Jingang GC3とは？ RISC-Vとデータフローで動画AIのボトルネックに挑む

Jingang GC3（King Kong GC3）は、SmarCo HT Techが開発したと報じられている動画AI・生成AI向けの専用プロセッサです。動画のデコード、AI推論、動画生成をそれぞれ別のデバイスに任せるのではなく、データフローを軸にしたアーキテクチャで同一プラットフォーム上にまとめることを目指しています。報告されている主な仕様は、12基のRISC-Vコア、200 TOPSのINT8演算性能、128GBのLPDDR5 ECC統合メモリです。35

ただし、GC3を理解するうえで重要なのは、200 TOPSという数値だけではありません。動画処理では、フレーム、モデルデータ、中間結果をプロセッサ間やメモリ間で移動させる作業が、演算そのものと同じように時間や電力を消費することがあります。GC3は、データフローエンジン、共有メモリ、統合された動画・AI処理経路によって、この「データを運ぶコスト」を減らそうとする設計です。

動画AIで問題になる「データ移動」

一般的な動画理解のパイプラインでは、まず動画ストリームをデコードしてフレームに変換し、そのフレームをGPUへ転送して画像認識や推論を実行します。処理するストリーム数が増えると、演算能力だけでなく、フレームの転送や処理段階間の同期がボトルネックになり得ます。3

動画生成でも似た問題が生じます。拡散モデルやTransformerベースのシステムでは、大量のモデルパラメーターに加え、計算途中で生じる中間データを何度も読み書きします。GC3に関する報道では、こうした中間データが数百GB規模に達する場合があると説明されており、繰り返しのメモリアクセスやデバイス間転送が、帯域幅、電力、処理時間の負担になります。3

つまりGC3が狙うのは、単に演算ユニットを増やすことではありません。大規模で並列性の高い処理を、複数の段階に分けて実行・同期する際に発生する調整コストそのものへの対策です。

GC3は何を組み合わせるのか

データがそろった段階で処理を進める「データフロー」

従来型の制御フロー設計では、中央のプロセッサーやスケジューラーが命令を取得・発行し、データはメモリー階層を通って各処理部へ送られます。柔軟性が高い一方で、規則性があり、極めて並列化しやすい動画処理には、中央集権的なスケジューリングが待ち時間や調整負荷を生む場合があります。3

データフロー設計では、処理に必要なデータがそろった時点で、その処理を進める考え方を取ります。理論上は、より多くの並列性を引き出し、中央のスケジューリングや全体同期による待ち時間を減らせます。動画処理では、単一の制御経路に作業を集中させず、複数の処理段階を継続的に稼働させることが狙いです。3

もっとも、これはアーキテクチャ上の目標であり、特定の速度向上を証明するものではありません。現時点で確認できる情報には、特定のCPU、GPU、動画AIプラットフォームとの独立したエンドツーエンド比較ベンチマークは含まれていません。

RISC-Vはプログラム可能な制御層

報告されている構成では、12基のRISC-Vコアがプログラム可能な制御層を担います。動画やAIの処理は専用の経路で実行しつつ、RISC-Vコアが汎用的な制御やスケジューリングを担当する設計です。35

ここでのRISC-Vは、チップ全体の演算を単独で担うものとして説明されているわけではありません。データフローエンジンや専用の動画・AI機能と連携し、汎用性が必要な制御はRISC-Vに、高スループットの処理は専用ハードウェアに振り分けます。

CPU・VPU・GPU・NPUで共有する128GBメモリ

GC3は、CPU、VPU（動画処理ユニット）、GPU、NPU（ニューラルネットワーク処理ユニット）の各経路が、128GBのLPDDR5 ECC統合メモリを共有すると報告されています。35 その狙いは、CPU用メモリとGPU用メモリの間でデータをコピーする必要性を減らすことです。

共有プールを利用できれば、デコード済みのフレーム、モデルの重み、中間テンソルを、複数の処理ブロックから同じメモリ領域で扱いやすくなります。ECC（誤り訂正機能）はメモリのエラー検出・訂正に関わる仕組みで、RISC-VプロセッサーにECC保護メモリを組み合わせて耐障害性を高める研究もあります。1

ただし、統合メモリにしたからといって、帯域幅の制約がなくなるわけではありません。実際の効果は、メモリ帯域、ソフトウェアスタック、スケジューリング、対象ワークロードによって変わります。

動画の入出力とAI処理を同じ基盤に統合

報告されているGC3の設計では、動画のエンコード・デコードとAI演算を同じプラットフォームに組み込みます。35 これにより、動画を取り込んで理解する処理や、生成したコンテンツをエンコードする処理を、より直接的につなぐことを目指します。

想定される処理の流れは次のとおりです。

• プラットフォーム上で動画をデコードする
• フレームを必要なAI処理経路から利用できる状態に保つ
• 別デバイスとの境界を何度もまたぐことなく、理解や生成を実行する
• 同じ統合システム上で出力をエンコードする

これは、すべての処理を一つの不可分なステップで実行するという意味ではありません。従来なら別々のプロセッサーやメモリーシステムの間で発生していた、不要な受け渡しを減らすという意味です。

コスト、電力、遅延をどう減らすのか

GC3が掲げる経済的な効果は、アーキテクチャから直接導かれます。データのコピー、メモリへの往復、デバイス間同期の回数を減らせれば、計算よりもデータ移動に費やされていた時間と電力を抑えられる可能性があります。複数ストリームの動画理解、ローカル動画処理、大規模な中間テンソルを扱う動画生成などが想定される用途です。3

期待される効果は、大きく次の3点に整理できます。

• 遅延: デコード、AI処理、エンコード間の転送が減れば、入力フレームから結果までの経路を短くできる可能性があります。
• 電力: データ移動を減らすことで、メモリアクセスやインターコネクト通信に使うエネルギーを抑えられる可能性があります。
• コスト: 一つの統合プラットフォームで処理できれば、複数の専用デバイスを組み合わせて運用するための設備・管理負担を減らせる可能性があります。

ただし、これらは公開情報で説明されている設計目標であり、独立検証済みの結果ではありません。利用可能な資料は主な仕様とアーキテクチャ上の狙いを示していますが、動画1本あたりの費用、1ストリームあたりの消費電力、エンドツーエンドの処理時間がどれだけ下がるかまでは確認できません。

仕様の数字から分かること、分からないこと

200 TOPSという数値はINT8でのAI演算能力を示すもので、実際のアプリケーション性能を保証するものではありません。動画AIのスループットは、モデルとの互換性、計算精度、メモリ帯域、コンパイラーやランタイムの対応、動画形式、バッチサイズ、同時ストリーム数、データフロースケジューラーの性能にも左右されます。

同様に、128GBの統合メモリは大規模モデルや中間データを収めるうえで有利になり得ますが、容量だけで特定の動画生成モデルを効率的に動かせると判断することはできません。実際のメモリトラフィックとソフトウェア対応が重要です。

まとめ

Jingang GC3は、動画AIの処理経路を「データをできるだけ近くに置く」という発想で再設計しようとする専用チップと見るのが適切です。報告されているデータフロー実行、RISC-V制御コア、CPU・VPU・GPU・NPUの統合経路、128GBの統合メモリは、従来のCPUとGPUを組み合わせた構成で課題になり得るデータ転送や同期の壁に対応することを狙っています。35

ハードウェアとソフトウェアが想定どおり機能すれば、複数ストリームの動画理解や動画生成をより効率化できる可能性があります。ただ現段階で最も慎重に言えるのは、GC3が有力な設計方針とメーカー報告の仕様を提示しているということです。コスト、消費電力、遅延が実際にどれだけ低下するかを示す、独立した検証結果までは確認されていません。