「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。

生成AIの活用が広がる一方、製造業や研究機関では、 ・機密データや設計情報をクラウドへ出せない ・利用したいAIモデルがGPUメモリに収まらない ・クラウドの利用コストや待ち時間を抑えたい といった課題が顕在化しています。 特に、大規模言語モデルのLLMや、画像と文章を組み合わせて処理するVLMは大型化が進んでいます。一般的な48GBや96GBクラスのGPUでは、モデル全体を読み込めないケースも少なくありません。 こうした課題に対する新たな選択肢が、748GBのコヒーレントメモリを搭載した「MSI XpertStation WS300」です。 本記事では、WS300の特徴と、どのようなAI開発に適しているのかを分かりやすく解説します。

昨今のAI需要の一つとして「フィジカルAI」がありますが、関連するワードとして「Omniverse」「Isaac Sim」などのワードを 耳にする機会も増えていると思います。 今回は「Omniverse」について現在の役割と立ち位置を少し紐解いて行きたいと思います

2026年6月30日-7月1日、博多国際展示場＆カンファレンスセンターにて開催されました「ロボティクス・メカトロニクス講演会」に出展いたしました。 お忙しい中、当社のブースへお立ち寄りいただいた皆様、誠にありがとうございました！ 本日は、当日のブースの様子や展示内容についてのレポートをお届けします。

製造業の研究開発（R&D）部門において、計算資源への要求はかつてないほど高まっています。 従来の流体解析（CFD）や構造解析、マテリアルズ・インフォマティクスに加え、直近では社内の技術標準や機密データを学習させた「セキュアなローカルLLM（RAG）」の構築ニーズが急増しているためです。 しかし、これらの高度な処理をオンプレミスで実行しようとすると、SXMベースの超ハイエンドサーバーが必要となり、「データセンターの電力・冷却設備（水冷など）が追いつかない」「導入コストが高すぎる」という現実的な壁に直面します。 そこで今、R&D部門から熱い視線を集めているのが、最大600WのTDP（空冷/PCIeベース）に抑えられ、既存のサーバルーム環境にも導入しやすい「NVIDIA H200 NVL」です。 本記事では、H200 NVLを単なる拡張カードとしてではなく、「4-Way NVLink」で4基束ねることで初めて得られる圧倒的なメリットと、導入時に現場エンジニアが陥りやすい「意外な落とし穴」について解説します。