AI コンピューティングの電力密度は大幅に向上しました。最新の GPU はそれぞれ 700 ワット以上を消費します。古いサーバーケースではこの熱に対応できません。古いケースの中で AI ハードウェアのパフォーマンスが低下していませんか?この記事では、AI コンピューティング エンクロージャーの設計と製作の全工程を説明します。まず、熱計算から始めます。次に、材料の選択と冷却方法に進みます。カスタム設計を選択するか、既製品を選択するかのタイミングを学びます。独自のディープラーニング コンピューターを構築するには、綿密な計画が必要です。CPU と GPU パーツには、良好なエアフローと強力なサポートが必要です。安価で拡張可能なディープラーニング コンピューターには、スマートなセットアップの選択が必要です。構築のあらゆる段階で高性能コンピューティングのニーズをカバーします。コンピューターのケースは、騒音から信頼性まで、すべてに影響します。ディープラーニング コンピューターを最高の状態で動作させるための設計プロセスを探ってみましょう。
コア要件 AIコンピューティングエンクロージャー 設計
高性能GPUの熱密度を計算する
AIコンピューティング筐体の設計においては、熱管理があらゆる選択の鍵となります。最新のGPUは大量の熱を発生します。NVIDIA H100は常時700Wを消費し、最新のB200は空冷で最大1,000W、水冷で最大1,200Wに達します。これらの数値をシステム全体で考えてみてください。
8基のGPUを搭載したサーバーを例にとってみましょう。700WのGPUが8基なので、発熱量は5,600Wになります。これにCPU、RAM、ストレージ（約800～1,200W）、ネットワーク（200～400W）を加えると、2Uサーバー1台あたり合計7,000～8,000Wになります。このようなサーバーを10台、42Uラックに詰め込むと、70～80kWの熱を処理することになります。従来のラックは8～15kWしか処理できません。つまり、熱密度が4～7倍も跳ね上がるということです。
この計算結果が、冷却計画全体の要となります。70～80kWの電力を消費するラックは、通常の室内空調では対応できません。18～45℃の入口温度で動作する、集中的な気流制御または液冷ループが必要です。
気流経路設計と静圧管理
空冷は中程度の負荷には有効ですが、綿密な設計が必要です。AIコンピューティング用筐体は、空気の流れに渦やデッドスポットが生じないように、前面から背面へ空気を効率的に送る必要があります。高静圧ファンは高密度なGPUアレイに空気を送り込みますが、騒音や振動が発生します。通気口、ダクト、バッフルなど、あらゆる要素が圧力バランスに影響を与えます。
非常に高い負荷がかかる場合、チップに直接液体冷却を行う方式が最適となります。通常の室内空気冷却システムでは、最高密度の熱を十分に除去できません。設計には、冷却液マニホールド、配管経路、およびループ全体を空にすることなくメンテナンスが可能なクイックディスコネクト継手を組み込む必要があります。
ラックユニット（U）規格と19インチ互換性
AIコンピューティングエンクロージャーは、標準的なデータセンター機器に適合する必要があります。19インチラックのフォーマットとラックユニット（U）の高さは依然として基本となります。しかし、高密度AIシステムは、通常の重量制限を超えることがよくあります。フルラックの重量は10～20トンを超える場合もあります。標準的な二重床では、追加のサポートや、分散荷重に対応したコンクリートパッドが必要になる場合があります。
| パフォーマンス領域 | 主要指標／要件 |
| サーマル | ラックあたり300～400kWの放熱能力が必要。液冷が必要。熱ストレスを避けるため、温度を均一に保つこと。 |
| 構造上の | 重量があるため、特別な床面サポートが必要です。サイズは19インチ標準とは異なる場合があります。 |
| Electrical | ラックあたり数百kWの電力供給能力。大型バスバー。380～415V ACまたは48V DCの配電。 |
振動減衰のための材料剛性
高速回転するファンは絶えず振動を生み出します。筐体の剛性によって、その振動エネルギーがどれだけ繊細な部品に伝わるかが決まります。スチールは剛性とEMIシールド性に優れています。アルミニウムは放熱性に優れていますが、制振性は劣ります。多くの設計では、意図的に両方の素材を組み合わせて使用しています。
地震もまた懸念事項の一つです。Telcordia GR-63-COREは、データセンター機器の振動に関する基準を定めています。AMCO Titan ZN4 DTのように、この基準に基づいて製造されたラックは、最大1,200ポンドの荷重に耐え、地震時にも強度を維持します。
サーバー密度増加への対応計画
AIコンピューティング用筐体は、将来の拡張性を考慮して設計する必要があります。ラック密度は数十キロワットから100～200キロワット、そしてそれ以上へと移行しています。今日有効な設計でも、明日には通用しなくなる可能性があります。まずは4基のGPUに対応できる構成を選び、ワークロードの増加に合わせて8基以上に拡張できるようにしましょう。モジュール式の電源および冷却リンクを採用することで、筐体全体を交換することなく容量を追加できます。
ハードウェアのリフレッシュサイクルを迅速に実現するための設計
GPUの世代交代は急速に進んでいます。H100からH200、そしてB200へと進化し、それぞれ電力と冷却に関する要件が異なってきました。AIコンピューティング用エンクロージャーは、大きな変更を加えることなく新しいハードウェアに対応できる必要があります。標準的な取り付けポイント、柔軟なケーブル配線、そして容易なメンテナンスエリアにより、アップグレード時間を短縮できます。PCIeスロットのレイアウトは、様々なカードサイズと電源コネクタに対応できる必要があります。このような将来を見据えた設計により、多くのハードウェア世代にわたってインフラ投資を保護できます。
ディープラーニング用コンピュータを構築するには、これらの相反するニーズのバランスを取る必要があります。熱性能、構造強度、そして将来的な柔軟性、すべてが重要です。優れたAIコンピューティング用筐体は、これらの要素を1つのシステムに統合し、ハードウェアを長年にわたって最高の状態で稼働させ続けます。
材料と AIコンピューティング用筐体の製造
性能と耐久性を考慮した適切な素材の選択
アルミニウム合金と亜鉛メッキ鋼の比較
使用する材料の選択は、製造工程全体に影響を与えます。アルミニウム6061は、放熱性に優れています。GPUやCPUから熱を素早く放散するため、各GPUが700ワット以上を消費する場合に特に重要です。また、この金属は軽量であるため、ラックに多数のユニットを設置する際にも有利です。
亜鉛メッキ鋼板（SGCC）には独自の利点があります。アルミニウムよりも電磁干渉を遮断する性能が高く、高速で動作するAIハードウェアにとって重要です。また、鋼は軟らかい金属よりもファンの振動に強いという特長もあります。多くのAIコンピューティング筐体設計では、両方の素材が使用されています。ヒートシンクや冷却板にはアルミニウムを、外枠やEMIシールドには鋼を使用しています。
どちらを選ぶかは、冷却計画によって異なります。最高の熱伝導率が必要な場合はアルミニウムを選びましょう。電気ノイズを抑制する必要がある場合は、鋼鉄の方が適しています。カスタム設計では、両方を組み合わせて使用することも可能です。これは、AIシステムを構築する上で重要な課題であり、一つの筐体内で熱と電気のニーズのバランスを取ることを意味します。
表面処理：耐腐食性のための陽極酸化処理
生のアルミニウムは時間の経過とともに空気と反応します。この反応は熱伝導を阻害する可能性があります。陽極酸化処理は、表面に制御された酸化皮膜を形成します。これにより、金属は錆や摩耗から保護され、表面も硬くなります。
AIコンピューティング用筐体では、ヒートシンクやコールドプレートに陽極酸化処理を施すのが一般的です。このコーティングにより、熱伝導グリスの性能が維持されます。コーティングがないと、錆によって微細な隙間が生じ、熱伝導が阻害されます。また、顧客が目にする部品の見栄えも良くなります。この処理には多少コストがかかりますが、ディープラーニング用コンピュータの信頼性を向上させます。
CNC加工 精密部品用
ヒートシンクフィンの厳しい公差を実現する
AI用GPUのヒートシンクには、非常に高い精度が求められます。フィンはまっすぐで、間隔も均等でなければなりません。わずかなミスでも、空気の流れを妨げたり、熱伝導グリスとの接触を損なったりする恐れがあります。
表面は±0.05mm以内の平坦度でなければなりません。表面が不均一だと空気の隙間が生じ、熱性能が最大50%低下する可能性があります。鏡面仕上げを実現するには、フライカット、フェーシング、精密フライス加工などの精密加工工程を使用してください。
以下は、CNC加工されたヒートシンクの一般的な公差です。
| フィン形状の特徴 | 達成可能な許容範囲 |
| フィンの厚さ | ±0.05 mm |
| フィンの間隔 | ±0.05 mm |
| 取付面の平面度 | 0.01〜0.02 mm |
これらの公差は、フィンを成形するのと同じ切削工程で設定されます。これにより、複数の工程による誤差を回避できます。精度は標準的な押出成形よりもはるかに高く、熱伝導ペーストまたはパッドとの完璧な接触を保証します。
CNC加工は、少量から中量生産に最適です。押出成形では不可能な、部品設計の変更が容易です。新しい工具を使わずに、生産の合間にフィン形状を調整できます。これは、GPUが変更され、新しい部品が迅速に必要になった場合に役立ちます。
複雑なシャーシの加工機能
シャーシにもCNC加工が必要です。PCIeカード用の穴は正確に位置合わせしなければなりません。マザーボード用のスペーサーは適切な高さにする必要があります。ケーブル配線は滑らかで、鋭利なエッジがあってはなりません。
カスタムビルドなら、ハードウェアのこれらの機能をカスタマイズできます。ネジ穴を追加してアクセスしやすくしたり、ケーブルを収納するポケットを加工したりできます。これはプロトタイプや少量生産に最適です。この場合、ケースは内部のすべての部品を支える精密ツールとなります。
板金製作 大量生産向け
レーザー切断 精度と精度 板金曲げ
数百個、数千個もの部品が必要な場合は、板金加工が最適です。レーザー切断なら、バリのないきれいな切断面が得られます。切断はCAD設計図に厳密に準拠します。
精密な曲げ加工によって、平らな金属板は立体的な形状に成形されます。ブレーキプレスは、マーキングされた線に沿って金属を曲げます。曲げ角度は強度に影響します。角度が鋭すぎると金属にひびが入り、緩すぎるとフレームがぐらつきます。優れた工場では、金属の厚みごとにこれらの設定を調整します。ここで、設計は現実世界の限界に直面します。
板金溶接 ハードウェアの追加
溶接は、複数のパネルを接合して丈夫なフレームを作る方法です。スポット溶接は薄い板材に適しており、TIG溶接はより厚い部品に適しています。どちらの方法も、すべての部品をしっかりと固定する強固なフレームを作り出します。
ハードウェアを挿入することで、溶接後にねじ穴が追加されます。圧入ナット、PEMインサート、溶接ナットなど、いずれも使用可能です。これらを使用することで、組み立て中に部品の着脱が容易になります。これは、修理が必要なAIコンピューティング筐体にとって非常に重要です。特別な工具を使わずに、ファン交換、GPUの追加、電源ユニットの交換などが可能です。優れたサービスアクセスにより、メンテナンス時間を大幅に短縮できます。
これらの手法を組み合わせることで、完全なワークフローが構築されます。CNC加工は精密な部品の加工に適しており、板金加工は量産に対応します。これらの適切な組み合わせにより、高性能で長寿命なAIコンピューティング筐体が実現します。
冷却システムと内部構造の統合
空冷設計：ダクトとファントレイ
データセンター環境における音響ノイズの管理
空冷は無視できない騒音問題を引き起こします。サーバーラック内の高性能ファンユニットは最大96dBAに達します。平均的なサーバーエリアは約92dBAです。AI/GPUラックではさらに騒音レベルが上がり、通常のラックに比べて8～15dBA高くなります。その結果、ホットアイルの騒音レベルは94～98dBAに達します。
これらの数値は作業員の安全にとって重要です。OSHAは85dBAを行動レベルとして定めており、これを超える場合は聴覚保護プログラムが必要です。ファンがフルスピードで回転しているときの絶え間ない高音は、高温の通路で作業する技術者に徐々に、そして永久的な難聴を引き起こす可能性があります。AIコンピューティング筐体の設計には、防音材とスマートファンカーブを取り入れるべきです。これらは、温度が許容範囲内であればファンの回転速度を落とします。
冗長構成でホットスワップ可能なファンモジュールの実装
内部構造は、保守の容易さを最優先に設計する必要があります。ファンとフィルターはホットスワップに対応しているべきです。これにより、ダウンタイムを削減できます。ファンが故障しても、ディープラーニング用コンピュータ全体が停止してしまうような事態は避けたいものです。冗長構成のファンモジュールを使用すれば、システムを稼働させたまま、ファンモジュールを取り外して新しいものに交換できます。
ファン受けトレイは、工具不要のラッチと分かりやすいステータスLEDを備えて設計してください。ファンは、エアフローが最も重要な場所に配置しましょう。通常、これはGPUとCPUバンク全体に冷たい空気を送り込むことを意味します。この方法により、メンテナンス中もハードウェアを稼働させ続けることができ、完全なシャットダウンを回避できます。
極端な熱負荷に対応する液冷システムの統合
冷却板の取り付けと配管ルート
チップ直結型液冷は、最も高い熱負荷に対応できます。冷却プレートはGPUとCPUパッケージに直接取り付けられ、空気よりもはるかに速く熱を逃がします。この違いはコストにも表れています。CRAC/CRAHユニットとリアドア式熱交換器を組み合わせた空冷は、1kWあたり1,800ドル～3,200ドルかかります。一方、チップ直結型液冷は1kWあたり3,500ドル～5,000ドルかかります。液浸式の場合はさらに高額になります。
| 冷却ソリューション | 1kWあたりの設備投資額 |
| 空冷式（CRAC/CRAH周辺部＋リアドアHX） | $ 1,800- $ 3,200 |
| チップ直結型液冷（コールドプレート） | $ 3,500- $ 5,000 |
| 単相浸漬冷却 | $ 4,300- $ 6,000 |
| 二相浸漬冷却 | $ 4,500- $ 6,500 |
配管ルートは綿密な計画が必要です。マニホールドと各冷却プレートの間は、短く直線的な経路を確保してください。急な曲がりは流量を制限します。接続箇所はすべて漏れる可能性があるため、接続箇所は最小限に抑えてください。クイックディスコネクト継手を使用すると、ループ全体を排水することなく、特定のノードのメンテナンスを行うことができます。
漏洩検知および安全遮断機構
漏水防止は、組み立て済みのループを毎回使用前に圧力テストすることから始まります。また、配管経路に沿ってセンサーを設置する必要があります。これらのセンサーは、水分が繊細な電子機器に到達する前に早期に検知します。安全遮断弁は、漏水箇所を自動的に隔離する機能を備えているべきです。これにより、投資を保護し、近隣機器への高額な損傷を防ぐことができます。
配電とケーブル管理
GPU電源用の高電流バスバーレイアウト
最新のGPUは膨大な電流を消費します。1つのGPUで数百ワットもの電力を消費することもあります。ラックいっぱいにGPUを搭載するには、相当な電力供給が必要です。バスバーは通常の配線よりもこの電力供給に適しています。バスバーは電圧降下を抑えながら大電流を流すことができ、発熱量も少なくなります。レイアウトでは、バスバーを短く太く設計し、適切な絶縁材と安全なカバーを使用してください。
最適なエアフローとメンテナンスアクセスを実現するケーブル配線
ケーブル管理は冷却性能とメンテナンス性の両方に影響します。ケーブルが乱雑だとエアフローが阻害され、ホットスポットが発生します。また、部品交換も困難になります。電源ケーブルとデータケーブルはシャーシの端に沿って配線し、主要なエアフロー経路から離しておきましょう。ケーブルトレイとベルクロストラップを使用して整理整頓を心がけてください。各ケーブルには分かりやすいラベルを貼っておきましょう。この設計上の工夫は、システムのメンテナンスを行うたびに効果を発揮します。
適切なケーブル配線は、将来のアップグレードにも対応します。新しいPCIeカードを追加したり、GPUを交換したりする際に、ケーブルが絡まった状態を解消することなく、適切なコネクタにアクセスできます。これにより、ワークロードの増加に合わせてAIコンピューティングエンクロージャの適応性を維持できます。今日選択する内部アーキテクチャは、後々新しいパーツを追加する際の容易さを左右します。サービスアクセスは最初から計画しておきましょう。そうすることで、データセンターインフラストラクチャは今後何年にもわたってよりスムーズに稼働します。
AIの成長に向けた拡張性とモジュール設計
柔軟な展開を可能にするモジュラーシャーシアーキテクチャ
計算ノードの動的な追加または削除
AIワークロードは急速に変化します。今日8基のGPUを必要とするトレーニングジョブでも、明日の推論では2基で済むかもしれません。モジュール式の筐体設計により、ワークロードの変化に合わせて計算ノードを追加または削除できます。要件が変わるたびに筐体全体を交換する必要がなくなり、予算と稼働時間を保護できます。
各計算ノードを構成要素と考えてください。初期実験では、最大4つのGPUまで拡張可能なシステムから始めます。その後、ラック全体の配線をやり直すことなく、ノードを追加できます。エンクロージャのバックプレーンが接続を処理します。ディープラーニング用コンピュータは、プロジェクトに合わせて成長していきます。この柔軟性は、次の四半期の需要を予測できない場合に特に重要です。
迅速な交換を可能にする標準化されたモジュールインターフェース
標準化されたインターフェースにより、交換作業は迅速かつ容易に行えます。すべてのノードは同じ電源コネクタ、データリンク、および取り付けポイントを使用します。技術者は、故障したノードを取り外し、交換用ノードを挿入するのに数分しかかかりません。特別な工具は不要です。どのケーブルをどこに接続すればよいか迷う必要もありません。
この設計思想は、ストレージモジュールやネットワークモジュールにも適用されます。GPUノードとCPU専用ノードを同じシャーシ内で混在させることができます。PCIe接続は、インストールした構成に基づいて自動的にルーティングされます。ハードウェアは新しいタスクに合わせて再構成できるため、より長く活用できます。モジュール式のアプローチにより、ラックは固定されたマシンではなく、柔軟なツールキットへと生まれ変わります。
データセンターインフラストラクチャのプレハブ化戦略
工場組立済み筐体モジュール
大規模なAI施設を現地で構築するには数ヶ月を要します。プレハブ式のAIコンピューティングエンクロージャモジュールを使用すれば、その期間を大幅に短縮できます。メーカーは自社工場でラック一式を組み立て、出荷前に冷却ループ、配電、ケーブル管理を実装します。お客様のチームは、すぐに稼働できるテスト済みのユニットを受け取ることができます。
このアプローチでは、作業を建設現場から工場へと移します。工場環境は、埃っぽい建設現場よりも優れた品質管理を可能にします。技術者は毎回同じ手順に従い、出荷前に各モジュールをテストします。そのため、データセンターのインフラストラクチャは、予期せぬ問題や隠れた欠陥が少なくなります。
現場での設置時間とエラーを削減する
現場での組み立てにはリスクが伴います。作業員がレールの位置をずらしたり、金具を締めすぎたりする可能性があります。プレハブ工法では、こうしたリスクのほとんどを排除できます。各モジュールは標準化されたインターフェースを介して隣接するモジュールと接続されます。設置作業員は、位置決め、位置合わせ、接続、確認というシンプルな手順に従います。
時間の節約効果はすぐに実感できます。数週間かかるはずだった現場作業が数日に短縮され、AIデータセンターはより早く価値を生み出し始めます。エラー率の低下は、コールバックや手戻りの減少にもつながります。インフラチームは、インストールミスを修正するのではなく、パフォーマンスの最適化に集中できるようになります。
分散型展開向けエッジAIコンピューティング筐体
データセンター以外の環境向けに設計された堅牢な構造
エッジ環境は、清潔で温度管理されたデータセンターの外に設置されます。工場の床、風力発電所のタワー、街灯柱などに設置されるのです。こうした環境では、埃、湿気、温度変化に耐えられる堅牢なAIコンピューティング筐体が求められます。IP等級システムは、筐体が内部をどの程度保護できるかを示します。
屋外の露出した場所や悪天候には、IP67規格を選択してください。粉塵の侵入や一時的な浸水にも耐えられます。雨が直接機器に当たらない、保護された屋外または屋内環境には、IP65規格を選択してください。コネクタ対応の筐体を使用すれば、設置が迅速になり、故障箇所も少なくなります。適切な規格を選択することで、高額な現場修理を回避できます。
IP55以上の保護等級の試験では、斜めからの豪雨、加圧水への浸漬、粉塵への曝露といった過酷な条件をシミュレートする必要があります。IP55以上の保護等級を持つ筐体の試作には、等級のないバージョンよりも大幅にコストがかかります。3Dプリンティングでは、層間の水の浸入や収縮によるシール公差の問題から、これらの等級を達成することはできません。試作には射出成形またはシリコン型が必要となり、いずれも初期費用が増加します。
等級によるコスト差は、長期的に見ると大きな問題となります。IP65規格の筐体はIP67規格のものより20～30%安価ですが、水にさらされる環境では故障率が2～3倍高くなります。修理費用は1回あたり5,000～10,000元にもなります。ある街路灯システムでは、IP67規格に切り替えたことで総コストを80,000元から30,000元に削減できました。初期費用は高くなりましたが、故障回数の減少によってその分を補うことができたのです。
クラウドに依存しないローカル推論機能
エッジエンクロージャは多くの場合、ローカル推論を実行します。つまり、データが発生した場所でデータを処理するのです。これにより、常時クラウド接続を維持する必要がなくなります。工場の画像処理システムは、インターネット接続が切断されても製品を検査できます。風力タービンの監視システムは、データをリモートサーバーに送信することなく故障を予測できます。
このローカル処理により、レイテンシが劇的に短縮されます。意思決定は秒単位ではなくミリ秒単位で行われ、帯域幅コストも削減されます。AIデータセンターは負荷の高いトレーニングワークロードを処理し、エッジユニットはリアルタイム応答を管理します。これらが連携することで、速度と拡張性のバランスが取れた完全なインフラストラクチャが構築されます。堅牢な筐体は内部のコンピュータを保護し、モジュール設計により将来のハードウェアへのアップグレードパスが確保されます。
テスト、検証、品質保証プロトコル
熱検証：シミュレーションと実機試験の比較
プロトタイプ作成前にCFDを用いてホットスポットを予測する
計算流体力学（CFD）ソフトウェアを使えば、金属を切断する前に気流パターンを確認できます。AIコンピューティング筐体をモデル化し、仮想のGPUとCPUを内部に配置した後、シャーシにシミュレーションされた空気を流します。このソフトウェアは、ハードウェアを過熱させる可能性のあるホットスポット、デッドゾーン、および再循環経路を表示します。
この早期分析は、実際のコスト削減につながります。シミュレーションで発見された設計上の欠陥は、修正に費用がかかりません。しかし、金型製作後に同じ欠陥が発見されると、数千ドルの費用がかかります。CFD（計算流体力学）を使えば、実際に製品を作ることなく、さまざまなファン配置、ダクト形状、通気口サイズをテストできます。また、CFDは、特定の熱負荷に対して空冷と液冷を比較するのにも役立ちます。どの方法が、すべてのコンポーネントを安全な温度範囲内に維持できるかを確認できます。
しかし、シミュレーションには限界があります。実際のファンは、モデル化されたファンとは異なる挙動を示します。実際のGPUヒートシンクには製造上の公差があります。ケーブル束は、ソフトウェアでは予測できない方法で空気の流れを阻害します。だからこそ、物理的なテストが依然として重要なのです。
信頼性に関する環境ストレススクリーニング
環境ストレススクリーニング（ESS）では、プロトタイプを通常の動作条件を超えた状態でテストします。AIコンピューティング筐体を極端な温度条件下で動作させたり、高温と低温を急速に繰り返したり、高湿度環境で動作させたりします。これらのテストにより、はんだ接合部の不具合、ファンの故障、熱伝導不良などが明らかになります。
ESSは、負荷がかかった状態でのみ発生する問題を検出します。室温では正常に動作するコネクタが、50℃では故障する可能性があります。ファンベアリングは、熱サイクルを繰り返すと異音を発するかもしれません。開発段階でこれらの問題を発見することは、製造段階で発見するよりもはるかに優れています。ディープラーニング用コンピュータは、長年にわたって安定して稼働する必要があります。ESSは、その安定性を確信させてくれます。
機械的および安全適合性試験
振動、衝撃、落下試験手順
AIコンピューティング用筐体は、物理的な負荷にさらされます。ファンは常に振動を発生させ、輸送中は衝撃や落下が生じ、地震によってラック全体が揺れることもあります。機械的試験は、これらの状況を制御された実験室でシミュレートします。
振動試験では、筐体を振動試験台に設置します。この試験台は、実際の動作における周波数スペクトルを再現します。振動を増幅する共振周波数を監視します。ガタガタと音を立てて緩む部品や、擦り切れたケーブルは、設計上の問題を示しています。衝撃試験では、突然の衝撃をシミュレートします。落下試験では、輸送中に梱包がユニットを保護することを確認します。各試験は、合否判定基準が定められた手順に従って実施されます。
UL、CE、FCC認証への対応
認証は、筐体が安全基準および排出基準を満たしていることを証明するものです。UL 62368-1はIT機器の安全性を規定しており、感電、火災リスク、機械的危険性に対応しています。CEマークは、欧州連合の要件への適合性を示します。FCCパート15は、米国における電磁波排出を規制しています。
これらの認証には、文書化された試験が必要です。ラボレポート、設計ファイル、場合によっては現地検査も必要となります。このプロセスには数週間から数か月かかります。プロジェクトの早い段階で計画を立ててください。カスタムAIコンピューティングエンクロージャは、標準的な市販品よりも多くの試験が必要です。それに応じて予算を確保してください。
品質管理 製造工程において
精密部品の初回製品検査（FAI）
初回製品検査（FAI）は、製造工程で設計通りの部品が生産されていることを検証するものです。最初の生産ユニットのすべての寸法を測定し、それらの測定値をCADモデルおよび公差と比較します。FAIは、何千ものユニットに影響が出る前に、金型の不具合を検出します。
ヒートシンクのような精密部品にとって、FAI（初回品検査）は非常に重要です。0.05mmのフィン間隔の誤差は、簡単な目視検査では気づかないかもしれませんが、熱性能を低下させます。FAIの文書は、サプライヤーを変更したり、製造プロセスを変更したりする際にも役立ちます。将来の比較のための基準値となるからです。
終 アセンブリ バーンインテスト手順
バーンインテストとは、完成した筐体を長時間にわたって負荷をかけた状態で動作させるテストです。ダミーのGPUまたは実際の演算カードを搭載し、数時間から数日間、フルパワーで動作させます。このテストでは、ウォームアップ後にのみ発生する断続的な不具合を検出できます。接続不良、電源ユニットの故障、冷却システムの性能不足などは、バーンインテスト中に明らかになります。
このテストでは、システム統合性も検証します。電源分配が正しく機能していることを確認し、冷却システムがすべてのコンポーネントを仕様範囲内に維持していることを確認します。また、管理インターフェースが温度を正確に報告していることを確認します。バーンインテストに合格して初めて、筐体は顧客に出荷されます。この最終チェックは、貴社の評判と顧客の稼働時間を守ります。
AIコンピューティング用筐体製造においてNOBLE社と提携
包括的な製造能力をワンストップで提供
社内でのCNC加工および板金加工
NOBLE は、すべてをワンストップで処理します。CAD ファイルを送信してください。当社のエンジニアが設計をチェックし、製造に関するフィードバックを提供します。設計上の問題を早期に発見します。曲げ半径、肉厚、公差スタックを確認します。生産をより速く、より安価にするための変更を提案します。その後、すぐに部品の製造を開始します。外部業者とのやり取りは不要です。異なるベンダー間で部品を輸送する必要もありません。遅延もありません。ハードウェアには、完璧にフィットするケースが必要です。当社のカスタムプロセスは、DFM から始まり、完成した AI コンピューティング エンクロージャで終わります。
弊社にはCNC加工機と板金加工ラインの両方があります。お客様のプロジェクト全体を一つのチームが担当します。CNC加工機は精密部品を製造します。GPUとCPU用のヒートシンク、PCIeカード用のマウントブラケット、正確なカットアウトが施されたカスタムパネルなどです。機械はあらゆる形状において厳しい公差を維持します。板金加工機はシャーシを製造します。レーザー切断、精密曲げ加工、溶接によって強固なフレームが作られます。AIコンピューティング用筐体一式をワンストップでご提供いたします。
AIハードウェアプロジェクトにおいて、スピードは重要です。お客様のシステムには、完璧にフィットするケースが必要です。当社独自の製造能力により、納期を延長することなく、お客様のニーズに最適なケースをご提供いたします。カスタムビルドの品質は、厳格な品質管理にかかっています。当社は、すべての工程を自社で行うことで、その品質管理を実現しています。すべてのハードウェアコンポーネントは、出荷前にテストされます。
付加価値サービス：ケーブルアセンブリおよびシステムインテグレーション
ケースはほんの始まりに過ぎません。NOBLEはケーブルアセンブリとシステム統合も担当します。電源分配の配線、データケーブルの配線によるスムーズなエアフローの確保、コンポーネントのラックへの取り付けまで全てお任せください。ディープラーニング用コンピュータはすぐに稼働できる状態でお届けします。各エンクロージャに合わせたカスタムケーブルハーネスを製作します。電源ケーブル、データケーブル、信号ケーブルはすべて適切な長さとコネクタを使用します。これによりケース内部の配線がすっきりします。ケーブル配線がすっきりすることでエアフローも向上し、システムの温度上昇を抑え、長寿命化を実現します。
システム統合とは、すべてをまとめてテストすることを意味します。各GPUがスロットに適合するか、冷却システムが正常に動作するか、すべてのコネクタが接続先まで届くかなどを確認します。これにより、組み立て作業にかかる時間を大幅に削減できます。お客様のチームは電源とネットワークを接続するだけで、モデルのトレーニングを開始できます。統合作業によって、システム全体のパフォーマンスが向上します。
認証と品質管理システム
ISO 9001:2015 一貫した品質管理
ISO 9001:2015は品質マネジメントの標準規格です。NOBLEは全事業においてこの認証を取得しています。これは、あらゆる工程において文書化された手順に従い、欠陥を追跡し、パフォーマンスを測定し、継続的に改善していくことを意味します。このシステムは、問題が深刻化する前に発見します。文書化された手順により、すべてのチームメンバーが同じ手順に従います。推測に頼ることも、チェックを省略することもありません。その結果、予測可能で再現性の高いプロセスが実現し、常に高品質な製品とサービスを提供します。
お客様のカスタム製造プロジェクトにおいて、これは非常に重要です。最初のユニットから100番目のユニットまで、一貫した品質を実現します。すべての筐体は同じ許容誤差を満たし、すべての組み立ては同じチェックリストに従って行われます。データセンターのインフラストラクチャは、信頼性の高いハードウェアに依存しています。ISO 9001は、その信頼性を保証します。当社が製造するすべてのラックに、同じ品質が適用されます。
医療機器製造規格に関するISO 13485:2016
医療AIアプリケーションには、さらに厳格な管理が求められます。ISO 13485:2016は医療機器製造の標準規格であり、NOBLE社もこの認証を取得しています。この規格は、リスク管理、トレーサビリティ、検証を網羅しています。すべての部品が文書化され、すべてのプロセスが監査されます。このレベルの詳細な管理により、患者の安全に影響を与える可能性のあるエラーを防止します。
これは、医療を支えるAIデータセンターにとって重要です。データセンターの筐体には、診断用AIが搭載されているかもしれませんし、手術ロボットを制御しているかもしれません。ISO 13485は、プロセスがこれらの要件を満たしていることを保証します。同様の規律は、あらゆる重要なインフラプロジェクトにも役立ちます。プロセスが信頼できるため、インフラも信頼性を維持できます。すべてのコンポーネントは供給元まで追跡可能です。すべてのコンピュータは最高水準で構築されています。
AIコンピューティング用筐体は、単に部品を収納するだけではありません。AIハードウェアの性能を左右する重要な要素です。あらゆる熱設計、あらゆる材料選択、あらゆる冷却経路がAIの性能に影響を与えます。独自のディープラーニング用コンピュータを構築するには、GPUやCPUの仕様だけでなく、システム全体を考慮する必要があります。
スマートマニュファクチャリングは、熱制御、構造強度、そして将来のニーズのバランスを取るものです。予算内で拡張可能なディープラーニングコンピュータには、将来の拡張に対応できる余地が必要です。カスタム設計では、全面的な再構築なしに次世代GPUハードウェアに対応できる必要があります。この柔軟性によって、AIインフラへの投資が保護されます。
適切なケースを選ぶことで、優れたハードウェアが最高のパフォーマンスを発揮します。早い段階からメーカーと連携し、最終決定前にカスタムプランを共有しましょう。メーカーからのフィードバックによって、コストのかかる設計変更を防ぐことができます。AIインフラストラクチャの導入も迅速になり、コンピュータは長年にわたって安定した性能を発揮します。このアプローチは、ラックに搭載するすべての機器にメリットをもたらします。
AIコンピューティング筐体製造に関するよくある質問
AIコンピューティング筐体において、熱管理がこれほど重要になる理由は何でしょうか？
最新のAI用GPUはそれぞれ700W以上を消費します。8基のGPUを搭載したシステムでは、7,000～8,000Wもの熱が発生します。適切な冷却が行われないと、ハードウェアの動作が遅くなったり、停止したりします。適切な筐体設計によって、この熱を効率的に放散し、機器を安全に保つことができます。
AIコンピューティング用筐体の製造には、アルミニウムと鋼鉄のどちらを使用すべきでしょうか？
アルミニウム（6061）は部品から素早く熱を逃がします。一方、鋼（SGCC）は電磁干渉をより効果的に遮断します。多くのカスタムビルドでは、ヒートシンクにアルミニウム、外枠に鋼といったように、両方が使用されています。どちらを組み合わせるかは、冷却計画によって決まります。
空冷と水冷のどちらを選べば良いですか？
空冷は中程度の負荷に対応でき、コストも抑えられます。液冷はラックあたり40kWを超えるような極端な高温に対応します。チップ直結型の液冷は1kWあたり3,500ドルから5,000ドルかかります。最適なオプションはハードウェアの密度によって決まります。適切なインフラ投資は、この選択にかかっています。
私のAIコンピューティング用筐体には、どのような認証が必要ですか？
UL 62368-1はIT機器の安全性を規定しています。FCCパート15は電磁波放射を規制しています。CEマークはEUの適合性を示します。これらの認証には文書化された試験が必要です。カスタム製造のスケジュールに早めに組み込んでください。
将来を見据えた筐体設計にするにはどうすれば良いでしょうか？
標準的なPCIeマウントポイントを備えたモジュール設計を選択してください。最大4基のGPUまで拡張可能なシステムであれば、後から拡張することも可能です。これにより、ハードウェア世代を超えてインフラ投資を保護できます。簡単なアップグレードで、コンピュータを長年にわたって使い続けることができます。
設計段階でメーカーと提携すべき理由は何ですか？
製造パートナーからの早期フィードバックにより、金型製作前に設計上の欠陥を発見できます。NOBLEのエンジニアがお客様のCADファイルをDFM（製造性設計）の観点からレビューします。これにより、コストのかかる再設計を回避できます。システム統合は最初のスケッチから始まります。お客様のインフラストラクチャは、工場レベルの品質管理の恩恵を受けます。
どのようなテストを実施すれば、筐体が確実に動作することを保証できますか？
熱検証では、CFDシミュレーションと物理試験を組み合わせます。機械的試験では、振動、衝撃、落下などの手順を網羅します。環境ストレススクリーニングでは、脆弱なコンポーネントを特定します。最終的な統合では、全負荷下でのバーンイン試験を実施します。これにより、インフラストラクチャが設計どおりに動作することが検証されます。
AI構築に標準的なサーバーケースを使用できますか？
標準的なケースでは、最新のAIワークロードの熱密度に対応できません。カスタムケースは、エアフロー経路、GPUマウント、ケーブル配線を最適化します。ディープラーニング用コンピュータには、その特有の熱的および構造的要件に合わせて設計されたケースが必要です。製造プロセスは、ハードウェアのニーズに合致していなければなりません。
