オンプレミスの生成AI活用を加速する
AI統合プラットフォーム「Hitachi iQ」

日立ヴァンタラ株式会社
AIインフラ事業本部 主管技師/ AIアンバサダー
鬼塚 久幸氏

AI／生成AIは、もはや一部の企業だけが使う特別なテクノロジーではなくなった。あらゆる企業にとって、業務改善や生産性向上、競争力強化に向けて欠かせない仕組みになりつつあるといえるだろう。

「しかし、活用拡大と連動する形で新たな課題も浮上しています。それがコストです」と、日立ヴァンタラの鬼塚 久幸氏は指摘する。AIの活用シーンが広がれば、汎用のAIサービスを使うだけでは足りず、自社データを活用したり、業務に合わせてAIをカスタマイズしたりするニーズが出てくる。業務データを使った追加学習や独自AIの開発、複数処理を自律的に実行するAIエージェントの活用が進む中で、計算量やトークン消費が増え、コストが大きく上振れしているのだ。

そこで最近は、AIの本格活用を進める企業を中心に、長期的なコスト最適化を図る方法としてオンプレミス環境を再評価する動きが出ている。

「GPUやAI基盤を自社で保有することでランニングコストを抑えられます。また、機密データを社外に出さずに活用できる点や、ネットワーク遅延を抑えて高速に処理できる点なども評価され、オンプレミスAIへの関心が高まっているのです」（鬼塚氏）

とはいえ、AIに適したインフラを自前で用意するのは簡単なことではない。計算処理を担うGPU、データを高速・大量に供給・蓄積するストレージから、複数のGPUサーバーをつなぐネットワークまで、複数のベンダーや製品を検討して組み合わせる必要があるからだ。手間がかかるのはもちろんのこと、最適な環境を構築するためには専門的な知識も求められる。

そこで日立ヴァンタラは、このようなAI基盤の構築に関わる課題を解決し、AI活用をスムーズに始められる環境を提供している。それが「Hitachi iQ」だ。

Hitachi iQは、NVIDIAとの戦略的パートナーシップに基づき、高性能AI基盤の肝であるGPUサーバーと、日立が強みとする高性能ストレージを軸としたAI向けインフラをトータルに提供する統合プラットフォームソリューションだ（図1）。

図1　AI統合プラットフォーム「Hitachi iQ」

NVIDIAのGPUと、日立のストレージを組み合わせたAI統合プラットフォーム。企業ごとのAI活用フェーズに合わせた最適な基盤を簡単に構築できる

「小規模なPoC用途から小・中規模LLMの学習用途、大規模学習環境まで、ニーズに合わせた『エントリー』『ミッドレンジ』『エンタープライズ』の3モデルを用意しています」と鬼塚氏は紹介する。ユーザーは、製品を個別に選定しなくても、モデルを選択するだけで自社に合った最適なAI基盤を構築できるという。

GPUサーバーにはNVIDIA HGXシリーズのH200、B200に加え、最新のBlackwell Ultra世代に対応したB300をラインアップ。いずれも空冷／液冷に対応しているほか、ラック全体を冷却する液冷ラックソリューションも用意している。GPUの性能を十二分に引き出す環境を実現可能だ。

「液冷サーバーは、空冷サーバーとの比較で消費電力を最大40％、ラック面積を約60％削減できます。CPUやGPUの発熱量を抑えることで性能安定化にも貢献します」と鬼塚氏は付け加える。

もう1つ欠かせないのがストレージだ。これについては、日立の大規模AIワークロード向け分散ファイルシステム「Hitachi Content Software for File」（以下、HCSF）を用意する。NVIDIAの認証も取得しているHCSFは、スケールアウト型構成のためGPUサーバーの台数やデータ量の増加に合わせて性能・容量を拡張できる。AI基盤全体のパフォーマンスを高めることが可能だ。

「HCSFの特長は大きく2つあります（図2）。1つ目はGPUからデータへ効率よくアクセスできること。一般的な構成では、データのやり取りでCPUやメモリを経由するため余分な処理が発生します。その点HCSFはNVIDIAのInfiniBandスイッチを介してGPUがデータへ直接アクセスできるため、CPU負荷を抑えながら大量データを高速に転送できます」と鬼塚氏は説明する。

2つ目はメタデータも分散管理できることだ。一般的な分散ファイルシステムでは、メタデータ管理が特定サーバーに集中するため、そこがボトルネックになる場合がある。HCSFでは、メタデータも各ノードで分散管理することで、ノード増による性能向上を阻害しにくい仕組みにしている。

図2　Hitachi Content Software for Fileの特長

GPUからダイレクトにデータにアクセスすることで大量データの高速転送を実現。またメタデータを分散管理することで、処理上のボトルネックが発生しにくい仕組みも実現している

「GPUへの高速なデータ供給と強力なスケーラビリティーの両面から、大規模AI基盤の性能を支えます」と鬼塚氏。HCSFは、日立のストレージ技術の粋を集めたソリューションといえるだろう。

また、増え続けるデータをどのように管理するかもAI基盤の重要な要素になる。例えば、すべてのデータを常に高速な分散ファイルシステム上に置き続けると、容量面・運用面で負荷が大きくなるだろう。

そこで日立ヴァンタラが提案するのが「ストレージ階層化」のアプローチだ。高速処理が必要なデータはHCSF上で扱い、アクセス頻度が低いデータや大量に蓄積されるデータはオブジェクトストレージで管理する。両方を連携することで、性能と容量効率のバランスを取ったAI基盤を構築できるという。

GPUサーバーから書き込まれたデータはHCSFに保存され、一定期間が経ったらオブジェクトストレージへコピーされる。設定した条件に応じてHCSF側のデータは削除されるが、データアクセスが発生した場合は再度、HCSFが自動的に読み出して高速領域に戻すという。「つまりユーザーは、データの場所を意識せずにAI基盤を利用することが可能です」と鬼塚氏は話す。

これまで大規模なAI学習では、GPUにデータを効率よく供給するために様々な工夫が必要だった。例えば、読み出し高速化のためにローカルストレージへコピーするステージングを行ったり、前処理したデータをメモリ上に展開したりするのはその例だ。

「これらの処置は性能を出すためには有効ですが、データパイプラインが複雑になり、基盤の最適化に多くの工数がかかってしまいます。Hitachi iQは高速な分散ファイルシステムとオブジェクトストレージを透過的に連携できるため、データエンジニアはデータ活用やモデル開発といった本来業務に集中できるようになるでしょう」（鬼塚氏）

AIの本格活用を加速する上で、オンプレミスのAI基盤は重要な選択肢となる。基盤整備にかかる手間を減らし、AIの価値をいち早く引き出す上で、日立ヴァンタラのHitachi iQは理想的なプラットフォームといえそうだ。