速顕微のTUCAとTH1100、「レンダリング先行」で挑むフィジカルAI

速顕微（Suxian Micro）は、IoTや車載向けのグラフィックス／表示プロセッサから、具身知能（embodied intelligence）向けハードウェアへ軸足を広げようとしている。天津での発表の中心は、統合異種コンピューティングアーキテクチャ「TUCA」と、同社が初のエッジAI推論チップと位置付けるGPGPU SoC「天衡 TH1100」だった。

この発表の重要性は、現時点では実測性能の優位性というより、製品ロードマップとプラットフォーム戦略にある。第三者が再現可能なベンチマークや詳細仕様は、なお限定的だ。4

表示向けエッジチップからAI計算へ

今回の方向転換を理解するには、同社の従来製品を見る必要がある。速顕微によると、GC9002とGC9005は2023年に機能検証を完了。GC9002は低消費電力、GC9005はより高性能なIoT表示用途を主な対象とする。GC9005はデュアル32ビットRISC-Vコア、グラフィックスコア、NPUを統合し、最大3840×2160の表示出力に対応するとされる。7

パートナー企業の発表では、GC9005は統合メモリ、2.5Dグラフィックスアクセラレーション、マルチメディア機能、深層学習アクセラレータを備えるグラフィックス重視のMPUと説明されている。エッジ側での音声認識や顔検出といった用途も想定される。16

速顕微の現在の発想は、AIアクセラレーションを従来事業と切り離した新規分野として始めるのではなく、グラフィックス、視覚的なユーザーインタラクション、エッジシステム統合の蓄積から拡張する、というものだ。

「レンダリング先行、AI後続」とは何か

同社は戦略を「render-first-then-AI」、すなわちレンダリングを先に確立し、その上にAIを載せるという考え方で表現している。ロボット、インテリジェントビークル、産業用エッジ機器といったフィジカルAIでは、モデル推論だけでなく、リアルタイムの視覚処理と応答性の高い異種コンピューティングが不可欠だ、という主張である。

同社はこの道筋を、NVIDIAがグラフィックスから汎用GPUコンピューティング、さらにAIへと展開してきた流れになぞらえる。グラフィックスで培うプログラマブルな並列計算、開発ツール、ソフトウェア基盤が、後からAIワークロードを追加する土台になるという位置付けだ。4

もちろん、レンダリングだけで具身知能が実現するわけではない。同社の主張は、フィジカルAIを導入する企業が必要とするのは、単一のピーク演算性能ではなく、認識、可視化、制御、モデル配備、デバイス統合までを扱える実用的なスタックだ、という製品ポジショニングといえる。

速顕微が打ち出す3つの技術要素

同社はフィジカルAI戦略において、相互に関連する3技術を前面に出している。ただし、以下の利点は詳細な技術資料と再現可能な検証が出るまでは、ベンダー側の説明として読む必要がある。

フルスタックGPU IP

速顕微は、GPU IPからシステムソフトウェア、開発ツールまでを垂直統合で開発するスタックを掲げる。既存の公式サイトではGC9000シリーズ向けに、製品選定資料、SDK、チップサポートパッケージ、データシート、開発ツールなどを提供しており、ソフトウェア支援は従来製品でも重視されてきた。3

新AIプラットフォームでは、ハードウェア、コンパイラ、ランタイム、ドライバ、OS対応、アルゴリズム、用途別ソリューションを協調させることが目標とされる。グラフィックス、ビジョン、推論を組み合わせる製品開発で、統合作業や移植作業を減らせる可能性がある。4

チップ内の演算・記憶融合

「チップ内演算・記憶融合」は、演算ユニットと外部メモリの間を行き来するデータ量を減らす狙いの技術として説明される。エッジ推論ではメモリトラフィックが、遅延、消費電力、システム設計の制約に直結するためだ。速顕微は、記憶と計算の局所性を高めることで、この問題に対応するとしている。4

AI ROM

AI ROMは、選択したモデルのパラメータや重みをチップ内の不揮発性ストレージに置く方式として示されている。速顕微は、ストレージコストと消費電力を抑えつつ、トークン出力の改善につながるとしている。4

一方で設計上のトレードオフもある。固定的なオンチップストレージに重みを保持すれば、用途を絞った配備では有利になり得る反面、容易に差し替えられる外部メモリにモデル全体を置く場合より柔軟性は低くなり得る。同社は、容量、更新方法、対応モデル形式、実効性能への寄与を独立評価できるだけの技術詳細を、まだ公表していない。

TUCA：ハードウェアをつなぐソフトウェア層

TUCAは「Thorsianway Unified Computing Architecture」の略で、GPGPU、AIアクセラレータ、異種コンピューティングハードウェアをまたぐ共通レイヤーとして提案されている。同社によれば、アプリケーション開発、演算子コンパイル、ランタイムスケジューリング、ハードウェア実行までの一連の流れをカバーする。4

狙いは、アクセラレータごとに別々の低レベルツールチェーンを組み立てるのではなく、モデルと計算ワークロードをより統一的に展開できるようにすることだ。コンパイラ、ランタイム、モデル最適化、異種システム統合に詳しい人材が社内に十分いない産業分野では、とりわけ重要になる。

開発者向け環境としては、TUCA Playgroundも紹介されている。アプリケーションやモデルの導入、コンパイルと配備、実行状況の観測、リソース管理を支援する役割が想定される。4

TH1100で分かっていること、分かっていないこと

天衡TH1100は、新ラインの最初のチップであり、具身知能のエッジAI推論向けに位置付けられる。発表時に示された主要な数値は、AI演算性能100 TOPSだ。速顕微はFP16対応、演算・記憶融合、総パラメータ数350億・トークン当たりの有効化パラメータ数30億のスパースMoE言語モデル（35B-A3B）の配備とも関連付けている。4

35B-A3Bという表記は一般に、総パラメータ数がおよそ350億でありながら、各トークンで有効化されるパラメータはおよそ30億であることを示す。総パラメータ数が同程度の密なモデルと比べ、実際に動く計算量を抑えられる可能性がある。ただし、それだけで特定デバイスのスループット、レイテンシー、必要メモリ容量、消費電力が決まるわけではない。4

発表の数字と同じくらい重要なのが、未開示の情報だ。公開されたローンチ報道には、TH1100のコア数、FP16スループット、メモリ容量、メモリ帯域、消費電力枠、量子化方式、コンテキスト長、バッチサイズ、実測トークン毎秒を網羅した信頼できる仕様表は見当たらない。詳細データシートと再現可能なベンチマーク構成が公開されるまでは、100 TOPSを他社アクセラレータの実ワークロード性能と単純比較すべきではない。4

TH1800とTH24K0のロードマップ

速顕微は、TH1800を2027年末、TH24K0を2028年に投入する計画を示している。いずれも、より大規模な具身AIや言語モデル計算層を対象とし、高性能GPUとの競争や大規模フィジカルAIシステムへの展開を視野に入れたものだ。4

ただし、これは意欲を示すロードマップであって、実証済みの性能ではない。評価する際には、将来の競争目標と、第三者測定を伴う出荷済みハードウェアを明確に分ける必要がある。

なぜ天津なのか、なぜフルスタックなのか

天津での本社発表は、単なる所在地変更以上の意味を持たせようとしている。同社の見立てでは、商用化には北京・天津・河北地域の製造業、自動車、ロボティクス、研究、導入パートナーとの近さが重要になる。4

そのため同社の提案は、プロセッサ単体の販売にとどまらない。AIシステムの深い専門知識を持たない顧客に対し、チップ、アルゴリズム、ツール、リファレンスデザイン、用途別の提供を組み合わせることを強調する。また、輸入チップの入手性やサプライチェーンの不確実性に対応する観点から、国内で管理可能な技術と供給体制も訴求している。4

結論：差別化の焦点は「性能値」より導入基盤

速顕微の現時点での差別化は、十分に文書化された性能首位ではない。エッジグラフィックスの経験、異種コンピューティング向けソフトウェア、メモリ転送を意識した設計、導入支援を一体化し、フィジカルAIのためのプラットフォームにしようとする点にある。

TH1100の100 TOPSとTUCAの発表は、その戦略を具体的な製品計画に落とし込んだものだ。だが、本当に重要な問い――実際の推論速度、メモリ構成、電力効率、モデル互換性、開発環境の成熟度、量産・供給状況――に答えるには、今後の製品資料と独立検証が必要になる。4