AI LAB

Insights and Innovations

ISMのAIツール

無料で文字起こしをはじめる
AIキーワード辞書気になる用語を、わかる言葉に。英語・日本語で検索できます。

点線の用語から説明を表示できます

Sus8システム
2026/11/21
AIニュース
AI推論が設備投資の軸に――Positronが狙う、小規模データセンターと汎用メモリー

この記事の要点

米Positronは、AI基盤のワークロードで推論が約3分の2を占めるとの見立てを示しています。同社が採用する汎用メモリーと、モジュール型データセンターへの展開を軸に、電力・冷却・調達期間が設備投資に与える影響を整理します。日本企業には、自社の負荷での性能検証と、利用開始までの工程を含む比較が求められます。

目次
AI基盤の投資判断を変える「推論が約3分の2」という見立て


生成AIのサービスを利用者に届ける企業にとって、モデルを動かす設備をどこに、どれだけ早く用意できるかは、事業の立ち上がりを左右する問題です。高性能なチップを確保しても、電力や冷却設備の準備が間に合わなければ、顧客の問い合わせに応答する能力は増やせません。AI基盤を評価する視点が、チップ単体の性能から、サービス提供までを含む設備全体へ広がっています。

推論向けの機器を開発する米Positron AIで営業・事業開発を率いるキャメロン・マカスキル氏は、この変化を利用構成の逆転として説明しています。SC26で配信メディアのtheCUBEによるインタビューに応じ、AI基盤で実行されるワークロードの約3分の2が推論、約3分の1が学習になっていると述べました。同氏の説明では、2023年は学習が約85%、推論が約15%という構成でした。



ただし、この比率はマカスキル氏が示した見立てとして読む必要があります。対象となる設備の範囲や、処理件数・稼働時間などの集計基準、調査方法の詳細は明らかにされていません。AI市場全体を同じ条件で測定した統計として扱うことはできないでしょう。

企業の調達担当者にとって注目すべき論点は、比率そのものより、設備を選ぶ基準がどう変わるかです。学習用の大規模クラスターを中心に考える場合と、日々の問い合わせを処理する能力を増やす場合では、必要な構成や投資回収の考え方が異なります。Positronは、推論の拡大によって生まれる後者の需要を、自社の事業機会と捉えています。
学習と推論では、設備に求める役割が異なります


学習は、大量のデータを使ってAIモデルの内部パラメーターを調整する処理です。推論は、学習済みのモデルに質問や指示を入力し、回答などの出力を得る処理を指します。企業が生成AIを社内検索や問い合わせ対応に組み込むとき、利用のたびに繰り返し発生するのは主に推論です。モデルを開発する段階と、モデルを使ってサービスを提供する段階では、設備の働き方に違いが生まれます。

大規模な学習では、多数の計算装置を連携させ、まとまった計算を進める能力が重視されます。推論では、それに加えて、利用者をどれだけ待たせるか、同時に何件の要求を受け付けられるか、処理量が増減したときにどう対応するかが事業上の評価軸になります。どちらも計算能力は必要ですが、同じ性能指標だけで投資の妥当性を判断できるわけではありません。



生成AIの処理量を語る際に登場する「トークン」は、文章をモデルが扱える単位に分割したものです。日本語では常に一文字や一単語に対応するわけではありません。推論事業者にとっては、入力や出力のトークンをどれだけ処理できるかが、提供能力や費用を考える手がかりになります。ただし、出力の長さや利用条件が変われば負荷も変わるため、トークン数だけでサービスの実力を比較するのは不十分です。

マカスキル氏の発言を企業の運用に引き寄せるなら、問うべきなのは「学習向け設備と推論向け設備のどちらが優れているか」ではないでしょう。自社が増やしたいのはモデル開発能力なのか、顧客に回答を届ける能力なのかを明確にすることです。この区別が、チップ、メモリー、設置場所を選ぶ出発点になります。
PositronがHBMを使わず、汎用メモリーを選ぶ理由


Positronが打ち出している設計上の特徴は、HBMに依存せず、汎用メモリーを使うことです。HBMは「High Bandwidth Memory」の略で、広い帯域によって大量のデータを高速にやり取りするためのメモリーです。AIの処理では、演算器の能力に加えて、必要なデータをどれだけ速く供給できるかも性能に関わります。そのため、メモリーは単なる付属部品ではなく、機器の構成を左右する要素になります。

マカスキル氏は、HBMについて供給が限られ、価格も高いと説明し、Positronは汎用メモリーを選んだと述べています。これは、部品の調達条件を含めて推論用システムを設計するアプローチと理解できます。高い計算性能を持つ部品があっても、必要数をそろえられなければ事業者は設備を増設できません。供給面の制約をどう受け止めるかが、製品設計の違いにつながっています。



ただし、汎用メモリーを採用すれば、あらゆるモデルや利用条件で費用や性能が有利になるとは限りません。必要なメモリー容量、データ転送量、同時処理の設定などによって結果は変わります。今回示された情報だけでは、競合機器に対する価格性能比や、特定のモデルでの優位性までは判断できません。

日本企業がこの設計を評価するなら、部品名の比較から一歩進める必要があります。実際に使うモデルを載せ、想定する入力と出力の長さ、同時利用数、許容待ち時間をそろえて検証することが適切でしょう。導入価格だけでなく、必要な処理量を満たすための台数や運用費まで確認すれば、汎用メモリーという選択が自社の用途で何をもたらすのか、具体的に判断できます。
Atlasの導入とTitanの開発は、異なる段階にあります


Positronの事業を見極めるうえでは、提供が進む製品と、開発中の製品を分けて把握することが欠かせません。第1世代のAtlasサーバーは、動作をプログラムできるチップを使っています。マカスキル氏によると、Oracleは取材時点の四半期に、自社クラウドで約340台のAtlasを稼働させる取り組みを進めています。これは同氏が説明した導入計画であり、全台の稼働完了が確認されたという意味ではありません。

同氏は、あるネオクラウド事業者もAtlasの導入契約を結び、Titanについても導入を約束していると述べています。ネオクラウドは、AI向けの計算資源提供などを中心に事業を展開するクラウド事業者を指す呼び方です。今回、その事業者の名称や契約規模などの詳細は示されていません。



後続のTitanサーバーに向けては、Positron独自の半導体を開発し、2027年初めにテープアウトを行う計画です。テープアウトは、半導体の設計を製造工程へ引き渡す節目を指します。その後には製造や動作確認などがあるため、この時点を量産開始や顧客への出荷開始と同じものとして扱うことはできません。

この段階の違いは、企業の調達日程に直接関わります。すぐに必要な推論能力を確保する判断と、将来の製品を見据えて技術評価を始める判断では、確認すべき条件が異なるからです。Atlasの導入状況は現行製品の採用動向として、Titanの計画は今後の選択肢として捉えるのが妥当でしょう。将来製品の性能説明を、現在調達できる構成の実績と混ぜないことが、比較の精度を保ちます。
モジュール型データセンターが短期稼働の候補になる理由


Positronが想定する設置先の一つが、モジュール型データセンターです。設備を一定の単位にまとめ、現地で組み合わせて構築する方式で、事業者が必要な容量を段階的に用意する際の選択肢になります。マカスキル氏は、0.5メガワット、1メガワット、2.5メガワット規模のモジュール型施設を手がける企業から、製品への引き合いが増えていると説明しました。

同氏によると、Positronのサーバー1台の消費電力は約4,500ワットで、Titanサーバーを収めたラック全体は40キロワット以内に収まるとしています。また、この電力規模は空冷設備への適合につながると説明しています。ただし、サーバーやラックの電力と、冷却などを含む施設全体の消費電力は同じではありません。これらの数値を、そのままデータセンターの総電力として読むことはできません。



推論事業者の中には、土地と電力の確保から90〜120日で、収益を生むトークン処理の提供に移りたいと考える企業があると、マカスキル氏は述べています。この期間は事業者が目指す日程であり、実現済みの標準工期や保証ではありません。それでも、設備投資の狙いを理解するうえでは具体的です。計算能力を購入した時点ではなく、有料サービスとして稼働した時点から売上につながるためです。

モジュール化と比較的小さな電力単位を組み合わせれば、大規模施設とは異なる場所も候補になり得ると考えられます。ただし、日本で導入する際には、受電、通信回線、建築・消防上の条件、運用体制などを個別に確認する必要があるでしょう。米国で語られた導入速度をそのまま当てはめず、現地条件を含む工程全体で評価することが現実的です。
日本企業は「使える処理能力が届く日」から調達を考えます


今回の動きが示すのは、推論基盤の競争をチップ単体の速さだけで理解することの難しさです。必要な処理能力を、希望する場所で、事業計画に合う時期までに稼働させられるか。その条件を満たすために、メモリーの供給、電力、冷却、施設の構築方式が一つの判断につながっています。Positronの戦略は、こうした条件の組み合わせに事業機会を見いだすものと読めます。

日本企業にとっても、これは自社でデータセンターを建設する場合だけの話ではありません。推論APIやクラウドサービスを調達する場合でも、必要な容量をいつ追加できるか、利用増加にどう対応できるかは提供事業者の設備に左右されます。料金表とモデルの精度に加え、供給能力や増設の見通しを確認する意味があるでしょう。



比較の起点には、自社の利用条件を置くことが適切です。想定する問い合わせ数、入力と出力の長さ、回答を待てる時間、データを扱う条件を整理します。その条件で必要な処理能力を測り、初期費用や運用費、利用開始までの期間と照らし合わせれば、専用機器の導入と外部サービスの利用を、事業上の目的に沿って検討しやすくなります。

なお、今回のインタビューは推論機器を販売する企業の説明であり、数値や評価にはその立場が反映されています。配信企画にはNYSE Wiredの協賛があり、SiliconANGLEは協賛企業に編集権はないと明記しています。企業の主張を検証の出発点にする姿勢が必要です。次の調達相談では、候補事業者に対し、自社の想定負荷を使った検証結果と、利用開始までの具体的な工程を求めてみてはいかがでしょうか。チップの仕様だけでは見えない導入条件を、比較できる形にできます。

ISM AI CONSULTING

AIを、自社の業務で
使える仕組みに。

ISM株式会社は、システム開発で培った技術と現場理解をもとに、AIの業務活用を支援します。課題の整理から導入・運用まで、貴社に合う進め方を一緒に考えます。

  • 活用テーマの整理
  • 業務への組み込み
  • 導入後の定着
AI活用について相談する

「何から始めるか」のご相談から承ります。

AI LAB 一覧へ戻る