「ネオクラウド」とは、AI ワークロードに特化したクラウド インフラストラクチャ プロバイダーを指します。これらのプロバイダーは、GPU を中心とした高性能ハードウェア コンピューティング アクセラレータを活用することで、企業、モデルビルダー、ハイパースケーラーなど、あらゆる組織の多様で要求の厳しい AI アプリケーション要件をサポートします。
ネオクラウド プラットフォームは、大規模トレーニングからファインチューニング、そして推論まで、AI ライフサイクルに包括的に対応します。また、オンデマンドアクセス、リザーブドインスタンス、Platform as a Service など、柔軟な利用モデルも用意されています。
AI の導入が加速する中、ネオクラウドプロバイダーは、パブリッククラウドが持つ柔軟な拡張性と、専用の AI インフラストラクチャならではのパフォーマンス特性の両方に対するニーズに応えています。
AI が実験段階から実稼働へと移行するにつれて、クラウド市場は 3 つの異なるモデルへと分化しました。これらはマルチクラウド戦略の中で併用されることが多いものの、技術的な要件とビジネス上の目的はそれぞれまったく異なります。
汎用の CPU 中心アーキテクチャを基盤とする従来のクラウドプロバイダーは、管理主体や設置場所によらず、抽象化とマルチテナント方式に重きを置いています。きわめて高い柔軟性を持つ一方で、仮想化に伴うオーバーヘッドが、いわゆる「ハイパーバイザ税」やネットワークのボトルネックを招き、大規模な AI 学習ジョブを阻害する要因となります。
ハイパースケーラーとは、グローバル規模の統合サービスを提供する、大規模なグローバル クラウド プロバイダー（AWS、Azure、GCP など）を指します。これらプロバイダーは現在、AI 需要に対応するために、以下のような特化型の利用モデルを提供しています。
ネオクラウドは、GPU as a Service としてゼロから構築されています。幅広いサービスの提供よりも、基本性能とハードウェアの可視性を最優先にしています。
組織がこれらの選択肢を検討する際は、GPU の稼働場所に関係なく、AI インフラストラクチャのパフォーマンスと安全性が維持され、管理が容易であることが常に最優先事項となります。
決定論的なパフォーマンスを実現するために、ネオクラウド インフラストラクチャは、抽象性の高い汎用クラウドとは一線を画し、緊密に統合された次の 3 つのレイヤに重きを置いています。
ネオクラウドは「ハイパーバイザ税」を最小限に抑えることで、素のスループットを優先させています。
ネットワーキングは、ネオクラウド プラットフォームの主な差別化要因となります。ネオクラウドプロバイダーは通常、次の 2 つの異なるネットワークを展開します。
このデュアルネットワーク アーキテクチャが、真の AI クラスターの決定的な特徴です。その理由は、AI トレーニングは継続的な同期（集約通信）に依存しているためです。ファブリックは膨大な「水平方向」トラフィックをパケット損失ゼロで処理する必要があります。
最新のネオクラウド インフラストラクチャは、モジュール設計を採用して俊敏性とセキュリティを維持しています。
ネオクラウドプロバイダーは、多様なビジネスモデルを活用して、企業に AI インフラストラクチャを提供しています。提供方法は通常、拡張性、コスト、パフォーマンス、データの局所性のバランスを考慮して、以下の 3 つの主要なモデルに分類されます。
このモデルは、大規模なモデルのトレーニングや持続的推論など、予測可能で長期にわたって実行される AI ワークロードを抱える組織向けに設計されています。
この「従量課金」モデルにより、企業は共有プールから GPU や TPU などの AI に最適化されたコンピューティングリソースを使用できます。
このモデルでは、クラウドプロバイダーによりインフラストラクチャ管理が完全に抽象化され、マネージド プラットフォームと API を通じて企業は AI 機能を利用することができます。
どの利用モデルを選んだ場合でも、デプロイメントにおいて重要な要素となるのは、ハイブリッド AI への拡張です。そのためには、安全な WAN または SD-WAN 接続を介して、ネオクラウド環境を既存の企業環境と統合する必要があります。これにより、オンプレミスの企業拠点とクラウドベースの AI クラスター間でシームレスなワークフローが確保され、ハイブリッドモデルの開発とデータ移動を安全に実行できるようになります。
ネオクラウド プロバイダーは、AI インフラストラクチャ特有の課題を解決するようにサービスを設計しており、企業のワークロードに以下のような重要なメリットをもたらします。
ネオクラウド プラットフォームは、決定論的なネオクラウド アーキテクチャを活用することで、GPU ノード間の同期遅延を低減します。このアプローチにより、大規模モデルのトレーニングサイクルが短縮され、より迅速にインサイトを得られるとともに、インフラストラクチャの無駄も削減されます。
ネオクラウドプロバイダーは、ネットワークの変動性と「ノイズの多いネイバー」の影響を最小限に抑えることで、ネオクラウド インフラストラクチャの一貫した GPU スループットを維持しています。このような使用率の向上は、組織のコスト効率の向上にも直結します。
高度に抽象化されたハイパースケールサービスとは異なり、クラウドプロバイダーは多くの場合、ハードウェアトポロジやネットワーク特性に対する優れた可視性を提供します。この透明性により、技術チームは分散したワークロードをより適切に最適化できるようになります。
ネオクラウドプロバイダーは、高帯域幅のイーサネットファブリックと緻密に設計されたトポロジの活用により、ほぼ線形のパフォーマンス拡張を実現しています。この特殊設計により、フロントエンドとバックエンドの両ネットワークの管理が簡素化されます。
ネオクラウドプロバイダーのプラットフォームは、AI ネイティブを前提として設計されており、すべての意思決定が、一般的な IT 要件ではなく AI ワークロードの特性に合わせたものになっています。
パフォーマンス面で優位性を持つネオクラウド プラットフォームですが、従来のクラウドプラットフォームを完全に代替できるわけではありません。
ハイパースケール プロバイダーは、サーバーレス機能、マネージドデータベース、分析プラットフォーム、グローバルコンテンツ配信など、広範なマネージドサービスを提供しています。
一方、ネオクラウドは通常、完全なアプリケーション エコシステムではなく、インフラストラクチャレベルの AI サービスに重点を置いています。そのため、より広範で包括的なアプリケーションへの対応は十分ではありません。
多くのネオクラウドプロバイダーは、グローバルなハイパースケーラーに比べて、展開している地域の数が限られています。データ居住性の要件が厳しい組織は、それに則ったサービスを利用できるかを慎重に評価する必要があります。
as a Service のプラットフォームに慣れているチームがネオクラウドを扱う場合、ネットワークトポロジの把握や分散トレーニングの最適化など、より低レベルのインフラストラクチャの構造を管理するために、追加の専門知識が必要になることがあります。
ネオクラウド AI クラスタと従来の IT システムを組み合わせるハイブリッドアーキテクチャには、安全な接続、ポリシーの整合、ワークロードの慎重な配置検討が必要になります。
AI モデルの大規模化と複雑化が進むにつれ、インフラストラクチャの要件もさらに変化していくことが予想されます。現在、ネオクラウドアーキテクチャの今後を形成していくトレンドは、以下のとおりです。
マルチモーダルシステムやエージェントベースのアーキテクチャなどの AI の進歩に伴い、ネオクラウド、その顧客、そしてさらに分散し相互接続された AI システムとの間で、より緊密な連携が求められるようになります。ネオクラウドにおいては、より広範な分散型マルチクラウド戦略の中で、特化型のパフォーマンス階層を提供する役割を強めていくことが予想されます。
ネオクラウド インフラストラクチャと AI ネイティブネットワーキングに関するエキスパートの見解と最新トレンドをご覧ください。
AI モデルの同期要件や計算要件のサポートに必要なアーキテクチャとネットワーキングをご確認ください。
モデルトレーニングの拡張、保護、加速化を目的に設計されたインフラストラクチャにより、高性能な基盤を構築できます。
最新 AI に不可欠な並列処理能力を提供する、グラフィック処理ユニット（GPU）についての説明です。
AI アプリケーションの効率的な拡張に必要なリソースと柔軟を、どのようにクラウドプラットフォームが提供するのかを理解できます。
インフラストラクチャの拡張と進化に必要な柔軟性と俊敏性をもたらす、モジュール設計をご紹介します。
AI パフォーマンスを支えるネオクラウドおよびソブリン クラウド インフラストラクチャの展開に向けた、実効性のある戦略を提供します。
ネオクラウドおよびソブリンクラウドが、どのように GPU as a Service の稼働に必要な専用インフラストラクチャを実現しているかを確認できます。
AI 主導型企業を支える高性能ネットワーキングの重要な役割について、IDC 社の専門家によるインサイトを紹介します。
SD-WAN と AI データセンターの統合により、最新の分散型 AI アプリケーションに必要な安全でオンデマンドな接続が、どのように実現するのかをご覧ください。
