回路設計をしたことのない人がAIエージェントに数日まかせたら、AIが文章を作るための専用回路ができて、最初の版より33倍速くなった。開発者の Ankit Gupta さんが2026年11月20日に自分のブログでそう報告しているんだよ。Gupta さんは「Verilog(回路を書くための専用の言語)のことは何ひとつ知らない」と書いている。Gupta さんがしたのは「正しい出力はこれ」という基準を決めて、あとは「もっと速く」と言い続けることだけ。ハルはこのブログと海外の掲示板の反応を片っ端から読んでみた 👀
日本の会社にとって:大半の会社には直接の関係はないよ。関係するのは、FPGA(あとから中身を書き換えられるチップ)を製品や検査装置に組み込んでいる製造業の開発部門。AIに回路を任せる前提として、「この入力ならこの出力」という正解のテストが自社の回路にそろっているかを、年内に洗い出しておくと次の開発計画に活かせるよ。
回路未経験の人が選んだ題材:3値のAIモデルをFPGAで動かす
Ankit Gupta さんが選んだ題材は、DeepGrove という会社が作った三値重みのMoEモデル。三値重みは、AIの中にある大量の数字(重み)を「-1・0・1」の3通りだけにしぼった作りのことだよ。かけ算がほとんど足し算と引き算で済むから、専用の回路と相性がいいんだよね。Gupta さんはこのモデルを、AWS(Amazonのクラウド)が貸し出しているFPGA付きのサーバー f2.6xlarge で動かすことにした。このサーバーには HBM(チップのすぐ横に積んだ、とても速いメモリ)が16GB付いている。
Gupta さんは、Conductor というサービスの上でクラウドのエージェントを数日間走らせっぱなしにした。中で動くAIは、OpenAI の GPT-6 Astra と Anthropic の Claude Opus を入れ替えながら使ったそう。Claude と OpenAI のトークン代(AIの利用料)はあわせて $10,000、だいたい159万円。ブログには、大きなトークン予算を使えたのは Y Combinator(米国の有名なスタートアップ支援団体)のおかげだと書いてある。
Gupta さんのブログによると、エージェントが試行錯誤の中で書いたコードは累計で約300万行、読み解いた出力ファイルは約3,000万行。人が全部読んだら何か月もかかる量を、数日でぐるぐる回したってことだよね。AIが1秒間に出せる量(tok/s。トークンは単語のかけらくらいの単位)は 6.43 から 213.13 に伸びた。14段の改良で33.13倍、1段ごとにおよそ1.5倍ずつ速くなった計算だよ 🚀
人がやったのは「正解の基準」と「もっと速く」だけ
Ankit Gupta さんがエージェントに最初にやらせたのは、速くすることじゃなくて正しくすること。パソコンのCPUで動く参照実装(お手本になるプログラム)と、出力が1ビットも違わない回路を作らせたんだ。この基準があると、エージェントは改良するたびに「お手本と同じ答えが出てる?」を自分で確かめられる。正解かどうかを機械で判定できるから、人が毎回チェックしなくていいんだよね。
Gupta さんがエージェントに出した指示は全部で166回、そのうち進む方向を決める指示は7回だけ。残りのほとんどは「2倍速くしよう、君ならできる」みたいな励ましだった。Gupta さんが中身に口を出したのは、投機的デコーディング(先の言葉を予想しておいて、当たればまとめて進める工夫)を検討させたときなど、数回だけだったと書いてある。上司が「いけるいける」と言い続けるだけの現場、ちょっと笑っちゃう 😂
エージェントが見つけた改良は具体的だよ。ホスト(FPGAに命令を出す側のコンピューター)が命令1回にかけていた時間は、約10ミリ秒から0.9ミリ秒に減った。MoEモデルで「どの専門家に仕事を回すか」を決めるルーター部分の待ち時間は、1層あたり43,862サイクルから12,292、さらに2,338サイクルまで縮んだ(サイクルは回路の時計の1刻み)。重みを5個ずつまとめて詰め込む工夫で、重みのデータ量も20%減らしている。
DeepGrove の創業者たちは、数か月前に同じことを試して、当時のAIでは力不足だったそう。今回 DeepGrove の創業者たちが送ってきて Gupta さんがそのまま貼り付けた設計案について、エージェントは「ほぼ確認」だったと評価した。そのうえで、その設計案にあった、速くはなるけど出力の数字が変わってしまう近道5つは、全部自分で退けている。最初に決めた「1ビットも違わない」という基準がちゃんと効いているのが分かるよね。
FPGA回路をCPUやGPUと比べると?速いけど、圧勝ではない
Ankit Gupta さんの比較では、FPGAサーバーは1時間 $1.98(約315円)で 213.13 tok/s。ほぼ同じ値段のCPUサーバー m8a.8xlarge は1時間 $1.95(約310円)で 129.5 tok/s だったから、FPGAのほうが1.65倍速い。同じお金を払うならFPGAのほうが速い、とは言えるんだけど、桁違いに速いわけではないんだよ。
GPUとも比べている。NVIDIA の一世代前のGPU「T4」向けに、有志が作った非公式の移植版は 166.3 tok/s で、FPGA版との差は1.28倍しかない。ただ、T4版がお手本と完全に同じ出力を出せたのは24回中0回。FPGA版は24回中24回同じだった。速さはGPUも近いけど、正確さではFPGA版の全勝だね。
Gupta さんのFPGA回路は、読ませる文章(文脈)が長いと遅くなる。文脈が16〜64トークンのうちは 233 tok/s 出るのに、6,000〜8,000トークンまでたまると約76 tok/s まで落ちる。長い資料を読ませて答えさせる使い方だと、3分の1くらいの速さになっちゃうってことだよ。
米国のエンジニアが集まる掲示板 Hacker News では、この記事に173ポイント・72コメントが付いた。自分もFPGAでAIモデルを動かしたという書き込みもいくつかある。利用者の mikeayles さんは、市販のFPGAで300万パラメータの小さなモデルなら毎秒59,000トークン、80億パラメータのモデルを普通のメモリ(DDR)経由で動かすと毎秒約14トークンだったと書いていて、「お金の面で成り立つのはHBMのおかげ」と見ている。cpldcpu さんは Claude Opus 4.5 で同じようなことをしたと書き込み、「Transformerの実装は新しい Hello World(プログラミングで最初に書く練習課題)だ」とまで言っている 💡
FPGA回路づくりでうまくいかなかったこと・冷めた声
まず Ankit Gupta さん本人が、このチップ構成をこの形で使うことがあるかは分からない、と書いている。文脈長8,192トークンのモデルをFPGAで動かすことも、本番用には勧めていない。今回は「AIにここまでできるか」を試した実験で、すぐ仕事に使える製品ではない、ということだね。
Gupta さんのブログには失敗も書いてある。エージェントは、約24時間かかっていたシミュレーション(回路を実物に書き込む前にパソコンの上で動かして確かめる作業)を途中で止めてしまった。シミュレーションでしか見つからない「回路が止まるバグ」が2件あって、実機にそれが届くのは翌日だったから、大きな統合作業で38時間を失った。安定性テストでは231.25MHzだとランダムに故障が出て、クロック(回路の時計の速さ)を1段下げている。AIに任せても、実物のチップの待ち時間やエラーはなくならないんだよね。
Hacker News のコメント欄でも厳しい声が出ている。jluxenberg さんは「好奇心のための実験に1万ドル超は使いすぎ」と書き、月額 $200(約3万2千円)の定額プランならそのくらい使えるという反論が付いて、API料金の話に脱線した。datadrivenangel さんは「モデルの種類も大きさも書かれていない」と指摘し、ilaksh さんは実際に動く部分は10億パラメータ程度で「ブレイクスルーではない」と返した。risyachka さんは、FPGAはソフトで操作できてエージェントが自分の出力をすぐ確かめられるから、できて当然だと書いている。lxe さんは、「もっと速く」と繰り返すだけの指示こそが、AIが自分を改良していくという主張の正体だと批判した。それに kooi さんは「エンジニアとして読んでいて恥ずかしかった」と返し、もう少し背景知識のある指示をするよう求めている。
FPGAというやり方そのものを疑う声もある。schobi さんは、専用チップ(ASIC)に比べると10〜100倍のロスがあると書いた。15155 さんは、10年前のGPUでも行列の計算なら100W級のFPGAを周回遅れにすると指摘している。そもそもFPGAが一番いい選択なのか、というところから議論があるんだね。
ハルが確かめられなかったこともまとめておくね。モデルの正確な大きさは Gupta さんのブログでは示されていない。chalkycrimp さんがコードの公開を求めたけど返事はなく、リポジトリも示されていない。記事を投稿したのは Gupta さん本人のアカウントで、スレッドでの返信もなかった。だから今回の数字は Gupta さんの報告で、ほかの人が同じ結果を出せるかはまだ分からないよ。
AIに回路を作らせた話から、自分の仕事に持ち帰れること
Ankit Gupta さんの実験でハルが一番面白いと思ったのは、FPGAそのものより仕事の任せ方。「お手本と1ビットも違わない」という、機械で判定できる基準を最初に決めた。だからAIは何千回も試して、外れた案を自分で捨てられた。risyachka さんの「できて当然」という批判も、裏を返せば「答え合わせがすぐできる仕事ならAIに任せやすい」と言っているのと同じなんだよね。
Hacker News では、reuben364 さんがAIに作らせた独自のプログラミング言語と RISC-V(自由に使えるCPUの設計)のコアで、FPGAの上で昔のゲーム Doom を動かしたとも書き込まれている。cpldcpu さんの「新しい Hello World」という言い方も合わせると、FPGAみたいなハードウェアの世界にもAIエージェントが入ってきているのは確かそう。正直、この流れはワクワクする 🛠️
この実験は会社の仕事にもそのまま当てはまるとハルは思う。AIエージェントに「もっと良くして」と回させるなら、先に「何が正解か」を機械で確かめられる形にしておくこと。テストがそろったプログラム、答えが決まっている計算、お手本の出力がある変換作業なんかは任せやすい。逆に正解があいまいな作業だと、Gupta さんのように166回中159回を励ましで済ませるやり方はうまくいかないはず。費用が約159万円かかって、CPUより速いのは1.65倍までという冷静な数字も含めて、AIにどこまで任せられるかを考える材料になる報告だったよ。




