AIエージェントがCUDAのライバルを構築する可能性、しかしNvidiaも指をくわえて見ているわけではない

Nvidiaの強みはGPUアクセラレータだけではなく、CUDAソフトウェアプラットフォームにもあります。このプラットフォームには、一般的なAIタスク用の既製コード、デバッグツール、モデルトレーニング中に数千ものチップを連携させるアプリケーションが含まれています。CUDAが何百万行ものコードとワークフローに深く組み込まれていることは強力なロックイン効果を生み出し、代替手段の採用を困難でコストのかかるものにしています。例えば、Amazonの内部文書では、自社のAIチップであるTrainiumとInferentiaの採用における主な障壁としてCUDAが挙げられています。しかし、一部の専門家は、AIが歴史的に困難なタスクであるシステムソフトウェアの作成を自動化できると主張しています。元Google Brainの研究者でAIソフトウェアスタートアップInfinityの創業者であるJeremy Nixon氏は、自社がAIエージェントを使ってD-Matrix向けのCUDA類似ソフトウェアをわずか10時間で構築したと述べ、Nvidiaからの脱却におけるこの障壁は克服可能であることを示しました。OpenAIとAnthropicも、システムソフトウェアを生成できるAIモデルを示しており、DeepSeekの創業者であるLiang Wenfeng氏は、AIエージェントと自社のプログラミング言語TileLangがAIソフトウェアの作成を大幅に簡素化したと述べています。Nvidiaはこれに対し、開発者はAIアプリケーション向けにCUDAコードライブラリをますます使用しており、自社もCUDAの開発と検証を加速するためにソフトウェアAIエージェントを使用していると反論しています。同社は、AIが推論とエージェント型ワークロードに移行するにつれて、深いフルスタック最適化の必要性が高まり、統合されたハードウェアとソフトウェアの価値が高まると指摘しています。しかし、AIソフトウェアスタートアップINT21の創業者であるBing Xu氏は、CUDAの成熟した検証ツールやその他の機能のエコシステムがプログラミングエージェントの効率的な作業を支援し、次の防御的障壁となると述べています。エージェントは大量のコードを迅速に生成できますが、検証がボトルネックであると同氏は述べています。AIが競合他社の追い上げに役立つ一方で、Nvidiaも同じ技術的進歩の恩恵を受けており、同チップメーカーは眠っているわけではないとXu氏は付け加えました。ModularのCEOであるChris Lattner氏は、コードを書くことは、産業用途向けの最適化のようなより困難なタスクと比較して、ソフトウェア開発のほんの一部に過ぎないと指摘しました。