AI開発・ローカルLLM・ディープラーニング向け AIワークステーション
AI開発・ローカルLLM・ディープラーニングに対応するハードウェア構成
※掲載製品は参考価格となりますので、最新価格については都度お問い合わせください。
製品紹介
アプライドのAIワークステーションは、ディープラーニング、機械学習、データ解析、シミュレーションなど、膨大な計算資源を必要とする高度なAI開発業務に最適化された高性能コンピュータです。
最新世代のCPUと大容量メモリ、高速ストレージ、さらにハイエンドGPUを搭載することで、大規模なニューラルネットワークの学習や推論処理を高速かつ安定して実行可能です。
アプライドなら、最新のワークステーションでも「低価格で高性能」を実現できます!
★AI開発・ローカルLLM・ディープラーニングに対応するハードウェア構成 ワークステーション
コンシューマー向けのお求めやすい価格で、プロフェッショナル用途でも使えるCore Ultraプロセッサーを搭載!
最新のCore Ultraシリーズは、AI処理に特化した性能を持っています。
そこで、従来であればXeonやEPYCなどの高価なCPUが必要とされていたAI用途において、お手頃な選択肢として新たにCore Ultraという選択肢が加わりました。
GPU重視の構成!
ディープラーニングにおいて最も重要なグラフィックボードはハイエンドクラスを採用!
AIの活用には、グラフィックボードに描画処理以外の処理を行わせるGPGPUに依存するソフトウェアも多く、コア数が増えるほど処理性能が上がります。
そこで、各種類別に最高クラスのGPUを採用しました。
OSは、AI処理マシンで幅広く採用されているUbuntu OSでのご用意が可能です!
アプライドは全てのパソコンを受注生産（BTO）にて作成することができますので、メジャーなWindows以外にも様々なOSでハードウェアをご用意することが可能です。
OS以外にもあらゆるカスタマイズに対応できるためご相談下さい。
また、UbuntuなどのLinux系OSに最適化されたソフトウェア環境と開発ツールにより、研究・開発者がすぐに作業を始められる柔軟性と拡張性を提供します。
AI分野だけでなく、科学技術計算、画像処理、CAD/CAE解析など、幅広い業種・用途に対応可能です。
最新世代のCPUと大容量メモリ、高速ストレージ、さらにハイエンドGPUを搭載することで、大規模なニューラルネットワークの学習や推論処理を高速かつ安定して実行可能です。
アプライドなら、最新のワークステーションでも「低価格で高性能」を実現できます!
★AI開発・ローカルLLM・ディープラーニングに対応するハードウェア構成 ワークステーション
コンシューマー向けのお求めやすい価格で、プロフェッショナル用途でも使えるCore Ultraプロセッサーを搭載!
最新のCore Ultraシリーズは、AI処理に特化した性能を持っています。
そこで、従来であればXeonやEPYCなどの高価なCPUが必要とされていたAI用途において、お手頃な選択肢として新たにCore Ultraという選択肢が加わりました。
GPU重視の構成!
ディープラーニングにおいて最も重要なグラフィックボードはハイエンドクラスを採用!
AIの活用には、グラフィックボードに描画処理以外の処理を行わせるGPGPUに依存するソフトウェアも多く、コア数が増えるほど処理性能が上がります。
そこで、各種類別に最高クラスのGPUを採用しました。
OSは、AI処理マシンで幅広く採用されているUbuntu OSでのご用意が可能です!
アプライドは全てのパソコンを受注生産（BTO）にて作成することができますので、メジャーなWindows以外にも様々なOSでハードウェアをご用意することが可能です。
OS以外にもあらゆるカスタマイズに対応できるためご相談下さい。
また、UbuntuなどのLinux系OSに最適化されたソフトウェア環境と開発ツールにより、研究・開発者がすぐに作業を始められる柔軟性と拡張性を提供します。
AI分野だけでなく、科学技術計算、画像処理、CAD/CAE解析など、幅広い業種・用途に対応可能です。
仕様・スペック
AI開発・ローカルLLM・ディープラーニング 用途にオススメのモデル
Core Ultraプロセッサー・RTX5090/RTXPRO6000 ハイエンドGPU・Linux Ubuntu搭載モデル
❶GeForce RTX50シリーズの最高峰であるRTX5090とお手頃なCore Ultra9を組み合わせたワークステーション
APPLEID Be-Clia Linux TypeZU2V2-9
カスタマイズモデル
＜仕様＞
■CPU：Intel CoreUltra 9 285K
Pcore:3.7~5.5GHz/Ecore:3.2~4.6GHz/TBMT3.0:5.6GH
z/TVB:5.7GHz/24C(P8+E16) 24T L2:40MB/L3:36MB
■メモリ：128GB(64GB x2) DDR5-6400
■SSD ： 2TB (M.2 NVMe)
■OS： Ubuntu 24.04 LTS インストール代行
■GPU：NVIDIA® GeForce RTX 5090 32GB-GDDR7
■電源：1,300W 80 Plus GOLD 認証
■1年間センドバック保証
❷エンタープライズ向けGPU、NVIDIA RTX PRO 6000とお手頃なCore Ultra9を組み合わせたワークステーション
APPLEID Be-Clia Linux TypeZU2V2-9
カスタマイズモデル
＜仕様＞
■CPU：Intel CoreUltra 9 285K
Pcore:3.7~5.5GHz/Ecore:3.2~4.6GHz/TBMT3.0:5.6GH
z/TVB:5.7GHz/24C(P8+E16) 24T L2:40MB/L3:36MB
■メモリ：128GB(64GB x2) DDR5-6400
■SSD ： 2TB (M.2 NVMe)
■OS： Ubuntu 24.04 LTS インストール代行
■GPU：NVIDIA RTX PRO 6000 Blackwell Max-Q
96GB-GDDR7
■電源：1,300W 80 Plus GOLD 認証
■1年間センドバック保証
Core Ultraプロセッサー・RTX5090/RTXPRO6000 ハイエンドGPU・Linux Ubuntu搭載モデル
❶GeForce RTX50シリーズの最高峰であるRTX5090とお手頃なCore Ultra9を組み合わせたワークステーション
APPLEID Be-Clia Linux TypeZU2V2-9
カスタマイズモデル
＜仕様＞
■CPU：Intel CoreUltra 9 285K
Pcore:3.7~5.5GHz/Ecore:3.2~4.6GHz/TBMT3.0:5.6GH
z/TVB:5.7GHz/24C(P8+E16) 24T L2:40MB/L3:36MB
■メモリ：128GB(64GB x2) DDR5-6400
■SSD ： 2TB (M.2 NVMe)
■OS： Ubuntu 24.04 LTS インストール代行
■GPU：NVIDIA® GeForce RTX 5090 32GB-GDDR7
■電源：1,300W 80 Plus GOLD 認証
■1年間センドバック保証
❷エンタープライズ向けGPU、NVIDIA RTX PRO 6000とお手頃なCore Ultra9を組み合わせたワークステーション
APPLEID Be-Clia Linux TypeZU2V2-9
カスタマイズモデル
＜仕様＞
■CPU：Intel CoreUltra 9 285K
Pcore:3.7~5.5GHz/Ecore:3.2~4.6GHz/TBMT3.0:5.6GH
z/TVB:5.7GHz/24C(P8+E16) 24T L2:40MB/L3:36MB
■メモリ：128GB(64GB x2) DDR5-6400
■SSD ： 2TB (M.2 NVMe)
■OS： Ubuntu 24.04 LTS インストール代行
■GPU：NVIDIA RTX PRO 6000 Blackwell Max-Q
96GB-GDDR7
■電源：1,300W 80 Plus GOLD 認証
■1年間センドバック保証
用途・実績例
主なニーズ
大規模なAIモデルの学習
複数のGPUによる並列処理で、TransformerやCNNといった複雑なディープラーニングモデルを短時間で学習可能。
大量データの高速処理
数千万〜数億件規模のデータを扱うAI/統計解析において、メモリ帯域とストレージI/Oの高速性が求められます。
研究・試作から実用段階までの一貫開発
試験的なアルゴリズム検証から、製品への組込み、PoC（概念実証）まで一台で対応したいというニーズ。
ワークフローの効率化とコスト削減
クラウド依存を避け、オンプレミスでの演算環境を整備することで、通信遅延やランニングコストを削減。
大規模なAIモデルの学習
複数のGPUによる並列処理で、TransformerやCNNといった複雑なディープラーニングモデルを短時間で学習可能。
大量データの高速処理
数千万〜数億件規模のデータを扱うAI/統計解析において、メモリ帯域とストレージI/Oの高速性が求められます。
研究・試作から実用段階までの一貫開発
試験的なアルゴリズム検証から、製品への組込み、PoC（概念実証）まで一台で対応したいというニーズ。
ワークフローの効率化とコスト削減
クラウド依存を避け、オンプレミスでの演算環境を整備することで、通信遅延やランニングコストを削減。
