CUDA不要の医療AI AMD製GPU活用でコスト半減実現へ
米AMDのオープンソースGPU開発基盤「ROCm」上で大規模言語モデルを医用分野に最適化する試みが成果を上げている。NVIDIAの独自技術CUDAに依存せず、医療問診AIを低コストで稼働させる道筋がついたことで、GPU市場の競争構造に変化が生じる可能性がある。
医療特化AIでベンチマーク最高スコアを達成
カリフォルニア大学サンディエゴ校の研究者チームは2025年2月、LLaMA-3.1-8Bをベースに医用QAデータセット「MedQA」でファインチューニングを実施した。学習にはAMD Instinct MI300Xアクセラレーター8基を搭載する単一ノードを使用し、4,096トークンのコンテキスト長で全パラメーターを更新する完全微調整を施している。
特徴的なのはその実行環境である。NVIDIA製GPU向けに設計された既存の深層学習フレームワークではなく、AMDのROCm 6.2プラットフォーム上で動作するPyTorchを利用した。トレーニング全体はわずか3時間48分で完了し、ベンチマークとなる米国医師国家試験相当のUSMLE問題で既存の医療特化AIを上回る正答率を記録した。
研究者らはこの結果について「CUDAに一切依存しない形で、医用タスクにおける競争力ある性能を実証できた」と評価している。
ROCmエコシステムの成熟が示す新たな選択肢
AMDのROCmは長らく「NVIDIAの代替」と位置づけられながら、深層学習分野での普及は限定的だった。理由のひとつがPyTorchやTensorFlowといった主要フレームワークとの互換性不足である。しかし2024年以降、ROCm 6.0系のリリースで状況は一変した。
今回のプロジェクトでは、Hugging Faceが提供するTransformerライブラリをROCm環境でネイティブ動作させることに成功しており、コードの大幅な書き換えなしにNVIDIA向け実装を移植可能であることを示している。学習速度においても、同規模のNVIDIA H100クラスタとの比較で2倍以内の時間差に収まっており、実用上の障壁は急速に低下しつつある。
AIインフラの調達リスク分散に道
NVIDIAは現在、データセンター向けGPU市場で推定92%のシェアを握るとされる。この寡占状態はAIを事業基盤とする企業にとって単一サプライヤーへの過度な依存という深刻なリスクを生んでいる。AMD InstinctシリーズがCUDA代替として実用段階に入ったことは、調達戦略の多様化を検討する事業者にとって重要な意味を持つ。
とりわけ医療分野では、患者データのオンプレミス処理が法令で義務づけられるケースが多く、クラウドGPUへの全面移行が難しい。AMDのサーバー向けGPUはNVIDIAの同世代製品と比較してシリコン面積あたりのメモリ帯域幅に優れるとのアナリスト評価もあり、大規模言語モデルの推論処理ではコスト面での優位性が指摘されている。
日本市場への波及効果と医療AIの民主化
この技術潮流は日本の医療機器メーカーや病院システムにも影響を与え得る。現在、国内の医用AI開発の多くはNVIDIAプラットフォームを前提としており、富士通やNECの国産AIサーバーも同社製GPUを採用している。AMD陣営の成熟は、機器調達コストの引き下げや、半導体輸出規制の影響を受けにくいサプライチェーン構築につながる可能性がある。
マルチGPUスケーリングの技術的課題
一方で、大規模クラスタへの展開には依然として壁が残る。NVIDIAが提供するNVLinkやInfiniBandによるノード間通信の最適化に対し、ROCmのマルチノード対応は開発途上にある。研究者チームも「単一ノードを超えるスケールでは通信オーバーヘッドが顕在化する」と指摘しており、数千GPU規模の基盤モデル学習が現実的な選択肢となるには、AMDのソフトウェア投資の継続が不可欠となる。
オープンソース医療AIの加速
MedQAベンチマークで成果を上げたモデルはApache 2.0ライセンスで公開済みである。Hugging Faceのモデルハブを通じて誰でもダウンロード可能であり、CUDA GPUを持たない研究機関でもAMDのコンシューマー向けGPUや、ROCm対応が進むRadeonシリーズで推論を実行できる。この開放性は、予算制約の厳しい公的病院や新興国の医療機関にとって、高度な臨床意思決定支援システムを導入する障壁を大幅に下げるものだ。
半導体業界の調査会社Omdiaによると、2025年のデータセンター向けAIアクセラレーター市場は前年比38%増の960億ドルに達する見通しである。この巨大市場におけるAMDの存在感拡大が、医療分野を含む垂直特化型AIの開発コスト構造を根底から変える可能性を、今回の研究成果は明確に示している。
