■ 1. 背景: AIの電力・コスト問題
- 生成AIは学習・推論において膨大な計算を要し、中心にあるGPUは高性能だが消費電力も大きい
- AI業界の課題は「モデルの高性能化」だけでなく、電力と設備コストへと移ってきている
- 高性能GPUを大量に並べる方式では、電力・冷却・設置面積・設備投資の負担が増大する
- 現在の機械学習はGPUに合わせて進化してきた仕組みであり、計算需要は決定論的処理から確率的処理へ、性能制約からエネルギー制約へと移行しつつある
■ 2. Extropicの概要
- 2022年創業、2023年12月に1410万ドルのシード資金を調達
- GPUの改良ではなく、生成AIに必要な計算そのものを作り直す「熱力学コンピューティング」を提唱
- 通常のデジタル計算機が0か1を厳密に固定して計算するのに対し、回路の揺らぎを計算資源として利用する
- ハード・アルゴリズム・ソフトウェアを並行して外部に示しており、単なる研究アイデアの段階を超えている
■ 3. 中核技術: p-bitと確率回路
- p-bit（確率ビット）:
- 普通のビットが「0か1かが決まったスイッチ」であるのに対し、「0と1の間を行き来しながら、どちらに寄りやすいかを調整できるスイッチ」
- 従来の計算機がノイズを減らそうとしてきたのに対し、揺らぎを計算資源として利用する点が異なる
- 確率回路の種類:
- PBIT: 0か1を指定した確率で出し分ける最も基本的な回路（重み付きコインに相当）
- PDIT: 複数の離散的な候補から確率に応じて選ぶ回路（重み付きサイコロに相当）
- PMODE: 連続的な値をとるガウス分布（山形の分布）を表現する回路
- PMOG: 山が複数ある複雑な分布を扱う回路
- 確率的な選択をデジタル計算であとから作るのではなく、回路そのものの動きとして直接実現することを目指す
■ 4. ハードウェアロードマップ
- X0:
- 2025年Q1のシリコン試作
- 単純な確率分布からサンプルを生成する高効率な確率回路の製造可能性を実証
- XTR-0:
- 2025年Q3の実験・研究プラットフォーム
- Extropicのチップと従来型プロセッサを低遅延で接続し、超高効率なAIアルゴリズムを開発する基盤
- Z1:
- 2026年early access予定の初の量産規模チップ
- 1チップあたり数十万、1カードあたり数百万の確率回路を搭載
- 標準的なCMOSプロセスでの量産が可能
■ 5. ソフトウェア・アルゴリズム基盤
- TSU（Thermodynamic Sampling Unit）:
- 複雑な確率分布から直接サンプルを出すことを目的とした装置
- 従来は大量の行列計算で確率表を作ってからサンプリングするのに対し、確率的な選択をハードウェアの中心に置く
- DTM:
- 拡散モデルに近い発想で、ノイズから少しずつ意味のあるデータを取り出す生成方式
- 普通の拡散モデルがGPU上の大量のデジタル計算と疑似乱数に頼るのに対し、TSUの確率的性質を前提に設計
- THRML:
- 熱力学コンピューティング向けアルゴリズムをGPUなど既存環境上で試すためのオープンソース開発基盤
- GitHubで公開済みであり、外部から触れられる状態にある
■ 6. 技術的ブレークスルー
- TSUによるサンプリング装置の発想:
- 確率的な選択をハードウェアの中心に置く設計思想
- 従来の行列計算によるサンプリングとは異なるアプローチを取る
- 量産を見据えた実装可能性:
- p-bitをトランジスタだけで構成でき、小さく・省エネで・既存回路と統合しやすい
- 標準的なCMOSプロセスでの量産が可能であり、研究室のデモにとどまらない
- ハードとアルゴリズムの一体設計:
- TSU・DTM・THRMLをセットで開発・公開
- 小規模生成AIベンチマークにおいて、TSU上のDTMがGPUベース手法より最大約10,000倍高いエネルギー効率になりうるとの分析結果がある（ただし特定条件下での分析であり、大規模商用基盤モデルを実運用で置き換えた実証ではない）
■ 7. 実用化に向けた課題
- スケールの課題:
- 小規模での成果が大規模システムへの拡張時に維持できるかどうかが不明
- 量産時の歩留まり（正常動作するチップの割合）・配線・発熱・制御の複雑さが障壁となる
- ソフトウェアエコシステムとの接続:
- 現在のAI開発はCUDA等GPU前提の巨大なエコシステム（開発ツール・ライブラリ・人材・運用ノウハウ）上で動作する
- THRMLの公開はこの問題への対策だが、まだ出発点にすぎない
- 「使ってみたい技術」から「導入できる技術」への転換が必要
- 用途の見極め:
- あらゆる計算でCPUやGPUを置き換えるものではなく、確率分布を扱う処理・サンプリングが重い処理・生成や推定の処理との相性が良いと考えられる
- 気象など複雑系を扱う分野への応用可能性もある
- 最初の勝ち筋は「特定の確率的ワークロードで圧倒的に省エネ」という狭く深い突破口になる公算が大きい
■ 8. 確定点と未確定点の整理
- 確定している事実:
- 2025年10月に熱力学コンピューティングの全体像（TSU・DTM・THRML・XTR-0）を公表
- X0（2025年Q1シリコン試作）・XTR-0（実験プラットフォーム）・Z1（2026年early access）というロードマップを明示
- THRMLをGitHubで公開し、外部から利用可能な状態にある
- 2023年のシード調達以降、ハード・アルゴリズム・ソフトウェアを並行して外部に示している
- 未確定な点:
- 大規模商用AIの現場でGPUの代替・補完として機能できるかどうか
- 小規模ベンチマークでの約10,000倍のエネルギー効率向上が実運用規模に適用できるかどうか
- Z1のearly access（2026年）における量産出荷完了や大規模顧客への本格導入の実現可否
- 現時点でのExtropicの位置付け: 技術的な成立可能性と初期ロードマップを市場に示した段階であり、商用スケールで勝ち筋が実証された段階ではない
■ 9. 今後の焦点
- XTR-0やTSUの考え方が試作にとどまらず、大きな規模へ拡張できるかどうか
- THRMLを起点に外部の研究者や開発者が参加し、技術の土台が広がるかどうか
- 画像生成・気象・科学計算のような確率的処理が重い分野で、最初の具体的な実用価値を示せるかどうか
- これら三点が実現すれば「面白い技術」から「業界の現実的な選択肢」へ進む可能性があり、実現しなければ高く評価されながらも広くは採用されない技術にとどまる