Show HN：欧州は自国が所有する計算リソースでフロンティアAIモデルを訓練できるか？
この研究モデルは、欧州が既存の公共AI計算リソース（EuroHPCスーパーコンピュータや国家AI工場）を統合することで、2028年頃にフロンティア級AIモデルを訓練可能であることを示しています。新たなギガワット級データセンターの建設は2033年までかかる見込みです。低通信の連合学習（DiLoCoスタイル）が鍵となります。
最近、Hacker Newsで「euromesh」というオープンソースプロジェクトが注目を集めています。このプロジェクトは、欧州が既に所有する公共計算リソースを活用して、新たなギガワット級データセンターの建設を待つことなく、主権的なフロンティアAIモデルを訓練できるかどうかという重要な問いに答えるものです。結論は「可能だが、暫定的な措置として」です。
研究によると、欧州は現在、EuroHPCスーパーコンピュータと各国のAI工場を通じて、数十エクサフロップス（EFLOPS）の公共AI計算能力を運用しています。一方、新たに1ギガワット（GW）のデータセンターを建設する場合、系統連携まで平均7.6年かかります。低通信の連合学習（DiLoCoスタイル）を採用することで、欧州の既存計算リソースは2028年頃にフロンティア級モデルを訓練できるのに対し、新データセンターに依存する場合は2033年まで待たなければなりません。
このプロジェクトは3層のモデルで構成されています。第1層は低通信訓練の効率（DiLoCoによる追加コスト）を評価し、第2層は各サイトの稼働時期と累積計算能力の成長を計算、第3層は時間、コスト、二酸化炭素排出量、実現可能性の4軸で地域ごとにスコアリングします。主たる結論はほぼ第2層で決まります。連合方式が勝つ条件は、そのサイトがギガワット級データセンターよりも早くオンラインになることです。訓練効率の影響は二次的であり、感度分析で確認されています。
データソースには、系統接続リードタイム（7地域、AWSの「最大7年」とIEAの「2〜10年」範囲を引用）と欧州の公共計算リソース一覧（EuroHPCフラッグシップ機と19のAI工場のアクセラレータ数と訓練時間）が含まれます。モデルパラメータには信頼度タグが付けられ、すべてのソースコードとテスト（52テスト合格）が公開されています。
著者は限界を正直に認めています。系統接続リードタイムは中央推定値であり、実際の観測値ではありません（欧州の事業者で1GW点負荷を接続した例はなし）。EuroHPCマシンは共有・バッチスケジュール・異種混合であり、実際に利用可能な割合は政治判断に依存します。フロンティア規模の分散訓練は約100億パラメータ以上では未実証であり、目標は保証された4050億パラメータモデルではなく、信頼できるフロンティア級モデルです。すべてのデータと結論は2026年6月時点のものであり、査読は受けていません。
このプロジェクトは、巨額の設備投資に頼らず、既存リソースの連合化によってAI主権を加速する別の道筋を示しています。多くの課題はあるものの、そのオープン性と透明性は政策議論に貴重な示唆を提供します。