PC提案事例

PC-11098を見ての問い合わせ。
深層学習を用いた医用画像のセグメンテーションを行うため、50〜100万円の予算で、高解像度画像を大量に扱えるPCを導入したい。
画像サイズ640×640で数万枚を学習させる想定で、RTX 4090や5090といった高性能GPUの採用を考えている。
画像データ量が多いため、数TB規模のストレージ容量も備えてほしい。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

若手研究支援キャンペーン(～2026年3月末)対象のため、オーダーメイドPCを税込価格から5％割引でご提案しました。

GPUの選定

画像サイズとサンプル数の多さを考慮し、まずVRAM容量を重視しました。
大規模データの学習では、バッチサイズを大きく確保する必要があるため、32GB VRAMを持つGeForce RTX 5090を選定しました。
これにより、負荷の高いモデルでも安定した処理が可能です。

CPUとメモリについて

本構成では、ご予算内でGPU性能を重視した仕様としています。
そのためCPUはコストバランスを考慮し、Core Ultra 7 265Kを採用しました。
メモリは 64GB (32GB×2) を搭載し、空きスロット2基により、最大128GBまで増設可能です。
大量の画像を扱う場面でも、メモリ不足による学習停止のリスクを抑えられます。

ストレージ

サンプル数が多い用途では、読み込み速度がボトルネックになりやすいため、NVMe SSDを採用しました。
OS用に1TB SSD M.2、学習データ用のワークスペースとして4TB SSD M.2を別途搭載しています。

テガラのオーダーメイド PC 製作サービスは、導入時の用途に加え、将来的な研究規模の拡大を見据えたシステムの拡張にも対応しています。
各種ソフトウェア要件に応じた構成のご提案はもちろん、研究環境全体の構築に関するご相談も承っています。
お客様のニーズに合わせて最適なソリューションをご提供しますので、どうぞお気軽にお問い合わせください。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

事例No.PC-TUKJ253604を参考に、模倣学習用オープンソースロボットアーム「Aloha Stationary」や「Aloha mobile」の動作を前提としたワークステーションを検討したい。

具体的には、USBポートを6口以上備え、RTX PRO 6000 Blackwell Max-Qを搭載した構成を希望する。Ubuntu 20.04の利用を想定しつつ、高速ストレージと十分なメモリ容量も重視したい。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

お客様の用途が「Aloha Stationary」や「Aloha mobile」の利用に特化していることを踏まえ、安定した周辺機器接続と高いGPU性能を両立できる構成をご提案しました。USBポート数や拡張性の要求が明確だったため、その点を中心に最適化しています。

USBポート構成について

PC背面にUSB 3.0以上のポートを6口以上用意するため、マザーボード標準ポートに加えて拡張カードで合計8つのUSB 3.2ポートを実装しています。

ロボティクス用途では複数のカメラ・センサー類を同時接続するケースが多いため、物理ポートの余裕は実運用上の安定性につながります。

GPU の選定について

ご要望いただいたNVIDIA RTX PRO 6000 Max-Q (96GB)  を採用した構成です。大容量VRAMにより、ロボット制御や機械学習モデルの推論処理を安定して実行できます。

CPU・メモリ・ストレージ構成

CPU は Xeon W5-2545 (12コア) を採用し、GPU と並行して処理を行うロボティクスワークロードに十分な性能を確保しています。メモリは 128GB の ECC DDR5 を搭載し、長時間の連続運転や大規模データ処理でも信頼性を担保します。ストレージは 1TB NVMe Gen4 SSD を用いて高速な読み書きを実現しました。

OS について

Ubuntu 20.04 を希望されていましたが、今回の構成では動作検証が完了していないため、互換性が高い Ubuntu 22.04 をご案内しました。最新ハードウェアを利用する場合、カーネルやドライバの対応状況を踏まえたOS選定が安定動作のポイントとなります。

ロボティクス分野での研究開発に必要な拡張性・信頼性・GPU性能をバランスよく備えた構成となっており、周辺機器が多い環境でも安心して運用いただける内容です。

テガラのオーダーメイドPC製作サービスは、導入時の用途に加え、将来的な研究規模の拡大を見据えたシステムの拡張にも対応しています。
各種ソフトウェア要件に応じた構成のご提案はもちろん、研究環境全体の構築に関するご相談も承っています。
お客様のニーズに合わせて最適なソリューションをご提供しますので、どうぞお気軽にお問い合わせください。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

社内で大規模言語モデルを活用するため、ローカル環境で運用できる生成AI用ワークステーションの構築を検討したい。使用するソフトウェアはOllama、LM Studio、Dify、Pythonを想定。

CPU はコア数を十分に確保できるモデルを選定し、メモリは最低 1TB、可能であれば 2〜4TB クラスまで拡張しようと考えている。
GPU は NVIDIA RTX Pro 6000 Blackwell を複数枚搭載可能な構成を前提とし、搭載可能な最大枚数で運用したい。
OS は Ubuntuとし、100V 電源環境で動作することを条件とする。
ストレージは可能な限り大容量の NVMe SSD を搭載可能な最大数まで搭載し、全体として高い処理性能と拡張性を確保したい。

予算 2,000 万円程度で構成を提案して欲しい。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

LLM推論・生成AI処理に最適化したCPU / メモリ構成

本構成では、生成AIやローカルLLMの運用に必要となる CPU コア数とメモリ帯域を重視しています。大規模モデルを効率的に処理するためには、GPU性能だけではなく、CPUの多コア性能と大量メモリへのアクセス性能が重要です。

そのため、最新世代のサーバー向けCPUを採用し、多コア処理能力と大容量メモリの両立を図っています。当初は1TBメモリ構成を想定していましたが、将来的なモデル拡張やRAGワークロードへの対応を見据え、今回は搭載可能な最大容量である4TBの構成でご提案しています。

RTX Pro 6000 Blackwell を採用した高密度 GPU 構成

お客様が複数の NVIDIA RTX Pro 6000 Blackwell を搭載したいと希望されていたため、4Uラックマウント筐体を採用し、最大枚数のGPUを安定して運用できるマザーボード構成を選定しました。

PRO 6000クラスのGPUを複数枚搭載する場合には、PCIeレーン数、発熱対策、電源容量などが大きな制約となります。本構成ではこれらの要件をすべて満たし、高密度なGPUサーバーとして安定したAI計算処理を実現します。

NVMeストレージの大容量化とRAID構成

可能な限り大容量のNVMe SSDを最大数搭載したい、という要望に対し、システム用SSDとは別に複数枚のNVMe SSDを搭載し、読み書き速度と冗長性を両立する構成をご提案しています。

この構成により、研究データやEmbeddingキャッシュを高速に扱え、RAG環境やDify・Ollamaなどのローカル推論環境で高いパフォーマンスを発揮できます。

電源環境 (100V希望 → 200V対応への変更)

当初は「100V環境で運用したい」とご相談いただきましたが、GPU多数搭載構成では100Vでは電源容量が不足するため、200V環境を整備される方針に変更となりました。

これにより、サーバー向け電源ユニットを採用できるようになり、マシン全体の安定性と将来拡張性を確保しています。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

大規模言語モデル（LLM）のローカル検証を目的にした、高性能PCを導入したい。
VRAM容量は不問、可能な限り多くの高性能GPUを搭載した構成を希望する。
予算は250万〜500万円程度で、Ollamaの利用を想定。
GPUドライバー、CUDA ToolkitおよびcuDNNのプリインストールも依頼したい。
環境は、200V電源の使用が可能。

GPUの選定について

今回の用途では、GPU性能とVRAM容量の両立が重要です。
LLMによっては140GB程度のVRAMが必要となることもあるため、NVIDIA RTX PRO 6000 Max-Q（96GB）を2枚搭載する構成をご提案しました。
さらに、3枚目のRTX PRO 6000 Max-Qの増設にも対応できるよう、空きPCIeスロットを確保した設計です。

テグシスでは LLM における GPU 性能差をまとめた技術記事を公開しています。
前編では RTX 5090 / RTX 4090 / RTX 5000 Ada の実測比較を、続編では RTX PRO 6000 Max-Q を加えた検証 をご紹介しています。
詳細な検証結果は、下記をご覧ください。

メモリ構成と拡張性

LLMの推論では、VRAMを十分に確保することが前提となり、あわせてシステムメモリも同程度以上の大容量が求められます。
本構成では、256GB (64GB×4枚) のメモリを実装し、空きスロットには同容量 (64GB) のモジュールを増設可能です。

将来的に3枚目のGPUを増設する場合、VRAMの総量は 96GB × 3 = 288GB となります。
その際には、空きスロットを活用してメモリを増設することで、適切なシステムメモリを無理なく満たせます。
これにより、GPU増設後もボトルネックを避けて、安定したデータ処理を実現できます。

ソフトウェアの事前環境構築

GPUドライバー、CUDA Toolkit、cuDNNを適切なバージョンでプリインストールし、即時利用可能な環境で納品します。
PyTorchなどのフレームワークは、お客様によるセットアップを予定していますが、当社でも導入実績があり、必要に応じてご相談も承ります。

テガラのオーダーメイドPC製作サービスは、導入時の用途に加え、将来的な研究規模の拡大を見据えたシステムの拡張にも対応しています。
各種ソフトウェア要件に応じた構成のご提案はもちろん、研究環境全体の構築に関するご相談も承っています。
お客様のニーズに合わせて最適なソリューションをご提供しますので、どうぞお気軽にお問い合わせください。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

100V環境で使用可能なワークステーションの導入を検討している。予算は約500万円。
用途は機械学習と数値計算。
使用予定のソフトウェアは、PyTorchやTensorFlowなどの機械学習ライブラリに加え、OpenSWPC、SPECFEM、hbi、自作のMPI/OpenMPコードによる並列計算コード。
希望するハードウェアスペックは以下の通り。

・CPU：64コア以上
・メモリ：256GB以上（帯域幅も重視）
・GPU：VRAM 96GB以上
・SSD：高速I/O対応、4TB以上

並列計算に最適なCPU構成

数値計算に最適なCPUとして、64コア128スレッドのRyzen Threadripper PRO 9985WXを採用しています。
多くのコア数に加え、ベースクロック 3.20GHzという高い動作周波数により、MPIやOpenMPを活用した並列処理を効率的に実行できます。
また、8チャネル対応のDDR5メモリにより、メモリ帯域のボトルネックを軽減しており、複数のプロセスを同時に実行する場合でも、安定した処理が可能です。

メモリ構成について

OpenSWPCやSPECFEMなど、大規模な行列データを扱う波動解析ソフトでは、十分なメモリ容量と高速なアクセス性能が求められます。
本構成ではDDR5-5600 REG ECC 512GB（64GB×8枚）を搭載し、容量・帯域幅ともに余裕ある環境を実現しています。
複雑な数値計算や並列処理においても、安定したパフォーマンスで計算処理を行えます。

GPUの選定と拡張性

機械学習用途として、GPUにはVRAM 96GBのRTX PRO 6000 Max-Qを選定しています。
大容量のグラフィックメモリは、深層学習だけでなく、GPUを利用する技術計算にも適しており、幅広い解析処理に活用できます。
SPECFEM3D Cartesianの解析では、NVIDIA公式にてマルチGPUによる性能向上が報告されています。

参考：SPECFEM3D Cartesian GPU & Software Configurations

本構成は100V環境での単体運用を想定しており、200V環境が整えば2枚目のGPU増設も可能です。
あらかじめ1600W電源を搭載しているため、将来的なGPU拡張にもスムーズに対応できます。

ストレージとI/O性能

解析に必要な高速I/Oを実現するため、Gen5 NVMe SSD 4TB（読み込み速度10,000MB/s以上）を搭載しています。
これにより、大容量データの読み書きが高速に行え、解析処理の効率が上昇します。
さらに、Gen4 NVMe SSD 4TBを併設しており、作業領域と保存領域を分けて運用することで、データ管理の効率化と安定性を両立できます。

テガラのオーダーメイドPC製作サービスは、導入時の用途に加え、将来的な研究規模の拡大を見据えたシステムの拡張にも対応しています。
各種ソフトウェア要件に応じた構成のご提案はもちろん、研究環境全体の構築に関するご相談も承っています。
お客様のニーズに合わせて最適なソリューションをご提供しますので、どうぞお気軽にお問い合わせください。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

Google-MLのJAX を活用した機械学習および数値シミュレーションを主用途に、汎用有限要素法ソフト (Abaqusなど) による解析も想定している。
予算は100万円程度。
Blackwell世代のGPUとIntel製CPU、GPUメモリは可能な限り大容量を希望。

GPUの選定について

JAXによる機械学習では、GPUのメモリ容量と演算性能が重要です。
Blackwell世代GPUは機械学習用途に適していますが、ご予算とのバランスを考慮し、RTX PRO 4500 (32GB VRAM) をご提案しています。
同じビデオメモリ容量で処理能力が高いGeForce RTX 5090も検討候補になりますが，電源や冷却性能の強化が必要となるため、ご予算内で最適な選択肢としてRTX PRO 4500を採用しました。

CPU・メモリの選定について

有限要素解析ソフトAbaqusは、CPUのシングルスレッド性能が処理速度に直結します。
そこで、本構成では高いシングルスレッド性能を持つIntel Core Ultra 9 285Kを採用し、解析時間の短縮と安定性の両立を図りました。
メモリにはDDR5-6400を32GB×2枚 (計64GB) 搭載。将来的には空きスロットを活用し、最大128GBまで拡張可能です。

電源容量と安定運用

高性能GPUとCPUの同時稼働に対応するため、電源には1000Wモデルを採用しました。
電力に余裕を持たせることで、ピーク時の負荷変動によるシャットダウンや性能低下を防ぎ、システムの安定性を確保しています。

テガラのオーダーメイドPC製作サービスは、導入時の用途に加え、将来的な研究規模の拡大を見据えたシステムの拡張にも対応しています。
各種ソフトウェア要件に応じた構成のご提案はもちろん、研究環境全体の構築に関するご相談も承っています。
お客様のニーズに合わせて最適なソリューションをご提供しますので、どうぞお気軽にお問い合わせください。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

医用画像解析、特にNeuroImaging解析のためのマシンを検討している。
使用ソフトは下記の通り。

【画像解析】
FreeSurfer、FSL、ANTs、Matlab、SPM、CONN (SPM/ Matlab環境)
【数値解析・統計処理】
R、Matlab、Python、Julia

最近はCUDA対応が前提となっているツールが多く、Deep Learningによる推論やテスト的な学習にも活用する予定。そのため、VRAMが16GB以上のGPUを希望。

筐体については、Define 7 (幅240x高さ475x奥行547(mm)) は大きすぎるため、ATX対応筐体、具体的には Define 7 Compact (幅210x高さ474x奥行427(mm) ) 程度のサイズを想定している。

また、マザーボードはASRock製とRyzen 9000系の相性問題が気になっており、選定時はBIOSの最新版を適用、またはMSIなど他メーカー製の採用を検討したい。
マザーボードの条件は、

・電源フェーズ：14+2+1以上 (CPU向けに14フェーズ以上)
・SATAポート：4ポート以上

加えて、HDD返却不要サービスもオプションで利用したい。
※HDD返却不要サービスの詳細はこちら

NeuroImaging (神経画像解析) ツールを軸に、統計解析・信号処理、Deep Learningの試験的導入にも活用できるよう、多用途に適した構成をご提案しました。

GPU構成と解析用途への対応

CUDA対応の画像解析ツールや、軽量な学習処理への活用に備え、GPU には VRAM 16GB 搭載の NVIDIA GeForce RTX 5080 を選定しました。
主要な研究向けフレームワークの要件に対応しており、今後の用途拡張にも柔軟に適応できる構成です。

安全性を考慮した筐体選定

小型筐体をご希望いただいていましたが、干渉や発熱の懸念があるため採用を見合わせています。

近年のGPUは横方向に補助電源端子を備える構造が一般的で、コンパクト筐体ではパネルとの隙間が狭いため、ケーブルの取り回しに無理が生じやすくなります。
その結果、コネクタ部に過剰なテンションがかかり、発熱や焼損といった重大なトラブルにつながるケースが国内外で報告されています。

こうしたリスクを回避し、安全かつ長時間の連続稼働に耐えられる環境を確保するため、ゆとりのある内部スペース備えたFractal Design Define 7 ミドルタワー筐体をご提案しました。

マザーボードの選定について

マザーボードには、お客様のご要望を踏まえ、ASUS TUF GAMING X870E-PLUS WIFI7を選定しました。

このモデルは、電源フェーズを16+2+1 (CPU向け16フェーズ) 、S-ATA 6Gポートを4基搭載しており、連続稼働時でも電圧のブレが抑えられ、処理中のトラブルを回避しやすい設計です。

なお、ASRock X870 Steel Legend WiFiについても、弊社での故障報告はこれまでに確認されておらず、安定した動作実績があります。
弊社では、すべてのPCに対して出荷前の高負荷テストを実施しています。

ASRock製を採用する場合も、BIOSの更新など必要な設定を行った上で提供しております。
ご希望に応じて仕様の調整も行えますので、安心してご選択いただけます。

ご利用予定のツールやご使用環境に応じたカスタマイズも承っております。まずはお気軽にお問い合わせください。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします

深層学習用マシンの導入を検討している。予算1300万円以内で、適切な構成を提案してほしい。

GPUのVRAM容量を重視しており、それと同時に適切な納期 (入手に時間がかかりすぎない) ことも条件としたい。
具体的なスペックは、CPUはIntel Xeon Platinum 8368 (2.40 GHz 38コア) x2相当で、メモリ容量は512GB以上がよい。
GPUの候補はNVIDIA A100、 NVIDIA V100、 NVIDIA RTX6000 Ada、 NVIDIA A6000 の4つ。この中のどれかを総VRAM容量が128GB程度になるように搭載したいので、納期・コスト・合計VRAM容量の観点から最適なものを選定してほしい。
ストレージは20TB程度、OSはRed Hat Enterprise Linux 8を希望する。

ご要望を踏まえて、ベストな構成をご提案しました。

CPUは第3世代Xeon Platinumをご希望いただきましたが、2024年1月現在、後継品である第4世代の製品が展開されています。
そのため、第4世代XeonでIntel Xeon Platinum 8368と同等スペックのIntel Xeon Platinum 8460Y+ (2.00GHz 40コア) x2を選択しています。

DeepLearningに適したGPUの選定

GPU候補のうち、NVIDIA A100はご相談をいただいた時点で納期が長期化しており、納期を重視する場合にはマッチしない製品でした。
V100はA100と同じGPGPU専用カードの旧世代製品ですが、V100は既に終息しており、仮に入手できたとしてもDeepLearning用途で利用される単精度・半精度の演算性能はアーキテクチャーの世代差によりRTX A6000やRTX6000 Adaよりも低くなります。
また、現時点で総合的には最高の性能を持ったGPUにNVIDIA H100がありますが、非常に高額でありコストパフォーマンスの観点からも扱いの難しい製品です。
これらのことより、総VRAM容量128GB程度の組み合わせを効率よく実現する場合A6000、 もしくはRTX6000 Adaをおすすめします。

本件のお客様へのご提案では、ご予算に合わせて、RTX6000 Ada x4枚（総VRAM容量192GB）を選択しています。
また、本構成はRTX6000 Adaを合計9枚まで増設可能です。
なお、実際の運用においては消費電力の都合上、200V環境が必要となります。

本事例の構成は、お客様から頂戴した条件を元に検討した内容です。
いただいた条件に合わせて柔軟にマシンをご提案いたしますので、掲載内容とは異なる条件でご検討の場合でも、お気軽にご相談ください。

この事例に近い条件で無料で見積もり相談する

通常24時間以内に担当者からご連絡いたします