【爆速】NVIDIA Blackwell搭載の「P6e UltraServer」がAWS PCSで解禁！72基のGPUを単一ドメインで制御する怪物級スペック

AWS Parallel Computing Service (PCS) が、NVIDIA Blackwell アーキテクチャを採用した Amazon EC2 P6e-GB200 および P6e-GB300 UltraServer インスタンスをサポートしました。これにより、Slurm 管理下のクラスター環境において、最大72基の GPU を単一の NVLink ドメイン内で運用可能となり、超大規模な AI モデルの学習・推論ワークロードを、PCS による Slurm トポロジープラグインの自動構成を通じて効率的に実行できます。

🚀 ついに「怪物級」の計算リソースが登場

今回のアップデートは、単なるインスタンスの追加ではありません。「72基のGPUを1つのNVLinkドメインに詰め込む」 という、AI学習における通信ボトルネックを極限まで打破する設計思想が核となっています。

🛠️ 解消される技術的ペインポイント

• 通信の壁: 従来のインスタンス単位の制約を超え、単一ドメインでの超高速通信を実現。大規模モデルの分散学習が劇的にスムーズになります。
• 設定の地獄: Slurm の複雑なトポロジー設定を PCS が自動化してくれるため、エンジニアが手動で構成をこねくり回す必要がなくなりました。
• リソース確保の不安: 「EC2 Capacity Blocks for ML」により、必要な時に確実に GPU を確保できる仕組みが整っています。

⚠️ 【重要】日本国内のエンジニアが知っておくべきこと

リサーチの結果、P6e UltraServer は現在、東京・大阪リージョンでは提供されていません。 利用可能なのは US East (N. Virginia) および Dallas Local Zone のみに限定されています。国内から大規模トレーニングを回す場合は、米国リージョンへの展開を前提とした設計が必要です。

💡 実装・運用へのアドバイス

1. 予約フローの徹底: 通常のオンデマンド起動はできません。EC2 Capacity Blocks for ML を通じて、事前に AWS 営業担当へコンタクトして予約を行う必要があります。
2. 権限の整備: Capacity Blocks 利用には専用の IAM 権限（ec2:DescribeCapacityBlocks 等）が必要です。既存の運用フローに組み込む準備をしましょう。
3. ネットワークの最適化: 28.8 Tbps の EFA 性能を使い切るため、UltraCluster 内の配置設計が極めて重要になります。

🏃 次のステップ

まずは US-East-1 リージョンで Capacity Blocks の利用申請を進めつつ、PCS コンピュートノードグループの起動テンプレートを作成し、Slurm の自動適用範囲を確認するベンチマークを行うのが正解です。

参考資料: AWS Parallel Computing Service (PCS) User Guide