生成AIの活用が実装段階に入り、企業がGPUサーバーを調達する際の評価基準は、単体の演算性能から、計算リソース全体の配分効率と管理の一貫性へと移りつつある。ハードウェアの導入後、複数のチームやプロジェクト間でいかに計算リソースを適切に配分し、許容範囲の稼働率を維持しながら、統一された権限管理と監査の仕組みを構築するか。これが導入初期における主要なボトルネックとなるケースは少なくない。

INFINITIXのAI-Stackは、Supermicroの5機種のGPUサーバーと組み合わせることで、3U MicroCloudから8U HGXまでの製品レンジをカバーし、NVIDIA全シリーズおよびAMD Instinctシリーズなどのアクセラレータに対応する。 

提携の背景

Supermicroは、高性能・高効率サーバー技術のグローバルリーディングカンパニーであり、データセンター、クラウドコンピューティング、企業IT、AIワークロードにわたるエンドツーエンドのソリューションを提供している。AI-Stackの導入ニーズにおいて、Supermicroの製品ラインは以下の2つの重要な特性を備える。 

製品レンジの網羅性： アクセラレータ1枚構成の3U MicroCloudノードから、SXM GPU 8基搭載の8U HGX機まで、すべて同一サプライヤから調達できる。企業はまず小規模構成でPoC（概念実証）を実施し、プロセスと効果を確認した上で段階的に拡張可能だ。規模の変更に伴うサプライヤの切り替えや管理基盤の再構築は不要である。 

アクセラレータ選択の柔軟性： 同一シャーシシリーズがNVIDIA PCIe全シリーズとAMD Instinctアクセラレータの双方に対応しており、AI-Stackの異種計算リソース統合管理機能と整合する。企業は調達段階において、将来のアクセラレータ選定の不確実性により単一のサプライ体系に制約される必要がない。

Supermicro x AI-Stack プラットフォーム概要

ソリューションアーキテクチャ

AI-Stackはアクセラレータとユーザーの間に位置し、アーキテクチャ上3つのレイヤーで構成される。

  • 開発・エコシステムレイヤー ：エンドユーザー向けであり、Jupyter、VS Code、PyTorch、TensorFlow、vLLM、モデルファインチューニング、実験トラッキング、推論サービスエンドポイントなどのツールを統合する。ユーザーはセルフサービスで必要な環境を申請できる。 
  • コントロールレイヤー：AI-Stackの中核機能領域であり、GPU分割、マルチテナント・ロールベースアクセス制御（RBAC）、クォータ・プロジェクト管理、タスクスケジューリング、モニタリング・アラートなどの機能を提供する。企業既存のKubernetesまたはOpenShift環境との統合にも対応し、ストレージアーキテクチャはNFSおよびMinIOをサポートする。 
  • 物理クラスタレイヤー はSupermicroが提供し、前述の5機種のサーバー、NVIDIA全シリーズアクセラレータ、およびAMD Instinctシリーズで構成される。

導入効果

  • GPUリソース稼働率の向上： AI-Stackは1基のGPUを複数の独立したクォータに分割し、複数ユーザーへ提供できる。分割後のリソースは相互に分離され、干渉しない。同一Supermicroシャーシで数倍のユーザーに対応可能となり、タスク切り替え時のリソースアイドルも低減する。
  • ヘテロジニアスアクセラレータの統合管理： NVIDIA HGX SXMベースボード、H200 NVL、L40S、RTX PRO Blackwellシリーズ、AMD Instinctのすべてを同一コントロールプレーンで管理する。企業がアクセラレータサプライヤを変更する際にも管理基盤の入れ替えは不要であり、調達判断におけるベンダーロックインリスクを低減できる。 
  • 環境構築時間の短縮： ユーザーはセルフサービスでコンテナ化された開発環境を申請でき、統合開発ツール、学習フレームワーク、データセットのマウントが含まれる。案件ごとに申請書を提出して手動設定を待つ必要がなく、ハードウェア設置から成果産出までのリードタイム短縮に寄与する。
  • 機種をまたぐ一貫した管理基盤： 単体のMicroCloudノードとマルチノードHGXクラスタが、同一の管理インターフェース、スケジューリングポリシー、クォータの仕組みを共有する。企業がフリートを拡張する際にも管理基盤の再構築は不要であり、初期導入時のプロセスと規範をそのまま継続できる。

適用シナリオ

  • 企業AIプラットフォーム： 製造、金融、医療産業において複数部門が同一サーバーを共有し、部門横断でリソースを配分しながら、プロジェクト単位で計算コストを帰属させることができる。
  • 学術・研究コンピューティング： 大学および研究機関がラボまたは講座単位でリソースクォータを配分し、教育用途と研究用途が同一のハードウェアリソースを共用できる。
  • ソブリン・リージョナルAIクラウド： データの国外持ち出しが許されないオンプレミス計算リソースプールのデプロイに適しており、ハードウェア・ソフトウェアともにローカルの技術サポートを受けられる。

お問い合わせ

企業AIインフラの新規構築または拡張をご検討中の方は、運用予定のモデル規模、既存または調達予定のアクセラレータ構成をお知らせください。最適なSupermicroプラットフォームとAI-Stackの構成プランをご提案いたします。

お問い合わせはこちら