AIは学術研究から飛躍し、医薬、法執行、保険、小売りといった幅広い分野に進出している。ソーシャルメディアも増加の一途をたどるAI活用事例の一つにすぎない。

　こうした成長は企業のITシステムに広く影響を及ぼしている。その中の一つがデータストレージだ。

多岐にわたるAI用ストレージ

　AI向けデータストレージの要件は、応用事例とソースとなる資料によって大きく異なる。Gartnerのデカテ氏は次のように述べる。「ユースケースによってデータセットは大きく異なる。画像処理の場合はファイルが非常に大きくなることが多いため、データセットのサイズが急速に大きくなる。画像認識や動画認識、またはディープラーニングを実行する場合は新しいアーキテクチャと新しい機能が必要になるだろう。不正検出のようなユースケースでは、新しいハードウェアを備えていないインフラスタックでも優れた結果を得ることができる」

　医療、科学、地理データ、諜報（ちょうほう）活動や防衛に使用される画像処理データセットはペタバイト規模、1ファイル当たりのサイズはギガバイト規模になることが多い。

　これに対して、AIの応用事例が増えているサプライチェーン分析や航空機のメンテナンス、修理、整備などの分野で使われるデータはこれよりはるかに小さい。

　デカテ氏によると、小売業の品ぞろえの予測に使用されるPOSデータセットは通常100M～200MBだ。最新のセンサーを搭載する旅客機は、メンテナンスと操縦のデータを1回のフライトで50G～100GB生成するという。

CPU、GPU、そしてI/O

　AIシステムの課題は、データを処理する速度にある。航空事業では、航空機が地上に駐機している間に予知保全データを分析しなければならない。その所要時間は、長距離フライトでは数時間、格安航空では数分などさまざまだ。

　顔認識システムや車両ナンバー認識システムは瞬時の応答が必要とされる。自動保険金請求システムに求められる応答時間は数分だ。

　AI開発者にはGPUを多用するクラスタの構築が求められる。GPUはデータ処理と複雑なアルゴリズムを高速に実行するのに最も効果的な方法だからだ。だが、GPUクラスタ（NVIDIA DGXをベースにすることが多い）は高価で、少数しか出回っていない。

　PA Consulting GroupのITエキスパート、アラステア・マコーレー氏は次のように指摘する。「教育用や産業用のハイパフォーマンスコンピューティング（HPC）システムは、その希少性とコストから、非常に高い利用率で稼働していることが多い」

　研究機関は、ハードウェアのパフォーマンスを余すことなく引き出すために専門家を雇用している。だが、一般企業では既存のデータシステムとの統合の方が重要になる可能性が高い。

後編（Computer Weekly日本語版　8月21日号掲載予定）では、AIシステムのフェーズごとに異なるストレージのI/O特性、NVMeやクラウド利用の可能性について解説する。