Appleが2nmプロセス採用チップ「M6」を発表、4ダイ構成の「M5 Ultra」は最大512GBのメモリを搭載

この半導体ニュースのまとめ

・Appleが同社初の2nmプロセス採用SoC「M6」を発表
・M6は12コアCPU/GPUと2基の16コアNeural Engineを搭載
・M5 Ultraは4ダイ構成を採用し、最大512GBのユニファイドメモリに対応

Appleは8月25日、同社として初めて2nmプロセスを採用したSoC「M6」と、Mシリーズとして初めて4ダイ構成を採用した「M5 Ultra」を発表した。

M6とM5 Ultraのチップイメージ (出所:Apple)

M6は新型Mac mini、M5 Ultraは新型Mac Studioに搭載される。両製品ともCPU、GPU、Neural Engine、ユニファイドメモリを組み合わせ、クリエイティブ処理やソフトウェア開発に加え、生成AIやエージェンティックAIを端末上で実行するオンデバイスAI性能を強化した。

Apple初の2nmチップとなる「M6」

M6は、2nmプロセスを採用することでトランジスタ密度を高め、性能と電力効率を向上させたSoC。CPUは、2基のスーパコア、4基のパフォーマンスコア、6基の高効率コアからなる12コア構成を採用した。M5と比べてコア数を2基増やし、マルチスレッド性能を最大1.2倍、M1比では最大2.4倍に高めたとしている。

スーパコアがシングルスレッド処理、パフォーマンスコアが負荷の大きなマルチスレッド処理、高効率コアがバックグラウンド処理などを担当する。画像編集やコードのコンパイル、ファイルのインデックス作成、エージェンティックAIなど、処理内容に応じて各コアを使い分けることでユーザーに高速かつレスポンスの良い体験を提供するという。

GPUもM5から2コア増となる12コア構成で、各コアにAI処理を担うNeural Acceleratorを搭載した。AI向けのピークGPU演算性能はM5比で約30％、M1比で8倍以上に向上したという。

グラフィックス機能として、シェーダコアアーキテクチャやDynamic Cachingを改良したほか、ハードウェアアクセラレーションによるレイトレーシングにも対応。ジオメトリ処理性能はM5比で50％向上したとしている。

4ダイ構成を採用したM5 Ultra

M5 Ultraは、2ダイ構成のM5 Maxチップを2基、「UltraFusion」技術で接続することで、Mシリーズとして初めて4ダイ構成を採用したSoCである。

ダイ間帯域は4.4TB/s超で、接続密度は従来比6倍以上に向上した。4つのダイを低遅延かつ広帯域に接続し、ソフトウェアからは単一のプロセッサとして扱えるようにする。

CPUは最大36コア構成で、12基のスーパコアと24基のパフォーマンスコアを搭載。M3 Ultraと比べてシングルスレッド性能を最大1.25倍、マルチスレッド性能を最大1.3倍に高めたとしている。

GPUは最大80コアで、各コアにNeural Acceleratorを内蔵することで、AI向けのピークGPU演算性能をM3 Ultra比で最大4.5倍、M1 Ultra比で6倍以上としたとする。また、第2世代Dynamic Caching、ハードウェアアクセラレーションによるメッシュシェーディング、第3世代レイトレーシングにも対応し、グラフィックス性能はM3 Ultra比で最大40％向上したという。

最大512GBメモリで大規模AIモデルをローカル実行

また、最大512GBのユニファイドメモリとM3 Ultra比で50％拡大したメモリ帯域となる1.2TB/sを実現したとする。

大容量のユニファイドメモリにより、数千億パラメータ規模のAIモデルや大規模なデータセットをメモリ上に保持し、Mac Studio上で実行できるとしている。クラウドへデータを転送せず、ローカル環境でAIモデルの実行やファインチューニング、科学技術計算などを行う用途を想定する。

このほか、32コアのNeural Engineと強化したMedia Engineを搭載。H.264およびHEVCに加え、4基のProResエンコード/デコードエンジン、ハードウェアによるAV1デコードに対応し、高解像度映像編集や複雑な3Dレンダリング、科学解析などのプロ向けワークロードを支援することも可能だという。

なお、Appleでは、Core AI、Core ML、Metal、Xcodeなどの開発者向けフレームワークおよびツール環境から、両SoCのCPU、GPU、Neural Engineを利用可能であり、M6やM5 Ultraと組み合わせて使うことで、開発者は大規模なAIモデルをMac上でローカルに実行し、微調整したり、独自のAIモデルを使用したりして、強力なAIワークロードをデバイス上で完全に構築および実行できるようになるとしている。