要点

  • CoreWeave と Parallel Works は、NVIDIA H100 システムを用いた管理型 AI 計算環境を DARPA の NODES 研究プログラム向けに導入した
  • 各研究チームには計算容量が保証され、利用可能な場合には追加の共有リソースも使用できる

事実関係

CoreWeave と Parallel Works は、DARPA の Network of Optimal Dynamic Energy Signatures（NODES）プログラム向けに、管理型の AI・高性能計算環境を導入した。

研究者は Parallel Works の ACTIVATE プラットフォームを通じてシステムを利用する。同プラットフォームは、ログイン、ユーザーアカウント管理、プロビジョニング、スケジューリング、利用状況の報告を担う。CoreWeave は、NVIDIA HGX H100 システムと高速 InfiniBand 接続を含む、基盤の計算資源、ストレージ、ネットワークを提供する。

容量は NODES の研究チーム間で分配されている。各チームには保証枠が割り当てられ、空きがある場合には共有容量も利用できる。両社は技術支援も提供するため、各チームが個別のクラウド環境を自ら構築・管理する必要はない。

NODES は、タンパク質配列を解析し、生物学的機能を予測するディープラーニングツールを開発している。DARPA は研究者が独自の計算資源を使用することを認めているが、最終成果物と能力実証は政府の高性能計算システム上で実行しなければならないとしている。新しいクラウド環境は研究プログラムを支援するものであり、NODES が科学的目標を達成したことを示すものではない。

分析

研究チームに必要なのは GPU だけではなく、実際に利用するための現実的な仕組みだ。この事例では、Parallel Works がアカウント管理、アクセス管理、スケジューリングを担い、CoreWeave が計算基盤を提供する。これにより、NODES の研究者が作業を始める前に構築・管理しなければならないインフラは少なくなるはずだ。

容量の共有方法が重要になる。各チームには保証枠があり、共通プールに空きがあれば追加容量を利用できる。これにより、研究者は計画を立てる基準となる容量を確保しながら、余剰資源をより有効に活用できる。問題は、複数のチームが同時により多くの計算能力を必要とした場合にも、この仕組みがどこまで機能するかだ。

BTW の読者にとって、これは AI インフラが単にハードウェアとして貸し出されるのではなく、管理型サービスとして提供される事例として参考になる。その価値は、研究者が迅速にシステムの利用を開始し、長時間待たずに研究作業を進め、計算環境そのものへの対応に費やす時間を減らせるかどうかによって、より明確になる。

今後の注目点

研究チームがどれだけ迅速にプラットフォームの利用を開始できるか、また需要の増加に伴って共有容量がどう機能するかを注視したい。待ち時間、リソース利用状況、失敗したジョブ、技術支援について報告されれば、NODES の各チームが実際に安定した見通しの下で計算資源を利用できているかを判断できる。