RAISEサミットで見逃せなかった3つの洞察

エージェンティック推論は、AIインフラストラクチャの重心を再形成しています。トレーニングのスケール拡大競争から、コンテキストウィンドウの拡大、メモリ拡張推論、GPUへの継続的なデータ供給の必要性へと焦点が移っています。企業がエージェントシステムを深く導入するにつれて、ストレージはAIパフォーマンスのクリティカルパスに浮上しています。

RAISEサミットでは、業界リーダーが3つの重要な洞察を明らかにしました。

洞察1：エージェンティック推論がAIスタック全体の専門化を推進。 AMDは、個々のチップに焦点を当てるのではなく、CPU、GPU、アダプティブコンピューティング、ネットワーキング全体を最適化して多様なAIワークロードに対応しています。ROCmソフトウェアスタックは、データセンタークラスター、エッジ展開、AI対応PCに一貫したレイヤーを提供します。Tensordyneは、Napier推論チップにパレート対数記数法を採用し、乗算を加算に置き換えて消費電力を大幅に削減します。d-Matrixは、CorsairアクセラレータとNvidia HopperおよびBlackwell GPUをペアリングし、計算負荷の高いプリフィルとレイテンシーに敏感なトークン生成の異なる要件に対応するヘテロジニアス推論を実現します。

洞察2：ストレージがAIメモリの能動的な拡張に。 エージェンティック推論では、個々のプロンプトが長時間のセッションに拡張され、コンテキストデータ量がGPUメモリを超える可能性があります。ハイパースケーラーは、従来のインフラを大容量ソリッドステートストレージに置き換え、アクセラレータの近くに配置しています。SolidigmのAI中央ラボは、実際のハードウェアとソフトウェアで実際のワークロードを実行し、ストレージ性能を検証します。高密度SSD構成は、ラックスペースを削減してストレージ消費電力を低減します。

洞察3：資本とデータ主権がAIインフラストラクチャの一部に。 エージェンティック推論プロジェクトには、電力とGPUだけでなく、資金調達のボトルネックも存在します。Argentum AIは需要優先モデルを採用し、顧客を獲得してから資本をコミットし、契約収入を建設の支援に活用します。データ主権は、コンプライアンス問題からアーキテクチャ問題へと変化しており、領域、運用、スタック、法律、ユニットエコノミクスに及びます。知識グラフは、確率モデルに加えて決定論的な意思決定を可能にし、一貫したビジネスルールと説明可能性を提供します。

これらの洞察は、エージェンティック推論が純粋な計算から専門的なアーキテクチャ、メモリとストレージ、資本展開、企業データ主権への拡張を推進していることを示しています。ストレージは受動的なコンポーネントからシステムメモリの拡張へと変わり、資本とデータ主権はインフラストラクチャ決定の中心的な部分となっています。

（本記事はRAISEサミットの報道に基づき、SiliconANGLEの内容を一部引用しています。）