エッジで AI を管理する

データセンターを超え、人工知能（ AI ）とエッジコンピューティングが融合し、デジタル・イノベーションの新たな波が押し寄せています。

エッジ・コンピューティングは、データ・センターを拡張し、データ・ソースに近い場所で処理を行うことで、応答時間を短縮し、経済性を向上させるものとして、長年発展してきました。現在、専門家によると、計算負荷の高い分散型 AI アプリケーションは、今後数年間、エッジの展開を 2 桁成長させることが期待されています。

例えば IDC は、エッジ・コンピューティングへの支出は 2027 年までに 3,500 億ドルに達する可能性があり、これは主に AI の展開によって促進されると予想しています。

「 AI のスケーラビリティとパフォーマンス要件を満たすために、企業はエッジコンピューティングが提供する分散アーキテクチャのアプローチを採用する必要がある」と、 IDC のクラウド＆エッジサービス担当リサーチバイスプレジデントである Dave McCarthy 氏は、 2024 年 3 月の TechRadar Pro の記事で述べています。

NAND Research 社 のチーフ・アナリストで創業者の Steve McDowell 氏は、 The Forecast とのインタビューで、このトレンドを次のようにまとめています : 「AI をエッジに配置する理由は、そこにデータがあるからです」

McDowell 氏は最近、ハイブリッド・マルチクラウド・ソフトウェア企業である Nutanix の委託により、「 Taming the AI-enabled Edge with HCI-based Cloud Architectures 」 というレポートを発行しました。同レポートによると、 IT リソースをエッジに展開することの影響と、特に小売業、製造業、その他の産業における画像認識などの分野における AI の推進力について調査しています。

戦略的重要性

エッジに配置された AI アルゴリズムは、ほんの数ミリ秒でローカルでデータを処理することができ、リアルタイムのフィードバックとオペレーションを実現することで、企業はビッグデータを最大限に活用することができます。 AI 主導の分散型アプリケーションには、スマートホーム、工場、都市、小売環境における顧客のパーソナライゼーション、自動在庫管理、セルフレジ、公共安全のセキュリティカメラやコンピュータービジョンのユースケース、ヘルスケアのモニタリング、自律走行車などが挙げられます。

NAND Research 社のチーフアナリストである Steve McDowell 氏と戦略マーケティング担当シニアディレクターの Greg White 氏。出典 NANDリサーチ

McDowell 氏によると、エッジで AI を活用したアプリケーションを実行するには、通常、これらのサイトのコンピューター・リソースを強化する必要があるといいます。その例として、 McDowell 氏は、 1 月に開催された National Retail Federation 2024 の展示会で実演された、 AI とコンピューターを強化したエッジを必要とするスマートシェルフのユースケースを紹介しました。

「インテリジェント・カメラは食料品店の通路のあちこちに設置されています。これらのカメラの唯一の役割は、「見える 」 棚の在庫を監視することです」 と同氏は説明します。このシナリオでは、ある商品が売り切れ、棚に隙間ができると、棚に補充するよう警告が発せられます。

「データ重視の処理は、必ずしもクラウドに出したくない」 と同氏は言います。なぜなら、クラウドに出すとレスポンスタイムの遅延やネットワークコストが発生するからです。

「さて、 GPU は必要だろうかというと、必ずしもそうではない」と McDowell 氏は述べています。それは、複数のデータ値に対して同じ処理を並列に実行できるハイエンドのコンピューター・チップのことです。

「しかし、何らかの特別なプロセッサが必要です。 Qualcomml 、 AMD 、 Intel などのサプライヤーやいくつかの新興企業から、コンピューター・ビジョンや自然言語処理を中心としたこの種のエッジ・アプリケーション向けに、アプリケーションに特化した推論エンジンが登場しています」と同氏は述べています。

進化の道

今日のエッジ・アーキテクチャは、単一のスマート・デバイスや小規模な分散型サーバー・セットから、本格的なデータセンターの小規模なものまで、さまざまな規模に及んでいます。エッジ・インフラは多くの場合、集中型クラウド・リソースと連携し、アプリケーション操作の種類とレイテンシー要件に基づいて適切な場所に処理を移動できるようになっています。

McDowell 氏によると、 AI エッジは従来のエッジ導入とは異なり、前述のように、より大きなコンピュート・サイクルやデータ管理、またソフトウェア・ライフサイクルの保守やセキュリティ要件が必要になるといいます。

「従来のエッジ・コンピューティングには、小売店の POS システムなどがあります」と McDowell 氏は説明します。「 AI を導入し始めると、突発的に AI アクセラレーターを必要とする処理要件が発生することがあります」

エッジでの GPU の必要性は、「生成 AI のようなことをやり始めると」必須となる、と同氏は言います。これは、機械学習で訓練された大規模言語モデル（ LLM ）を使用して、テキスト、画像、動画、その他のデータを、多くの場合、プロンプトに応答して自動作成することを伴います。

ソフトウェアの観点から見ると、「 10 年前のエッジは、組み込みシステムか、組み込みとして扱われるコンピューター・システムが中心でした。これは、（ソフトウェア構成が）かなり限定され、あまり頻繁に更新されるわけではないことを意味します」と McDowell 氏は指摘します。一方、 AI は、定期的な更新が必要な、より多くの新しいワークフローを作り出します。

「製造や品質保証のために画像処理をしている場合、これらのモデルを継続的に更新して、最新かつ最高のものを手に入れたいのです。そのため、ソフトウェアのライフサイクルを管理する機能が必要なのです」と McDowell 氏は説明します。

セキュリティに関しては、「論理的なセキュリティやネットワークのセキュリティだけを気にしていればいいというわけではありませんし、物理的なセキュリティも心配しなければなりません」と McDowell 氏は続けます。「つまり、従来のデータセンターの考え方とはまったく違うのです」

同時に、 McDowell 氏は『 Taming the AI-enabled Edge 』報告書の中で、データをローカルで処理することで、機密情報が中央サーバーと継続的にやり取りされることを防ぎ、潜在的なデータ漏洩の可能性を減らすことができると指摘しています。

同様に、コンピュータ科学者の Douglas Comer 博士は、 2023 年 Forecast の記事で、エッジコンピューティングが企業全体の攻撃対象領域を拡大すると指摘しました。これは特に、 McDowell 氏が言及した物理的セキュリティに当てはまります。エッジロケーションは物理的な監視がほとんどない遠隔地にあることが多いためです。しかし同氏は、分析や処理のためにクラウドやその他のデータセンターに送られる機密性の高い上流データは、転送中に傍受されないよう暗号化することを推奨している。

クラウドに依存して規模を拡大

コンテナや仮想化など、当初はクラウドの可搬性や 相互運用性、管理の問題を緩和するために設計された技術も、ワークロードを基礎となるハードウェアから抽象化するという点で、 AI 主導のエッジ展開には有益である、と McDowell 氏は言います。

「 Red Hat の OpenShift を使ったコンテナであれ、 Nutanix 上の統合ネイティブ仮想化であれ、ノードやノード群の構成を管理したり更新したりするために物理的にマシンに触れずに済むようになります」と同氏は説明します。

「そのため、エッジを実現するための重要な要素である現場での専門知識は必要ありません。インフラを導入する際に、訓練された IT スペシャリストを常駐させなければならないのであれば、それは拡張性に欠けてしまいます。エッジ・コンピューティングはスケーラビリティが重要なのです」と McDowell 氏は指摘します。

Joanie Wexler 氏は寄稿ライター兼編集者で、 IT およびコンピューター・ネットワーク技術のビジネスへの影響について 30 年以上の取材経験をもっています。

© 2024 Nutanix, Inc. 無断複写・転載を禁じます。その他の法的情報については、こちらをご覧ください。