PC提案事例

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 Max-Q 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。

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、2TB級への拡張が可能な構成をご提案しています。

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。

お問い合わせ

クライオ電子顕微鏡の大量画像から三次元構造を再構築する解析処理を目的としたワークステーションを希望。
大量画像の三次元構造再構成を想定し、複数の解析ソフトウェアをLinux環境で運用したい。RELIONやCryoSPARCをはじめとしたLinux向け解析ソフトウェアの利用を想定している。

予算は約1,000万円で、研究効率向上のためGPU性能を重視したい。

GPU構成について

解析処理ではGPUの枚数だけでなく、VRAM容量や長時間運用での安定性が重要になります。そこで、ワークステーションとして最良の性能バランスを発揮できる構成として、NVIDIA RTX PRO 6000 Max-Q (96GB) を4枚搭載する方式をご提案しました。
このGPUは大容量VRAMを備えており、大規模データを扱う解析でも余裕をもって処理できる点が特長です。総メモリ帯域もしっかり確保でき、各種解析ソフトにおいて安定した処理性能を発揮できる構成です。

CPUとメモリについて

GPU処理と並行して大量のメタデータや中間ファイルを扱うため、Xeon Wシリーズを採用し、メモリは512GBを搭載しました。
GPU総VRAMを上回るメモリ容量を確保することで、RELIONやCryoSPARCなどでの大規模タスクでも処理が滞りにくく、長時間の解析でも安定性を維持できます。

ストレージとOS構成

複数の解析ソフトを利用されるため、依存関係やバージョン差異に強い Ubuntu 24.04 を標準OSとして選定しました。
ストレージは高速アクセスを重視し、1TB＋4TB NVMe SSDの2構成としています。解析データの読み書き負荷にも対応できるバランスを確保しています。

筐体と電源設計

GPU4枚構成を安定運用するため、排熱性能に優れたAblecom筐体を採用しました。
電源は2000Wリダンダント構成としており、継続稼働と負荷変動に強い設計です。
高負荷が続く研究用途でも安心して運用いただける構成としています。

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

NVIDIA Omniverseを使用するためのワークステーションを導入したい。
予算は700万円以内で、コストを抑えられる部分は極力抑えたい。
スペックについては、以下と同程度の構成を希望する。

CPU：Intel Xeon W7-3445
メモリ：512GB
SSD：2TB
GPU：NVIDIA RTX 6000 Ada　×2枚
電源：100V電源 ×2台を希望するが、難しい場合は200Vでもよい
OS：Ubuntu22.04 以上

ご要望にあわせて構成を検討しました。
CPUはXeon W7-3445の後継モデルである「Xeon W7-3545 24コア」を採用しています。
Xeon W7-3545のメモリチャネル数は８チャネルのため、64GBモジュール x8枚で合計512GBとしています。

電源につきましては、200V環境でご利用いただく必要がありますのでご注意ください。

お問い合わせ

DeepLabCut ver2.2の動作要件を満たす構成のPCが欲しい。
Geforce RTX3090を1枚搭載した構成を想定しているが、将来的には増設して2GPU構成にしたい。
その他、DeepLubCutやTensorflowのインストールを含めた状態での出荷を希望する。

DeepLabCutの最新版をインストールした構成にてお見積もりしました。
ただし、DeepLabCutは有志によって開発されている無償ソフトウェアのため、バージョンによっては挙動が安定しないことがあります。
セットアップの過程において、最新版の利用が難しいと判断した場合は、動作確認済みのバージョンにて提供させていただく可能性があります。

なお、TensorflowはDeepLabCutの動作に必須であるため、DeepLabCutのセットアップをご要望いただいた際には合わせてインストールを行っています。

お問い合わせ

検索キーワード
motion capture technology,automated behavioral analysis,DeepLabCut,Behavioural methods,Computational neuroscience,Machine learning,Zoology,behavioral tracking,closed-loop systems,deep-neural network,Image segmentation,Neuroscience,Shape,Pose estimation,Predictive models,murine behavior recognition,keypoint detection,machine learning

照明設計解析用ソフト LightToolsとDeepLearningに共用できるマシンが欲しい。
一般的な情報として、LightToolsはCPUのスレッド数、DeepLearningはGPUの性能とマルチ化が計算速度に影響すると認識しているが、費用と計算速度のバランスをどう考えるのがいいか相談したい。

具体的なスペックの要望として、CPUはLightTools用に16～48スレッドを希望。GPUはDeepLearning用にRTX2080Ti以上で将来的に増設できる構成にしたい。
メモリは256GB程度で、ストレージは処理速度と容量を考慮しつつ、複数台搭載したい。

ご検討のたたき台として、条件を満たした構成でのお見積もりをご用意しました。

• CPUが16～64コア程度の場合

  想定コア数の範囲をカバーしつつ、かつ動作クロックも比較的高く、複数枚のGPUに対応できるAMD Threadripper Proを用いた構成で検討するのが良いかと存じます。
  本事例のCPUは中間の32コアですが、64コアモデルと16コアモデルへの変更が可能です。

• 2枚目のGPUの増設について

  後付けで2枚目のGPU増設を想定し、外排気かつDeepLearning用としてチップ性能が高いRTX3090としています。 注意点として、100Vの電源環境で利用する場合はGPUの増設可能枚数が＋1枚までの保証となります。 PCI-Eスロット自体は4GPUまで対応できる構成ですが、100V環境では電源が1300Wまでの出力に制限されるためです。 電源側は200V環境にも対応していますので、200Vの電源環境で利用した場合は合計3枚までのGPUに対応します。 4枚目の利用は消費電力の面で厳しいとお考えください。

• ストレージについて
  速度面を考慮したご提案として、高速なNVMeタイプのSSDを2本搭載し、10TBのHDDも1台搭載しています。RAIDをご希望の場合、ご要望の内容によっては他のスペック部分に影響する可能性がありますので、予めご承知おきください。

お問い合わせ

検索キーワード
照明設計解析,Deep Learning,LightTools,Neural Network Console v2.3,Visual Studio 2015,Visual C++,Matlab,CPUスレッド数,GPU性能,RTX2080Ti, 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

computer simulation，integrating sphere，LightTools，LightTools code，Light guide，Photon transmission efficiency，Visible Light Communication(VLC)，Signal-to-interference-noise ratio(SINR)，freeform optics，illumination design，light emitting diodes，light scattering，micro-optics，Monte Carlo methods，optical design techniques，optical elements，optical engineering computing，ray tracing

学習済みのDNNモデルを予め用意しておき、そのモデルの推論専用サーバーを構築したい。DNNのGPU処理が可能な限り高速なマシンを希望。
GPU処理能力・GPUメモリを優先したいと考えており、事例No.PC-8351のようにRTX3090を4枚搭載した構成を想定している。
SSDは1TB程度、メモリは128GB以上、CPUの希望はないが、予算200万円の範囲内で高スペックなものにしたい。
電源は100Vでも200Vでも対応可能だが、サーバー用途のため24時間通電する想定。

ご連絡いただいた条件に合わせて構成を検討しました。

お問合せのきっかけとなった事例No.PC-8351とは異なる構成です。

■Point

・お客様がご覧になった事例No.PC-8351の2台の電源は、100V給電で4枚のGPUを動作させるために2台の電源を搭載している。(リダンダント構成ではない)
・上記の理由から、PC-8351はかなり特殊な電源構成であり、24時間稼働のサーバー用途には適していない。

この前提を踏まえ、用途を踏まえた上での参考見積もりとしての構成をご提案しました。

本事例の構成を利用する場合、電源環境は200V給電が必要です。
お客様の指定にあわせる形での構成案としていますが、サーバー用途である点を考慮すると信頼性に関わる部分のクオリティを下げることが難しいため、ご予算オーバーでのご提案としています。
ご予算優先の場合には、GPUの搭載数などを見直すことで調整できる場合がありますので、お気軽にご相談ください。

お問い合わせ

検索キーワード
機械学習,推論専用サーバー,RTX 3090,GPU処理能力,GPUメモリ,マシン構成,200V電源環境,SSD 1TB,メモリ128GB,サーバー用途, 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

RTX3090を4枚搭載した構成を希望。CPUはXeon Silver 4110を2基とし、メモリは合計128GB。ストレージはSSD 1TBを希望。筐体はSYS-7049GP-TRTあたりになるかと予想している。

※【記事】Geforce RTX 3090 複数枚での動作テスト (11月9日 4GPUに関する情報追記)をご覧いただいてのお問い合わせです。

お客様のイメージされているSYS-7049GP-TRTを用いた構成の場合、消費電力の面で200Vの電源環境が必須であり、その200Vの場合でも1800Wまでの出力となってしまいます。RTX3090は消費電力が1枚350Wとなるため、4枚で1400Wの消費電力となります。そのため、CPUやストレージなどの構成によっては、SYS-7049GP-TRTの電源容量でも足りなくなる可能性がありえます。この点を考慮し、今回の構成では1600W電源(100V時 1300W)を2台連動させることで、それぞれ100V電源ケーブルでGPU x4枚を稼働させる構成としています。

なお、本構成にはいくつかの制限が存在します。
まず、あくまで100V対応のために電源を分けているため、消費電力が15Aを超えます。そのため、必ず別系統の電源コンセントから給電していただく必要があります。 (1コンセントからのタコ足配線利用は不可です) 電気契約も15Aでのご利用は不可となります。

また、電源やGPUなどの物理的な配置の問題で、HDDなどを追加することができない構成です。内蔵で搭載できるドライブはM.2タイプのストレージが2枚までです。

最後に、上記の通り電源を連動させて給電する構成ですので、クリティカルな用途でのご利用は避けるようお願いいたします。電源 x2の構成ではありますが、これらはリダンダントではなく給電量を確保するための連動となりますので、片方の電源が故障した場合、システムは機能しなくなるものとお考えください。

お問い合わせ

※2021/12/08　半導体不足によるパーツ価格の高騰を受け，価格を修正しました

検索キーワード
RTX 3090×4搭載,4GPUマシン,DeepLearning,CPU Xeon Silver 4110,メモリ 128GB,ストレージ SSD 1TB,電源環境,消費電力,リダンダント

映像合成のためのニューラルネットワーク学習を行うことを目的としたワークステーションの購入を検討中。必要なフレームワークのインストール、3年延長保証を適用したい。

お客さまのご要望にて、GPUはTITAN Vでの構成としております。 弊社にてご指定のフレームワークのインストール及び、GPU対応のOpenCVをCUDAサポート付きでビルド設定して出荷いたしました。
本構成は2CPU+4GPU搭載のため、消費電力が大きく、200V環境でのご利用を前提としておりますのでご注意ください。

弊社ではGeForce系のシステムに関しても保証を3年まで延長可能ですのでご検討ください。

お問い合わせ

検索キーワード
映像合成,ニューラルネットワーク学習,2CPU,4GPU,クリエイティブ,ディープラーニング,TITAN V,フレームワークのインストール,3年延長保証,予算400万

ディープラーニングアルゴリズムをコアとしたシステムの導入を検討中。デスクトップ型、NVIDIA RTX 2080相当を3枚搭載したワークステーションで、システム領域・データ格納領域共にRAIDによる冗長化を希望。延長保証を付加したい。

システム部はRAID 1のSSD、データ領域はコストパフォーマンス優先でRAID 5、かつ、大容量のSATA HDDを採用した構成にてご提案いたしました。データ領域は20TB以上とのご希望がございましたため、この事例では、10TBのHDDを採用しております。弊社ではGeForce系のシステムに関しても保証を3年まで延長可能ですのでご検討ください。

お問い合わせ

検索キーワード
Deep Learning、3GPU、大容量ストレージ、ワークステーション、NVIDIA RTX 2080、RAID冗長化、延長保証、Xeon Silver 4216、10GBase-T、Ubuntu 18.04 LTS