Equinix とプライベート AI：データ保護とコントロールの最大化

Equinix とプライベート AI：データ保護とコントロールの最大化は、公開された証拠がインターネットインフラストラクチャ、ガバナンス、運用上の依存関係、または市場の認知度に関連しているため、BTW Media によってプロファイリングされています。

• Equinix の最高情報責任者である Milind Wagle 氏によると、プライベート AI により、企業は機密データを保護し、知的財産の管理を維持しながら AI テクノロジーを活用できる。
• 組織の目標にプライベート AI が適合するかどうかを評価することは、特に医療や金融などの規制の厳しい業界で事業を展開する企業にとって極めて重要である。
• クラウド隣接ストレージの採用など、効果的なデータ管理戦略を統合し、プライベート AI の展開において効率的なデータ転送を確保し、データ管理を維持する。

Milind Wagle、Equinix の CIO：機密性を守りデータ管理を維持しながら AI を活用する方法を学ぶ

AI の利点は明らかですが、企業は貴重な知的財産を危険にさらすことなくその恩恵を受けるために、慎重かつ戦略的なアプローチを取る必要があります。そのため、多くの企業が独自の AI モデルを作成し、それをプライベートインフラストラクチャでホストし、トレーニングに自社データセットのみを使用することを選択しています。この概念はプライベート AIと呼ばれています。

現在、多くの企業は、ChatGPT などのパブリック AI サービスに機密データを入力すると、そのデータがモデルに組み込まれることを理解しています。その結果、これらのデータは将来モデルを使用する誰にでも公開される可能性があります。OpenAI の FAQ でも、特定のプロンプトをユーザーの履歴から削除する方法がないため、ChatGPT と機密情報を共有しないようユーザーに注意を促しています。

プライベート AI を使用すると、データの機密性や管理を損なうことなく、データからビジネスインサイトを得ることが可能です。読み進めて、プライベート AI で成功するための戦略に組み込むべき 4 つの要素をご覧ください。

1. プライベート AI が目標に適合するか評価する

何よりもまず、プライベート AI がすべての企業に適しているわけではなく、特に自社の状況に合わせた成功の明確なビジョンがない場合は適さない可能性があることを認識することが重要です。医療や金融サービスなどの高度に規制された業界で事業を展開する企業にとって、プライベート AI のメリットは明らかです。これらの企業は、機密データを危険にさらす可能性のある行動を避ける必要性を理解しており、プライベート AI が理想的な選択肢となります。

非規制業界の企業もプライベート AI の恩恵を受けることができますが、価値提案が常に明確であるとは限りません。これらの企業は、データ露出のリスクと、パブリックインフラストラクチャでの AI 利用によるコストと柔軟性への影響との間のトレードオフを比較検討する必要があります。一部の企業は、AI モデル用のスケーラブルなコンピューティングインフラストラクチャにアクセスするための手軽さと費用対効果が認識されていることから、パブリッククラウドソリューションに惹かれます。しかし、パブリッククラウドコンピューティングへのアクセスは、主に高額なデータエグレス料金のために、予想以上に高コストで複雑になることがよくあります。

パブリッククラウドインフラストラクチャの想定されるメリットが潜在的なリスクを上回らない場合、御社はプライベート AI を選択する適切な立場にある可能性が高いです。

2. データ管理を戦略に統合する

AI テクノロジーの急速な進歩を背景に、「AI モデルの品質は提供するデータに左右される」という基本的な真実を認識するために立ち止まることが有益です。これは、プライベート AI の導入を成功させるための効果的なデータ管理の重要性を強調しています。

適切なデータを遅延なく適切な宛先に効率的に転送する戦略を設計する必要があります。AI インフラストラクチャは本質的にさまざまな場所に分散するため、これは課題となります：

A. すべてのアプリケーションからデータを収集し（これらはハイブリッドマルチクラウドアーキテクチャ全体に分散している可能性があります）、モデルをトレーニングする。

B. データソースと処理サイトの近接性を確保するために、エンドユーザーが AI モデルと対話する場所であるエッジに推論ワークロードを展開する。これはネットワーク遅延を最小限に抑えるために重要です。

C. これらのタスクに必要な十分な計算能力を備えたコアインフラストラクチャにトレーニングワークロードを展開する。

D. データの高速かつ信頼性の高い移動を促進するために、さまざまなワークロード間に柔軟で高性能なネットワークを確立する。

クラウド隣接ストレージアプローチを採用することで、AI 対応のデータアーキテクチャを構築し、リスク、コスト、複雑さを軽減しながら、プライベート AI 戦略にパブリッククラウドサービスを統合できます。このアプローチは、必要に応じてサービスにアクセスするためのクラウド近接性を提供しつつ、クラウドから分離された参照ストレージを維持するという、両方の長所を提供します。このレベルのデータ管理は、効果的なプライベート AI 戦略を体現しています。

3. コンピューティングニーズを評価する

AI の指数関数的な成長により、強力な GPU ハードウェアの需要が高まっています。メーカーはこの需要に応えようと努めていますが、供給不足は続くと予想されます。ハードウェアの可用性が限られていると、プライベート AI の目標達成が妨げられる可能性があります。それでも、このボトルネックを回避し、必要な計算能力を確保する戦略は存在します。

あわせて読む：MIT 出身の Akamai と Neural Magic が強化するディープラーニング AI

GPU は一般的に AI ハードウェアと関連付けられますが、負荷の低い推論ワークロードには、容易に入手可能な他のプロセッサ（CPU）で十分な場合があります。実際、Equinix Metal®などの Bare Metal as a Service ソリューションを使用して、初期費用をかけずにオンデマンドで CPU を展開することができます。

さらに、GPU を必要とするワークロードについては、自社でハードウェアを管理する以外の代替手段があります。例えば、Equinix は最近、NVIDIAと連携し、完全マネージド型プライベートクラウドサービスを開始しました。このサービスは、コロケーション、ネットワーキング、運用などの必須サービスとバンドルされた高度な AI インフラストラクチャの調達を簡素化します。このソリューションは、プライベート環境でのデータ管理を可能にしながら、パブリッククラウドソリューションの柔軟性を提供します。

あわせて読む：Equinix が NVIDIA スーパーコンピューティング向け完全マネージドサービスを提供

4. 持続可能性と効率性を考慮して計画する

AI ブームが持続可能性に与える影響への懸念は正当です。

AI ワークロード、特にトレーニングワークロードは、非常にエネルギーを消費する可能性があります。これらのワークロードのカーボンフットプリントを削減するには、効率の最適化が不可欠です。

データセンター向けの液冷技術などの革新は、従来の空冷に代わるよりエネルギー効率の高い選択肢を提供します。Equinix では、液冷の徹底的なテストにより、本番ワークロードをサポートするための採用への道が開かれました。

さらに、ワークロードの配置が持続可能性に与える影響を考慮することが重要です。最適な配置とは、地域の電力網から最も炭素集約度の低いエネルギーを利用できる場所にワークロードを配置することです。再生可能エネルギーへの投資にコミットしているデジタルインフラストラクチャパートナーと協力することで、この目標を達成しやすくなります。

Equinix は、2030 年までに世界中で 100％の再生可能エネルギーカバレッジを達成するという目標に向けて進んでいます。世界中の再生可能エネルギープロジェクトを支援する電力購入契約への投資を通じて、Equinix は顧客が持続可能な方法で AI イニシアチブを推進できるようにしています。