ServerGear AI Research Console

GPUサーバーを使いこなすためのAIリサーチコンソール。

ARC(ServerGear AI Research Console)は、HPC計算、LLM研究開発、深層学習、オンプレAI環境で発生するソフトウェア導入、環境診断、入力ファイル作成、ジョブ実行、エラー調査、修正提案を支援する製品です。ランブックとは、確認・実行・結果確認・ログ保存までをまとめた「安全な作業手順書」です。ARCはLLMの記憶だけに頼らず、公式情報と接続先サーバーの状態を照合し、ユーザー承認後に必要な作業だけをランブックとして実行へ進めます。

Small on-prem AI appliance

15cm角クラスの小型AI端末が、GPUサーバー作業を支援します

ARCは、クラウド上のチャットサービスではありません。

15cm × 15cm × 5cm クラスの小型オンプレAIワークステーションに、ローカルLLM、公式情報検索、Evidence-first調査、CLI実行支援、安全な承認ゲートを組み合わせたAIリサーチコンソールです。

ARC端末は、研究者の机の上や研究室内に設置し、接続先のGPUサーバーやオンプレAI環境に対して、ログ確認、環境診断、入力ファイル作成、ジョブ投入、エラー解析、修正案作成、再実行を支援します。

重いHPC計算やLLM学習・推論は、接続先のGPUサーバーで実行します。ARCは、その作業を調べ、組み立て、確認し、安全な範囲で実行へ進めるためのAIエージェント端末です。

小型ARC端末

  • ローカルLLM
  • 公式情報検索
  • Evidence pack
  • CLI実行支援
  • 承認ゲート

接続先GPUサーバー

  • CUDA / PyTorch / vLLM
  • Slurm / Apptainer
  • Quantum ESPRESSO / LAMMPS
  • 実行ログ / エラー出力

研究者

  • 目的を相談
  • 結果を確認
  • 重要操作を承認

Team and server coverage

小型でも、複数サーバー・複数ユーザーで使えます

ARC端末は、1台のGPUサーバー専用の装置ではありません。

研究室や開発チームのネットワーク内に設置し、複数のGPUサーバー、HPC計算機、オンプレAIワークステーションへ接続して利用できます。

研究者は計算計画、入力ファイル作成、ジョブ実行、エラー相談に利用し、Operatorはソフトウェア導入や動作確認、AdminはRunbook作成、権限設定、証跡確認に利用できます。

接続先ごとに権限、実行範囲、承認ルールを分けることで、複数ユーザーが同じARCを使いながら、安全にGPUサーバー運用を支援できる構成を想定しています。

研究者A

Quantum ESPRESSO の入力ファイルを作り、Slurmジョブを投入。エラーが出たらARCに解析させ、修正案を確認します。

研究者B

PyTorch / vLLM の検証スクリプトを作成し、接続先GPUサーバーで実行。失敗時はログをもとに修正案を得ます。

Operator

NVIDIAドライバー、CUDA、Apptainer、Slurmなどの導入・確認Runbookを実行します。

Admin

対象サーバー、許可コマンド、承認条件、証跡保存ルールを管理します。

複数サーバー接続や複数ユーザー利用の範囲は、導入時のネットワーク構成、認証方式、権限設定、Runbook設計により決まります。重要な操作はユーザー承認、Runbook、権限設定に従って実行します。

Evidence-first field examples

実機でのARC利用例

ARCは、GPUサーバーやオンプレAI環境の問題について、単に一般論を答えるだけのAIチャットではありません。実機の状態、エラーログ、公式ドキュメント、プロジェクト資料を照合し、原因候補、確認項目、安全な次ステップ、承認が必要な作業を整理します。

Read-only evidence Evidence pack Approval gate What not to do yet Final verdict例

PyTorchでCUDAが使えない問題の調査

状況
PyTorchの実行時にCUDAが利用できず、GPUを使った検証が止まっている。
ユーザーの入力例
「PyTorchでGPUが使えません。cudaがないと表示されます。」
ARCが確認した証拠
torchの認識状態、driverとCUDA runtimeの組み合わせ、wheelのCUDA対応、実機GPU認識、公式互換情報をread-only evidenceとして整理。
ARCの判断
再インストールを先に進めず、Python環境、PyTorch wheel、driver/runtime、GPU認識のどこで不一致が起きているかを分けて提示。
次に承認が必要な作業
パッケージ入れ替え、環境再作成、driverやCUDA関連の変更はapproval gateで停止し、影響範囲を確認してから進める。
結果
調査根拠、不確実な点、採用しない手順、次の確認項目をevidence packとして残す。
Final verdict例
CUDA非対応wheelまたはruntime不一致が主候補。変更作業の前に、実機認識とPyTorchビルド条件の確認までで止める。
Read-only evidence Evidence pack Approval gate What not to do yet Final verdict例

Docker内でGPUが見えない問題の切り分け

状況
ホストOSではGPUが見えているが、コンテナ内のアプリケーションからGPUが利用できない。
ユーザーの入力例
「ホストではGPUが見えるのに、Dockerコンテナの中でGPUが使えません。」
ARCが確認した証拠
host側GPU認識、コンテナ起動条件、NVIDIA Container Toolkitの有無、runtime設定、DockerとNVIDIA公式情報を照合。
ARCの判断
driver問題、起動オプション不足、container toolkit設定、コンテナイメージ側ライブラリの候補を分けて整理。
次に承認が必要な作業
runtime設定変更、toolkit導入、サービス再起動、コンテナイメージ更新はapproval gateで明示する。
結果
危険な変更に進む前に、read-only確認で得た証拠、未確認項目、変更候補をproofpackとして保存。
Final verdict例
ホストGPUは利用可能で、コンテナへのGPU公開条件が主な確認対象。設定変更は承認前に実行しない。
Read-only evidence Evidence pack Approval gate What not to do yet Final verdict例

vLLM起動失敗・OOM・context長問題の調査

状況
ローカルLLMをvLLMで起動しようとすると、OOMや起動時エラーが発生する。
ユーザーの入力例
「ローカルLLMをvLLMで起動しようとすると、OOMまたは起動エラーになります。」
ARCが確認した証拠
GPUメモリ、モデル構成、context長、KV cacheに関係する条件、起動オプション、vLLMログ、公式ドキュメントを整理。
ARCの判断
単純なメモリ不足だけでなく、context長、並列設定、dtype、モデル設定、起動条件の不一致を候補として分解。
次に承認が必要な作業
起動条件の変更、モデル配置変更、設定ファイル更新、継続的な負荷検証はapproval gateで確認する。
結果
安全な再試行条件、残る不確実性、試さない条件をevidence packに記録し、あとで再確認できる状態にする。
Final verdict例
OOMはGPUメモリ容量とcontext長・KV cache条件の組み合わせが主候補。再試行前に条件整理で停止する。

Safety boundary

ARCができること・しないこと

ARCは、GPUサーバーやHPCアプリのトラブルに対して、いきなり修復を行うのではなく、公式情報・実機ログ・設定情報などの read-only evidence をもとに、安全に原因候補と次の確認手順を整理します。修復や変更を伴う作業は、承認境界を明確にしたうえで進めます。

できること

  • GPUサーバーやHPCアプリのトラブルを、ログ・設定・公式情報から整理する
  • read-only evidence を集める
  • 原因候補と次の確認手順を整理する
  • 危険な操作に進む前に approval gate を明示する
  • evidence pack / proofpack を残す
  • PyTorch、Docker、vLLM、Slurm、Quantum ESPRESSO、LAMMPS、NVIDIA driver / CUDA などの問題を扱う

しないこと

  • 本番環境を勝手に修復しない
  • sudo / install / build / configure / driver変更を自動で進めない
  • 何でも解決できるとは言わない
  • AIが勝手に判断して実行する仕組みとして見せない
  • 顧客ログや秘密情報を公開ページに載せない

Real machine demo

ARCの動きを、実機で確認できます

A100×4実機やDGX Spark互換機を使い、ARCがどのようにGPU/HPCトラブルを切り分けるかを確認できます。CUDAが見えない、DockerでGPUが使えない、vLLMが起動しない、HPCアプリのGPU build条件が分からないといった問題を、ARCが証拠ベースで整理する流れをご覧いただけます。

01

ServerGear検証環境でのデモ

あらかじめ用意したトラブル例をA100×4やDGX Spark互換機で見せます。

02

ログ・エラーメッセージ持ち込みデモ

お客様のログやエラー内容をもとに、ARCがどう整理するかを見せます。

03

read-only接続を前提とした限定デモ

事前同意、接続範囲、保存ログ、秘密情報の扱いを明文化したうえで、read-only確認に限定して行います。

ARC Seed Program

5台限定 ARC Seed Program 受付中

ARC Seed Program は、正式販売前に限定台数で先行導入いただき、実際の研究・開発環境での使用感、改善要望、導入事例を集める共同検証プログラムです。Seed Program 先行導入価格は150万円(税別)、正式販売予定価格は約200万円(税別)です。

For researchers and GPU users

誰のための製品か

HPC用途のGPUサーバー顧客

GPUでHPC計算を行う研究者・研究室の環境構築、ジョブ投入、実行結果確認、エラー修正、再実行までを支援します。

材料・化学・物理・流体系研究者

Quantum ESPRESSO / LAMMPS / oneAPI などを使う研究者の入力ファイル作成、設定確認、ジョブ投入準備を支援します。

LLM / Deep Learning研究チーム

オンプレGPUでLLM研究開発、PyTorch / vLLM / Transformers を使う研究開発チームの環境診断を支援します。

AI開発ユーザー

オンプレAIワークステーションやGPUサーバーで、ソフトウェア導入、検証用スクリプト、最小再現コード作成を支援します。

環境構築に時間を取られている組織

研究者が計算や開発に戻れるよう、接続先サーバーの状態確認と根拠付きの修正案作成を支援します。

販売後の技術支援を強化したい組織

GPUサーバー納品後の調査記録、evidence pack / proofpack、承認済みランブック(確認済みの作業手順)候補を整理します。

Operational pain

研究用GPUサーバー・オンプレAI環境で起こる問題

研究アプリとGPU環境が絡む

Quantum ESPRESSO、LAMMPS、PyTorch、vLLM、CUDA、driver、Slurm、Apptainerの組み合わせで、原因がアプリ側か環境側か分かりにくくなります。

小型AI端末でも詰まる

DGX Spark互換クラスの小型オンプレAIワークステーションでも、ローカルLLM、GPU driver、OS更新の組み合わせで未知の問題が起こります。

根拠と推測が混ざる

公式docs、project docs、release notes、GitHub public情報、接続先サーバーの状態が整理されないと、修正案の根拠を後から追えません。

Evidence-first

LLMの記憶だけで答えない

一般的なAIチャットは、モデルの記憶や一般論で答えることがあります。ARCは未知のGPUサーバー問題・オンプレAIワークステーション問題に対して、公式docs、project docs、release notes、GitHub public情報などを調べます。

検索候補と取得本文をLLMが評価し、信頼できる根拠、まだ仮説に留まる情報、不採用情報を分けます。不確実なら原因断定せず、観測計画や追加確認質問に留めます。

Demo consultation

研究用GPU環境の課題を、まずは相談してください。

HPC計算、LLM研究開発、深層学習、Quantum ESPRESSO、LAMMPS、vLLM、Slurm、Apptainerなど、現在困っている作業をもとにARCで支援できる範囲を整理します。

7月1日納品予定のSeed Program版を相談する

Seed Program package

Seed Program パッケージに含まれるもの

小型オンプレAIワークステーション本体

DGX Sparkクラスの小型オンプレAIワークステーション本体、調達・初期確認を含みます。

AI Research Console Seed Program版

主要機能入りの先行導入版を実環境で磨き込む共同検証版として提供します。

9月正式版へのアップグレード

2026年9月1日の正式販売予定に合わせた正式版アップグレードを含みます。

初期セットアップ支援

標準環境での起動、基本確認、接続先GPU環境の確認入口を支援します。

基本レクチャー

Admin、Operator、Researcherそれぞれの使い方と、研究・計算ワークフロー相談の入口を用意します。

改善要望の優先確認

Seed Program期間中の改善要望を優先確認し、有用な改善はオンラインアップデート候補として検討します。

承認制導入事例への協力

公開前確認後、承認範囲のみ導入事例として使用します。機密情報・未公開研究内容は公開しません。

ARC Seed Program

ARC Seed Program は、正式販売前の共同検証プログラムです

ARC Seed Program は、正式販売前に主要機能入りの製品を実際の研究・開発環境で使っていただき、改善点や導入事例を集めるための先行導入・共同検証プログラムです。

単なる値引き販売ではなく、正式販売に向けて実使用から製品を磨き込むための枠です。2026年7月1日〜8月31日を実使用ファインチューニング期間とし、9月1日の正式販売時に、実例・改善履歴・導入証跡・FAQを持った状態にすることを目指します。

Connected server workflow

ARCは接続先の実機で何を支援するのか

Roles

3つの利用者ロール

Admin

ランブック(作業手順書)を作る人。Software stackごとの手順化、確認条件の定義、安全に使うためのルール設定、ランブック改訂を担当します。

Operator

承認済みランブックを実行する人。インストール、設定、動作確認、PASS/HOLD/FAIL確認、proofpack保存を担当します。

Researcher

計算を使う人。計算計画を相談し、入力ファイル作成、実行、エラー相談、修正して結果確認を進めます。

Research workflow

研究者の作業ループを支援

  1. 計算計画を相談
  2. 入力ファイルを作る
  3. 実行する
  4. エラーを相談
  5. 修正して再実行する
  6. 結果と証跡を保存する

対象例: Quantum ESPRESSO、LAMMPS、Intel oneAPI、PyTorch、vLLM。

Agentic workflow

ARCは、相談相手ではなく、作業を前に進めるAIエージェントです

ARCは、質問に答えるだけのAIチャットではありません。

研究者や開発者の目的を理解し、必要な公式情報やプロジェクト資料を調べ、接続先のGPUサーバーやオンプレAIワークステーションの状態を確認しながら、次に行うべき作業を組み立てます。

たとえば、入力ファイルの作成、ジョブスクリプトの作成、プログラムの実行、エラーメッセージの解析、修正案の作成、再実行までを、作業の流れとして支援します。

ユーザーのホームディレクトリ内で完結する検証作業など、許可された安全な範囲では、より自律的に作業を進める設定も可能です。

一方で、ソフトウェア導入、設定変更、パッケージ更新、サービス再起動、OS再起動など、環境に影響する作業は、ユーザーが内容を確認して承認したあと、承認済みの作業手順に沿って実行します。

Research use cases

ARCで変わる研究作業の例

これまで研究者がWeb検索、手作業、試行錯誤に時間を使っていた作業を、ARCが調査・作成・実行・エラー解析・修正提案まで支援します。

Quantum ESPRESSO / Slurm の入力作成・実行・エラー修正

できること

Quantum ESPRESSO の簡単な入力ファイルを作成し、Slurmに投入するジョブスクリプトを用意します。ARCは研究目的や計算条件を聞き取り、入力ファイルとジョブスクリプトを作成します。

ユーザーが内容を確認したうえで、接続先GPUサーバー上で実行します。実行後に出力ファイルやエラーログを確認し、エラーがあればARCが解析します。

必要に応じて入力ファイル、ジョブスクリプト、実行条件の修正案を提示し、ユーザー承認後に再実行します。

実行時の安全ルール

ジョブ投入やファイル修正は、ユーザーの確認または許可された作業範囲に基づいて実行します。

Bash / Python / C++ / Fortran のコード作成・実行・修正ループ

できること

ARCに「この処理をするBashスクリプトを作って」「このFortranコードをコンパイルして実行したい」「C++の最小テストを書いて実行したい」と相談できます。

ARCは目的に応じてスクリプトやソースコードを作成し、ユーザーの確認後に実行します。エラーが出た場合は、エラーメッセージ、コンパイルログ、実行結果を読み取り、原因候補と修正案を提示します。

ユーザーのホームディレクトリ内など、許可された安全な範囲であれば、修正と再実行のループを支援します。

実行時の安全ルール

研究者権限で安全に実行できる作業と、管理者承認が必要な作業を分けて扱います。管理者権限や環境変更が必要な場合は、承認済みRunbookに切り替えて確認しながら進めます。

最新ソフトウェアのインストール手順を調べ、Runbook化する

できること

「最新のQuantum ESPRESSOをこのGPUサーバーに入れたい」「vLLMをこの環境で動かしたい」「CUDAとPyTorchの組み合わせを確認したい」といった相談に対して、ARCはLLMの記憶だけで答えません。

公式ドキュメント、project docs、release notes、GitHub public情報を調査し、現在のサーバー環境と照合します。そのうえで、導入方針、前提条件、リスク、確認コマンド、作業手順をRunbook候補として整理します。

実行中にエラーが出た場合は、エラーメッセージを解析し、公式情報や既知issueに照らして修正案を作り、ユーザー承認後に次の作業へ進みます。

実行時の安全ルール

ソフトウェア導入、パッケージ更新、サービス再起動など環境に影響する作業は、毎回ユーザー確認と承認済みRunbookを前提にします。

ARCは「何でも勝手に自動実行するツール」ではありません。標準では、研究者の目的を理解し、必要な情報を調べ、接続先サーバーでの作業を「確認」「提案」「承認済み実行」「結果確認」「修正」に分けて進める、安全重視のAIリサーチコンソールです。

※上級者・検証環境向けには、必要に応じて、承認条件や自動実行範囲を広げた高自律モードを設定できます。標準設定では安全性を優先し、重要な操作は確認・承認後に実行します。

Evidence-first flow

Evidence-first AIリサーチ支援の8ステップ

ARCは、研究目的、実行したいアプリ、接続先サーバーの状態、公式情報を照合します。実行が必要な場合だけ、ユーザーが内容を確認して承認したあと、承認済みランブック(確認済みの作業手順)へ進みます。

01

Problem Decomposition

エラー、ログ、研究目的、実行したいアプリを分解します。

02

Dynamic Investigation Plan

接続先サーバーで確認する項目と、調査すべき公式情報を整理します。

03

Source Retrieval

外部APIキーなしで取得できる公式docs、project docs、release notes、GitHub public情報などを確認します。

04

Source Evaluation

情報が対象サーバーやソフトウェアバージョンに合うか評価します。

05

Evidence Pack

信頼できる根拠、仮説、不採用情報を分け、evidence pack として残します。

06

Uncertainty Handling

不確実なら原因断定せず、観測計画や追加確認質問に留めます。

07

Safe Advisory

実行前にリスク、前提、確認事項、修正提案を提示します。

08

Approved Runbook Execution

ユーザー承認後に、承認済み作業手順の実行へ進み、結果を記録します。

Capabilities

何ができるのか

Use cases

想定利用シーン

Quantum ESPRESSO / LAMMPS の計算準備

入力ファイル作成、設定確認、ジョブ投入準備、実行結果確認を支援します。

LLM研究開発環境の構築と診断

vLLM / CUDA / PyTorch / driver更新後の未知トラブルを、公式情報と実機状態から整理します。

深層学習・AI開発のエラー修正ループ

検証用スクリプト、最小再現コード、ベンチマーク、再実行の記録を支援します。

オンプレAIワークステーションの研究支援端末化

小型AIワークステーションをローカルLLMや研究補助端末として使う前提条件を確認します。

Comparison

一般的なAIチャットとの違い

項目一般的なAIチャットARC
対象汎用的な質問応答GPUサーバー、HPC計算、LLM研究開発、深層学習、オンプレAI環境
研究作業説明や一般論が中心入力ファイル作成、ジョブ投入、結果確認、エラー修正、再実行を支援
調査モデルの記憶や一般論が中心になることがある公式docs、project docs、release notes、GitHub public情報と接続先サーバー状態を照合
実行コマンド例がそのまま提示されることがある判断材料の提示を基本にし、必要時だけユーザーの確認・承認後に承認済みランブックへ進む

Pricing and release plan

価格と発売予定

5台限定 / ARC Seed Program

Seed Program 先行導入価格 150万円(税別)

Seed Program版 納品予定: 2026年7月1日

Seed Program 実使用ファインチューニング期間: 2026年7月1日〜8月31日

正式版アップグレード付き。条件合意・発注/入金確認順で確定します。満枠後は正式販売の案内待ちリストへご案内します。

通常販売

正式販売予定価格 約200万円(税別)

正式販売予定: 2026年9月1日

価格・構成・サポート範囲は導入環境により変わる場合があります。

※ 表示価格は税別です。消費税、送料、設置条件、サポート範囲、構成内容により最終見積金額は変わる場合があります。

Feedback and updates

改善要望送信・更新機能

ARCの回答が不十分だった場面を、任意でServerGearへ送信できます。送信前に内容確認を行い、機密情報・未公開研究情報の除外を促します。勝手にログを送る設計にはしません。

Seed Program参加者の改善要望は優先確認し、有用な改善はオンラインアップデート候補として検討します。ただし、すべての改善要望の実装を保証するものではありません。

Participation boundary

参加条件とサポート範囲

参加条件

Seed Program版であることを理解し、実使用フィードバック、最低1回のヒアリング、承認制導入事例共有に協力いただけること。公開内容は事前確認後、承認範囲のみ使用します。

サポート範囲

標準環境・標準手順を中心に支援します。個別研究ソフト改造は別途相談、論文再現や研究成果保証は対象外です。無制限サポートではなく、機密情報・未公開研究内容は公開しません。

Boundary

安全に使うためのルール

ARCは、ユーザーの確認なしにサーバーを変更しません。

ソフトウェアのインストール、設定変更、パッケージ更新、サービス再起動、OS再起動など、環境に影響する作業は、ユーザーの確認なしには実行しません。

まず、現在の状態、確認すべき項目、考えられるリスク、次に取るべき安全な手順を表示します。

実際の作業が必要な場合だけ、ユーザーが内容を確認して承認したあと、承認済みの作業手順に沿って実行します。

Verified design

AIの回答を、そのまま実行手順にしない設計

NVIDIAドライバー、CUDA、PyTorch、vLLMなどのトラブルでは、AIが一般的なインストール手順やコマンド例を返すことがあります。

しかし、その手順が現在のサーバー環境に合っているとは限りません。

ARCでは、AIの回答をそのまま表示するのではなく、公式ドキュメント、プロジェクト資料、リリースノート、GitHub上の公開情報を確認し、根拠、仮説、不採用にした情報を分けて整理します。

そのうえで、いきなり実行する手順ではなく、確認すべき項目、リスク、承認が必要な作業として表示します。

FAQ

FAQ

どのようなユーザー向けですか?

GPUでHPC計算を行う研究者、LLM研究開発を行う研究室、深層学習・AI開発チーム、GPUサーバー運用者を想定しています。

ARC Seed Programとは何ですか?

ARC Seed Program は、正式販売前に主要機能入りの製品を限定台数で先行導入いただき、実際の研究・開発環境での使用感、改善要望、導入事例を集める共同検証プログラムです。

Seed Program 先行導入価格150万円(税別)には何が含まれますか?

小型オンプレAIワークステーション本体、AI Research Console Seed Program版、9月正式版へのアップグレード、初期セットアップ支援、基本レクチャー、優先フィードバック枠を含みます。構成により変わる場合があります。

Seed Program参加者は何に協力する必要がありますか?

実使用フィードバック、最低1回のヒアリング、承認制導入事例共有への協力をお願いします。公開内容は事前確認後、承認範囲のみ使用します。

改善要望は必ず実装されますか?

いいえ。Seed Program参加者の要望は優先的に確認しますが、すべての個別要望の実装を保証するものではありません。

機密情報は送信されますか?

勝手に送信しません。改善要望送信は任意で、送信前に内容確認と機密情報除外を促します。

どの用途が対象ですか?

当面はHPC用途のGPUサーバー顧客と、LLM / Deep Learning研究用途のオンプレGPU顧客に絞ります。一般PCサポートや用途不明案件は対象外です。

Quantum ESPRESSOやLAMMPSの入力ファイル作成も支援できますか?

対象アプリケーションの範囲内で、入力ファイル作成、設定確認、ジョブ投入準備、実行結果確認の支援を想定しています。

エラーが出た場合、修正して再実行できますか?

エラーメッセージやログを読み取り、原因候補と修正案を提示します。実行が必要な場合は、ユーザー承認後に承認済みランブックで進めます。

ランブックとは何ですか?

ランブックとは、作業前の確認、実行手順、結果確認、ログ保存までをまとめた「安全な作業手順書」です。ARCでは、AIの提案をそのまま実行せず、承認済みランブックとして整理してから実行します。

ARCはすべての作業を代行しますか?

いいえ。対象はGPUサーバー、HPC、AI/LLM開発環境の運用支援です。危険な操作や環境変更は確認と承認を前提にします。

ARCはLLMの記憶だけで答えるのですか?

いいえ。公式docs、project docs、release notes、GitHub public情報などを調査し、検索候補と取得本文をLLMが評価します。

ARCはGoogle検索や有料APIが必須ですか?

必須とはしません。外部APIキーなしで取得できる公式情報やpublic情報を前提にし、必要な外部接続や情報源は導入時に確認します。

GitHub issueの情報はそのまま信じますか?

そのまま採用しません。対象バージョン、環境差、再現条件、公式情報との整合を確認し、根拠、仮説、不採用情報に分けます。

小型オンプレAIワークステーションにも使えますか?

検討対象です。DGX Spark互換クラスの小型高性能AIワークステーション構想や、研究支援端末でのローカルLLM運用にも適用範囲を確認します。

不確実な場合も原因を断定しますか?

断定しません。不確実なら原因断定せず、観測計画、追加確認質問、採用できる根拠と未確認の仮説を分けて提示します。

事前に用意した固定回答を返すだけですか?

固定回答の候補から選ぶ仕組みとして位置付けていません。ユーザーの問題を分解し、調査対象を動的に決め、取得情報を評価する設計です。

ARCはサーバの設定変更まで行いますか?

標準のAdvisory表示では設定変更を行いません。Advisoryとevidence packを確認し、必要な場合だけ承認済みランブックに進みます。

AIが危険なコマンドを出すことはありませんか?

AIの回答には操作系表現が含まれる場合があります。ARCは、危険な操作や承認が必要な作業を検出し、実行手順としてではなく、確認項目・リスク・承認事項として表示します。

ARC Seed Program consultation

ARC Seed Programについて相談する

5台限定のARC Seed Programを受付予定です。Seed Program 先行導入価格は150万円(税別)、納品予定は2026年7月1日です。正式版アップグレード付きで、実使用フィードバックと承認制導入事例共有にご協力いただける方向けです。

Company structure

企画・開発・販売体制

ServerGear AI Research Console は、サーバーギア合同会社が製品企画・ソフトウェア開発・技術検証を行い、サンウェイテクノロジー株式会社が販売・見積・納品窓口を担当する共同事業製品です。

企画・開発

サーバーギア合同会社

代表社員 英 憲悦(はなぶさ けんえつ)

〒145-0062 東京都大田区北千束1-12-15

ARCに関するお問い合わせは、専用フォームからご連絡ください。

Web: https://www.server-gear.com