図1　Nitroシステムをハードウエア化し他社と差別化する　出�Z：AWS

AWSのクラウドにおけるプラットフォームは仮�[化を徹�fしており、これまではサーバーの中で、仮�[化コンピューテンングのカスタマインスタンスと、メモリとCPUを割り当てるハイパーバイザをサーバー����の70%を��めていた��残りの30%はネットワーキングとストレージ、その他（管理やセキュリティなど）だった。これを�i�vの70%を100%サーバーに�eたせ、残り30%を��て専��のハードウエアで構成しそれをNitro（ナイトロと発音）と�}んだ（図1）。つまり、ここにも半導��チップを�O社開発していく。

コンピューティング仮�[化�霾�は、IntelやAMDのx86アーキテクチャと、64ビットArm Neoverseコアを集積したGraviton 2プロセッサで構成する。�O主設��のGraviton 2プロセッサは、x86アーキテクチャよりも40%コストフォーマンスが良いことを確認している。データセンターのプロセッサ�霾�でコストパフォーマンスが良いことは、仮�[化コンピューティング�ξ�を他のクラウドベンダーよりももっと�\�咾任�ることにある。すなわち差別化できる。

Intelの新プロセスIntel 20AではGraviton 3を���]依頼する��画であり、Intelのファウンドリとしての�ξ�への期待は�jきい。今のところ、x86アーキテクチャとGravitonを共�Tさせているが、��来に関しては言及していない。

AWSは、Nitroの導入によって、ネットワーウやストレージ、管理・セキュリティ関係をハードウエア化するためのチップ開発に��を�Rぐことになる。セキュリティでは、インスタンスのハードウエアやファームウエア化を監��、保護する。セキュリティチップはRoot of Trust（信頼の基点）をハードウエアで実現したもの。このチップが、��ての不ｧ発性ストレージへのI/Oをトラップして�U御する。そして不ｧ発性ストレージへの��ての書き込みをハードウエアでブロックする。��動時にはストレージ�屬離如璽燭�書き換わっていないことを常に確認する。

AIの機械学�{専��チップAWS Inferentia（図2）を開発したのは、デ��ープラーニングのラニングコストをGPUインスタンスと比べて30%削��でき、応答のレイテンシは25%に削��できるという。

図2　AWSの推�b��チップAWS Inferentia　出�Z：AWS

AWSは音�m入��「Alexa」のような音�mをテキストから�收�するモデルをInferentiaに�々圓気擦襪海箸如△茲蟾��]なAlexa応答をもたらすことになる。

さらに今後は開発中の学�{チップAWS Trainiumは、AWS Inferentiaで�W��するAWS Neuron SDK（ソフトウエア開発キット）を使ってモデルをコンパイルできるという。最小限のコード変��でGPUベースのインスタンスからも�々垈��Δ世箸靴討い�。TensorFlowやPyTorchなど主要フレームワークをサポートしている。性�Δ両楮戮枠�表していないがTFLOPSレベルであることは間違いなさそう。2021�Q��までには入�}可�Δ砲垢觴�画だ。