01 / UNDERSTAND
仕組みと使いどころ
GPUサーバーは、GPUの並列処理能力を利用して、AI、データ分析、科学シミュレーション、高性能計算、レンダリングなどを実行します。1台を単独で使うほか、複数のGPUやサーバーを接続した構成も可能です。対応するGPUでは、資源を分割または仮想化し、複数の処理や仮想マシンで共有できる場合があります。一方、必要なGPU数、CPU、メモリ、ストレージ、ネットワーク、設置環境は、モデルやデータセット、用途によって異なります。GPUを搭載するだけで、あらゆる処理の性能向上が保証されるわけではありません。
02 / IN PRACTICE
GPU serverの活用例
たとえば、こんな場面で
社内でAIモデルの学習や推論を行う際に、対象モデルとデータ量に応じてGPUサーバーを導入する方法があります。処理規模が1台の範囲を超える場合は、高速ネットワークで複数台を接続する構成も検討できます。
03 / GOOD TO KNOW
使うときのポイント
選定時は、対象処理の規模、対応GPU、GPUメモリ、CPUとPCIeの構成、システムメモリ、ストレージ、ネットワーク、冷却条件を確認し、具体的な要件を提供元と照合します。
参考資料
GPU servers | IBM Fusion HCI 2.11.x （新しいタブで開きます）NVIDIA-Certified Systems Configuration Guide — NVIDIA Certification Programs Documentation （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。