アプライド HPC・AIソリューション【公式】

アプライド株式会社【公式】｜東証スタンダード3020
HPC・AIソリューションをワンストップ提供。
GPUサーバー／HPC／AI計算基盤の設計・構築・導入支援まで対応。
ISO認証取得。製品・導入事例・展示会情報をお届けします。

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

🚀 次世代AI開発を加速する、圧倒的な演算性能。

🔥 MSI XpertStation WS300
NVIDIA GB300 Grace Blackwell Ultra搭載！

大規模言語モデル（LLM）の推論・ファインチューニング、生成AI開発、研究用途など、高度なAIワークロードに対応する次世代AIワークステーション。

✅ 最大20 PFLOPSのAI演算性能
✅ 最大748GBの大容量コヒーレントメモリ
✅ 400GbE ×2による高速ネットワーク接続
✅ 大規模AIモデルのローカル実行環境を実現

💻 さらに、待望のWindows対応モデルも2026年12月発売予定！

Linux環境だけでなく、Windows環境でのAI開発・運用を検討されているお客様にも、選択肢が広がります。

企業のAI開発基盤から大学・研究機関での高度な研究用途まで、導入のご相談・お見積もりを承っております。

🔽 製品詳細・お問い合わせはこちら
https://t.co/ztTpTRGQfQ

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

🏢 アプライド Solution　AI外観検査 検証事例

グリースニップルキャップ/製造工場での外観検査自動化
工業製品の生産ライン検査の検証事例紹介

🌟 検査課題
金型の異常検知・早期発見、歩留まり改善
複数品目のヒューマンエラー見逃しが発生

🌟 検証項目
バリ、ショートショット、欠け、リング不良など

🌟 導入効果
AIで検査基準を定量化し属人化を解消
リアルタイム全数検査の実現

サンプルを用いた簡易的なPoC検証は無償で承ります
AI外観検査のご相談はこちらより
https://t.co/WbFOXor33G

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

前回は、NASを使ったデータ共有と
RAID1の仕組みをご紹介しました。

今回は、同じ「2ベイNAS」でも
何が違うのかを見ていきます。

ベイ数は、搭載できる
HDD・SSDの台数を示します。
ただし、ベイ数と保存容量が同じでも
NASの処理性能や拡張性まで
同じとは限りません。

D-Master NASの2ベイHDDモデルを比較すると👇
① Type-AS3302TV2
・メモリ2GB（増設不可）
・2.5GbE×1ポート
・NVMeキャッシュ非対応
少人数でのファイル共有や、PC内にある
写真・動画・事務データのバックアップを中心に使う
ベーシックモデルです。

② Type-AS5402T
・メモリ4GB／最大16GB
・2.5GbE×2ポート
・NVMeキャッシュ4スロット
メモリを増設できるため
複数ユーザーからのアクセスや
NAS上で複数の機能を利用する場合に
構成を調整しやすいモデルです。

③ Type-AS6702TV2
・メモリ4GB／最大16GB
・5GbE×2ポート
・NVMeキャッシュ4スロット
大容量データを扱い
5GbE対応のネットワーク環境を
利用したい場合の選択肢になります。

なお、AS5402TとAS6702TV2の
NVMeキャッシュはオプションです。
また、LANポートが2つあっても
1台のPCとの転送速度が
自動的に2倍になるわけではありません。

利用する機能やスイッチ、PC側の構成
通信方式まで含めて確認が必要です。
掲載されている容量は同じ4TBでも
NASを選ぶ際はベイ数だけでなく

・CPU
・メモリ容量と増設可否
・ネットワーク速度
・NVMeキャッシュ対応

まで確認することが重要です。

次回は、NVMeキャッシュが
どのような読み書きで効果を発揮するのか
向いているアクセス条件とあわせてご紹介します。

D-Master NAS一覧はこちら👇
https://t.co/YXsDOvTsZu

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

📣【大規模AI基盤を短納期で。 NVIDIA HGX B300 x8基搭載 AIサーバー 】

大規模AI向けGPU「NVIDIA HGX B300 8-GPU」を搭載したAI学習・推論向けの最先端コンピューティング・プラットフォームを短納期で。

【QCT QuantaGrid D75H-10U】
NVIDIA B300 x8基搭載 AIサーバー
⚡ NVIDIA HGX B300 8-GPU Baseboard搭載
🧠 Intel® Xeon® 6 プロセッサ 2基搭載
💻 NVIDIA ConnectX-8 OSFPポート 8基装備
🌐 PCIe Gen5拡張スロットを最大4基サポート

ハイエンドモデルになればなるほど短納期が難しくなっている中、驚きの短納期モデルが登場！！
次世代の生成AI、企業のAI基盤、研究開発の大規模計算に。圧倒的なパフォーマンスに注目です。

https://t.co/H0GxbMpAJC

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

📣【導入事例｜九州工業大学】

【パワー半導体のTCADシミュレーションを支えるワークステーション】

研究・設計・画像処理などの高負荷な業務向け
『Red Hat Enterprise Linux for Workstations』を搭載した
ワークステーションを導入いただきました。

■構成
・OS Red Hat Enterprise Linux Workstation Standard
・CPU Intel Xeon w5
・メモリ128GB（32GB×4）ECC
・GPU NVIDIA RTX PRO 2000 Blackwell

■今回のポイント
・Red Hat Enterprise Linux for Workstationsを採用。
⇒高性能グラフィックス・アニメーション・科学計算に最適化され、
　業務に集中できる機能とアプリケーションを備えています。

・高い処理性能を備えたIntel Xeon w5を搭載。
⇒TCADシミュレーションにおける複雑な計算処理や、複数条件での解析を効率的に実行。

・大容量メモリ128GB ECCを搭載。
⇒大規模なシミュレーションデータの処理や、複数の解析ツールを併用する研究環境を支援。
　ECCメモリにより、データの信頼性が求められる計算処理にも対応します。

・NVIDIA RTX PRO 2000 Blackwell 16GB GDDR7を搭載。
⇒GPUを活用した演算処理や可視化を支援し、シミュレーション結果の解析・評価を効率化します。

本構成により、パワー半導体の電気的特性やデバイス内部の電界・電流分布などを解析する
TCADシミュレーションの実行環境を整備。

半導体デバイスの設計・性能評価に向けた計算処理と解析結果の可視化を支え、
研究開発の効率化に貢献するワークステーションを実現しました。

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

これまでGPUの演算精度について
ご紹介してきましたが
今回からは、計算後の
「データをどこへ保存するか」を見ていきます。

研究室で、実験PCから解析PCへ
USBストレージでデータを移していると👇
・同じファイルが複数のPCに残る
・どれが最新版か分からなくなる
・PCごとに空き容量を管理する必要がある

といった問題が起こります。
NASは、ネットワーク経由で
複数のPCから利用できるストレージです。

D-Master NAS HDD
Type-AS3302TV2の主な構成👇
・4コア／1.7GHzのCPU
・2GB DDR4メモリ
・2.5GbE×1ポート
・耐久HDD 4TB×2台
NASは単にHDDを共有するだけではなく

CPUがファイル共有やRAID処理を行い
メモリを使って処理を管理し
ネットワーク経由で各PCへデータを届けます。

本モデルのHDDは4TB×2台ですが
RAID1では同じデータを2台へ書き込むため、
8TBすべてを保存領域としては使わず
製品仕様上のRAID容量は4TBです。

NASを選ぶ際は容量だけでなく
CPU・メモリ・ネットワーク・RAID構成まで
確認することが重要です。

次回は、NASの処理性能を左右する
CPU・メモリ・キャッシュの役割をご紹介します。

製品はこちら👇
https://t.co/femEg1gxGD

アプライドでは
用途に合わせたNASおよびGPUワークステーション
GPUサーバーをご提案しています。
ご検討の際はお気軽にご相談ください。
📞 HPC製品 ご相談ダイヤル：092-481-8050

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

【導入事例紹介｜東北大学 イノベーションセンター様】📣

「AI × 健康科学。機械学習で解き明かす、健康と生活習慣の関係。」

東北大学 イノベーションセンター様に、GIGABYTE製ハイエンドノートPC
**「AORUS MASTER 16 6ZJM6JPE64SP」**を導入しました！

研究事例の一つとして、機械学習を活用した研究データの解析により、
AI・データサイエンスを健康科学に応用されております。

🌟 今回のポイント
・GIGABYTE AORUS MASTER 16
・CPU：AMD Ryzen 9 9955HX3D
・GPU：NVIDIA GeForce RTX 5090 Laptop GPU 24GB
・メモリ：DDR5-5600 32GB
・ストレージ：NVMe SSD 1TB
・16インチ WQXGA OLEDディスプレイ
・Windows 11 Pro
① RTX 5090 Laptop GPU 24GB
大容量VRAMを活かし、AI・機械学習や画像データ解析などのGPU処理をサポート。
② Ryzen 9 9955HX3D
16コア32スレッドの高性能CPUで、複数の処理や高負荷な計算ワークロードに対応。
③ WINDFORCE Infinity EX
大型ベイパーチャンバーとデュアルファンを採用した高性能冷却機構。高負荷時のパフォーマンスを支えます。
④ 高精細OLEDディスプレイ
WQXGA・240Hz・DCI-P3 100％対応。画像や映像データの確認・可視化にも適した表示環境です。
高性能CPU × RTX 5090。

機械学習によるデータ解析から、健康・医工学分野の研究開発まで。高性能GPUを搭載したモバイルワークステーションが、研究活動をサポートします！⚡

https://t.co/MZzOW2T43z

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

📣【導入事例｜広島大学】

🚀 高性能GPU × AI × 4Dデジタルツイン。

高速ビジョンによる情報センシングで、
人や物の目に見えない動きを可視化。
AIと物理モデルを活用し、
現実世界の動きを4Dデジタルツインとして再現する先端研究。

こうした高度な研究を支えるため、
広島大学様へハイエンドワークステーションを導入いたしました！

■主要構成
・Intel Core Ultra 9 285K（24コア）
・メモリ128GB
・NVIDIA RTX PRO 6000 Blackwell 96GB
・NVMe SSD 2TB
・Windows 11 Pro

■今回のポイント
NVIDIA RTX PRO 6000 Blackwellを搭載！
96GBの大容量GPUメモリにより、
AI解析や大規模なデータ処理を支援します。

時空間データの解析から、
デジタルツインによる現実世界の再現まで。
アプライドは高性能ワークステーションで、
最先端の研究開発を支援します！

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

🔥 話題のAIモンスター、いよいよ登場！ 🔥

🚀 MSI PRO MAX EDGE AI+
初回入荷分、確保しました！

⚡ AMD Ryzen AI Max+ 395 搭載
⚡ 大容量128GBメモリ
⚡ 超コンパクトな次世代AI PC！

📦 11月5日より出荷可能！

初回入荷分は数量限定！
お探しの方はぜひお早めに🔥

👇商品詳細はこちら
https://t.co/hMnd8hWatv

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

📣【AIサーバー導入事例｜大阪大学】

🧬 オルガノイド × AI × デジタルツイン。
ヒトの組織を模した「オルガノイド」とAI・数理モデルを組み合わせ、
生命現象の解明や、次世代医療につながるデジタルツインの実現を目指す先端研究。
このような研究を支えるため、大阪大学の研究室にハイエンドAIサーバーを導入しました！

■サーバー構成
・AMD EPYC 9365（36コア/72スレッド）
・メモリ192GB (Registered ECC DIMM）
・RTX PRO 6000 Blackwell 96GB ×4基（384GB）
・NVMe SSD 960GB (U.3 NVMe-SSDx２基　RAID仕様）

■今回のポイント
　RTX PRO 6000 Blackwellを4基搭載！
　GPUメモリは合計384GB。

大規模なAIモデルの学習・推論や、膨大な研究データの解析など、
高度な計算処理を支えるハイパフォーマンス環境を実現しました。

オルガノイドからデジタルツインへ。
AIが切り拓く生命科学・医療研究の新たな可能性を、
アプライドのAIサーバーで支援します。

🔗 アプライド HPC導入事例はこちら
https://t.co/Zwqb655ogB

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

📣【導入事例｜京都大学医学部】

細胞1つひとつの情報から、生命の仕組みに迫る。

遺伝子発現データだけでなく、
画像情報も組み合わせた高度な解析。

多様な生体データを扱う研究を支える
GPUワークステーションを導入しました。

■構成
・Core Ultra 9 285K（24コア）
・メモリ256GB
・RTX PRO 4000 Blackwell（24GB）
・NVMe SSD 4TB ×2

■今回のポイント
大容量メモリとGPUを搭載。
シングルセル解析や空間解析など、
大規模な生体データ解析を支援します。

🔗 導入事例
https://t.co/7HDGgbF3fz

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

【11月5日発売開始！】🚀

MSIの高性能AI PC
「PRO MAX EDGE AI+ 11M-008JP」 が登場！

📢 ご購入いただけるのは、MSI公式サイト または アプライドのみ！

AMD Ryzen™ AI Max+ 395と128GBのユニファイドメモリを搭載。
最大120B規模の大規模言語モデル（LLM）をローカル環境で実行可能！

🌟 主なポイント
・AMD Ryzen™ AI Max+ 395（16コア32スレッド）
・128GB LPDDR5Xメモリ
・最大96GBをVRAMとして割り当て可能
・わずか4Lのコンパクトなアルミ筐体
・最大4画面出力対応
・Wi-Fi 7搭載

クラウドに依存しないAI活用を、コンパクトな一台で実現！

👇 製品詳細・MSI公式サイト
https://t.co/kcXRe0KbiU

🛒 アプライドでのご購入はこちら！
https://t.co/e5FuNYcPpC

購入できるのはMSI公式サイトとアプライドだけ！
ぜひチェックしてください！

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

前回は「FP64」についてご紹介しましたが
GPUの仕様では「FP32」という表記もあります。

FP64が
「倍精度演算」なのに対して、

FP32は
「単精度演算」と呼ばれます。

では
倍精度と単精度は何が違うのでしょうか？

コンピューターで小数を扱う場合
数値を表現するために使用するbit数によって
扱える精度が変わります。

🔹 FP64（倍精度）
64bitを使って数値を表現。

より細かな数値まで扱うことができ
計算誤差の影響を抑えたい
科学技術計算などで利用されます。

🔹 FP32（単精度）
32bitを使って数値を表現。

FP64ほどの精度を必要としない処理では
より少ないデータ量で計算できるため
大量の演算を高速に処理したい用途
で広く利用されています。

例えば
・画像処理
・可視化
・3D処理
・一部のシミュレーション
・GPUコンピューティング

などでFP32が利用されます。

そしてGPUによって
FP32とFP64それぞれの演算性能には
大きな違いがあります。

前回ご紹介したGPUで
FP32性能を見てみると👇
① NVIDIA A800 40GB Active
FP32性能
19.5 TFLOPS
② NVIDIA H200 NVL 141GB
FP32性能
60 TFLOPS
さらに
③ NVIDIA RTX PRO 6000 Blackwell Max-Q
FP32性能
110 TFLOPS

となっています。

一方で
FP32性能が高いからと言って
FP64性能が高いとは限りません。

GPUにはそれぞれ得意な演算があるため

「使用するソフトウェアが
単精度と倍精度のどちらを必要としているのか」
を確認することが重要です。

GPU選定では
VRAM容量やCUDAコア数だけでなく
FP32・FP64などの演算精度にも
注目してみてください。

アプライドでは
用途に合わせたGPUワークステーション
GPUサーバーをご提案しています。
https://t.co/kMbgPC5aDZ

GPU構成をご検討の際は
お気軽にご相談ください。

📞 HPC製品 ご相談ダイヤル：092-481-8050

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

科学技術計算でよく見かける
「FP64」って？

GPUやCPUの仕様を見ると
FP64という表記を見かけることがあります。

FP64とは
『64bitの浮動小数点数を使って計算する
　「倍精度演算」』のことです。

では
倍精度計算というのは何なのでしょうか？

コンピューターで小数を扱う場合
表現できる桁数には限りがあります。
倍精度では
より多くの桁数を使って数値を表現できるため
細かな数値まで扱いながら
計算誤差を抑えた処理が可能になります。

そのため
・数値シミュレーション
・流体解析
・構造解析
・分子動力学
・その他の科学技術計算
など

わずかな計算誤差の積み重ねが結果に影響する処理
で利用されることがあります。

では
GPUならどれでもFP64計算に向いているのでしょうか？
実はGPUによって
FP64の演算性能には大きな差があります。

そのため科学技術計算向けのGPUを選ぶ際は

VRAM容量やCUDAコア数だけでなく
「FP64性能」も確認したいポイントです。

例えば👇
① NVIDIA A800 40GB Active
FP64性能
9.7 TFLOPS
40GBのHBM2メモリを搭載し
HPC・科学技術計算にも対応します。

② NVIDIA H200 NVL 141GB
FP64性能
30 TFLOPS
141GBのHBM3eメモリを搭載し
より大規模なHPCワークロードにも対応します。

もちろん
すべての科学技術計算で
倍精度計算が必要というわけではありません。

使用するソフトウェアや計算内容によって
必要な演算精度は異なります。

GPUを選定する際は
「どのGPUが一番速いか」だけでなく
「使用する計算に必要な精度は何か」
という点も重要です。

アプライドでは
A800やH200 NVLをはじめ、
FP64性能を重視したGPUサーバー構成もご提案しています。
https://t.co/O1bnx4WU7B

科学技術計算・シミュレーション向けの
GPU構成をご検討の際は、お気軽にご相談ください。
📞 HPC製品 ご相談ダイヤル：092-481-8050

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

【導入事例｜九州大学農学研究院様】

遺伝解析・並列計算向けワークステーションを導入させて頂きました！

CPU性能を重視し、大容量メモリ128GBを搭載。
研究用途に合わせた最適なシステムを実現しました💻

🔹 AMD Ryzen 9 9950X3D
🔹 メモリ 128GB DDR5
🔹 2TB NVMe SSD ＋ 4TB HDD
🔹 Ubuntu 24.04 LTS

研究内容や計算処理に合わせた最適な構成をご提案いたします！
研究環境でお困りのことがございましたら、ぜひアプライドにご相談ください。

🔗 詳細はこちら
https://t.co/HagddGBCCz

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

【納入事例】九州産業大学様に最適化したCell Ranger稼働ワークステーションを納入！
生命科学の最先端を支える高精度な単一細胞RNA解析。
その莫大な演算処理をストレスなく安定稼働させる、ハイエンドなハードウェア環境を構築いたしました。
研究スピードを一切妥協させない信頼の構成設計で、学術研究の成果創出に貢献します。
アプライドでは各研究室のワークロードに合わせたカスタム仕様のご相談も随時承っております。
アプライドユニブサイトはこちら↓
https://t.co/KQdMPLgbZO

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

📣【導入事例｜岡山大学 様】

[倍精度計算のためのNVIDIA A800 GPU搭載HPC提案]
GPU受注生産のため、ご注文から約3カ月…大変お待たせ致しました。
岡山大学様へGPUによる倍精度計算用途に使われるワークステーションの納品を行わせていただきました。
AI/LLM推論等への利用に人気のBlackwellシリーズについては倍精度（FP64）性能がかなり制限（約1.8TFLOPS程度）をされています。

今回はそこを注視し、倍精度計算性能9.7TFLOPSを実現できる
NVIDIA A800 40GB GPU を搭載したHPCの導入の
ご提案、納品させていただきました。

◆構成
・OS:Windows 11Pro
・CPU：Intel Core Ultra 9　285K
・メモリ：64GB（DDR5 32GB x2枚）
・ストレージ：1TB NVMe SSD Gen4
・GPU：NVIDIA A800 40GB (FP64:9.7TFLOPS)

受注から約3カ月程度での納品となりました。
年度内ご予算でのご検討のお客様がいらっしゃいましたら、仕様策定等についてもぜひお早目のご相談をお願い致します。

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

📣DGX Spark 64GB 発売開始！📣

ローカルAIを、より導入しやすいコストで始めたい方に注目のモデルが登場！

デスクトップAIコンピュータ「DGX Spark」に、ユニファイドメモリ64GB版が加わりました。

既存の128GB版と同じGB10 Grace Blackwell Superchipを搭載しながら、メモリ容量を64GBに抑えることで、
導入コストを抑えやすいのが大きなメリットです。

最新のオープンモデルをローカルで動かしながら、OSやKVキャッシュ、AIエージェントが利用する追加のモデルや
ツールのためのメモリも確保できます。

🌟 さらに注目したいのが、2台構成による性能向上と費用対効果！

64GB版を2台、ConnectX-7で接続すれば…

🚀 FP4演算性能：合計2PFLOPS
🚀 メモリ帯域幅：273GB/sから446GB/sへ向上
🚀 1台構成と比べて約1.7倍の性能

128GB版1台と比べてコストは約40％増となる一方、約1.7倍の性能が得られるため、性能向上を重視するなら、
2台構成も魅力的な選択肢です。

まずは64GB版で導入コストを抑え、より高い処理性能が必要になれば2台構成を検討する。ローカルLLMやAIエージェントを活用する環境を、
予算と用途に合わせて選べるのが魅力です。

コストとパフォーマンスのバランスを重視したAI環境づくりに、「DGX Spark 64GB」を検討してみてはいかがでしょうか？

#NVIDIA #DGXSpark #生成AI #LLM #AIエージェント

https://t.co/1yR7QwRVp9

https://t.co/Gzqyb80aG8

[アプライド HPC・AIソリューション【公式】 @applied_HPC_AI]

🚀【ローカルAI、新章開幕！】

NVIDIA GB10 Grace Blackwell Superchip搭載！
デスクトップサイズのAIスーパーコンピューターが続々登場！

🔥 MSI EdgeXpert
🔥 Dell Pro Max
🔥 HP ZGX Nano AI Station

注目の3メーカーをピックアップ！

コンパクトな筐体に先進のAI処理能力を凝縮。
大規模言語モデル（LLM）の推論、RAGを活用した社内ナレッジ検索、生成AIアプリケーションの開発など、幅広いAIワークロードに対応！

💡 機密データを外部クラウドへ送信せず、手元の環境でAIを動かしたい企業・研究機関にもおすすめです。

メーカーごとの仕様・価格・販売状況をまとめて比較！
あなたのAI開発環境に最適な1台を見つけてください。

👇 GB10搭載AIスーパーコンピューター特集
https://t.co/Zl9XWUKDrF