AIブームの中心にあるのが、 Google Cloud、Amazon AWS、Microsoft Azureなどの ハイパースケーラーです。ハイパースケーラーとは、データセンターの可能性を 根本から変えるほどの大規模なコンピューティングインフラストラクチャーを設計、構築、運用する企業を指します。AIワークロードの規模と複雑さが増すにつれ、 ハイパースケーラーは現代のデジタルエコノミーを支える 不可欠な基盤となっています。
ハイパースケーラーとは?
ハイパースケーラーとは、一般的な企業インフラでは実現できない規模の データセンターを設計、構築、運用する企業です。 ハイパースケールの基準は、その機能と規模にあります。具体的には、 10,000平方フィート以上の施設に5,000台以上のサーバーを収容し、 需要の増加に応じて、システムをゼロから再構築することなく処理能力を拡張できるアーキテクチャーを備えています。
「ハイパースケーラー」という名称は、ハイパースケールコンピューティングに由来します。 これは、需要の増加に応じてソフトウェアアーキテクチャーを拡張できる データ処理手法です。Amazon Web Services(AWS)、 Google Cloud、Microsoft Azure、Meta、Alibaba Cloudなどの大手クラウドプロバイダーが この定義に該当します。これらの企業は世界各地で数百もの施設を運営し、 数百万台もの仮想マシンを同時に稼働させています。
実際、最大規模のハイパースケール施設では、 100万平方フィートを超える広大な敷地に数十万台ものサーバーが設置され、 1施設あたり50メガワット以上の電力を消費しています。こうした地球規模のインフラによって、 ハイパースケーラーは数百万、さらには数十億人ものユーザーに 同時にサービスを提供できます。 これは、従来の企業インフラでは実現できない規模です。
ハイパースケーラーはどのような仕組みで機能するのか?
ハイパースケールデータセンターは、相互に連携して1つのシステムとして 機能する6つの中核的なコンポーネントによって、その圧倒的な規模を実現しています。それぞれのコンポーネントは、 施設のほかの部分を停止させることなく、交換、アップグレード、 拡張できるように設計されています。
- サーバー列:汎用サーバーをラックに収容して列状に配置し、 各サーバー上で、クラウドワークロードをホストする 仮想マシンやコンテナを稼働させます。
- 配電:冗長化された電力は、 変圧器や無停電電源装置(UPS)を介して供給され、 非常用発電機によるバックアップも備えています。こうした電気設備は、 データセンターの建設コストの40~50%を占めます。
- 冷却システム:サーバーから排出される熱は、 エアハンドラーやコールドアイルコンテインメント、 高密度AIラック向けの直接液冷などを使用して処理されます。
- ネットワークファブリック:高速な内部ネットワークですべてのサーバーを接続します。 多くのハイパースケーラーでは、25Gbpsまたは100Gbpsのサーバーリンクと、 40Gbps以上のスパイン接続を採用しています。
- ソフトウェアオーケストレーション:Kubernetes、独自の スケジューラー、分散コンピューティングフレームワークなどを使用してワークロードの配置を管理し、 従来は数週間かかっていたキャパシティのプロビジョニングを数分で行います。
- 物理セキュリティ:生体認証によるアクセス管理、 ビデオ監視、境界防護システムによって、 数百万人もの顧客のデータを保管する施設を保護します。
ハイパースケールインフラには、 従来のAI向けデータ センターとは根本的に異なる3つの特徴があります。それが、 自動化された運用、分散型アーキテクチャー、カスタムハードウェアです。ハイパースケーラーは多くの場合、サーバー設計、ネットワーキング、 冷却システムなど、インフラの主要部分を独自にカスタマイズしています。 さらに、独自設計のチップやAIアクセラレーターを採用する場合もあります。こうしたカスタムハードウェアと市販のハードウェアを組み合わせることで、 大規模な環境における性能と効率を高めながら、 総所有コストを削減できます。
ハイパースケールインフラはどのように 発展してきたのか?
ハイパースケールインフラは、 従来のデータセンターでは対応できないインターネット規模のサービスを支える 必要性から生まれました。大規模なサーバーファームから、特定の用途に合わせて構築された ハイパースケールキャンパスへと発展してきた歴史は、クラウドコンピューティング、 モバイルインターネット、AIの台頭と密接に結び付いています。
- 2000年代初頭:GoogleとAmazonが、検索やEコマースの ワークロードを世界規模で支えるため、 大規模な独自サーバーインフラの構築を開始しました。
- 2006年:AWSがパブリッククラウドプラットフォームとして登場し、 オンデマンドの従量課金制インフラを世界中の企業に提供し始めました。 これにより、ハイパースケーラーのビジネスモデルが確立されました。
- 2010年代:Microsoft Azure、Google Cloud、Alibaba Cloudが 主要なハイパースケーラーとして台頭しました。モバイル機器によるインターネットの 利用拡大とストリーミング需要の急増に伴い、インフラへの投資も加速しました。
- 2020~2022年:COVID-19の影響でクラウドの導入が加速しました。 ハイパースケーラー各社は、リモートワーク、 デジタルサービス、動画ストリーミングに対する需要の急増に対応するため、急速にキャパシティを拡大しました。
- 2023年~現在:生成AIの台頭によって、ハイパースケールインフラへの 新たな投資の波が生まれています。Amazon、Microsoft、Google、Metaの の4社がAIおよびデータセンターインフラに投資する金額は、 2026年だけで数千億ドルに上ると予測されています。
ハイパースケーラーには主に どのような種類があるのか?
ハイパースケーラーは、主なビジネスモデルや 市場に提供するサービスによっていくつかのタイプに分けられます。いずれも、圧倒的な規模と自動化されたインフラを備えている点では 共通していますが、その規模をどのように収益につなげているか、 また主な顧客が誰であるかという点では異なります。
1. パブリッククラウドハイパースケーラー
パブリッククラウドハイパースケーラーとは、企業、開発者、各種組織に クラウドコンピューティングインフラを直接提供する企業です。 AWS、Microsoft Azure、Google Cloudなどのプロバイダーは、 コンピューティング、ストレージ、ネットワークリソースをオンデマンドで提供しています。これにより、顧客は 自社でデータセンターを構築・管理することなく、ワークロードを柔軟に拡張できます。
2. ソーシャルおよびコンシューマー向けプラットフォームのハイパースケーラー
ソーシャルおよびコンシューマー向けプラットフォームのハイパースケーラーとは、 主に自社の大規模なデジタルプラットフォームを支えるために ハイパースケールインフラを運用する企業です。MetaやByteDanceは、こうしたインフラを活用して、 コンシューマー向けアプリケーションや広告プラットフォーム、社内のAI研究 プログラムを支えています。
3. Eコマースおよびエンタープライズ向けハイパースケーラー
Eコマースおよびエンタープライズ向けハイパースケーラーとは、 自社の大規模な業務ワークロードを処理すると同時に、パブリッククラウドや エンタープライズ向けクラウドサービスも提供する企業です。Alibaba CloudやIBM Cloudは、Eコマース、エンタープライズアプリケーション、 クラウドインフラに関するニーズに対応し、地域市場からグローバル市場まで 幅広くサービスを提供しています。
4. AI最適化インフラプロバイダー
AI最適化インフラプロバイダーとは、 AIの学習や推論に必要な、グラフィックスプロセッシングユニット(GPU)を高密度に搭載したインフラを支えることに 特化して構築されたプラットフォームです。こうしたプロバイダーは、 負荷の高いAIワークロードに対応するため、高性能コンピューティング、高速ネットワーク、高密度のアクセラレーター構成に 重点を置いています。
ハイパースケーラーの 主なユースケースとは?
ハイパースケーラーは、さまざまな業界やアプリケーションを支える インフラを提供しています。すぐに利用でき、必要に応じて拡張可能な インフラを提供することで、企業や組織は物理ハードウェアを自ら管理することなく、 新たなアイデアを試し、サービスを構築し、イノベーションを進めることができます。ハイパースケーラーが提供するクラウド ソリューションを利用すれば、エンタープライズグレードのインフラを 導入するための設備投資を抑えながら、需要に応じてキャパシティを リアルタイムで拡大・縮小できる柔軟性も得られます。
- AI学習と推論:GPT-4、Gemini、Llama 3などの主要なAIモデルは、 ハイパースケールインフラ上で学習しています。GPUを高密度に搭載した ラックが、数十億ものパラメーターを持つモデルの開発を 支えています。
- エンタープライズ向けクラウドコンピューティング:企業や組織は、インフラコストの削減、俊敏性の向上、データベース、 ネットワーキング、セキュリティ向けのマネージドサービスの活用などを目的に、 ワークロードをハイパースケーラーのプラットフォームへ 移行しています。
- ビッグデータ分析:ハイパースケーラーは、ペタバイト規模のデータセットを処理・保存し、 ビジネスインテリジェンス、リアルタイムの意思決定、 予測モデリングを支えています。
- 機械学習開発:データサイエンスチームは、 ハイパースケールプラットフォームを利用することで、基盤となるハードウェアを管理することなく、機械 学習モデルの学習、検証、デプロイを 大規模に行うことができます。
- コンテンツ配信とストリーミング:動画、ゲーム、メディアプラットフォームでは、 世界各地に分散したハイパースケールインフラを活用し、数十億人もの 同時接続ユーザーに低レイテンシーで コンテンツを配信しています。
- モノのインターネット(IoT):産業用および コンシューマー向けIoTアプリケーションでは、デバイスから収集したデータをハイパースケール施設に集約し、 リアルタイムで処理、保存、応答を行います。
- エッジAIとハイブリッドクラウド:ハイパースケーラーは、 エッジ AIを支えるため、企業によるAIモデルの学習、管理、更新を クラウド上で支援するとともに、生産現場、車両、小売店舗、コネクテッドデバイスなど、 データが生成される場所の近くで、低レイテンシーが求められる ワークロードを実行するための基盤を提供しています。
マイクロンのデータ センター向けSSDおよびメモリソリューションは、 ハイパースケーラーが地球規模でAIワークロードを支えるために必要な ストレージとメモリのサブシステムを支えています。マイクロンのクラウドメモリビジネスユニットでは、 ハイパースケールクラウドプロバイダーのニーズに合わせた製品開発を 進めており、特にデータ処理量の多いAIタスク向けの先進的なソリッドステートドライブ(SSD)や 広帯域幅メモリ(HBM)に注力しています。
マイクロンはハイパースケーラーを どのように支えているのか?
マイクロンは、大規模なクラウド、AI、データセンターワークロード向けに 設計されたメモリおよびストレージテクノロジーを提供し、ハイパースケーラーを支えています。これらのソリューションは、 ハイパースケール環境の拡張、簡素化、統合、自動化を支援するとともに、 GPU、CPU、その他の処理ユニット間でデータを絶え間なくやり取り できるようにします。
マイクロンは、ハイパースケール環境向けに、データセンター用メモリ、 広帯域幅メモリ(HBM)、DDR5、大容量RDIMM、NVMeソリッド ステートドライブ(SSD)を提供しています。これらのテクノロジーにより、より多くのデータを コンピューティングリソースの近くに配置し、ストレージのスループットを高めることで、 AIの学習や推論、分析、クラウドネイティブサービスを支えることができます。
マイクロンのフラッシュメモリとストレージは、 世界最大級のクラウド企業において、ワークロードやアプリケーションのパフォーマンス向上に貢献してきました。 マイクロンのエンジニアはMetaと協力し、MetaのオープンソースDCPerfベンチマークスイートを使用して、 実際のハイパースケールワークロードにおける低消費電力DRAMの性能を評価しました。詳しくは、 データセンターにおける LPDDRに関するマイクロンのブログをご覧ください。
ハイパースケーラー各社がクラウド、AI、エッジAI、データセンターインフラを拡張していく中、 効率よくパフォーマンスを拡張するうえで、メモリとストレージは 引き続き重要な役割を果たします。マイクロンは、集中型クラウドシステムから分散型環境まで、 膨大な量のデータに対し、より高速かつ効率的な移動、保存、アクセスを可能にする テクノロジーによって、 その成長を支えています。
ハイパースケーラーは、規模、自動化、ハードウェア設計の点で、 従来のデータセンターとは異なります。従来のエンタープライズデータセンターでは、収容するサーバーは5,000台未満で、 市販の汎用ハードウェアを使用するのが一般的です。 また、キャパシティの拡張には、数週間を要する調達プロセスを経て手作業で対応します。 一方、ハイパースケーラーは、数十万台ものサーバーを収容する施設を運用し、 独自のカスタムチップやネットワークハードウェアを設計しています。 さらに、ソフトウェアオーケストレーションによって新たなキャパシティを数分でプロビジョニングし、 ワークロードをサーバー間や異なる地域間で数ミリ秒単位で移行できます。
ハイパースケールインフラは、AIモデルの学習や推論に必要な コンピューティング密度、メモリ帯域幅、 ストレージスループットを提供します。AI学習用ラック1台で10~30キロワットの電力を消費することがあり、 その電力密度は一般的なエンタープライズ向けラックの最大10倍に達します。最先端のAIモデルを 本番環境の規模で学習、展開するために必要なGPUクラスターをコスト効率よく運用できるのは、 専用設計の電力供給システム、直接液冷、 高速ネットワークファブリックを備えた ハイパースケール施設ならではの強みです。