2026/11/19
AIニュース
AI基盤は「増設」から「採算」へ――Vultrが示すデータ主権と世界分散の論点

この記事の要点
Vultrは、AI基盤への投資が設備増設から採算性の検証へ移りつつあると説明しています。34リージョンの拠点網を背景に、推論の応答時間とデータ主権への対応を重視しています。日本企業には、対象業務のデータ配置と、業務一件を完了するまでの費用を併せて確認する視点が求められます。
目次

AIを動かせることと、利益を出せることの距離
生成AIの実証実験では期待した回答が得られても、本番運用で同じ採算が成り立つとは限りません。利用が増えれば計算資源への支出が膨らみ、応答を速くするための構成や、扱うデータに応じた配置も必要になります。企業がAI基盤に求めるものは、モデルを動かす能力から、継続して事業価値を生む運用へと広がっています。
クラウド事業者Vultrの最高マーケティング責任者、ケビン・コクラン氏は、SC26で行われたインタビューで、この変化を投機的な設備投資から、実証された経済性と投資対効果を重視する投資への移行として説明しました。同社はNvidiaとAMDのチップを採用し、既存のグローバルクラウドをAI向けにも拡張しています。同氏の見方では、顧客は安定性と費用効率を備えた基盤へと選択を絞りつつあります。
ここで企業が見極めたいのは、GPUを確保できるかだけではありません。GPUはAIの学習や推論で多用される計算装置ですが、その調達だけでサービス全体の採算は決まらないためです。必要な場所で処理を実行し、利用者が待てる時間内に結果を返し、継続利用できる費用に収める必要があります。
ただし、今回の発言から、Vultrが他社より低コストであると結論づけることはできません。比較条件をそろえた料金や性能の数値は示されていません。企業側にとっての論点は、事業者の説明を自社の処理件数、応答時間、運用負担に置き換えて検証できるかという点にあります。AI基盤の評価は、設備の規模から業務成果とのつながりへ進んでいると考えられます。

34リージョンの意味は、利用者とデータへの近さ
Vultrによると、同社は世界で34のクラウドデータセンターリージョンを運営し、直近ではインドのチェンナイに新たな拠点を設けました。リージョンとは、クラウドの処理やデータ保存を配置する地域単位です。日本企業が海外サービスを選ぶ際も、事業者の本社所在地と、実際にデータを処理する場所は分けて考える必要があります。
コクラン氏は、Vultrが利用者の近くでクラウド上のアプリケーションを動かしてきたことを挙げ、AIの推論にも同じ考え方が当てはまると説明しています。推論とは、学習したモデルを使って質問への回答や予測を生成する処理です。モデルの開発時だけでなく、日々の利用時にも計算資源が必要になります。
利用者から遠い場所に処理を集約すると、通信の往復が応答時間の一部を占めます。もちろん、近くに拠点があるだけで必ず高速になるわけではありません。モデルの規模、利用できるGPU、混雑状況、アプリケーションの設計も影響します。それでも、処理場所を選べることは、性能とデータの扱いを両立させるための選択肢になります。
同氏は、個別顧客向けに分断されたデータセンター群ではなく、一つのグローバルなクラウド基盤として運営している点を強調しました。この説明を調達判断につなげるには、拠点数だけを見るのでは不十分でしょう。必要な地域で目的のGPUを利用できるか、同じ運用手順を使えるか、容量を継続して確保できるかを確認したいところです。世界に広いことの価値は、自社が必要とする場所で必要なサービスを使えて初めて具体化します。

AIエージェントでは、通信の往復もコストになる
コクラン氏が分散配置の必要性を説明する際に挙げたのが、AIエージェントです。AIエージェントは、モデルによる判断と外部の処理を組み合わせて業務を進める仕組みです。例えば、情報を取得し、その結果をモデルに渡して次の処理を選ぶ構成では、一度回答を生成するだけの使い方よりも、モデルとのやり取りが増える場合があります。
同氏は、エージェントが推論モデルへ短い間隔で戻るため、利用者に近い場所でCPUとGPUを組み合わせる必要があると指摘しました。CPUはアプリケーションの制御や周辺処理を担い、GPUはモデルの計算を担うなど、両者には異なる役割があります。実際の分担はシステムによって変わりますが、AIサービスがGPUだけで完結しない点は共通しています。
この構造では、一回の通信の遅れが小さくても、繰り返しによって利用者の待ち時間に積み上がる可能性があります。GPU単体の処理速度を測るだけでは、業務全体の応答を評価しきれません。検索、データ取得、モデルへの入力、結果の確認までを含めた一連の時間を見る必要があります。
費用についても同じ考え方が使えるでしょう。計算資源の時間単価だけでなく、業務一件を終えるまでに何回モデルを呼び出し、どの程度の周辺処理が発生するかで負担は変わります。これはVultrの性能を示す測定結果ではなく、同氏の説明を企業の設計判断に引き寄せた見方です。導入時には、代表的な業務を最後まで実行する試験を設けると、配置による差を把握しやすくなります。単発の回答速度と、仕事が完了するまでの速度を分けて確認することが有効です。

データ主権は、政府だけの調達条件ではない
今回のインタビューで採算性と並んで焦点となったのが、データ主権です。一般に、データをどの国や地域の管理・法的枠組みの下で扱うかという問題を指します。コクラン氏は、これを政府機関に限られた要求として捉えるべきではないと説明しました。複数の国で事業を行う民間企業にも、処理場所の選択が必要になるという見方です。
同氏が例に挙げたのは、信用リスクの評価に向けてオープンソースモデルを調整するグローバルな保険会社です。その説明では、基になるデータを国境の外へ移せないため、各国で学習用の計算基盤が必要になります。また、英国、ドイツ、シンガポール、米国では、モデルの追加学習に使うデータが異なると述べています。
この例を、すべての保険会社やあらゆるデータに一律の国外移転禁止があるという意味で読むことは適切ではありません。実際の制約は、対象データ、業務、契約、適用される制度などに応じて確認する必要があります。企業の設計上の要点は、世界共通のモデルを採用していても、その調整に使うデータまで一か所へ集められるとは限らないことです。
データの保存場所だけを決めれば済むとも限りません。追加学習の処理場所や、推論時に入力する情報、運用時に残す記録まで含め、どこへ何が渡るかを整理する必要があります。これらは個別の義務を断定するものではなく、データ主権をシステム構成へ落とし込むための確認観点です。クラウドのリージョン選びを調達の終盤に残すと、後から設計を見直す可能性があります。扱うデータと配置条件を先に対応づけることが、基盤選定の出発点になるでしょう。

世界共通の運用と、国ごとの処理をどう両立するか
海外展開する企業にとって、共通化は運用を整理する手段になります。同じ手順で環境を構築し、監視し、障害へ対応できれば、地域ごとに異なる仕組みを維持する負担を抑えられる可能性があります。しかし、データや処理の配置に国ごとの条件があれば、物理的な集約には限界も生じます。
Vultrが掲げる単一のグローバルプラットフォームという説明は、この二つの要請に関わっています。運用の枠組みを共通にしながら、実際の処理は必要な地域へ置くという方向です。ただし、今回公開された情報だけでは、全リージョンでの機能の同等性や、個別のデータ主権要件への適合まで確認できません。同じ事業者を使うことと、各国で同じ条件を満たすことは、別に評価する必要があります。
この構図からは、クラウド事業者の競争を考える際にも、GPUの調達力に加えて分散運用の実績を見る視点が得られます。必要な地域で供給を続け、障害に対応し、顧客が継続して使える環境を維持する力が、AI基盤の選択に影響する可能性があります。コクラン氏の発言も、設備の増設だけでなく、事業としての持続性へ評価軸が移るという主張として読めます。
もっとも、広い拠点網を持つ事業者が、すべての用途で有利になるとは限りません。利用地域が限られる業務では、特定拠点の性能や支援体制が判断を左右することもあるでしょう。日本企業が比較すべきなのは、世界全体の拠点数より、自社の展開地域でどれだけ共通運用を実現できるかです。そのうえで、地域ごとに残る例外対応の工数まで見積もると、分散基盤の経済性を具体的に評価しやすくなります。

日本企業は「一業務・一地域」の採算から確かめる
AI基盤の選定を進めるなら、対象業務を一つ定め、その業務に必要なデータと処理を洗い出すところから着手できます。海外拠点を持つ企業でも、すべての業務が同じ配置を必要とするわけではありません。国内の問い合わせ対応と、海外顧客の情報を使う分析では、確認すべきデータの範囲も処理場所も異なる可能性があります。
最初の検証では、業務の完了条件を決めることが有効です。回答を一件生成できればよいのか、人による確認を経て案件を処理し終える必要があるのかで、測るべき成果は変わります。その条件に沿って、完了までの時間、計算資源への支出、確認や修正にかかる人手を記録すれば、投資対効果の議論を具体化できるでしょう。
配置条件の確認は、性能試験と並行して進めたい作業です。使用するデータをどこに置き、どこで追加学習や推論を行うのかを整理し、社内の情報管理・法務担当者と共有します。その条件をクラウド事業者へ提示すれば、必要なリージョン、利用可能なGPU、運用支援などを、自社の要件に沿って確認しやすくなります。
今回のインタビューは、Vultrがスポンサーとなった配信企画で行われています。配信元のSiliconANGLEとtheCUBEは、スポンサーに編集権はないと明示していますが、発言は事業者側の説明として受け止める必要があります。Vultrの拠点網や運営方針は候補を検討する材料であり、自社での採算を保証するものではありません。
次の一歩は、導入候補の一業務について、必要な地域で処理できる構成と、業務一件を完了するまでの費用を同じ資料にまとめることです。その資料を基に複数の候補へ確認すれば、価格、速度、データの配置を切り離さずに判断できます。AI基盤を増やす計画より先に、どの条件なら使い続けられるかを確かめることが、投資判断を支えるでしょう。
参考情報
Sovereignty is the AI story everyone mentions and few have planned for ahead of 2027
SiliconANGLEによる、SC26でのVultr幹部へのインタビューです。配信企画はVultrのスポンサー提供で、SiliconANGLEとtheCUBEはスポンサーが編集権を持たないと明示しています。
