──貴社の技術を、専門の外にいる人に説明するとしたら。何にたとえるのがいちばん近いでしょうか。
原田 浩志 私は最近よく、電気で例えます。
日本中には発電所があります。太陽光発電もあります。家庭にも発電設備や蓄電池があります。
それらを電力網につなぐことで、利用者は「この電気がどこの発電所から来たのか」を意識せず、コンセントを挿せば電気を使えます。
コンピューターも同じようにできないか。
東京のデータセンターにあるGPU。北海道の施設にあるGPU。会社で夜間使われていないワークステーション。学校で授業が終わったあと眠っているPC。個人が持っている高性能ゲーミングPC。
それらをネットワークにつなぎ、「30分だけ、この計算をしてほしい」という仕事を自動的に配る。
終わったら成果物を戻し、計算を提供した人には対価が支払われる。
これがJANCTIONが目指している世界です。
Uberによって「使われていない車と時間」が交通サービスになったように、Airbnbによって「使われていない部屋」が宿泊サービスになったように、
JANCTIONでは、「使われていない計算能力」を社会インフラにしたい。
そう考えています。
オンプレミス環境に最適なEDGE DATACENTERを提供
──技術そのものは以前からあったものが、いま事業として動き出しているのはなぜでしょう。この数年で何が変わったのですか。
最大の変化はAIです。
分散コンピューティングそのものは新しい技術ではありません。
先ほどお話ししたFolding@homeは2000年代からあり、PlayStation 3が参加したのは2007年です。技術としては20年以上前から成立しています。
では、なぜ今なのか。
20年前と決定的に違うのは、「計算力そのものに巨大な経済価値が生まれた」ことです。
ChatGPTをはじめとする生成AIが世界中に普及し、モデルの学習だけでなく、推論、画像生成、動画生成、3DCG、ロボティクス、Physical AIなど、あらゆるところでGPUが必要になっています。
分散コンピューティングのアーキテクチャ
AIを作る企業だけではありません。
映像会社も欲しい。研究室も欲しい。スタートアップも欲しい。製造業も欲しい。
ところが高性能GPUは高い。
巨大データセンターを作ろうとすれば、土地、建物、GPU、ネットワーク、冷却設備、そして大量の電力が必要です。
IEAは、世界のデータセンターの電力消費量が2030年には約945TWhへ倍増すると予測しています。これは現在の日本一国の年間電力消費量を少し上回る規模です。
ここまで来ると、単なるIT産業の問題ではありません。電力の問題であり、土地の問題であり、資本の問題であり、社会インフラの問題です。
だから私は、「新しいGPUを買い続けるだけではなく、既に存在するGPUをもっと使えないだろうか」と考えています。
20年前は技術的な実験だった分散コンピューティングが、AI時代には経済合理性を持ち始めた。
ここが一番大きな違いです。
──いま、どの段階にいますか。次の1年で越えたい技術的なハードルを教えてください。
いまは「構想を説明する段階」から「実際の仕事を流す段階」へ入っています。
JANCTIONでは分散型GPUクラウド「GPU POOL」を構築し、実際のGPUを提供しています。さらに、非常に分かりやすいユースケースとして取り組んでいるのが、3DCGレンダリングです。
パナソニック アドバンストテクノロジー、ジャスミー、ジャスミーラボの三社で、分散GPUレンダリングサービス「Smart Render」の事業化を進めています。
ここで面白いのは、研究室の中だけで完結していないことです。
制作現場の人や学生たちに、「レンダリングに何時間かかっていますか」「夜中まで待つことはありますか」「繁忙期だけGPUが足りなくなることはありませんか」と聞いていく。
その課題を実際のシステムに落とし込んでいく。
一台なら4時間かかる仕事が、十数台に分ければ15分になる。
そうすると、単なるベンチマークではなく、「明日の朝まで待つはずだった映像を、今日確認できる」という価値になります。
この1年で越えたいハードルは、異なるGPUを本当に一つの計算資源として扱えるようにすることです。
データセンターのH100の隣に、企業のRTX 6000がある。その隣には大学のGPUがあり、その隣には個人のGPUがある。
性能も違えば、通信環境も違う。途中で一台が落ちても、別のGPUに仕事を再配分し、全体としては止まらない。
さらに、企業の機密データを扱う以上、「速い、安い」だけでは不十分です。
誰のGPUなのか。どの環境で実行されたのか。どこまでデータにアクセスできるのか。
処理終了後にデータは本当に消えたのか。
こうしたことまで証明できなければなりません。
だから、これは単なるクラウドサービスではないと思っています。コンピューティング、ネットワーク、セキュリティ、ブロックチェーン、データガバナンスが交差する領域です。
決して簡単ではありませんし、毎日悩んで壁にぶつかっています。だからこそ面白いんだと思います。
──この分野に興味を持った読者が、明日からニュースを見るときに注目すべきポイントをひとつ挙げるとしたら。
「AIの性能」ではなく、「そのAIを動かす計算力と電力を誰が持っているか」を見てほしいです。
新しいAIモデルが発表されると、どうしても「何ができるようになったか」がニュースになります。
でも、その裏には必ずGPUがあります。そしてGPUの裏には、電力があります。
私はこれから「Compute＝計算力」は、石油や電力、半導体と同じような戦略資源になっていくと思っています。
どの国がGPUを持っているのか。誰がデータセンターを建設しているのか。電力をどう調達しているのか。そして、GPUを持たないスタートアップや研究者でも、その計算力にアクセスできるのか。
ここを見ると、AIニュースが全く違って見えるようになります。私たちは、「資金を持っている企業だけがAIを作れる世界」にはしたくありません。大学の研究者でも、小さなスタートアップでも、映像クリエイターでも、面白いアイデアを持っている人が、必要な瞬間だけ世界中の計算力を借りられる。
そのインフラを作りたいと思っています。
──あなたにとって、ディープテックとは何ですか。
私にとってディープテックとは、
**「まだ社会の常識になっていない技術を、実際に使われるところまで持っていくこと」**です。
技術的にすごいだけでは、社会は変わりません。論文を書く。実験する。プロトタイプを作る。そこまでももちろん重要です。
でも私がやりたいのは、その先です。
企業に提案する。実務の現場で使ってもらう。問題が起き、全力で対応してバグを直す。料金を決めて契約をする。そして大前提として、お金を払ってでも使いたいと言ってもらう。
そこまで行って初めて、技術が社会に入ったと言えると思っています。
2007年、世界中のPlayStation 3がつながり、一台では何年もかかる計算をみんなで処理しました。あの光景は、「世界中に散らばる小さな力を束ねれば、大きなことができる」ということを証明しました。
あれから約20年。
今度はAIという巨大な需要が生まれました。そしてGPUは、未来の産業を動かす「電力」のような存在になりつつあります。私は、この20年前のアイデアを、今度は一時的な実験ではなく、社会のインフラにしたいと思っています。
世界中で眠っているコンピューターが動き出す。昨日まで使われていなかったGPUが、今日、誰かの研究を進める。誰かの映画を完成させる。誰かのAIサービスを世に出す。そして、計算力を提供した人にも価値が還ってくる。
そんな循環を作ることができたら、コンピューティングという産業の構造そのものを少し変えられるかもしれない。
まだ完成していません。むしろ、ようやくスタートラインです。
だからこそ、私は今、この仕事に一番ワクワクしています。
