背景
AEC業界では、生成AIやLLMを活用した設計支援・施工管理が急速に普及しつつあります。しかし多くの組織は、クラウドベースのAI APIに依存してきました。その理由は、高性能なGPUハードウェアの導入コストが高く、運用負担も大きかったからです。一方、設計図面・施工データ・顧客情報といった機密情報をクラウドに送信することのリスク（データ漏洩、法規制対応）が指摘されてきました。特に日本国内では、GDPR等の国際法規制に対応する必要があり、さらに建設業固有の商習慣や発注者の情報管理要件も厳しくなっています。こうした背景から、オンプレミス（現場やオフィス内）でAI推論を実行できるサーバーの需要が急速に高まっています。
内容
G2 Digital（英国）が発表した「Q-Power」は、2Uラックマウント型の高性能GPUサーバーです。従来の2U サーバーは最大2基のGPUに対応していましたが、Q-Powerは独自のシャーシ設計により、最大4基のNvidia RTX GPUを水平配置できます。フラッグシップ構成として、Nvidia RTX Pro 6000 Blackwell Max-Q を4基搭載した場合、合計384GBのGPU メモリを備え、700億パラメータ規模のLLMをフル精度で実行可能です。また低精度フォーマットと量子化技術を組み合わせれば、さらに大規模なモデルもサポートできます。AMD Epyc / Ryzen Threadripper プロセッサ、最大2基のGeForce RTX 5090との構成も選択可能で、製造は英国で行われます。
技術的ポイント
Q-Powerの最大の技術的創新は、2Uという限定された物理スペース内でGPUメモリ容量を4倍に拡張した点にあります。従来、4基のGPUを搭載するには4Uサイズが必要でしたが、GPUを水平配置（マザーボードと平行）することで、この課題を解決しました。これにより、同じラック環境でより多くのAIコンピュート資源を集約できます。
パフォーマンス面では、クラウドAI APIと比較して「トークンあたりの推論コストが最大18分の1、レスポンス遅延が1500ミリ秒から40ミリ秒以下に改善」と主張しています。持続的なワークロード環境では、オンプレミス実行の総所有コスト（TCO）がクラウド従量課金を大幅に下回るということです。ただし、初期投資額やラック電源・冷却設計の複雑性については、明示されていません。
セキュリティ面では、AIモデルの学習・微調整に組織内の機密データ（BIM、施工日誌、発注者情報等）を使用する際に、外部クラウドへの送信が不要になります。GDPR・HIPAA・SOC 2といった国際準拠体制の構築が容易になることが強調されています。
業界への影響
グローバルなAEC業界では、建築・土木設計から施工管理、FM（ファシリティマネジメント）まで、あらゆるプロセスでAI活用が加速しています。BIM環境での設計案自動生成、施工現場の安全監視AI、構造解析の高速化など、具体的なユースケースが出現しつつあります。
Q-Powerのようなオンプレミス GPU サーバーの登場は、この流れに大きな転機をもたらします。これまでクラウド従量課金に依存していた中小設計事務所やゼネコンサブコン部門でも、導入コストの面で参入障壁が下がる可能性があります。同時に、ラック電源・冷却・ネットワーク設計といったIT基盤への投資が新たに必要になり、専門的な運用スキルも求められます。
また、大型プロジェクトでは、現場内のエッジ AI コンピュートと本社クラウドを組み合わせた「ハイブリッド型」のAI実行環境が標準化される可能性もあります。施工現場の映像認識や安全監視はエッジで、複雑な構造最適化計算はクラウドで、という棲み分けです。
