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

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。

お問い合わせ

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。

お問い合わせ

昨年度、機械学習用途でRTX 4090を4枚搭載したPCを導入し、処理性能には満足していた。
今年度も、同等または後継機の構成を検討する必要があり、急ぎで見積もりをしてほしい。
RTX 4090に代わるおすすめGPUがあれば、4枚構成時の予算感を把握したい。

将来的にRTX PRO 6000 Max-Qを4枚まで搭載できる構成をご案内しました。

GPUについて

ご希望いただいたRTX 4090は、2025年10月現在、生産・流通が終了しているため、入手が困難です。
そのため、後継機種かつ上位互換としてNVIDIA RTX PRO 6000 Max-Q (VRAM 96GB) をご提案しました。
VRAM容量が非常に大きいため、大規模な機械学習など、高負荷をかける処理でも高いパフォーマンスを発揮します。

GPUの搭載数と電源構成

今回はRTX PRO 6000 Max-Qを1枚のみ搭載していますが、将来的なGPU増設を見据え、合計4枚まで拡張可能な筐体と電源を採用しています。
電源には200V専用の2800W電源を使用しているため、複数枚のGPUも余裕を持って動作させられます。

※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。

VRAMと関係が深いシステムメモリ

大容量のVRAMを活かした快適な計算の実現には、システムメモリ (RAM) にも高い性能が求められます。
今回は、システムメモリに512GBを搭載しました。
VRAMとRAMのバランスを最適化は、スワップの発生を防ぐとともに、計算処理の速度と安定性を維持します。

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

5年前に購入したRT X3090搭載PCで機械学習 (XGBoostなど) を行っていたが、GPUの動作不良のため、買い替えを検討している。
主にテーブルデータを用いた学習・推論が中心で、今後は深層学習 (LSTMなど) への展開も視野に入れている。
解析にはPythonやR、SASなどを使用し、数十万レコード規模のCSVデータを扱う。予算は100万円程度を想定。

CPU・メモリ構成について

現在の用途と将来的な拡張性を考慮し、従来使用されていたCore i9-10900Kの後継機種として、最新世代のCore Ultra 285Kを選択しました。
メモリは64GB（32GB×2）を搭載し、さらに2枚追加可能な構成とすることで、将来的なデータセットの大型化や深層学習への対応も可能です。

GPUとストレージの選定

GPUにはRTX3090の後継にあたるRTX 5090を採用。
XGBoostやLSTMなど、GPUを活用する処理において、前世代よりも高速な学習・推論が可能です。
複数GPU構成も選択肢にありましたが、コスト面を考慮し、単体GPUでの最適化をご提案しました。

ストレージにはPCIe Gen5対応のM.2 SSDを搭載。最大14GB/sの高速な読み込みにより、大容量のCSVデータのロード時間を短縮できます。

高発熱パーツへの冷却対策

RTX5090とGen5 SSDは発熱量が非常に高いため、安定した運用には冷却設計への工夫が欠かせません。
本構成では、ケースエアフローの最適化、M.2 SSD専用の冷却機構、GPUの排熱経路の設計など、複数の冷却技術を組み合わせることで、サーマルスロットリングやハードウェア故障のリスクを抑えています。

社内で高負荷時の温度試験を実施した結果、Gen5 SSDとRTX 5090を同時に稼働させた際も、性能の低下は確認されませんでした。
高発熱パーツを安定して運用するための冷却設計が機能しており、長時間の学習処理や高負荷な解析にも十分対応できる構成です。

メモリ増設やストレージの強化にも柔軟に対応できるため、研究の進展に合わせて安心して使い続けることができます。

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。
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

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。

お問い合わせ

予算300万円未満で医療画像DeepLearning用マシンの導入を検討したい。
用途は心電図や心音図の波型、病理画像などを用いた臨床データの機械学習を想定している。
予算内でできるだけ高性能のパーツ構成を求める。

また、予算の申請期限が明日のため、すぐに見積もりが欲しい。

急ぎのご依頼を受け、ご要望を踏まえた暫定構成をご提案しました。
CPUに「Xeon W7-2595X 26コア」を採用し、メモリ256GB (64GBｘ4) を搭載した仕様です。
DeepLearning用として、ワークステーション向けのハイエンドモデルとなるGPU「RTX6000 Ada 48GB」を選択しました。

将来的にGPUを増設できるよう、電源ユニットは余裕を持って1600Wモデルを採用しています。
GPU増設の予定がない場合には、電源容量を変更して価格を抑えることも可能です。

お問い合わせ

WES (全エクソームシーケンス) やロングリードのシーケンス解析に加えて、DeepLearningでも使用可能なマシンの購入を検討している。

予算は150万円以内で、居室の電源は100V。オンプレミス環境で使用し、将来的にはビデオカードやメモリの増設を考えている。
CUDAToolkitのプリインストールが希望で、現地設置を含めた内容で提案して欲しい。

ご連絡いただいた用途に合わせてPC構成を検討しました。

ご使用目的とご予算に合わせた構成

GPUを用いた解析処理を想定して、性能とコストの両面でメリットのある「GeForce RTX4090 24GB」を採用しました。
CPUは、ご予算の範囲内で選択できる製品の中でも特にコア数が多い「Ryzen Threadripper 7960X 24コア」を選択しています。

将来的なスペック増強に対する注意点

100V電源環境では、消費電力の関係から2枚目のGPU (RTX4090) の搭載が難しいため、GPU増設を考慮しない構成にてご提案しています。
200V環境でのご利用や、別GPUの利用を想定される場合にはご相談ください。

メモリに関しては、4つ存在するメモリスロットを全て使用しており、空きスロットがございません。そのため，メモリ容量を増やす場合は初期搭載の32GBメモリモジュールを取り外し、より容量の大きいモジュールに交換する方法での対応を想定しています。

なお、本件では初期状態でのスペックや設置環境などの条件を優先したご案内としておりますが、拡張性を重視したご相談も承っています。

様々なサポートのご提案

「若手研究支援キャンペーン」の対象でしたので、キャンペーン特典としてあんしん+3年保証 (標準1年保証) を無料で付与した内容でご提案しました。
キャンペーン特典は、以下のA・Bいずれかをご選択いただけます。

また、お客様のご要望にあわせて、現地設置サポートを含めた内容でご提案しました。現地への搬入・設置のご要望は、是非お気軽にご相談ください。

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。
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。

お問い合わせ

DeepLearningを始めたいので、入門用のマシンを導入したい。
希望するスペックは以下の通り。

・CPU：指定はないので、適切なものを提案して欲しい。
・メモリ：32GB
・ストレージ：500GB SSD M.2
・OS：Windows11
・GPU：適切なものを提案して欲しい。
・マウス・キーボード：無線タイプ
・予算：50万円前後

ご指定の条件を満たす構成を検討しました。
CPUとビデオカードはご予算内で導入できる組み合わせとしていますが、計算の高速化やプログラミングのためのGPGPU・CUDA利用でも過不足のない構成としています。
お客様へのヒアリングでは、DeepLearning初心者に向けたマシン導入・テスト的な導入というお話でしたので、以下の点に配慮したご提案となっています。

・CPUとビデオカードはご予算内で導入できる組み合わせ
・GPGPUやCUDAを入門的に使うにあたり、過不足のないスペック
・Anacondaパッケージサービス込み

お問い合わせ

検索キーワード
DeepLearning入門用マシン,DeepLearning,CPU,メモリ,ストレージ,Windows11,GPU,GPGPU,CUDA,Anacondaパッケージサービス,Deep learning，Machine learning，Artificial intelligence，Neural networks，Deep neural networks，Deep stacking networks，Supervised learning，Unsupervised learning，Natural language processing，Smart manufacturing，Computational intelligence，Data analytics，learning (artificial intelligence)，Information processing，Computer vision，AI，big data，programming