アウトプットの背後にあるインフラストラクチャ:クラウドと HPC が AI の力を引き出す

GPT-4 と Chat-GPT がもたらす目覚ましい成果は、ビジネスリーダーの注目を集め、注目も集めています。企業は常に人工知能（AI）を通じてより優れた製品、サービス、内部プロセスを模索していますが、これらのテクノロジーの使用は最終目標とは異なるものでなければならないことを覚えておく必要があります。風洞シミュレーション、電子設計検証、カスタマイズされたチャットボット、「デジタルツイン」複合システムシミュレーション、その他のユースケースのいずれであっても、AI は業界全体で想像力をかき立ててきました。しかし、アウトプットが現在最も注目されているのはアウトプットですが、基盤となるテクノロジー（クラウド、ハイパフォーマンスコンピューティング（HPC）、自動化、機械学習（ML））も急増しています。

クラウドの影響

主要な組織は、低遅延のネットワークとストレージインフラストラクチャを備えた専用のCPUおよびGPUベースのコンピューティングクラスターを使用して、数十年にわたってHPCとAI を活用してきました。しかし最近では、パブリッククラウドベンダーが高まるパフォーマンス要求を満たすために必要なインフラストラクチャへの投資と中核となる技術の進歩を行ったため、組織はクラウドに目を向けています。

ユーザーのコンピューティングへのアクセスがジョブスケジューラーとオンプレミスのキャパシティによって管理されていた以前のモデルとは異なり、クラウドベースのモデルでは、ほぼ瞬時に「待機なし」のコンピューティングアクセスが可能になり、ユーザーはアプリケーションのニーズを正確に満たすクラスターを操作できます。コア数の多い CPU、メモリフットプリントの大きいノード、ベアメタルへのアクセスなどの要素により、クラウドとカスタマイズされたオンプレミスシステムの機能の間のギャップが解消されました。

ただし、HPC/AI によるクラウドの成功の鍵は、主要なパブリッククラウドプロバイダーの基本インフラストラクチャを真に高性能な構成に変換できる、柔軟なクラウドリソースに関連するソフトウェアと関連する専門知識にアクセスできることです。クラウドベースのモデルでは、CPU、GPU、メモリ、ストレージの構成や組み合わせが異なるクラスターを各グループに配置できます。特定のパブリッククラウドでのみ利用可能な特殊プロセッサも対象となります。

最新のクラウドイノベーションの活用

新しいテクノロジーがクラウドで利用できるようになると、研究者やデータサイエンティストは、パフォーマンスと機能の最新の進歩に迅速にアクセスできるというメリットが得られます。結局のところ、ビジネスアクセラレーションとは、より低いコストでより良い成果を上げることであり、クラウドベースのHPC/AI は、イノベーションが起こり、効率が達成される機能としてITにスポットライトを当てるためにCIOが使用できる機能として登場しました。

適切なソフトウェアとサービスのサポートがあれば、これまで大規模組織でしか利用できなかった機能を、コンピューティングへの投資と実証済みのROIを密接に結び付けることができる「従量課金」モデルで、あらゆる規模の革新的な企業が迅速に活用できるようになります。

これらの目標を達成するために、CIOは、パブリッククラウド内のさまざまなCPUおよびGPUインスタンスタイプのコンピューティングインフラストラクチャと使用量割引モデルの両方に関する専門知識を持つクラウドサービスパートナーとの連携を検討しています。このような状況では、基盤となるテクノロジーを掘り下げることが非常に重要になります。一見小さなインフラストラクチャの変更に伴うコスト削減は、「良好な」ROIを「最大の」ROIに変えるという点で重要です。

たとえば、ある大手パブリッククラウドプロバイダーは最近、最新のコア数の多いCPU、大容量のメモリ、特殊な高速ネットワーク相互接続を備えたノードをベースとした、高度に調整されたクラスター指向のHPC構成を導入しました。大規模なコンピューティングジョブを実行するユーザーにとって非常に魅力的な価格です。適切なワークロードタイプでは、事前に最適化されたこれらのタイプの構成を特定して活用することが、ゲームチェンジャーになる可能性があります。

インフラストラクチャーとデプロイメント ROI の最適化

AI のアウトプットは業界を問わず状況を変えていますが、それらは何千ものプロセッサの計算の結果です。結局のところ、AI の価値は、トレーニングデータの幅広さとユーザーへの回答の提供速度、および大規模モデルのトレーニングとその後の結果（「推論」と呼ばれる）に必要なリソースによってのみ大きく異なります。

AI 開発プロセスを開始する際、組織はトレーニングと推論のニーズの両方を同時に考慮する必要があります。通常、トレーニングはクラスター指向で行われ、相互接続された多数の強力な GPU ベースのノードが連携して高度に調整されたモデルを作成します。推論を実行し、モデルの価値をユーザーに提供することは、通常、それほど強力ではない推論ノードの大規模なバンクが行い、個々のリクエストに独立して対応します。

クラウドベースのデプロイ環境では、ユーザーが特定のワークロードに合わせてさまざまな CPU と GPU に基づいて、トレーニング構成と推論構成の両方を簡単に作成してテストできる可能性があります。多くの場合、GPUは大規模なトレーニングを行うのに適していますが、最新世代のCPUには、パフォーマンスとコスト/ROIの両方の観点から、推論ワークロードに最適なオプションとなる「GPUのような」機能が組み込まれています。さらに、将来的に新世代のプロセッサが導入されるにつれて、クラウドのオンデマンド性により、専用のオンプレミス環境では不可能な方法で、新しいテクノロジーを迅速に評価してピボットすることが可能になります。

次世代のイノベーションのための財団

人工知能は業界全体でイノベーションに拍車をかけ、その目覚ましい成果が真っ向から脚光を浴びています。ただし、クラウドコンピューティング、HPC、自動化、機械学習などの基盤となるテクノロジーは、この革命において極めて重要な役割を果たします。クラウドベースのインフラストラクチャへの移行は、AI のアクセス性と拡張性を向上させる重要なマイルストーンとなります。主要組織が HPC と AI を採用し続ける中、クラウドの技術的進歩とデータモデリングと管理の改善が相まって、業界は AI の可能性が無限に広がる未来に向かって進み、次のイノベーションの波の基礎を築いています。

‍

Penguin Solutionsは、AI およびHPCソリューションの信頼できる戦略的パートナーになることができます。25年以上にわたるHPCの経験、7年以上にわたるAI インフラストラクチャの設計と展開、2017年以降、85,000を超えるGPUの導入と管理を行ってきた当社は、いつでも支援する準備ができています。

AI インフラストラクチャーの専門家に問い合わせる 本日、Penguin Solutions AI プロジェクトのニーズについてご相談ください。