EdgeXpertで拠点にAIを配る方法|記憶容量と保守の線

EdgeXpertで拠点にAIを配る方法|記憶容量と保守の線

「本社で作った社内AIを、工場や支店でもクラウドを通さずに動かしたい」「拠点ごとにAIの専用機を置くと、あとで誰が面倒を見るのか分からなくなりそう」——2026年に入って、デスクトップ型のAI専用機が拠点展開の選択肢として語られ始めています。台湾のMSIは10月、NVIDIAの小型AI基盤を使ったデスクトップAI機「EdgeXpert」に記憶容量64GBのモデルを加え、国内でもアスクが11月16日に取り扱いを始めました。打ち出しは「128GBモデルで開発し、64GBモデルで拠点に展開する」です。ただ、拠点に機材を配る判断は、演算性能ではなく、容量の見積もりと、配ったあとの更新・台帳・故障時の代替で決まります。この記事では、本社で作ったAIエージェントを拠点ごとのデスクトップAI機で動かしてよいかを、配る前の手順に沿って整理します。


カメ先生カメ先生

拠点にAI専用機を置く話は、性能の高い箱を買えば済むと思われがちなんだ。でも本当は、配った台数のぶんだけ、更新・権限・故障対応の手間が増える話なんだよ。


カメ子カメ子

箱そのものより、配ったあとの面倒を見られるかが問われる、ということですか。


カメ先生カメ先生

そう。データを社外に出さずに済む利点は本物だけれど、拠点ごとに版がずれたり、壊れたときの代わりがなかったりすると、現場のAIは止まってしまう。だから、容量の見積もりと、更新と台帳の持ち主を、買う前に決めておく必要があるんだ。


カメ子カメ子

クラウドで動かすときには本社にまとまっていた管理が、拠点の数だけ散らばるんですね。


この記事のポイント
  • EdgeXpert はNVIDIAの小型AI基盤を使うデスクトップ機で、128GBと64GBの2種類。64GBは同じ部品で記憶容量を絞った拠点展開向けと説明されている
  • 64GBで足りるかは、動かすモデルと同時に使う人数で決まる。本社の128GB機で動いたものが拠点で動く保証はなく、メーカーも要件の確認を求めている
  • 更新・復旧の手順はNVIDIA自身の版が基準で、他社製は異なりうる。台帳、更新の段階展開、予備機と代替の線を情シスが先に持つ

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

EdgeXpertとは:本社と拠点で同じ部品をそろえる機材

EdgeXpert は、台湾のパソコン・部品メーカーであるMSIが出しているデスクトップ型のAI専用機です。NVIDIAが自社で出している小型AI機 DGX Spark と同じ基盤を使い、CPUとGPUを一つにまとめた GB10 Grace Blackwell を載せています。国内代理店のアスクの発表では、演算性能は最大1ペタフロップス(4ビットの低い精度での値)、OSにはNVIDIAのAI向けOSである DGX OS が入っています。本体は手のひらに載るほどの大きさで、重さは約1.2キロと公表されています。

2026年10月2日、MSIは記憶容量を64GBに絞ったモデルを発表し、10月23日に発売しました。それまでの128GBモデルと同じ部品・同じ基盤を使い、記憶容量だけを用途に合わせて減らした構成です。国内では11月16日、アスクが64GB・2TBの記憶装置を載せたモデルの取り扱いを始めました。用途の例として、工場の品質管理や作業手順を参照するAI、社内文書の検索・要約、本社で作ったAIを営業拠点や店舗へ展開する基盤が挙げられています。

また、MSIは2026年3月31日に、EdgeXpert がNVIDIAの認証システムになったと発表しました。NVIDIAが企業向けに出しているAIソフトの一式 NVIDIA AI Enterprise を動かす前提で検証された機材、という位置づけです。買収や販売終了の報道は見当たらず、2026年に入っても製品の追加が続いています。ただし、小型AI機の市場は Dell をはじめ複数のメーカーが同じ基盤で製品を出しており、どの会社の機材を選ぶかは、性能より保守の窓口と国内の供給で決まることが多い分野です。

AIが入るのは機材の上:配る前に決める5つの手順

まず押さえておきたいのは、EdgeXpert 自体はAIの答えを出す道具ではないということです。AIとして働くのは、その上で動かすモデルと、本社で作ったAIエージェントのほうです。機材が決めるのは、どれだけ大きなモデルを、何人が同時に、どれくらいの待ち時間で使えるかという上限と、データがどこで処理されるかだけです。

そのため、拠点に配る判断は「この機材は賢いか」ではなく、「本社で作ったAIを、この上限の中で、拠点の人が待てる速さで動かせるか」という問いになります。AIの答えの正しさや、どの業務をAIに任せるかは、クラウドで動かしても拠点で動かしても変わりません。機材を拠点に置いても、AIの答えを人が確かめる範囲は1ミリも狭くならないことを、導入の最初に関係者で確認しておきます。

ローカルで動くモデルの実力や、手元で動かすときの一般的な条件は、別の記事で整理しています。ここでは、同じAIを、何十台もの機材に配って動かし続けるときに固有の判断に絞って話を進めます。一台を開発者の机で試すのと、拠点に配って現場の業務に組み込むのとでは、問われることがまったく違うからです。拠点への展開は、機材を買ってから考えると手戻りが大きくなるので、次の5つを上から順に決めていきます。

STEP1
クラウドと拠点の分担を決める

どの処理を拠点の機材で動かし、どれをクラウドに残すかを、データの性質と待ち時間から決めます。ここで拠点に置く理由が弱ければ、そもそも配りません。

STEP2
128GBと64GBのどちらで足りるかを見積もる

動かすモデルの大きさ、同時に使う人数、読み込ませる文書の長さから、記憶容量の必要量を本社で実測します。

STEP3
本社の検証環境を一つに決める

128GB機で作り、64GBの設定で試し、拠点と同じ版で動くことを確かめる場所を一か所にまとめます。

STEP4
拠点での設置と初期設定をそろえる

拠点ごとに手作業で設定せず、同じ手順と同じ設定の型で初期設定を済ませます。

STEP5
更新と台帳の持ち主を決める

OS・ドライバー・モデル・AIエージェントの版を誰がいつ配り、どの機材が何を動かしているかを誰が記録するかを決めます。

この5つのうち、最初の2つは買う前の判断、後ろの3つは配る前の準備です。後ろの3つを決めきれない段階では、台数を増やさず、1〜2拠点の試行にとどめます。以下、手順ごとに詳しく見ていきます。

手順1:クラウドと拠点の分担を、データと待ち時間で決める

拠点にAI専用機を置く理由は、大きく三つに分かれます。一つは、図面や品質記録、顧客の個人情報など、社外のクラウドに出したくないデータを拠点の中で処理したいという理由です。二つ目は、工場のように回線が細い、あるいは止まりやすい場所でも、AIを止めずに使いたいという理由です。三つ目は、利用量が多く、クラウドの従量課金が読めないという理由です。

逆に、この三つのどれにも当たらない業務は、拠点に置く意味が薄くなります。一般的な文章の下書きや、社外の公開情報を調べる作業は、クラウドのAIのほうが性能も更新も手厚いからです。「拠点で動かすもの」と「クラウドに残すもの」を業務単位で書き出すと、何台・どの容量が要るのかが初めて見えてきます。

注意したいのは、一つのAIエージェントの中で両方が混ざる場合です。たとえば、拠点の機材で社内文書を読み、要約だけをクラウドの大きなモデルに渡す、という作りにすると、要約の形で拠点のデータが社外に出ます。どの段階で何が外へ出るかを、エージェントの設計図に書き込んでおきます。

手順2:128GBと64GBのどちらで足りるかを見積もる

NVIDIAの利用者ガイドは、128GBの DGX Spark で最大2,000億パラメーター、2台をつなげば最大4,050億パラメーターのモデルを扱えるとしています。ただ、これは「載る」上限であって、現場で複数の人が同時に使える速さで動く大きさとは別物です。記憶容量は、モデルそのものの重みに加えて、会話や読み込ませた文書の途中計算、同時に処理する要求の数によっても消費されます。

メーカーの米国向け製品ページでは、扱えるモデルの目安を、64GBモデルで150億〜350億パラメーター程度、128GBモデルで700億〜1,200億パラメーター程度と示しています。アスクの発表も、展開にあたっては使用するAIモデルやアプリケーションのメモリ要件に適合していることを確認するよう注記しています。つまり、本社の128GB機で快適に動いたものが、拠点の64GB機でも同じように動く保証はありません。

見積もる項目64GBで足りやすい128GBが要りやすい
動かすモデル数十億〜数百億パラメーター級の小型・中型モデルより大きなモデル、複数のモデルを同時に載せる構成
同時に使う人数拠点の数人が交代で使う数十人が同時に問い合わせる
読み込ませる文書短い手順書や一件ずつの記録長い仕様書や大量の文書をまとめて読む
役割本社で作ったものを実行するだけ拠点でもモデルを試し、作り替える

見積もりは、机の上の計算ではなく、本社で64GBの条件を再現して、実際の業務の問い合わせを流して測るのが確実です。拠点の利用者が待てる応答時間(たとえば数秒以内)を先に決め、その条件で同時に何人までさばけるかを記録しておくと、拠点ごとの台数と容量を同じ物差しで決められます。

容量が足りないときの逃げ道として、機材をつなぐ方法もあります。この機材は10ギガビットの有線LANに加えて、機材どうしを高速につなぐためのネットワーク端子を持っており、NVIDIAは2台をつないだ構成を想定しています。ただし、拠点ごとに2台を置けば、台帳も更新も故障の確率も2倍になります。拠点では1台で収まる構成を基本にし、つなぐ構成は本社の検証用にとどめるのが管理のうえでは無難です。

手順3:本社の検証環境を一つに決め、同じ版で試す

MSIの打ち出しは、開発拠点の128GB機で作って評価した、コンテナにまとめたAIアプリを、各拠点の64GB機に配るという流れです。部品と基盤が共通なので、コンテナ単位で同じものを配れることが、この組み合わせの最大の利点です。ここを活かすには、検証環境を一か所に決め、拠点と同じ版のOS・ドライバー・ソフトの組み合わせで試す必要があります。

NVIDIAの企業向け管理のガイドは、運用の基準を DGX OS の標準イメージに置き、ドライバーやファームウェアの組み合わせもその基準に対して検証している、と書いています。OSを別のものに入れ替えると、ドライバーやファームウェアの振る舞いが変わり、手順どおりに動かない可能性が高まるとも明記されています。拠点の機材は標準イメージのまま使うのが原則です。

検証では、AIの答えの品質も同じ版で確かめます。容量を減らすために、より小さなモデルや精度を落としたモデルに切り替えると、答えの質が変わることがあります。本社の評価用の質問集を拠点向けの構成でも流し、答えの違いを人が読んで確かめるまでを、配る前の条件にしておきます。

もう一つ見落とされやすいのが、CPUの種類です。この機材のCPUは20コアのArm系で、多くの社内サーバーやパソコンとは命令の体系が異なります。本社で使っている監視の常駐ソフトや資産管理の道具、ウイルス対策の製品が、この種類のCPU向けに提供されているかどうかを、試行の段階で一つずつ確かめておきます。NVIDIAのガイドも、他社の台数管理の道具については「この種類のCPUで動く常駐ソフトを用意している場合がある」という書き方にとどめ、サポートはそれぞれの提供元が行うとしています。

手順4:拠点での設置と初期設定を同じ型にそろえる

台数が増えると、一台ずつ画面を見ながら初期設定する方法は破綻します。NVIDIAの利用者ガイドには、ネットワーク経由でOSを入れる方法や、設定をあらかじめ書き込んだ導入用の記憶媒体で初期設定を自動化する方法、社外のパッケージ配布元を使わずに社内に置いた複製から入れる方法が、企業向けの手順として載っています。同じ設定の型で入れれば、拠点ごとの差が最初から生まれないので、展開の手間と事故が減ります。

ただし、この自動化には注意書きがあります。NVIDIAは、独自の導入手順を使うと、利用者一人ひとりに利用許諾を示す画面が省かれることになるとし、管理者が会社を代表してソフトの利用許諾に同意する権限を持っていることを前提にしていると書いています。情シスが一括で入れる場合は、法務や購買と、誰が会社として同意するのかを先に決めておきます。

また、これらの手順の多くはNVIDIA自身の版を基準に書かれています。更新ガイドや復旧手順には、他社製の機材では手順や復旧用の媒体が異なる場合があると明記されています。EdgeXpert で同じ手順がそのまま使えるかは、MSIとアスクに確認し、試行の段階で一度実際に通しておくことが欠かせません。

手順5:更新は段階展開にし、拠点の人に任せない

DGX OS には、機材の状態を見たり更新をかけたりする管理画面が付いていて、NVIDIAはこの画面からの更新を推奨しています。一方で、管理者は設定ファイルで、利用者が管理画面から更新を始められないようにできます。拠点に配る機材では、この設定を初期状態で入れ、更新は情シスが計画して配る形にします。

NVIDIAの台数運用のガイドは、状態を変える操作は承認された変更の時間帯に、試行の一群、数段階の波、全体という順で段階的に広げるよう求めています。全拠点に一斉に更新をかけると、不具合が出たときに全拠点のAIが同時に止まるからです。拠点のうち一つか二つを先行組にしておき、そこで一週間ほど様子を見てから広げるのが現実的です。

更新の対象は、OSやドライバーだけではありません。拠点で動かすモデルと、本社で作ったAIエージェントにも版があります。四つの版の組み合わせを一つの単位として扱い、組み合わせごとに検証済みかどうかを記録すると、拠点ごとに少しずつ版がずれていく事態を防げます。なお、NVIDIAはこの機材のOSについて、提供元から10年間のサポートが付くとしています。

拠点のデータを外に出さない利点と、その限界

拠点の機材でAIを動かす最大の利点は、図面や品質記録、顧客の情報を、社外のクラウドに送らずに処理できることです。アスクの発表も、機密情報を扱う業務でデータを社内で処理する構成を検討できる、と書いています。記憶装置には自己暗号化の機能が付いているとされ、機材ごと持ち出されたときの備えにもなります。

ただし、拠点で動かしても、外とのつながりがゼロになるわけではありません。モデルの入手、OSやドライバーの更新、本社からの遠隔操作、AIエージェントが呼び出す外部のサービスと、外へ通じる道はいくつもあります。どの通信を許し、どれを止めるかを、拠点のネットワークの設定として書き出しておく必要があります。

  • 拠点の機材にクラウドのAIの鍵を入れたまま配り、要約や翻訳だけ外に送っていた
  • 遠隔操作のための接続を全拠点で開けたままにし、誰がどこから入れるかを記録していなかった
  • 退役した機材を初期化せずに倉庫に置き、社内文書の途中計算や記録が残っていた

三つ目の例のように、データが拠点に残ることは、裏返せば拠点ごとに消す責任が生まれるということです。機材の返却・廃棄・転用のときに、誰が消去を確認し、記録を残すかまで決めておかなければ、外に出さない利点は守れません。

誰の権限で動くか:拠点の管理者アカウントを分ける

DGX OS の管理画面で更新をかけたり機材名を変えたりするには、管理者の権限が要ります。初期設定のときに作ったアカウントがその権限を持つ、とNVIDIAは説明しています。拠点で初期設定を現場の担当者に任せると、現場の担当者が機材の管理者になってしまうことに注意が必要です。

NVIDIAの台数運用のガイドは、責任の分担をはっきり書いています。NVIDIAが用意するのは標準のOSイメージ、手引き、台帳づくりや診断・更新のための参考の道具までで、利用者の認証、役割ごとの権限、秘密情報の管理は企業の情報システム部門の持ち分とされています。つまり、拠点の機材に誰がどの権限で入れるかは、メーカー任せにできません。

実務では、拠点の利用者はAIエージェントを使うだけの一般の権限にとどめ、管理者の権限は情シスの管理用アカウントに集めます。AIエージェント自体も、拠点の共有フォルダや業務システムを読むときに、誰の名義で読むのかを決めておきます。強い権限の共通アカウントで全拠点のAIを動かすと、一つの拠点で漏れたときに全拠点へ影響が広がります。

拠点ごとに管理が散らばる怖さ:版のずれと見えない機材

クラウドでAIを動かしていれば、版の管理も利用の記録も本社に集まります。拠点に機材を配ると、それが拠点の数だけ散らばります。NVIDIAのガイドも、基準の異なる機材が混ざると、ずれとサポートの複雑さが増すと書き、一群ごとに基準の記録を持つよう求めています。

よくあるのは、ある拠点だけ更新が失敗したまま放置され、別の拠点では現場の判断でモデルが入れ替えられ、気づいたときには拠点ごとにAIの答えが違っている、という状態です。同じ質問に拠点ごとに違う答えが返ると、現場はAIの答えを信用しなくなります。

もう一つの怖さは、機材が「見えなくなる」ことです。小さな箱は机の下や棚に置かれ、担当者が異動すると、何が動いているのか誰も説明できなくなります。電源が入っているのに誰も使っていない機材や、更新が止まった機材は、それ自体が弱点になります。台帳と定期的な状態の収集が必要になるのはこのためです。

台帳を誰が持つか:記録する項目を先に決める

NVIDIAの台数運用のガイドは、機材の一生を、調達・初期設定・監視・保守・対応・退役という流れで捉え、資産情報を集める読み取り専用の道具と、更新などの状態を変える道具を分けて用意しています。この考え方に沿って、拠点の機材の台帳にも、「何があるか」と「何を変えたか」を分けて記録する形にしておくと運用しやすくなります。

台帳の項目記録する中身持ち主の例
機材製造番号、容量(64GB・128GB)、設置拠点、設置場所情シス
版OS・ドライバー・モデル・AIエージェントの版の組み合わせ情シスとAI導入担当
権限管理者アカウント、現場の利用者、遠隔操作の可否情シス
業務その機材で動かしている業務と、拠点の責任者拠点の責任者
保守購入日、保証の範囲、修理の窓口、予備機の有無購買と情シス

台帳の持ち主は、一人に寄せず、項目ごとに分けるのが現実的です。ただし、台帳全体の最終的な責任者は一人に決めておきます。拠点の責任者には「自分の拠点の機材で何が動いているか」を説明できる状態を求め、情シスは版と権限、AI導入担当はモデルとエージェントの品質を見る、という分担が一つの型です。

保守と故障時の代替:止まったときに業務を続ける線

拠点に置いた機材は、いつか壊れます。NVIDIAは、機材の状態を確かめて故障を見つけるための現場診断の道具を用意しており、修理に出す前の事前確認にも使うとしています。工場出荷時の状態に戻す復旧の手順もありますが、復旧をかけると内蔵の記憶装置は消去されます。さらに、他社製の機材の復旧用イメージは、それぞれのメーカーから提供されると書かれています。

つまり、EdgeXpert の修理や復旧の窓口は、MSIと国内代理店です。購入前に、国内での保証期間、修理にかかる日数、代替機の貸し出しの有無を、アスクや販売店に確かめておきます。アスクの発表では価格や納期は問い合わせとなっており、保守の条件も個別に確認する前提で考えておくのが安全です。

業務を止めないための線は二つあります。一つは、拠点の数に応じて予備機を本社に持ち、設定の型で短時間に入れ替えられるようにすることです。もう一つは、拠点の機材が止まったときに、クラウドのAIに一時的に切り替えてよい業務と、止まったら人の作業に戻す業務を、あらかじめ分けておくことです。社外に出せないデータを扱う業務は、後者に入れておきます。

費用の増え方:本体価格の外にかかるもの

国内での本体価格は、アスクの発表では公表されておらず、問い合わせとなっています。そのため、本体の価格だけで比べるのではなく、配る台数、予備機、ソフトの権利、運用の人手を合わせた総額で見る必要があります。台数が増えるほど、機材の代金よりも、版をそろえ台帳を保つ手間のほうが効いてきます。

ソフトの権利にも注意が要ります。NVIDIAのサポートの案内では、この機材向けの企業向けソフト一式について技術サポートを受けるには、専用の権利が必要で、他の企業向けの権利には自動では含まれないとされています。MSIは、EdgeXpert の利用者がこの一式の90日間の無償試用を申し込めると発表していますが、試用のあとに継続して使うなら、権利の費用を計画に入れておきます。

ほかにも、電源は240ワットの専用のものを使うことが求められ、推奨される使用環境の温度は5〜30度とされています。夏場の工場や空調のない倉庫に置く場合は、置き場所の工事や空調の費用が追加で発生します。拠点ごとの設置条件を調査する費用も、最初の見積もりに入れておきます。

人が確認する範囲と、AIに判断させないこと

拠点でAIを動かすと、本社の目が届きにくくなります。だからこそ、AIに何を判断させないかを、配る前に決めておく必要があります。たとえば工場の品質管理で使うなら、AIは記録や手順書の該当箇所を根拠として示すところまでにとどめ、合否の判断は人が下す、という線です。

AIエージェントには、答えのたびに参照した文書や記録の場所を必ず書かせます。根拠のない答えは採用しない、というルールにしておけば、拠点の担当者がAIの答えを確かめる手がかりが残ります。根拠を書かせ、人が原典を開いて確かめる流れは、クラウドで動かす場合と同じです。

本社のAI導入担当は、拠点から集めた問い合わせと答えの一部を定期的に読み、誤りや拠点ごとのずれを洗い出します。人が確認する範囲を先に決めておけば、拠点の数が増えても、確かめる仕事の量を見積もれます。確認の手が足りなくなったら、それが台数を増やしてはいけない合図です。

よくある質問

最初は128GBだけで始めてもよいですか

試行の段階では、128GBの機材を本社に置き、そこで業務の問い合わせを流して、64GBの条件でも動くかを確かめるのが無難です。拠点に配る段階で64GBに切り替えるかどうかは、その実測の結果で決めます。

拠点のネットワークから完全に切り離して使えますか

NVIDIAの企業向けの手順には、社内に置いた複製から入れる方法など、外につながない環境を想定した手順があります。ただし、更新やモデルの入れ替えを社内の経路で届ける仕組みが別に必要です。EdgeXpert で同じ手順が使えるかはメーカーに確認してください。

一台のGPUを仮想化して複数の業務で分け合えますか

NVIDIAのサポートの案内では、仮想化の環境へGPUを直接渡す使い方はサポートしないとされています。業務を分ける場合は、コンテナの単位で分けるか、業務ごとに機材を分けることを検討してください。

  • 本記事の仕様・日付は、2026年11月時点のMSIの発表、アスクの発表、NVIDIAの DGX Spark 利用者ガイドに基づきます。
  • NVIDIAの利用者ガイドの手順にはNVIDIA自身の版を対象にしたものがあり、EdgeXpert で使えるかはメーカーと代理店に確かめてください。

まとめ

EdgeXpert の64GBモデルは、本社の128GB機で作ったAIを、同じ部品・同じ基盤の機材で拠点に配るという流れを、製品として形にしたものです。拠点のデータを外に出さずに処理できる利点は本物ですが、配った台数のぶんだけ、版・権限・台帳・故障時の代替を見る手間が増えます。容量は本社で実測して決め、更新は段階展開にし、台帳と予備機の持ち主を決めてから台数を増やす。この順番を守り、AIの答えの合否は人が根拠を確かめて決めるという線を残しておけば、拠点へのAI展開を小さく始めて、確かめながら広げられます。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次