日本語版
最新ニュース
科学&テクノロジー

Phison は、3 倍規模の AI モデルを可能にするソフトウェアとハ​​ードウェアの組み合わせにより、コンシューマ PC 上で 10 倍高速な AI 推論をデモ – Nvidia、AMD、MSI、Acer システムは aiDAPTIV+ でデモ

CES 2026 で、ファイソンは、aiDAPTIV+ ソフトウェア/ハードウェア コンボを搭載し、専用のテクノロジー スイートを使用しない場合に比べて最大 10 倍高速に AI 推論を実行するコンシューマー PC をデモしました。 Phison が 2024 年半ばに aiDAPTIV+ テクノロジを導入したとき、NAND メモリは基本的に DRAM と並んでマネージド メモリ層に変換され、十分な DDR5 および/または HBM メモリを持たないシステム上で大規模な AI モデルをトレーニングまたは実行できるようになりました。しかし当時は、それは単に企業を対象とした概念実証にすぎませんでした。 2026 年初頭までに、このテクノロジーの位置づけは変わり、現在、Phison は、このテクノロジーがクライアント PC 上の AI 推論モデルを可能にし、ユースケースが広く拡大するものと考えています。それで、通常、推論中にトークンが GPU のキー/値 (KV)…

Phison は、3 倍規模の AI モデルを可能にするソフトウェアとハ​​ードウェアの組み合わせにより、コンシューマ PC 上で 10 倍高速な AI 推論をデモ – Nvidia、AMD、MSI、Acer システムは aiDAPTIV+ でデモ

CES 2026 で、ファイソンは、aiDAPTIV+ ソフトウェア/ハードウェア コンボを搭載し、専用のテクノロジー スイートを使用しない場合に比べて最大 10 倍高速に AI 推論を実行するコンシューマー PC をデモしました。 Phison が 2024 年半ばに aiDAPTIV+ テクノロジを導入したとき、NAND メモリは基本的に DRAM と並んでマネージド メモリ層に変換され、十分な DDR5 および/または HBM メモリを持たないシステム上で大規模な AI モデルをトレーニングまたは実行できるようになりました。しかし当時は、それは単に企業を対象とした概念実証にすぎませんでした。 2026 年初頭までに、このテクノロジーの位置づけは変わり、現在、Phison は、このテクノロジーがクライアント PC 上の AI 推論モデルを可能にし、ユースケースが広く拡大するものと考えています。それで、

通常、推論中にトークンが GPU のキー/値 (KV) キャッシュに収まらなくなると、古い KV エントリが削除されるため、モデルがそれらのトークンを再び必要とする場合 (長いコンテキストまたはエージェント ループの場合)、GPU はそれらのトークンを最初から再計算する必要があり、メモリ容量が限られているシステムでは AI 推論が非効率的になります。ただし、Phison の aiDAPTIV+ スタックを搭載したシステムでは、GPU の KV キャッシュに収まらなくなったトークンはフラッシュに書き込まれ、将来の再利用のために保持されるため、多くの場合メモリ要件が削減され、最初のトークンまでの時間 (応答の最初のワードを生成するのにかかる時間) が大幅に増加します。

あなたは好きかもしれません

画像 1/10

(画像クレジット: Tom’s Hardware)Phison の aiDAPTIV+ のデモンストレーション。(画像クレジット: Tom’s Hardware)Phison の aiDAPTIV+ のデモンストレーション。(画像クレジット: Tom’s Hardware)Phison の aiDAPTIV+ のデモンストレーション。(画像クレジット: Tom’s Hardware)Phison の aiDAPTIV+ のデモンストレーション。(画像クレジット: Tom’s Hardware)Phison の aiDAPTIV+ のデモンストレーション。(画像クレジット: Tom’s Hardware)Phison の aiDAPTIV+ のデモンストレーション。(画像クレジット: Tom’s Hardware)Phison の aiDAPTIV+ のデモンストレーション。(画像クレジット: Tom’s Hardware)Phison の aiDAPTIV+ のデモンストレーション。(画像クレジット: Tom’s Hardware)Phison の aiDAPTIV+ のデモンストレーション。(画像クレジット: Tom’s Hardware)

Phison の内部テストによると、aiDAPTIV+ は推論応答時間を最大 10 倍高速化し、電力消費を削減し、ノート PC の最初のトークンまでの時間を改善できます。明らかに、モデルが大きくなり、コンテキストが長くなるほどゲインも高くなるため、このテクノロジーは専門家の混合モデルやエージェント AI ワークロードに特に関連します。 Phison 氏は、非アクティブなパラメータはメイン メモリに常駐するのではなくフラッシュに保持されるため、従来のアプローチでは約 96 GB 必要となるのに対し、1,200 億パラメータの MoE モデルは 32 GB の DRAM で処理できると主張しています。

Phison の aiDAPTIV+ スタックには、Phison の高度なコントローラー、特別なファームウェア、およびソフトウェアに基づいた AI 対応 SSD (または SSD) が含まれていることを考えると、テクノロジーの実装は非常に簡単になるはずです。これは、この機能の使用に関心のある PC メーカー、付加価値再販業者、中小企業にとって重要であるため、多くの企業が開発者やパワー ユーザー向けのプレミアム モデルでこのテクノロジを実際に使用すると予想するのが自然です。 Phison にとって、これはコントローラーの使用量と、パートナーへの aiDAPTIV+ スタックの販売による追加収益を意味します。

Google の優先ソース

フォローする Google ニュースの Tom’s Hardware、 または 私たちを優先情報源として追加してください、フィードで最新のニュース、分析、レビューを入手します。

#Phison #は3 #倍規模の #モデルを可能にするソフトウェアとハードウェアの組み合わせによりコンシューマ #上で #倍高速な #推論をデモ #NvidiaAMDMSIAcer #システムは #aiDAPTIV #でデモ

執筆者について: nipponese

Nipponese News編集部は、国内外のニュースを日本語で分かりやすくお届けします。