TSingway（北京清微智能科技）と北京智源人工智能研究院（BAAI）は、3次元演算チップ向けのプログラミングモデルおよびソフトウェアフレームワーク、Open3D-PIMCをオープンソースとして公開した。異種AIハードウェア向けオープン基盤「FlagOS」のスタックに位置付けられ、アクセラレータごとに別々のソフトウェアを用意する状況を変えるための、開発者向け共通レイヤーを目指している。1

解こうとしているのは「チップごとに別のソフト」という問題

AIアクセラレータでは、メモリ内演算（compute-in-memory）、チップレット、再構成可能ロジックを組み合わせる設計が増えている。演算器とデータを置くメモリの距離を縮め、データ移動に伴う帯域の制約や消費電力を抑えることが狙いだ。1

ただし、ハードウェアの多様化はソフトウェアの分断も招く。命令セット、メモリの振る舞い、実行モデルがチップごとに異なれば、同じAIワークロードを移植・最適化する作業をベンダーごとに繰り返すことになりかねない。

Open3D-PIMCが掲げるのは、この「1チップ、1ソフトウェアスタック」という状態からの脱却だ。3D演算ハードウェアに共通のプログラミング方式を提供することを目標としている。1

開発者は何を書くのか

Open3D-PIMCでは、開発者が主に次の2点を記述する。

• データの分散・レイアウト：データをどこに配置し、どのように構成するか
• タスク分割：利用可能な演算リソースへ処理をどう割り振るか

フレームワークは、その記述を対象デバイス向けにマッピングし、最適化することを想定する。各チップの専用命令セットやマイクロアーキテクチャの機能はプラグインに保持できるため、チップベンダーは独自技術を守りつつ、開発者にはより一貫したインターフェースを示せるという設計だ。1

この分離がうまく機能すれば、新しいアクセラレータへワークロードを持ち込む負担は下がる。ただし、機能が動くことと、移植後も十分な性能が出ることは別問題である。実際の性能移植性は、プラグインとコンパイラ・バックエンドの品質に左右される。

FlagOSの中での位置付け

BAAIが主導するFlagOSは、異種AI演算基盤のためのオープンなインフラ構想だ。大規模モデルを、異なるAIチップ上で使いやすくする中間ソフトウェア層として説明されている。35

Open3D-PIMCは、この方向性を3D演算チップへ広げるものといえる。FlagOSは、GPU、NPU、GPGPU、DSA、RISC-V AIデバイス、Arm系アーキテクチャまでを対象に、「一度開発すれば多くのチップで動かす」という目標を掲げている。1

FlagOS側は、20社を超えるチップベンダーの30種類超のAIチップに対応し、主流の大規模モデルなら複数チップ向けの立ち上げを1日以内に行えるとしている。ただし、これはFlagOSエコシステム全体に関する説明であり、Open3D-PIMCがすべての対応デバイスで同等の正確性や性能を達成したことを独立に示す証拠ではない。1

TSingwayのハードウェアとQwenでの検証主張

TSingwayは、第2世代の再構成可能プロセッサを、3Dメモリ内演算の統合、チップレット実装、再構成可能コンピューティングを組み合わせた、同フレームワークの対象カテゴリのハードウェア例として提示している。一方のBAAIは、Open3D-PIMCを3D演算チップ向けオープンコンパイラ基盤を構築する取り組みの一部と位置付ける。1

公開に関する報道では、FlagOSが2026年8月、AlibabaのQwen3.8-2.4T-A95Bについて、9つのAIチッププラットフォームでリリース当日の適応検証を完了したとしている。このモデルは総パラメータ数2.4兆、推論時のアクティブパラメータ数950億のオープンウェイトMoE（Mixture of Experts）モデルだ。118

これは、FlagOS全体が迅速なモデル立ち上げを目指していることを示す材料にはなる。一方で、Open3D-PIMC単体のコンパイラ移植性、レイテンシー、消費エネルギー、信頼性を、3Dハードウェア間で再現可能な形で比較したベンチマークではない。

確認できることと、まだ分からないこと

現時点で確認できるのは、Open3D-PIMCがオープンソースとして公開され、設計者が新しいAIアクセラレータ群に共通の抽象化レイヤーを作ろうとしている点だ。1

一方、実用段階を判断するには、次の論点が残る。

• 初期参加者以外のチップメーカーが、実運用品質のプラグインを提供・維持するか
• 大きく異なるアーキテクチャ間でも、アプリケーションが競争力のある性能を保てるか
• デバッグ、障害対応、プロファイリング、長期保守のツール群がどこまで整うか
• ベンダー横断の正確性、スループット、レイテンシー、電力効率について、独立かつ再現可能な検証結果が出るか

開発チームは、標準化、複数ベンダーへの対応、開発者ツールの改善を続け、2026年第4四半期には追加の3Dチップ最適化結果を示す計画だとしている。1

結論：有望な入口だが、成熟した共通ランタイムとはまだ言えない

Open3D-PIMCは、3D AIハードウェア向けのオープンな入口であり、共通コンパイラ／フレームワーク層の提案として捉えるのが適切だ。開発者はワークロードを高い抽象度で記述し、チップ固有の複雑さはベンダープラグインが担う――その発想自体は、メモリ内演算やチップレット型アクセラレータにとって重要である。

しかし、オープンソース公開や広いエコシステム対応の主張は、そのまま成熟したマルチベンダー運用の実証を意味しない。今後の決め手は、外部からの継続的な貢献と、実際に異なるチップをまたぐ透明性の高いベンチマークになる。1

TSingway（北京清微智能科技）と北京智源人工智能研究院（BAAI）は、3次元演算チップ向けのプログラミングモデルおよびソフトウェアフレームワーク、Open3D-PIMCをオープンソースとして公開した。異種AIハードウェア向けオープン基盤「FlagOS」のスタックに位置付けられ、アクセラレータごとに別々のソフトウェアを用意する状況を変えるための、開発者向け共通レイヤーを目指している。1

解こうとしているのは「チップごとに別のソフト」という問題

AIアクセラレータでは、メモリ内演算（compute-in-memory）、チップレット、再構成可能ロジックを組み合わせる設計が増えている。演算器とデータを置くメモリの距離を縮め、データ移動に伴う帯域の制約や消費電力を抑えることが狙いだ。1

ただし、ハードウェアの多様化はソフトウェアの分断も招く。命令セット、メモリの振る舞い、実行モデルがチップごとに異なれば、同じAIワークロードを移植・最適化する作業をベンダーごとに繰り返すことになりかねない。

Open3D-PIMCが掲げるのは、この「1チップ、1ソフトウェアスタック」という状態からの脱却だ。3D演算ハードウェアに共通のプログラミング方式を提供することを目標としている。1

開発者は何を書くのか

Open3D-PIMCでは、開発者が主に次の2点を記述する。

• データの分散・レイアウト：データをどこに配置し、どのように構成するか
• タスク分割：利用可能な演算リソースへ処理をどう割り振るか

フレームワークは、その記述を対象デバイス向けにマッピングし、最適化することを想定する。各チップの専用命令セットやマイクロアーキテクチャの機能はプラグインに保持できるため、チップベンダーは独自技術を守りつつ、開発者にはより一貫したインターフェースを示せるという設計だ。1

この分離がうまく機能すれば、新しいアクセラレータへワークロードを持ち込む負担は下がる。ただし、機能が動くことと、移植後も十分な性能が出ることは別問題である。実際の性能移植性は、プラグインとコンパイラ・バックエンドの品質に左右される。

FlagOSの中での位置付け

BAAIが主導するFlagOSは、異種AI演算基盤のためのオープンなインフラ構想だ。大規模モデルを、異なるAIチップ上で使いやすくする中間ソフトウェア層として説明されている。35

Open3D-PIMCは、この方向性を3D演算チップへ広げるものといえる。FlagOSは、GPU、NPU、GPGPU、DSA、RISC-V AIデバイス、Arm系アーキテクチャまでを対象に、「一度開発すれば多くのチップで動かす」という目標を掲げている。1

FlagOS側は、20社を超えるチップベンダーの30種類超のAIチップに対応し、主流の大規模モデルなら複数チップ向けの立ち上げを1日以内に行えるとしている。ただし、これはFlagOSエコシステム全体に関する説明であり、Open3D-PIMCがすべての対応デバイスで同等の正確性や性能を達成したことを独立に示す証拠ではない。1

TSingwayのハードウェアとQwenでの検証主張

TSingwayは、第2世代の再構成可能プロセッサを、3Dメモリ内演算の統合、チップレット実装、再構成可能コンピューティングを組み合わせた、同フレームワークの対象カテゴリのハードウェア例として提示している。一方のBAAIは、Open3D-PIMCを3D演算チップ向けオープンコンパイラ基盤を構築する取り組みの一部と位置付ける。1

公開に関する報道では、FlagOSが2026年8月、AlibabaのQwen3.8-2.4T-A95Bについて、9つのAIチッププラットフォームでリリース当日の適応検証を完了したとしている。このモデルは総パラメータ数2.4兆、推論時のアクティブパラメータ数950億のオープンウェイトMoE（Mixture of Experts）モデルだ。118

これは、FlagOS全体が迅速なモデル立ち上げを目指していることを示す材料にはなる。一方で、Open3D-PIMC単体のコンパイラ移植性、レイテンシー、消費エネルギー、信頼性を、3Dハードウェア間で再現可能な形で比較したベンチマークではない。

確認できることと、まだ分からないこと

現時点で確認できるのは、Open3D-PIMCがオープンソースとして公開され、設計者が新しいAIアクセラレータ群に共通の抽象化レイヤーを作ろうとしている点だ。1

一方、実用段階を判断するには、次の論点が残る。

• 初期参加者以外のチップメーカーが、実運用品質のプラグインを提供・維持するか
• 大きく異なるアーキテクチャ間でも、アプリケーションが競争力のある性能を保てるか
• デバッグ、障害対応、プロファイリング、長期保守のツール群がどこまで整うか
• ベンダー横断の正確性、スループット、レイテンシー、電力効率について、独立かつ再現可能な検証結果が出るか

開発チームは、標準化、複数ベンダーへの対応、開発者ツールの改善を続け、2026年第4四半期には追加の3Dチップ最適化結果を示す計画だとしている。1

結論：有望な入口だが、成熟した共通ランタイムとはまだ言えない

Open3D-PIMCは、3D AIハードウェア向けのオープンな入口であり、共通コンパイラ／フレームワーク層の提案として捉えるのが適切だ。開発者はワークロードを高い抽象度で記述し、チップ固有の複雑さはベンダープラグインが担う――その発想自体は、メモリ内演算やチップレット型アクセラレータにとって重要である。

しかし、オープンソース公開や広いエコシステム対応の主張は、そのまま成熟したマルチベンダー運用の実証を意味しない。今後の決め手は、外部からの継続的な貢献と、実際に異なるチップをまたぐ透明性の高いベンチマークになる。1