【ITニュース解説】Community-Powered GPUs vs. AI Data Centers: A Case Study of Neurolov’s $12M Deployment

現代社会では、人工知能（AI）の技術が目覚ましい速さで進化しており、これに伴ってAIモデルを動かすために必要な計算能力、いわゆる「コンピュート」に対する需要も急増している。この膨大な計算能力の要求に応えるため、これまで主流とされてきたのは、大量のGPU（画像処理装置）を集積した大規模なデータセンターを建設することだった。

しかし、このような「ハイパースケール」と呼ばれる大規模データセンターの建設と運用には、非常に大きなコストと環境への負荷が伴う。まず、建設用地の確保だけでも高額な費用がかかり、例えばアメリカのバージニア州北部では1エーカーあたり100万ドルから300万ドルにもなる。さらに、100メガワット（MW）級のGPU施設を建設するには、5億ドルから12億ドルという巨額の費用が必要で、これには特殊な冷却システムやシステムの冗長化にかかる費用は含まれていない。

運用面でも問題は大きい。データセンターは膨大な電力を消費し、アメリカのデータセンター全体では2023年に176テラワット時（TWh）を消費し、2028年には580TWhに達すると予測されており、これは国内総電力の約4.4%に相当する。また、大規模なデータセンターの冷却には大量の水が不可欠で、例えば150MWの施設では年間1億2000万ガロンもの水が必要となり、これは250万人分の1日あたりの水需要に匹敵する量だ。

大手AI企業がこのような中央集権型データセンターを建設し続けるのは、インフラを直接制御できること、顧客を自社のクラウドエコシステムに囲い込めること、そしてスケーリングの恩恵を自社のワークロードに集中させられるという利点があるためだ。しかし、このモデルは中小規模の開発者やスタートアップ、研究者にとっては高価でアクセスしにくいという課題を抱えている。

こうした状況に対し、Neurolovという企業が「NeuroSwarm（ニューロスワーム）」という全く異なるアプローチを提案している。これは、GPUを中央に集めるのではなく、私たちが普段使っているスマートフォン、ノートパソコン、ゲーミングPCなどの日常的なデバイスに存在する「アイドル状態」の計算能力を世界規模で集約し、分散型のネットワークとして活用するというものだ。

現代のデバイスは驚くほど高性能で、例えば最新のスマートフォンでも1.5から3テラフロップス（TFLOPS）の計算能力を持ち、一般的なノートパソコンで2から5 TFLOPS、ゲーミングPCでは10から13 TFLOPS、そして高性能なデスクトップPCに至っては80 TFLOPSを超える能力を持っている。これらの個々のデバイスの計算能力を束ねることで、例えば4 TFLOPSのデバイスが10万台集まれば400ペタフロップス（PFLOPS）に、50万台集まれば2エクサフロップス（EFLOPS）もの膨大な計算能力を生み出すことができる。参考までに、現在世界最速のスーパーコンピューターであるフロンティア（アメリカのオークリッジ国立研究所）の計算能力は1.1 EFLOPSであり、分散型ネットワークはこの規模を新たな施設を建設することなく超える可能性がある。

Neurolovは最近、このコミュニティ主導のモデルが実際の運用に耐えうることを示す重要な事例を提示した。同社は、AIワークロードに分散型コンピュートを提供する1200万ドルの政府契約を獲得したのだ。これは、分散型GPUネットワークが政府レベルの規模で実用性を認められた初期の事例の一つであり、Web3インフラストラクチャにおける「DePIN（分散型物理インフラネットワーク）」という新たなカテゴリ、具体的にはFilecoin（ストレージ）やHelium（帯域幅）に並ぶGPUコンピュートのカテゴリを確立する上で重要な意味を持つ。この契約では、90日以内に10万台のデバイスをネットワークに組み込むことが目標とされている。

この分散型アプローチは、環境と経済の両面で大きなメリットをもたらす。電力消費に関して言えば、従来の150MWの施設が年間1.3 TWhを消費するのに対し、10万台の分散型デバイス（それぞれ平均65ワットで稼働）が消費する電力は年間わずか57ギガワット時（GWh）だ。これは年間1.24 TWhもの電力節約となり、1キロワット時あたり0.12ドルの電気料金で換算すると、約1億4900万ドルの節約に相当する。また、大規模データセンターの冷却水が不要になることで、年間1億2000万ガロンもの水を節約できる。これは250万人分の1日あたりの水需要に相当する量である。

分散型コンピューティングモデルには、他にも多くの長期的な利点がある。まず、数十億ドル規模の設備投資（CapEx）が不要になる。次に、数年単位の計画を必要とせず、新たな貢献者が数日で参加できるため、即座にスケーラビリティを確保できる。ネットワーク全体が多くの個々のデバイスで構成されているため、単一の障害点が存在せず、システム全体の回復力（レジリエンス）が高い。さらに、電力と水の使用量を大幅に削減できるため、持続可能性が高いと言える。そして何より、個人、大学、スタートアップなど、あらゆる規模の参加者がこの強力な計算資源にアクセスできるようになり、AI開発の門戸を大きく広げることになる。

Neurolovのロードマップは明確だ。短期目標として政府契約に基づき10万台のデバイスへの拡大を目指し、中期目標では50万人の貢献者を集め、約2 EFLOPSの計算能力を達成する。そして長期的には、中央集権型のスーパーコンピューティング施設に匹敵、あるいはそれを凌駕するような分散型AIインフラ層として機能することを目指している。

Neurolovの事例は、AIの計算能力に対する増大する需要を満たすための、大規模なデータセンター建設に代わる実行可能な選択肢を示している。個々のアイドルデバイスの計算能力を集約することで、分散型GPUネットワークは環境負荷の低減、より迅速なスケーリング、そして幅広いアクセス可能性を提供する。政府による実証と実際の導入が進むことで、AIコンピュートの未来は、より大きな施設を建設することではなく、私たちが既に所有しているインフラを活性化することにあるのかもしれない。