近年、急速なAI需要拡大によって、企業のデータセンター活用や新設が進められています。しかし、そもそもAI需要が拡大することでなぜデータセンターが必要となるのかを理解できていないという方もいるでしょう。そこでこの記事では、AI活用によるデータセンター需要の拡大と、それに伴うデータセンターの選択肢や課題について詳しく解説します。
AIや機械学習で注目を集めるデータセンターとは？
ITの利用規模が日々拡張し、要求が多様化する現在、企業は安全かつ安定したシステムとデータの運用を求めています。主に災害への対策として、これらを保全する重要な役割を果たしているのがデータセンターです。データセンターとは、IT機器、サーバーやネットワーク機器を安全に保管する専門施設です。自社でIT機器を管理するべき場合でも、十分なスペースやセキュリティ対策がない場合があります。これらの問題を解決するために、企業はデータセンターを利用する傾向にあります。この施設は、IT機器の管理と運用に特化しており、企業の多様な要求を満たすことが可能です。
AIやDXによって需要が拡大
AIやデジタルトランスフォーメーション（DX）によって、データセンターの需要が拡大しています。医療から金融、エネルギー産業に至るまで多岐に渡る分野で、研究開発やサービス提供に影響を及ぼしていることも特徴です。デジタル化の推進は、ビジネスでもAIの利用範囲を広げ、自然な言語で対話できる生成AI「ChatGPT」のようなサービスの拡大にも影響されています。このデジタル化の波が、クラウドサービスの需要増加とデータセンターの拡大につながっています。
特に、AWSなどの大手クラウドサービスプロバイダーが日本市場に参入してからは、クラウドのサーバを設置するデータセンターの建設が加速しています。この背景には、情報の反応速度と信頼性が重要となる企業にとって、データセンターの選択が生命線であるとの認識があるからです。一方で、データセンターの地域集中も問題となっており、東京都心の地価高騰や大規模地震のリスクを考慮し、大阪など関西地域への分散化が進んでいます。
AI活用拡大によるデータセンターの動向と事例
ここからは、AIの活用拡大によるデータセンターの動向と事例を紹介していきます。
国内では関西を中心に新設が進められている
データセンターの新設動向において、国内では関西地域が中心となっています。これまでデータセンターの多くは関東圏に集中しており、サーバーとの物理的な距離が近いことによる情報処理速度の向上がその理由でした。しかし最近では、災害リスクの分散を図る意味で、関東以外の地域への新設が進行しています。
特に関西は、インフラと地理的な優位性を有しているため、新たなデータセンター設置の候補地として注目を集めています。この動きによって、地方分散化によるリスク軽減と効率性の追求が可能です。
※出典：ITmedia NEWS
大規模言語モデルなどの生成AIを想定したデータセンターへの投資も拡大
AI技術の発展は、大規模言語モデルなどの生成AIに対する需要増大をもたらしています。これに伴い、さくらインターネットは、生成AIの利用に特化したサービスを提供するために、GPUクラウドサービスへの約130億円の投資を予定しています。
2,000基以上のNVIDIAの「NVIDIA H100 Tensor コア GPU」を使用し、高い演算能力と拡張性を持つサービス提供が計画されています。サービスは石狩データセンターで提供予定。冷涼な気候を利用した冷却システムや、水力発電による再生可能エネルギーの使用により、CO2排出ゼロを達成しているデータセンターです。これにより、AIを持続的に活用する新たな道が開かれています。
※出典：さくらインターネット株式会社
ソフトバンクとNVIDIAがAI活用の次世代データセンターで協業
AIと通信技術の進歩を支える次世代データセンターの構築を目指す共同プロジェクトが、2023年5月29日からNVIDIAとソフトバンクにより進められています。この協業は、生成AIと5G/6G向けの新たなプラットフォームを作ることを目指し、NVIDIAの「GH200 Grace Hopper™ Superchip」が置かれる予定です。このプラットフォームはソフトバンクが全国に設ける新たな分散型AIデータセンターに導入される計画です。
構築されるデータセンターは、生成AIとワイヤレス通信向けのアプリケーションを効率的に提供できるコスト効率とエネルギー効率を目指しています。ここでは、「Arm NeoverseのGH200 Superchip」をベースとした新たな「NVIDIA MGX™ リファレンスアーキテクチャー」が使用され、アプリケーションのパフォーマンス、スケーラビリティ、リソースの利用効率向上が期待されています。
データセンターの設計にはAIを活用し、エネルギー消費の削減や各種生成AIアプリケーションの実装、データセンター間のリソース共有が可能です。これにより、高い拡張性を持つ次世代のデータセンターが生まれ、AIと5Gのワークロードを低遅延で効率的に処理できることが期待されています。
出典：ソフトバンク
AI活用で企業が選択できるデータセンターの形態と選択肢
データセンターとはいっても、企業が選択できる形態にはさまざまなパターンがあり、大きく3つに分類されます。それぞれを詳しく説明します。
ホスティング
ホスティングとは、データセンターの事業者が提供するサーバーやホストを企業が共用または独占する形態です。この形態では、企業は所定のCPU性能やメモリの容量などに応じてサービスを利用できます。この方法の大きな利点は、サーバーの購入や運用にかかるコストを軽減できることです。また、ハードウェア全体の運用を事業者に委ねることが可能なため、ハウジング方式と比較して手間が省けます。しかし、OSやミドルウェアの種類、ハードウェアの構成などに制限があるため、柔軟性には欠けるという制約も存在します。
クラウド
クラウドデータセンターとは、ホスティングサービスの進化版とも言える形態で、企業はほぼ全てのシステム運用をクラウド事業者に委ねることが可能です。ハードウェアやOS、ミドルウェアだけでなく、必要なソフトウェアまでもがクラウド事業者により提供され、企業はメンテナンスの手間をかけずに利用できます。
主にAmazonのAWSなどがありますが、これらのクラウドサービスは、ホスティングサービスに比べて提供範囲が広く、企業の運用負担を大幅に減らすことが可能です。しかしその一方で、システムの自由度はホスティングよりも低下するというデメリットも存在します。
ハウジング
ハウジングは、自己所有のサーバーをデータセンター内に設け、施設のネットワーク、電源、冷却装置などを利用する形態です。最大の利点は、すでに持っているサーバーを移すだけで利用開始できる点です。一般的には、データセンターが提供するラックにサーバーを設置しますが、一部のデータセンターではサーバールーム全体を借りたり、自社ラックを設置したりするオプションも提供されています。
AIや機械学習の活用で高性能サーバーを利用する際の課題
AIや機械学習の活用で高性能サーバーを利用する際には、まだいくつかの課題があります。ここでは、2つの課題に分けて解説していきます。
消費電力の負荷が大きい
AIと機械学習では、GPUサーバーやHPCサーバーに必要な大量の電力が新たな課題となっています。これらのサーバーは高い電力を消費するため、通常、1ラック内に複数収容できないのが現状です。その結果、電力供給が不十分であるために高性能サーバーを高密度に設置できないという問題を抱える企業が増えています。GPUサーバーやHPCサーバーの大量の電力消費は避けられないため、サーバーは大量の熱を発生させ、適切な冷却が必要です。これにより、サーバー設置場所の選択や、迅速な起動、安定した稼働が問題となることがあります。したがって、AI基盤に対応するための適切なハウジング環境が必要です。
複数のラックを借りる必要がある
複数のラックが必要となることも課題です。
一般的なデータセンターでは、1ラックあたり2〜3kVAの電力供給が可能で、最新のデータセンターでも最高6kVA程度までしか対応できません。しかし、最新のGPUサーバやHPCサーバは、1台で6kVAの電力を消費するため、1ラックに1台しか収容できず、コストが増加します。また、これらのサーバは大量の熱を発生するため、適切な冷却を確保するためにラック間の距離を広く取らなければならないことも問題です。これにより、データセンター内のスペースが無駄になり、運用コストが増大します。この課題を克服するためには、冷却設備の最新化と効率化が求められ、また電力供給能力を持つ新型のデータセンターの選択も重要です。
まとめ
AIとデジタルトランスフォーメーション（DX）の普及が進むにつれ、データセンターの需要は急速に増大しています。特に、大規模言語モデルや生成AIなどのAI技術の発展は、高性能なサーバーと大量のデータストレージを必要とするため、新たなデータセンターへの投資を後押ししています。しかし、大きな電力負荷など、従来のデータセンターの枠組みを超える課題があります。これに対応するためには、効率的な冷却設備や高電力供給が可能な新たなデータセンターへの選択が必要です。今後のデータセンターは、課題に対応しつつ、企業のビジネスニーズと技術動向に合わせたサービスを提供することが求められるでしょう。
データセンターに関する情報はこれ一冊！
「データセンター活用ガイド」ダウンロードはこちらから
コメント