Modular Integrated AI Infrastructure (MiAI): from deployment modularity to lifecycle modularity

技術要約：モジュラー統合型AIインフラストラクチャ（MiAI）

問題提起
現在の人工知能（AI）インフラストラクチャは、展開を効率化するために、既製品のモジュール組立品への依存を強めている。しかし、「デリバリー・モジュラリティ（提供におけるモジュール性）」を用いてこれらのシステムを設置する手法と、構成要素が持つ異種混合な「更新クロック（更新周期）」との間には、根本的なミスマッチが存在する。コンピューティング・ハードウェアは通常、短い耐用年数（例：6年）を持つが、それを支えるインフラストラクチャ（電力システム、冷却、構造要素、エネルギー貯蔵など）は、大幅に長い耐用年数（例：25〜30年）を持つことが多い。

既存のモジュール化手法（モジュラー統合建設（MiC）やマルチ・トレード統合型MEP（MiMEP）など）は、調整されたデリバリーと設置の最適化には寄与しているが、「選択的更新」のための境界を本質的に定義してはいない。その結果、技術転換（例：空冷から液冷への移行）が発生した際、統合されたパッケージ全体が一つのユニットとして評価されることが多く、適合可能な長寿命の支援資産を早期に廃棄してしまう可能性がある。核心となる問題は、物理的な組立と機能的な統合を、技術的な更新のタイミングから明示的に切り離す建築的フレームワークが欠如していることである。

手法
本論文では、物理的組立、機能的インターフェース、および更新境界を共同設計するシステム・アーキテクチャとして、**モジュラー統合型AIインフラストラクチャ（MiAI）**を導入する。手法は以下の3段階で進行する。

1. 建築的定義： MiAIは、相互運用可能な物理・デジタル・モジュールが工場で統合され、標準化された可逆的な接続を介して輸送・組み立てられるパラダイムとして定義される。決定的なのは、デリバリー・ユニット（共に製造・設置されるもの）と、更新ユニット（転換期において独立して評価、保持、適応、または交換可能なもの）を区別することである。これにより、更新境界がデリバリー・ユニットを横断することを可能にし、特定の技術シフトの影響を受ける機能のみを隔離することができる。
2. 分析フレームワーク： 著者は、MiAIを「展開指向型モジュラー・ベースライン（B1）」と比較評価するための**微分ライフサイクル地球温暖化ポテンシャル（GWP）**モデルを開発した。ベースライン（B1）は、転換時に非ゼロの割合の支援資産（$r_B$）を既に保持している。MiAIは、転換の影響を受けるサブセット内において、追加的な物理的保持（$\Delta r$）を加えるものとしてモデル化される。
3. 指標の定式化： 本研究では、ライフサイクル価値の核となる指標としてサービス重み付け有効保持率（$R_{eff}$）を定義する。
   $$R_{eff} = q \Delta r v$$
   ここで、
   • $q$：転換にさらされる全支援ストックの割合。
   • $\Delta r$：ベースラインに対するMiAIによる追加の物理的保持量。
   • $v$：保持された資産の状態、適合性、および残存耐用年数を表す資格係数（0から1）。

このモデルは、「保持されたサービス・クレジット」（$N R_{eff}$）と「実現のための負担」（インターフェース・プレミアム $\alpha$ および転換作業 $b$）のバランスを取り、微分GWP（$g$）を決定する。

主な貢献

• 概念的転換： 本論文は、設計の焦点を「デリバリーのモジュラリティ（インフラがいかに提供されるか）」から「ライフサイクルのモジュラリティ（インフラが技術世代を超えて何を保存するか）」へと転換させている。ここでは、「更新境界」を、デリバリー・パッケージングの固定された結果としてではなく、明示的な設計対象として扱っている。
• 損益分岐条件： 著者は、良好なライフサイクル・アウトカムを得るための条件 $R_{eff} > R^*_{eff}$ を導出した。これは、MiAIがGWPの純減をもたらすためには、資格を得た保存サービスが、各転換に割り当てられたインターフェースおよび転換の負担を上回らなければならないことを確立している。
• 設計空間のマッピング： 本研究は、設計変数（インターフェース・プレミアム、転換負担、露出係数、および保持量）の関係をマッピングし、限定された適用領域を定義している。この空間は、構成を以下の3つの領域に分類する。
  1. 有利な領域（保持優位）： 保持されたサービスが負担を上回る。
  2. 負担優位領域： 負担が保持されたサービスを上回る。
  3. 物理的に実行不可能： 必要な保持量が利用可能な非保持ストックを超える（$\Delta r > 1 - r_B$）。
• デジタル・物理統合： 物理的な可逆性だけでなく、資格（$v$）を確定させるためのデジタル・トレーサビリティ（モジュールの識別、メンテナンス履歴、状態のエビデンス）が効果的な保持には不可欠であることを強調している。

結果
15年間のホライゾンと2回のコンピューティング転換（$N=2$）を用いた正規化された同一サイト構成を用い、本研究は以下の例示的な結果を示している。

• ベースライン・パラメータ： インターフェース・プレミアム $\alpha = 0.10$、転換負担 $b = 0.05$、露出係数 $q = 0.50$、ベースライン保持率 $r_B = 0.40$。
• MiAIの性能： 追加の物理的保持 $\Delta r = 0.30$ および資格係数 $v = 0.75$ の場合、MiAIは有効保持率 $R_{eff} = 0.1125$ を達成する。
• 損益分岐分析： 必要とされる有効保持閾値は $R^*_{eff} = 0.075$ と計算される。$0.1125 > 0.075$ であるため、この構成は有利である。
• GWPへの影響： 結果としての微分GWPは $g = -0.075$ であり、これは支援インフラの製造参照値に対してライフサイクル排出量が7.5%削減されることを示している。
• 閾値： 露出サブセット内における追加の物理的保持閾値は $\Delta r^* = 0.20$ である。これより多い増分を（ベースラインに対して）保持する構成が有利となる。
• 整合性チェック： 24通りのスケジュールおよび会計の組み合わせ（更新間隔と負担配分ルールを変化させたもの）にわたるマルチサイクル整合性チェックにより、すべてのケースにおいて実現可能な内部交差が存在することが確認され、境界条件の堅牢性が検証された。

意義と主張
本論文は、MiAIがデリバリーの初期段階を超えてモジュラー建設の有用性を拡張すると主張している。更新境界を明示的な設計変数とすることで、MiAIはインフラ所有者が技術転換が統合施設にどのように波及するかを予測することを可能にする。その意義は以下の点にある。

1. サービスの保存： 短命なコンピューティング・ハードウェアの複数世代にわたり、適合性の高い長寿命の支援資産（電力、冷却、構造）の保持を可能にする。
2. トレードオフの定量化： 標準化されたインターフェースと可逆的な接続への投資が、資格を得たサービスの保存によって報われるかどうかを評価するための、厳密な分析メカニメントを提供する。
3. 設計の指針： エンジニアがインターフェース・プレミアム、転換負担、および保持戦略を調整し、ライフサイクル・アウトカムを有利な状態に保つことができる、限定された設計空間を提供する。

著者は、次世代のAIインフラストラクチャは、単にデプロイの日（展開日）のためだけでなく、それが生き延びなければならないあらゆる技術世代のために設計されるべきであり、保存をインフラ設計の明示的な目的へと変革させるべきであると結論づけている。