アンソロピックとOpenAI、20〜30MWのコンピューティング展開加速へ小規模AIデータセンターを模索

TradingKey - AnthropicとOpenAIは、大規模なAIインフラプロジェクトとは別に、利用可能な計算資源をより迅速に確保し、増大するモデルの推論需要に応えるため、容量20〜30メガワット程度の小規模データセンターを模索している。

CNBCが事情に詳しい関係者の話として報じたところによると、Anthropicは英国や北欧地域の関連プロジェクトにアプローチしており、OpenAIも以前に北欧で同様の機会を検討していたほか、両社は米国内でも同規模の容量について協議を行っている。過去1年間に両社が締結した数百メガワットやギガワット規模の契約と比較すると、こうしたプロジェクトは大幅に小規模であるものの、通常は建設や納入をより迅速に行うことができる。

OpenAIは、世界的なAI需要に対応するため、より多様化した計算ポートフォリオを構築していると述べた。ワークロードごとに性能、信頼性、コスト、納入時期などの要件が異なるため、同社は多様なタイプのパートナーと協業しているが、個別の商業交渉についてはコメントしないとしている。

Anthropicはコメントの求めに応じなかった。

これは、両社がハイパースケールデータセンターを放棄することを意味するのではなく、大規模な長期プロジェクトと並行して、より柔軟な計算ソースを追加していることを示している。Anthropicは以前、英国のクラウドプロバイダーであるNscaleと約450億ドルの提携を結び、同社のウェストバージニア州プロジェクトで約460メガワットの容量を賃貸することに合意した。OpenAIもStargateなどのパートナーシップを通じて、複数のギガワット規模のインフラプロジェクトを推進している。

メガプロジェクトは先端モデルの集中学習に適しているものの、送電網への接続、許認可、建設のサイクルが長くなりがちである。米国のデータセンターの一部は地元コミュニティからの反対に直面しており、伝統的な欧州市場は土地、電力、送電容量の制約に悩まされている。単一の大規模キャンパスが完全稼働するのを待つよりも、既存の電力供給がある拠点において数十メガワットを確保する方が、より実用的な場合が多い。

地域をまたいで実行可能なワークロードにおいては、複数の小規模クラスターを蓄積することで大きな計算規模を構築することも可能である。このアプローチにより、個別のプロジェクト遅延による影響も軽減され、AI企業は大規施設が完成する前に特定のサービスを展開できるようになる。

AIコンピューティングの重点が学習から推論へと移行していることも、小規模データセンターが注目を集めているもう一つの理由である。大規模モデルの学習には通常、単一クラスター内で多数のGPUが高速度で連携して動作する必要があり、相互接続やチップ密度に対して高い要求が課される。一方、推論は主にユーザーのリクエストを処理するため、すべてのチップを単一のハイパースケール施設に集中させる必要はなく、異なる場所にあるより小さなクラスターに多くのタスクを分割することができる。

チャットボット、AIエージェント、企業向けアプリケーションが本番環境に導入されるにつれ、推論需要がデータセンター拡張の主な推進要因となっている。JLLの予測によると、AI推論に割り当てられる世界的なデータセンター容量は2027年までに学習を上回り、2030年までに推論ワークロードのシェアは2025年の9%から37%へ上昇する一方、学習ワークロードのシェアは同期間中に14%から13%へ低下する見込みである。

より小規模なプロジェクトは、ユーザーや法人顧客の近くに配置することも可能であり、ネットワークのレイテンシ低減や地域のデータコンプライアンス要件への対応に役立つ。英国や北欧地域は、既存のデータセンター資源が豊富なだけでなく、比較的豊富なクリーン電力と低い冷却コストを備えており、分散型AI展開にとって好条件が整っている。

したがって、AnthropicとOpenAIによる20〜30メガワットのプロジェクト模索は、インフラ投資の削減ではなく、既存の計算戦略を補完するものである。両社はフロンティアモデルの学習に依然として大規模クラスターを必要としているが、推論トラフィックが増大するにつれ、今後のAIインフラは一握りのギガワット規模キャンパスのみに完全に依存することはなくなる可能性がある。