「GPU利用コストが想定を大きく超えてしまった」「学習モデルが求められる予測精度に達しなかった」「投資に見合う成果が見込めなかった」――華々しくAI開発プロジェクトを立ち上げたものの、実際にビジネスに活用されて成果をあげた例は限られている。その原因を探っていくと、「学習用GPUリソースの慢性的な不足」と「予測できないAI開発コスト」が多くを占めていることがわかる。

 企業内で多数のAIプロジェクトがバラバラに走っている例は珍しくない。クラウドのGPUリソースを青天井で使えるチームもあれば、自分のワークステーションに限られてしまう技術者もいる。ユニークなアイデアをプロジェクトレベルまで引き上げられないケースも少なくないだろう。

 一方で、AI開発とビジネス適用を加速させているAI先進企業では、注目すべき取り組みが始まっている。部門や特定の技術者に委ねていたAI開発を、全社レベルに格上げして統合する戦略である。これを支える環境として、GPUリソースを統合して複数のユーザーがオンデマンドで使える「GPU as a Service=GPUaaS」を実現していることに注目したい。

 GPUリソースの統合はリソースの利用効率を高め、ムダの解消とコストの削減に結びつく。GPUaaSではクラウドと同様に必要なリソースをオンデマンドで使えるため、セットアップの手間がかからず開発生産性を高められる。より良いデータを使って試行錯誤を繰り返すことができれば、AIモデルの精度は確実に向上する。多彩なチームでAI開発のチャレンジが可能になれば、成功のチャンスは大きく広がるはずだ。

 本稿では、AIプロジェクトの成功率を高める「GPUaaS」と、これを実現するテクノロジー/プラットフォームについて2人のキーパーソンが解説する。

この先は日経クロステック Active会員の登録が必要です

日経クロステック Activeは、IT/製造/建設各分野にかかわる企業向け製品・サービスについて、選択や導入を支援する情報サイトです。製品・サービス情報、導入事例などのコンテンツを多数掲載しています。初めてご覧になる際には、会員登録(無料)をお願いいたします。