アプライド株式会社 公式サイト

製造業の現場では、AI画像検査や設備データ解析、生成AIなどの活用が進む一方、「GPUサーバーを工場内のどこに設置するか」という課題も増えています。 高性能なGPUサーバーを安定して運用するためには、冷却・電源・UPSによる停電対策・粉塵対策・監視・物理セキュリティなど、サーバー本体以外の設備も必要です。 しかし、これらのために新たなサーバールームを構築するには、スペースやコスト、工事などが課題になります。 そこで新たな選択肢となるのが「MDC（マイクロデータセンター）」です。 MDCは、ラック、冷却、電源・UPS、監視、セキュリティなど、サーバー運用に必要な機能をコンパクトな筐体に集約。既存の工場スペースを活用しながら、AI画像検査、設備解析、生成AIなどを現場に近い環境で処理するIT基盤を構築できます。 アプライドでは、MDC本体だけでなく、GPUサーバー、ストレージ、ネットワーク、UPS、設置・導入まで含めた構成をご提案しています。 工場内へのAI基盤導入をご検討の際は、ぜひご相談ください。

ChatGPTをはじめとするLLM（大規模言語モデル）の実用化が急速に進む中、AIインフラに求められる要件も大きく変化しつつあります。 これまでのAI開発、特に「学習（トレーニング）」のフェーズにおいては、とにかく最高性能のGPUをかき集め、GPUメモリの速度と容量を追求する巨額なデータセンター投資が主流でした。 しかし、モデルが完成し、実際の業務やサービスで活用する「推論（インファレンス）」のフェーズに移行していく中で、新たな課題が浮き彫りになっています。 それは、「学習用の最高峰システム（DGXやHGX）をそのまま推論に使うのは、多くの場合オーバースペックであり、初期投資もランニングコストも過剰になってしまう」という問題です。 これからの推論インフラに求められるのは、単なる「最高性能」ではなく、用途に応じた「柔軟性」と「電力効率」です。 今回は、データセンターのTCO（総所有コスト）を最適化し、無駄のない推論基盤を実現する「NVIDIA MGX」アーキテクチャと、 アプライドが提案するベストフィットなサーバー構成について解説します。

アプライド株式会社は、2026年9月1日～4日に金沢大学で開催された「第44回日本ロボット学会学術講演会（RSJ 2026）」に出展しました 会場では、AIを搭載した自動巡回ロボットや産業用ヒューマノイドロボットなど、 最先端のロボット技術が数多く展示され、フィジカルAIやローカルLLMへの関心の高さが感じられるイベントとなりました 当社ブースでは、NVIDIA DGX SparkのOEM製品であるMSI「EdgeXpert」と、 NVIDIA GB300 Grace Blackwell Ultra Desktop Superchipを搭載した次世代AIワークステーション「XpertStation WS300」を展示 AI推論やロボット開発に必要なGPU・計算リソースについて、多くのご相談をいただきました アプライドでは、VLM/VLAなどのAI学習用途から、Isaac Simを活用したSim2Realシミュレーションまで、用途に応じたAIサーバー・GPUワークステーションをご提案しています フィジカルAIを活用した次世代R&D環境の構築をご検討の際は、ぜひお気軽にご相談ください

自動車開発では、安全性や性能を高めるためにCAE（Computer Aided Engineering）が広く活用されています。 中でも衝突安全分野では、車体が衝突した際の変形や応力、ひずみなどを予測する「衝突解析」が重要です。 代表的なCAEソフトウェアであるLS-DYNAでは、車体形状や材料、板厚、衝突速度などの条件を設定し、衝突時の挙動を解析できます。 一方、自動車開発では一つの設計案だけでなく、材料や板厚、部品形状、補強位置など、多数の候補を比較する必要があります。 そこで注目されるのが、LS-DYNAで蓄積した解析データをAIに学習させ、解析結果の予測や設計候補のスクリーニングに活用する方法です。 AIがCAEを置き換えるのではなく、CAEとAIを組み合わせることで、設計検討をより効率化できる可能性があります。 そして、CAE解析・AI学習・大量データ処理を支える基盤として重要になるのが、HPC（High Performance Computing）です。

図面はある、資料もある。それでも必要な情報が見つからない ･･･　製造業が抱えるこんな問題をAIで一気に解消できる画期的なソリューションです。 製造業向けの新たな情報管理ツールとしてスタートした「AnnoLink」！！　本記事ではその機能と活用シーンについてご紹介いたします。