半導体アナリストのJukanが、メタのエンジニアリングブログの内容を自ら読み解いて紹介した。AIデータセンター向けストレージを選ぶ基準が、テラバイト当たりの価格からGPU稼働時間当たりのコストへと変わりつつあるという内容だ。 メタは自社エンジニアリングブログでAIインフラ向けストレージの設計思想を公開し、その数時間後にはマイクロンもメタと共同で関連する白書を出したとJukanが伝えた。 エヌビディアのGPUのようなAI演算チップの処理速度は2年ごとにほぼ3倍のペースで向上しているが、 データを供給するストレージやネットワークの速度はそれに追いついていない。 GPUが計算すべきデータを間に合って受け取れないと、高価なGPUが遊んでしまう。 メタはこれをAIインフラでGPUが遊ぶ最大の原因の一つだと説明している。
これまでストレージは「1テラバイトをいかに安く保存できるか」（$/TB）で評価されてきた。 しかしAI学習では、ストレージが遅くGPUが遊ぶ時間が長くなると、 その損失はストレージで浮いた費用より大きくなりうる。 そこでメタのエンジニアリングチームは、ストレージの価値を「どれだけGPUを止めずに動かし続けられるか」（$/GPU稼働時間）で測り直すべきだと主張する。 工場に例えるとわかりやすい。 安い部品を惜しんで組立ラインが止まれば、部品代を浮かせた額よりラインが止まった損失の方がはるかに大きい。 GPU1時間分の稼働コストはストレージで浮く金額よりはるかに大きいため、この計算は逆転する。 この基準が業界標準になれば、処理速度の速い高性能NAND（電源を切ってもデータが残る記憶用の半導体）を作るメーカーは、 「価格は高くてもGPUを遊ばせない」製品として値付けを正当化しやすくなる。 単なる容量競争ではなく、速度競争へと重心が移ることを意味する。 マイクロンがこの論旨をメタと共同で白書にまとめたこと自体が、ストレージ業界がこの枠組みをマーケティングにも使い始めた兆しと読める。
Why it matters · この基準が定着すれば、ストレージ競争の軸は容量から速度へ移り、恩恵は処理速度で先行する高性能NANDメーカーに向かう可能性がある。
考えるべき点 · GPU稼働時間当たりコストという新基準は、ストレージ市場の勝者を変えるか？