マイクロンのテクノロジー用語集

ネオクラウド

クラウドコンピューティング向けネットワーク接続型データセンターサーバー

人工知能(AI)の時代は、クラウドインフラストラクチャーの概念に対する根本的な再考を促しています。組織がフロンティアモデルの学習とリアルタイム推論の大規模展開を競う中、従来のクラウドプラットフォームの供給能力を上回るグラフィックスプロセッシングユニット(GPU)計算資源が必要になっています。このギャップがネオクラウドプロバイダーを生み出す背景となりました。ネオクラウドとは、これまでの世代のクラウドコンピューティングを特徴付けてきた汎用的なエンタープライズサービスではなく、現代のAIが求める純粋なスループット性能とメモリ帯域幅に特化して構築された、まったく新しいクラスのクラウドインフラストラクチャーです。

ネオクラウドとは?

ネオクラウド(neocloud providerの略)とは、汎用的なエンタープライズアプリケーションではなく、GPUコンピューティングとAIワークロード向けにゼロから構築されたクラウド企業です。従来のクラウドプロバイダーが、仮想化によるオーバーヘッドやネットワークボトルネックが生じる可能性のある汎用サービスを提供しているのに対し、ネオクラウドはGPUクラウドサービスを目的としてゼロから構築されており、幅広いサービスカタログよりも純粋な処理性能とハードウェアの可視性を優先しています。ネオクラウドプラットフォームは、大規模な学習やファインチューニングから推論に至るまでのAIライフサイクル全体に対応しており、オンデマンドアクセス、リザーブドインスタンス、プラットフォーム・アズ・ア・サービス(PaaS)といった柔軟な利用モデルを提供しています。ネオクラウドというカテゴリーは、GPU不足によって既存のハイパースケーラーの限界が露呈し、暗号通貨マイニングを起源とするような高密度コンピューティング施設を持つ事業者が、AI業界へのサービス提供にチャンスを見出した瞬間に誕生しました。Synergy Research Groupは、ネオクラウド市場の規模を2025年の時点で250億ドル以上と評価し、2031年には4000億ドル近くに達すると予測しており、年平均成長率は約58%に上ります。

ネオクラウドのインフラストラクチャーはどのような仕組みで機能するのか?

予測可能な安定したパフォーマンスを実現するため、ネオクラウドインフラストラクチャーは汎用クラウドの高度な抽象化から脱却し、AI最適化コンピューティング、高性能AIネットワーキング、分離型かつセキュアなインフラストラクチャーという、密接に統合された3つのレイヤーに重点を置いています。このように特定の領域に特化することで、ネオクラウドは従来のプラットフォームよりもカスタマイズされたAIモデルのセットアップを支援できるようになりました。

ネオクラウドクラスターがパフォーマンスの優位性を発揮するための特徴となる中核コンポーネントには、以下が含まれます。

  • AIに最適化された計算資源:通常、高密度ノードはサーバー1台あたり4~8基のGPUを搭載しており、大規模な並列処理に対応し、スループットを最大化します。
  • 高性能ネットワーク:デュアルネットワークアーキテクチャーは、ロスレスファブリックとリモートダイレクトメモリアクセス(RDMA)を使用して、GPU間の同期から管理トラフィックを分離します。これは、CPUオーバーヘッドを回避するために高性能コンピューティング(HPC)で一般的に採用されているアプローチです。
  • 分離型インフラストラクチャー:計算資源、ストレージ、ネットワークを連動させるのではなく、ワークロードの需要に基づいて個別に拡張します。
  • ベアメタルアクセス:顧客は、ワークロードとハードウェアの間にハイパーバイザーが存在しないシングルテナントの物理サーバーを利用することで仮想化オーバーヘッドを排除します。
  • 長期容量契約:プロバイダーは複数年のサプライ契約を通じてGPUの在庫を確保し、顧客に対してGPUへのアクセスを保証します。

ネオクラウドプロバイダーは、ネットワークのばらつきと「ノイジーネイバー」効果を最小限に抑えることでインフラストラクチャーの一貫したGPUスループットを維持します。これは、組織のコスト効率の改善に直結します。

ネオクラウドはどのように収益を上げているのか?

ネオクラウドは、GPU集約型のAIインフラへのアクセスを貸し出すことで収益を得ています。収益は通常、短期的なGPU利用、長期容量契約、そして顧客が独自のAIデータセンターを構築することなくモデルの学習、ファインチューニング、実装を行えるよう支援するマネージドサービスからもたらされます。このビジネスモデルは、高額なアクセラレータークラスターの稼働率を高く維持しつつ、従来の調達方法よりも早い計算資源へのアクセスを顧客に提供することで成り立っています。

ネオクラウドはどのような歴史をたどってきたのか?

ネオクラウドというカテゴリーは、生成AIの導入が引き金となった世界的なGPU不足と、暗号通貨マイニング時代の遺産である大量の高密度コンピューティングインフラという2つの要因が合わさって生まれました。ネオクラウドの多くは暗号通貨マイニングから始まり、その後GPUクラウドサービスに移行することで、図らずもAIに特化したまったく新しいタイプのクラウドコンピューティングが創出されました。

  • 2022年以前、暗号通貨を起源とする時代:ブロックチェーンのワークロード向けにインフラを構築していたGPU事業者は、AIの計算密度要件に最適の電力供給が整った高密度施設を構築していました。
  • 2022~2023年、生成AIの本格始動:大規模言語モデル(LLM)の急速な台頭は膨大なGPU需要を生み出しましたが、既存のハイパースケーラーは、AI開発チームが必要とするスピードでその需要を満たすのに苦戦しています。
  • 2024年後半、カテゴリーの定義確立:SemiAnalysisは2024年10月に「AI Neocloud Playbook and Anatomy」を発行しました。これにより、GPUファーストプロバイダーの新たなグループにネオクラウドという共通の名称が与えられ、AI計算資源の需要が既存プラットフォームの供給能力を上回る中、2025年を通じてこの用語は一般的に使用されるようになりました。
  • 2025年以降、市場の加速:大規模なインフラ取引が急増し、大手テクノロジー企業は、ハイパースケーラーが提供できるものよりも迅速かつ競争力のある条件で容量を確保するために、ネオクラウドとのパートナーシップに数百億ドルを投じています。

ネオクラウドプロバイダーには主にどのような種類があるのか?

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インフラを提供しており、一般的に、スケーラビリティ、コスト、パフォーマンス、データ局所性のバランスをとる3つの主要なアプローチに分類されます。最適なモデルは、企業の主なニーズが、コストの予測可能性、運用の柔軟性、インフラのシンプルさのどれであるかによって決まります。

  • リザーブドインスタンス:企業は、単一の顧客に割り当てられるGPUクラスター全体を一定期間(通常1~3年)契約します。これにより、定常的なワークロードでは、オンデマンド料金よりも大幅に低いコストで、安定した高いパフォーマンスと確実なキャパシティを確保できます。
  • オンデマンドインスタンス:企業が共有プールからAI向けに最適化された計算リソースを利用できる従量課金モデル。実験、開発、テスト、または需要が変動するバーストワークロード向けに設計されています。
  • サーバーレスプラットフォーム:プロバイダーがプロビジョニング、スケーリング、ライフサイクル管理のすべてを担うマネージドプラットフォームモデル。顧客は実行時間、リクエスト数、またはトークン数に基づいて料金を支払うため、シンプルさが重視される本番環境へのモデル展開に最適です。

AIクラウドインフラストラクチャーモデル:クラウド、ハイパースケーラー、ネオクラウドの比較

AIが実験段階から本番環境へと移行するにつれて、インフラストラクチャーに関する決定は、単に利用可能なGPUを見つける以上のものになっています。従来のクラウド、ハイパースケーラー、ネオクラウドの間の最も明確な違いは、各モデルが何を提供するために最適化されているか、つまり、柔軟な汎用コンピューティングなのか、統合されたグローバルプラットフォームなのか、それとも専用設計のGPUパフォーマンスなのかという点にあります。

モデルこのような用途におすすめ主な強み主なトレードオフ
従来のクラウド一般的なビジネスアプリケーション、データ準備、ダッシュボード、および小規模なAI実験広範な計算リソースへの迅速なプロビジョニングと柔軟なアクセス共有インフラストラクチャーと仮想化は、大規模な分散型AI学習においてパフォーマンスの一貫性を制限する可能性がある
ハイパースケーラーグローバルな規模、コンプライアンス、マネージドサービス、アプリケーション統合を必要とするエンタープライズAIシステムAIをデータベース、セキュリティツール、アナリティクス、顧客向けアプリケーションに接続する充実したサービスカタログGPUへのアクセスは、クォータ、地域の可用性、価格に関するコミットメント、プラットフォームの制約に左右される場合がある
ネオクラウドGPUを多用する学習、ファインチューニング、高スループットなAIワークロード広帯域幅ネットワーキング、ハードウェアの可視性、ベアメタルまたはベアメタルに近いアクセスを備えた目的特化型のGPUクラスターサービスカタログが限定的であるため、アプリケーションのホスティング、データサービス、エンタープライズツールについてチームが別のクラウドに依存せざるを得ない場合がある


1. 従来のクラウド

従来のクラウドは、最も汎用的な選択肢です。チームが迅速にプロビジョニング可能な標準的な計算資源、ストレージ、ネットワーク、ソフトウェア環境を必要とする場合に有効です。AIに関しては、データ準備、ノートブックの実行、社内ツールのホスティング、小規模な実験のサポートなど、ワークフローの周辺部分で効果を発揮します。予測可能なレイテンシーで数百から数千のGPUを連携させる必要があるワークロードには、あまり適していません。

2. ハイパースケーラー

ハイパースケーラーは、インフラストラクチャーと広範なマネージドサービスのエコシステムを組み合わせているという点で異なります。その価値は、単なるGPUへのアクセスに留まりません。それは単一のグローバルプラットフォーム内で、AIワークロードをID管理、セキュリティ、データベース、アナリティクス、コンプライアンス統制、および顧客向けアプリケーションと連携させる能力にあります。そのため、ハイパースケーラーは本番環境において能力を発揮しますが、一方でユーザーはハードウェアの配置、ネットワークトポロジー、各地域で利用できる正確なアクセラレーター容量に対する直接的な制御が制限される可能性があります。

3. ネオクラウド

ネオクラウドは、大規模なAI学習クラスターのニーズを起点としているという点で異なります。ネオクラウドは、高密度のGPUキャパシティ、高速なアクセラレーター間通信、ベアメタルまたはそれに準ずるアクセス、そして予測可能なクラスターパフォーマンスを優先しています。広範なエンタープライズサービスを提供する代わりに、ネットワークレイテンシー、ハードウェアの抽象化、GPUへの一貫性のないアクセスなど、分散AIジョブを遅延させるボトルネックの解消に注力しています。

これらの違いを簡単に言うと、従来のクラウドは柔軟性に、ハイパースケーラーは統合されたグローバルプラットフォームに、そしてネオクラウドはGPUパフォーマンスに最適化されています。多くの組織は、これら複数のモデルを併用することになるでしょう。たとえばあるチームは、ネオクラウドでモデルの学習やファインチューニングを行い、ハイパースケーラーで本番アプリケーションを実行し、従来のクラウドリソースをサポートツールや地域のワークロードに使用するかもしれません。これら3つのモデルすべてにおいて、メモリ、ストレージ、ネットワークの選択が、利用可能な計算資源を有用なAIパフォーマンスに結びつけられるかどうかを左右します。

ネオクラウドインフラストラクチャーはどのように活用されているのか?

ネオクラウドインフラストラクチャーは、モデルの学習から本番推論に至るまで、AIライフサイクルの最も計算負荷の高い段階を加速させます。AI企業がネオクラウドプロバイダーを選ぶ傾向があるのは、それがAI企業にとって最も必要なもの、すなわち大規模計算資源への高速かつ信頼性の高いアクセスに特化しているからです。その絞り込まれた専門性により、ネオクラウドは大手クラウド事業者よりも迅速に動き、よりカスタマイズされたAIモデルのセットアップを支援することができます。

  • フロンティアモデルの学習:AI研究チームは、集合通信向けに最適化された高密度かつ低レイテンシーのクラスター上で、LLMの事前学習およびファインチューニングのために大規模なマルチGPUジョブを実行します。
  • 大規模AI推論:本番アプリケーションは、専用ハードウェアをオーバープロビジョニングすることなく、トラフィックのピーク時にもスループットを維持するために、AI推論ワークロードをネオクラウドGPUプールにルーティングします。
  • AIデータセンターの拡張:企業は、長期的な資本投資をすることなく需要の急増に対応するため、自社所有またはリースしている既存のデータセンターのキャパシティを、予約済みのネオクラウドインスタンスで補完します。
  • スタートアップ企業によるAI開発:初期段階のAI企業は、大手ハイパースケーラーよりも手頃な価格でGPUキャパシティを利用できます。そのため、競争力の維持に柔軟で費用対効果の高いアクセスを必要とするスタートアップ企業や小規模なAI開発者にとってネオクラウドは特に魅力的です。
  • 研究および実験:機械学習チームは、長期的な予約枠を契約することなく、オンデマンドのネオクラウドインスタンスを使用して多様なハードウェア構成で実験を実行しています。
  • マルチクラウドAIパイプライン:モデルの学習は、レンタルしたGPUキャパシティを使用して必要なときに集中的に実行される一方、より広範なデータパイプラインでは、学習データ、モデルチェックポイント、生成されたモデルの重みを製品が稼働するプラットフォームへ移動します。アプリケーションのホスティング、データベース、顧客向け推論、エンタープライズ統合に必要な関連機能は、別のプラットフォーム上で運用されます。

ネオクラウド企業にはどのようなものがあるか?

ネオクラウドプロバイダーとしてよく挙げられる企業には、CoreWeave、Lambda、Crusoe、Together AI、Nebiusなどがあります。これらのプロバイダーは、規模、サービスモデル、顧客のターゲット層において異なりますが、AIの学習、ファインチューニング、AI推論のために構築された「GPUファースト」インフラストラクチャーを重視するという点で共通しています。ネオクラウドは、広範なエンタープライズソフトウェアエコシステムを主戦場とするのではなく、アクセラレーターの可用性、クラスターパフォーマンス、広帯域幅ネットワーク、そしてAIチームが従来の調達法や汎用クラウド環境を利用する場合と比較して、より迅速に計算資源を拡張させる能力という点において競争しています。

ネオクラウドのパフォーマンスにおいてメモリとストレージが重要な理由

マイクロンのデータセンター向けSSDとメモリソリューションは、ネオクラウド事業者が学習用データセットを高速に移動させ、モデルのチェックポイントをステージングし、GPUを高密度に搭載したクラスターが要求するストレージスループットを維持するために不可欠なデータ基盤を形成しています。AIデータセンターは、帯域幅、レイテンシー、ワットあたりのパフォーマンスに最適化されたメモリ中心型アーキテクチャーを求めています。マイクロンのエンドツーエンドのポートフォリオは、学習から推論までのボトルネックを解消し、未来のAIデータセンターの基盤を提供します。高度な広帯域幅メモリと高速なクラウドストレージソリューションは、ネオクラウドクラスターが計算リソースをどれだけ効率的に完成したモデルへと変換できるかを直接左右します。

よくある質問

ネオクラウドに関するよくある質問

ネオクラウドはパブリッククラウドプロバイダーであり、 専用のオンプレミス機器を運用するのではなく、共有ネットワークを介してGPUインフラストラクチャーを提供します。   学習をネオクラウドで、本番環境を ハイパースケーラーで実行することはマルチクラウドであり、プライベートな インフラを含まない2つのパブリッククラウドプロバイダーを利用することを意味します。 一方、ハイブリッドクラウドとは、プライベートインフラとパブリッククラウドのリソースを組み合わせたものです。

ハイパースケーラーは、計算資源、ストレージ、マネージドデータベース、 ID管理、セキュリティツール、コンプライアンス認証、グローバルリージョンといった 幅広いサービスを単一の契約で提供する一方、ネオクラウドは一般的に、時間あたりのGPU料金が低く、 AI特化型の作業においてより迅速なアクセスを提供するなど、単一の側面に特化したサービスを 提供しています。どちらを選ぶべきかは、何を構築するかによって決まります。 ネオクラウドは、学習スループットが最大の制約となっているチームに適しており、 ハイパースケーラーは、コンプライアンス体制、 市場でのプレゼンス、エンタープライズ統合を必要とするチームに適しています。

ネオクラウドのAIワークロードは、すでに電力供給を逼迫させている巨大なデータセンターに依存しており、 米国のデータセンターは2024年に全米の総電力の約4%を消費しています。 その使用量は2030年までに2倍以上に増加すると予測されています。 一方で、こうした施設の冷却だけで、 推定643.5億ガロンの水がたった1年で消費されました。   エネルギーや水の需要に加え、ネオクラウドプロバイダーの急増は 市場の著しい断片化を引き起こしています。 今後は、資本制約の厳しさが増し、GPU供給をめぐる 争奪戦が激化するにつれて、業界再編が予想されています。