＜AI開発で必要な２種類のサーバーとその特徴＞

1. AI開発に必要なサーバー

①AIの学習モデルを作るサーバー

②サービスリリース用のサーバー

2. CPU環境/GPU環境のどちらの開発が良いか

①AIの学習モデルを作るサーバー：
<CPU>
メリット　 ➡︎ 費用がGPUよりも安い
デメリット ➡︎ 学習時間がGPUよりもかかる

<GPU>
メリット　 ➡︎ 学習速度がCPUよりも速い
デメリット ➡︎ CPUよりも費用が高い

※「時間をとるのか、費用をとるのか」でCPU、GPUのどちらを活用するべきなのかが判断される。

②サービスリリース用のサーバー：
＜CPU＞
連続値、離散値を返す処理だけあれば問題ない

＜GPU＞
セグメンテーション等の描写を行う場合は必須

3. サーバー費用について

もしまともな精度のモデルやサービスを提供する場合

＜モデルを作成する最低費用＞
月々10万以上かかる

＜運用コスト最低費用について＞
月々10万以上かかる

4. AI開発のサーバー利用 （スケジュール例）

①AIの学習モデルを作るサーバーを利用

②運用でサービスリリース用のサーバーを活用

③モデルのバージョンを変える（①と②をバージョンアップ）
　➡︎サービスリリースした後に取得できるモデルにアダプトする必要がある。

※運用フェーズに、お金がかかることが多い。また、運用フェーズで時々に①と②を併用することがある。

<今回の総まとめ>
AI開発に必要なサーバー２つと、その特徴をしっかり理解して、スケ感をもって取り組めるようにしておこう。

次回、API開発で用いるフレームワーク例とAPI設計の仕方について、簡単にまとめる。