Ambiq、heliaPROFILER公開｜AI性能を実機で実測

Ambiqは1年前、自社のAIランタイムが標準実装と比べて推論速度と電力効率で最大3倍になると公表していました。今回のheliaPROFILERは、その標準実装を比較対象に残したまま、開発者が自分のモデルで同じ比較を試せる道具です。ベンダーの性能主張を、使う側の条件で追試できるようになりました。

Ambiqは2026年8月4日、エッジAI開発者向けのオープンソースのプロファイリングツールheliaPROFILERを正式発表した。Apollo SoC上で動くAIモデルの実行状況を、サイクル単位の精度で可視化する。

ビルドから計測、レポート生成までを単一コマンドで実行し、Apollo510ではレイヤーごとのサイクル数や命令数、キャッシュの挙動を、Apollo 3と4では主にサイクル数を示す。実行エンジンは標準のTFLM、同社のheliaRT、heliaAOTの3種類を同じ手順で比較できる。

Joulescopeを接続すれば推論1回あたりの電力とエネルギーを測定できる。ライセンスはApache-2.0で、PyPIとGitHubから入手できる。現時点はアルファ版である。

From: Ambiq Announces the Launch of heliaPROFILER to Accelerate Edge AI Development

【編集部解説】

自社の主張を、ユーザーが追試できる形にした

heliaPROFILERで最も目を引くのは、実行エンジンの選択肢です。Ambiqが比較基準に採るTFLM（現LiteRT for Microcontrollers）、Ambiq独自のheliaRT、そして同じくAmbiq独自のheliaAOT。この3つを、同じコマンドで、条件を揃えて並べられます。

ここに引っかかりを覚えるのは、Ambiqが1年前に何を言っていたかを知っている場合です。2025年7月にheliaRTとheliaAOTを発表したとき、同社はheliaRTについて「標準のLiteRT実装と比べて推論速度と電力効率が最大3倍」と公称していました。

heliaPROFILERは、その比較を、開発者が自分のモデルで試せる道具です。ベースラインに未改変のTFLMを載せている以上、条件によっては3倍に届かない数字も出る。それを出せる作りのまま、Apache-2.0で公開したことになります。

ただし、2025年の公称値がどのモデル、どの基板、どのコンパイラ、どのメモリ配置で測られたものかは公開されていません。したがって、この道具で「最大3倍」そのものを再現検証できるわけではありません。できるのは、自分の用途で同じ種類の比較を独立に行うことです。

もっとも、Ambiq自身がこれを「自社に不利な数字も出す設計だ」と説明しているわけではありません。同社の説明は「モデル開発から実機導入への移行をなめらかにする」というものです。ベンダーの性能主張を追試しやすくなったという読み方は、こちらの解釈として受け取ってください。

「サイクル単位」という言葉の中身

半導体の世界で「サイクルアキュレート」と言えば、シミュレータ上での精密な再現を指して使われることが多い言葉です。heliaPROFILERの場合はそうではありません。実機のCPUに内蔵された計測回路から、実際に消費されたサイクル数を読み出しています。推定ではなく実測です。

ただし、その解像度はチップの世代で変わります。Apollo5世代のApollo510ではArmv8-Mの性能監視ユニット（PMU）にフルアクセスでき、キャッシュの挙動やベクタ演算の状況まで層ごとに取れる。一方、Apollo 3と4の世代ではデバッグ用のカウンタ（DWT）を使うため、得られる情報はサイクル数中心になります。同じ「サイクル単位」でも、手元の基板によって見える景色が違うという点は、導入前に押さえておく価値があります。

電池寿命を、設計の後ではなく途中で知る

もう一つの軸がエネルギーです。外部の測定器を接続すると、推論1回あたりの消費エネルギーを記録できます。しかも、セットアップや後処理、計測用の通信を切り離し、推論そのものの区間だけを取り出す仕組みになっています。

常時稼働を前提とする機器では、電池がどれだけもつかが製品仕様そのものです。ヒアラブル機器やスマートウォッチ、産業用センサーは、そこで採否が決まる。電池寿命の問題は試作機ができてから発覚することがありますが、モデルを設計している最中に1推論あたりのコストが分かれば、判断の順序を変えられます。

ライセンスが語る、層ごとの距離感

Ambiqのこの1年を並べると、狙いの輪郭が見えてきます。2025年7月にランタイムとコンパイラ（heliaRT／heliaAOT）、2026年1月にNPU搭載SoCのAtomiq、4月にモデル圧縮のcompressionKIT、6月にカーネル基盤のheliaCORE、そして8月に計測のheliaPROFILER。

興味深いのは、公開の仕方が層ごとに違うことです。heliaPROFILERは条件のつかないApache-2.0。compressionKITはソースがBSD-3-Clauseで、モデルの重みには別途Ambiqの条件が付きます。heliaCOREはさらに独特で、Arm CMSIS-NN由来のファイルはApache-2.0のまま、フォーク全体としてはAmbiq製CPU上での使用に限るライセンスが被さっています。

チップに近い層ほど条件が厳しく、開発者の手元に近い層ほど自由になる。計測という入口を最も開いておくのが、使ってもらうには早い。そう読めます。ここは編集部の見立てで、Ambiq自身がこの並びを説明しているわけではありません。

超低消費電力の分野では、チップの性能表だけでは差が伝わりにくい。日本でも、TDKが合成センサーデータの生成ツールSensorGPTを発表するなど、開発ツールが競争軸の一つになりつつあります。

留保しておきたいこと

期待の一方で、現時点では確かめようのない部分がいくつか残ります。

第一に、このツールがどれだけ開発を速くするのかは、数字で示されていません。「開発の遅れを招く」という課題認識は示されていますが、たとえば従来何週間かかった工程が何日になるといった目標値は公表されていない。効果の測定基準がない以上、導入判断は各チームの実測に委ねられます。

第二に、成熟度です。公式にアルファ版と位置づけられており、v1.0に到達するまではマイナーバージョンの更新でも互換性が壊れる可能性があると明記されています。本番の自動化パイプラインに組み込むなら、バージョンを固定して使うことが前提になります。Apollo以外のプラットフォームへの対応も「今後の予定」の段階です。なお、PyPIにパッケージ自体が上がったのは2026年7月19日で、正式発表はその半月後にあたります。

第三に、測定できる範囲の限界です。ハードウェアを接続せずに済むのはモデルの構造分析までで、サイクル数を取るには評価基板とデバッグ用のプローブが、電力を測るには専用の測定器がそれぞれ必要になります。「pipで入れればすぐ測れる」という手軽さを想像すると、実際の準備との落差があります。

そして、これはオープンソースであることの裏返しですが、公開直後の時点でGitHubのスターもフォークも付いていません（2026年8月5日時点）。スター数を実際の利用状況の代わりに読むことはできませんが、外部の開発者が集まって育つかどうかは、まだ何も見えていない段階です。測定結果がApollo系チップの内部でしか比較できない点も含め、これは「エッジAI業界の共通のものさし」ではなく、あくまで「Ambiqを使う人のためのものさし」です。

【関連記事】

TDKが「SensorGPT™」発表、生成AIで合成センサーデータを生成しエッジAI開発を5か月から数週間に短縮
TDKが合成センサーデータを生成するSensorGPTを発表。エッジAI開発の期間を数週間へ短縮する狙いを伝えている記事。

Tokyo Artisan Intelligence×Oppstar｜エッジAI半導体量産、日本発ベンチャーの挑戦
日本発のベンチャーがエッジAI半導体の量産に挑むという記事。海外の設計企業との協業体制と、その背景にある狙いを伝えている。

TDK、AIグラス向け新会社「TDK AIsight」設立―視線意図追跡の超低消費電力DSP「SED0112」発表
TDKがAIグラス向けの新会社AIsightを設立。視線から意図を読み取る超低消費電力DSPの開発について紹介している。

【編集部後記】

計測結果のフォルダには、SHA-256のマニフェストが同梱されます。何をどの条件で測ったかという来歴ごと、結果を持ち回れるようにした設計です。

もっとも、これが保証するのはファイルが改変されていないことであって、測定値そのものの正しさではありません。それでも、基板も転送方式もメモリ配置も伏せたまま数字だけが引用されがちな領域で、条件を結果に添えて配れるようにした意味は小さくないはずです。

【用語解説】

エッジAI
クラウドのサーバに送らず、機器そのものの上でAIの推論を実行する方式。通信の遅延がなく、データが外部に出ないため、ウェアラブル機器やヘルスケア機器、産業用センサーで採用が進む。

プロファイリング
プログラムが実際に動いている最中の挙動を計測し、どこで時間や電力を消費しているかを特定する作業。組込み分野では従来から行われてきたが、AIモデル向けには専用の道具が乏しかった。

サイクルアキュレート
CPUのクロック1回分まで正確に測ること。シミュレータ上での再現を指す場合と、実機の計測回路から読み出す場合がある。heliaPROFILERは後者にあたる。

TFLM（TensorFlow Lite for Microcontrollers）
マイコン上で機械学習モデルを動かすための、Googleが公開する実行環境。現在の正式名称はLiteRT for Microcontrollers。組込みAIで広く使われる代表的な実装だが、唯一の規格ではなくExecuTorchなど別の選択肢もある。

LiteRT
TensorFlow Liteから改称された軽量AIモデルの形式。拡張子は.tflite。heliaPROFILERが計測できるのはこの形式のモデルである。

AOT（Ahead-of-Time）コンパイラ
AIモデルを実行前にC言語のコードへ変換しておく方式。実行時に解釈する処理が不要になるため、速度とメモリ効率で有利になる。heliaAOTがこれにあたる。

PMU（性能監視ユニット）／DWT
いずれもCPUに内蔵された計測回路。PMUは新しい世代のArm CPUが備えるもので、キャッシュやベクタ演算まで詳細に取れる。DWTは旧世代のデバッグ用機構で、取得できるのはサイクル数が中心となる。

Apache License 2.0
商用利用、改変、再配布を広く認めるオープンソースライセンス。著作権表示の維持や変更箇所の明示が条件で、特許の扱いが明文化されている点に特徴がある。

BSD 3-Clause License／Ambiq Apollo SDK License
前者は商用利用と再配布を広く認めるオープンソースライセンス。後者はAmbiqが自社製CPU上での使用に限定して付与するもので、OSIの定義するオープンソースには当たらない。同じ「ソース公開」でも条件は大きく異なる。

アルファ版
正式版に至る前の初期段階を指す。heliaPROFILERはv1.0未満と位置づけられ、小数点以下のバージョン更新でも互換性が失われる可能性があると公式に明記されている。