AWS、日本企業のAI利用に伴うワークロードの温室効果ガス排出量削減に貢献

アクセンチュアのテクノロジー・サステナビリティ・イノベーション担当グローバル・リードであるサンジェイ・ポダー（Sanjay Podder）氏は、次のように述べています。「本調査は、AWSがハードウェアや冷却の効率化をはじめ、カーボンフリーエネルギー、カスタムシリコン、最適化されたストレージなどに注力することで、組織による AI と機械学習のワークロードの温室効果ガス削減に貢献できることを示しています。AI の需要が拡大し続ける中、テクノロジーによる持続可能性は、企業がイノベーションを推進しながら環境目標を達成する上で重要な役割を果たすことができます」


持続可能なシリコンチップ技術のイノベーション：カスタムシリコンチップの開発
電力効率向上のために AWS が進めている代表的な取り組みの 1 つが、AWS のカスタムシリコンチップへの投資です。2018 年に発表された Graviton は、AWS の独自設計による汎用プロセッサで、この種のチップとしては初めて、大手クラウドプロバイダーによって大規模に展開されたものです。最新のGraviton4 ( https://www.aboutamazon.com/news/aws/graviton4-aws-cloud-computing-chip
)は初代のGraviton 1 の 4 倍のパフォーマンスを提供し、Graviton3 は同等の EC2 インスタンス（データセンターで計算が行われる）よりも最大 60% 少ない消費電力で同じパフォーマンスを実現できるのに対して、Graviton4 はさらにエネルギー効率を向上します。

生成AI アプリケーションをより持続可能な方法で実行するためには、エネルギー効率の高いハードウェアによるシリコンチップレベルでのイノベーションが求められます。AWS はパフォーマンスやエネルギー消費量を最適化するために、AWS Trainium ( https://aws.amazon.com/jp/machine-learning/trainium/?nc1=h_ls
)（機械学習トレーニング用）やAWS Inferentia(https://aws.amazon.com/jp/machine-learning/inferentia/
)（推論用）などのカスタムシリコンアクセラレーターを開発し、同等の他の高速コンピュートインスタンスよりも大幅に高いスループットを実現しています。AWS Trainium は、生成AI モデルのトレーニングにかかる時間を、数カ月から数時間へと短縮します。Trainium2 は、第 1 世代の Trainium と比べて、最大 4 倍高速なトレーニング性能と、3 倍多いメモリ容量を提供すると同時に、エネルギー効率（ 1 ワットあたりの性能）を最大で 2 倍向上させる設計となっています。AWS Inferentia は、AWSの機械学習推論チップのなかで電力効率が最も高くなっています。Inferentia2 は、類例のものと比べて最大 50% 高いワットあたりの性能を提供し、最大 40% のコスト削減を可能にします。AWS はこうしたカスタムシリコンのアクセラレーターによって大規模な AI モデルのインフラストラクチャの温室効果ガスを削減し、消費電力 1 ワット当たりのパフォーマンスを強化して、効率的に実行できるようにします。