エージェント

ネットワーク接続の最適化が人工知能ビジネスモデルの効率性を左右する

2026年11月22日 · 読了 1 分

a close-up of a stopwatch
iSawRed / Unsplash

人工知能のプロセッサの計算速度は、最も遅いデータパケットの速度によって制限されます。ネットワークが人工知能アプリケーションの妨げになると、高性能なGPUクラスターへの投資は十分な成果を上げない可能性があります。

ネットワーク監視サービスを提供するKentikの分析によると、ジョブ完了時間におけるネットワークの割合は10パーセントから50パーセントに達することがあります。GPUが最適に活用されないことで回避可能な待ち時間が発生し、スマートアプリケーションのコストを不必要に押し上げます。

Asia Pacific Network Information Centreのモデル計算では、わずか0.1パーセントのパケット損失率でGPUの利用率が13パーセント以上低下することが示されています。損失率が1パーセントに上昇すると、プロセッサが計算作業に費やす時間は5パーセント未満になります。H100 GPUの平均レンタル費用が1時間あたり2ドルから8ドルであるため、プロバイダーやワークロードによっては、コスト超過が6桁または7桁の金額に達する可能性があります。

こうした課題に対し、Network-as-a-Service技術を推進するMplifyなどのグローバルアライアンスや、相互接続サービスの自動提供に向けた共通APIを開発するIX-APIなどの取り組みが進んでいます。これらの技術により、相互接続サービスは相互運用性が高まり、ベンダーに依存せず、自律的な制御が可能になります。

また、ドイツ経済研究所の調査では、ドイツ企業が人工知能を用いて製品を革新的にした場合、1200億ユーロ以上の売上が可能であるとされています。SAPなどの事例に見られるように、ERPシステムの核心にアルゴリズムを組み込むことで、予測的なビジネスモデルの確保が期待されています。