GPUとデータセンターを一体で整備するモデルは、AIへの楽観論が投資のタイミングと規模をめぐる懸念と交錯するなか、見直しを迫られている。戦略上の論点は、チップ供給にとどまらない。データセンターへの電力供給が、新たな計算容量を採算に合う形で利用できるかどうかを左右しうるためだ。米国で提案されている迅速な受電開始策は、この制約を浮き彫りにする。
目先のリスクは、投資の順序を誤ることだ。開発事業者が施設やGPU群への投資を、ワークロードが固まる前に確約する一方で、電力網への投資規模は、後になって、あるいは異なる規模で到来する需要に合わせて決められる可能性がある。接続の高速化でボトルネックを一つ取り除けても、利用率、資金調達、信頼性、ハードウエア変更のリスクまでは解消できない。クラスターは、需要、電力価格、モデルアーキテクチャに対する賭けだ。
したがって競争の軸は、最も多くのGPUを設置することから、計算資源をワークロードと電力に適合させることへ移る。モジュール式の計算容量、地域をまたぐスケジューリング、ローカル推論、電力条件の変化に応じてジョブを移動させるソフトウエアは、先行整備の不利益を抑えられる。買い手は、一つの高密度設計より、段階的な拡張と複数のアクセラレーターの選択肢を優先すべきだ。電力契約、GPUの予約、施設のリースは、需要が変化した場合の再利用や撤退の道筋を含め、一つのポートフォリオとして評価すべきだ。
政策立案者は、迅速な受電開始に際して、接続速度だけでなく、費用負担の配分、信頼性、未利用容量にも対処しなければならない。投資家や運営事業者にとっては、計画中クラスターの公称規模よりも、複数の需要シナリオにおける利用率の方が重要だ。ソフトウエアは今やインフラだ。小規模モデル、バッチ処理、キャッシュ、インテリジェントなルーティングによってピーク需要を抑えられる。その結果、電力を考慮したオーケストレーションや容量管理サービスの余地が生まれる一方、クラスターが常時高稼働することを前提に採算を組み立てる施設には圧力がかかる。
日本企業にとって、AI向けの計算容量は一度きりのハードウエア購入として扱うべきではない。CIOは、レイテンシー、データの所在要件、利用率、電力条件への感応度に基づいてワークロードを整理し、共有容量、小規模なローカル導入、バーストアクセスを組み合わせるべきだ。問われるのは、電力と資本を妥当な条件で確保できるほど、需要を予測可能なものにできるかどうかだ。
これは、日本のSIerと開発チームにとってのリセットだ。SIerは、施設の制約、アクセラレーターのライフサイクル、クラウドの経済性、アプリケーションアーキテクチャを一つの提案に統合し、サーバー納入から容量管理サービスへと移行する必要がある。開発者はモデルとハードウエアのインターフェースを可搬性の高いものに保ち、早期に利用率を測定し、モデルの切り替え、ジョブの遅延実行、性能の低いシステム上での効率的な実行をサポートすべきだ。RPAプログラムにも同じ規律が求められる。選択的でイベント駆動型の推論の方が、継続的な処理より合理的かもしれない。日本の優位性は、異なる電力・需要プロファイル向けに構築されたインフラのテンプレートを模倣することではなく、オーケストレーションと再利用から生まれる。