FLOPSとは スパコン首位は2.198エクサFLOPS、AIチップの数字とは単位の精度が違う
FLOPSは、1秒間に何回の小数の計算ができるかを示す単位です。2026年6月のTOP500で首位になった中国の「LineShine」の実測の性能は2.198エクサFLOPS(1秒に約220京回)でした。
- FLOPSは「Floating-point Operations Per Second」の略で、1秒あたりの浮動小数点の計算回数です。
- テラ(1兆)、ペタ(1000兆)、エクサ(100京)の単位をつけて使います。
- 2026年6月のTOP500では、1エクサFLOPSを超える機械が5台になりました。
- スパコンの順位は64ビットの計算、AIチップの宣伝は8ビットや4ビットの計算の数字で、そのままは比べられません。
FLOPS(フロップス)は、計算機が1秒間に行える浮動小数点の計算の回数を表す単位です。浮動小数点は、小数を「数字の並び」と「桁の位置」に分けて表す方法で、科学技術の計算やAIの計算で使います。足し算や掛け算を1回するごとに1回と数えます。
単位と精度
数字が大きいため、接頭語をつけて表します。1テラFLOPSは1秒に1兆回、1ペタFLOPSは1000兆回、1エクサFLOPSは100京回です。
同じ機械でも、計算の精度(1つの数を何ビットで表すか)によってFLOPSの値が変わります。ビット数が少ないほど回路が小さく済み、同じチップでこなせる計算が増えるためです。スパコンの世界ではふつう64ビット(FP64)の計算で測り、AIのチップでは8ビット(FP8)や4ビット(FP4)の値を示すことが多くあります。さらに、0の多い行列を省いて数える「疎(スパース)」の値は、ふつうの値の2倍の表示です。
| 対象 | 精度・条件 | 公表値 |
|---|---|---|
| LineShine(中国、TOP500首位) | FP64、実測 | 2.198エクサ |
| El Capitan(米国、2位) | FP64、実測 | 1.809エクサ |
| グーグルのIronwood 1チップ | FP8、ピーク | 4614テラ |
| グーグルのIronwood 9216チップの構成 | FP8、ピーク | 42.5エクサ |
| エヌビディアのDGX B200(GPU8基) | FP4、疎/密 | 144ペタ/72ペタ |
出典:TOP500(2026年6月)、グーグル(2025年4月9日)、エヌビディアの製品ページ。
スパコンの順位とAIの数字
スパコンの性能を競うTOP500の2026年6月のリスト(67回目)では、中国・深圳の国家スーパーコンピューターセンターのLineShineが首位でした。2位は米ローレンス・リバモア国立研究所のEl Capitan、3位はオークリッジ国立研究所のFrontierです。4位のAurora、5位のドイツのJUPITER Boosterを含め、1エクサFLOPS以上の機械は5台です。
グーグルは2025年4月、TPUのIronwoodを9216個つないだ構成は42.5エクサFLOPSで、El Capitanの24倍超だと発表しました。ただし、Ironwoodの数字はFP8のピークの値で、El Capitanの数字は64ビットの計算の値です。精度が違う数字を並べた比較であることを踏まえて読む必要があります。
関連する用語
- FP8・FP4:8ビットや4ビットで小数を表す形式。AIの計算で使います。
- ピーク性能:回路をすべて休みなく動かした場合の理論上の値。実際の計算ではこれより下がります。
- HPL:TOP500の順位を決める計算の試験。連立一次方程式を解く速さで測ります。
グーグルは2026年4月、学習用のTPU 8tを9600チップつないだ構成で121エクサFLOPSになると発表しています。TOP500のリストは年2回更新されます。
この記事は公開資料をもとに作成しています。売買をすすめるものではありません。誤りを見つけたら訂正します(編集方針)。
関連する記事
演算精度(FP8・FP4)とは FP4はFP16よりメモリを約3.5分の1に、エヌビディアの説明
演算精度は、1つの数を表すビット数のことで、少ないほど速く安く計算できます。エヌビディアは、4ビットの形式「NVFP4」はモデルのメモリをFP16の約3.5分の1、FP8の約1.8分の1にすると説明しています。
AIアクセラレーターとは GPU・TPU・自社チップの総称、エヌビディアのデータセンター売上は四半期890億ドル
AIアクセラレーターは、AIの計算を専門に速くする半導体の総称です。エヌビディアの2026年5〜7月期のデータセンター部門の売上は890億ドルで、前年同期比117%増えました。
学習(トレーニング)とは メタのLlama 3.1 405Bは15兆トークンをGPU3084万時間で学んだ
AIの学習は、データを読ませて答えのずれを測り、ずれが小さくなる方向にモデルの数値を直す計算を繰り返すことです。メタは2024年7月、4050億パラメータのLlama 3.1の学習にH100を延べ3084万GPU時間使ったと公表しました。
建設のリードタイムとは TSMC熊本は着工から開所まで約1年10か月、アリゾナは発表から量産まで約4年半
建設のリードタイムとは、工場やデータセンターの着工から稼働までにかかる時間です。TSMCの熊本の第1工場は2022年4月に着工し、2024年2月に開所式を開きました。