【情報収集】日々のITネタ収集録#10

こんにちは、キクです。

本記事は、僕が今日（2025年7月16日）の朝時点で気になった「最近のIT関連ニュース記事」について、ざっくり整理していきます。

記事1：AMDの「Instinct MI350シリーズ」は競合NVIDIAよりもワッパに優れるAIドリブンなGPU　今後の展開にも注目

AI時代の加速にともない、GPU市場でもエネルギー効率と演算性能の両立が重要なテーマとなっている

AMDは新アーキテクチャ「CDNA 4」を採用したInstinct MI350シリーズで、NVIDIAに対抗しうる性能を実現した

CDNA 4アーキテクチャの全体像

Instinct MI350シリーズは、AI演算に特化したCDNA 4アーキテクチャを採用している

• 1GPUダイあたり36基の演算ユニット（CU）を搭載し、うち32基が有効
• ACEやHQDによる非同期ジョブ管理で並列性を向上
• 3Dグラフィックス処理には非対応で、GPGPU（Compute Shader）用途に特化

CUの改良とメモリ強化

演算性能と共有メモリの容量を拡張し、AI処理に最適化されている

• LDS（共有メモリ）を64KBから160KBに増加
• L2キャッシュに非コヒーレントデータを保持可能に
• キャッシュ保持の最適化により無駄なメモリアクセスを低減

マトリックスコアによる低精度演算の強化

AI向け演算に重要な低精度行列処理を重視した設計となっている

• FP64性能は前世代比でやや抑制されたが、FP16以下は約2倍に強化
• MI355XでFP32最大157.3TFLOPS、FP16で最大2.5PFLOPSを実現
• Tensor処理のようなAI演算において、NVIDIAと同等以上の性能

OCP最新フォーマットへの対応

次世代AIデータの圧縮・伝送効率を高める新規格にも柔軟に対応している

• OCP規格のFP8形式（MXFP8など）を新たにサポート
• 圧縮効率よりもダイナミックレンジ保持を優先

競合：NVIDIA Blackwellとの比較

AMDは性能とワットパフォーマンスの両立でNVIDIAに真っ向勝負を挑んでいる

• FP8／FP4／BF16演算ではNVIDIA B200に匹敵または上回る性能
• GPU単体での演算性能は同等
• コストパフォーマンスで最大40％優位とアピール

Infinity Fabric／Infinity Cacheの進化

内部接続とメモリ階層にも工夫を凝らしている

• フルメッシュから簡略化した2.5D接続方式へ
• IOD間通信の帯域は5.5TB/sに向上
• 256MBのInfinity Cacheは128個のバンク構成で並列性を強化

演算・メモリパーティショニング

柔軟なモード切替で、トレーニングと推論の両方に対応する

• XCDを1～8基単位で分割・結合可能（SPX／CPX）
• メモリはNPS1（共有）／NPS2（分割）の2モードを搭載
• パーティション切替にはGPU再起動が必要

今後の展開とロードマップ

AMDはMI350シリーズを皮切りに、さらに高性能な次世代製品の投入を計画している

• MI350シリーズは2025年第3四半期に出荷予定
• MI400シリーズは2026年に登場予定で、メモリ容量432GB・帯域19.6TB/s
• MI500シリーズも2027年に予定されており、開発は順調とみられる

まとめ

Instinct MI350シリーズは、高精度と低精度演算のバランスを備えたAI向けGPUである

NVIDIAに匹敵する性能を発揮しながら、価格面でも優位性を打ち出す

今後のAIサーバー市場における有力な選択肢となり得る

特にコストや電力効率を重視する導入層にとって、注目すべき製品群である

AMDの「Instinct MI350シリーズ」は競合NVIDIAよりもワッパに優れるAIドリブンなGPU　今後の展開にも注目

記事2：東芝デジタルソリューションズ、クラウド型AI-OCRサービス「AI OCR Synchro+」を提供開始

東芝デジタルソリューションズは、従来のOCR技術に最新AIを組み合わせた新サービス「AI OCR Synchro+」を発表した

文字認識精度や利便性の向上を図り、さまざまな企業の業務効率化を支援する

後継サービスとしての位置付け

従来提供されていた「AI OCR文字認識サービス」の後継として登場

• 2020年から蓄積してきたOCR技術を活用
• 最新のAIと統合することで認識・表解析の精度を強化

読み取り対応項目の拡充

実運用でのニーズに基づき、新たな読み取り項目に対応

• 「支払期限」「支払方法」の自動抽出が可能に
• 「日付印」認識も新たにサポート（納入済み通知書類などを想定）

チェック機能による業務効率化

読み取り結果の妥当性確認機能を搭載

• 規定値の範囲にあるかを自動チェック
• 誤りの訂正や確認作業の負担を軽減

新たな料金メニューで幅広いニーズに対応

小規模利用やPoCにも対応可能な新メニューを用意

• 「スモール 基本プラン」：月1万項目まで／月額3万円（帳票500枚換算）
• 「トライアル 基本プラン」：1カ月限定／同上内容

まとめ

「AI OCR Synchro+」は、実運用でのニーズに対応した精度強化と、柔軟な料金体系によってOCR導入のハードルを下げるサービスである

業務の省力化やPoC導入のしやすさなどから、今後さまざまな業種での利用が広がる可能性がある

東芝デジタルソリューションズ、クラウド型AI-OCRサービス「AI OCR Synchro+」を提供開始

記事3：Gigabyte G893-ZX1-AAX2 AMD Instinct MI325X Server Review

Gigabyte G893-ZX1-AAX2は、AMDの最新AI GPU「Instinct MI325X」を8基搭載した8Uサーバー

192コアのEPYC CPUを2基備え、巨大なAIワークロードに対応する設計となっている

構成と設計

大規模AI処理に必要な電力・冷却・拡張性をすべて網羅

• 8Uサイズ（加速器/電源に6U、CPUトレイに2U）
• AMD Instinct MI325X ×8（1基あたり最大1kW）
• AMD EPYC 9965（192コア）×2で合計384コア
• DDR5メモリスロット×24（最大3TB以上も可能）
• 合計16スロットのPCIe Gen5 x16スロット（GPU・NIC向け）

ストレージと拡張性

フロントとリアにU.2 NVMeスロット、PCIe拡張モジュールを装備

• U.2 NVMeベイ×8
• PCIe拡張スロット×8（NIC用）
• BroadcomのPCIeスイッチ（PEX89104×4、PEX89048×2）でトポロジを構築

冷却と電源

空冷ながら高密度設計、12基の3kW電源で冗長構成

• ホットスワップ対応ファンモジュール多数
• 電源ユニット×12（A+B電源冗長）
• Idle状態でもGPUが1kW以上消費、全体では12kW超の使用電力を記録

管理機能

BMCはASPEED AST2600搭載で、業界標準のMegaRAC SP-Xを採用

HTML5 iKVM、センサーモニタリングなどフル機能搭載

性能と用途

AIモデル推論に最適化されたGPU密集サーバー

• LLama3.1やDeepseek-R1での推論にて良好な性能を確認
• ROCm 7以前の環境でのテストにもかかわらず、他機と同等のスコア
• CPU性能も同社2Uリファレンス機と比較して十分に高性能

設計思想と狙い

GPU中心の構成

CPUやメモリはGPUにデータを供給する役割

• East-West（GPU間）・North-South（外部接続）通信を明確に分離
• NVIDIA対抗のAMD AIサーバーとして設計され、2TBのHBM3Eを搭載可能

まとめ

Gigabyte G893-ZX1-AAX2は、AI時代を見据えた超高性能なGPUサーバーであり、AMD Instinct MI325XとEPYC 9965を中心に構成された密度・電力・通信のすべてを極限まで引き上げた設計が特徴である

PCIeスイッチによるトポロジ制御や冗長電源など、エンタープライズ用途にも十分対応可能であり、NVIDIA中心の市場に対抗するAMD陣営のフラッグシップとして注目される製品といえる

Gigabyte G893-ZX1-AAX2 AMD Instinct MI325X Server Review

記事4：Apple、米サプライチェーン強化目指し国内レアアース企業に5億ドル

Appleは米国の製造基盤強化を目的として、レアアース磁石の国内生産体制の構築に乗り出す

MP Materialsとの契約内容

Apple製品向けに米国内での供給体制を確保

• MP Materialsと総額5億ドル（約780億円）の複数年契約を締結
• テキサス州フォートワースの「Independence」施設で磁石を製造
• Apple製品専用のネオジム磁石製造ラインを工場内に構築予定

再資源化にも対応

使用済み製品からレアアースを再利用する体制も整備

• カリフォルニア州マウンテンパスに再生ラインを設立
• 電子機器や産業廃棄物からレアアースを回収し再利用

背景と狙い

米国サプライチェーンの強化と環境配慮が狙い

• 米国内唯一の統合型レアアース企業と連携
• レアアースの中国依存低減と資源循環型社会の構築を見据える

まとめ

Appleは、レアアース素材の米国調達を強化することで、製品供給の安定化と環境負荷低減の両立を図る

MP Materialsとの契約により、国内での磁石製造および再資源化体制が整うことになり、同社の「米国に5000億ドル投資」計画の一環として象徴的な取り組みとなる

Apple、米サプライチェーン強化目指し国内レアアース企業に5億ドル

記事5：怪しいドメイン名には特徴がある　SANSが新たな評価指標を発表

SANS Instituteは、不審なドメインをスコア化して検出・分析する新たな仕組みを導入した

新フィードの概要

新規登録ドメインとTLS証明書ログを活用

• ICANNのゾーンデータサービスと証明書トランスペアレンシーログを基盤とする
• 国別ドメインの情報はTLSログで補完
• 1日あたり約25万件の新規ドメイン情報を収集

不審なドメインの特徴

特定の文字列や形式に注目しスコア化

• ドメインが非常に短い／長い
• ランダムな文字列の多さ（エントロピー）
• 数字やハイフンの頻出
• 異言語の混在
• 「bank」「login」などのキーワード、ブランド名の含有

スコア化と提供形式

優先順位を付けてドメインを分析可能に

• 不審度に応じてスコアを割り当て
• 日次レポートとして提供、API経由でも参照可能
• 現在は試験運用中で、アルゴリズムの改善が継続される予定

背景と目的

旧システムの課題を克服する独自構築へ

• かつての無償フィード依存から脱却
• 新方式で持続可能なスクリーニング体制を構築
• 研究やセキュリティ対策のデータソースとしても有用

まとめ

SANSの新たな取り組みは、ドメインの挙動や文字構成に基づいて不審度を可視化するもので、透明性と柔軟性の両立が特徴である

今後の改良や外部からのフィードバックを受けながら、インターネット上の脅威をより効率的に検出できる体制が期待されている

怪しいドメイン名には特徴がある　SANSが新たな評価指標を発表

記事6：なぜAWSストレージのうち「Amazon EBS」だけで“異常な浪費”が発生する？

AWSのブロックストレージ「Amazon EBS」で発生しやすい“浪費”の構造と、それを抑える新しい最適化手法が紹介されている

EBSの浪費構造

実使用率は低く、70％がムダになることも

• 多くの企業が必要以上の容量をプロビジョニング
• 実際の使用率は10～30％にとどまるケースが多い
• Kubernetesと連携した際は特に予測が困難

見積もり困難な理由

DAS的構造により個別見積もりが必要

• EBSはEC2と1対1で接続されるDAS型のストレージ
• FSxなどの共有ストレージとは異なり柔軟性に欠ける
• 可用性重視で過剰割り当てが起きやすい

スケールダウンの困難さ

容量を減らすには再構成が必要

• 容量拡張（スケールアップ）は容易
• 容量縮小（スケールダウン）はボリュームの再作成と再接続が必要
• 実質的には“ストレージ移行”と同等の手間が発生

Datafyのアプローチ

EBSの仮想統合と動的管理で無駄を削減

• 独自エージェントで使用状況を分析・再構成
• 適切サイズの複数ボリュームに自動分割・統合
• ストレージを仮想的に1つのボリュームとして提供

コスト構造とメリット

20％の手数料でも全体の支出は大幅減

• Datafyのストレージにかかるのは利用量＋20％
• 無駄なプロビジョニングがなくなるためトータルは安価に
• 成果が出なければ料金は発生しない保証付き

まとめ

Amazon EBSは柔軟なストレージである一方で、過剰プロビジョニングによりコストが膨らみやすい構造を持つ

Datafyの仕組みは、この無駄を自動的に最適化し、コストを抑える現実的な手段として注目されている

特に動的なワークロードを持つ環境では、有効な選択肢となりうる

なぜAWSストレージのうち「Amazon EBS」だけで“異常な浪費”が発生する？

記事7：社員に“学び直してほしい”スキル　2位「セキュリティ」、1位は？

企業のリスキリング施策が広がる中、注目されているスキルや課題が明らかになった

リスキリングの実施状況

取り組み企業は増加傾向にある

• 「実施した」企業は44.5％（前年比+2.8pt）
• 大企業は64.6％、中小・スタートアップは38.3％
• 製造業は特に高く、66.0％に上昇

重視されるスキル

1位は「AI活用」、続くのは「セキュリティ」

• 1位：AI活用（33.3％）
• 2位：セキュリティ（30.5％）
• 3位：ITプロジェクトマネジメント（30.2％）

大企業では「ITプロジェクトマネジメント」が最多（40.6％）

中小・スタートアップでは「AI活用」「ビジネス構想」が同率1位（各27.8％）

リスキリング対象者

IT部門や経営企画が中心

• 最多は「情報システム・ITシステム」（45.3％）
• 次いで「経営企画」（42.1％）、「人事」（35.8％）
• 大企業ではIT部門（55.6％）が中心
• 中小企業では経営企画（45.7％）が最多

失敗の要因

実務との乖離や自走困難が課題

• 研修が実務とマッチしない（45.6％）
• 従業員任せで成果につながらない（37.2％）
• 学習完了できない（35.1％）

DX人材の確保状況

社内育成が主だが、確保は難航

• 「確保できている」は39.0％にとどまる
• 「できていない」は46.6％
• 確保手段は「社内育成・研修」（62.8％）、「出向・転籍」（53.2％）、「中途採用」（42.4％）

まとめ

リスキリングの中心は「AI活用」や「セキュリティ」など、デジタル領域のスキルに集中している

企業規模や業種で傾向は異なるが、IT人材育成と実務に即した研修設計が鍵となる

DX人材の獲得には社内育成が主流であり、持続的なスキルアップ支援が重要である

社員に“学び直してほしい”スキル　2位「セキュリティ」、1位は？

記事8：うちもRAGをやりたい！どうやって進めればいいか詳しく教えて

RAG（検索拡張生成）は、社内情報を生成AIで活用するための有力な手法である

RAGとは何か

外部情報と質問を組み合わせて生成AIに問い合わせる仕組み

• 社内DBやWebから情報を取得し、LLMに渡すことで回答精度を向上させる
• ベクトルデータベースに情報を登録し、意味的に近い文書を検索するのが一般的
• 「ファインチューニング」と比較して導入のハードルが低い

RAG導入の4フェーズ

アジャイル方式で繰り返す進め方が効果的

• 仕様検討
• 実装
• 評価
• 改善

仕様検討フェーズのポイント

導入目的や範囲を絞り込み、現実的な目標を設定する

• ユースケースは広げすぎず、初期は特化型にするのが有効
• 登録する文書フォーマットも制限する方が精度検証しやすい
• 精度目標や費用対効果を数値で示して期待値を調整する
• 社外にデータを出すリスクへの社内ポリシー整備も必要
• クラウド型モデル（OpenAIなど）を先に使い、効果検証後にローカル型を検討するのが現実的
• ユーザーとのユースケース共有・事前合意が鍵

実装フェーズの進め方

まずは簡単なツールで試すことが重要

• ノーコードツール「Dify」ならGUI操作で簡単にRAGを構築できる
• より高度な構成を組みたい場合は「LangChain」や「LlamaIndex」も選択肢

評価フェーズの視点

人による定性的評価も重視する

• 数値指標（正答率など）だけでなく、誤り傾向や質問タイプごとの傾向を確認
• 専用評価ツール「RAGAS」も参考に
• 適さないユースケースであることが判明すれば、仕様検討フェーズに戻る

改善フェーズの取り組み

繰り返しで精度を上げていく

• ドキュメントや前処理、プロンプト設計の見直しなどが対象
• 評価結果を踏まえた改善策を仕様検討・実装・再評価のループで実施

ユーザー評価の重要性

実ユーザーからの反応をもとに実用性を判断する

• 仕様通りでも現場で使いにくい場合があるため、最低1回はユーザー評価が必要
• 極秘資料の扱いなど、事前に利用ポリシーを共有する
• 評価結果をすり合わせて次の導入方針を決める

導入拡大の留意点

他部署展開時にもユースケースの見直しを

• 精度や運用方針の再説明、ドキュメントの整理が必要
• 古い情報の削除やルール改定への対応も含めた継続的な運用が求められる

まとめ

RAGの導入は、段階を追って進めることで効果的に活用できる

仕様の絞り込み、評価・改善の繰り返し、ユーザーとの連携が成功の鍵となる

まずは小さく始めて、クラウド型やノーコードツールで試しながら、徐々に社内展開していくとよい

うちもRAGをやりたい！どうやって進めればいいか詳しく教えて