--- title: "Astraの訓練にGPU10万基超。「誰でも使えるAI」を作れるのは誰なのか" description: "OpenAIが明かしたAstraの訓練規模はGPU10万基超。巨大な計算設備と、安全性を確かめるための追加計算。AIの入口が広がる一方で、その頭脳を作る側に必要な条件を考える" url: https://itpostjp.com/ai/gpt-6-astra-training-100000-gpus-entry-barrier/ category: "AI・生成AI" published_at: 2026-09-08T07:22:37Z updated_at: 2026-09-08T07:22:37Z author: "IT Post編集部" editor: "編集長 千田智也" publisher: "IT Post by Rice Studio Lab" language: ja-JP ai_generated: true ai_model: GPT-6 terms: ["GPU", "推論（インファレンス）"] --- # Astraの訓練にGPU10万基超。「誰でも使えるAI」を作れるのは誰なのか IT Post編集部 ＆ 編集長 千田智也 OpenAIが明かしたAstraの訓練規模はGPU10万基超。巨大な計算設備と、安全性を確かめるための追加計算。AIの入口が広がる一方で、その頭脳を作る側に必要な条件を考える ## 30秒で分かる結論 OpenAIのグレッグ・ブロックマン氏は、2026年9月4日公開のインタビューで、GPT-6 Astraについて、同社として初めて10万基を超えるGPUを使って訓練したと説明しました。これはデータセンターの将来計画ではなく、Astraの訓練に関する当事者の説明です。ただし、正確な台数、訓練期間、総費用、実際の消費電力量は、今回確認した一次資料では特定できませんでした。巨大な設備でAIを作ることと、完成したAIを手元で使うことは、必要な計算資源が異なります。 ## まず初めに IT Postでは、GPU10万基超という数字は、AI業界の入場料を考える材料だと捉える。画面のこちら側は、文字を打つだけ。向こう側には、ちょっとした買い物では到底そろわない計算設備がある。「誰でも使える」はありがたい。ただし、客席の扉が開いていることと、誰でも劇場を建てられることは別の話だ。AIの便利さを語るなら、ときどき舞台裏の請求書にも目を向けたい。 ※個人の感想です ## 「10万基超」は、訓練についての発言 数字の出所は、Stratecheryが公開したブロックマン氏へのインタビューです。Astraについての質疑で、同氏は内部の詳細やアーキテクチャは説明しないとしたうえで、10万基を超えるGPUで訓練した初めての実行だったと述べています。 この記事で扱う数字の位置づけは、まずここまでです。「10万基を将来購入する」「施設に10万基を設置できる」という計画の数字を、訓練済みの実績へ読み替えたものではありません。一方、外部機関がGPUの稼働記録を監査した数値として紹介することもできません。OpenAIの当事者が公に説明した訓練規模です。 また、「超」という表現には上限がありません。10万基ちょうどだったと丸めたり、根拠なく具体的な台数へ置き換えたりすると、元の説明より細かい情報を作ってしまいます。同時に何基をどれだけの時間稼働させたのかという詳細も、この一文からは確定できません。 ![サーバーを描いた挿絵](/images/articles/gpt-6-astra-training-100000-gpus-entry-barrier-inline-1.webp) ## GPUとラックを混同すると、規模が別物になる GPUは、大量の計算を並行して処理する半導体です。AIの訓練では、多くのGPUを接続して計算を分担します。それらを搭載した計算機や通信機器を収める棚が、ラックです。GPUの個数と、棚の本数は同じ単位ではありません。 規模を考える参考として、NVIDIAの公式資料では、DGXのNVL72ラックは72基のGPUで構成されます。計算用のトレー18段に、各4基のBlackwell GPUを収める構成です。CPUや通信機器も必要で、GPUだけを棚に積めば完成するわけではありません。 仮に10万基を、1ラック72基として単純に割ると、約1,389ラック分になります。これはIT Postによる単位換算であり、Astraが実際にこの本数のラックを使ったという調査結果ではありません。今回の訓練がすべてこの構成だったと確認できたわけでもありません。 この換算で伝えたいのは、台数を飾ることではなく、半導体と設備の関係です。GPUの数を聞いたときは、機器を結ぶ通信、給電、冷却といった条件も別にある、と考える必要があります。 ## 台数だけでは、訓練費用の答えは出ない GPUが10万基を超えたと分かっても、そこからAstraの訓練費用を一つの金額に決めることはできません。少なくとも、GPUの種類、利用時間、契約条件、実際の稼働状況が必要です。 たとえば、GPUの時間貸し料金に台数と時間を掛ければ、一定の仮定に基づく利用料金は計算できます。しかし、自社保有の機器、長期契約の設備、一般公開されている時間貸しサービスでは、費用の条件が異なります。期間だけを実績に合わせても、単価や契約条件が仮定のままなら、総額は推計にとどまります。 電力にも同じ注意が必要です。機器の最大消費電力を足した値と、訓練期間中に実際に使った電力量は別です。さらに冷却や通信設備を含めた施設全体の値か、計算機だけの値かによっても数字は変わります。 | 今回確認できたこと | 今回の資料だけでは確定できないこと | | --- | --- | | 当事者が説明したGPU10万基超という訓練規模 | 正確なGPU数と時間ごとの稼働状況 | | NVIDIAのNVL72ラックの製品構成 | Astraに使われた実際のラック構成・本数 | | 訓練規模についての公の発言 | 訓練日数、総費用、総消費電力量 | したがって、本記事では訓練費用を「何千億円」と確定したように紹介しません。費用が不明であることも、公開情報の重要な境界です。 ![サーバーを描いた挿絵](/images/articles/gpt-6-astra-training-100000-gpus-entry-barrier-inline-2.webp) ## 安全性を確かめるためにも、計算が必要になる もう一つ注目したいのは、モデルの能力を伸ばす計算だけではありません。OpenAIは研究環境の安全対策について、AIの思考過程を監視する仕組みにも計算資源が必要だと説明しています。 同社の推定では、その監視による追加負荷は、監視対象となる推論の計算量のおよそ20%です。ただし、訓練や評価の処理内容によって大きく変わるとしています。推論とは、モデルを動かして回答や判断を生成する処理です。 ここでの20%を、「Astraの訓練費用の20%」や「10万基のうち2万基は監視専用」と読み替えることはできません。元の説明の分母は、監視対象の推論計算量です。訓練全体の予算や設備の配分ではありません。 この数字は、安全対策にも運用上の負担があることを示す材料です。ただし、監視に計算を使った割合だけで、モデルがどれほど安全になったかを測ることもできません。費やした資源と、確認できた効果は分けて評価する必要があります。 ## 使う側と、ゼロから作る側では条件が違う ここまでの話は、Astraを訓練する側の規模についてです。利用者が質問を一つ送るたびに、自分で10万基のGPUを用意するという意味ではありません。訓練はモデルを作る工程で、完成したモデルを動かす推論とは役割が異なります。 同じように、既存のモデルを活用したアプリ開発と、最先端の基盤モデルをゼロから訓練する事業も区別できます。外部のモデルを呼び出すアプリなら、開発者はその供給条件や料金を前提にサービスを設計します。モデルを自ら作るなら、計算設備に加えて、データ、学習手法、評価、運用といった条件を整える必要があります。 小さな会社や個人にはAI開発ができない、という結論にはなりません。どの工程を自分で持つかで、必要な資源は変わります。10万基超という数字は、あらゆるAI開発の最低条件ではなく、今回のAstraについて説明された規模です。 ![ノートパソコンとネットワークを描いた挿絵](/images/articles/gpt-6-astra-training-100000-gpus-entry-barrier-inline-3.webp) ## IT Postの見方：入口の広さだけでは、開放性は測れない IT Postでは、今回の数字を「巨大な設備を持つ企業が勝つと決まった証拠」ではなく、AIの開放性を利用と開発の両側から考える材料だと考える。 使いやすいAIが広く届くことには価値がある。仕事が速くなり、これまで手が回らなかった作業も試せる。その恩恵まで否定する必要はない。ただ、利用者が増えたという話と、モデルを作る側の選択肢が増えたという話は、別々に確かめたい。 劇場のチケットが買いやすくなった。素晴らしい。だからといって、街の誰もが劇場主になれるわけではない。舞台を使わせてもらう立場なら、公演時間や料金、契約条件にも仕事が左右される。入口の自動ドアがよく開くことだけを見て、建物全体が開放されたと思い込むのは早い。 利用企業が考えたいのは、その依存をどこまで許容するかだ。価格が変わったら別のモデルへ移れるのか。特定のモデルを使えなくなっても業務を続けられるのか。自社のデータや作業履歴を取り出せるのか。計算設備を買う余裕がなくても、こうした設計上の選択肢を確保することには意味がある。 そして、GPUの多さをそのまま知能の順位表にしてしまうのも違う。読者が知りたいのは、設備の自慢大会で誰が優勝したかより、自分の仕事でどこまで役立ち、どこで失敗するかだ。投入量は開発の条件を語る数字であって、利用者にとっての価値を丸ごと保証する保証書ではない。 10万基超という数字は強烈だ。その数字で驚いて終わるのは、もったいない。AIを誰もが使えるようにする話と、そのAIを誰が作り、条件を誰が決めるのかという話。この二つを並べて見るところから、本当の意味での選択肢を考えたい。 ## 情報源 - [An Interview with OpenAI President Greg Brockman About Astra and Alignment](https://stratechery.com/2026/an-interview-with-openai-president-greg-brockman-about-astra-and-alignment/) — Stratechery（一次情報） - [Hardware — NVIDIA DGX GB Rack Scale Systems User Guide](https://docs.nvidia.com/dgx/dgxgb200-user-guide/hardware.html) — NVIDIA（一次情報） - [Pacing model development in an era of cyber-critical capabilities](https://openai.com/index/pacing-model-development-cyber-capabilities/) — OpenAI（一次情報） - [Welcome to the AGI era, OpenAI says as GPT-6 Astra debuts](https://www.axios.com/2026/09/03/openai-astra-gpt-6-agi-brockman) — Axios ## この記事に出てくるIT用語 - [GPU](https://itpostjp.com/terms/gpu/): 大量の計算を同時並行で処理するのが得意な半導体で、もともとは画像処理用に開発されましたが、近年はAIモデルの学習・実行にも広く使われています。 - [推論（インファレンス）](https://itpostjp.com/terms/inference/): 学習を終えたAIモデルが、実際の質問や指示に対して回答を生成する処理のことです。 --- この記事は、公開情報と出典URLの検証、文章作成の一部に生成AIを使用しています。内容の責任はIT Post by Rice Studio Labが負います。 出典表記: IT Post by Rice Studio Lab — https://itpostjp.com/ai/gpt-6-astra-training-100000-gpus-entry-barrier/