスで160GB/sのスループットを実現します。これは、業界最高スループットのGDDR6コントローラ（ラムバスIP）と比較して67%の向上となります。ラムバスGDDR7コントローラは、最先端のAIアクセラレータ、グラフィックス、高性能コンピューティング（HPC）アプリケーション向けに、新世代のGDDRメモリの導入を可能にします。 「AI 2.0ワークロードによって帯域幅要件がかつてないほど高まる中、メモリ性能の向上は極めて重要です」と、ラムバスのシリコンIP担当ゼネラルマネージャー、ニーラジ・パリワル氏は述べています。「当社の画期的なGDDR7コントローラIPソリューションにより、設計者は業界をリードするスループットで、最新世代のGDDRメモリを迅速に活用できるようになります。」 IDCのメモリ半導体担当バイスプレジデント、Soo-Kyoum Kim様からは、「GDDR7メモリはGDDR6と比べて大幅なパフォーマンス向上を実現します。Rambus GDDR7コントローラIPソリューションは、GDDR7が提供する優れた速度とレイテンシのメリットを活用したいすべての人にとって、不可欠なツールとなるでしょう」とコメントを頂いています。 ラムバスGDDR7コントローラの主な機能: PAM3およびNRZシグナリングを含むすべてのGDDR7リンク機能をサポート

耐量子暗号（PQC）とは、量子コンピュータによる攻撃に耐えられるよう設計された暗号アルゴリズムを指します。 量子コンピュータは、最終的には公開鍵暗号（非対称暗号）を破るほど強力になります。公開鍵暗号は、オンライン通信から金融取引まで、あらゆるものを保護するために使用されています。 量子コンピューティングは重大なセキュリティ脅威をもたらすものであり、今すぐにでも耐量子暗号を用いてアプリケーションやインフラを保護するための対策が必要です。 このブログでは、量子コンピュータによる攻撃から守るために設計された新しいアルゴリズムについて、知っておくべきすべてを解説しています。 コンテンツ一覧： 量子コンピューティングとは？ なぜ量子コンピュータはセキュリティ上の脅威なのか？ 耐量子暗号(PQC)とは？ Is 量子安全暗号（Quantum Safe Cryptography）は耐量子暗号（PQC）と同じものですか？ 量子コンピュータがまだ実用化まで時間があるのに、なぜ今すぐ行動する必要があるのか？ 新しいPQCアルゴリズムの開発において、どのような進展があったのか？ CNSA 2.0は、PQCアルゴリズムへの移行に関してどのような推奨をしているのか？ 企業は量子コンピューティング時代に向けてどのように準備すべきか？ Rambusが提供する耐量子暗号IPソリューションにはどのようなものがあるか？ 量子コンピューティングとは 量子コンピューティングは、量子力学を活用して、従来のコンピュータでは不可能なほど高速に特定の複雑な問題を解決します。現在、最も強力なスーパーコンピュータでも数年かかる問題が、量子コンピュータでは数日で解決できる可能性があります。 Source: Quantum Could Solve Countless

ハイライト 統合されたソフトウェアとハ ードウェアのニーズをサポートし、市場投入までの時間を短縮します 事前に統合、検証、認定済みのフル HSM スタック ソリューションでリスクを軽減 ソフトウェア・デファインド・ビークルの安全性とセキュリティの水準を引き上げます 自動車業界は、カスタマーセントリック・モビリティの新たな時代を実現し、自動車業界のステークホルダーに新たなビジネスチャンスと収益源をもたらすソフトウェア・デファインド・ビークル（SDV）への変革を加速させています。しかし、この変革には独自の課題が伴い、ますます複雑化する市場に対応するための革新的なアプローチが求められています。同時に、市場投入までの時間（TTM）の短縮や、市場参入のための規制遵守、安全性とセキュリティの遵守も求められています。 そうしたアプローチの 1 つは、自動車産業のエコシステムでの戦略的コラボレーションです。ETAS と Rambus が、バンドルされたサイバーセキュリティ ソリューションを共同開発して提供すると発表しました。Rambus のハードウェアと ETAS のソフトウェアの専門知識を統合し、次世代の自動車用シリコン設計にセキュアエンクレーブを作成する、この独自の事前統合および事前検証済みのソリューションについて、詳細をお伝えできることを嬉しく思います。 コンテンツ一覧: 車載SoC (System-on-Chip) の課題 車載業界におけるハードウェアセキュリティ 統合型HSMハードウェアおよびソフトウェアスタック – ソリューション ETASとRambusの革新的なiHSMソリューション 車載SoC (System-on-Chip) の課題 車載グレードSoCは、過去10年間でマイクロコントローラベースのチップから、より高度で複雑なマイクロプロセッサベースのSoCへと大きく進化しました。この進化は、多様なユースケースに対応し、カスタマーエクスペリエンスを向上させるための、より高度なコンピューティングへの尽きることのない需要に応えたものです。 ハードウェアアーキテクチャの進歩により、ADAS（先進運転支援システム）、自動化、E/E車両アーキテクチャの変革など、SDV（ソフトウェア・デファインド・ビークル）の実現に必要な機能が大幅に向上しました。SoCレベルでのこの技術進化は、自動車業界に新たな時代をもたらしていますが、同時に課題も伴います。重大な課題の一つは、これらのSoCの多様でヘテロジニアスなアーキテクチャであり、異なるアプリケーション向けに複数のコンピューティング・アイランドが存在します。ハードウェア・アーキテクチャのこの多様性により、自動車OEMやティア1システムエンジニアリングチームにとって、セキュリティ実装はより複雑化し、統合にかかる時間も増大しています。 車載業界におけるハードウェアセキュリティ 過去10年間、自動車業界では、改ざん防止機能を備えた安全な暗号化操作と鍵管理を実現する信頼できるハードウェアプラットフォームとして、ハードウェアセキュリティモジュール（HSM）への依存度が高まっています。HSMは、安全な通信チャネル、データ整合性保護、メッセージ認証、セキュアブートプロセス、システムセキュリティポリシーなど、様々なセキュリティサービスと機能を提供します。 HSMは、改ざん検出と保護、鍵およびセキュリティ資産の安全な保管と取り扱い、サイドチャネル攻撃への耐性といったセキュリティメカニズムを備え、認証されたユーザーアプリケーションを安全に実行します。暗号化アクセラレータモジュール、鍵、メモリ範囲、I/O、その他のリソースへのアクセスはハードウェアによって強制されます。暗号化、署名、認証、鍵生成、導出、保管といった重要な操作は、外部ソフトウェアからのアクセスなしにハードウェア内で実行されます。 当初、HSMはスタンドアロンのセキュアエレメントチップ、またはホストシステムバスに接続されたHSM内蔵の車載マイクロコントローラとして提供されていました。しかし、HSMを取り巻く環境は、現代の車載システムの複雑さの増大、セキュリティ要件の厳格化、そしてパフォーマンスへの要求に応えるべく進化してきました。現在、HSMは車載SoC ICにインスタンス化されたサイロ化されたハードウェアブロック（IP）です。一部のSoCでは、多様なセキュリティユースケースと要求に対応するために、複数のHSM IPブロックが提供されています。 HSMにおけるこの新たなトレンドは、高度にコネクテッドカーにおけるサイバーセキュリティの重要性の高まりを反映しており、同時に、OEMが安全性とセキュリティのコンプライアンスを満たすために、事前に統合、検証、認証されたスケーラブルなソリューションの必要性を後押ししています。合成可能な車載グレードHSMシリコンIPは、効率的かつ効果的なSoC開発のための重要な戦略として浮上しています。

「専門家に聞く」シリーズ、今回のエピソードでは、Rambus LabsのSteven Woo博士が、AI 1.0からAI 2.0へのAIの進化について解説します。Woo博士によると、AI 2.0は、複雑なリクエストを解釈し、テキスト、音声、コード、画像、音楽、動画、3Dモデルなど、幅広い出力を生成できる生成AIです。 AI 2.0は、大規模言語モデル（LLM）とAI技術を用いた新しいコンテンツ生成能力によって実現されました。Woo博士はまた、LLMの学習プロセス（学習セットの準備、モデルアーキテクチャの決定、反復学習、そして微調整）の4段階について詳しく説明しました。 議論はAIの普及にも触れ、Woo博士は半導体業界の進歩により、よりローカルな推論と学習が可能になると予測しました。最後に、Woo博士はAIの未来におけるチップ技術の重要性を強調し、より高速で効率的なプロセッサと、データの移動とセキュリティを確保するための技術の必要性を強調しました。  エキスパート Dr. Steven Woo, Fellow and Distinguished Inventor, Rambus Labs 重要なポイント AI 2.0の進歩：AI 2.0は次世代AI、つまり生成AIです。複雑なリクエストを解釈し、テキスト、音声、コード、画像、動画、さらには3Dモデルなど、幅広いマルチモーダル出力を生成することができます。この進歩は、LLMの急速な規模拡大とそれに伴う機能拡張によって実現されています。 大規模言語モデルのトレーニング: 大規模言語モデルのトレーニングには、適切なトレーニング セットの準備、モデルのアーキテクチャの決定、精度を向上させるための反復トレーニング、精度と有効性を維持するためのモデルの微調整という 4 つのステップが含まれます。 AIの普及：AIの普及は現在、推論分野で進んでおり、LLMはオープンソース化され、数百万人の人々が利用できるようになっています。今後、半導体がより高度化し、価格が手頃になるにつれて、ローカルトレーニングも普及され、携帯電話やノートパソコンなどのデバイスが個々のユーザーのニーズに合わせて自動調整できるようになるでしょう。 AIチップ技術：AI 2.0の主要チップ技術は、より高い電力効率でより高いパフォーマンスを提供する必要があります。これには、より高速で高性能なプロセッシングコア、膨大な量のデータを移動・保護するための技術、そしてより高いデータレートで信頼性の高いデータ伝送を実現する技術が含まれます。