- Column
- 匠の技とAI技術が融合する“人間中心”の製造DX
変動する計算負荷にどう備えるか、製造業DXを止めないGPU基盤の考え方
「Industrial Transformation Day 2026」より、ハイレゾ GPU事業本部 マーケティング部 部長の諸井 登司也 氏
- 提供：
- 株式会社ハイレゾ
製造業のDX（デジタルトランスフォーメーション）において、AI（人工知能）技術やデジタルツインの議論が進む一方で、演算基盤であるGPU（Graphics Processing Unit：画像処理装置）の制約が実行のスピードを左右し始めているという。ハイレゾ GPU事業本部 マーケティング部 部長の諸井 登司也 氏が「Industrial Transformation Day 2026（主催：インプレス、2026年3月13日）」に登壇し、「GPUを研究設備のままにしない 製造業DX前提設計」と題して、外観検査AIとCFD（Computational Fluid Dynamics：数値流体力学）を例に、変動する計算負荷への対応策を解説した。
「GPU（Graphics Processing Unit：画像処理装置）は研究設備ではなく、DX（デジタルトランスフォーメーション）を支える業務インフラとして設計すべきだ」--。ハイレゾ GPU事業本部 マーケティング部 部長 諸井 登司也 氏はこう話す（写真1）。
AI（人工知能）技術やデジタルツインの普及に伴い、品質管理や設計工程の改善など、製造業の現場におけるデジタル活用とその効果は広がっている。実装に向けては、DX推進担当、研究開発部門、情報システム部門で、それぞれが活発な議論を展開しているのが現状だ。
しかし、具体的な施策の決定に移る段階で「次に何を決めるか」という段階で止まってしまうことがある』と諸井氏は指摘する。そうした事例の多くでは「GPUの調達や運用をどうするかが未整理のまま残っているケースが少なくない」（同）という。多くは「AIモデル、データ、アルゴリズムについては丁寧に議論されている一方、演算リソースであるGPUの扱い方を前提条件として固定したまま、深く設計されていないケースが少なくない」（諸井氏）からだ。
製造現場では計算需要に応じてGPUの負荷が波を打つ
製造業におけるGPU活用の課題を諸井氏は、（1）外観検査AI、（2）CFD（Computational Fluid Dynamics：数値流体力学）／デジタルツインの2つの適用領域を挙げて解説する。
外観検査AIは、モデルの精度維持のために学習と評価を繰り返す性質を持つ。そのため、欠陥の種類の追加や照明条件の変更のたびにモデルの再学習と検証を要する。
例えば、照明条件を変えるとAIから「見える世界」が変化し「これまでNGとして確実に排除できていたものが通過してしまう」（諸井氏）おそれがある（図1）。開発と改善のたびに「GPUの負荷は断続的に増え続け、初期学習、照明変更対応、新しい欠陥の発見といったタイミングごとに計算需要が発生する」（同）
一方のCFD／デジタルツインでは、設計検討のタイミングで一時的な計算負荷が高まる。CFDでは最適解を一度で当てるという考え方がほとんど成り立たない。例えば「冷却ファンの位置を1ミリ変えただけでも流体解析のやり直しを要し、部分的な修正が通用しない」（諸井氏）などだ。実際、GPUの需要は「試行錯誤に合わせて急騰し、検討期間外には負荷が一気に落ちる大きな波形を描く」という。
さらに、GPUをオンプレミス環境で運用する際は、初期投資の重さ、利用量の見積もりの困難さ、調達・セットアップに要する数週間〜数カ月のリードタイムなどが重なる。変動する計算負荷に対して諸井氏は「固定的なインフラでは時にDXのスピードに追従し切れない」と指摘する。