AIデータセンターは自動車のように量産できるのか

導入

AIインフラの不足は、GPUの調達だけで決まる問題ではない。電力、冷却、ネットワーク、建屋、そして設備を実際に稼働させるまでの時間も大きな制約になっている。AIインフラ企業のRunwareは、データセンターを一度きりの建設案件ではなく、工場で製造できる製品として扱おうとしている。同社の構想は、自動車のようにプレハブ型のAIデータセンターを組立ラインで生産し、条件の整った現場へ運んで短期間で稼働させることだ。

主なポイント

• モジュール型から工場型へ。 RunwareはすでにSonic Inference Podを発表している。これは工場で組み立てて顧客へ出荷するモジュール型データセンターだ。現在はルーマニアに既存工場があり、数カ月以内の完成と来年初めの稼働を見込む第2工場も建設している。
• 生産目標は大きい。 同社は段階的に生産量を増やし、2028年までに1日30メガワットのデータセンター容量を製造する計画を示している。月間では約1ギガワットに近い規模だが、これは現時点で実証された生産能力ではなく、将来目標である。
• 48時間は現場での導入時間。 顧客が用意した場所、またはRunwareが探した場所に電力とインターネット接続があれば、設置と設定を48時間以内に終えることを目指す。この数字に工場での製造時間は含まれない。量産が進めば、1台の製造期間を約3週間から1日に短縮できるとしている。
• 標準化と柔軟性を両立。 Podは共通設計を採用する一方、顧客の要件や最新GPUに合わせて構成を変更できる。GPUの納期が長い場合、インフラ側を先に準備してハードウェアに適応させられるという考え方だ。

意義とリスク

この方式が機能すれば、AIデータセンターは毎回ゼロから設計・建設するものではなく、標準化された容量モジュールを組み合わせるものになる。導入期間を短縮できるだけでなく、大規模クラウド事業者ほど広い土地を持たない企業でも、比較的小さな拠点に計算資源を配置しやすくなる可能性がある。Runwareは閉ループ液冷と空冷ラジエーターを使うため、通常は水道接続を必要としないとも説明している。

ただし、工場化は複雑さを消すわけではない。人員、在庫、物流、品質管理、運転資金を同時に用意する必要があり、ポンプやファンなど一部部品はドイツから調達し、ネットワークではNvidiaにも依存している。標準化しながら個別仕様にも対応することは、量産効率との緊張関係を生む可能性がある。

自動車業界では、EVスタートアップのArrivalが製造方法の刷新を目指したものの、低コストでの量産に苦戦した例がある。Runwareは、一般的で安価な部品の利用や自動車業界出身の工場責任者によってリスクを抑えると説明している。累計調達額は6000万ドル超で、シリーズBも計画中だという。さらに約10億ドルの関心を受けたと主張しているが、関心は確定受注とは異なる。第2工場の稼働、電力と接続の確保、GPU世代の変化への対応、そして継続的な納品実績が、この構想の成否を決めることになる。

出典：TechCrunch AI