汎用AIコンピューティングのTenstorrent、大規模クラスターでリアルタイム超えの動画生成デモを公開

Tenstorrentは、新世代のクラスター規模システムの正式発表を前に、動画生成デモを公開しました。EE Timesが試したデモでは、Wan2.2-14Bを基にした最適化モデルを使い、テキストプロンプトから5秒間の動画を3秒で生成しました。条件は720p、81フレーム、40ステップで、同社による最速記録は2.4秒です。Tenstorrentは、この速度が他の主要ハードウェア上で同じ本番レベルのモデルを実行した場合と比べて約10倍速いと説明しています。このデモは、高速な画像・動画生成AIクラウド企業であるProdiaが最適化したWan2.2-14Bを使用しています。実行環境は、Tenstorrentの新しいBlackHole世代のGalaxyサーバー4台で構成され、合計128個のTenstorrent BlackHoleチップが使われています。TenstorrentのAI向けハードウェアアーキテクチャは、計算、メモリ、ネットワークを統合し、非常に大規模なシステム上で単一のソフトウェアプログラムを動かせるように設計されています。この仕組みは、独自のインターコネクトや特定ワークロード向けの再構成に依存しない点が特徴です。

TenstorrentのSenior FellowであるJasmina Vasiljevicは、現在はコード生成に注目が集まっている一方で、動画生成はまもなく本格的に拡大し、新たな市場を生み出すと述べています。これまで動画生成の普及が遅れていた理由の一つは、必要な計算資源が大きすぎたことです。しかし、以前は1本の動画生成に数分かかっていたのに対し、現在は5秒の動画を約2.5秒で生成できるようになり、リアルタイムの壁を超えたことが新しい用途を開くとしています。動画生成推論における大きなボトルネックは、反復的なノイズ除去処理です。この処理はフレーム間で並列化できますが、最終的には逐次的な性質を持ちます。一方で、テキストLLMのように将来のトークンやフレームを予測する自己回帰型または予測型モデルの研究も進んでおり、Tenstorrentは将来の動画生成がこの2つのアプローチを組み合わせる方向に進むと見ています。

TenstorrentのCEOであるJim Kellerは、同社が動画分野の顧客と協業しており、その中には大手の最先端AI研究所も含まれると述べています。同氏は、Tenstorrentがこの速度とコスト水準で動画生成を実現できている点に自信を示し、今後はより簡単に導入・展開できるようにすることが重要だと説明しています。多くの動画生成企業は、Wan2.2-14Bのような基盤モデルに小さな調整や改良を加えて使っています。そのため、Tenstorrentがすでに最適化した共通エンジンを活用すれば、顧客は比較的短期間で稼働を始めることができます。また、同社のソフトウェアスタックは完全にオープンソースであり、モデル移植のしやすさも強みです。

Jim Kellerは、Tenstorrentの目標は特定用途に特化したAIチップではなく、次世代モデルにも対応できる汎用AIコンピューティング基盤を提供することだと強調しています。同社のプラットフォームは、多数のチップにSRAMを備え、各チップにDRAMも搭載し、チップ同士が高度にネットワーク接続されています。モデルが急速に変化するAI分野では、過度に特化したハードウェアは将来対応できなくなるリスクがあるため、Tenstorrentは汎用性を重視しています。

Tenstorrentについて
Tenstorrentは、AI向けの汎用コンピューティング基盤を開発する半導体・システム企業です。同社は、AIモデルの学習や推論を大規模に実行するためのチップ、サーバー、ソフトウェアスタックを開発しており、計算、メモリ、ネットワークを統合したアーキテクチャを特徴としています。特定ワークロードに閉じない柔軟な設計とオープンソースのソフトウェアスタックにより、動画生成を含む次世代AIモデルの高速かつ効率的な実行を目指しています。