【DGX Spark活用事例】ローカル環境でのAI開発はどう変わる？ミントワークスに聞くDGX Sparkの使い方と導入効果

ミントワークス合同会社

投稿日 2026.04.22

更新日 2026.04.22

Index

生成AIや大規模言語モデル（LLM）の活用が広がる一方で、企業の現場では「機密情報を外部クラウドに出せない」「クラウドGPUやAPI利用は、利用量に応じてコストが積み上がる」「試行錯誤のたびに運用負荷が増える」といった課題が顕在化している。NVIDIA DGX™ Spark（以下、DGX Spark）は、こうした課題に対して、AI開発・学習・推論・PoCをローカル環境で進められる小型GPUとして注目を集めている。
本記事では、DGX Sparkを導入したミントワークス合同会社へのインタビューをもとに、ローカル環境でのAI開発がどのように変わるのかを紹介する。
ミントワークス合同会社は、クラウド依存を抑えつつ研究開発の自由度を高める方向でDGX Sparkを活用している。同社のユーザー企業においても、ローカル環境で生成AIを活用したコンテンツ制作にDGX Sparkが活用されており、まずPoC・検証から始め、ローカル環境での生成AI活用の可能性を見極めている。
DGX Sparkで実現されるローカルAI基盤の価値は、単に「大きなモデルが動く」ことだけではない。コスト、セキュリティ、試行錯誤のしやすさ、将来の業務実装へのつなぎやすさ――そうした複数の観点から、ミントワークス合同会社の事例を見ていきたい。

ミントワークス合同会社代表

松舘高雄さま

お客さまの課題

クラウドIDE{*1}を活用したAI駆動型システム開発の成果物をユーザー先にシームレスに移行し、迅速に稼働テストを行う仕組みが必要だった。
クラウドGPUサーバーを継続利用すると、研究開発や検証を進めるうえでコスト負担が大きくなりやすかった。
外部サービス障害の影響を受ける基盤では、データの機密性、AIを業務やシステムに組み込んだ際の安定運用に不安があった。
研究開発・PoC・実装を見据えた活用に向けて、ローカルで多様なAIワークロードを扱える環境が必要だった。

    導入の効果
成果物をDGX Sparkへ移行し動作検証を行う時間がかなり圧縮できた。
ローカル環境でパラメータ規模の大きなLLMを扱えるようになり、これまで実行が難しかったモデルも動かせるようになった。
クラウド利用を抑えながら、研究開発やPoCをより自由度高く進められるようになった。
画像生成、動画生成、音声系を含む多様なAIワークロードを、手元で試しやすい環境が整った。

  

【導入の背景・経緯】クラウド依存を抑え、手元でパラメータ規模の大きなLLMを扱える環境を求めて

ミントワークス合同会社は、食と健康に関わる情報伝達の技術開発、ユーザー伴走型のシステム開発などを手がける企業である。取り組みの原点はIT農業にあり、ビニールハウス内のロボット化や省人化といった領域からスタートした。その後、食や健康に関わるデータ活用へと軸足を移し、AI・機械学習を活用したシステム開発やデータ利活用にも取り組んでいる。

同社がDGX Sparkの導入並びにユーザーへの提案を行った最大の理由は、ユーザーとの協業によるシステム開発の効率化とプロジェクト進捗のスピードアップだった。ユーザーと伴走したシステム開発を得意とする同社の開発手法はAI駆動型システム開発に基づいている。ユーザーの要望を受けながらシステム開発を進め、素早くユーザーへプロトタイプをリリースし、AIを活用しながら本番システムへ発展する方法である。その際に機密性の高いデータを扱うために、「触れる高性能なGPUデスクトップ」が必要だった。特に今回の協業先であるユーザー企業は生成AIを使った教育コンテンツ開発を行っており、システム開発の経済性の観点からもローカル生成AI環境の構築は重要なテーマであった。

ユーザー企業においてクラウドGPUのコスト負担の抑制は課題であった。高出力のGPUをクラウドで継続利用すると、研究開発や検証を進めるほどコストは膨らみやすい。加えて、外部AIサービスの障害や停止が発生した場合、研究やシステム検証の進行に直接影響が及ぶ可能性もある。必要なモデルを必要なタイミングで、手元の環境で動かせる基盤を持つことは、コスト最適化だけでなく、持続可能な研究開発を支えるうえでも重要だった。

導入製品はDGX Sparkを2台とクラスタリング用ケーブル1本である。PoC・検証から学習、推論、データ解析までをローカルで行える、多用途なAI基盤として活用している。つまり、単なる評価機としてではなく、将来的な顧客提供や自社システムへの組み込みも見据えた、実践的なローカルAI基盤として導入している。

DGX Sparkの詳細については、次の記事もご参照ください。
AI開発のコストとスピードを両立─NVIDIA DGX Sparkがもたらす新時代のGPU基盤｜AIとDXの新しいミカタ。【公式】NTTPCコミュニケーションズ

[*1]クラウドIDE：ブラウザ上で動く、統合開発環境（Integrated Development Environment）のこと。

【導入がもたらす価値】LLM利用を起点に、画像・音声まで広がるローカルAI活用

ミントワークス合同会社およびユーザー企業がまず高く評価しているのは、120Bクラスのパラメータ規模の大きなLLM（GPT-OSS-120Bなど）をローカルでスムーズに動かせるようになったことだ。従来保有していたRTX 3090ベースの環境では、VRAM容量や並列処理の制約から、大きなモデルの実行に限界があった。

一方で、DGX Sparkでは念願だった大規模モデルが動作した。これは単に性能が向上したという話ではない。試したいモデルを、試したいタイミングで、環境上の制約をあまり気にすることなく検証できるようになったこと自体が、研究・PoCの自由度とスピードを大きく高める。
活用の幅はLLMにとどまらない。生成AIに加えて、画像生成、動画生成、音声合成などにも挑戦している。

一方で、課題も見えつつある。複数人で同時利用すると、メモリが占有され、OS側の動作にも影響が出る可能性がある。そのため実運用を見据える場合、用途に応じたチューニングや、安定稼働のための設計が欠かせないと指摘する。DGX Sparkは、すべてをそのまま本番運用するための万能機というより、研究・PoC・検証を素早く回し、その先に必要な構成を判断するための基盤として力を発揮している。

複数社のお問い合わせからNTTPCが分析した、DGX Sparkがもたらす価値、用途についてはこちらの記事もご参照ください。
DGX Sparkの購入・お問い合わせデータから読み解く～業界ごとの用途や納期、価格について解説～｜AIとDXの新しいミカタ。【公式】NTTPCコミュニケーションズ

【今後の展開】研究・PoCから、その先の実装環境へつなぐ

今後の方向性として、ミントワークス合同会社はDGX Sparkを研究者が自由に試行錯誤するためのGPUデスクトップとして捉えている。一方で、実運用フェーズでは、より上位のGPUやデータセンター向けの構成を使う必要があるという“二段構え”の構想も示している。つまり、DGX Sparkで実現したローカルAI基盤は終着点ではなく、実装・展開へ接続するためのステップとして位置づけられている。

この整理は、多くの企業にとって示唆に富むものである。いきなり大規模GPUサーバーや常時クラウド利用に踏み込むのではなく、まずは手元で試し、必要に応じて上位構成へつなぐ。その流れは、コストを抑えつつ、学習・推論・アプリケーション検証を前に進めるうえで現実的な選択肢となる。DGX Sparkの価値は、単体の性能だけでなく、「小さく始めて次に進める道筋」を描きやすい点にもある。

まとめ：DGX Sparkは、実用的な検証性能を導入しやすい価格帯で実現するローカルAI基盤である

ミントワークス合同会社およびユーザー企業では、DGX Sparkを導入し、クラウドだけでは進めにくいAI活用を、ローカルAI基盤によって前に進めようとしている。クラウドGPUやAPI利用のコスト、外部サービス障害の影響を抑えながら、研究・PoCの自由度を高める基盤としてDGX Sparkを活用している。

本事例から見えてくるのは、DGX Sparkの価値が、単にローカルでAIを動かせることにあるのではなく、本格運用を見据えた検証に十分応えられる性能を導入しやすい価格感で持てる点にあるということだ。

いきなり大規模なGPUサーバー投資や本格展開に踏み込む前に、まずは手元でPoCを回し、必要に応じて上位構成や複数台構成へつなげる。DGX Sparkは、性能と価格のバランスに優れた、実用性の高いローカルAI基盤だといえる。

GPU製品・サービス