ドライブネッツと AMD 社、AI クラスタの性能と効率を最大化するリファレンス・アーキテクチャを公開

AMD Instinct(TM) MI350 シリーズ GPU と DriveNets AI Fabric を基盤とするエンドツーエンドの設計図により、コスト効率に優れた高性能 AI インフラの構築を可能に※本資料は、イスラエルで 2026 年 7 月 22 日（現地時間）に発表されたプレスリリースの日本語抄訳ですイスラエル・ラーナナ、2026 年 7 月 22 日 - 大規模ネットワーキング・ソリューションのリーダーであるドライブネッツは、AMD Instinct(TM) MI350 シリーズ GPU と DriveNets AI Fabric を用いて高性能 AI インフラを構築するための検証済み設計図を定義する、エンドツーエンドのリファレンス・アーキテクチャを発表しました。この統合ソリューションは、単一のネットワーキング・ソリューションによるフロントエンドおよびストレージのネットワーキングを含め、スケールアウトおよびスケール・アクロスの両アーキテクチャに対応します。さらに、自動化されたオーケストレーションとフルスタックの統合サービスと組み合わせることで、迅速な導入と効率的なエンドツーエンドのスケーリングを実現します。今回のリファレンス・アーキテクチャと、両社の深化する戦略的関係は、オープンでマルチベンダーな AI インフラという共通のビジョンを反映したものです。AMD 社は先ごろ、ドライブネッツの 4 億 1,000 万ドルのシリーズ D 資金調達ラウンドに戦略的投資家として参加し、両社の共通顧客に対する強いコミットメントを改めて示しました（関連記事）。本リファレンス・アーキテクチャ（こちらから入手可能）には、大規模 AI GPU クラスタの設計・導入・チューニングに関するシステムレベルのアプローチを示す、補完的な導入ガイドが付属します。これらのドキュメントは、コンピュートとネットワーキングの設計に加え、AMD ROCm(TM) ソフトウェア・エコシステム、RCCL による集合通信、ネットワーク・プラグイン、NIC、サーバー、そしてトレーニングと推論の性能を最大化するためのシステムレベルのオーケストレーションを含む、フルスタック全体にわたるエンドツーエンドの最適化を網羅します。[画像: https://prcdn.freetls.fastly.net/release_image/93607/23/93607-23-d6c92146f117cc911e494967f0cd1220-3900x2194.png?width=536&amp;quality=85%2C75&amp;format=jpeg&amp;auto=webp&amp;fit=bounds&amp;bg-color=fff ]AMD × DriveNets のジョイント・ソリューション全体像。DriveNets ACO・OS・スイッチと AMD Pollara NIC・MI355x GPU でスタックを構成。公開ベンチマークより TTFT の短縮を実現。スケール環境での検証済み性能本リファレンス・アーキテクチャには、AMD Instinct MI355X GPU クラスタ上での推論、トレーニング、ネットワーク分離、ファブリックの回復性の各ワークロードにわたる包括的なベンチマークが含まれており、本番規模の AI 導入に対するプラットフォームの準備状況について、検証済みかつ再現可能な証拠を提供します。本アーキテクチャには、複数のネットワーク・トポロジーの選択肢に加え、性能、スケーラビリティ、分離性、回復性を最適化するための詳細な技術ガイダンスとベストプラクティスが含まれます。ベンチマーク結果によると、ドライブネッツの AI ファブリックは、公開されている業界の結果と比較して、スループットで約 5% の向上、Time to First Token（TTFT、初回トークンまでの時間）で 10～15% の短縮を実現します。マルチノード環境では、本プラットフォームは 20 ミリ秒未満のトークン間レイテンシや、ユーザーあたり毎秒 50 トークン以上の出力といった、厳格な本番サービスレベル目標を満たします。回復性テストでは、同時に発生する RDMA トラフィック下でも安定した集合通信性能が実証され、一時的なリンク障害の間も性能低下は見られませんでした。ファブリックの帯域幅は一貫して維持され、復旧の遅延も観測されませんでした。また、AMD プラットフォーム上の RCCL 集合通信性能は、同等の構成における主要な公開 NCCL ベンチマークに匹敵することも示されました。効率を高めた高性能これらの結果は、本統合アーキテクチャが LLM のライフサイクル全体を支えるスケーラブルな基盤であることを実証し、トレーニングと推論の両ワークロードにわたる高い稼働率と一貫した性能を可能にします。本ソリューションは、GPU の効率を最大化し、総所有コスト（TCO）を削減し、優れたトークンあたりコスト性能を提供するよう設計されており、垂直統合型の AI インフラ・スタックに代わるオープンな選択肢となります。ドライブネッツの共同創業者兼最高経営責任者（CEO）である Ido Susan は次のように述べています。「AI インフラは、単一ベンダーのスタックから、オープンでマルチベンダーなシステムへと移行しつつあり、その移行を機能させるのがネットワークです。AMD 社との今回のリファレンス・アーキテクチャは、それを検証済みの設計図へと落とし込みました。AMD Instinct GPU と当社の AI ファブリックは、公開されている結果を上回るスループットと、より短い初回トークンまでの時間を、本番の AI クラスタに求められる回復性と一貫性とともに提供します。これにより、AMD Instinct を基盤に構築するお客様は、オープンなイーサネット上で GPU の稼働率を最大化し、トークンあたりコストを削減するための、検証済みのエンドツーエンドな設計図を手にすることができます」。AMD 社のコーポレート・バイスプレジデント兼グローバル・クラスタ・エンジニアリング担当である Arvind Balakumar は次のように述べています。「本番の AI クラスタは、コンピュート、ネットワーク、ソフトウェアがスケール環境でどれだけうまく連携するかによって決まります。ドライブネッツとの協業により、お客様には、AMD Instinct MI350 シリーズ GPU と DriveNets AI Fabric を組み合わせた、検証済みのオープンなイーサネット・リファレンス・アーキテクチャが提供されます。これにより、GPU の稼働率の最大化、ワークロード効率の向上、そしてトレーニングと推論の両ワークロードにわたる導入の簡素化を支援します」。より優れた AI インフラの選択肢導入ガイドは、コンピュート、ネットワーク・インターフェース・カード（NIC）、ネットワーキング、集合通信ライブラリ、ワークロードのセットアップ、各種構成、性能の最適化を網羅する、ステップバイステップの手順を提供します。AMD 社とドライブネッツは、NIC の挙動や集合通信からシステムレベルのチューニングに至るまで、エンドツーエンドのソフトウェア・スタックの最適化を確実にするため、緊密に協業しています。両社は、LLM 開発者や NeoCloud プロバイダーを含む共通顧客と、本番環境および概念実証（PoC）の導入にわたって取り組んでいます。また両社は、お客様が自社のワークロードを用いて概念実証（PoC）テストを実施できるよう、共同ラボも設立しました。ドライブネッツについてドライブネッツは、AI インフラおよびサービスプロバイダー向けの大規模ネットワーキング・ソリューションのリーダーです。同社のディスアグリゲーテッド（分離型）ネットワーキング・アーキテクチャは、性能、稼働率、運用効率を最大化しつつ、大規模インフラの経済性を変革します。同社の高性能 AI ファブリックは、AI スタックをエンドツーエンドで最適化することにより GPU の稼働率を最大化し、導入を加速して、より高い毎秒トークン数とより低いトークンあたりコストを実現します。ドライブネッツのソリューションは、AT&amp;T や Comcast といった世界的なティア 1 事業者の本番ネットワークを支え、米国のインターネット・トラフィック全体の 50% 近くを担うとともに、基盤モデルの研究機関、NeoCloud、企業におけるマルチベンダーな AI インフラをスケールさせています。詳細は www.drivenets.com をご覧ください。AMD 社についてAMD 社は、世界で最も重要な課題を解決するため、高性能コンピューティングと AI コンピューティングにおけるイノベーションを推進しています。今日、AMD 社のテクノロジーは、クラウドや AI インフラ、組み込みシステム、AI PC、ゲームにわたり、数十億に及ぶ体験を支えています。AI に最適化された CPU、GPU、ネットワーキング、ソフトウェアの幅広い製品群により、AMD 社は、インテリジェント・コンピューティングの新時代に必要な性能とスケーラビリティを備えたフルスタックの AI ソリューションを提供します。詳細は www.amd.com をご覧ください。企業プレスリリース詳細へ : https://prtimes.jp/main/html/rd/p/000000023.000093607.htmlPR TIMESトップへ : https://prtimes.jp