PC提案事例

ロボット機械学習向けに高性能ワークステーションを導入したい。
希望する仕様は、OSがUbuntu 22.04、CPUがIntel Core Ultra 9、メモリが128GB、ストレージがSSD 4TB＋HDD 2TBを組み合わせ。
GPUにはRTX6000 Adaを4枚搭載し、この条件で見積もってほしい。

CPUについて

ご要望のCore Ultraシリーズではコンシューマ向け設計で、PCI Expressのレーン数の仕様により2枚以上のGPUに対応しておりません。
代替案として、複数枚構成に対応可能なXeonベースのプラットフォームを採用しました。
PCIeレーン数が増えたことで、GPU4枚構成でも十分な帯域を確保し、安定したパフォーマンスを維持できます。

GPUと電源環境について

RTX6000 Adaを4枚搭載する本構成では、消費電力が非常に大きくなります。
(CPUやその他の機器を含めると、2000Wを超える可能性がございます)
そのため、安定した電力供給を確保するために、最大出力2800Wの電源ユニットを採用し、200V用の電源ケーブルも付属しています。

参考：RTX 6000 Ada 世代グラフィックス カード _ NVIDIA

※搭載電源は200V専用モジュールです。
家庭用の100Vコンセントではご使用いただけません。
設置予定の設備が 200V に対応しているか、事前にご確認ください。

メモリとストレージ

メモリ128GB、SSD 4TB、HDD 2TBは、お客さまのご要望に応じて搭載しています。

注意点として、メインメモリ容量は搭載するGPUのVRAM合計容量よりも十分に余裕を持たせることが推奨されます。

メモリ容量がVRAM容量を下回る場合、学習データ等をGPUへ展開する際にボトルネックが発生したり、処理エラーを引き起こす可能性があります。
本構成の RTX 6000 Ada ×4 (VRAM合計192GB) の場合は、メモリ256GB以上が推奨容量です。

これらの点をご説明したうえで初期構成をメモリ128GBとし、将来的な増設を前提とした構成としてご案内しております。

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。

お問い合わせ

産業用カメラによる多視点映像の取得と、深層学習による推論を目的としたワークステーションを検討している。予算は50～60万円程度。
複数視点で同期撮影した映像を深層学習モデルで解析処理し、研究に活用する予定。
PoEハブ経由で8台のカメラを接続し、データの受け取り用として、Intel社の X550-T2 (NIC) の実装を希望する。

本構成は、現在実施中の「若手研究者応援キャンペーン (5%OFF)」を適用し、予算60万円以内で設計された事例です。
研究スタートを応援する「若手研究者応援キャンペーン」の詳細はこちら▼

CPUとストレージについて

複数カメラからの映像を同時に処理するため、CPUは高い並列処理性能を持つIntel Core Ultra 7 265 (8コア＋12コア) を選定しました。
映像取り込み処理において安定性を発揮します。

また、8台分の高解像度映像を同時にストレージに取り込むため、書き込み速度に優れた2TB M.2 NVMe SSDを選択しています。

GPUについて

深層学習モデルの推論を効率化するため、GPUにはご予算内で最大性能を発揮できるGeForce RTX 5070Ti (16GB) を採用しました。
VRAM容量を考慮し、システムメモリはこれを上回る64GBを搭載しています。

ネットワーク構成とI/O性能

お客さまご指定のNIC (X550-T2)はPoE給電機能を持たない、標準的な10GbE NICです。
そのため、本構成では『Intel社の X550-T2 – PoEハブ – カメラ』という接続経路とし、PoEハブを経由してカメラへの給電と通信を行います。

※※カメラ接続時の注意点※※
接続するカメラの台数・データ容量によっては、X550-T2 – PoEハブ間がボトルネックとなり、PC側に正しく映像を送れない場合があります。
PoEポート1口に対してカメラを1台接続する場合、弊社でご案内実績が豊富なカードとして ADLINK製 PCIe-GIE74P がございます。
お客様の用途や接続台数に応じて最適な構成をご提案可能ですので、ご希望に応じてご相談ください。

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。

お問い合わせ

Isaac SIMを用いて大規模な合成データを生成したい。高度なシミュレーションに対応できる構成を希望。

CPUについて

AMD Threadripper Pro 7975WXを採用し、高い並列処理性能とメモリ帯域を確保。大規模なシミュレーションに対応します。

GPUの選定について

NVIDIA RTX PRO5000を搭載し、Isaac SIMでの合成データ生成に最適。高度な物理演算やレンダリングにも対応可能です。

メモリ・ストレージ構成

256GBの大容量メモリにより、複雑なシーンや大量のセンサーデータ処理が可能。2TB NVMe SSDで高速な読み書きと十分な保存領域を提供します。

テガラのオーダーメイドPC製作サービスは、導入時のご用途に加え、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おります。
ハードウェア仕様のカスタマイズや周辺機器の追加、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おります。
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いたしますので、どうぞお気軽にお問い合わせください。

お問い合わせ

Isaac SIMを使って、複数ロボットの同時制御や複雑なシーンの再現を行いたい。センサー処理やアルゴリズム開発も含め、研究用途に適した構成を希望。

CPUについて

Intel Xeon W7-2575を採用し、マルチスレッド性能と安定性を重視。複数プロセスの同時実行やセンサー処理に適した構成です。

GPUの選定について

GeForce RTX 5080を搭載し、Isaac SIMでの複雑シーンや複数ロボットの同時制御に対応。CUDAやTensorRTを活用した開発にも適しています。

メモリ・ストレージ構成

128GBのメモリにより、センサー同時処理や大規模なシーン構築にも対応可能。1TB SSDで高速なデータアクセスと十分な保存領域を確保しています。

テガラのオーダーメイドPC製作サービスは、導入時のご用途に加え、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おります。
ハードウェア仕様のカスタマイズや周辺機器の追加、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おります。
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いたしますので、どうぞお気軽にお問い合わせください。

お問い合わせ

Isaac SIMの基本機能を試したい。ROS2との連携や軽量なシーンでの動作確認が目的。初期検証用として、コストを抑えつつもGPU搭載の構成を希望。

CPUについて

Ryzen 9 5950Xを採用し、コストパフォーマンスに優れた16コア構成で、ROS2連携や軽量なシミュレーションに十分な処理能力を確保しています。

GPUの選定について

Isaac SIMの動作に必要なGPU性能を満たすため、VRAM 16GB程度のGeForce RTX 5070Tiを選定しました。軽量なシーンや基本的な物理演算に対応可能です。

メモリ・ストレージ構成

メモリは64GBとし、ROS2やIsaac SIMの基本機能検証に十分な容量を確保しています。ストレージは1TB SSDで、Ubuntu環境の構築やログ保存にも対応します。

テガラのオーダーメイドPC製作サービスは、導入時のご用途に加え、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おります。
ハードウェア仕様のカスタマイズや周辺機器の追加、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おります。
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いたしますので、どうぞお気軽にお問い合わせください。

お問い合わせ

Omniverse環境の動作確認や学習を目的としたワークステーションを検討したい。
小規模な3D制作やPoC (概念実証) を想定しており、GPUはRTX 4070Tiまたは3060、メモリは32GB以上を希望。
コストを抑えつつ、Omniverseの基本機能が快適に動作する構成を求めている。

GPUの選定について

Omniverseの基本的な動作体験を重視し、NVIDIA RTX 5070Tiを搭載した構成をご提案しました。Omniverse Machinimaなどのアプリケーションにおいて、リアルタイムレンダリングや物理演算を軽快に処理できる性能を備えています。
特にRTX 5070Tiは、DLSSやレイトレーシング機能を活用することで、学習用途や小規模な制作環境でも高品質な描画体験が可能です。

CPUとメモリ構成

CPUには、8コアのAMD Ryzen7 9700X を採用し、Omniverseのマルチスレッド処理に対応できる構成としました。
メモリは32GBのDDR5を搭載し、個人利用やPoCレベルのプロジェクトにおいて十分な処理能力を確保しています。
将来的なメモリ増設にも対応可能な設計となっており、拡張性も意識しています。

ストレージとOS

起動用に1TBのNVMe SSDを搭載し、Omniverseのアセット読み込みやキャッシュ処理を高速化する構成としています。
OSはUbuntuの選択も可能ですので、ご希望の際にはお知らせください。

テガラのオーダーメイドPC製作サービスは、導入時のご用途に加え、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おります。
ハードウェア仕様のカスタマイズや周辺機器の追加、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おります。
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いたしますので、どうぞお気軽にお問い合わせください。

お問い合わせ

Omniverseを活用した開発・制作業務に使用するワークステーションを検討。
CADやBIM、Digital Twinなどの用途を想定し、業務兼用で快適に動作する構成を希望。
GPUはRTX Adaまたは上位ゲーミングモデル、メモリは128GB以上を希望。

GPUの選定について

NVIDIA RTX PRO5000を搭載した構成をご提案しました。
Omniverse環境では、リアルタイムレンダリングや複数アプリの同時使用が求められるため、描画性能と安定性の両立が重要です。
RTX Ada世代は、Omniverse NucleusやMachinimaなどのアプリケーションにおいて、AIアクセラレーションやレイトレーシング性能を最大限に活かせるため、制作業務における生産性向上に貢献します。

また、将来的なGPU増設も考慮して、1500W電源を選択しています。100V環境でGPU x2枚まで搭載可能です。

CPUとメモリ構成

Intel Xeon w5-3535Xを採用し、マルチタスクや開発環境に適したバランスを考慮しました。
メモリは128GBのECC DDR5を搭載し、Omniverseでの大規模シーン編集や複雑なシミュレーション処理にも対応可能です。ECC対応により、長時間のレンダリングやAIトレーニング時の安定性も確保しています。

ストレージとOS

起動用に1TBのNVMe SSD、データ保存用に2TBのストレージを組み合わせ、制作業務に必要な容量と速度を意識した選定です。
Omniverseでは大量の3Dアセットやキャッシュデータを扱うため、ストレージの高速性が作業効率に直結します。
OSはUbuntuも選択可能ですので、PythonやUSDベースの開発環境構築にも柔軟に対応できます。

テガラのオーダーメイドPC製作サービスは、導入時のご用途に加え、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おります。
ハードウェア仕様のカスタマイズや周辺機器の追加、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おります。
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いたしますので、どうぞお気軽にお問い合わせください。

お問い合わせ

事例No.PC-10873を見ての問い合わせ。
elyza の Llama-3-ELYZA-JP-8B を用いて自然言語処理を行い、文章の要約を実行しているが、現在使用中のPCでは1件あたりの演算に5分以上かかってしまう。
処理時間を短縮するため、新たにPCの導入を検討しており、予算は税込146万円以内を希望している。
大学に提出する参考資料として、パーツ構成や見積額の詳細を知りたい。

参考：PC-10873 自然言語処理モデル用ワークステーション

お客様のご要望を踏まえ、計算時間の短縮を目的として、GPUおよびメモリ性能を重視した構成をご提案いたしました。

LLMを高速に動かすために重要なGPU

LLMの推論処理では、GPUのVRAM容量と演算性能が処理時間に大きく影響します。
特に、十分なVRAM容量があることで、より大規模なモデルをGPU単体で処理できるようになり、効率的な推論が可能となります。
一方、VRAMが不足するとメモリスワップが発生し、GPUとCPU間のデータ転送がボトルネックとなって、処理速度が著しく低下します。

例えば、Llama-3-ELYZA-JP-8BをINT8量子化で運用する場合、約17GBのVRAMが必要です。
そのため、最低でも24GB以上のVRAMを搭載することが推奨されています。

RTX 5090は、最新のCUDAおよびTensorコアを搭載したモデルで、同じVRAM容量を持つRTX 5000 Adaと比較して、約2倍の推論速度を記録した検証結果が報告されています。
この性能差を踏まえ、今回の構成ではRTX 5090を採用しました。

詳細な検証結果は、下記の技術記事をご覧ください。
GeForce RTX 4090との比較検証結果も記載されております。

高負荷のLLM推論にも安定して対応できる計算性能を備えているため、実運用環境では処理時間の大幅な短縮が期待できます。

LLM推論におけるメインメモリの重要性

LLMの安定稼働には、GPUのVRAMに加えて、ホスト側メモリの確保が不可欠です。
モデルのロード時にはVRAMを超える一時メモリが必要となる場面があるほか、入力テキストや生成結果の保持にもメインメモリが消費されます。

こうした運用条件を踏まえ、本設計では128GB（64GB × 2）のDDR5メモリを標準搭載しました。
さらに空きスロット (4スロット中2スロット未使用) を活用することで、最大256GBまでのメモリ増設が可能です。
将来的なモデルの大規模化やバッチ処理の拡張にも、柔軟に対応できる構成です。

バッチサイズや量子化設定など、運用条件に応じた最適な構成をご提案いたします。具体的なご用途があれば、ぜひご相談ください。

お問い合わせ

事例No.PC-10880を見ての問い合わせ。
ローカル環境でLLMを活用するため、LLMの計算に必要なマシン購入を検討している。計算に必要なマシンスペックがわからないため、どのような仕様が必要になるか含めて知りたい。
また、その他必要な周辺機器、指定ソフトウェアのインストール可否を教えてほしい。
Difyと、METAのLlama 3.3 (70B) の使用を想定している。
NVIDIA Geforce RTX 4090 24GB でLlama 3.3を計算させたところVRAM使用率が99%となり不足していることを確認した。

参考：事例No.PC-10880 Geforce RTX4090 x4枚搭載マシン

事例No.PC-10880をベースに、現行世代のパーツで作成しました。
大規模言語モデル (LLM) の推論や学習をローカル環境で安定稼働させたい研究者・エンジニア向けの仕様です。

GPUとしてNVIDIA RTX 6000 Ada 48GBを2基搭載し、AI推論・学習処理を高速化します。
さらに、画面描画用としてRTX A400 4GBを別途採用しているため、計算処理と表示処理を分離し、安定運用が可能です。

また、ECC対応DDR5メモリを搭載しており、長時間の計算処理に対する高い信頼性があります。
PCI-E x16スロットを4基備えているため、GPUの追加にも柔軟に対応可能です。
電源には1500W PLATINUMを採用し、生成AIやLLM開発など安定運用が求められる環境でも安心して使用できます。

最新GPUを搭載し、ご相談いただいた各種ソフトウェアもインストール済みのため、購入後すぐに研究や開発業務に活用できます。

※本構成はソフトウェアのライセンス・セットアップ費用も含んだ価格です。
掲載されていない仕様や特殊要件についても柔軟に対応いたしますので、ぜひお気軽にご相談ください。

お問い合わせ

予算330万円 (税込) 未満で、機械学習を用いた画像識別や大規模言語モデルを使用した自然言語処理なども実施可能なマシンを希望する。
想定しているスペックは以下の通り。

OS：Ubuntu
メモリ：256GB以上
ストレージ：SSD 1TB以上、HDD 4TB以上
GPU：NVIDIA RTX 6000 Ada 世代 / 48GB以上

ご連絡いただいたご要望に合わせて構成を検討しました。
なお、ご提示の条件に対してご予算に余裕がありましたため、より快適な運用を見据えて、SSDおよびHDDの容量をそれぞれ2倍に拡張 (SSD 1TB→2TB、HDD 4TB→8TB) しました。

電源要件について

本構成は、将来的な拡張を想定していないGPU1基のみとなっております。
そのため、ご家庭や一般的なオフィス環境における「100Ｖ電源」で使用が可能です。
導入時以降にGPUの増設を検討される場合には、適切な電源ユニットや運用環境などを個別にご案内いたします。

同一型番のGPU「NVIDIA RTX 6000 Ada 48GB」を2基搭載した仕様の導入事例もございますので、下記ページをご参照ください。

参考：RTX 6000Ada x2枚搭載 AI開発用マシン

また、LLM要約タスクを用いて、GPU構成ごとの処理性能を比較検証した結果も公開しております。
ぜひ、構成検討の参考にご覧ください。

参考：もし、LLMに太宰治の『走れメロス』を要約させたらGPU構成ごとのパフォーマンスはどうなるのか？

GPUの増設や複数基の搭載に伴って構成全体の消費電力が増加する場合、200V電源環境でのご利用が必要となるケースもございます。

総消費電力の目安として、1600Wの電源ユニットをご利用の場合、200V環境では最大出力の1600W、100V環境ではおよそ1200Wまで対応可能です。

ご提示いただいたご希望に合わせて柔軟なマシンをご提案いたします。掲載内容とは異なる条件でも、お気軽にご相談ください。

お問い合わせ