AIインフラを支えるストレージ技術：目立たなくても重要な要素（2/3 ページ）

[友森健一郎（スイスビットジャパン），EDN Japan]

3. 産業エッジAIインフラの5つの要素

　「目立たないけれども不可欠な部品への依存」という課題は、AIがデータセンターの外に出て、現場に近い場所で処理を行う「エッジAI」において、さらに切実な形で表れます。

　AIは、機械、生産システム、ロボットプラットフォームに直接組み込まれつつあります。産業用途では、最大のモデルを動かすことよりも、データをローカルで、安全に、リアルタイムに処理できるかどうかが成否を分けます。外観検査や自律ロボティクス、予知保全などアプリケーションにかかわらず、信頼性の高いエッジAIは、コンピュート、ストレージ、ソフトウェア、セキュリティ、接続性という5つの要素の連携によって成り立っています。

　欧州電気通信標準化機構（ETSI）は、コンピュートリソース、ストレージ、アプリケーションをデータ発生源の近くに移動させるインフラとして、マルチアクセス・エッジ・コンピューティング（MEC）を定義しています。産業事業者にとってこれは、クラウド接続の有無にかかわらず現場で判断を下せることを意味します。クラウドはアナリティクス、フリート管理、世界規模でのAIモデル配信において引き続き重要ですが、生産に直結する判断はローカルで下す必要があります。

　コンピュートの領域では、最新の産業用エッジAI PCが、かつてはデータセンターに限られていた水準の演算性能を実現しつつあります。CPU、GPU、専用NPU（Neural Processing Unit）を組み合わせることで、複雑なAIアプリケーションを機械の直近で実行できます。従来は推論が中心だったエッジシステムも、学習やチューニングの一部を担うようになりつつあり、ロボティクスの分野では、実際の稼働データを用いて動作やグリップ戦略（対象物をつかむ際の力加減や角度の制御）を継続的に最適化できるようになっています。ソフトウェア層は、LLMによる診断支援から、画像処理と文脈理解を組み合わせるVision Language Model（VLM）、認識・解釈・行動を一つのアーキテクチャに統合するVision-Language-Action（VLA）モデルまで、ハードウェアとAIをつなぐ役割を担います。接続性については、産業用AIにとって重要なのは最大帯域幅よりも、確実かつ低遅延にデータを届けられるかどうかであり、クラウド接続が途切れても現場での判断を継続し、復旧後に同期できる耐障害性が求められます。

マシンビジョンとエッジAIは、産業オートメーションにおける画像・センサーデータの低遅延・高可用性を実現する［クリックで拡大］ 出所：Swissbit

4. ストレージに求められる要件

　プロセッサやAIアクセラレーターが進化を続ける一方で、ストレージは産業エッジAIの中核インフラであり続けています。コンピュートが情報を処理するのに対し、ストレージはモデル、設定、稼働データ、そして判断のトレーサビリティを保存する役割を担います。

　産業システムは少なくとも5年、多くの場合はそれ以上にわたって稼働し続けます。その間にOSは更新され、AIモデルは入れ替わり、データセットは増え続け、新たな機能が追加されます。ロボット作業セル（ロボットが配置された生産ユニット）は工程・画像・診断・品質データを絶えず生成し、マシンビジョンシステムは学習・検証・トレーサビリティのために高解像度の画像シーケンスを保存します。予知保全アプリケーションは、変化の兆候を早期に捉えるため、何年にもわたってセンサーデータを蓄積します。テレメトリやログデータは、数年後であってもエラーなく読み出せなければならず、この信頼性は電源断やその他のプロセス中断時にも維持されなければなりません。エッジ環境では、生産ラインなど大きな温度変化やばらつきにさらされる場所に推論サーバが設置されることも多く、熱的な安定性も重要な要素となります。

　従って、ストレージは容量だけで選定すべきではありません。エンデュランス（書き込み耐久性）、データの完全性、長期的な信頼性も同様に重要であり、産業用ストレージには高い書き込み負荷、頻繁な更新、温度変化・振動・粉じん・電圧変動といった過酷な環境条件への耐性が求められます。エラー訂正、電源断保護（パワーロスプロテクション）、ヘルスモニタリング、固定されたファームウェアバージョン、管理されたプロダクトライフサイクルは、いずれも欠かせない要素です。書き込み中に予期せずシステムが停止した場合でも、電源断保護があればデータ破損を防ぎ、故障のリスクを低減できます。

　容量計画（ストレージの容量設計）も見落とされがちなポイントです。AIモデル本体はもちろん、学習データ、メタデータ、バックアップ、ログファイルも追加の容量を必要とします。さらに、モデルを複数世代にわたって保持する場合、その分の容量も見込まなければならず、長期保存の要件もさらに需要を押し上げます。モデルの最初のバージョンだけを想定した容量設計は、恐らく早い段階でボトルネックになります。こうした要件に対応するため、産業用PCIe SSDの中には、自社開発のコントローラーファームウェアと産業グレードのNANDフラッシュを組み合わせ、ハードウェアによる電源断保護や高いエンデュランスを備えた製品も登場しています。

　なお、ローカルストレージはデータガバナンスやデータ主権の観点からも重要です。製造ノウハウや品質データ、学習済みモデルが自社インフラ内にとどまることで、外部への依存やクラウドストレージへのデータ転送コストを抑えられます。