交通分野のAI映像解析サーバの選定について、核心的な結論は一言である。ピーク演算で買ってはならない。まず自部門の交差点に何本の映像ストリームがあるか、どのモデルを動かすか、信号制御機と連携する必要があるかを見て、そこからどの形態のハードウェアが必要かを導く。
スマート交通はこの数年で急速に変わった。交差点のカメラは200万画素から800万画素へ移り、映像解析は車両が見えるという段階から、ナンバープレート、車種、軌跡、挙動を明確に読み取る段階へ進んだため、1台のサーバが数十本、場合によっては数百本の映像ストリームを取り込むことが常になった。一方でNVIDIAはBlackwell Ultra(B300)とRubinアーキテクチャのロードマップを公表し、推論性能とHBM4メモリの強化を重視し、AMDはMI350とMI400を進め、IntelはGaudi 3と18AプロセスのAI PCチップで追走している。エッジ側ではQualcomm、MediaTek、AppleがオンデバイスNPUを強力にし、ローカルでの大規模モデル実行はもはや理論ではなくなった。こうした動きは交通映像解析サーバの選定論理に直接影響する。
1. 中核概念と技術原理
交通AI映像解析サーバは本質的に、映像のデコードとAI推論に特化した計算機である。RTSPやGB28181のストリームをフレームへデコードし、検出、追跡、認識のモデルへ入力し、交通量、待ち行列長、ナンバープレート、違法駐車事象、事象検出結果といった構造化データを出力する。
重要な指標は四つある。第一はデコード能力で、1080Pや4Kのストリームを同時に何本デコードできるかであり、ハードウェアデコーダはCPUのソフトウェアデコードより一桁効率が高い。第二は推論演算で、通常はINT8精度のTOPSで示されるが、この数値は実フレームレートと線形ではなく、モデル最適化の影響を強く受ける点に注意する。第三はメモリ帯域で、多数のストリームが並行する場合、HBM方案はGDDRより安定し、Blackwell UltraがHBM4を強調する理由もそこにある。第四はコーデックと推論の連携で、映像を入力し構造化データを出力するまでの中間段階が少ないほど遅延は小さい。
アーキテクチャには二つの陣営がある。演算を積み上げる集中型サーバは、市全域の解析を行う交通警察の隊や指揮センターに適する。交差点のキャビネットに置くエッジボックスや産業用PCは、適応型信号制御のような低遅延場面に適する。オンデバイスNPUの進歩により、エッジ機器がローカルで軽量モデルを動かし構造化結果だけを返せるようになり、帯域を節約できる。
2. 主要製品とソリューションの比較
市場にある交通AI映像解析ハードウェアは、おおむね三つの類型に分かれる。
第一は汎用GPUサーバである。データセンター級の推論カードを使えば1台で数十本から数百本の映像ストリーム解析を支えられ、拡張性が高く、映像の意味検索のためのマルチモーダル大規模モデルも動かせる。欠点は消費電力が大きくデータセンターの環境要件があるため、交差点のキャビネットへの設置は現実的でない。新しい製品は液冷やより高いメモリ帯域に対応するものが多く、指揮センター級の配備に適する。
第二はエッジAI計算ボックスである。組み込みSoCや低電力アクセラレータカードを基にし、通常8本から16本の映像ストリームを支え、消費電力を数十ワットに抑え、ファンレスまたは小型ファン設計で交差点のキャビネットに収まる。QualcommやMediaTekによる今回のオンデバイスNPUの強化で、こうした機器のローカル推論能力は目に見えて向上し、一部の場面では生映像のアップロードを避けられる。
第三はスマートビジョンセンサ方式である。イベントカメラや低電力エッジセンシングチップがAI処理をカメラ端へ移し、センサが対象枠とイベントを直接出力し、サーバは融合と確認だけを行う。このアーキテクチャは帯域を節約し応答も速いが、エコシステムが従来方案ほど成熟しておらず、新設案件での試験導入に向く。
選定ではTOPSだけを見てはならない。同じ公称演算でも、デコード可能なストリーム数、メモリ容量、モデル適応ツールチェーンの成熟度は大きく異なる。ある電子工場は園区の出入口管理で問題を抱えた。高演算カードを買ったが、デコーダが十分なストリームを処理できず、映像入力をすべて接続できなかったのである。交通場面はより複雑で、国家標準プロトコルへの対応や信号制御機との接続可否も考慮する必要がある。
3. スマート交通の典型的な応用場面
交差点の全量ホログラフィック知覚である。1台のエッジ機器が4本から8本のカメラに接続し、車両検出、軌跡追跡、待ち行列長の算出を行い、適応型の信号時間配分のために信号制御機へ出力する。こうした場面は遅延に敏感で、エンドツーエンドで数百ミリ秒以内の制御が求められるため、データをセンターへ戻すよりエッジ配備が適する。
高速道路の事象検出である。サービスエリア、トンネル、ランプ入口では、停止車両、逆走、落下物、歩行者侵入の検出が必要になる。こうした場面はカメラが分散し帯域も限られるため、エッジ機器で一次スクリーニングし、疑わしい事象のフレームだけをセンターへ返して確認させられる。
市全域の映像パトロールである。交通警察の隊は集中型サーバで検問所や自動取締機の映像をバッチ解析し、偽造や複製ナンバープレートの分析、軌跡の再構成、画像による車両検索を行う。こうした用途は演算とメモリ帯域への要求が高く、HBM4メモリを備えた新世代GPUサーバはマルチストリームの並行効率を目に見えて改善できる。
車路協調の路側計算である。エッジ計算ユニットをRSUの脇に配備し、路側の知覚結果を車載端末へ送る。低遅延と高信頼性が要求されるため、汎用サーバより産業グレードの組み込みプラットフォームが適する。
4. 選定の要点と導入提案
演算より先にストリーム数を数える。1080P・25fpsの1本のストリームで検出と追跡を行う場合、必要な演算はモデル規模とフレームサンプリング戦略に依存する。実務では平均値で買うのではなく、ピークのストリーム数の1.5倍で余裕を確保する。
デコード形式の対応を確認する。交通映像の多くは依然H.264で、新設はH.265へ移りつつあり、一部の案件ではSVACを使い始めている。ハードウェアデコーダの対応がなければ、ソフトウェアデコードがCPUを飽和させる。
メモリとストレージに注意する。多数のストリームが並行する場合、メモリは周波数より容量が重要になる。構造化データはディスクへ書き込むため、書き込み耐久性を考慮する。産業グレードSSDのほうが民生品より信頼できる。
配備環境が形態を決める。交差点のキャビネットは夏に50度を超えることがあり、広温度の産業グレード機器が前提になる。指揮センターの部屋にはラックサーバを置けるが、冷却が空冷か液冷かを確認し、新規案件では液冷インターフェースを確保しておくとよい。
ソフトウェアエコシステムを見落とさない。モデル変換ツールチェーンが使えるか、主要フレームワークから書き出したモデルに対応するか、交通場面の参照モデルがあるかが、紙の演算以上に導入効率を左右する。この分野のベンダーは交通分野に深く根ざし、ERP時代から120万社の顧客にサービスし、国内外で累計数千万台の端末を導入しており、業界場面への理解を蓄積している。
5. 技術動向と展望
短期的には、推論チップの競争はメモリ帯域とエネルギー効率を中心に展開する。Blackwell UltraとMI350シリーズはいずれもHBM4を訴求しており、マルチストリーム映像場面ではメモリの壁が現実のボトルネックであることが分かる。エッジ側ではオンデバイスNPUが強くなるにつれ、交通映像解析はデバイス・エッジ・クラウドの三層構造へ向かう。カメラが一次スクリーニングし、交差点のエッジが追跡と事象判定を担い、センターが全体解析とモデル学習を行う。
中期的には、チップレット異種統合と光インターコネクトがサーバの形態を変える。演算チップレットとI/Oチップレットを分離すれば場面ごとに異なる組み合わせが可能になり、交通映像解析のようにデコード重視と推論重視が重なる作業が恩恵を受ける。液冷は選択肢から標準へ移る。高密度配備では避けられないためである。
長期的には、イベントカメラとスマートビジョンセンサがアーキテクチャを再構成する可能性がある。センサがイベントストリームを直接出力すれば、サーバは全フレームをデコードする必要がなくなり、帯域と演算の両方を節約できる。ただしエコシステムの成熟には時間がかかり、現時点では従来の映像とAI解析の組み合わせのほうが確実である。
選定に一足飛びの答えはない。交差点の規模は変わり、モデルは反復し、チップは更新される。拡張の余裕を残すことが、最新を追うことより重要である。