【5/30】マルチビリオンドラーの挑戦：AWSが描くAIインフラ

近年、AI（人工知能）の商用利用があらゆる産業で加速する中、クラウドインフラを提供するAWS（Amazon Web Services）においても、その戦略的な位置づけは一段と重要性を増している。2025年5月下旬、AWSのCEOに着任してちょうど1年を迎えたMatt Garman氏は、同社が進めるAIビジネスの現状と今後の展望について語った。本稿では、そのインタビュー内容をもとに、AWSが描くAIビジョンを具体例や引用を交えながら解説する。専門的な内容をわかりやすく整理し、企業経営者や技術者、投資家をはじめとする読者層に向けて、AIがAWSにもたらす変革の本質に迫る。

1. AWSにおけるAIビジネスの全体像

1-1. マルチビリオンダラービジネスとしてのAI

Matt Garman氏は、まず、「この1年間で驚異的なイノベーションを経験し、お客様がAI活用に向けて爆発的に動いている」と振り返る。そして、同社が提供するAI関連事業が数十億ドル規模の“マルチビリオンダラービジネス”に成長していると明言した。

このビジネス規模には、主に以下の要素が含まれる。

• お客様自身がAWS上で独自にモデルを構築・運用するケース

• AWSが提供するマネージドAIサービス利用によるケース

• 自社Amazon内でのAI活用（例：商品リコメンデーション、物流最適化、Alexaへの応用など）

たとえば、Amazonでは、AIを物流倉庫の最適化や顧客レビューの要約、検索精度向上などに幅広く利用しており、Garman氏は、「我々もAWSを使ってAIを内製し、業務効率化や顧客体験向上に取り組んでいる」と語る。結果として、AWS自体が“AI企業”としての一面を強化しつつ、顧客にも同様の価値を提供している構図だ。

1-2. 主要AIサービスおよび顧客活用例

AWSが提供する代表的なAIサービスには、以下のようなものがある。

• Amazon Bedrock
  サードパーティ製およびAWSファーストパーティ製の大規模言語モデル（LLM）を統合的に利用できるサービス。Garman氏によれば、顧客は「低レベルのチップ操作を意識することなく、Bedrock上でAnthropicなどのモデルを活用できる」ため、実装コストやスケーラビリティにおいて大きなメリットを享受している。

• Amazon Nova
  AWSが独自に開発したジェネレーティブAIモデルであり、テキスト生成やコード生成に強みを持つ。Garman氏は「我々は自社でもNovaを使ってソフトウェア開発を自動化し、効率化を図っている」と語り、自社内実践例を紹介した。

• Anthropicとの協業モデル
  Garman氏が、「プロジェクトRainier」と呼ぶ取り組みでは、Anthropicと共同で世界最大級のトレーニングクラスターを構築。Training M2というカスタムAIチップを用いて、Anthropicの最新モデル「Claude 4」をはじめとする高性能モデルの学習環境を提供している。

• Amazon Q
  自動化ソフトウェア開発支援ツールとして注目されるAmazon Qは、AIを活用してコードスニペット生成やバグ検出を行い、開発者の生産性向上に寄与する。Garman氏は「企業のお客様がBedrockやNovaを使ってAmazon Qを導入することで、開発工数を大幅に削減できる」と説明する。

これらのサービスを活用した顧客事例として、金融業界では、「AIによる取引レポートの自動要約とリスク分析」によって分析時間を従来比で50％以上削減したという例がある。また製造業では「AI支援による設計自動化プラットフォーム」を構築し、設計サイクルが従来の3分の1に短縮されたケースなど、多岐にわたる。

2. AIワークロードの動向（トレーニング vs 推論）

2-1. トレーニングの現状と今後の展望

インタビューの中で、Garman氏は、「現状ではAIワークロードの多くはトレーニングに占められているが、今後は推論利用が主流になる」と語った。具体的には、2024年初頭まではモデル構築フェーズに注力する企業・研究機関が多かったが、モデルが大規模化・多様化するにつれて、推論を伴う運用利用が爆発的に増加しているという。

この見解を裏付けるように、Garman氏は、「推論こそが企業アプリケーションの中核として、今後はストレージやコンピュート、データベースと並ぶインフラ要素になる」とし、AWSが推論向けインスタンスや最適化アルゴリズムの強化に注力する方針を示した。

2-2. 推論の拡大とインテグレーション

推論ワークロードが増える背景には、コンシューマーアプリケーションや業務システムにAI機能を組み込むニーズの高まりがある。Garman氏は、「企業はすでにAIを研究・実験ではなく、プロダクション環境で活用したい段階に入っている」と指摘。

たとえば、コールセンターにおける対話型AI（Amazon Connectを活用したチャットボットやボイスボット）、ECサイトのレコメンドエンジン、医療業界における診断アシストなど、すべて推論モデルがリアルタイムに稼働する仕組みへの移行が加速している。これに応えるかたちで、AWSは「推論に最適化されたインスタンスタイプ（例：Inf1、Trn1など）や、低レイテンシ推論サービングフレームワークの提供を強化している」。

3. トークン利用と性能指標について

3-1. トークン成長（Token Growth）の捉え方

AIモデルの利用指標として、しばしば“トークン数”が注目される。これについてGarman氏は、「テキスト生成モデルではトークン数が増えれば増えるほどコストが顕在化しやすいが、トークンだけで必ずしも全体の“仕事量”を示すわけではない」と述べた。たとえば、AIが何千もの内部推論ステップを踏んで最終的に1つの出力を生成している場合、その過程で処理されたトークン量は計測されないが、実際には膨大な計算リソースが消費されている可能性があるという。

このため、AWSでは、トークン以外にも「モデルが内部で行う計算量」、「GPU／カスタムチップの利用時間」、「推論レイテンシ」といった複数の視点で性能指標を追跡し、顧客にとって最適なコストパフォーマンスを提供するアプローチを強調している。

3-2. 新たな性能指標の必要性

Garman氏は、今後、次のようなメトリクスが重要になると示唆した。

• エンドツーエンド推論レイテンシ（入力から出力までの応答時間）

• 計算あたりのエネルギー消費量（特に大規模データセンター運営コストへの影響が大きい）

• 学習／推論フェーズにおけるGPU・チップ利用率

• ユーザーエクスペリエンスを踏まえたROI（Return on Investment）評価

これらの指標を総合的に管理することで、「AI導入後のTCO（Total Cost of Ownership）を正確に見積もり、従来のクラウド利用モデルと比較した際にどの程度の価値を生むかを定量化できるようになる」と語っている。

4. プロジェクトRainierとTraining M2チップ

4-1. プロジェクトRainierの概要とAnthropicとの協業

インタビュー中盤で話題になった「プロジェクトRainier」は、AWSとAIスタートアップAnthropicが共同で進める超大規模トレーニング基盤構築プロジェクトだ。Garman氏によれば、Anthropicの最新モデル「Claude 4」をトレーニングするために、同社としては過去最大級の演算クラスターを提供。

この協業により、大規模言語モデルのトレーニング速度が飛躍的に向上すると同時に、クラウドプロバイダとしてのAWSの競争優位性が強化される。Anthropicは、その対価として、AWS上で動作するAIプラットフォームに対するコミットメントを深め、今後も継続的に共同研究・共同開発を進める方針だ。

4-2. Training M2チップの性能とコスト最適化

Training M2は、AWSが自社開発したAI向けカスタムシリコンであり、特に大規模モデルのトレーニングおよび推論の両面で性能を発揮するという。Garman氏は、「M2は絶対性能（TeraFLOPSなど）だけでなく、コストパフォーマンスも従来の汎用GPUに比べて大きく向上している」と説明する。その要因として、以下の点が挙げられる。

• 専用AIアクセラレーション回路の最適化

• メモリ帯域幅（High-Bandwidth Memory）強化によるデータ移動効率向上

• 低レイテンシネットワーキングによるノード間通信の高速化

結果として、Anthropicだけでなく、Google、Meta、大学研究機関など多くのAIユーザーがM2ベースのクラスターを選択しつつある。Garman氏は、「AI開発において、コストが高いという課題は依然として存在する。しかし、M2の登場でそれを大きく引き下げ、より多くの開発者やスタートアップがAI研究に参入できる環境を整えたい」と語った。

5. NVIDIAとの関係と競争戦略

5-1. NVIDIAとAWSの協業関係

AIインフラと言えばNVIDIA製GPUが長らく業界標準であり、AWSも例外ではない。Garman氏は、「NVIDIAは素晴らしいプラットフォームを築いており、我々はその最新技術を常にAWS上に提供している」と述べ、両社の協業関係の重要性を強調した。具体的には、AWSは、新世代NVIDIA GPUをいち早くクラウドインスタンスに搭載し、顧客に「最先端のAI計算環境」を提供している。

一方で、AWSは、カスタムチップ（Training M2）や低価格推論インスタンスなどの独自技術も投入し、NVIDIA GPUとの差別化を図っている。Garman氏は、「M2とNVIDIAの併用こそが最適解」であり、「顧客は選択肢を求めている」と指摘。両社の技術が競合するものの、ユーザーのニーズに合わせた柔軟な環境構築を支持している。

5-2. コストパフォーマンスと競争優位性

NVIDIA製GPUは、依然として性能面で強みを持つが、コスト面ではややハイエンドに位置づけられるケースが多い。これに対し、Training M2は、「一定水準の性能を維持しつつ、単位演算あたりの価格を抑える」ことで、スタートアップや中小企業のAI導入ハードルを下げる役割を果たす。Garman氏は、「M2は、NVIDIA製品に対するコスト効率的な代替手段として機能する」と述べ、実際に複数の顧客がM2ベースのAIクラスターでコストを最大30～40％削減した事例を紹介した。

さらに、AWSは、「NVIDIA GPUの高価格化に備え、M2のような差別化チップを継続的に開発することで、顧客が長期的にAIワークロードを最適化できる環境を提供する」とし、AIインフラ市場での競争優位性を高める方針を示している。

6. グローバルにおけるデータセンター拡張戦略

6-1. ラテンアメリカ市場での進展

AWSは、北米・欧州のみならず、ラテンアメリカ市場にも積極的に投資を行っている。Garman氏は、「今年初めにメキシコリージョンをローンチし、すでに高い需要を確認している」とし、さらに「チリリージョンの計画も進行中であり、ブラジルリージョンと合わせてラテンアメリカ全域でのクラウド需要に応える体制を構築したい」と語った。これにより、同地域の政府機関や金融機関、テクノロジースタートアップが低レイテンシかつ高可用性のクラウドサービスを利用できる環境が整いつつある。

6-2. 欧州における「ヨーロッパ・ソブリン・クラウド」の立ち上げ

欧州では、データ主権やプライバシー保護の観点から、政府や金融機関を中心に「ソブリンクラウド（Sovereign Cloud）」の要請が高まっている。これに対し、AWSは2024年末までに「ヨーロッパ・ソブリン・クラウド」をローンチ予定であることをアナウンスした。Garman氏は次のように説明する。

具体的には、欧州各国のリージョンにまたがるデータセンターを分散配置し、データの所在・アクセス権限管理を厳格化。さらに、ローカル認証機関や監査体制を組み込むことで、GDPRや各国のデータ保護法に準拠したサービスを保証するという。これにより、EU域内のエンタープライズや公共セクターは、安心してAWSのクラウドサービスを活用できるようになる。

Matt Garman氏のインタビューから浮かび上がるのは、「AWSがAIを単なる付加価値としてではなく、自社ビジネスと顧客ビジネスを根本から変革する基盤と捉えている」という強いメッセージである。インタビュー内容を整理すると、以下のポイントが明確になる。

1. AIビジネスはすでにマルチビリオンドラー規模

   • AWS自身が自社でAIを活用し、かつ顧客に対して幅広いAIサービスを提供することで、AIビジネス全体が大規模化している。

2. トレーニングから推論フェーズへのシフト

   • 今後は推論ワークロードが主要となり、アプリケーションにAIを埋め込む「Inference as a Building Block」の考え方が普及する。

3. 多様な性能指標の活用によるコスト最適化

   • トークン数以外にも、レイテンシやエネルギー効率、チップ利用率など、多角的な指標でAIインフラの管理が行われる。

4. Anthropicとの協業を通じた超大規模トレーニング基盤構築

   • 「プロジェクトRainier」において、Anthropicの最新モデル向けにTraining M2チップを活用した大規模クラスターを構築し、AI研究コミュニティにおけるプレゼンスを強化。

5. NVIDIAとの協業と独自チップ開発の両輪戦略

   • NVIDIA GPUとTraining M2の併用を提唱し、顧客に幅広い選択肢を提供することで、コストパフォーマンスと性能の両面で競争力を維持。

6. グローバルなデータセンター拡張による市場カバレッジの強化

   • ラテンアメリカや欧州を含む世界各地でリージョンを拡大し、「ヨーロッパ・ソブリン・クラウド」のように地域特有のニーズにも対応する。

これらの戦略を総合すると、AWSは「AI時代のインフラリーダー」としてのポジションを確立しつつある。今後、モデルサイズや推論需要がさらに拡大する中で、AWSが提供する多様なAIサービスとインフラは、多くの企業や開発者にとって欠かせないプラットフォームとなるだろう。特にTraining M2やBedrock、Anthropicとの協業は、AWSを選択する上での大きな魅力となる。

関連記事