AIの電力消費が急増するなか、従来の半導体アーキテクチャとは根本的に異なる「発振器ベースコンピューティング」でブレークスルーを目指すスタートアップが注目されています。TechCrunchの報道（6月25日）によると、元DatabricksのAI責任者Naveen Raoが創業したUnconventional AIが、現行のAI推論と比べて消費電力を約1/1000に削減できる可能性を持つアーキテクチャを開発中と発表しました。現時点ではハードウェアの代わりにソフトウェアシミュレーションを使った初のモデル「Un0」（画像生成）を公開しており、技術の実証段階にあります。
背景と文脈
AI推論の電力問題は、業界が「次のスケーリングの壁」として認識し始めている課題です。大規模なデータセンターを構築するための電力供給が追いつかず、電力網への負荷や電気代の高騰が実際の事業制約になりつつあります。Raoが「AIスケーリングはエネルギーで詰まる。それを超えることができない。エネルギー制約の問題になる」と語ったように、現行のGPUベースのアーキテクチャでは消費電力の伸びに技術的な限界があります。
Naveen Raoはこの問題に最も近い場所にいた人物の一人です。Databricks（エンタープライズ向けAI・データ基盤の大手）のAI部門を率いた後、本課題の解決を目的として独立しました。それ以前にはIntelのAI部門やAI専用チップメーカーNervana Systemsにも関わっており、シリコン設計から機械学習インフラまでを知る稀有なバックグラウンドを持ちます。
従来のAI推論チップはCMOS（相補型金属酸化膜半導体：現代のデジタル電子回路の基本技術）技術を用いた汎用GPUや専用ASICが主流です。CMOSは演算の正確さと柔軟性に優れる一方、電力消費が多いという根本的な制約があります。Unconventional AIが着目したのは、この制約から外れた「発振器（オシレーター）」という物理現象です。
技術/ビジネス面
発振器とは、電気信号が一定のリズムで振動し続ける回路素子です。このアナログ的な物理挙動を計算に使うアイデア自体は古くからあります。Unconventional AIはこれをAI推論に特化した形で実用化しようとしており、従来のデジタル演算とは本質的に異なるハードウェアアーキテクチャを設計しています。デジタル演算が「0か1かを厳密に決めて処理する」のに対して、発振器ベースの計算は「波の位相や周波数で情報を表現して処理する」イメージです。これにより、AI推論に特有の計算パターン（行列演算・確率的処理）を大幅に低い電力で実行できる可能性があります。
現在公開されているUn0は、発振器チップそのものではなく、その挙動をソフトウェアでシミュレートしたモデルです。画像生成を行い、アーキテクチャの動作検証という位置づけです。今後の計画としてはチップの設計図（スキーマティクス）を公開し、最終的には推論スタック全体をゼロから構築する方針を示しています。従業員数は50名未満で、ビジネスモデルとしてはネットワーク経由で推論容量を提供するクラウド事業者を目指すとしています。
消費電力1/1000という数字は現時点では実チップで検証されたものではなく、アーキテクチャ設計上の理論的見通しです。この点は注意が必要ですが、仮に実チップで10分の1でも実現できれば推論コストの競争環境を大きく変え得ます。
これからどうなるか
AIインフラへの電力需要が増加し続けるなか、エネルギー効率の高い推論基盤は開発者・企業の双方にとって実用的な価値を持ちます。Unconventional AIが実チップを実現した場合、現在のGPUクラウドよりもはるかに安価な推論コストでのAPI提供が可能になる可能性があります。既存のモデルをこのアーキテクチャで動かすためには変換ツールやソフトウェアスタックの整備が必要で、そこに開発者コミュニティが関与するチャンスもあるでしょう。
課題はハードウェア開発の難しさです。発振器ベース計算の先行事例は少なく、製造技術の確立・量産コストの削減・既存AIモデルとの互換性確保という三重の壁があります。スタートアップが自社でシリコン開発から量産まで完遂するには多大な資本と時間が必要です。ソフトウェアシミュレーションから実チップへのブリッジが技術的に最大のハードルとなります。
それでもエネルギー制約という大きなテーマに応える新アーキテクチャの出現は、AI推論市場の長期的な競争に一石を投じます。NVIDIA・AMD・Intel・Googleなど既存プレーヤーの消費電力の改善ペースを大幅に上回るのか、注目が集まるでしょう。
まとめ
Unconventional AIは従来の半導体技術の外側から電力問題に挑む野心的なスタートアップです。現状はソフトウェアシミュレーション段階ですが、実チップが実現した場合のインパクトは大きく、AI推論インフラの設計選択肢に新たな次元をもたらす可能性があります。
