MENU

Radeonは安いのにAI開発では選びにくい？AMDはこれまで何をしていたのか

PC関連
Radeonは安いのにAI開発では選びにくい？
  • URLをコピーしました！

BTOショップでゲーミングPCを比較していると、Radeon搭載モデルの価格が魅力的に見えることがあります。時期や構成によっては、同価格帯のGeForceより高いゲーム性能や大きなVRAM容量を確保できるため、限られた予算でゲーム性能を重視するならRadeonは有力な候補です。

ところが、ゲームやアプリの開発にローカルAIまで取り入れようとすると、「GeForceを選んだほうが無難」という話が一気に増えます。

Radeonにも十分なGPU性能があります。それなのに、なぜAIになるとNVIDIAが選ばれやすいのか。そしてNVIDIAがAIへつながる開発環境を長年育てていた間、AMDは何をしていたのでしょうか。

この記事では、Radeonでできることと苦手なことを整理しながら、CUDAとROCmの差が生まれた背景、現在のAMDの取り組み、開発用PCではどちらを選ぶべきかを確認します。

目次

Radeonでもゲーム開発はできる。問題はローカルAI

最初に明確にしておくと、Radeonだからゲームやアプリを開発できないわけではありません。

Godot、Unity、Unreal Engineなどを使ってプログラムを書き、画像や3Dモデルを配置して、制作中のゲームを動かすといった一般的なゲーム制作はRadeonでも行えます。

ChatGPT、Claude、Gemini、GitHub Copilotなど、インターネット経由で利用するクラウドAIについても同様です。主要なAI処理はサービス提供会社のサーバー側で行われるため、手元のGPUがRadeonだから回答品質が低くなるわけではありません。

事情が変わるのは、次のような処理を自分のPCに搭載したGPUで行う場合です。

  • 画像生成AIをローカルで動かす
  • ローカルLLMを動かす
  • AIによる音声・動画・3D生成を行う
  • 機械学習モデルをGPUで実行・学習する

こうした使い方では、GPUの性能だけでなく、使いたいAIツールがそのGPUを利用できる環境まで整っているかが重要になります。

なぜAIではGeForceが選ばれやすいのか

AIツールがGPUを利用するには、GPU本体とアプリの間をつなぐソフトウェア環境が必要です。NVIDIAには「CUDA」、AMDには「ROCm」があります。

GPUを画像描画以外の計算にも利用するための開発基盤を提供しているNVIDIAは、2006年にCUDAを導入しました。それから長い時間をかけて、開発ツール、ライブラリ、資料、対応ソフトを増やしてきました。その結果、現在のAI・機械学習分野ではCUDAを前提として開発・配布されているソフトが数多くあります。

GeForceなら公開されている手順どおりに進めれば動くツールでも、Radeonでは別の導入方法を調べたり、対応するパッケージを探したりする必要がある場合があります。エラーが起きたときも、CUDA環境のほうが利用者が多いため、解決方法を見つけやすい傾向があります。

ここで重要なのは、Radeonの計算性能が低いから使いにくいわけではないということです。

Radeonには大容量VRAMを搭載した高性能な製品があります。しかし、どれだけGPUに性能やVRAMがあっても、目的のアプリがその性能を利用できなければ実用性にはつながりません。PCの性能表だけでは分かりにくい「ソフトウェア環境の差」が、ローカルAIでGeForceを選びやすくしている大きな理由です。

NVIDIAがCUDAを育てていた間、AMDは何をしていたのか

ここは、Radeonを見ていて俺自身が一番疑問に感じたところです。NVIDIAがCUDAを育て、GPUをAIや大規模計算へ利用する環境を広げていたことをAMDも把握していたはずです。それでも現在まで大きな差が残っているなら、「AMDは何をしていたんだ」と言いたくもなります。

ただ、調べてみると「AMDが何もしていなかった」で片付けられる話ではありません。

半導体メーカーAMDが公開している当時の決算を見ると、2014年第4四半期には3億6,400万ドルの純損失を計上。2015年通期では純損失が6億6,000万ドルに達しています。

現在のAMDはRyzenやEPYC、データセンター向けGPUなどで大きな存在感を持っていますが、当時はCPU市場でIntel、GPU市場でNVIDIAと競争しながら、会社そのものを立て直さなければならない状況でした。

そのため、将来すぐ利益につながるとは限らないGPU向けソフトウェア基盤へ、NVIDIAと同じ規模で資金や人材を投入する余裕は限られていたと考えるのが自然です。もちろん、当時AMDがどの事業へどれだけ資金や人材を配分したのか、外部から正確な内訳までは分かりません。経営状態だけで現在の差をすべて説明することもできません。

AMDもGPUによる汎用計算へ取り組み、現在はROCmを開発しています。それでも、長期間使われてきたCUDAには開発者、対応ソフト、導入情報がすでに大量に蓄積されています。利用者が多いからソフト開発者がCUDAへ対応し、対応ソフトが増えるからさらにGeForceを選ぶ人が増える。この循環をNVIDIAは長い時間をかけて作りました。

AMDが後から開発へ力を入れても、こうして広がった差を短期間で埋めるのは簡単ではありません。

現在のRadeonとROCmはどこまで進んだのか

だからといって、「現在のAMDもAIへ対応していない」と考えるのは正しくありません。AMDはAIや大規模計算向けのソフトウェア基盤としてROCmを開発し、一般向けRadeonへの対応も広げています。AMDが公開しているRadeon向けROCmの対応情報では、Windows 11上でRX 9070 XT、RX 9070、RX 9060 XTなどがPyTorch向けの対応GPUとして掲載されています。

以前と比べれば、WindowsとRadeonでローカルAIを利用する環境は確実に進んでいます。

ただし、ここにも注意点があります。AMD自身も、Windows版PyTorchにROCmのコンポーネントが含まれる一方で、ROCmのすべての機能がWindowsへ対応しているわけではないと案内しています。

また、ROCmがGPUに対応していることと、自分が使いたいAIアプリがRadeonへ対応していることは別問題です。現在のRadeonは「ローカルAIが使えないGPU」ではありません。しかし、GeForceと同じように何も確認せず幅広いAIツールを使えるところまで環境差がなくなったとも言えません。

AMDが追い上げていることと、CUDAを中心に作られた環境へ追いついたことは分けて考える必要があります。

RadeonとGeForce、開発用PCではどう選ぶか

ゲームを遊ぶことが中心なら、Radeonの価格とゲーム性能、大容量VRAMは大きな魅力です。GodotやUnityなどを使った通常のゲーム制作や、ChatGPTなどのクラウドAIを利用する開発でも、Radeonだから困るとは限りません。

Radeonを選びやすいのは、次のような人です。

  • ゲーム性能と価格のバランスを重視する
  • 同じ予算で大きなVRAM容量を確保したい
  • AIはChatGPTなどのクラウドサービスを中心に使う
  • 通常のゲーム・アプリ制作が中心
  • 使いたいローカルAIツールのRadeon対応を確認できている

一方、GeForceを選んだほうが無難なのは次のような人です。

  • 画像生成やローカルLLMなどを幅広く試したい
  • CUDAを前提としたツールを利用する
  • 今後どのAIツールを使うのかまだ決まっていない
  • 環境構築やトラブル解決より制作へ時間を使いたい

なお、CPUにRyzenを選んだからといってGPUまでRadeonにそろえる必要はありません。RyzenとGeForceの組み合わせも一般的です。Radeon搭載PCが数万円安くても、目的のAIツールを動かすために長時間調べたり、最終的にGPUを買い替えたりすれば、結果として安いPCだったとは言えなくなります。

逆に、ローカルAIを使わない人が「AIならNVIDIA」という理由だけで高いGeForceを選ぶ必要もありません。確認したいのはメーカー名ではなく、自分がPCで何をするのか、そのためのソフトが実際に動くのかです。AMDがROCmを改善し、Radeonで利用できるAI環境は以前より広がっています。個人的には、この差がもっと早く縮まってほしかったという思いは残ります。

それでも、将来対応するかもしれないという期待と、今日購入するPCの判断は別です。

ゲーム性能や価格を重視し、必要なソフトが対応しているならRadeon。ローカルAIを含めて幅広い開発環境を求めるなら、現時点ではGeForceのほうが選びやすい。

Radeonが安いかどうかは、GPU本体の価格だけでは決まりません。使えるソフトと環境構築にかかる時間まで含めて、自分にとって本当に安いのかを判断したいところです。

この記事で参考にした情報

PC関連
AI開発 GPU Radeon
  • URLをコピーしました！

コメント

コメントする

目次