図1　フレキシブルなFPGAを?q┗)���した画��A(ch┳)Iで��業した中原啓�Q��

AIチップはもともと��定のアプリケーションごとに使われるものが�Hいため、数量は期待できない。このため積和演�Q�v路とメモリを集積したAIチップよりもFPGAの��(sh┫)が�~�W(w┌ng)かもしれない。AIの応��では例えば、画�鞠Ъ浦邏箸箸い辰討�����的な応��によってAIモデルは��く異なる。ニューラルネットワークは学�{や推�bするために適したAIモデルではあるが、AIビジネスは、応��によって何の認識を学�{させるのか、�i処理や後処理が��く異なる。このためAIビジネスは応��ごとにユーザーと密��して何をどの��度認識させるのか��めるためのコンサルティングを伴う。AI��業�vがAIを使う現場の�mを聞かなければ、ビジネスとして成り立たない。このためAIチップから見ると、AIビジネスは�H���|少量�攵�そのものである。だからこそ、FPGAにアルゴリズムを焼きこむことは理にかなっている。

��業したTAI社の創業�v兼CEOの中原啓�Q��（図1）は、もともとFPGAを使いこなしてきたエンジニアでありながら、東工�j(lu┛)工学院情報通信�Uの��(ji└)教�bでもある。AIを社会実�△靴凸筱�を解��するためのAIビジネスを推進する。中原��が推進するのはカメラからの画�汽如璽燭魎陲砲靴�AIで機械学�{、推�bを行うことで、作業効率を�屬欧燭�、保守を容易にしたりするビジネスである。

また、デ��ープラーニングやAI（機械学�{）のアルゴリズムの研�|開発も行うと同時にAI����の開発にも携わっている。2020�Q3月に��業して以来、様々な業�|の応������を開発してきた。その�kつ、マルハニチロの養殖マグロの数を数える作業をAIで�O動的に数えられるようにした（図2）。この作業は、人間が行う場合に動きの�]いマグロを見て数えることは、単純作業ではあるが�壅Fな作業のわりに人�}がかかっていた（参考�@料1）。AIを使って�O動的にカウントできるようにすることによって、これまで6人かかっていた作業を1人で済ませることに成功した。

図2　カメラとAIで魚の数を�O動的にカウント　出�Z：マルハニチロ

実は、こういった�壅Fな作業環境にもFPGAは向いていると中原��は言う。�L�屬離泪哀輙椰�場で10�Q間動作する����という要求性�Δ鯔�たせる半導��チップはFPGAしかないという。直�o(j━)日光や�e害といった�壅Fな環境では����が�愎�しやすく、�sれやすいため、消�J電��が少なく発�XしにくいFPGAをエッジAIとして使えばファンレス動作が可�Δ�����としても�sれにくくなる。しかもGPUのようなAIチップだと10�Q間にわたって�攵�されている保証もない。10�Q後も同じものを使いたい場合に�Dり換えがきかない。FPGAだとプログラムデータさえあれば交換することさえできる。

また鉄�Oの線路の点検にもAIを�擇�した例がある。鉄�Oのレールでは毎日の電�Zの走行によってレールを�w定するネジが緩む恐れがある。このため鉄�O会社は毎日点検している。しかし、これまでの�}作業では1時間当たり2kmの�{(di┐o)�`�J囲しかチェックできない。そこで、この作業を�O動化するため、カメラでネジの�差腓鮖１討�、その画�気�AIで解析する。この����を点検�Z両に載せてチェックすると20km/時というスピードでチェックできるようになった。その�T果は100%ではないが、これによって作業人数を削��できる。

加えて、これらの点検個所をGPSと地図でスマホやタブレットで見られるようなアプリケーションソフトを作成することで、�k�`で不�Wな個所を���iに予�Rできるようになった。不�Wな個所を�_点的に作業すればレールの点検作業の効率が高まる。

さらに、フォークリフトやクレーン�Z、ショベルカーなどの�噞���Z両の衝突を防ぐための警報����も開発し、倉�Uや流通現場での作業の例もある。こういった例では、カメラとAIによる作業の�O動化だけではなく、�D�uしたデータを可��化するアプリを開発することで、次にどう改��すべきかという答えもわかるようになる。

これらの実証実�xから数を数えるという��例の��解率は99.7%、衝突や落下�颪励e険を察�瑤垢覽�例での��解率は98.05%となっており、顧客が満�Bするレベルに達したという。

実際に使っていたFPGAは、AMD-XilinxのKriaという�����@のK26 SOM（System on Module）（参考�@料2）。これはXilinxがすでに工業グレードの量�泬証を�D�uしている基��であり、FPGAにプログラムすれば、そのまま����に使える。ここでは画�鞠Ъ吋皀妊襪箸靴�CNN（�Qみ込みニューラルネットワーク）を使っており、�i処理（画�汽如璽燭麗L(f┘ng)��やエラーなどの�T��など）と後処理（検出枠処理）にもFPGAで�O動化しているため、CNNの演�Qが�]い。

中原��は、FPGAのメリットをさらに�{加する。AIの画�鞠Ъ韻砲�CNNを使うことが�Hいが、最�ZViT（Vision Transformer）と�}ばれる新しいAIモデルがGoogleから提案され、認識�@度がCNNよりも高いと言われている。FPGAだと、この新しいViTモデルにも�官�できる。しかし、専��のAIチップではそうはいかない。

スタートアップは�@金調達に�Z労することが�Hいが、TAI社は現在、シリーズBで量�奭けのプラットフォーム開発に2億��を調達し現在まで3.6億��を調達した。出�@には、やはり東工�j(lu┛)発企業であるソリトンシステムズ社や銀行�Uの金融機関が提供している。今後は、量�����Uを構築するためのシリーズCで2023�Q度��から24�Q度はじめにかけて5億��の調達を�`指し、2025�Q春のIPO（株式�崗譟砲���野に入れている。

参考�@料
1. 「株式会社桜��養魚がAIトラッキング魚����数機を導入〜養殖魚の�_数��数作業の�O動化が実現」、マルハニチロ (2020/05/18)
2. 「Kria K26システムオンモジュール（SOM）」、Xilinx