論文の概要: AI Compute Architecture and Evolution Trends

• arxiv url: http://arxiv.org/abs/2508.21394v1
• Date: Fri, 29 Aug 2025 08:14:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:10.960276
• Title: AI Compute Architecture and Evolution Trends
• Title（参考訳）: AIコンピューティングアーキテクチャと進化のトレンド
• Authors: Bor-Sung Liang,
• Abstract要約: 本稿では,AI計算アーキテクチャのための7層モデルを提案する。 各層について,開発軌跡と鍵となる技術について述べる。 本稿では、インターネット産業を分析し、AI開発の将来的な軌跡について予測する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The focus of AI development has shifted from academic research to practical applications. However, AI development faces numerous challenges at various levels. This article will attempt to analyze the opportunities and challenges of AI from several different perspectives using a structured approach. This article proposes a seven-layer model for AI compute architecture, including Physical Layer, Link Layer, Neural Network Layer, Context Layer, Agent Layer, Orchestrator Layer, and Application Layer, from bottom to top. It also explains how AI computing has evolved into this 7-layer architecture through the three-stage evolution on large-scale language models (LLMs). For each layer, we describe the development trajectory and key technologies. In Layers 1 and 2 we discuss AI computing issues and the impact of Scale-Up and Scale-Out strategies on computing architecture. In Layer 3 we explore two different development paths for LLMs. In Layer 4 we discuss the impact of contextual memory on LLMs and compares it to traditional processor memory. In Layers 5 to 7 we discuss the trends of AI agents and explore the issues in evolution from a single AI agent to an AI-based ecosystem, and their impact on the AI industry. Furthermore, AI development involves not only technical challenges but also the economic issues to build self-sustainable ecosystem. This article analyzes the internet industry to provide predictions on the future trajectory of AI development.
• Abstract（参考訳）: AI開発の焦点は、学術研究から実践的応用へとシフトしてきた。 しかし、AI開発は様々なレベルで多くの課題に直面している。 この記事では、構造化アプローチを使用して、さまざまな視点からAIの機会と課題を分析する。 本稿では、物理層、リンク層、ニューラルネットワーク層、コンテキスト層、エージェント層、オーケストレータ層、アプリケーション層を含む、AI計算アーキテクチャの7層モデルを提案する。 また、大規模言語モデル(LLM)の3段階の進化を通じて、AIコンピューティングがこの7層アーキテクチャにどのように進化したかを説明している。 各層について,開発軌跡と鍵となる技術について述べる。 レイヤ1とレイヤ2では、AIコンピューティングの問題と、スケールアップ戦略とスケールアウト戦略がコンピューティングアーキテクチャに与える影響について論じる。 レイヤ3では、LLMのための2つの異なる開発パスを調査します。 レイヤ4では、コンテキストメモリがLLMに与える影響を論じ、従来のプロセッサメモリと比較する。 レイヤ5から7では、AIエージェントのトレンドについて論じ、単一のAIエージェントからAIベースのエコシステムへの進化の問題点と、AI産業への影響について論じる。 さらに、AI開発には技術的な課題だけでなく、自己維持可能なエコシステムを構築するための経済的問題も含まれる。 本稿では、インターネット産業を分析し、AI開発の将来的な軌跡について予測する。

関連論文リスト

• AI Supply Chains: An Emerging Ecosystem of AI Actors, Products, and Services [45.66861360191072]
  私たちは、AIサプライチェーンとその意味に関する正式な研究に向けて、第一歩を踏み出します。 本稿では、AI開発と規制の両方がサプライチェーンの存在下で複雑であることを示す2つの実証的なケーススタディを示す。 我々の発見は、AIサプライチェーンとその社会的、経済的、規制的、技術的な意味合いのさらなる研究を動機付けています。
  論文  参考訳（メタデータ） (2025-04-28T18:36:41Z)
• Overview of AI and Communication for 6G Network: Fundamentals, Challenges, and Future Research Opportunities [148.601430677814]
  本稿では,6GネットワークにおけるAIと通信の概要を概観する。 我々はまず、AIを無線通信に組み込むことの背景にある要因と、AIと6Gの収束のビジョンを概観する。 講演はその後、6Gネットワーク内でAIの統合を想定する詳細な説明へと移行する。
  論文  参考訳（メタデータ） (2024-12-19T05:36:34Z)
• Collaborative AI in Sentiment Analysis: System Architecture, Data Prediction and Deployment Strategies [3.3374611485861116]
  大規模言語モデル(LLM)に基づく人工知能技術は、特に感情分析においてゲームチェンジャーとなっている。 しかし、複雑なマルチモーダルデータを処理するための多様なAIモデルの統合と、それに伴う機能抽出の高コストは、大きな課題を呈している。 本研究では,様々なAIシステムにまたがるタスクを効率的に分散・解決するための協調型AIフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-17T06:14:34Z)
• Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
  コネクショニストと象徴的人工知能(AI)の収束を探求する記事 従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。 大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-11T14:00:53Z)
• The Artificial Intelligence Ontology: LLM-assisted construction of AI concept hierarchies [0.7796141041639462]
  人工知能オントロジー(AIO)は、人工知能の概念、方法論、それらの相互関係の体系化である。 AIOは、AI技術の技術的側面と倫理的側面の両方を含む包括的なフレームワークを提供することによって、急速に進化するAIの展望に対処することを目指している。
  論文  参考訳（メタデータ） (2024-04-03T20:08:15Z)
• AI-in-the-Loop -- The impact of HMI in AI-based Application [0.0]
  我々は,AIと人間の強みを組み合わせたループ型AIの概念を導入する。 AIを使用した推論でHMIを有効にすることで、AIと人間の強みを組み合わせた、ループ内のAIの概念を導入します。
  論文  参考訳（メタデータ） (2023-03-21T00:04:33Z)
• Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
  近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。 倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。 このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
  論文  参考訳（メタデータ） (2021-06-25T22:31:55Z)
• Empowering Things with Intelligence: A Survey of the Progress, Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
  AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。 まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。 最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
  論文  参考訳（メタデータ） (2020-11-17T13:14:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。