計測技術の世界的リーダーであるHexagon（ヘキサゴン）は、Amazon SageMaker HyperPodを活用することで、AI開発パイプラインに劇的な進化をもたらした。同社が得意とするのは、物体や風景の表面を数百万の3Dデータ点で表現したデジタルマップ「ポイントクラウド」の処理だ。この複雑なデータセットは、都市全体のデジタルツイン構築や大規模な建設現場の管理において、不可欠な基盤となっている。

従来、この3Dデータのクリーニングやセグメンテーション（領域分割）を行う特化型モデルの学習には、オンプレミスのハードウェアで80日間を要していた。しかし、SageMaker HyperPodが管理する高性能クラスターへと移行した結果、Hexagonはこの期間をわずか4日間にまで圧縮した。これは95%という驚異的な効率化を意味し、重要なインフラソリューションの市場投入までの期間を大幅に短縮することに成功している。

新システムは、故障したコンピューティングコンポーネントを自動的に検出し、交換するレジリエントなアーキテクチャを採用した。この「自己修復（セルフヒーリング）」機能により、長時間の学習ジョブもハードウェア故障時に人の手を介さず、直近のチェックポイントから再開できる。また、膨大なデータフローをさばくため、テラバイト級の学習データをプロセッサへ直接高速ストリーミングする専用のファイルシステムも導入された。

今回のAWSとの連携は、マネージドインフラがクラスター管理という「重労働」をいかに排除できるかを証明している。ヘルスチェックの自動化やサーバー間通信の最適化によって、Hexagonのエンジニアは航空宇宙、自動車、地理空間といった各セクター向けのモデル精度向上に専念できるようになった。その結果、世界中の多様な産業において、構築環境をより正確かつ迅速に把握することが可能となっている。

計測技術の世界的リーダーであるHexagon（ヘキサゴン）は、Amazon SageMaker HyperPodを活用することで、AI開発パイプラインに劇的な進化をもたらした。同社が得意とするのは、物体や風景の表面を数百万の3Dデータ点で表現したデジタルマップ「ポイントクラウド」の処理だ。この複雑なデータセットは、都市全体のデジタルツイン構築や大規模な建設現場の管理において、不可欠な基盤となっている。

従来、この3Dデータのクリーニングやセグメンテーション（領域分割）を行う特化型モデルの学習には、オンプレミスのハードウェアで80日間を要していた。しかし、SageMaker HyperPodが管理する高性能クラスターへと移行した結果、Hexagonはこの期間をわずか4日間にまで圧縮した。これは95%という驚異的な効率化を意味し、重要なインフラソリューションの市場投入までの期間を大幅に短縮することに成功している。

新システムは、故障したコンピューティングコンポーネントを自動的に検出し、交換するレジリエントなアーキテクチャを採用した。この「自己修復（セルフヒーリング）」機能により、長時間の学習ジョブもハードウェア故障時に人の手を介さず、直近のチェックポイントから再開できる。また、膨大なデータフローをさばくため、テラバイト級の学習データをプロセッサへ直接高速ストリーミングする専用のファイルシステムも導入された。

今回のAWSとの連携は、マネージドインフラがクラスター管理という「重労働」をいかに排除できるかを証明している。ヘルスチェックの自動化やサーバー間通信の最適化によって、Hexagonのエンジニアは航空宇宙、自動車、地理空間といった各セクター向けのモデル精度向上に専念できるようになった。その結果、世界中の多様な産業において、構築環境をより正確かつ迅速に把握することが可能となっている。