AIインフラストラクチャRFPガイド：GPU展開のための仕様書作成

2025年12月11日更新

2025年12月アップデート： AIインフラストラクチャ市場は2,500億ドルを超え、データセンター投資は2030年までに年間1兆ドルに達する見込みです。5MW以上の容量を求める場合、調達リードタイムは24ヶ月以上に延長されています。データセンターの空室率は過去最低の1.9%を記録し、70%以上が竣工前にプリリースされており、ベンダーは競争するのではなく顧客を選別する状況になっています。MLPerfベンチマークがRFP仕様の標準言語となりつつあり、独自のメトリクスは避けるべきです。

SupermicroのAIファクトリークラスターソリューションは、32 GPUを搭載した4ノードから256 GPUを搭載した32ノードまで、小・中・大の構成で出荷され、各構成はL12マルチラッククラスターレベルまで事前に統合・テストされています。[^1] これらの製品は、NVIDIA AI Enterpriseソフトウェア、NVIDIA Spectrum-Xネットワーキング、検証済みハードウェア構成をターンキーソリューションとしてバンドルし、ベンダーのパッケージングが調達決定にどのように影響するかを示す好例です。AIインフラストラクチャのRFPを作成する組織は、競争入札と運用適合性を確保するための要件を規定しながら、これらのバンドル製品を理解する必要があります。

AIインフラストラクチャ市場は2025年に2,500億ドル以上の総収益を生み出し、データセンター投資は2030年までに年間1兆ドルを超える見込みです。[^2] 大規模な投資にもかかわらず、5MW以上の容量を求める組織では調達リードタイムが24ヶ月を超え、電力供給、熟練労働者の不足、サプライチェーンの制約が継続的なボトルネックを生み出しています。[^3] 効果的なRFPは、ベンダー評価と契約交渉を可能にする精度で組織の要件を捉えながら、これらの市場の現実に対応します。

AIインフラストラクチャ調達の理解

AIインフラストラクチャの調達は、従来のIT購入とは根本的に異なります。専門的なハードウェア、電力要件、冷却要求、統合の複雑さにより、標準的なサーバー調達では無視される次元に対応するRFP構造が必要です。

調達に影響を与える市場動向

主要なデータセンター市場の空室率は、34%の供給増加にもかかわらず過去最低の1.9%に低下し、新規建設の70%以上が竣工前にプリリースされています。[^4] この容量制約は交渉力学を変化させ、ベンダーはビジネスを獲得するために競争するのではなく、顧客を選別することが多くなっています。RFPは、ベンダーの関心を維持する柔軟性と仕様の精度のバランスを取る必要があります。

40,000社以上の企業と400万人の開発者が機械学習とAIプロジェクトにNVIDIA GPUを依存しています。[^5] この集中により、ベンダーとの関係や発注タイミングが仕様と同様に納期に影響を与える供給割当の課題が生じています。組織はRFPのタイムラインをベンダーの容量計画サイクルと調整すべきです。

総所有コストの考慮事項

GPUクラスターの稼働率は30〜70%の範囲であることが多く、組織は理論上の要件が示すよりも1.5〜3倍多くのGPU容量を導入しています。[^6] この稼働率の現実はRFP評価のコストモデリングに影響します。より良いオーケストレーションを通じて高い稼働率を提供するベンダーは、GPU単価が高くても優れた経済性を実現する可能性があります。

Stanfordの2025年AIインデックスは、推論コストが100万トークンあたり20ドルから0.07ドルに低下したことを示しており、劇的なハードウェア効率の向上を反映しています。[^7] 急速な技術進化は、今日調達されるインフラストラクチャが従来のIT資産よりも早く経済的に陳腐化する可能性があることを意味します。RFPは初期展開と併せて更新およびアップグレードパスを指定すべきです。

AIインフラストラクチャのRFP構造

効果的なAIインフラストラクチャRFPには、技術要件、商業条件、納入と設置、サポート期待値、評価基準に対応するセクションが含まれます。

技術要件の仕様

技術仕様は、競争を制限する不必要な制約を避けながら、正確なベンダー提案に十分な詳細でコンピュート、ネットワーキング、ストレージ、電力、冷却の要件に対応する必要があります。

コンピュート要件では、GPU世代、メモリ容量、インターコネクト要件を指定すべきです。特定の製品を指名するのではなく、複数のベンダーが対応できるパフォーマンス要件を記述します。独自のメトリクスではなく、MLPerfなどの業界標準テストを使用してベンチマークパフォーマンス期待値を指定します。

ネットワーキング要件は、ノード内のGPU間通信とクラスター全体のファブリック接続の両方に対応します。必要な帯域幅、レイテンシ境界、トポロジ設定を指定します。InfiniBand対Ethernetの決定はベンダーオプションに大きく影響するため、仮定ではなく実際のワークロード要件を反映すべきです。

ストレージ要件は、学習データアクセスのための容量、帯域幅、レイテンシを指定します。高性能並列ファイルシステムは標準的なエンタープライズストレージとは大きく異なります。ストレージアーキテクトがAIデータパターンを理解していると仮定するのではなく、ワークロードレベルでIOPSとスループット要件を指定します。

展開範囲の定義

RFPは、サイト準備、設置、統合、テスト、ドキュメント成果物を含む展開範囲を明確に定義する必要があります。

サイト準備の責任は、顧客とベンダー間で明確に割り当てる必要があります。電力配分、冷却インフラストラクチャ、物理的スペースの準備は主要なコストとスケジュール項目です。不明確な責任割当は紛争と遅延を引き起こします。

統合テストの仕様は、納入されたシステムが現実的なワークロードの下でパフォーマンス要件を満たすことを保証します。ベンダーが提案を提出する前に、受入テスト手順、パフォーマンスベンチマーク、合否基準を定義します。曖昧な受入条件は納入時の紛争を招きます。

ドキュメント要件は、ベンダーが提供すべき運用手順、メンテナンスガイド、トレーニング資料を指定します。AIインフラストラクチャの運用複雑性は一般的なITシステムを超えており、ドキュメントの品質が運用成功に不可欠です。

主要な仕様領域

AIインフラストラクチャRFPでは、いくつかの仕様領域に特に注意が必要です。

GPU構成仕様

GPU仕様は、ハードウェア機能とソフトウェアスタック要件の両方に対応すべきです。

A100やH100などのデータセンターGPUは、NVLinkインターコネクトを必要とするマルチノード学習クラスターに適しています。[^8] コンシューマーGPUは、本番AIワークロードが必要とするメモリ容量、インターコネクト帯域幅、エンタープライズ機能を欠いています。仕様では特定のモデルを不必要に制限せず、データセンターGPU分類を要求すべきです。

メモリ容量要件は、モデルサイズとバッチ構成に依存します。現在の大規模言語モデルの学習には、効率的な運用のためにGPUあたり80GB以上のメモリが必要です。現在の製品可用性ではなく、意図されたワークロード分析に基づいて最小メモリ要件を指定します。

ソフトウェアスタック要件では、CUDAバージョンの互換性、ドライバ管理機能、コンテナランタイムサポートを指定すべきです。ソフトウェアエコシステムは、運用成功においてハードウェア仕様と同様に重要です。

ネットワークファブリック仕様

ネットワークファブリック設計は、学習パフォーマンスと運用柔軟性に大きく影響します。

集約エンドポイント帯域幅の割合として必要なバイセクション帯域幅を指定します。フルバイセクション帯域幅はトラフィックパターンに関係なく一貫したパフォーマンスを保証しますが、コストは増加します。帯域幅要件を正当化するワークロード分析を文書化します。

レイテンシ仕様は、集団操作の要件を反映すべきです。All-reduceレイテンシは学習イテレーション時間に直接影響します。テールレイテンシの問題を隠す平均値ではなく、許容可能な最大レイテンシパーセンタイルを指定します。

冗長性とフェイルオーバー要件は、ネットワークコンポーネントの障害から保護します。許容可能な障害シナリオ、フェイルオーバー時間の境界、冗長性レベルを定義します。AIクラスターの単一障害点は、数百の高価なGPUに影響を与えます。

電力と冷却の仕様

電力と冷却の仕様は、容量と効率の要件の両方に対応します。

電力容量仕様は、ピーク消費と持続消費の両方に対応する必要があります。GPUクラスターはバーストワークロード中に持続定格を一時的に超える可能性があります。電力供給のヘッドルーム要件と測定方法を指定します。

冷却容量仕様は、熱除去と分配の両方に対応します。高密度GPUラックは、指向性冷却戦略を必要とする熱を集中させます。最大吸気温度、許容温度範囲、監視要件を指定します。

Power Usage Effectiveness (PUE) などのメトリクスを使用した効率目標は、運用コスト期待値を確立します。最新のAIデータセンターはPUE 1.2未満を目標としています。検証のための効率目標と測定方法を指定します。

評価基準の開発

RFP評価基準は、技術準拠性、価格設定、納入能力、サポート品質全体にわたる客観的なベンダー比較を可能にすべきです。

技術準拠性スコアリング

技術準拠性評価は、提案が必須要件を満たしていることを検証し、オプション機能をスコアリングします。組織の優先順位を反映した加重重要度で各仕様領域に対応するスコアリングマトリクスを開発します。

ベンチマーク要件は、提案間のパフォーマンス比較を可能にします。必要なベンチマーク、テスト条件、提出形式を指定します。MLPerf学習および推論ベンチマークは、業界標準の比較ポイントを提供します。[^9]

NVIDIA、Intel、AMDの参照アーキテクチャは、ベンダーが満たすか超えるべきベースライン構成を提供します。RFPはこれらのアーキテクチャを参照しながら、代替案が利点を提供する領域でベンダーのイノベーションを許容できます。

価格評価方法論

価格評価は、展開ライフサイクル全体にわたる取得コスト、運用コスト、総所有コストに対応する必要があります。

取得コストには、ハードウェア、ソフトウェア、設置、必要なサイト準備が含まれます。提案間でコンポーネントレベルの比較を可能にする詳細なコスト内訳を要求します。

運用コストの見積もりは、予想される運用期間中の電力消費、冷却、メンテナンス、サポートに対応すべきです。効率の利点を提供するベンダーは、運用上の節約を通じてより高い取得コストを正当化できる可能性があります。

ライフサイクルコストモデリングは、予想される技術更新サイクルを反映すべきです。AIインフラストラクチャは2〜3年ごとにGPUアップグレードが必要になる可能性がありますが、サポートインフラストラクチャはより長く使用されます。RFPは、アップグレードパス要件と将来のGPU世代の価格設定を指定すべきです。

ベンダー能力評価

ベンダー能力評価は、提案されたソリューションを提供し、継続的なサポートを提供する能力を評価します。

納入実績の検証は、同様の展開に関するベンダーの経験を調査します。同等の規模と複雑さの設置に関する顧客参照を要求します。主張された能力を検証するために参照先に連絡します。

サポート能力評価は、人員配置、応答時間、エスカレーション手順を調査します。AIインフラストラクチャの問題は、典型的なITサポートを超える専門的な専門知識を必要とすることが多いです。GPU固有のトラブルシューティングに関するサポートチームの資格を検証します。

財務安定性評価は、ベンダーが複数年の約束を履行できることを保証します。AIインフラストラクチャ契約は、多くの場合、数年間のサポートとアップグレード義務にまたがります。ベンダーの財務困難は、サポートされていないシステムで顧客を孤立させる可能性があります。

専門的な調達サポート

AIインフラストラクチャ調達の複雑さは、ほとんどの組織が内部に欠いている専門的な専門知識の恩恵を受けます。技術仕様、ベンダーランドスケープのナビゲーション、契約交渉には、複数の展開にわたって蓄積された経験が必要です。

Introlの550人のフィールドエンジニアは、AIインフラストラクチャの調達と展開を通じて組織をサポートしています。[^10] 同社は2025年Inc. 5000で14位にランクされ、3年間で9,594%の成長を記録しており、専門的な調達ガイダンスに対する需要を反映しています。

[翻訳のためにコンテンツが切り捨てられています]