データセンターは生成AIでどう変わるのか【前編】
生成AIがいくら魅力でも「データセンターで使えない」のはなぜ?
「生成AI」は広く企業が利用する技術になると考えられる。ただし生成AIを組み込むシステムは、従来使われてきた業務システムとは根本的に異なるものになる可能性があるため、企業は幾つかの点に注意が必要だ。
テキストや画像を自動生成する「生成AI」(ジェネレーティブAI)を企業がデータセンターで実行するとなると、従来のシステムとは異なる幾つかの点に配慮する必要がある。サーバラックや電源などデータセンター設備を手掛けるVertiv Groupでアプリケーションエンジニアリング部門のディレクターを務めるスラウォミール・ディジウラ氏は、「生成AIを実行する際の消費電力を正確に計算した人はいないため、設備に求められる要件はまだ不確かだ」と警告する。
暗号資産(仮想通貨)のマイニング(暗号資産の取引内容を承認し、その対価として暗号資産を得ること)を禁止した国が抱いていた懸念と、生成AIの導入に伴う懸念は似ているとディジウラ氏は指摘する。具体的に、企業が生成AIを導入する際に考慮すべき点としてディジウラ氏が挙げるのは、以下の通りだ。
- GPU(グラフィックス処理装置)といったプロセッサや、ストレージなどのリソースをより消費する
- 構築や運用には十分な知識を持ったエンジニアが必要になる
- 生成AIを業務で利用するには事前に膨大な検証をする必要がある
- IT管理者にとっては新しいITスキルや管理ツールが必要になる可能性がある
一方で「アプリケーションとインフラ管理者のスキルを高めるために生成AIを利用できる可能性がある」とディジウラ氏は語る。
生成AI導入時にデータセンターの何を見直すべきか
「生成AIを扱うデータセンターでは、リソース使用量やインフラの管理方法、セキュリティ対策を見直す必要がある」。英国のセキュリティベンダーNCC Groupでチーフサイエンティストを務めるクリス・アンリー氏はそう述べる。
アンリー氏によれば、AI技術を扱うデータセンターの構成は、他の業務システムに適したデータセンターの構成とは基本的に異なる。まず、生成AIの構築に必要なデータ処理能力を備えたインフラを実現するには、大規模な分散ストレージシステムを用意する必要がある。生成AIのアプリケーションは1台のサーバだけでは十分に実行できない場合があり、複数のGPUを使ってアプリケーションの負荷を分散させることが必要になる点も考慮する必要がある。サーバの冷却方法や電力の供給方法、ネットワーク構成なども、AI技術の利用を前提にした設計する必要がある。「データセンターのあらゆる要素を再考しなければならない」と同氏は語る。
中編は、生成AIがデータセンターのセキュリティやエンジニアに与える影響を深堀りする。
Computer Weekly発 世界に学ぶIT導入・活用術
米国TechTargetが運営する英国Computer Weeklyの豊富な記事の中から、海外企業のIT製品導入事例や業種別のIT活用トレンドを厳選してお届けします。
Copyright © ITmedia, Inc. All Rights Reserved.
Computer Weekly発 世界に学ぶIT導入・活用術
この記事の著者
関連記事
新着ホワイトペーパー PR
-
市場調査・トレンド
[コパード株式会社] 約9割が負担を実感 Salesforceのテスト業務に関する実態調査で見えた課題とは -
市場調査・トレンド
[コパード株式会社] 「Salesforce」開発・運用におけるAI活用実態調査レポート -
事例
[テクバン株式会社] 1画面でITサービスデスク業務が完結 太陽ホールディングスに学ぶデバイス管理 -
製品資料
[デジタルサーカス株式会社] ライセンス無料 Drupalベースの「多言語ECサイト開発用パッケージ」の実力は? -
製品資料
[デジタルサーカス株式会社] 日本発グローバル企業用Drupal「Risley(リズリー)」の実力とは?
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
半数がブルーカラー転向を視野に? ベテランエンジニアを追い込む“54歳の壁”
-
2
OpenAIやAnthropicでさえ制御不能 2026年夏「3大サイバー攻撃」の衝撃
-
3
IT製品の導入に関するアンケート「セキュリティ」編
-
4
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
5
なぜ「全社配布Copilot」は使われないのか? 失敗に学ぶAI定着
-
6
見落としが多発、AI普及&データ急増に伴うネットワーク課題の意外な原因とは?
-
7
【専門家に聞く】シャドーAIや過剰共有のリスクを防ぎ、安全に生成AIを活用するポイントとは?
-
8
【コスト分析】事例が示す中堅・中小向けERPの最適コスト構造
-
9
なぜ「Gemini 4 Argon」は出遅れたのか? Googleが狙う“逆転のシナリオ”
-
10
IT製品の導入に関するアンケート「サーバ&ストレージ」編
ホワイトペーパーランキング PR
-
1
家庭用Wi-Fiルーターの業務利用は危険? 避けるべき理由と具体的な対策
-
2
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
-
3
システムの保守がモダン化を阻む? 「変えない判断」から脱却する方法とは
-
4
AI駆動攻撃にどう対抗する? 超速の攻撃からエンドポイントを保護する方法
-
5
不審メールの経路や見せ方に変化? 2026年夏の3事例から見えた動向と対処方法
-
6
プログラミング不要で誰でも実現できる、ネットワーク運用管理の自動化とは
-
7
Linux初心者でも知らないとまずい「RHEL」「SLES」の違いとは?
-
8
東大教授と考える、AI時代の「データ主権」「信頼性」「ガバナンス」の在り方
-
9
「IT史に名を残すシステム障害」8選
-
10
最速72分でデータが流出? 最新の脅威トレンドや侵入手法から分かった防衛策
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー