最新記事一覧
GPU（グラフィックス処理装置）の価格高騰や供給不足を背景に、GPUをクラウドサービスで利用する方法に注目が集まっている。GPUをオンプレミスインフラに設置する場合に比べてメリットはあるのか。
()
生成AIが登場したことで、高速のグラフィックス処理に欠かせないGPUの重要性が高まっている。高性能のGPUを自社で用意するのはハードルが高いため、GPUリソースをクラウドで提供する「GPUクラウドサービス」が注目されている。
()
AI（人工知能）技術の需要が高まるにつれて、GPU（グラフィックス処理装置）の入手が難しくなっている。そこで注目を集めているのが、GPUを購入せずに利用できる方法だ。
()
グラフィックスを処理するために生まれた「GPU」は、いまやAI関連を含めて汎用（はんよう）的に使われるようになった。GPUを選ぶ際は、どのような要素を考慮して判断すればいいのか。
()
AI学習や推論の要となるGPUの需要が世界的に高まる中、希少なハイエンドGPUを活用できる国産クラウドサービスがある。最新GPUを搭載した計算クラスタ型サービスは、研究・開発現場の課題をどう解決してくれるのだろうか。
()
グラフィックスを処理するために使われてきた「GPU」は、AI関連のタスクを実行するための不可欠な存在となっている。GPUのどのような仕組みが生かされているのか。CPUとの仕組みの違いを踏まえて考えてみよう。
()
NVIDIAはGPUを主軸にして成長してきたベンダーだが、その事業内容はGPUにとどまらない。同社はどのような会社なのか。GPU市場をどう生き抜き、どう成長してきたのか。
()
仮想マシンでGPU（グラフィックス処理ユニット）のリソースを使う場合は、当然ながらそのための下準備が必要になる。GPUのリソースを使う2つの方法を基に、その準備の流れについて説明しよう。
()
GPUのリソースを有効に活用してAI技術の処理を実行するには、従来のインフラ設計とは異なる観点が求められる。GPUの効果的な活用を模索している研究機関CERNによる取り組みと、GPU活用の要点とは。
()
GPU不足が深刻化する中、企業では組織やプロジェクト間のリソース争奪戦が起きている。この問題の解決に役立つのがNVIDIAの「KAI Scheduler」だ。GPUリソースの効率的な管理をどのように実現するのか。
()
GPU（グラフィックス処理装置）の本来の役割はCPU（中央処理装置）を補完することだったが、現在ではGPUがAI関連のタスクを実行するための不可欠な存在となっている。GPUのどのような仕組みが生かされているのか。
()
AIプロジェクトで欠かせないのが「GPUの調達」だ。しかし、高額なコストやインフラ整備の難しさから、一部の企業にとっては現実的な選択肢とは言い難い。こうした問題を解消できるアプローチとは。
()
AMDはGPU管理ソフトウェアベンダーと提携し、同社のGPU「AMD Instinct」でAIモデルを実行する際のワークロード管理と性能向上を図る。データセンターにはどのようなメリットがあるのか。
()
GPUは、大量の計算処理やグラフィックスの処理を得意とする。これを仮想マシンに割り当てて使用する方法には主に2通りある。GPUのリソースを共有する方法を中心に紹介しよう。
()
コンピュータの計算処理を担うCPUとGPU。2つの役割を整理して、GPUが必要になるのはどのような場合なのか、GPUをどう使えばよいのかを紹介する。
()
GPU市場を席巻するNVIDIAが、GPUとQPU（量子プロセッサ）を接続する新規格「NVQLink」を発表し、量子コンピューティング分野でも標準化に動いた。31の企業と機関が参画する「オープン戦略」は何を意味するのか。
()
GPUへのデータ供給の遅れが、AI推論のボトルネックになっている。この課題に対し、SSD自体を推論処理に特化させるアプローチや、GPUのメモリ構造を変えるアプローチが登場している。その詳細を解説する。
()
主要なGPUベンダーが提供している「GPU仮想化」技術。IntelやNVIDIA、AMDなど、ベンダーごとのGPU仮想化技術の特徴と、「vSphere」環境で仮想GPUを利用する方法を説明する。
()
AIプロジェクトの成否は「GPUの選定」にかかっているといっても過言ではない。しかし、多くの企業が選定段階でつまずいてしまうのが現実だ。性能とコストを両立させる賢いGPU導入戦略について、専門家に聞いた。
()
企業のインフラでは、従来使われてきたCPUに加えて「GPU」の役割が重要になりつつある。同じくインフラにおいて重要な仮想マシン（VM）でGPUを使う理由とは。具体的な方法と併せて解説する。
()
AI技術が広く使われるようになる中で、CPUとGPUは共にますます重要なプロセッサとしての役割を果たしている。CPUとGPUの役割にはどのような違いがあるのか。
()
自社でLLMを動かすには、十分なメモリ容量と処理能力を持つGPUが必要になる。必要以上に高価なGPUを導入してしまわないよう、自社に本当に必要なスペックと構成を見極めるポイントとは。
()
「GPU」の貴重なコンピューティングリソースをできるだけ無駄なく使うには、その使用状況を適切に把握することが欠かせない。仮想マシンでGPUを使う場合のパフォーマンス測定方法とは。
()
CPUやGPU、DPUに加えて、AI技術に特化した「TPU」（テンソル処理ユニット）というプロセッサがある。GPUやCPUなど他プロセッサとの比較を通じて、TPUとは何かを解説する。
()
経済安全保障推進法に基づく「特定重要物資クラウドプログラムの供給確保計画」について経済産業省から認定を受けた3社が、今後も高まるGPU需要に応えるための体制構築に着手した。
()
GPUとストレージが直接データをやりとりできるNVIDIAの「GPUDirect Storage」が一般に利用可能になった。まずはどのような仕組みなのか、ざっくりと理解しておこう。
()
GPU市場で急速な成長を遂げてきた半導体ベンダーがNVIDIAだ。GPU市場でNVIDIAが支配的な影響力を持ちつつある状況に対して、競合のIntelやAMDはどう対処しようとしているのか。
()
生成AIやLLMの活用に欠かせないのが高性能なGPUだが、自社でGPUサーバを用意するとなると、機器やサーバルームの設置、運用・管理のリソースも必要となり、コストと作業負荷が高まってしまう。この問題を、どのように解決すればよいのか。
()
GPUの性能を最大限引き出すために、どのようなネットワークを選ぶべきかに悩む企業は少なくない。Gartnerが推奨する事項を基に、そのヒントを紹介する。
()
高価なGPUを導入しても、ストレージの性能が低くて処理待ちが発生すれば、投資の意味が薄れてしまう。AIプロジェクトを失敗させる「データ供給不足」を解消し得る、主要ストレージベンダー7社とその製品を解説する。
()
大企業向けが主流だったAI基盤に変化の兆しがある。NVIDIAがBlackwell世代の新GPU「RTX Pro 6000」で狙う市場とは。
()
GPUへのニーズが高まっているが、高度な機能を備える環境を自社で構築するには多大なコストがかかる。そこで注目されているのがハイパースケーラーよりも低コストで利用できるGPUクラウドサービスだ。本動画で詳しく紹介する。
()
AI需要の爆発によりGPUの価格高騰と調達難が続く中、Microsoftが発表した独自AIチップ「Maia 200」。これは単なる新製品の発表ではない。NVIDIA依存からの脱却、そして企業のAI運用コストを劇的に左右する「ゲームチェンジャー」となる可能性がある。
()
CPUに加えてGPUを併用する動きがある。GPUはグラフィックス処理用ではなく、CPUのタスクを肩代わりする役割として活用が進む。2つをどう使い分けるのが賢い選択なのか。
()
AI処理のためのプロセッサとして、GPU以外にも「FPGA」がある。どれを採用するかは、それぞれの長所や短所、プロジェクトの要件を慎重に評価した上で判断すべきだ。
()
仮想GPU／virtual GPU／仮想グラフィックス処理ユニット／GPU仮想化／virtual graphics processing unit／vGPU
()
CTCは「CUVIC GPU Zero」を提供開始した。生成AIアプリケーションを実行するためのオンプレミスインフラを構築するためのサービスで、AIアプリケーションの自社開発を目指す企業の利用を見込む。
()
AMDは、中国のAIベンダーDeepSeekのLLMが話題を集める中、AIアクセラレーターの出荷を急ぐなどGPU関連の製品提供を加速させている。その背景には何があるのか。
()
映像や画像の処理に使われていた「GPU」は、今ではさまざまな用途に使われています。GPUは「CPU」とどう違うのでしょうか。詳しく解説します。
()
「CPU」や「GPU」と共に使われ、“第三のプロセッサ”と言われることもある「DPU」（Data Processing Unit）。CPUとGPUとは何が違うのか。DPUの仕組みを説明する。
()
NVIDIAは生成AIやLLMの処理を効率化する新しいGPUを発表した。近年、AI技術の活用に乗り出す動きが企業に広がっている。企業が着目すべきGPUの特徴とは。
()
AI需要の急拡大でNVIDIAの最新GPU「Blackwell」を搭載したサーバに注目が集まる一方、大手クラウド事業者への大量供給が他の顧客への影響を招く懸念がある。
()
AI導入を進める上でGPUは不可欠な存在だが、オンプレミスで導入するかクラウドサービス経由で利用するかで頭を悩ませる企業は少なくない。専門家の意見を交えながら両者の違いを整理し、企業にとっての最適な導入方法を探る。
()
MetaがGPU依存からの脱却を目指す背景には何があるのか。Armとの協力を通じてどのような次世代AIインフラの実現を目指しているのか。
()
「CPU」ではなく「GPU」を使った方がよい用途とは何か。用途に合ったGPUを選ぶためのポイントとは。NVIDIAとAMDの主要製品の違いなど、GPU選定を成功させるための勘所を整理する。
()
生成AIを使って高精度な回答を得るためには、計算コストの増大を覚悟しなければならない。解決策として、推論時のGPU利用を効率化する「分散推論」が注目されている。何がすごいのか居酒屋に例えて解説する。
()
「GPU」や「Python」はAI時代に欠かせない技術となったが、AI時代のインフラを考える上で必要なのはこれらだけではない。プロセッサとプログラミング言語の選択肢について、企業が持つべき視点とは。
()
プロセッサと言えば「CPU」――。この常識が崩れ始めている。「GPU」「DPU」といった他のプロセッサが普及し始めたからだ。CPU、GPU、DPUの役割の違いと、それぞれが適する用途とは。
()
ゲーム以外にもさまざまな用途があるGPU。汎用性を備えるCPUとは、何が違うのでしょうか。GPUとCPUは、どのような使い分けをすればよいのでしょうか。詳しく解説します。
()
AIツールの開発に不可欠なGPUを巡り、OpenAIがNVIDIAに続きAMDとも契約を結んだ。しかしAMD製GPUには、性能以外の面で「見過ごせない弱点」も指摘されている。それでもOpenAIが2社と手を組む思惑は何か。
()