AIKernel.NET

AIKernel が描く未来：Semantic OS と L0〜L4 メモリ階層の構想（※現在は基盤開発中）

Published: | Updated:

昨日（2026-06-09）、実証試験フェーズとなる v0.1.0 を公開したばかりですが、本日は、今後の未来構想について解説します。

AIKernel が描く未来：Semantic OS と L0〜L4 メモリ階層の構想

昨日（2026-06-09）、実証試験フェーズとなる v0.1.0 を公開したばかりですが、本日は、今後の未来構想について解説します。

そして、この記事を公開する前に、AIKernel.Corevをはじめ、関連パッケージの殆どに対して、大規模リファクタリングが入り、結果１日で0.1.1にバージョンを引き上げてしまった。
このリファクタリングにより、未来の設計上の問題が発覚する前に早期に潰せたことは、むしろ幸運だったと思います。
詳細はリリースノートや関連ドキュメントを参照してください

本記事は、その未来像を明確化し、ROM（Relation-Oriented Markdown）として記録した源泉ファイルをもとに作成しています。

※本記事は未来構想であり、現在はその基盤を開発中です。

AI モデルの巨大化、GPU メモリの逼迫、NPU の普及、そして企業環境での AI 運用の複雑化。 これらの課題に対し、AIKernel は 従来の LLM フレームワークとは異なる方向性 を選びました。

それが 「Semantic OS」 という未来構想です。

1. AIKernel の未来像：AI のための「Semantic OS」

AIKernel が目指すのは、 AI モデルを OS のプロセスとして扱う新しい計算体系 です。

既存のAI概念と AIKernel（OS対応）の対比表

既存のAI概念 AIKernelでの定義（OSの対応要素）
AIモデル OSのプロセス（Process）
Capability システムコール（System Call）
DynamicPipeline 実行計画（Execution Plan）
Control層 スケジューラ（Scheduler）
VFS 仮想ファイルシステム（Virtual File System）
メモリ階層 ページングとキャッシュ（Paging & Cache）

この構造は、既存の LLM フレームワークを超えた OS 的アーキテクチャ を形成します。

※現時点では、この構想を支える基盤（Core / Control / Providers / VFS / メモリ階層）を開発中です。

2. L0〜L4：AIKernel が定義する未来のメモリ階層

※この階層は未来構想であり、現在は L1〜L3 の基盤を実装中

※この階層は未来構想であり、現在は L1〜L3 の基盤を実装中です。

AIKernel は、AI モデルの巨大化に対応するため、次の 5 層のメモリ階層を定義します。

Layer Hardware Role
L0 NPU / QPC 制御系・低レイテンシ推論（未来構想）
L1 GPU VRAM ホットブロック常駐（基盤実装済み）
L2 RAM GPU の拡張キャッシュ（基盤実装中）
L3 SSD モデルスワップ元（基盤実装済み）
L4 HDD モデルアーカイブ・VFS 永続化（基盤実装済み）

この階層は、CPU のメモリ階層を AI モデルに最適化したものです。

3. モデルアーカイブ運用（未来構想）

AIKernel が目指すモデル運用は次の通りです。

1. L4（HDD）：モデルアーカイブを保存（SSDストレージに余裕がある場合はL3に直接格納可能） 2. L3（SSD）：VFS が L4 をマウントし、必要モデルを L3へ展開 3. L2（RAM）：Capability毎の統計情報をもとに L2へプリフェッチ 4. L1（VRAM）：ホットブロックを L1へ常駐 5. L0（NPU/QPC）：制御系は L0で実行（HWが一般流通するころに開発予定）

※この運用は未来構想であり、現在は L3→L2→L1 の基盤を開発中です。

4. Semantic Runtime（未来構想）

AIKernel の Control 層は、将来的に以下を実現します。

  • CapabilityGraph によるプロセス定義
  • DynamicPipeline による実行計画生成
  • メモリ階層を考慮したスケジューリング
  • モデルのホットスワップ
  • MoE の Expert オンデマンドロード

※現在は Linux 互換性検証と基盤整備を進行中です。

5. Python Wrapper（現状：基盤完成）

AIKernel の Python ラッパーは、 Windows / Linux の両方で動作する基盤が完成済み です。

  • pythonnet
  • self-contained wheel
  • Provider ロード
  • Capability 呼び出し

これにより、未来構想の Semantic OS を Python から利用できる基盤が整いました。

6. Docker Monolith（未来構想）

製品版 AIKernel （コードネーム：モノリス）は、将来的に Docker モノリス として提供される予定です。

  • Core
  • Control
  • Providers
  • Python API
  • VFS
  • プロファイル
  • メモリ階層
  • DynamicPipeline
  • Bonsai Native

※現在は Linux 構成試験と基盤整備を進行中です。

7. Enterprise 版（未来構想）

AIKernel.Enterprise は、以下を含む未来構想です。

  • モデルバージョン管理
  • 監査ログ
  • セキュリティポリシー
  • スケールアウト
  • Kubernetes 対応
  • RAG プラグイン
  • Provider ホットスワップ

※現在は基盤（Core / Control / Providers / VFS / メモリ階層）の整備段階です。

8. 現在の進捗（2026-06-09 時点）

  • Providers：Windows / Linux 両対応
  • Core：Linux 互換性検証中
  • Control：Linux 構成試験中
  • Python Wrapper：クロスプラットフォーム対応済み
  • メモリ階層：L1〜L3 の基盤実装中
  • VFS：基盤実装完了
  • モデルアーカイブ：設計段階
  • Docker Monolith：設計段階
  • 製品版 AIKernel (モノリス)：未来構想
  • Enterprise 版：未来構想

結語

AIKernel は、 AI モデルを OS のプロセスとして扱う「Semantic OS」 を目指す未来構想プロジェクトです。

本 ROM に記載された内容は、 すべて未来構想であり、現在はその基盤を開発中です。

しかし、クロスプラットフォーム対応やメモリ階層の基盤が整いつつあり、 Semantic OS の実現に向けた土台は着実に前進しています。

開発用ワークステーション環境

現在の貧弱な私の開発環境を動作環境の参考例として示しておきます。

HP Z2 SFF G4 Workstation

AIKernel.NET、AIKernel Native、Provider、VFS、Linux検証環境の開発・検証に使用しているワークステーション構成です。

本環境は、ECCメモリ、Xeon CPU、CUDA対応GPU、WSL2/Linux環境を組み合わせ、Windows / Linux 両方での実装検証を行えるように構成しています。

CPU

Intel Xeon E-2174G

  • 4コア / 8スレッド
  • ベースクロック: 3.80 GHz
  • L3キャッシュ: 8 MB
  • AVX2対応
  • AIKernel Native 実装、決定論的ランタイム検証、CPU側 Provider 実行の検証に使用

Xeon Eシリーズを採用しているため、ワークステーション用途として安定性を重視した構成になっています。
AIKernel.NET の通常開発、ビルド、テスト、Provider 実装検証には十分な性能を持っています。

メモリ

16 GB ECC DDR4-2666

  • Samsung M391A1K43BB2-CTD
  • 8 GB × 2
  • DIMM1: ChannelB
  • DIMM3: ChannelA
  • ECC UDIMM構成

    • - WMI上の表示: DataWidth 64-bit / TotalWidth 72-bit

  • DIMM2 / DIMM4 は空きスロット

現在は 16GB 構成ですが、DIMMスロットに空きがあるため、将来的な増設予定です。
メモリが高騰していて増設タイミングを逃してしまいましたが、大きなLLMモデルを扱う試験を行うまでには、32GBないし、64GBに増設したいと思います。

AIKernel.NET の開発、Docker、WSL2、Visual Studio、テスト環境を同時に使用する場合、最低でも32GB化は必須と感じています。

GPU / VRAM計算レイヤー

NVIDIA T1000 8GB

CUDA / AI計算用のメインGPUとして使用します。

  • VRAM: 8192 MiB
  • NVIDIA Driver: 582.53
  • ドライバ表示上のCUDA互換バージョン: 13.0
  • AI計算、CUDA検証、ONNX Runtime検証、小規模ローカル推論に使用
  • 可能な限り表示出力から分離し、計算専用GPUとして運用

T1000 8GB は、軽量AIモデル、ONNX Runtime、CUDA対応処理、AIKernelのProvider/Runtime検証に適したGPUです。

大規模LLMの本格運用には向きませんが、1B〜3B級モデルや量子化モデルの検証には十分活用できます。

NVIDIA Quadro P620 2GB

表示出力用GPUとして使用します。

  • VRAM: 2048 MiB
  • NVIDIA Driver: 582.53
  • デスクトップ描画、画面出力、通常表示処理に使用
  • T1000側のVRAMをAI計算用に確保するため、表示負荷を分離
  • ディスプレイｘ４枚に接続

この構成により、表示処理は Quadro P620、AI計算は T1000 8GB という役割分担が可能になります。
余談ですが、４枚表示構成において、NVIDIA DESKTOP MANAGERはかなり重宝します。
特にNVIEWとグリッド機能なしでは開発効率がかなり落ちますので、ディスプレイに余裕のある方でマルチプラットフォームの開発を行う人にはお勧めで、１枚をTV等の大画面出力にして、高解像度でNVIEWを複数デスクトップ表示して監視用とするとコンソールがいっぱいあっても１画面で監視可能です。

ストレージ / AIKernelメモリ階層

SSD — L3高速スワップ階層

  • PCIe Gen3 x4 クラス
  • 理論帯域の目安: 片方向 約3.9 GB/s
  • AIKernelの L3 高速スワップ階層として使用
  • 一時モデルキャッシュ、ランタイム生成物、ビルド成果物、高速な中間データ配置に使用

SSDは、AIKernelの実験環境において高速な一時領域として利用します。
モデルやキャッシュ、検証用データを高速に読み書きすることで、実験サイクルを短縮します。

HDD — L4永続アーカイブ階層

  • SATA / 7200rpm クラス
  • AIKernelの L4 永続アーカイブ階層として使用
  • モデルアーカイブ
  • VFS永続化
  • pip / NuGet / test-work キャッシュ
  • 長期保存する実験成果物の格納

HDDは、高速性よりも容量と永続性を重視した保存領域として使用します。
モデル、VFSデータ、検証ログ、実験成果物など、長期的に保持したいデータを格納します。

🐧 Linux検証環境

WSL2 + Ubuntu 24.04

Windows上に WSL2 を構成し、Ubuntu 24.04 を使用して Linux 側の動作検証を行います。

  • .NET の Linux 実行検証
  • Python Provider の動作検証
  • Linux互換性チェック
  • Docker Backend: WSL2
  • Windows / Linux 間のクロス環境テスト

AIKernel.NET は Windows だけでなく、Linux環境でも動作検証を行う必要があるため、WSL2をLinux検証環境として使用します。

構成概要

このワークステーションは、AIKernel.NET および関連研究実装のための、コンパクトなECC対応開発環境です。

主な特徴:

  • Xeon Eシリーズ CPU
  • ECC DDR4メモリ
  • CUDA対応 NVIDIA T1000 8GB
  • 表示専用 Quadro P620
  • SSD / HDD による多層ストレージ構成
  • WSL2 + Ubuntu 24.04 によるLinux検証環境

本構成は、AIKernel.NET の決定論的ランタイム開発、Provider検証、CUDA / ONNX Runtime検証、小規模ローカルAI実験、Windows / Linux クロス環境テストを目的として最適化しています。

AIKernel.NET は Bing Webmaster Tools / IndexNow に対応しています。
記事更新は検索エンジンへ即時通知され、最新情報が迅速にインデックスされます。