NVIDIA RTX PRO 6000 Blackwell
- GPU メモリ 96GB (GDDR7)
- 70B パラメータ規模の LLM に対応
- LLM 推論・ファインチューニング・科学計算に最適
- 海外含む複数リージョン(日本:東京・大阪)
Akamai の AI 推論プラットフォーム「Akamai Inference Cloud」を基盤に、
cloudpack が導入から運用まで一貫サポートして提供するサービスです。
生成 AI・大規模言語モデル(LLM)の本番運用に必要な GPU を、低コストで利用できます。
最新 NVIDIA GPU「Blackwell」(RTX PRO 6000)を搭載した Akamai
Inference Cloud が、
低コスト・低遅延な AI 推論環境を提供。世界約26拠点に展開し、東京・大阪は均一価格でご利用いただけます。
時間単価 $0.52〜という低コストで本番 GPU を利用可能。東京・大阪は均一価格のため予算計画も立てやすい
100人同時アクセス時でも AI 応答速度0.24秒を実現。ユーザーの待ち時間を最小化
東京・大阪の他、グローバル20ロケーションに対応。データを国内に置いたまま GPU を活用できる
オープンな環境で自由に構築・拡張が可能。既存クラウド環境との併用・移行も cloudpack がサポート
GPU クラウドのコストが
高すぎて導入できない
AI の応答が遅く
ユーザーが離脱している
特定クラウドへの依存が強く
コスト交渉もできない
生成 AI を
本番導入したいが
インフラ構築が不安
日本国内のリージョンで
GPU を使いたい
用途と規模に応じて、2種類の GPU をご用意しています。導入から運用まで、
Akamai 公認パートナーの cloudpack が一貫してサポートします。
東京・大阪は均一価格で、追加料金はありません。時間単位でのご利用も可能です。
| プラン | 料金/時間 | GPU 数 | vCPU | RAM | Storage |
|---|---|---|---|---|---|
| RTX PRO 6000 Blackwell × 1 | $3.00 | 1 | 16 | 176 GB | 1,024 GB |
| RTX PRO 6000 Blackwell × 2 | $6.00 | 2 | 32 | 352 GB | 2,048 GB |
| RTX PRO 6000 Blackwell × 4 | $12.00 | 4 | 64 | 704 GB | 4,096 GB |
| RTX PRO 6000 Blackwell × 8 | $24.00 | 8 | 128 | 1,408 GB | 6,144 GB |
| プラン | 料金/時間 | GPU 数 | vCPU | RAM | Storage |
|---|---|---|---|---|---|
| RTX 4000 Ada x1 Small | $0.52 | 1 | 4 | 16 GB | 500 GB |
| RTX 4000 Ada x1 Medium | $0.67 | 1 | 8 | 32 GB | 500 GB |
| RTX 4000 Ada x1 Large | $0.96 | 1 | 16 | 64 GB | 500 GB |
| RTX 4000 Ada x1 X-Large | $1.53 | 1 | 32 | 128 GB | 500 GB |
| RTX 4000 Ada x2 Small | $1.05 | 2 | 8 | 32 GB | 1 TB |
| RTX 4000 Ada x2 Medium | $1.34 | 2 | 16 | 64 GB | 1 TB |
| RTX 4000 Ada x2 Medium High Storage |
$1.49 | 2 | 16 | 64 GB | 2 TB |
| RTX 4000 Ada x4 Small | $2.96 | 4 | 32 | 128GB | 2TB |
| RTX 4000 Ada x4 Medium | $3.57 | 4 | 48 | 196 GB | 2 TB |
Akamai は東京・大阪リージョンで利用しても追加料金が発生しません。AI 推論に特化したコスト設計で、GPU インフラのコストを大幅に抑えることができます。
コスト・速度・グローバル展開の3つの強みで、AI 推論の本番運用を強力に支えます。
RTX 4000 Ada x1 Small プランの時間単価。 東京・大阪リージョンは均一価格で、追加料金なし
東京・大阪を含む世界約26拠点に展開。ユーザーに近い場所で AI 推論を実行し、低遅延を実現
100人同時アクセス時でも AI 応答速度0.24秒を実現。ユーザーの待ち時間を最小化
1
検討 / 検証
2
環境構築
3
サービス移行
4
運用 / 最適化