新シリーズの最初のブログへようこそ、 AIの世界における適材適所の構築.EdgeConneXでは お客様の仕様に合わせたEdgeConneXでは、お客様独自の仕様に合わせたデータセンターの構築は、当社の血統の一部です。この間、お客様の仕様は大きく変化してきました。クラウドへの移行が加速するにつれ、プロバイダーは戦略的立地に大規模な施設を必要とするようになりました。消費者がストリーミングを利用するようになると、プロバイダーはエッジでの展開を必要としました。私たちは、このような変化のたびにお客様をサポートしてきました。

AIモデルのトレーニングと推論に必要なロケーション
AIモデルのパワーは、トレーニング中に使用されるパラメータの数によって左右される。モデルは、接続されたグラフィック・プロセッシング・ユニット(GPU)のクラスタ上でトレーニングされ、パラメータの数が増えるにつれてクラスタのサイズも大きくなる。(メタ社の ラマ3.1は、4,050億個のパラメータを持ち、16,000個のNVIDIA H100 GPUのクラスタを使用して学習された。同社の次世代モデルであるLlama 4は、以下の通りである。 2兆個のパラメータのクラスタで学習される。 100,000以上のH100 GPU.)
GPUクラスタが大きくなると、データセンターの電力とスペース要件が増大する。現在、データセンターの容量に対する世界の需要は約60GWですが、2030年までには、その3~5倍になる可能性があります。 その3~5倍になる可能性がある。この増加の大部分はAIによるものである。数百万平方フィートに及ぶギガワットのデータセンター・キャンパスは、ますます一般的になりつつある。このような電力とスペースは、主要市場ではますます入手が難しくなっているため、AIモデルを育成するハイテク企業は、土地と電力へのアクセスが容易な新市場に目を向けている。
AIの推論(新しい入力を処理して出力を生成するために学習済みモデルを使用する)には、異なる要件がある。自律走行車、高頻度取引、産業オートメーションなどの特定のアプリケーションでは、推論に低レイテンシーが要求される場合がある。そのような場合、エッジの導入が必要になることがある。
立地条件に合った建物

さまざまな規模や場所での展開をサポートするには、ダイナミックなサプライチェーンが必要です。 当社の経験と専門知識は、さまざまな規模やタイプの開発に及んでいます。私たちは、200MWを超えるハイパースケール展開だけでなく、2MW程度のエッジ展開も行っています。グリーンフィールド・ソリューションの構築、既存施設の再利用、または世界各地の新市場への参入を加速するために必要なパートナーとの提携も行っています。当社の信頼できるサプライチェーンは、世界各地での迅速な調達を可能にし、到達困難な地域にありがちなロジスティクスの課題を解消します。私たちは、柔軟なBasis of Design(設計の基本)アプローチを活用し、世界中で最良の設計手法、パートナー、技術を特定、評価、実行します。
結論
モデルのトレーニングであれ推論であれ、AIワークロードのユニークな要件は、新たな市場における重要な開発と、新たなエッジコンピューティングの進歩を促進しています。成功のためには、さまざまな導入規模やタイプに対応できるグローバルな深い経験を持ち、ダイナミックなサプライチェーンを持ち、困難な状況でも持続可能性を追求する開発者が必要です。EdgeConneXのような開発者です。
次の記事 AIの世界で求められる人材育成シリーズ