イベントカメラ
イベントカメラとは、画素ごとの輝度変化（イベント）のみを非同期に検出して記録する次世代の視覚センサーです。従来のカメラのようにフレーム単位で画像を出力しないため、高速な動作の撮影や低消費電力・低遅延での処理が可能となり、コンピュータビジョンやエッジAIの分野で注目されています。
ハードウェアのAI用語一覧
197件ハードウェアに関するAI用語を197件掲載しています。意味や使い方、関連用語を一覧から確認できます。
RGB-Dカメラ
RGB-Dカメラは、通常のカラー画像（RGB）と同時に、被写体との距離情報である深度（Depth）を計測して出力するカメラです。従来のカメラでは困難だった3次元空間の立体的な形状や奥行きの把握が可能となり、コンピュータビジョンやロボットの自律移動、空間認識などのAI技術において、高精度な環境認識を実現するための重要なデバイスとして活用されています。
GPU
GPUとは、画像処理や並列計算に特化した演算装置です。数千個のコアによる高度な並列処理能力を持ち、膨大な行列演算が必要とされる深層学習のモデル学習や推論の処理速度を劇的に向上させる基幹ハードウェアとして広く活用されています。
行列演算
行列演算とは、複数の数値を格子状に並べた行列同士の足し算や掛け算などの計算のことです。AIやディープラーニングにおいて膨大なデータを効率的に処理するための基礎となる数学的手法であり、現代のAI技術を支える不可欠な要素となっています。
並列処理
並列処理とは、コンピュータにおいて複数の計算を同時に実行する技術です。AIやディープラーニングの分野では、膨大な数のパラメータを持つニューラルネットワークの学習や推論を高速化するために、GPUなどのマルチコアプロセッサを用いた並列処理が不可欠となっています。限られた時間で大量のデータを処理するための基盤技術です。
TPU
TPU（Tensor Processing Unit）は、Googleがディープラーニングの処理を高速化するために独自開発したAI専用のプロセッサです。大規模な行列演算に特化した設計となっており、通常のCPUやGPUと比較して、巨大な人工知能モデルの学習や推論を低消費電力かつ効率的に実行できる特徴を持ちます。
データ並列
データ並列とは、大規模な機械学習モデルの訓練を効率化するため、巨大な訓練データを複数の計算資源に分割し、それぞれが異なるデータを同時に処理する並列化手法です。モデル全体の構造は各デバイスに複製しつつ、計算を分散させることで学習時間を大幅に短縮できます。
CUDA
CUDAとは、NVIDIAが開発したGPU向けの汎用並列コンピューティングプラットフォームおよびプログラミングモデルです。AI開発やディープラーニングの学習・推論において不可欠な技術であり、大量の数値を高速に処理することを可能にします。
アクセラレータ
アクセラレータとは、AIの学習や推論における膨大な計算処理を高速化するために設計された専用のハードウェアのことです。CPUの処理を補完し、ディープラーニングなどの高負荷なタスクを効率的に実行するためにAIシステムで広く活用されています。
センサー
センサーとは、光や音、温度などの物理現象を検知してデジタルデータに変換するデバイスです。AIやIoTシステムにおいて現実世界の情報を取得する「五感」の役割を担い、コンピュータビジョンやエッジAIといった最新技術の基盤となっています。自動運転や工場の予兆保全など、AIが現実世界を認識・判断するためのデータ入力口として不可欠な存在です。
レイテンシ
レイテンシとは、AIシステムにおいてデータ入力から処理結果が出力されるまでに要する遅延時間を指します。リアルタイム処理や音声認識、自動運転などの分野においてユーザー体験や安全性に直結する極めて重要な性能指標です。
エッジ
エッジとは、データが生成される端末やその周辺機器など、クラウドサーバーから離れた現場のネットワーク末端（先端）を指す概念です。AI処理をエッジで行うことで、通信遅延の削減、プライバシーの保護、通信コストの削減が可能になります。リアルタイム性が求められる自動運転やスマート工場などで重要な役割を果たします。
CPU
CPU（中央演算処理装置）とは、プログラムの命令を解釈・実行し、コンピューター全体を制御・演算する基本的なハードウェアです。汎用的な処理能力が高く、複雑な分岐処理を得意としています。AIの分野においても、データの事前処理やモデルの推論処理、他のアクセラレータとの制御などで欠かせない役割を果たしています。
量子ビット
量子ビット（Qubit）は、量子コンピュータにおける情報の最小単位です。従来の古典ビットとは異なり、0と1の重ね合わせ状態をとることができるため、超高速な並行計算が可能となり、次世代の機械学習や最適化問題の解決において重要な役割を期待されています。
エッジコンピューティング
エッジコンピューティングとは、データが生成される端末やその近くのサーバーでデータ処理を行う技術です。中央のデータセンターに全データを送るクラウドコンピューティングと比較して、通信の遅延を大幅に削減し、リアルタイム処理やセキュリティの向上を実現します。AIモデルによる推論処理を端末側で行うエッジAIなどで重要な役割を果たします。
通信オーバーヘッド
通信オーバーヘッドとは、複数の計算機やプロセッサ間でデータをやり取りする際に生じる、本来の計算処理以外の通信処理時間や負荷のことです。AIの分散学習などにおいて、大規模なモデルパラメータや勾配データを相互に転送・同期する際に発生し、計算リソースの利用効率を低下させる要因となります。
インフラストラクチャ
AIインフラストラクチャとは、機械学習モデルの開発や大規模言語モデルの学習・推論を実行するために必要なハードウェア、ソフトウェア、ネットワークなどの基盤全体のことを指します。高性能な計算資源や効率的なデータ管理を実現し、AI開発の成否を握る重要な要素です。
計算ノード
計算ノードとは、AIの学習や推論などの膨大な並列計算を実行するサーバーや仮想マシンの単位です。複数のノードをネットワークで接続することで、大規模言語モデルなどの巨大なAIモデルを効率的に処理する基盤を構築できます。
データセンター
データセンターとは、大量のサーバーやネットワーク機器を集約して稼働させる専用施設です。近年の生成AIの急激な普及に伴い、膨大な計算処理を支える中核インフラとして世界中で需要が急増しています。
エッジデバイス
エッジデバイスとは、ユーザーやデータの発生源に近い場所で処理を行う端末のことです。クラウドを介さずにエッジAIを実行することで、通信遅延の削減やプライバシー保護を両立できるシステムとして、自動運転や見守りカメラなどで広く活用が進んでいます。
GPUクラスタ
GPUクラスタとは、多数のGPUを高速なネットワークで連結し、巨大な計算資源として運用するシステムです。大規模言語モデルやディープラーニングの学習に必要な膨大な並列計算を効率的に実行できます。生成AI開発の基盤インフラとして不可欠であり、計算時間を大幅に短縮する役割を果たします。
通信ボトルネック
通信ボトルネックとは、AIモデルの大規模化に伴い、複数のGPUやサーバー間でのデータ転送速度が計算処理の速度に追いつかず、システム全体の性能が低下する現象です。LLMの学習や推論の効率化において深刻な課題となっています。
ウェアラブル端末
ウェアラブル端末とは、腕時計や眼鏡のように身につけて使用する電子機器の総称です。AI技術と連携することで、日々の健康状態のモニタリングや音声アシスタントによる高度な操作が可能になり、現代のスマートライフに欠かせないツールとなっています。
ストレージ
ストレージとは、コンピュータ上でデータやプログラムを長期間保存するための記憶装置およびその領域のことです。AI分野では、大規模な学習データセットやモデルの重みパラメータを安全かつ高速に保持・読み出しするために不可欠なインフラ基盤となります。SSDやHDD、クラウドストレージなど多様な形態が存在します。