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主権はチップよりデータから――独HammerHAIが重視する「企業が使えるAI基盤」

この記事の要点

ドイツのAI拠点HammerHAIは、海外製チップを活用しながら、データ管理、他基盤への移行、担当者による継続支援を重視しています。中小企業が実際に使えるAI基盤を目指す取り組みから、日本企業の選定に役立つ視点を整理します。

目次
高性能GPUを用意するだけでは、企業のAI活用は進みません


AIで製造現場の課題を解きたいと考えても、必要な計算資源を確保し、データを預ける条件を確認し、実際に使い始めるまでには距離があります。とりわけ中小企業やスタートアップでは、設備だけでなく、最初の試行を支える人材も不足しがちです。ドイツ・シュトゥットガルトで整備が進むHammerHAIは、その距離を縮めることを目指しています。

HammerHAIは、企業によるAIの開発や利用を支える「AIファクトリー」です。ここでいうファクトリーは製造工場そのものではなく、計算資源や関連サービスをまとめて提供する拠点を指します。欧州では、公的資金で支えるこうした拠点を通じ、スタートアップや中小の製造業にもスーパーコンピューター級のGPUを使える環境を届けようとしています。



シュトゥットガルト高性能計算センターのマネージングディレクター、バスティアン・コラー氏は、スーパーコンピューティング分野の会議SC26で、利用企業への支援を重視する姿勢を説明しました。AIで実現したいことが明確な企業もあれば、試してみたいものの支援が必要な企業もあるためです。同じGPUを提供しても、利用開始に必要な手助けはそろいません。

同拠点では、Hewlett Packard Enterprise(HPE)のシステムとNvidiaのGrace Blackwellチップを使う新たな計算基盤を準備しています。ただし、企業にとっての価値は機器の性能だけでは決まりません。自社の課題を持ち込み、適切な支援を受けながら検証を進められるかが、設備投資を事業上の成果につなぐ分かれ目になります。HammerHAIの取り組みは、AI基盤の評価軸を「何を備えているか」から「誰が使い始められるか」へ広げるものと捉えられます。
AI主権を、データの管理から捉え直します


「主権あるAI」と聞くと、半導体からソフトウェアまで、すべてを自国や域内でそろえる構想を思い浮かべるかもしれません。コラー氏が示したのは、より現実的な優先順位です。欧州製のプロセッサーやGPUが整うまで待つのではなく、現在使える技術を活用しながら、データをどう扱うかに目を向ける必要があると説明しています。

企業の視点で考えると、チップの供給元とデータに対する管理権限は、関連しながらも別の確認事項です。海外企業の半導体を使っているという情報だけでは、誰が業務データにアクセスできるか、どのような運用で保護されるかまでは判断できません。逆に、設備の所在地だけを確認しても、利用条件やデータの扱いが自動的に明確になるわけではないでしょう。



シュトゥットガルトのセンターは、ISO認証を受けた環境を運用し、自動車産業向けにはTISAXのレベル3に対応していると説明しています。TISAXは、自動車業界で情報セキュリティの評価結果を共有するための枠組みです。ただし、今回の説明だけでは、ISOの規格番号や各評価の対象範囲までは確認できません。認証や評価の名称は判断材料になりますが、自社が利用するサービスにどこまで適用されるかは別途確認が必要です。

日本企業がこの考え方を取り入れるなら、最初に整理したいのは、外部環境で扱うデータの種類と、その管理に必要な条件です。設計情報や顧客情報など、対象によって求める扱いは異なります。これはHammerHAIが個別の管理方法を公表したという意味ではなく、同氏の問題提起から得られる実務上の示唆です。主権という大きな言葉を、データへのアクセス権限や運用責任といった確認可能な項目に置き換えると、サービス選定の議論を進めやすくなります。
利用企業が別の基盤へ移れることも、支援の一部です


公的なAI拠点で開発を始めた企業が、事業の成長に合わせて商用クラウドへ移ることは想定できます。反対に、クラウドで動かしていた処理を、別の計算環境で実行したくなる場面もあるでしょう。HammerHAIは、こうした移動を妨げないサービスを目指しています。コラー氏は、自拠点と大規模クラウド事業者の間で、処理を相互に移せるようにする考えを示しました。

大規模なデータセンターとクラウドサービスを展開する事業者は、ハイパースケーラーと呼ばれます。HammerHAIの役割は、利用企業を自らの設備にとどめ続けることよりも、AI活用の立ち上がりを後押しすることにあります。支援を受けた企業が別の環境へ進めることを、サービス設計の前提に置いている点が特徴です。



この方針は、特定のサービスに依存して移転が難しくなる「ロックイン」を避ける考え方につながります。ただし、移行可能であることと、移行に手間がかからないことは同じではありません。一般に、実行環境だけでなく、データの保存形式、ソフトウェアの依存関係、アクセス権限の設定なども移動のしやすさに関わります。今回、具体的な移行手段や互換性の保証範囲までは明らかにされていません。

導入を検討する企業にとっては、利用開始の条件と同じくらい、利用を終える際の条件が判断材料になります。検証で作成したモデルやプログラム、保存したデータをどう取り出せるかを確かめておけば、その後の選択肢を見通しやすくなるためです。HammerHAIの方針から読み取れるのは、長く囲い込むことだけが基盤の価値ではないという視点です。企業が次の段階へ進めることも、AI活用を支援する拠点の成果として考えられます。
クラウドの使いやすさと、担当者による支援を組み合わせます


計算能力が十分でも、利用方法が難しければ、企業内で使える人は限られます。コラー氏によると、産業分野の利用者は、シェルと呼ばれるコマンド操作環境での作業よりも、大規模クラウドに近い操作感を求めています。計算機の専門家だけを前提にした仕組みでは、AIを業務で試したい企業の期待に応えにくくなっているという認識です。

操作を分かりやすくすると同時に、セキュリティやアクセス管理にも対応する必要があります。画面から簡単に使えることと、適切な権限の下で使えることは、両方を満たさなければなりません。企業向けAI基盤では、処理性能に加えて、日常の利用を支えるサービス設計も問われます。



HammerHAIが重視するのは、利用企業ごとに継続して対応する担当者を置く、コンシェルジュ型の支援です。相談のたびに背景を最初から説明する負担を減らし、担当者が企業の目的や利用状況を理解しながら支える構想と受け取れます。実現したいことが明確な企業と、試行の進め方から相談したい企業では、必要な案内も異なるでしょう。

コラー氏は、利用者と接することで、相手の仕事の進め方や考え方を学べるとも説明しています。高度なシステムを構築しても、利用者の要望を考慮しなければ使われないという問題意識です。同センターは、新しいハードウェアを待つ間も既存設備で顧客を支援し、複数の成功事例が生まれたとしています。ただし、個々の成果や効果の数値は示されていません。ここで注目したいのは、設備完成後に利用者を探すのではなく、実際の相談をサービス改善に生かそうとする姿勢です。企業側も、技術仕様だけでなく、自社の課題を理解する窓口があるかを比較する意味があるでしょう。
電力効率の説明は、性能の測り方とセットで読みます


AIの計算基盤を継続して運用するには、処理能力とともに電力の使い方も考える必要があります。コラー氏は、新システムについて、消費電力3.2メガワットの従来システムに対し、約700キロワットで2倍の性能を実現すると説明しました。また、センターでは設備から出る排熱を再利用しています。計算設備の価値を、性能と運用の両面から捉える発言です。

単位をそろえると、3.2メガワットは3,200キロワットです。説明された数値では、新システムの消費電力は従来の約22%となります。性能2倍という比較と組み合わせれば、性能当たりの電力効率は約9倍という計算になります。ただし、これは提示された数値同士を単純に比較した結果であり、個別業務で同じ改善が得られることを示すものではありません。



今回の説明では、性能を測った処理の種類や、消費電力の計測対象などの詳細までは確認できません。AIの学習、推論、その他の科学技術計算では、同じ装置でも使い方が変わります。自社の用途を評価する際は、この比較をそのまま費用削減率や処理時間の短縮率に読み替えないことが適切です。

排熱の再利用についても、具体的な供給先や回収量は示されていません。それでも、計算機が使う電力だけでなく、発生する熱の扱いまで運用上の論点に含めていることは分かります。企業が基盤を選ぶ際には、公表された性能値に加え、自社の処理をどの条件で実行した結果なのかを確認するとよいでしょう。電力効率の数値は有用な比較材料ですが、業務に必要な計算を安定して実行できるかという問いと結び付けて初めて、投資や利用の判断に役立ちます。
日本企業は、持ち込む課題とデータを一組にして検討します


HammerHAIの取り組みから、日本企業がそのまま同じ拠点や設備を選ぶべきだという結論は導けません。利用資格、料金、提供範囲など、導入判断に必要な条件は今回の情報だけではそろわないためです。参考にできるのは、AI基盤を評価する順序です。GPUの種類を出発点にするだけでなく、誰のどの課題を解き、そのためにどのデータを扱うのかを先に定める考え方です。

たとえば、社内資料を使うAIの検証を考える場合でも、対象資料を決めなければ、必要なアクセス管理や支援内容は具体化しません。これはHammerHAIの導入事例ではなく、検討手順を考えるための例です。使いたいデータと達成したい業務上の変化を一組にすれば、計算資源、データ管理、相談体制に何を求めるかを説明しやすくなります。



事業を成長させる段階では、利用環境を選び直す可能性もあります。そのため、検証を始める時点で、成果物を別の環境へ持ち出す条件まで確認しておく価値があります。初期支援の手厚さと、その後の移動のしやすさを併せて見る視点は、中小企業だけでなく、部門単位でAI導入を進める大企業にも応用できるでしょう。

なお、コラー氏が出演したtheCUBEの番組枠はHPEがスポンサーを務めています。SiliconANGLEとtheCUBEは、HPEを含むスポンサーが編集内容を管理することはないと明記しています。設備性能やサービスの方針は登壇者の説明として捉え、実際の採用では自社の条件に照らした確認が必要です。検討を進めるなら、まず一つの業務課題を選び、使うデータ、期待する成果、必要な相談支援、成果物の移行条件を短い文書にまとめてみてください。その文書を基盤の提供者に提示すれば、利用可能かどうかに加え、実用化まで何を支援してもらえるかを具体的に相談できます。

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