LLM(大規模言語モデル)各種用途別HPCをご紹介いたします。
LLM(大規模言語モデル)トレーニング用途の機種と推論用の機種をそれぞれご紹介！
LLM(大規模言語モデル)トレーニング用途であればコチラ！ APPLIED HPC Deep Type-AS4UX2S8GP-AU019 ■ CPU：Xeon Gold 6530 （32コア/64スレッド/2.1GHz/tb4.0GHz） ■ メモリ： 2,048GB （64GB×32） ■ ストレージ：1.92TB SSD + 7,68TB SSD ■ GPU：NVIDIA H100 94GB ■ OS： Ubuntu 22.04 LTS ■フレームワーク：TensorFlow / Pytorch / Chainer (DockerDesktop) ■ 光学ドライブ： なし ■ 電源： [4基] 3,000W/200V- 冗長化仕様（2+2） - 80 Plus Titanium 認証 ■ 3年間センドバック方式ハードウェア保証 16,800,000円（税込）
基本情報
LLM(大規模言語モデル)推論用のモデルであればコチラ！ APPLIED WST-XW93475XS3Q2TTNVM ■ CPU：Xeon W9-3475X ■ メモリ： 256GB(32GB×8) DDR5-4800 ■ ストレージ：2TB M.2 NVMe-SSD ■ GPU:【2GPU】NVIDIA RTX6000 Ada 48GB-GDDR6 ■ OS： Ubuntu 22.04 LTS ■ 電源【2PSU】1000W ■ 3年間センドバック方式ハードウェア保証 5,998,000円（税込） APPLIED WST-XW73465XS3Q2TTNVM ■ CPU：Xeon W7-3465X ■ メモリ： 256GB(32GB×8) DDR5-4800 ■ ストレージ：2TB M.2 NVMe-SSD ■ GPU:NVIDIA RTX6000 Ada 48GB-GDDR6 ■ OS： Ubuntu 22.04 LTS ■ 電源【2PSU】1000W ■ 3年間センドバック方式ハードウェア保証 4,498,000円（税込）
価格帯
納期
用途／実績例
LLM(大規模言語モデル)用途
カタログ（3）
カタログをまとめてダウンロード
この製品に関するニュース（4）
-
【ブログ】完全クローズ型AI「GENFLUX Local」が、企業のAI導入を阻む障害を打破！
展示会や各商談を通して最近感じていることは、生成AIの活用は単なる業務効率化の手段だけではなく、企業の飛躍的な実績向上を達成するための基本戦略になりつつあるように感じます。 しかし、多くの企業では「積極的にAIを導入せよ」という経営層からの指示がある一方で、情報システム部門や現場が様々な懸念事項があるためにブレーキを踏むという、深刻なジレンマに陥っています。 その背景には、機密情報漏洩への恐怖、現場の方自身がもはや説明しづらいレベルにまで複雑化した各種業務フロー、そしてトークン量毎に従量課金を行うような経営サイドからも予測しにくいサブスクモデルといった、従来型のクラウド型AIが抱える構造的なリスクがあります。 そのため、本ブログでは、企業がAI活用を本格化させる際に突き当たる「4つの致命的な課題」を整理し、それらを解決するための戦略的選択肢としての「完全クローズ型プラットフォーム」の優位性をご紹介いたします。
-
【ブログ】生成AIは「答える」から「動く」へ。NVIDIA Nemotronで始めるエージェント型AI
ChatGPTをはじめとする生成AIの普及により、文章生成や要約、翻訳、プログラミング支援など、さまざまな場面でAIが活用されるようになりました。 一方、企業や研究開発の現場では、単に質問に答えてもらうだけではなく、 ・社内の技術資料から必要な情報を自動で探す ・複数の情報を比較して次に行うべき作業を判断する ・外部ツールや業務システムを操作する ・調査、分析、コード生成、レポート作成までを一連の流れで進める といった、さらに高度なAI活用への期待が高まっています。 こうした、目的に応じて自ら推論し、必要な情報やツールを利用しながらタスクを進める仕組みが、「エージェント型AI（Agentic AI）」です。 そして、このエージェント型AIを支えるオープンなモデルファミリーとしてNVIDIAが展開しているのが、NVIDIA Nemotron（ネモトロン）です。 今回は、NVIDIA Nemotronとは何なのか、従来の生成AIと何が違うのか、そして製造業・研究開発でどのような活用が考えられるのかをご紹介します。
-
【ブログ】「いま改めて考える「生成AI」とは？」企業活用が進む今、知っておきたい基礎と可能性
「生成AI」という言葉を、日常的に耳にするようになりました。 ChatGPTやgeminiをはじめとする生成AIは、文章の作成や要約、情報検索、画像生成、プログラム作成など、さまざまな場面で活用されています。 企業においても、業務効率化や情報活用、新しいサービスの創出など、生成AIへの期待は高まっています。 一方で、生成AIが身近になったからこそ、 「そもそも生成AIとは何なのか？」 「これまでのAIとは何が違うのか？」 「企業では、具体的にどのように活用できるのか？」 「生成AIを本格的に活用するには、どのような環境が必要なのか？」 と、改めて基本を整理しておきたいという方も多いのではないでしょうか。 今回は、企業での活用が進む今だからこそ、生成AIについて改めて整理し、その可能性と、それを支えるコンピューティング環境について、おさらいしていきます。
-
【ブログ】＜作ってみた＞ローカルLLM×RAGが切り拓く「フィジカルAI」への第一歩 〜自社専用のAIパートナー構築体験〜
今、AIは「画面の中」から「現実世界」へと飛び出そうとしています。 セキュリティと高速処理に優れる『ローカルLLM』は、今や単なる対話ツールを超え、企業のDXやプロダクトの中核を担う強力な実用エンジンとなりました。身近な例では、コンビニエンスストアで導入が進む「等身大AIアバターによる接客」などを目にしたことがある方も多いのではないでしょうか。 これがさらに一歩進み、コミュニケーションロボットなどのハードウェアにローカルLLMが組み込まれるとどうなるか。AIは自ら現実世界を認識し、物理的に干渉できる「フィジカルAI」へと進化を遂げます。このパラダイムシフトの鍵を握るのが、「VLA（Vision-Language-Action：視覚・言語・行動）モデル」と呼ばれる最先端技術です。 そこで今回は、「AIが現実世界と繋がる感覚」を実際に体感すべく、実験的なプロトタイプを作成してみました。その動作の様子と可能性を、ご紹介させていただきます！
