『---』の検索結果

サーバ用メモリーとは？PC用との違いと取り付け時の注意ポイント【トゥモロー・ネット 技術ブログ】

確認すべき項目を解説サーバを安定して動かすうえで、メモリーはとても重要な部品です。Webサイトの表示、ファイル共有、データベース処理、仮想マシンの稼働など、サーバが行うほぼすべての処理に関わっています。「容量が多ければよい」と考えられがちなメモリーですが、サーバ全体として考えるとそれだけでは不十分です。対応するメモリーの種類、エラーへの強さ、CPUやマザーボードとの相性、正しいスロットへの取り付け方まで確認する必要があります。本記事では、サーバ用メモリーの基本と、PC用メモリーとの違い、取り付け時の注意点を分かりやすく紹介します。 メモリーとは メモリーは、CPUが処理しているデータや、OS・アプリケ

オンプレ・クラウドを横断するAIデータ基盤の構築手法

Cohesity DataProtectによる汎用NAS（SMB共有）のバックアップ検証【トゥモロー・ネット 技術ブログ】

量ストレージ管理方法はじめに Cohesity DataProtectでは物理サーバOS、仮想マシン、NASなどの既存データをWeb経由で簡単にバックアップできます。今回はCohesity DataProtectでの汎用NASのデータバックアップ方法を検証しました。 Cohesity DataProtectについて Cohesity DataProtect(以下、Cohesity)はCohesity社が提供する企業向けデータ保護ソリューションです。クラウド、オンプレミスで分散・複雑化したデータを単一のプラットフォームでデータのバックアップ、リストア、ランサムウェア対策が実現できます。データ保護対

性能だけではない、GPU選びの新基準【WEBセミナー】

究所マジセミ株式会社～コスト・納期・電力まで考える、これからのGPUサーバー選定ポイント～ 2026年10月21日(水) 13:00よりマジセミ株式会社・株式会社オープンソース活用研究所ご協力のもと、WEBセミナーを開催いたします。生成AIやAIエージェントの急速な普及に伴い、企業におけるGPUの役割は従来の「研究・検証」から「業務システムやAI基盤を支える重要インフラ」へと大きく変化しています。 しかし、昨今の部材価格の上昇や運用コストの増加に伴い、「高性能＝自社にとって最適」とは限らなくなってきました。これからは、GPU性能だけでなくコスト・電力・納期までを含めた総合的な判断が不可欠です。

TMN_KR-CX7H200-400G

2025年9月18日生成AI・AIエージェント時代を支える次世代GPUサーバー TMN_KR-CX7H200-400Gは、大規模言語モデル（LLM）の学習・推論から、AIエージェント基盤、RAG環境、高性能コンピューティング（HPC）までを支えるエンタープライズ向けAIサーバーです。 NVIDIA H200 GPUを8基搭載し、大規模AIワークロードに対応。トゥモロー・ネットは、AIプラットフォームの構築からサーバー提供、導入支援、運用までワンストップで支援します。 TMNが提供するAIインフラ AI活用はPoCの段階から本番運用へと進み、大規模な推論基盤や社内専用AI環境への

TMN_KR-CX8B300-800G

2026年9月18日生成AI・AIエージェント時代を支える次世代GPUサーバー TMN_KR-CX8B300-800Gは、大規模言語モデル（LLM）の学習・推論から、AIエージェント基盤、RAG環境、高性能コンピューティング（HPC）までを支えるエンタープライズ向けAIサーバーです。 NVIDIA B300 GPUを8基搭載し、大規模AIワークロードに対応。トゥモロー・ネットは、AIプラットフォームの構築からサーバー提供、導入支援、運用までワンストップで支援します。 TMNが提供するAIインフラ AI活用はPoCの段階から本番運用へと進み、大規模な推論基盤や社内専用AI環境への

GDS (GPUDirect Storage) とは？GPUの真価を引き出すAIストレージ要件【トゥモロー・ネット テックブログ】

お問い合わせはこちらはじめに LLMやRAGの広がりとともに、ビジネスでのAI実装が加速しています。こうした中、高性能GPUを導入したにもかかわらず、期待した処理速度が出ない、という課題に直面しています。 原因は、GPUの演算能力不足ではなく、データを送るストレージとシステムメモリ間のボトルネック（I/Oボトルネック）にあります。このボトルネックを解消し、GPUのポテンシャルを100%引き出すための技術が、NVIDIAの「GPUDirect Storage (以下、GDS)」です。 本記事では、GDSの仕組み、従来のデータ転送との違い、必須コンポーネント、インフラ要件、そしてGDSの効果を最大化

液浸冷却とは？GPU・AIサーバーの発熱問題を解決する仕組み・メリット・空冷との違い【テックブログ】

な仕組みと今後の展望AI開発や大規模なディープラーニングにおいて、GPUサーバーの演算性能を維持するためには、いかに効率よく熱を逃がすかが重要なテーマとなっています。最先端のAI用GPUは劇的な進化を遂げていますが、それと同時に発生する凄まじい発熱量がデータセンターの運用を脅かしているからです。従来のファンを用いた空冷システムでは冷却が追いつかず、機材が本来のポテンシャルを発揮できないケースが増えています。本記事では、空冷の限界と発熱が引き起こす技術的ボトルネックを整理し、その解決策として注目される「液浸冷却」の仕組みやメリット、選定基準を詳しく解説します。 液浸冷却とは？AIサーバーの発熱問題と「期待通り

Kubernetes × AI｜GPU搭載オンプレ環境での機械学習基盤構築ガイド【トゥモロー・ネット テックブログ】

お問い合わせはこちらAI（人工知能）のビジネス活用や大規模なディープラーニングの取り組みが本格化する中で、モデルの開発から本番運用までの一連のサイクル（MLOps）を支える基盤づくりが急務となっています。その中核として、コンテナ管理を自動化するKubernetesの導入が拡大しています。しかし、コンテナ層と物理ハードウェア層の複雑な連携により、期待通りの性能が出ないといった問題に直面することも少なくありません。本記事では、Kubernetesを用いたAI基盤のメリットと、オンプレミス環境で直面する性能の壁、そして失敗しない構築基準を解説します。 KubernetesをAI・機械学習（MLOps）基盤に導入す

機密データを守るオンプレ仮想基盤を早く・手軽に導入する方法