渡辺晃平

これまでのキャリア

大手通信会社にて、12年近く国産クラウドサービスの開発や運用、企画などを実施する傍らでいくつかの大規模GPUクラスタの案件に従事していました。

その後、外資系ストレージベンダにてSEを経験している最中にお声がけ頂いてJoinしました。

入社のきっかけ

通信会社で経験した、大規模GPUクラスタ案件は非常に面白い案件だった一方でこの巨額の投資を回収するビジネスが難しいのでは？という疑問が残っていました。その裏では、ITシステムで利用されるデータ量が莫大に増加し、ストレージの重要性や技術の奥深さに惹かれてストレージベンダに転職しました。その後、Turingから声がけいただいた際に、完全自動運転という大きなゴール設定を聞いて、GPUクラスタの大規模投資を意味あるものにするにはこのくらい大きいゴールしかないと確信し入社しました。

仕事内容

チューリングの計算資源計画や戦略の策定
計算資源調達の各関係者との調整や交渉
クラウド/オンプレミスのGPU計算基盤の設計/構築/運用
計算資源上で発生するトラブル対応

仕事の醍醐味・やりがい

小人数でこれだけの予算規模とワークロードの基盤を構築していくのは、人生で最初で最後だろうと思うほど非常にレアな経験だと思います。

ユーザー（MLエンジニア）との距離の近さ MLエンジニアの隣で働き、彼らの一挙手一投足やインシデントの温度感を生で感じられる貴重な場です。

会社の強力な経営サポートがあり、 CEOやCTOが「計算リソースはいくらでもあっても困ることはない」というスタンスで、財務上の問題がない限り、資本の大部分を計算リソースに投下する強力なサポートがあります。

技術的課題解決のサイクル MLエンジニアがストレスなく学習を回せるよう、インフラ側が常に改善を行い、ボトルネックが次々に移動していくという成長の「いいサイクル」を経験できます。

チューリングの職場環境について

MLエンジニアが同じ島の向かい側にいるため、計算がうまくいかないといった悩みをすぐにフラフラっと来て聞ける状況で働いています。

自社GPUクラスターに加え、AWS、GCP、GMOなど、多様なクラウド事業者の環境をワークロードの特性に合わせて使い分けています。

会社におけるメインの主役はMLエンジニアであり、インフラは彼らがどう使えるかを必死に考え、社内にエンドユーザーがいる状況となります。

スタートアップとして資金繰りが厳しい世界の中でオンプレミス環境を持つ覚悟は、計算資源に対する会社としてのプライオリティの覚悟の表れです。

チューリングにマッチする人

チューリングが目指すゴールである完全自動運転は世の中で激動のフェーズにあります。その中でMLエンジニアの活動を見て**「今、何が最適か」「数年先、どうすべきか」という問いを常に持ち、それを実現したいという強い思いを持つ人がマッチします。このレアで面白い経験を積みたいインフラエンジニアには最高の環境です。