ロボットの中で10年動く頭脳 ― AMDが物理AIに投入したX100の設計思想

AMDが物理AI向けに発表したプロセッサRyzen AI Embedded X100を読み解く。なぜロボットの頭脳が、電力を食うデータセンター用GPUではなく組み込み半導体なのか。10年供給が生む静かな堀まで、事実で追う。

ノートパソコンの中で動くはずだった高性能な頭脳が、いま工場のロボットアームや手術支援機器に組み込まれようとしている。AMDが2026年の技術発表会「Advancing AI 2026」で正式に投入したRyzen AI Embedded X100は、同社が民生向けの高性能機で使う「Strix Halo」という半導体を、そのまま産業用へ転じたプロセッサだ。狙いは、いま最も熱い言葉で言えば「物理AI」、すなわち現実の世界で見て、考え、体を動かす機械の頭脳である(Tom's Hardware)。

対象の報道が伝えるとおり、この製品には産業用の頑丈さが与えられ、過酷な環境で24時間動き続け、10年にわたって供給される。だが、この一手の本当の意味は、性能表の数字の外にある。本稿は、X100の構成を正確に押さえたうえで、なぜ物理AIの頭脳がデータセンターのGPUであってはならないのか、その工学的な理由を解剖する。そのうえで、AI競争の主戦場が学習から現場の推論へ移るとき、「10年動き続ける頭脳を供給できること」が、いかに静かで粘り強い堀になるのかを読み解く。株価や時価の数字は扱わない。追うのは、知能を現実の体に宿すための、半導体という土台の設計思想である。

ノートPCの頭脳を、ロボットの中へ ― X100という6つの型番

X100の中身は、一つの半導体の中に三種類の計算装置を同居させた構造にある。最大16個の高性能なx86系CPUコア(Zen 5)、最大40基の演算ユニットを持つ内蔵GPU(RDNA 3.5)、そしてAI処理に特化したNPU(XDNA 2)。NPUだけで最大50兆回毎秒(50 TOPS)の演算をこなす。これらが最大128ギガバイトの共有メモリを分け合い、CPUもGPUもNPUも同じ記憶領域を直接読み書きする(CNX Software)。消費電力の枠は標準55ワット、用途に応じて45から120ワットまで設定でき、動作の上限は5.1ギガヘルツに達する。

製品は6つの型番で構成される。末尾に「i」が付く版は、より過酷な温度に耐える。

顧客への試作品の提供は2026年6月に始まり、量産は同年の第4四半期を予定する。基板やシステムに仕立てるのは、コンガテックやiBase、Sapphireといった組み込み機器の専業メーカーだ(HotHardware)。さらにAMDは、このX100を基板に載せた「Kria」というシステムオンモジュール(基板ごと差し込める頭脳の完成部品)と、ロボット開発の土台を同時に用意した。設計者は半導体から回路を起こす必要がなく、モジュールを買って自分の機械に差し込むところから始められる。

なぜ物理AIの頭脳は、データセンターのGPUではないのか

生成AIの学習で主役を張るデータセンター用のGPUを、そのままロボットに載せることはできない。理由は、電力と熱にある。NVIDIAのH100を8基束ねた計算ノードは、推論の負荷で約10.1キロワットを消費し、そのうち56%ほどをGPUが食う。ラック単位では毎時140キロワット級の発熱になり、空冷では処理しきれず、チップへ冷却液を直接送る配管が要る(Spheron)。人の隣で働くロボットや、電池で動く機器の内部に、この熱源と配管は収まらない。

現場の頭脳に課される条件は、まったく別物だ。限られた電力、限られた発熱、限られた体積の中で、それでも意味のある計算をこなす。そして何より、応答の速さが命になる。カメラが捉えた映像を遠くのサーバーへ送り、判断を待って返してもらう往復では、腕がぶつかり、足が転ぶ。判断を機械の中で完結させる「現場での推論」だけが、数ミリ秒という反応を実現する。ここで、あまり語られない急所がある。現場の頭脳を評価する物差しは、宣伝文句に躍る「最大何TOPS」というピーク性能ではない。本当に効くのは、発熱で性能が絞られていく状態で、それでも遅い方から数えて5%(P95)の応答がどれだけ速さを保てるか、という持続的な末尾の遅延だ(ChatBench)。一瞬の最高速度ではなく、熱くなっても崩れない安定こそが、現実の機械を止めない。X100が電力の枠を45から120ワットで細かく刻めるようにしたのは、この持続性能を設計者が現場ごとに追い込むためである。

一つの計算ではなく、四つの計算を束ねる ― CPU・GPU・NPU・そしてFPGA

物理AIの頭脳が難しいのは、必要な計算が一種類ではないからだ。ロボットが一つの動作を終えるまでに、性質の異なる仕事が並行して走る。全体の段取りを決め、基本ソフトやロボット制御の枠組みを回すのはCPUの役目だ。カメラの映像から物体や姿勢を読み取る知覚は、並列計算の得意なGPUが担う。学習済みのモデルを、電力を抑えて高速に走らせる推論は、専用のNPUが引き受ける。X100は、この三つを一つの半導体に同居させ、共有メモリでつないだ。別々の装置に分かれていれば、CPUの記憶からGPUの記憶へデータを移すたびに時間を失うが、同じ記憶を全員が覗ける構造なら、その無駄が消える。弊誌が別稿で解説したVLA(視覚・言語・動作)のような基盤モデルが、知覚と計画と動作を一つの流れで回すには、この記憶の一体化が効いてくる。

だが、もう一つ、見落とされがちな四つ目の計算がある。モーターを正確な時間刻みで制御し、複数のセンサーの信号を寸分の狂いなく束ねる、決定的なリアルタイム処理だ。ここは、CPUやGPUの「だいたい速い」では足りず、常に同じ時間で応答する回路が要る。その役割を果たすのが、FPGAと呼ばれる、出荷後に内部の回路そのものを組み替えられる半導体である。AMDは2022年にこの技術の雄だったXilinxを取り込んでおり、先に触れたKriaのモジュールは、そのXilinx由来の適応型半導体(Zynq)の系譜にある。X100がCPU・GPU・NPUで知覚と推論を担い、Kriaの適応型半導体が決定的な制御を担う。GPUだけでは埋まらない物理AIの計算の隙間を、異なる種類の計算装置を束ねることで埋めにいく。これが、GPU一辺倒の設計との、静かで決定的な違いである。

10年動き続ける頭脳という、静かな堀

X100の産業用の諸元、すなわち10年の供給と、-40度から105度という温度の幅は、地味に見えて、実は事業の要になっている。民生向けの半導体は、二、三年で世代が変わり、旧型は市場から消える。だが、工場のロボットアームや手術支援機器、鉄道の設備は、一度その頭脳で設計を固めたら、十年単位で同じ部品を作り続けてもらわなければ困る。設計をやり直す費用も、安全の再認証も、莫大だからだ。つまり「同じ半導体を10年、確実に供給する」という約束そのものが、他社が容易にまねできない値打ちになる。一度採用されれば、次の設計まで居座り続ける。派手さはないが、粘り強く利益を生む商売だ。

供給の約束に加えて、AMDはもう二つの仕掛けを用意している。一つは、同じ半導体を二つの市場で回すことだ。X100の中身は、民生向けの高性能機で売るRyzen AI Maxと同じStrix Haloである。一枚の設計図を、遊びの機械と現場の機械の両方で売れば、開発の費用は薄く広く回収できる。もう一つが、Kriaのモジュールだ。半導体を裸で売るのではなく、基板に載せ、すぐ使える完成部品として売る。ロボットの作り手は、難しい半導体設計の専門家を抱えずとも、モジュールを差し込むだけで頭脳を手に入れられる。参入の敷居を下げれば、それだけ買い手の裾野は広がる。10年の供給、二つの市場での使い回し、そして完成部品としての販売。三つが噛み合って、物理AIの頭脳という新しい市場に、AMDは値付けの土台を築こうとしている。

学習はデータセンター、推論は現場 ― 物理AIの本当の主戦場

生成AIの狂騒は、モデルを鍛える学習の側に集中してきた。巨大なデータセンターに、NVIDIAのGPUを何万基も積み上げる、あの世界だ。だが、機械が現実の体を動かす物理AIでは、勝負の重心が別の場所へ移る。学習は今後もデータセンターで行われるが、鍛え上げたモデルを実際に働かせる場所は、工場の床であり、手術室であり、路上である。この「現場の推論」を担う頭脳を、電力と熱と10年の供給という条件のもとで供給できるかどうか。そこは、データセンター用GPUの土俵の外にある、別の競争だ。

AMDがこの領域で持ち出せる手札は、民生向けのx86半導体で積んだ性能と、Xilinxから受け継いだ適応型半導体の産業用の実績である。もっとも、戦場を狙うのはAMDだけではない。インテルは同じ組み込みAIの領域にPanther Lakeを投じ、NVIDIAもロボット向けのJetsonでこの陣地を守る。物理AIの頭脳をめぐる競争は、データセンターの熱狂の陰で、静かに始まっている。この構図は、日本の産業にとって他人事ではない。工場自動化と精密機械、そしてロボットは、日本が世界に誇ってきた現場そのものだ。その現場の機械に、10年動き続ける頭脳を誰が供給するのか。前稿で追った人型ロボットの体が中国の量産で先行するなか、その体に収まる頭脳の供給を海外の半導体に委ねれば、物理AIの神経系までもが、外から来る一枚のモジュールに束ねられる側に回りかねない。X100が示したのは、一つの製品の性能ではなく、知能を現実の体へ宿す競争が、データセンターの外で本格的に動き出したという事実である。