AI社会に必要不可欠となる計算資源
人工知能（AI）の発展によりGPUの需要が拡大していまず。GPUはもともとグラフィック処理の並列計算用途に使われるプロセッサでしたが、近年ではディープラーニング（深層学習)の並列計算にも利用されるようになり、AIの急速な発展を支える技術として不可欠な存在となりました。
AI、ディープラーニングを支えるのはGPUリソース
一例として、製造業では製造ラインにおける工業製品の外観検査でAIの活用が進んでいます。あらかじめ製品の良品・不良品に関する画像データをAIに学習させ、製造ラインに流れる製品をカメラ撮影すると、AIが良品・不良品を自動判定します。大量の画像をディープラーニングで学習させる過程では膨大な量の計算が必要とされ、CPUでは処理に数日かかる場合がありますが、GPUならその計算力により数時間で処理が完了します。
その他のAI活用事例として、自動運転車における物体や人物認識、建設業ではドローン空撮画像を使った地形測量、医療分野では画像をAIが分析する診断支援などがあります。また、コールセンターでの電話自動応答に加え、音声データのテキスト化、感情分析、キーワードの自動抽出など、自然言語処理の分野でもGPUが活用されています。学術研究機関では、流体解析や分子動力学などのシミュレーションの用途が挙げられます。
GPUをクラウドで使う時代に
GPUオンプレミスの課題
GPUの計算処理が必要な場面でも、予算の兼ね合いでAI開発にゲーミング用のGPUマシンが使われる現場が存在します。ゲーミング用GPUでは計算パワーが足りずに、計算処理が遅延することがあり、また、AI学習やシミュレーションでは精度を高めるために計算を繰り返し行う中で、計算処理が遅延した場合、納期に間に合わず成果物の質が落ちることや、最悪の場合プロジェクトを断念する可能性があります。一方で、高性能なGPUマシンをオンプレミスで所有する場合、数百万円の初期コストが必要であり、高額な初期投資が高い壁となります。
柔軟性に欠けることもオンプレミスの課題のひとつです。繁忙期にGPUリソースが不足し、逆に閑散期にGPUリソースが余剰になる問題があります。リソース不足を防ぐために大規模なGPU環境を構築するには、新しいサーバールームの確保や電源・空調の増設など、ファシリティ面まで十分な検討をする必要があります。
進化の速いGPUは、陳腐化も速い
NVIDIAは約2年ごとにGPUのパフォーマンスが大幅に向上していることから、GPUは陳腐化のスピードが速いことがわかります。経費処理の兼ね合いで固定資産として型落ちしたGPUを5年間使い続けることはユーザーにとっては大きなマイナス要因になります。
また、古くなったGPUがソフトウェアのアップデートに対応できない課題も発生すします。GPUはハードウェアとソフトウェアのバージョンの組み合わせが非常にデリケートであり、プログラムは動いているがGPUが動かない、パフォーマンスが十分に出ないということがたびたび発生する。一方で、GPU上で動くソフトウェアは日進月歩でアップデートされ、例えば並列計算ソフトウェアのCUDAやディープラーニング系のライブラリTensorFlowやPyTorchなどは頻繁にアップデートされています。年月が経つにつれて購入したGPUは古くなり、新しいバージョンのソフトウェアに対応できなくなる限界をどこかで迎えることになります。
GPUクラウドの柔軟性で解決する
オンプレミスが抱える課題を解決する手段として、GPUクラウドサービスが注目を浴びています。AWSやAzureなどのメガクラウドからもGPUマシンをクラウドサービスとして提供しています。初期コストがかからず、使った分だけ料金を支払う従量課金制が採用され、繁忙期はGPUリソースを増やし、閑散期にはGPUリソースを減らすようなコストの最適化も可能です。GPUリソースを増やすにあたって、固定資産やファシリティ面の考慮も一切不要です。
クラウドサービスはGPUが複数ラインアップされ、利用者の要件に応じたスペックを自由に選択できます。新しいGPUもラインアップし、前述したGPUの陳腐化やソフトウェアのバージョンアップ問題にも対応できます。
本業の開発業務に専念できる
GPUを利用するに当たり、環境構築で詰まるケースが多く見受けられます。例えば、GPUサーバ上でディープラーニングなどを目的として、ドライバやフレームワーク、ライブラリをインストールしたとしても、それぞれのバージョンの組み合わせや「相性」で正常に動作せず、動作検証に膨大な時間を費やすことがあります。
動作検証済のライブラリがプリインストールされたGPUクラウドサービスであれば、環境構築の時間を短縮し、本来の開発業務に専念することが可能です。
GPUクラウドサービスの難点
ただし、メガクラウドのGPUサービスにも課題はあります。まずはランニングコストが高いこと、そのうえ従量課金でかつ料金体系が複雑な点です。GPU以外にもネットワークやストレージのコストなどの見えにくい料金が別途発生するため、事前にコストを試算することが難しいのも挙げられます。AI学習やシミュレーションにおいては、試行錯誤をして計算を繰り返す性質があるため、所要時間が読みづらく、使っているうちにコストが高騰して予算を超過する恐れがあります。特にGPUはプロジェクトを頓挫させるほどコストが高騰するリスクがあり、可能な限りコストを抑える策としてハイブリッド構成やマルチクラウドを選択する企業も増えてきています。
メガクラウドはリージョンによってGPUのラインアップやコストの差が大きいことも注意すべき点です。日本リージョンでは使えないGPUが多数あり、米国と比べて割高な傾向にあります。日本にいながら米国リージョンのGPUも使えますが、ネットワークレイテンシが問題になるケースやセキュリティなどが懸念となります。
安価、安心なGPUSOROBAN
ハイレゾが展開しているGPUSOROBANは「高性能GPUマシンを低価格で提供し、より多くの人に利用してもらう」ことをコンセプトにしたGPUクラウドサービスです。
GPUSOROBANは、メガクラウドが提供するGPUマシンに比べて利用料が安価で、ランニングコストを抑えることができます。例えばNVIDIA A100などのハイエンドGPUはメガクラウドの40%〜50%の価格に設定されています。
加えて、GPUSOROBANは従量課金の他に月額固定料金も選択可能です。メガクラウドの従量課金がもたらす「コストが高騰するリスク」に対応しています。ネットワークとストレージ料金も含めた月額固定料金で追加コストが発生しないため、ユーザーは予算計画を立てやすく安心して利用できます。
安価に高性能なGPUを提供するために専用データセンター建設
GPUSOROBANが性能を高く保ちながら低価格や月額固定料金を実現できる理由は、データセンターの運営コストを抑えているためです。データセンターは年間を通じて冷涼な石川県志賀町に建設され、外気を最大限利用するエアフロー設計を施しています。
この設計によりエアコンを一切使用しないため、コストとなる電力消費量（電気代）を最小限に抑えました。
国産クラウドだから安心して使える
GPUSOROBANは、国内の自社データセンターで運用しているため、国外への情報流出のリスクが抑えられます。通信経路はSSH接続によって暗号化することで安全に保護しています。物理サーバを専有する形でインスタンスを提供しているため、他のユーザーへの情報漏洩リスクを回避できます。
国内のデータセンターからクラウドサービスを提供しているため、海外リージョンと比べてレイテンシやセキュリティ面で安心して利用できます。また国内のGPUエンジニアによる技術サポートを無償で受けられる点もメリットとして挙げられます。
なにより、GPUに関する環境構築は膨大な時間を要しますが、GPUSOROBANなら専門エンジニアによるサポートにより環境構築の時間を短縮し、ユーザーは本業の開発にとりかかることができます。
料金表
開発者のための最高性能GPUサーバー
低価格でGPUサーバーを利用するなら
利用実績
GPUSOROBANは国内で年間100件を超える利用実績があり、学術研究機関や大手企業からベンチャー企業まで幅広く利用されています。業界は製造業、建設業、通信業など多種多様で、用途は画像認識・音声認識などのAI学習や、3次元画像処理、3DCGレンダリング、分子動力学シミュレーションなど様々あります。昨今のAI・データ分析の需要拡大に伴い、GPUを用いた計算ニーズも各業界で高まっている傾向が見られます。
ハイレゾは、計算処理がIT活用のインフラの一つとなる未来を見据え、海外ベンダーのGPUサービスではなく国産で安定したインフラを供給し、日本のAIディープラーニングの社会実装を加速させることを目指しています。
今後も国内の企業や研究機関に寄り添ったサービスを展開していきます。
