TIER IV、自動運転向けAIチップ設計のオープンソース化を計画

TIER IVは、レベル4自動運転向けAIチップ設計のオープンソース化を目標とする日本の研究プログラムに参画し、Google Newsで取り上げられた。

8月14日の発表は、単なる車載プロセッサプロジェクトにとどまらない。TIER IVはチップのロジック、コンパイラ、関連する開発ツールを公開する計画だ。一般にSoCと呼ばれるシステム・オン・チップ製品を構築する際、半導体企業がその基盤を再利用できるようにすることを目指している。

主な対抗軸は、特定のチップメーカーではない。開発者に高い性能をもたらす一方、実行経路全体の可視性が限られる、クローズドで汎用的なコンピューティングモデルだ。NVIDIA DRIVE Thorはそのモデルの規模と成熟度を示す一方、TIER IVはより限定的な代替案を検証している。

この違いは車両において重要だ。自動運転モデルはセンサーデータを継続的に処理し、厳格なタイミング要件を満たし、限られた電力・熱設計の範囲で動作しなければならない。その計算は、信頼できる安全性の根拠も支える必要がある。

TIER IVは、専用ハードウェアによって、開発者を単一のモデルアーキテクチャに縛ることなく効率を高められるとしている。また、ソフトウェアが車両に搭載される前に、選定したコンパイラ変換を形式手法で検証することも目指している。

これらは完成した車載製品ではなく、依然として研究課題だ。発表にはベンチマーク結果、試作チップ、量産顧客、安全認証、リリース予定は含まれていなかった。

したがって本質はトレードオフにある。コンピューティングスタックを公開すれば検証性と再利用性は高まり得るが、量産グレードの車載ハードウェアには、ソースファイルの公開をはるかに超える要件がある。

Google Newsの見出しが実際に発表した内容

TIER IVは、チップロジック、コンパイラ、支援ツールチェーンという、相互接続された3層を公開する方針を示した。

Google Newsの掲載元はGoogle自身の発表ではなく、TIER IVのリリースだ。Google Newsは集約システムを通じて見出しを配信した。Googleは参加者、資金提供者、技術パートナー、チップ顧客のいずれとしても特定されていない。

TIER IVは、次世代エッジAI半導体研究開発プログラムに参加した。このプログラムは科学技術振興機構（JST）が主導する。

東京大学の研究チームが、より広範なユースケース主導型チップ研究を指揮する。TIER IVによれば、このチームを率いるのは川原圭博教授だ。プロジェクトは、機能的に差別化されたフィジカルAIハードウェアに焦点を当てている。

フィジカルAIは、AIの判断を物理的な行動へ結び付けるシステムを指す。自動運転車は、モデルがセンサーを解釈し、操舵、制動、加速に影響を与えるため、このカテゴリに該当する。

TIER IVは推論アクセラレータのロジック設計に取り組む。推論とは、学習済みモデルを新しい入力に対して実行するプロセスだ。対象ワークロードは、エンドツーエンドの自動運転AIである。

エンドツーエンドモデルは、センサー入力から運転判断に至る、より広範な対応関係を学習する。これは、知覚、予測、計画、制御をそれぞれ設計したモジュールに分割するパイプラインとは対照的だ。

TIER IVは、このチップが同社が先駆けたオープンソースの自動運転スタック、Autowareをサポートするとしている。同社は、より大規模なSoCの一部としてアクセラレータを評価する計画だ。

この表現は重要な限界を示している。TIER IVが発表したのは設計・評価の取り組みであり、商用チップではない。製造プロセス、ファウンドリ、テープアウト日、パッケージングパートナー、量産車両のいずれも明らかにしていない。

同社は、想定する毎秒演算回数も公開していない。実測レイテンシ、メモリ帯域幅、モデル精度、電力効率の結果も示していない。

代わりにTIER IVは、目標とする範囲を説明した。このアーキテクチャは、数ワットを使用する組み込み機器から数十ワットを使用する車両制御ユニットまでをカバーするべきだとしている。ハードウェア測定値が得られるまで、これらは設計上の目標にすぎない。

オープンソース化の約束も同様に将来志向だ。TIER IVは設計資産とツールをリリースする意向を示しているが、発表ではリポジトリやライセンスを特定していない。

この区別は、「オープンソース」がさまざまな権利を含み得るため重要だ。開発者は、設計を検査、変更、製造、再配布、商用化できるかを知る必要がある。

それでも、このリリースは議論を変える。TIER IVは、Autowareのソフトウェア層より下、さらにその下支えとなるコンピューティングアーキテクチャへと、オープン開発戦略を拡張した。

Autowareは2015年にオープンソースプロジェクトとして始まった。TIER IVは後に権利を非営利団体Autoware Foundationへ移管し、現在は同財団が企業や研究機関をまたぐ開発を調整している。

現在のAutowareプロジェクトには、自己位置推定、物体検出、経路計画、車両制御にまたがる機能が含まれる。この経緯により、TIER IVにはハードウェア提案を持ちかけられる確立済みのコミュニティがある。

ただし、そのコミュニティがチップを設計・製造することを保証するものではない。半導体開発には、ソフトウェアプロジェクトには同じ形では存在しない資本、知的財産、検証、サプライチェーン上の制約が伴う。

レベル4運転でピーク性能より効率が重視される理由

TIER IVは、単体アクセラレータの最大スコアではなく、車両全体でのワット当たりの有用な処理量を最適化しようとしている。

レベル4自動化では、車両が定義された運行条件の範囲内で運転タスク全体を実行できる。これらの条件は運行設計領域、すなわちODDを構成する。

ODDは、道路種別、地理、天候、時間帯、速度によってシステムを制限し得る。その領域を離れる場合、車両は人間が直ちに運転を再開することを期待せず、安全な状態に到達する必要がある。

この要件は絶え間ないコンピューティング需要を生む。カメラとライダーは継続的にデータを生成し、計画判断は定められた時間内に出なければならない。回答が遅れることは、回答が誤っていることと同じくらい問題になり得る。

大規模なTransformerモデルは、さらに負荷を加える。Transformerはattention演算を用いて、入力シーケンス内の関連情報を結び付ける。運転では、このシーケンスに画像、点群、地図、直近の車両状態が含まれ得る。

TIER IVは、Transformer推論で頻繁に使われる行列乗算とattentionという2つの演算に向けて、専用回路を追加する計画だ。専用化により、汎用プロセッサが柔軟性のために抱える制御オーバーヘッドを取り除ける可能性がある。

同社はデータ移動の削減も目指している。モデルデータをあらかじめ配置してチップ内部で再利用し、外部メモリへの反復的な転送を抑える提案だ。

データ移動はエネルギーを消費するため、これは妥当な目標である。ただし実際の効果は、モデルサイズ、メモリ容量、精度、スパース性、スケジューリング、センサーワークロードに左右される。

オンチップに収まる小規模なベンチマークは優れた結果を示し得る。一方、外部メモリへ繰り返しアクセスする量産モデルでは、異なる電力プロファイルになる可能性がある。

そのため、システムレベルの測定は単一のアクセラレータ数値より重要になる。開発者には、総ボード電力、エンドツーエンドのレイテンシ、熱特性、代表的なセンサー負荷下での性能が必要だ。

TIER IVは、AutowareとSoCを一体で最適化すると明示している。このハードウェア・ソフトウェア協調設計は、汎用インターフェースによって隠されていた無駄を明らかにできる。

リスクは専用化にある。今日のTransformer演算に強く最適化された回路は、モデルが変化すれば重要性を失う可能性がある。特に開発者がエンドツーエンド学習と設計済みの安全コンポーネントを組み合わせるなか、自動運転アーキテクチャは依然として定まっていない。

TIER IVの答えは、ソフトウェア定義SoCだ。この表現は、基盤となる回路が専用化されていても、ソフトウェアがある程度の適応性を維持すべきことを意味する。

同社は、モデルフレームワークとハードウェアの間にTensor Operator Set Architectureを挿入する計画だ。TOSAは、一般的なニューラルネットワーク演算を一貫した形式で表現する標準化された中間表現である。

公式のTOSAフレームワークは、PyTorchやTensorFlowなどのシステムの演算子をサポートしている。CPU、GPU、ニューラルプロセッサ、その他のカスタムハードウェアを対象とする。

TIER IVの計画では、モデルはまずTOSA演算へ変換される。次にコンパイラがそれらの演算を最適化し、アクセラレータ向けの命令を生成する。

この分離により、単一のモデルフレームワークと単一のチップとの直接的な結び付きを弱められる。コンパイラやランタイムの更新によって、ハードウェアを全面的に再設計せずとも、一定のモデル変更に対応できる可能性がある。

本質的な限定詞は「一定の」だ。ソフトウェアは存在しない回路を生み出すことも、固定されたメモリを拡張することも、ハードウェアのボトルネックを消し去ることもできない。将来のワークロードには、依然として新しいシリコンが必要になるかもしれない。

それでもこの概念は実用的な中間点を示す。TIER IVは、すべての柔軟なプロセッサを固定機能ロジックで置き換えようとしているわけではない。標準化されたソフトウェア境界を保ちながら、頻出する演算を専用化しようとしている。

この仕組みこそ、本プロジェクトが通常の資金提供発表以上の意味を持つ理由だ。提案されたチップは、オープンなインターフェースによって、変化するモデルに対応できるほど専用車載コンピュートを適応的にできるかどうかの試金石となる。

オープンなチップ設計とクローズドな車載プラットフォーム

TIER IVは依存性と不透明性に挑戦する一方、既存プラットフォームは性能、ツール、量産対応力で大きな優位性を保っている。

NVIDIAは既存の道筋を示している。同社のDRIVE AGX Thor開発プラットフォームは、Thor製品概要によれば、350ワットで最大1,000 INT8 TOPSを提供する。

TOPSは毎秒1兆回の演算を意味する。この数値は関連する構成を比較する助けにはなるが、それだけで完全な運転システムの性能を予測するものではない。

NVIDIAは車載ハードウェアをDriveOS、CUDA、TensorRT、センサーサポート、安全性重視のソフトウェアと組み合わせている。この統合環境により、自動車メーカーが独力で組み立てる必要がある要素の数を減らせる。

Thorはより幅広いワークロードにも対応する。自動運転、ドライバーモニタリング、インフォテインメント、その他の車両機能を統合できる。TIER IVが発表したアクセラレータは、自動運転推論により狭く焦点を絞っている。

このため、直接的なスコア比較は時期尚早であり、誤解を招く可能性もある。TIER IVはTOPS目標を開示していない一方、NVIDIAのプラットフォームは提案されたアクセラレータの対象範囲外のワークロードも扱う。

戦略上の対比はより明確だ。独自の車載プラットフォームを利用する顧客は公開インターフェースを検査できるが、通常は内部のハードウェア詳細すべてを監査・変更することはできない。

TIER IVは、開発者と半導体メーカーがロジックと処理フローを検証できるようにしたいとしている。特定の車両、モデル、電力制限、性能要件に合わせて設計を適応できるべきだとしている。

このレベルのアクセスは、単一の商用製品への依存を減らし得る。また、研究者が結果を再現したり、コンパイラとアクセラレータの境界をまたぐ挙動を調査したりする助けにもなる。

オープンハードウェアは前例のないものではない。NVIDIA自身も、ハードウェアモデル、コンパイラコンポーネント、ドライバー、テスト、ドキュメントを備えたオープンなディープラーニングアクセラレータ、NVDLAアーキテクチャを維持している。

NVDLAは、この分野の可能性と微妙な論点の両方を示している。オープンなアクセラレータは再利用可能な出発点を提供できるが、そのライセンス、統合要件、機能セット、保守モデルは、依然として採用のあり方を左右する。

TIER IVの自動車分野への注力は、その取り組みを差別化する要素になり得る。Autowareの要件を当初から統合することで、汎用的なIoTアクセラレータよりも実際の運転ワークロードに近い設計を生み出せる可能性がある。

同社が提案する検証レイヤーも、この主張をより明確にしている。TIER IVは、コンパイル時に実施される一部の変換を形式手法で検証するとしている。

形式検証では、指定した特性が成り立つかどうかを数学的手法で確認する。ここでの対象には、数値的一貫性と定義された誤差許容範囲への準拠が含まれる。

コンパイルは、量子化、丸め、演算子変換、最適化を通じてモデルを変更し得る。量子化では、メモリ使用量と計算量を削減するため、より低精度の数値形式を用いる。

こうした変更はモデル出力を変化させる可能性がある。通常の消費者向けアプリケーションなら小さな差異は許容されるかもしれない。だが安全に関わる運転経路では、その差異がいつ重大になるのかを開発者が理解しなければならない。

TOSAは、こうした検証の基盤となり得る精密な演算子定義を提供する。TIER IVは、アクセラレータが実行する前にモデルがどのように変化するかを追跡したい考えだ。

これはニューラルネットワークを形式的に安全にするものではない。コンパイラ変換の検証は、車両があらゆる危険を認識したり、正しい操作を選択したりすることの証明とは異なる。

それでも、不確実性の一因を取り除くことはできる。コンパイル後にモデルの挙動が変わった場合、エンジニアはそれが想定された許容差なのか、実装上のエラーなのかを区別する必要がある。

クローズドなプラットフォーム側にも独自の対応がある。主要サプライヤーは、機能安全プロセス、検証システム、サイバーセキュリティ、そしてサポートされた量産向けハードウェアに多額の投資をしている。

オープンであることが、こうしたシステムを自動的に上回るわけではない。それは、誰がコンポーネントを検査し、変更し、その上に構築できるかを変える。

したがって競争は、オープンか安全かという二項対立ではない。検査可能なスタックが、管理されたプラットフォームの産業的な規律を失うことなく、自動車用途の信頼性に到達できるかどうかをめぐる議論である。

ソースコード公開後に本当の難題が始まる

チップのロジックを公開することは、プロジェクト最大の試練の始まりであって、完了ではない。

自動車向けシリコンは、研究プロトタイプでは直面しないかもしれない環境、製造、運用上の要求に耐えなければならない。この設計には、センサー、メモリ、ネットワーク、オペレーティングシステム、車両コントローラとの信頼性の高い統合も必要となる。

TIER IVはまだ製造への道筋を明らかにしていない。ロジック設計は、利用可能なシリコンになるまでに、合成、タイミング収束、物理レイアウト、検証、製造、パッケージング、基板検証を経る必要がある。

コンパイラにも同様の成熟度が求められる。意図した演算子をサポートし、予測可能な出力を提供し、未対応のケースを検出し、モデルの進化に伴って安定性を保たなければならない。

オープンなリポジトリは貢献者を集められるかもしれないが、貢献量は量産に対する責任と同義ではない。自動車メーカーには、保守されたリリース、不具合対応、長期のサポート期間、明確な責任主体が必要だ。

ライセンスは初期のシグナルとなる。寛容なライセンスは商用での再利用を促進し得る一方、特許条項や用途制限は実質的な自由度を狭める可能性がある。

ドキュメントもまた重要になる。半導体チームには、統合仕様、メモリモデル、性能ツール、リファレンス構成、テスト、再現可能なビルド手順が必要だ。

プロジェクトはまた、「検証可能」が何を対象とするのかを定義しなければならない。TIER IVは一部の変換と演算に言及しており、これは適切に限定された表現である。

読者はこの言葉を、車両全体の安全性が完全に証明されたものと解釈すべきではない。正しいコンパイラであっても、欠陥のあるモデルを実行したり、故障したセンサーデータを取り込んだり、検証済みの条件外で動作したりする可能性はある。

提案されているエンドツーエンドの重点は、別の緊張関係も生む。これらのモデルは、手作業で設けた境界を減らし、運転タスク全体にわたる有用な関連性を学習できる。

一方で、故障分析を難しくする可能性もある。開発者は、まれな状況でモデルがなぜ特定の軌道を選んだのかを説明するのに苦労するかもしれない。

オープンなチップロジックは、モデルの解釈可能性を解決しない。計算がどのように実行されるかは明らかにできるが、それは問題の別の層に対応するものだ。

性能も未検証のままである。数百ワットを消費する開発プラットフォームと比べれば、目標とする電力範囲は魅力的に聞こえる。

ただし、コンピュータ全体、SoC、アクセラレータブロックの電力値は直接比較できない。冷却、メモリ、インターフェース、冗長性、安全プロセッサはいずれも消費電力を追加する。

正しい比較では、同等のワークロードとシステム境界を用いる必要がある。たまに発生する遅延結果が重要になり得るため、平均値だけでなくレイテンシ分布も報告すべきだ。

精度もコンパイルおよび量子化後に測定しなければならない。知覚や計画が許容範囲を超えて劣化するなら、低消費電力という結果の価値は限定的だ。

TIER IVには、量産で求められる水準を表すモデルが必要となる。単純化された学術的ネットワークは、密集した都市環境での運転に対する準備性を示すことなく、アーキテクチャのアイデアを検証できてしまう。

JSTの役割は、この取り組みに公的な研究支援を与える。同機関のプログラム説明は、超低消費電力のエッジAIと産業への迅速な移転を重視している。

このより広範なプログラムは2025年に提案募集を開始した。学術研究を基盤としながら、実用的な半導体開発を目指している。

公的支援は、民間企業が避ける初期段階の技術リスクを吸収できる。だが市場需要を生み出したり、自動車メーカーによる採用を保証したりはできない。

半導体パートナーは事業性を見いだす必要がある。製品エンジニアリングを正当化するには、十分な予想数量、差別化、あるいはサービス収益が必要だ。

自動車メーカーはサポート面での根拠を必要とする。長期にわたる車両開発・運用サイクルを通じて、オープンなコンポーネントが保守され続けるという確信が必要だ。

AutowareコミュニティはTIER IVに出発点での優位性を与える。すでに、共通のスタックを軸にソフトウェア開発者、研究者、モビリティプロジェクトを結び付けている。

ハードウェアへの参加には追加のグループが必要となる。ファウンドリ、知的財産ベンダー、基板メーカー、安全性の専門家、車両メーカーが設計を中心に足並みをそろえなければならない。

だからこそ、8月の発表は真剣な仮説として扱うべきだ。実在する問題と一貫した仕組みを特定しているが、判断を下すために必要な証拠はまだ示していない。

なぜ日本はいまエッジAI半導体に資金を投入するのか

日本は、低消費電力AIの研究を、半導体と実世界のシステムにおける影響力を取り戻すための産業的取り組みと結び付けている。

JSTによれば、このプログラムは学術的なアイデアを活用し、非常に低い消費電力で動作する次世代エッジAIチップを開発する。また、研究から産業への移行も重視している。

この使命は自動運転に適している。ネットワークには遅延、カバレッジの欠落、外部依存が生じるため、車両は緊急性の高い判断をすべて遠隔のデータセンターへ送ることはできない。

推論はエッジ、つまりセンサーや物理システムの近くで行わなければならない。そのため車両自体が計算能力の多くを搭載することになる。

日本には自動車、電子機器、ロボティクス、製造業が確立している。こうした強みは、同国が汎用AIアクセラレータで主要サプライヤーに後れを取っている場合でも、フィジカルAIのユースケースを生み出す。

TIER IVの提案は、ユースケース優先の戦略に従う。汎用チップを設計して顧客を探すのではなく、AutowareとLevel 4の要件から始める。

河原教授はこのプロジェクトを、特定のアプリケーションからチップ機能を逆算するものだと説明した。この手法は、どの演算が重要かを設計者が把握しているため、ハードウェアをより効率的にできる可能性がある。

一方で、対象市場を限定する可能性もある。ある自動運転スタックを中心に形作られた設計は、産業用ロボット、ドローン、あるいは無関係なAIワークロード向けには大幅な適応を要するかもしれない。

オープンソース化は、その制約を和らげる可能性がある。他の開発者がコンポーネントを変更し、インターフェースを追加し、隣接するフィジカルシステム向けに設計を特化できるためだ。

しかし、オープン性は戦略上の緊張も露わにする。半導体技術は経済安全保障上の懸念をますます伴う一方、オープンプロジェクトは設計情報を国境を越えて分散させる。

JSTは、研究セキュリティ審査を受ける取り組みの一つとしてエッジAIプログラムを挙げている。これはTIER IVの提案に問題があることを意味しないが、オープンな半導体開発を取り巻く政策上のバランスを示している。

日本は国内能力、国際協力、産業での採用を求めている。真に再利用可能なオープン設計はこの3つすべてを前進させ得るが、商業参加者は依然として独自の改良を保護するだろう。

結果として生まれるエコシステムは、オープンな基盤とクローズドな製品を組み合わせる可能性がある。Linux、RISC-V、そして多くのソフトウェアプロジェクトも同様のパターンをたどっている。

その結果はTIER IVの戦略を無効にするものではない。重要な問いは、一社のベンダーがすべての重要なインターフェースを支配することを防げるほど、オープン層が有用であり続けるかどうかだ。

Google Newsでの露出はこの問いに注目を集めるかもしれないが、注目は採用ではない。プログラムの価値は、外部チームが試験できるエンジニアリング成果物に左右される。

開発者にとって、この出来事はオープンな自動運転がアプリケーションやミドルウェアより下の層へ移行していることを示す。ハードウェアアーキテクチャ、コンパイラ、数値検証が、同じ開発上の対話の一部になりつつある。

自動車メーカーにとっては、コンピューティングのロードマップをより強くコントロールするための可能な道筋を示している。そのコントロールには、統合、検証、保守、サプライヤー調整に対する責任も伴う。

半導体企業にとって、TIER IVは開発を短縮し得るリファレンス基盤を提案している。それが実現するかどうかは、設計品質、ドキュメント、ライセンス、再利用可能な検証資産にかかっている。

圧力が最も直接的にかかるのは、独自仕様の自動車向けコンピューティングサプライヤーだ。彼らが直ちに設計を公開する必要はないが、顧客はより明確なインターフェース、より強いトレーサビリティ、より優れたワークロード効率を求めるかもしれない。

TIER IVの賭けが成功するかを決める3つのシグナル

このプロジェクトは、検査可能な公開、測定されたシリコン、外部での採用という順番で信頼性を獲得する。

最初のシグナルは公開そのものだ。TIER IVは、リポジトリ、ライセンス、ガバナンスモデル、サポートするTOSAバージョン、コンパイラの対象範囲、リファレンスワークロードを明示すべきである。

図表だけ、あるいは不完全なロジックブロックだけの公開では、オープンエコシステムという主張は弱まる。製造可能なロジック、ビルド手順、テスト、コンパイラコンポーネントがあれば、それは強まる。

課題追跡の品質も重要になる。外部開発者がビルドを再現し、不具合を報告し、どのコンポーネントが依然として実験段階なのかを理解できるべきだ。

2つ目のシグナルはハードウェア検証である。TIER IVには、製造済みシリコンか、プログラマブルハードウェア上での信頼できる実装が必要であり、その後に透明性のある測定結果を示す必要がある。

その結果には、ワット当たり性能、レイテンシ、メモリトラフィック、熱挙動、モデル精度を含めるべきだ。テストでは、代表的なカメラおよび点群ワークロードを使用すべきである。

比較ではシステム境界の一貫性を保たなければならない。明確な条件付けなしに、アクセラレータブロックを完全な自動車向けコンピュータの総消費電力と比較すべきではない。

検証結果にも同等の注意が必要だ。TIER IVは、どのコンパイラ変換が形式検査を受けるのか、どの特性をテストするのか、どこで手動検証が引き続き必要なのかを明らかにすべきである。

モデル、TOSA表現、生成コード、アクセラレータ出力をつなぐ公開成果物があれば、透明性という主張は具体的なものになる。

3つ目のシグナルは独立した再利用だ。半導体メーカー、自動車メーカー、大学、またはモビリティ企業が、公開された基盤の上に意味のあるものを構築しなければならない。

パートナー発表だけでは不十分である。より強い証拠となるのは、TIER IVの中核チームの外部で実施された、変更済み設計、統合SoC、共有ベンチマーク、または車両試験だ。

外部で採用されれば、このツールチェーンがユーザーに複雑さを転嫁するのではなく、作業負荷を軽減することが示される。また、ガバナンスが組織をまたいで機能するかどうかも検証される。

採用者を引き付けられなかったとしても、そのアーキテクチャに価値がないことの証明にはならない。自動車業界のタイムライン、ライセンスに関する不確実性、製造コスト、あるいはサポート不足を反映している可能性もある。

それでも、エコシステムを掲げるなら、実際のエコシステムが必要だ。AutowareにおけるTIER IVの歩みは、ソフトウェアが継続的な協力を集めてきたことから、高い比較基準となっている。

Google Newsの見出しは野心的な到達点を示したが、次の更新ではそこへ至る道筋を記録する必要がある。読者は大まかな表現にとどまらず、リポジトリ、ベンチマーク、実装担当者の実名を求めるべきだ。

エンジニアにとって、直近で取るべき行動は明快だ。約束された設計資産を追跡し、そのライセンスが実際の改変と商用利用を許可しているかを確認することだ。

業界の購入担当者は、測定された効率性がシステム全体の試験でも維持されるかを注視すべきだ。また、検証が慎重に選ばれたデモンストレーションではなく、意味のある変換を対象としているかも問う必要がある。

AIチップに関するgoogle newsの報道を追うすべての人は、発表と証拠の違いを明確に保つべきだ。TIER IVは重要な研究の方向性を切り開いた。しかし、オープンな自動車向けチップをまだ生み出したわけではない。

独立したチームがスタックを検証し、結果を再現し、それを基に信頼できるハードウェアを構築できるなら、この賭けは成功する。それまでは、オープン性こそがこのプロジェクトの最大の約束であり、最も厳しい試練でもある。