インフラストラクチャ

エージェント型エンタープライズのためのクロスクラウドインフラストラクチャのイノベーション

Fri, 08 May 2026 02:00:00 +0000

※この投稿は米国時間 2026 年 4 月 23 日に、Google Cloud blog に投稿されたものの抄訳です。

エージェント型 AI の時代が人間の速度から機械の速度へと運用を加速させていますが、それと同時に、以前のテクノロジーインフラストラクチャに深刻なストレスを与えています。数千もの内部メッセージと複雑なクエリを生成するエージェントが、しかもさらに多くのエージェントを生み出すという新たな現実は、基盤となるシステムを限界に追い込んでいるのです。この状況の中、従来のネットワークやデータベースでは瞬く間に手に負えなくなり、新たなセキュリティ脆弱性が顕在化する可能性があります。

エージェントの時代に AI の可能性を最大限に引き出すには、安全で適応性の高い基盤が必要です。Google ではこれを、エージェント型エンタープライズ向けクロスクラウドインフラストラクチャと呼んでいます。Google は Google Cloud Next ‘26 で、このインフラストラクチャの 4 つの分野における一連の新しいイノベーションを発表します。

最新情報:

Fluid Compute: Google Compute Engine サービスと Kubernetes サービスの連携により、新しいコンピューティング機能とオーケストレーション機能が追加されます。これらの機能は、費用対効果と速度に優れた AI エージェントとエンタープライズワークロードを実現するものです。
安全なクロスクラウド接続: Agent Gateway、Cloud Armor などのツールで、AI エージェント向けの安全で管理されたネットワーキング基盤を簡素化します。この基盤には、クラウド間のエージェントトラフィックのオブザーバビリティも組み込まれています。
統合データレイヤ: スマートストレージ、Knowledge Catalog などのイノベーションで、受動的なデータアーカイブを動的な推論エンジンへと変換します。この推論エンジンが、実行に必要となるコンテキストを AI エージェントに渡します。
デジタル主権: Confidential External Key Management と、Google Distributed Cloud の新機能により、データの保存場所を問わずに Google の最先端のモデルと AI イネーブラーを利用できるようになります。

これら 4 つの分野それぞれの最新ニュースを詳しくご紹介します。

Fluid Compute

エージェントワークロードは動的であり、予測することはできません。このことは、従来のエンタープライズアプリケーションにも AI エージェント自体にも影響を与えます。そこで、Fluid Compute を実現するために、Google Compute Engine サービスと Google Kubernetes サービスが連携して動的にワークロードに適応し、リアルタイムで重みをシフトします。これにより、すべてのお客様にとって、費用対効果と速度に優れた AI エージェントとエンタープライズ向け運用ワークロードの実現が可能になります。

AI Hypercomputer が大規模な AI モデルトレーニング向けの素の処理能力を提供する一方で、Fluid Compute によって運用ワークロードとエージェントのニーズに対応します。エージェントが推論と強化学習へと移行する中、CPU は中心的な役割を取り戻しつつあります。CPU は、エージェントワークフローに必要な「分岐」ロジック、複雑な制御フロー、安全なコード実行サンドボックス（エージェントオーケストレーション、RL、SLM 推論、RAG 向けのサンドボックスなど）において優れた能力を発揮するためです。さらに、CPU はエージェントを安全に実行するために重要となるエージェントの隔離を可能にし、トレーニングで使用される GPU と TPU の並列処理能力を補完します。

Google は、従来のワークロードと AI エージェントを安全かつ大規模に実行できるようにするための新しい CPU ファミリー、GKE 機能、Hyperdisk ブロックストレージ機能を導入しています。

Google C4N シリーズ: このシリーズの VM は、エージェント型 AI の需要によってエンタープライズワークロードの速度が低下しないように、1 秒あたり最大 9,500 万パケットを処理します。これは、他の主要なハイパースケーラーと比べて最大 40% 高速なパフォーマンスです。これにより、セキュリティアプライアンス、ストリーミングメディア、オープンソースデータベースなどの要求の厳しいワークロードで、より小さいインスタンスサイズを使用するとしても、I/O ボトルネックが解消されます。
Hyperdisk Extreme を使用した Google M4N シリーズ: M4N は、エージェント、分析、ミッションクリティカルなデータベースからの膨大なデータ I/O の処理のニーズに対処するために、データパイプラインのボトルネックを解消してオーバープロビジョニングの必要をなくし、業界トップクラスのコアあたりの IOPS とスループットを実現しています。vCPU あたり 26.57 GB の RAM を提供する M4N を使用すれば、ミッションクリティカルなワークロードをより少ないコアでスケールして、優れた費用対効果を実現できます。たとえば、Hyperdisk Extreme を使用した M4N は、主要なハイパースケールクラウドと比較して、Oracle ワークロードの総所有コストを 20% 以上削減します。
GKE Agent Sandbox: このソリューションは、信頼できる gVisor でエージェントを隔離して保護し、クラスタごとに 1 秒あたり最大 300 個のサンドボックスを起動して需要の急増に対応します。GKE Agent Sandbox は、主要なハイパースケールクラウドの間で唯一利用可能なマネージドサンドボックステクノロジーを基盤としています。GKE Agent Sandbox で Google Axion N4A を使用して AI エージェントを実行する場合、競合他社よりも最大 30% 優れたコストパフォーマンスを実現します。

「Wayfair の AI 戦略は、Google Cloud での長年にわたる体系的なインフラストラクチャモダナイゼーションに基づいて構築されています。この戦略には、コアの e コマースエンジンとデータベースをレガシーシステムから移行すること、モノリシックなサービスをクラウドネイティブアーキテクチャに分解すること、データと分析プラットフォームを統合することが含まれています。Gemini Enterprise Agent Platform という基盤があるからこそ、他のすべてが可能になります。現在、カタログの拡充から、お客様が自分にぴったりの家を建てられるよう生成 AI が支援するショッピングエクスペリエンスまで、あらゆるものを Gemini Enterprise Agent Platform によって強化しています。また、私たちはこの同じ基盤を頼りに、AI が単に支援するだけでなく、あらゆる顧客タッチポイントとビジネス全体で積極的に発見、パーソナライズ、コマースを推進するエージェントとなる時代に向けて準備を整えています。」- Wayfair、最高技術責任者、Fiona Tan 氏

最新のコンピューティングイノベーションについては、こちらのブログ記事をご覧ください。

安全なクロスクラウド接続

エージェント型 AI は、予測可能な人間のリクエストを自律的な「推論ループ」に置き換えます。このループでは、エージェントが他のエージェントを呼び出し、そのエージェントが LLM を呼び出すため、コンピューティングとマシン間のトラフィックが急増することになります。こうしたエージェント型へのシフトは、ネットワークの予測可能性と人間以外の ID のセキュリティに関して他には見られない課題をもたらします。エージェント型 AI 向けに最適化されたクロスクラウドネットワークは、さまざまな環境間でデータを移動して、可視性とセキュリティによって従業員、顧客、エージェントをつなげます。クロスクラウドネットワークの新機能は次のとおりです。

Agent Gateway: Gemini Enterprise Agent Platform の「航空管制官」として、企業のエージェントトラフィックを管理およびオーケストレートします。MCP や A2A などのエージェントプロトコルをネイティブに理解し、すべてのエージェントのやり取りを検査して管理します。Google とサードパーティの ID および AI の安全性に関するサービスと連携して、アクセスの検証、攻撃のブロック、機密データの保護を目的とした詳細な検査を可能にし、コアビジネス全体でコンプライアンスを維持します。
Cloud Network Insights: ハイブリッドクラウドとマルチクラウドのインフラストラクチャ全体にわたる幅広い可視性を提供し、トラブルシューティングとネットワーク解決を迅速化します。Google Cloud、AWS、Azure、データセンター、インターネットアプリケーション、エージェントワークロード全体で、エージェント、ネットワーク、ウェブのエンドツーエンドのパフォーマンスを継続的にモニタリングします。Cloud Network Insights は、合成トラフィック分析を使用して、ホップごとのネットワークパスを可視化し、パフォーマンス低下の原因を特定できるよう支援します。また、オペレーションの自律性を高めるために、Cloud Network Insights には Gemini Cloud Assist の AI を活用した分析情報が結合されます。
強化された Cloud Next Generation Firewall（NGFW）と Cloud Armor: AI が生成するポリモーフィックマルウェアやゼロデイエクスプロイトの急増に対処するために、AI を活用した機械の速度での保護を提供します。Cloud NGFW の高度なマルウェアサンドボックスは、AI によって生成された脅威をリアルタイムでその場で防止します。一方、Cloud Armor のマネージドルールは、既知および未知の共通脆弱性識別子（CVE）の両方に対する自動保護を提供します。これらのサービスは Model Armor と連携して、AI エージェントのコミュニケーションのインテントと内容を分析します。

Google がデータセンター内外で AI 向けにネットワーキングを最適化した方法について詳しくは、こちらをご覧ください。

統合データレイヤ

AI エージェントの能力は、アクセスできるデータと与えられたコンテキストによって決まります。構造化データと非構造化データを使用するアプリケーションやプラットフォームが増えていますが、それらのデータを大規模にカタログ化、検索、活用するのは容易なことではなく、それが原因でエージェントの対応が非効率になる可能性があります。このギャップを埋めるためにエージェントに必要となるのは、すべてのデータがまとめられたクエリ可能なナレッジエンジン、つまり統合データレイヤです。これにより、エージェントは正確な情報源を特定してアクセスできるようになります。Next ‘26 では、統合データレイヤを強化する次の機能を取り上げます。

スマートストレージ: このソリューションは、新しいセマンティックインテリジェンスをデータオブジェクトに直接埋め込むことで、ダークデータを AI エージェントとトレーニングのための強力な知識アセットに変換します。自動アノテーション、エンティティ抽出、セマンティック検索などの新しい Google Cloud Storage 機能により、エージェントは必要とする特定のデータが組織全体にわたって存在するスプレッドシート、PDF、その他の非構造化形式のどれに隠されているかどうかにかかわらず、そのデータを瞬時に検出して使用できます。これにより、AI ソリューションの開発とデプロイが大幅にスピードアップします。AI ワークロードを加速するストレージイノベーションについて詳しくは、こちらをご覧ください。
Knowledge Catalog: Knowledge Catalog は、エージェントが最も正確な結果を提供できるように、データエステート全体にわたってビジネスの意味をマッピングし、グラウンディングされた信頼できる情報源を提供します。この基盤により、AI のトレーニングと推論が可能になり、データの移行が不要になります。エージェントは、データがどこにあっても、完全なコンテキストとガバナンスに沿って直接データとやり取りするため、モダナイゼーションが容易になります。

Google の Agentic Data Cloud の一部となっているスマートストレージと Knowledge Catalog により、データを受動的なアーカイブから動的な推論エンジンに変換できます。

「お客様のスマートホームとセキュリティソリューションをよりインテリジェントで便利なものにするためには、AI が不可欠です。Google Cloud のスマートストレージを活用すれば、BigQuery で配信される豊富なメタデータに自動的にアノテーションを付けることができます。データ検出とキュレーションの取り組みを拡大し、加速させたことで、AI 開発プロセスを数か月から数週間に短縮できたと同時に、信頼を築き、全体的な家庭環境を向上させるイノベーションを継続的に提供できるようになりました。」- Vivint、プロダクトおよび AI 担当バイスプレジデント、Brandon Bunker 氏

デジタル主権

エージェントの時代において、管理を犠牲にすることなくイノベーションを加速させようと目指す公共部門や企業のお客様にとって、デジタル主権は基本的な要件です。万能なソリューションというものは存在しません。そのため、Google ではパブリッククラウド、オンプレミス、ハイブリッドなど、あらゆる場所でさまざまなソブリン AI のニーズに対応できるよう、包括的な一連のサービスを設計しました。Google のソブリン AI ポートフォリオの新機能には、次のようなものがあります。

Confidential External Key Management: 組織は Confidential External Key Management を使用して、暗号鍵の完全な未編入領域、管理権、制御権と、暗号鍵を管理するポリシーを維持できます。Confidential External Key Management は、Confidential Compute を活用して、Google Cloud 内の改ざん防止環境で鍵管理エンドポイントをホストします。鍵の保存場所、鍵へのアクセスを許可するユーザー、アクセスを許可する状況は、お客様が管理できます。特権を持つ Google 管理者であっても、承認なしに鍵にアクセスすることはできません。また、承認はいつでも取り消すことができます。自社のデータを自社で管理できるというわけです。
Google Distributed Cloud 上の Gemini: GDC 上の Gemini を使用すると、企業はデータ主権のニーズを満たしながら、機密性の高い環境に Gemini を安全にデプロイできます。デプロイモデルの選択肢には、接続されたハードウェア上のマネージドソフトウェアや、エアギャップのある完全に切断されたソリューションなどがあります。最も制限の厳しい高度なセキュリティ環境であっても、強力な Gemini モデルから高度なコーディング、検索、その他のエージェント機能に至るまでの Google の最先端の AI 機能によるスケーリングが可能になりました。

さらに、すべてのソブリン AI ワークロードを加速および強化できるよう、Google Distributed Cloud では最新世代の AI インフラストラクチャと Gemini モデルを組み合わせたエンドツーエンドの AI スタックをサポートしています。このスタックには以下が含まれます。

NVIDIA Blackwell GPU: NVIDIA Blackwell（NVIDIA HGX B200）および NVIDIA Blackwell Ultra プラットフォーム（NVIDIA HGX B300）GPU は、第 5 世代 NVIDIA NVLink を活用して AI パフォーマンスを加速し、データセンター規模の帯域幅を環境に直接提供します。
新しい VM ファミリー: 新しい A4 ファミリーパッケージは、最も要求の厳しい推論タスクを処理する能力を提供し、ピーク時のコンピューティングを 2.25 倍に向上させます。メモリ最適化 M2 および M3 は、オンプレミスで大規模な ERP とデータ分析のワークロードに必要となる高いメモリ対 vCPU 比を実現します。
ストレージの強化: ゾーンあたりのストレージ容量が 6 倍に増え、パフォーマンスは 10 倍に向上しています。これによりストレージのボトルネックが解消されるため、オンプレミスで AI 推論を実行できます。今や、データインフラストラクチャは AI 推論のスピードで進化しています。

「弊社のお客様は、マルチテナントのリスクを伴わない、高性能なプライベート AI 推論を求めています。Google Distributed Cloud を使用すれば、機密データに関する厳格な要件を満たす、専用の低レイテンシ環境を提供できます。B200 と B300 で Gemini を実行できるため、推論速度を大幅に向上させ、スケーリングに必要となるトークンスループットをお客様に提供できます。」- Cirrascale Cloud Services、CEO / 共同創設者、Dave Driggers 氏

ビジョンを現実にする

以上の製品分野が収束した時点で、インフラストラクチャはエージェント時代に対応する高性能で安全かつ適応性のある基盤へと進化します。Google は単にツールを提供するだけでなく、企業や公共部門が AI とエージェントの力を最大限に活用できるようにするためのアーキテクチャブループリントを提供しています。

AI インフラストラクチャの主要な業界トレンドについて詳しくは、エージェント型 AI 時代のインフラストラクチャの現状に関するレポートをご覧ください。

- コンピューティングプラットフォーム部門プロダクト管理担当バイスプレジデント、Nirav Mehta

- Google Distributed Cloud 担当バイスプレジデント、Muninder Sambi

Cloud TPU と vLLM で LLM 推論を試そう — リソース確保からベンチマークまで

Fri, 01 May 2026 02:00:00 +0000

こんにちは、Google Cloud でインフラ領域を担当している佐藤です。

今回は、Cloud TPU v6e 上で vLLM を使い、大規模言語モデル Qwen3-32B の推論環境を構築する手順をハンズオン形式でお届けします。DWS Flex Start によるリソース確保から、パラメータチューニング、INT8 量子化、ベンチマークまで一通りカバーしています。

最近、大規模言語モデル（LLM）の推論環境への需要が急速に高まっています。しかし、ハイパフォーマンスなインフラをオンデマンドで調達しようとすると、特定の GPU/TPU Type やリージョンによっては「オンデマンドリソースの即時確保が困難」という課題に直面した—そんな経験はありませんか？

本記事では、Google Cloud の Dynamic Workload Scheduler (DWS) Flex Start モードを活用し、待機キュー経由でリソースの確保を効率的に行いつつ、オープンソースの高スループット LLM 推論エンジンである vLLM を用いて、大規模モデルである Qwen3-32B の推論環境を構築する実践的なハンズオン手順をご紹介します。このガイドを通じて、リソース確保からデプロイ、そしてパフォーマンスのベンチマークまでの流れを解説していきましょう。

TPU 確保方法の比較と DWS Flex Start モードの長所

Google Cloud の GPU/TPU リソースを確保する方法にはいくつかの種類があります。それぞれの長所と短所を理解することで、ワークロードに最適な選択が可能になります。

オプション	特徴とユースケース	期間 / 制限
オンデマンド	必要なときに即座にリソースを要求します。空きがあればすぐに利用可能ですが、需要が高い時期や特定のハードウェア（TPU v6e など）ではリソース枯渇により確保できない場合があります。	Min 1 分 / 制限なし
予約	ユーザーが指定した構成で 1 つ以上の VM の容量を確実に確保できます。Compute Engine のコミットメントである CUD (Commited use discounts) を利用して、 1 年や 3 年の期間で割引を適用することもできます。	Min 1 分 / 制限なしCUD 利用時は1 年 / 3 年固定
DWS Flex Start	【本記事の対象】キュー（列）に並んでリソースを待つ方式です。「利用可能になり次第」プロビジョニングされ、一度確保されれば最大 7 日間中断されることなく実行可能です。割引価格が適用されるため、コストパフォーマンスに優れます。即時性は不要ですが、検証やバッチ推論を完了させたい場合に適しています。	Min 1 分 / Max 7 日
スポット	余剰リソースを利用するため非常に安価ですが、いつでも Google 側から停止される可能性があります。耐障害性のあるワークロード向け。	Min 1 分 / Max 24 時間

では、なぜ Flex Start を使うのでしょうか。

オンデマンドや Spot では、「今すぐ使いたいがリソースがない」というエラーが返されることがありますが、DWS Flex Start を使用することで「キュー」にリソース要求が登録されます。バックグラウンドでリソースの空き状況が監視され、確保可能になった瞬間にプロビジョニングが行われるため、張り付いてリソース作成を連打する必要がなく、リソースプロビジョニングの成功率をぐっと上げられるのが大きな長所です。

vLLM と vLLM-TPU の違いとは？

ハンズオンに入る前に、今回利用する vllm-tpu イメージについて補足します。

vLLM（通常版）： 主に NVIDIA GPU (CUDA) や AMD GPU (ROCm) 向けに高度に最適化された LLM 推論エンジンです。PagedAttention というメモリ管理技術により、KV キャッシュの断片化を防ぎ、高いスループットを実現します。
vLLM-TPU： Google のカスタムシリコンである TPU アーキテクチャ上で、vLLM の PagedAttention や最適化技術を動作させるために特化した拡張実装・環境です。内部的には 2 つのモデルレジストリを確認した上でモデルコードを取得・実行します（下図参照）。そして Torchax によって PyTorch モデルコードが JAX として扱われ、TPU 上での最適な推論実行が可能になります。本ハンズオンでは vllm/vllm-tpu の Docker イメージを利用することで、複雑な依存関係やコンパイラの設定を意識することなく、すぐに TPU のパワーを推論に活用できます。

https://vllm.ai/blog/vllm-tpu から引用

ハンズオンガイド

1. TPU リソースのリクエスト (Flex Start)

まず、通常の gcloud compute tpus tpu-vm create ではなく、queued-resources create コマンドを使用します。このコマンドによって、1 章で触れた Flex Start によるリソース調達を自動化することができます。

code_block: <ListValue: [StructValue([('code', 'export TPU_NAME=takashix-tpuv6e\r\nexport ZONE=us-east5-a\r\nexport PROJECT=takashix-tpu\r\nexport QR_ID=takashix-qr-request # e.g. my-qr-request\r\n\r\ngcloud alpha compute tpus queued-resources create $QR_ID \\\r\n --node-id $TPU_NAME \\\r\n --project $PROJECT --zone $ZONE \\\r\n --accelerator-type v6e-4 \\\r\n --runtime-version v2-alpha-tpuv6e \\\r\n --provisioning-model flex-start \\\r\n --max-run-duration 24h'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfe0bea00>)])]>

コマンドの意味について

--provisioning-model flex-start を指定することで、キューにリソース要求がエンキューされます。--max-run-duration 24h によって、利用開始から 24 時間後に自動的に終了するように設定しています。消し忘れによる課金防止にも役立ちますね。Spot VM で起動したい場合は、コマンドから alpha を外して --spot を指定することで起動できます。

キューに格納したいリソースを上記コマンドで作成した後はステータスに則って調達されます。ステータスの確認には以下のコマンドを実行してください。

code_block: <ListValue: [StructValue([('code', 'gcloud alpha compute tpus queued-resources list --project $PROJECT --zone $ZONE'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfe0bee80>)])]>

STATE が qr-request-spot のように ACTIVE になれば調達完了です。一方で takashix-qr-request のように WAITING_FOR_RESOURCES の場合、まだ調達できておらずリソース確保を待っている状態です。

※調達できない（STATE が Active にならない）場合は代わりに以下のコマンドを実行してください。

code_block: <ListValue: [StructValue([('code', 'gcloud alpha compute tpus queued-resources create $QR_ID \\\r\n --node-id $TPU_NAME \\\r\n --project $PROJECT --zone $ZONE \\\r\n --accelerator-type v6e-4 \\\r\n --runtime-version v2-alpha-tpuv6e \\\r\n --labels=purpose=flex-start'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfe0beb20>)])]>

2. インスタンスへの接続と Docker 環境設定

リソースが「ACTIVE」になったら、SSH 接続して環境を準備しましょう。本ガイドでは Qwen3-32B を利用することを想定し、Hugging Face の Token を設定します。

SSH 接続

code_block: <ListValue: [StructValue([('code', 'gcloud alpha compute tpus tpu-vm ssh $TPU_NAME --project $PROJECT --zone=$ZONE'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfe0be700>)])]>

Docker Image の設定

code_block: <ListValue: [StructValue([('code', 'export DOCKER_URI=vllm/vllm-tpu:latest'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfe0be760>)])]>

Hugging Face Token の設定（<your HF token> はご自身の Token に置き換えてください）

code_block: <ListValue: [StructValue([('code', 'export HF_HOME=/dev/shm\r\nexport HF_TOKEN=<your HF token>'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfe0bea30>)])]>

3. vLLM サーバーの起動とパラメータ・チューニング

Docker コンテナを --privileged および --net=host で起動します。これは TPU デバイスへの直接アクセスと、ホストの高速なネットワークをコンテナに許可するためです。また --shm-size 100gb を指定して、モデルの重みや共有メモリ領域が不足しないようにしています。

code_block: <ListValue: [StructValue([('code', 'sudo docker run -it --rm --name $USER-vllm --privileged --net=host \\\r\n -v /dev/shm:/dev/shm \\\r\n --shm-size 100gb \\\r\n --entrypoint /bin/bash ${DOCKER_URI}'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfe0be880>)])]>

以下のようにイメージのダウンロードが完了したら vLLM サーバーの起動完了です。

上記コマンドにより root@ から始まるプロンプトになっていれば、コンテナ内へのアクセスが成功したことになります。いよいよ vllm serve コマンドでモデルをデプロイしましょう。ここでのパラメータ設定が、推論のパフォーマンス指標であるスループットやレイテンシに大きく影響を与えます。

code_block: <ListValue: [StructValue([('code', 'export MAX_MODEL_LEN=4096\r\nexport TP=4\r\n\r\nvllm serve Qwen/Qwen3-32B \\\r\n --seed 42 \\\r\n --disable-log-requests \\\r\n --gpu-memory-utilization 0.98 \\\r\n --max-num-batched-tokens 2048 \\\r\n --max-num-seqs 256 \\\r\n --tensor-parallel-size $TP \\\r\n --max-model-len $MAX_MODEL_LEN'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfe0be7f0>)])]>

パラメータ	チューニングの解説と影響
--tensor-parallel-size $TP	モデルの重みをいくつの TPU チップに分割して配置するかを指定します。今回は v6e-4 (チップ 4 つ) を利用するため 4 を設定。32B という巨大なモデルを単一チップのメモリ内に載せることは不可能ですが、並列処理によって高速に分散処理が可能になります。
--gpu-memory-utilization	TPU の HBM（High Bandwidth Memory）のうち、どれだけを KV キャッシュ領域等のために予約するかの割合。デフォルト値よりも高い 0.98 まで引き上げることで、より多くのリクエストを同時処理（バッチ化）できるようになり、全体スループットが向上します。ただし、高すぎるとメモリ不足 (OOM) でクラッシュするリスクがあります。
--max-model-len	入力プロンプトと出力トークンの最大合計長。モデル本来の最大コンテキスト長（例: 32k など）をそのまま受け入れる設定にすると大量の KV キャッシュ用メモリを事前確保してしまい、結果的にバッチサイズが小さくなります。ユースケースに合わせて 4096 などに制限することで、同時並行処理数（max-num-seqs）を最大化でき効率的です。
--max-num-seqs / -batched-tokens	一度に処理するシーケンスの最大数とトークンの最大数。これらを増やすと全体のスループット (tok/s) は上がりますが、個々のリクエストのレスポンスタイム（TTFT など）が低下するトレードオフの関係にあります。ユースケースに合わせて調整します。

4. [オプション] INT8 量子化 (W8A8) を用いた Serving

TPU v6e の性能をさらに引き出し、巨大なモデルのメモリ使用量を削減するために、INT8（W8A8）量子化を有効化してモデルをサーブすることが可能です。

vLLM-TPU では内部的に Qwix と呼ばれる JAX 向け量子化ライブラリを使用します。量子化のためのコンフィグファイルはコンテナ内にすでに存在していることがほとんどですが、なかった場合は以下の手順で YAML 形式の設定ファイルを作成し、そのファイルを --additional-config オプションを用いてサーバー起動時に読み込ませてください。

量子化設定ファイル (int8_default.yaml) の作成

code_block: <ListValue: [StructValue([('code', "cat <<EOF > int8_default.yaml\r\nqwix:\r\n rules:\r\n - module_path: '.*'\r\n weight_qtype: 'int8'\r\n act_qtype: 'int8'\r\nEOF"), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfe0be4c0>)])]>

INT8 有効化による vLLM サーバーの起動

code_block: <ListValue: [StructValue([('code', 'export MAX_MODEL_LEN=4096\r\nexport TP=4\r\n\r\nvllm serve Qwen/Qwen3-32B \\\r\n --seed 42 \\\r\n --disable-log-requests \\\r\n --gpu-memory-utilization 0.98 \\\r\n --max-num-batched-tokens 2048 \\\r\n --max-num-seqs 256 \\\r\n --tensor-parallel-size $TP \\\r\n --max-model-len $MAX_MODEL_LEN \\\r\n --additional-config=\'{"quantization": "int8_default.yaml"}\''), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfe0beb80>)])]>

ファイルの意味と量子化の仕組みについて

設定ファイル (int8_default.yaml) の役割: Qwix に対する量子化ルールの定義ファイルです。module_path: '.*' によってモデル内のすべてのレイヤーを対象とし、重み (weight_qtype) と活性化関数 (act_qtype) の双方を int8 フォーマットとして扱うよう指示します。これを W8A8 (Weight 8-bit, Activation 8-bit) 量子化と呼びます。
量子化の方法: vLLMがモデルをロードして XLA コンパイルする際、このルールに基づき動的に計算グラフが書き換えられます。ロードされる FP16/BF16 の重みは TPU メモリである HBM 上で INT8 に圧縮・変換され、推論時にも INT8 の行列積として実行されます。これにより、メモリ帯域のボトルネックが緩和されると同時に、TPU v6e に搭載された強力な INT8 演算器の性能が引き出され、スループットの向上とレイテンシの削減が期待できるでしょう。
利用するモデル: Qwen3-32B-GPTQ-Int8 などの FP8 や INT8 ですでに Weight が保存されたモデルはフォーマットが vllm-tpu でサポートされていない可能性があるため、基本的には BF16 の重みをロードできるように HF 上の Qwen3-32B などのデフォルトモデルを利用して Post-Quantization を行うことを推奨します。

上記の vllm serve コマンドでモデルの serve に成功すると Application startup complete. というメッセージが表示されます。

5. 動作確認とベンチマーク

Step 5.1. API エンドポイントへのテストリクエスト

別のコンソールを開いて VM およびコンテナへ接続し、OpenAI 互換の API エンドポイント経由で推論テストを行いましょう。新しいコンソールの方で環境変数を設定していない場合は、以下のように再度設定を行ってから SSH コマンドを実施してください。

code_block: <ListValue: [StructValue([('code', 'export TPU_NAME=takashix-tpuv6e\r\nexport ZONE=us-east5-a\r\nexport PROJECT=takashix-tpu'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfe0beaf0>)])]>

VM への SSH 接続

code_block: <ListValue: [StructValue([('code', 'gcloud compute tpus tpu-vm ssh $TPU_NAME --project $PROJECT --zone=$ZONE'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfe0be220>)])]>

コンテナへの接続

code_block: <ListValue: [StructValue([('code', 'sudo docker exec -it $USER-vllm bash'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfe0be640>)])]>

推論テストの実施

code_block: <ListValue: [StructValue([('code', 'curl http://localhost:8000/v1/completions \\\r\n -H "Content-Type: application/json" \\\r\n -d \'{\r\n "model": "Qwen/Qwen3-32B",\r\n "prompt": "I love the mornings, because ",\r\n "max_tokens": 200,\r\n "temperature": 0\r\n }\''), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfe0bec40>)])]>

以下のようにレスポンスが返ってくれば成功です。

code_block: <ListValue: [StructValue([('code', '{"id":"cmpl-aa8f0d83a90554a0","object":"text_completion","created":1773895036,"model":"Qwen/Qwen3-32B","choices":[{"index":0,"text":"1) I get to see the sun rise and 2) I get to see the sun rise. I know, I know, it\'s the same thing, but I like to think of it as two different reasons. Anyway, I was out there this morning, and I saw the sun rise. It was beautiful. The sky was all pink and orange and yellow, and the sun was just coming up over the horizon. I took a picture of it, but it didn\'t turn out very well. The colors were all washed out, and the sun was just a white blob. I guess that\'s why they say a picture is worth a thousand words. I can\'t even describe how beautiful it was. I was so inspired, I went inside and made a pot of coffee. I used my favorite coffee beans, the ones that are from Ethiopia. They have a really strong flavor, and they make my coffee taste like it\'s from a coffee shop. I added some milk and a little","logprobs":null,"finish_reason":"length","stop_reason":null,"token_ids":null,"prompt_logprobs":null,"prompt_token_ids":null}],"service_tier":null,"system_fingerprint":null,"usage":{"prompt_tokens":7,"total_tokens":207,"completion_tokens":200,"prompt_tokens_details":null},"kv_transfer_params":null}'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfe0bebe0>)])]>

Step 5.2. ベンチマークテストの実施

推論サーバーが正しく稼働していることが確認できたら、vLLM に同梱されている公式ベンチマークスクリプトを用いて、本番環境を模した負荷テストを実施しましょう。

code_block: <ListValue: [StructValue([('code', 'export MAX_INPUT_LEN=1800\r\nexport MAX_OUTPUT_LEN=128\r\nexport HF_TOKEN=<your HF token>\r\n\r\ncd /workspace/vllm\r\nvllm bench serve \\\r\n --backend vllm \\\r\n --model "Qwen/Qwen3-32B" \\\r\n --dataset-name random \\\r\n --num-prompts 1000 \\\r\n --random-input-len=$MAX_INPUT_LEN \\\r\n --random-output-len=$MAX_OUTPUT_LEN \\\r\n --seed 100'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfe0be1f0>)])]>

ベンチマークパラメータの意味と影響：

ここでは、1000 個のリクエスト（--num-prompts 1000）を並行してサーバーに投げ込んでいます。--random-input-len と --random-output-len を変えることで、たとえば入力を長くすれば RAG のような prefill 負荷が高いケースを、入出力を同程度にすれば翻訳や対話のような decode 負荷が高いケースを再現できます。

入力トークン長（今回は 1800）を長く設定すると、モデルの Prefill（初回計算）フェーズの負荷が高まり、TTFT（Time To First Token: 最初のトークンが出力されるまでの時間）が増大する傾向があります。逆に、このベンチマーク環境で出力スループットを示す Output token throughput (tok/s) が大きく表示されていれば、TPU の並列計算能力をしっかり引き出せている証拠となります。

ベンチマーク結果の例：

結果 1 - 本ガイド記載のパラメータ通りでのベンチマーク (INT8 量子化なし)

code_block: <ListValue: [StructValue([('code', '============ Serving Benchmark Result ============\r\nSuccessful requests: 1000 \r\nFailed requests: 0 \r\nBenchmark duration (s): 112.72 \r\nTotal input tokens: 1800000 \r\nTotal generated tokens: 128000 \r\nRequest throughput (req/s): 8.87 \r\nOutput token throughput (tok/s): 1135.59 \r\nPeak output token throughput (tok/s): 2965.00 \r\nPeak concurrent requests: 1000.00 \r\nTotal token throughput (tok/s): 17104.85 \r\n---------------Time to First Token----------------\r\nMean TTFT (ms): 54347.41 \r\nMedian TTFT (ms): 54432.95 \r\nP99 TTFT (ms): 108306.56 \r\n-----Time per Output Token (excl. 1st token)------\r\nMean TPOT (ms): 99.48 \r\nMedian TPOT (ms): 104.55 \r\nP99 TPOT (ms): 105.25 \r\n---------------Inter-token Latency----------------\r\nMean ITL (ms): 99.49 \r\nMedian ITL (ms): 113.47 \r\nP99 ITL (ms): 114.83 \r\n=================================================='), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfe0bed60>)])]>

結果 2 - 本ガイド記載のパラメータ通りでのベンチマーク (INT8 量子化あり)

code_block: <ListValue: [StructValue([('code', '============ Serving Benchmark Result ============\r\nSuccessful requests: 1000 \r\nFailed requests: 0 \r\nBenchmark duration (s): 99.15 \r\nTotal input tokens: 1800000 \r\nTotal generated tokens: 128000 \r\nRequest throughput (req/s): 10.09 \r\nOutput token throughput (tok/s): 1290.96 \r\nPeak output token throughput (tok/s): 3904.00 \r\nPeak concurrent requests: 1000.00 \r\nTotal token throughput (tok/s): 19445.13 \r\n---------------Time to First Token----------------\r\nMean TTFT (ms): 47918.69 \r\nMedian TTFT (ms): 47875.01 \r\nP99 TTFT (ms): 95451.81 \r\n-----Time per Output Token (excl. 1st token)------\r\nMean TPOT (ms): 97.67 \r\nMedian TPOT (ms): 103.41 \r\nP99 TPOT (ms): 103.56 \r\n---------------Inter-token Latency----------------\r\nMean ITL (ms): 97.68 \r\nMedian ITL (ms): 103.34 \r\nP99 ITL (ms): 104.47 \r\n=================================================='), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfe0be9a0>)])]>

結果 3 - 非同期スケジューリング有効でのベンチマーク (INT8 量子化あり)

利用コマンド

code_block: <ListValue: [StructValue([('code', 'vllm serve Qwen/Qwen3-32B \\\r\n --seed 42 \\\r\n --disable-log-requests \\\r\n --gpu-memory-utilization 0.98 \\\r\n --max-num-batched-tokens 2048 \\\r\n --max-num-seqs 256 \\\r\n --tensor-parallel-size $TP \\\r\n --max-model-len $MAX_MODEL_LEN \\\r\n --async-scheduling \\\r\n --additional-config=\'{"quantization":"int8_default.yaml"}\''), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfde43310>)])]>

code_block: <ListValue: [StructValue([('code', '============ Serving Benchmark Result ============\r\nSuccessful requests: 1000 \r\nFailed requests: 0 \r\nBenchmark duration (s): 91.67 \r\nTotal input tokens: 1800000 \r\nTotal generated tokens: 128000 \r\nRequest throughput (req/s): 10.91 \r\nOutput token throughput (tok/s): 1396.35 \r\nPeak output token throughput (tok/s): 4689.00 \r\nPeak concurrent requests: 1000.00 \r\nTotal token throughput (tok/s): 21032.45 \r\n---------------Time to First Token----------------\r\nMean TTFT (ms): 44362.33 \r\nMedian TTFT (ms): 44326.34 \r\nP99 TTFT (ms): 88584.15 \r\n-----Time per Output Token (excl. 1st token)------\r\nMean TPOT (ms): 90.71 \r\nMedian TPOT (ms): 96.22 \r\nP99 TPOT (ms): 96.39 \r\n---------------Inter-token Latency----------------\r\nMean ITL (ms): 90.71 \r\nMedian ITL (ms): 96.17 \r\nP99 ITL (ms): 97.31 \r\n=================================================='), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfde43760>)])]>

非同期スケジューリングの有効化 (--async-scheduling)

CPU 側のリクエストスケジューリングと、TPU 側のモデル実行を非同期で行うことで、ホストとデバイス間の待機時間をなくし、スループットを数 % 〜 10 % 程度押し上げる効果が確認されています。

結果の比較

以下の表にそれぞれの条件でのスループットを比較したところ、INT8 での量子化を行い非同期スケジューリングの有効化も併用すると 123 % のパフォーマンス向上がみられました。

Configurations	Mean TTFT (ms)	Total token throughput (tok/s)	TTFTImprovement	Throughput Improvement
INT8 量子化なし	54,347.41	17104.85	100 %	100 %
INT8 量子化あり	47918.69	19445.13	113 %	114 %
INT8 量子化あり + 非同期スケジューリングあり	44,362.33	21032.45	123 %	123 %

Configurations

Mean TTFT (ms)

Total token throughput (tok/s)

TTFTImprovement

Throughput Improvement

INT8 量子化なし

54,347.41

17104.85

100 %

INT8 量子化あり

47918.69

19445.13

113 %

114 %

INT8 量子化あり +

非同期スケジューリングあり

44,362.33

21032.45

123 %

量子化に伴うモデル精度の変化には注意を払う必要がありますが、チューニングを行う際にはぜひ今回利用したオプションもご参照ください。

6. クリーンアップ：リソースの削除

検証が完了したら、余分なコストや Quota の消費を防ぐため、リソースの削除を行います。通常の VM と異なり、キューに格納されたリソースは「SUSPENDED」などの状態に関係なく Quota の割り当てを消費し続けます。今後の別の要求がブロックされるのを防ぐため、明示的に削除コマンドを実行しましょう。

code_block: <ListValue: [StructValue([('code', 'gcloud alpha compute tpus queued-resources delete $QR_ID \\\r\n --zone=${ZONE} --force'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfde43520>)])]>

Warning: ハンズオン終了後は、上記の queued-resources delete コマンドを実行してください。tpu-vm delete だけではキューのエントリが残り、Quota 消費の原因となる可能性があります。

まとめ

本記事では、TPU v6e 上で DWS Flex Start を活用した効率的なリソース調達と、vLLM を用いた推論環境の構築・評価までの一連の流れをご紹介しました。

他の Model などの Recipe は以下のリポジトリに公開されていますのでご参照ください。

https://github.com/AI-Hypercomputer/tpu-recipes/tree/main/inference/trillium/vLLM

Flex Start の活用によるリソース枯渇状態からのプロビジョニング成功率向上、vllm-tpu コンテナを用いた容易な最適化環境の構築、そして gpu-memory-utilization などのパラメータチューニングによるスループットとレイテンシのバランス調整は、本番環境における大規模モデル運用において非常に重要なノウハウとなります。

ぜひみなさんの LLM ワークロードでも試してみてください。

第 8 世代 TPU：エージェンティック時代に向けた 2 つのチップ

Wed, 22 Apr 2026 03:50:00 +0000

※この投稿は米国時間 2026 年 4 月 22 日に、Keyword に投稿されたものの抄訳です。

本日、Google Cloud Next ‘26 において、 Google Cloud は、第 8 世代となるカスタム Tensor Processor Unit（TPU）を発表しました。トレーニングと推論のそれぞれに特化して設計した 2 つの異なるアーキテクチャ、 TPU 8t と TPU 8i を今後提供開始します。これら 2 つのチップは Google のカスタムスーパーコンピュータ向けに設計されており、最先端のモデルトレーニングやエージェント開発から、大規模な推論ワークロードまで、あらゆる処理を支える基盤となります。TPU は長年にわたり、 Gemini をはじめとする主要な基盤モデルを支えてきました。第 8 世代の TPU は、トレーニング、サービングおよびエージェンティックワークロードにおいて、スケール、効率性および機能を提供します。

AI エージェントの時代において、モデルは問題解決のための論理的な思考プロセスを構築し、多段階のワークフローを実行し、実行の継続的なループの中で改善する必要があります。こうした進化は、インフラストラクチャに対して新たな要求を課します。TPU 8t と TPU 8i は、Google DeepMind との連携により、極めて要求の厳しい AI ワークロードに対応し、進化し続けるモデルアーキテクチャに大規模に適合するよう設計されました。

TPU は ML に最適化された数値表現、液冷システム、カスタムインターコネクトなど、多くの ML スーパーコンピューティングコンポーネントにおいて基準を確立してきました。第 8 世代の TPU は 10 年以上にわたる開発の集大成です。シリコンを、ハードウェアやネットワーク、さらにはモデルアーキテクチャやアプリケーション要件を含むソフトウェアと最適化された形で設計することで、電力効率と絶対的なパフォーマンスを劇的に向上させるという TPU 独自の設計思想は、現在も Google の基盤となっています。

10 年にわたるイノベーションが、現実世界における画期的な進歩へとつながっていることを、私たちは大変嬉しく思っています。今日、Citadel Securities などの先進的な組織は、自社の最先端な AI ワークロードを支える基盤として TPU を採用し、テクノロジーの可能性を切り拓いています。

時代に応える 2 つのチップ

ハードウェアの開発サイクルは、ソフトウェアより長い期間を要します。各世代の TPU の開発にあたり、製品が市場に投入される時期にどのようなテクノロジーと需要が存在するかを予測しなければなりません。Google Cloud は数年前の時点で、最先端 AI モデルが本番環境で大規模に展開されるようになれば、お客様の推論需要が急速に高まると予測していました。そして AI エージェントの台頭を受け、トレーニングとサービングのそれぞれのニーズに特化したチップを提供することが、ユーザーにとって大きな利益になると判断しました。

TPU 8t は、より大きな計算スループットとスケールアップ帯域幅を備え、計算集約的な大規模なトレーニングワークロードにおいて真価を発揮するよう設計されています。一方、TPU 8i は、レイテンシに敏感な推論ワークロードを処理するために、より多くのメモリ帯域幅を確保するよう設計しました。大規模なエージェント間のやり取りでは、わずかな非効率性の影響が大きいため、この設計は極めて重要です。

重要な点は、両方のチップがあらゆるワークロードに対応しつつも、役割を特化させることで、効率とパフォーマンスを最大限に引き出せることにあります。

TPU 8t：トレーニングの原動力

TPU 8t は、最先端モデルの開発サイクルを数か月から数週間に短縮するために構築しました。高い計算スループット、共有メモリ、チップ間帯域幅と、優れた電力効率および有効計算時間を高いレベルで両立させています。これにより、前世代と比較してポッドあたり約 3 倍優れた演算パフォーマンスを実現し、お客様の迅速なイノベーションを後押しします。

大規模なスケール: 単一の TPU 8t スーパーポッドは 9,600 個のチップと 2 ペタバイトの共有高帯域メモリまで拡張可能で、チップ間帯域幅は前世代の 2 倍に向上しました。このアーキテクチャは、121 ExaFlops の演算能力を提供し、極めて複雑なモデルであっても大規模なメモリプールを活用できます。
稼働率の最大化: 10 倍高速なストレージアクセスを統合し、データを TPU に直接取り込む TPUDirect と組み合わせることで、エンドツーエンドシステムの稼働率を最大化します。
線形に近いスケーリング: Google Cloud の新しい Virgo ネットワークと JAX および Pathways ソフトウェアを組み合わせることで、TPU 8t は、単一の論理クラスター内で最大 100 万個のチップに対してほぼリニアなスケーリングを提供することができます。

純粋なパフォーマンスに加え、 TPU 8t は包括的な RAS（信頼性、可用性、保守性）機能を通じて、 97% 以上の「グッドプット（単位時間あたりの有用で生産的な計算時間の割合）」を達成するように設計しました。これには、数万個のチップにわたるリアルタイムテレメトリ、ジョブを中断することなく故障したチップ間相互接続（ICI）リンクを自動検出して回避する機能、および人の介入なしに障害に対してハードウェア構成を再構築する光回路スイッチ（OCS）が含まれます。

ハードウェアの故障、ネットワークの停止、あるいはチェックポイントからの再起動が発生するたびに、クラスターのトレーニングは中断されます。最先端のトレーニングスケールにおいては、わずか 1% の差が数日間のアクティブなトレーニング時間に相当します。

	Ironwood (2025)	TPU 8t (2026)
ポッドサイズ	9,216	9,600
ポッドあたりの FP4 EFlops	42.5	121
双方向スケールアップ帯域幅 (1 チップあたり Tb/s)	9.6	19.2
スケールアウトネットワーク帯域幅 (1 チップあたり Gb/s)	100	400

TPU 8i：推論エンジン

エージェント時代において、ユーザーは質問をし、タスクを委任し、結果を得ることを期待しています。TPU 8i は、多数の特殊なエージェントが複雑なフローの中で連携し、困難なタスクに対してソリューションや洞察を提供する、複雑で反復的な共同作業を処理するように設計されています。 Google Cloud は、 4 つの主要なイノベーションを通じて、キューでの滞留による遅延を排除するためにスタックを再設計しました。

「メモリの壁」の打破: プロセッサのアイドル状態を防ぐため、TPU 8i は 288 GB の高帯域メモリと 384 MB のオンチップ SRAM（前世代の 3 倍）を搭載しました。これにより、モデルのアクティブなワーキングセットを完全にオンチップに保持します。
Axion による効率化: サーバーあたりの物理 CPU ホストを 2 倍に増やし、 Google カスタムの Arm ベース CPU である Axion に移行しました。不均一メモリアクセス（NUMA）による隔離を行うことで、システム全体のパフォーマンスを最適化しています。
MoE モデルへの最適化: 最新の Mixture of Expert（MoE）モデル向けに、インターコネクト（ICI）帯域幅を 19.2 Tb/s に倍増しました。新しい Boardfly アーキテクチャは最大ネットワーク直径を 50% 以上短縮し、システム全体が低レイテンシで結束した一つのユニットとして機能することを保証します。
ラグの排除: 新しいオンチップの Collectives Acceleration Engine（CAE）がグローバルオペレーションをオフロードし、オンチップレイテンシを最大 5 分の 1 に短縮することで、ラグを最小限に抑えます。

このイノベーションにより、前世代と比較してコストパフォーマンスが 80 % 向上し、企業は同じコストで約 2 倍の顧客リクエストに対応できるようになります。

	Ironwood (2025)	TPU 8i (2026)
ポッドサイズ	256	1,152
ポッドあたりの FP8 EFlops	1.2	11.6
ポッドあたりの総 HBM 容量 (TB)	49.2	331.8
双方向スケールアップ帯域幅 (1 チップあたり Tb/s)	9.6	19.2

TPU 8i の階層的な Boardfly トポロジー。4 つの全結合チップを構成要素とし、8 枚のボードで構成される全結合グループへと拡張、これらのグループ 36 個を全結合することで、1 つの TPU 8i ポッドを構成。

Gemini との共同設計をすべての人へ

第 8 世代 TPU は、 AI の大きな課題を解決するためにあらゆる仕様を構築するという、 Google の共同設計哲学の最新の成果です。

高度な推論モデルの通信要件に合わせて設計された Boardfly トポロジー、が採用されています
TPU 8i の SRAM 容量は、プロダクションスケールにおける推論モデルの KV キャッシュフットプリントに合わせて拡張されていますしました。
Virgo ネットワークファブリックの帯域幅ターゲットは、兆単位のパラメータを持つトレーニングの並列化要件に最適化されています。

また、初めて両方のチップが Google 独自の Axion Arm ベース CPU ホスト上で動作します。これにより、チップ単体ではなく、システム全体のパフォーマンスと効率を最適化できるようになりました。

両プラットフォームは、JAX、MaxText、PyTorch、SGLang、vLLM といったフレームワークをネイティブにサポートしています。また、ベアメタルアクセスにより、仮想化のオーバーヘッドを排除し、ハードウェアへ直接的なアクセスを可能にしました。MaxText のリファレンス実装や強化学習用の Tunix を含むオープンソースへの貢献を通じて、機能開発から本番環境への展開までを円滑にサポートします。

大規模な電力効率の設計

今日のデータセンターにおいて、電力確保はチップの供給と並ぶ大きな制約となっています。この問題を解決するため、Google はリアルタイムの需要に応じて消費電力を動的に制御する統合電力管理を導入し、スタック全体で効率を最適化しました。その結果、TPU 8t および TPU 8i は、前世代の Ironwood と比較して最大 2 倍の電力効率（ワットあたりのパフォーマンス）を実現しています。

しかし、Google における効率化の取り組みはチップ単体の指標に留まりません。シリコンからデータセンター全体に至るまでのシステムレベルのコミットメントです。例えば、ネットワーク接続と計算機能を同一チップに統合することで、データを移動させる際の電力コストを大幅に削減しました。データセンター自体も TPU に最適化された形で設計されており、ハードウェアとソフトウェアの革新によって、 5 年前と比較して単位電力あたり 6 倍のコンピューティングパワーを提供できるようになりました。

TPU 8t と TPU 8i はその進化を継承しています。両チップとも、第 4 世代の液冷テクノロジーによって提供されています。Axion ホストからアクセラレータまでフルスタックを所有することで、個別に設計されたシステムでは到達できないレベルのエネルギー効率を実現しました。

Google Cloud の第 4 世代冷却分配ユニット（CDU）

AI エージェント時代のためのインフラストラクチャ

コンピューティングの転換期には、常にインフラストラクチャの進化が必要です。AI エージェントの時代も例外ではありません。継続的なループの中で推論、計画、実行、学習を行う自律型エージェントの要求に応えるため、インフラストラクチャも合わせて進化し続ける必要があります。

TPU 8t と TPU 8i は、この課題に対する Google の回答です。 AI で何が可能かを再定義するために構築した 2 つの専用アーキテクチャであり、最先端の AI モデルの構築から、高度にオーケストレートされたエージェント群の運用、そして最も複雑な推論タスクの管理に至るまで、あらゆるニーズに応えます。両チップは今年後半に一般提供を開始する予定で、 Google の AI Hypercomputer の一部として利用できます。これは、専用ハードウェア（計算、ストレージ、ネットワーク）、オープンソフトウェア（フレームワーク、推論エンジン）、および柔軟な消費形態（オーケストレーション、クラスター管理、配信モデル）を統合します。

エージェント型コンピューティングは、可能性を再定義します。この変革を支える最新のイノベーションである TPU 8i および 8t を発表できることを嬉しく思います。詳細をご希望のお客様は、ぜひお問い合わせください。

Google のスケールアウト AI データセンターファブリック、Virgo Network のご紹介

Wed, 22 Apr 2026 02:00:00 +0000

※この投稿は米国時間 2026 年 4 月 23 日に、Google Cloud blog に投稿されたものの抄訳です。

AI 時代には、物理的なクラウドアーキテクチャを根本から見直す必要があります。特にネットワーキングはその中心です。基盤モデルのパラメータ数が指数関数的に増加するなか、従来の汎用ネットワークは限界に近づいています。今後 10 年の ML を支えるために、Google は「キャンパス全体を 1 台のコンピュータとして捉える」という考え方に基づく、新たなメガスケール AI データセンターファブリック Virgo Network を設計しました。これは Google の AI Hypercomputer を支える基盤でもあります。

従来型のネットワーク設計では、最新の AI が求める要件の一部に対応しきれません。

大規模化: トレーニング需要はすでに単一データセンターの電力や設置スペースの限界を超えており、複数のデータセンターをまたぐ統合ドメインが必要になっています。
帯域幅需要の急増: 基盤モデルのトレーニングはネットワーク依存度が非常に高いため、アクセラレータ 1 基あたりに必要な帯域幅はここ数年で大幅に増加しています。その結果、旧来のアーキテクチャではスループット不足や輻輳がボトルネックになっています。
同期バースト: ミリ秒単位で発生する激しいトラフィックスパイク（図 1）は、ネットワークバッファに大きな負荷をかけます。その結果、たった 1 つの「処理の遅い」ノードがクラスタ全体の性能を抑えてしまうことがあります。
低レイテンシ: ML サービングでは、リアルタイム推論を実現するために、高速かつ安定した応答時間が求められます。そのため、厳格なレイテンシ制御がアーキテクチャ設計上の重要な要件になります。

図 1: AI トレーニングワークロードで発生するサブミリ秒のラインレートバースト

データセンターネットワークの再構築

AI 時代の要求に応えるには、汎用的なネットワーク設計から脱却し、フラットで低レイテンシな専用ネットワークアーキテクチャへと大きく転換する必要があります。こうした固有のスケール要件とレイテンシ要件に対応するため、Google は north-south トラフィックには実績のある Jupiter ネットワークを活用し、east-west 通信には新たなファブリックを導入しました。その結果、3 つの異なる専用レイヤで構成されるアーキテクチャが、1 つの統合コンピューティングドメインとして機能します。

スケールアップドメイン: 単一 Pod 内のアクセラレータ間で、密接に連携した通信を行うために設計された、高帯域幅 / 低レイテンシの相互接続ファブリック。
スケールアウトアクセラレータファブリック（East-West）: Pod をまたいだ大規模な水平スケーリングに最適化された、アクセラレータ間の専用 RDMA（Remote Direct Memory Access）ファブリック。このレイヤは、決定論的なレイテンシと高い耐障害性を実現するよう設計されており、ML ワークロードに高い「実効スループット」を提供します。
Jupiter フロントエンドネットワーク（north-south）: 分散ストレージや汎用コンピューティングリソースに対して、高速かつ信頼性の高いアクセスを提供する大容量ファブリック。これにより、データアクセスがトレーニングやサービングワークロードのボトルネックになるのを防ぎます。また、非常に大規模なトレーニング実行に向けて、複数サイトにまたがるスケーリングにも使用されます。

このようにアーキテクチャを分離することで、次のような重要な戦略的メリットが得られます。

独立した進化: 各ネットワークドメインを個別に進化およびアップグレードできるため、システム全体への影響を抑えながら、イノベーションのサイクルを加速できます。
専用のスケールアウト帯域幅: ノンブロッキングネットワークにより、重要なトレーニングタスクに必要な大規模なバイセクション帯域幅をアクセラレータに提供できます。
ML とネットワークの協調設計: ネットワークは、ML アクセラレータの各世代に合わせて並行して設計されるため、対応するハードウェアに最適化されたファブリックを実現できます。

図 2: データセンターネットワークのアーキテクチャ

Virgo Network の紹介: メガスケールデータセンターファブリック

Virgo Network は、現代の AI ワークロードが求める極めて厳しい要件に応えるために設計されたスケールアウトファブリックです。1 台のスイッチでより多くのポートを扱える高ラディックススイッチを採用することでネットワーク階層を削減し、フラットな 2 層構成のノンブロッキングトポロジを実現しています。これにより、従来のデータセンターネットワークと比べてネットワーク階層が最小限に抑えられ、レイテンシを大幅に低減できます。さらに、アクセラレータを接続するために、独立した制御ドメインを備えたマルチプレーン設計を採用しています（図 3）。アクセラレータラックは、コンピューティングサービスやストレージサービスにアクセスするため、Jupiter の north-south ファブリックにも接続されます。こうしたシンプルで最適化されたアーキテクチャにより、分散トレーニングとサービングの両方に必要な、巨大なバイセクション帯域幅と、予測可能な低レイテンシを実現しています。

図 3: メガスケールデータセンターファブリック（Virgo Network）

Virgo Network は、Google の次世代アクセラレータ設計を支える基盤であり、次のような利点があります。

大規模なファブリックスケール: Virgo Network は、単一ファブリック内で 134,000 個のチップ（TPU 8t）を接続し、最大 47 ペタビット/秒のノンブロッキングバイセクション帯域幅を実現できます。
世代をまたぐ性能向上: 前世代と比べて、アクセラレータ（TPU 8t）あたり最大 4 倍の帯域幅を提供し、各チップの性能を最大限に引き出します。
予測可能な低レイテンシ: TPU における無負荷時のファブリックレイテンシを前世代比で 40% 低減し、レイテンシの影響を受けやすい AI ワークロードでも、より安定して予測しやすいパフォーマンスを実現します。

大規模環境における信頼性の向上

数十万個のチップを支えるシステムでは、ハードウェア障害は避けられません。しかも、1 つの不良コンポーネントが同期型のトレーニングジョブ全体に影響を及ぼす可能性があるため、この規模では信頼性の確保が最重要課題の一つになります。ワークロードの実効スループットを最大化するため、Google は Virgo Network のアーキテクチャを、障害の切り分け、高度な可観測性、そしてハングやストラグラーへの迅速な対処を中心に設計しました。

この規模では、システム全体のレジリエンスを支える強固なネットワーク基盤が欠かせません。Virgo Network は、独立したスイッチングプレーンを組み込むことで高い障害分離性を実現し、局所的なハードウェア障害によってクラスタ全体の実効スループットが損なわれないよう保護します。

図 4: fail-stop と fail-slow が MTTR に与える影響

この基盤の上で、Google はソフトウェアとオーケストレーションスタックも最適化し、主に次の 2 つの領域を通じて、平均中断間隔（MTBI）の最大化と平均復旧時間（MTTR）の最小化を図っています。

オブザーバビリティ: この規模で信頼性を確保するには、高精度な可視化が不可欠です。Google はサブミリ秒単位のテレメトリーを利用してネットワークシステムをモニタリングしています。このきめ細かな可視性により、一時的な輻輳の検知、バッファ管理の最適化、さらにハードウェアとソフトウェアのスタック全体にまたがる性能低下の根本原因の特定が可能になります。
ストラグラーとハングの検出: 性能が低下しているノード（ストラグラー）や、応答が完全に停止したノード（ハング）を特定するには、先回りしたモニタリングが不可欠です。自動化されたストラグラー検出と、新たに追加されたハング検出によって、こうしたボトルネックを迅速に特定し、トレーニングジョブを加速させるとともに、局所的な性能低下の影響から保護します。

AI Hypercomputer の基盤

Virgo Network は、現代の AI ワークロードが求める厳しい要件に対応するために専用設計された、新しいスケールアウト型データセンターネットワークです。このフラットでマルチプレーンなアーキテクチャにより、Pod をまたいでアクセラレータを 1 つのコンピューティングドメインに統合し、従来型ネットワークの帯域幅やスケーラビリティの限界を克服します。さらに、ハードウェアレベルで高い障害分離性を実現することで、Virgo Network はシステム全体のレジリエンスを支える基盤となり、同期型ワークロードを局所的なハードウェア障害から守ります。

最終的に、Virgo Network は、エージェント型 AI の時代を加速させるために必要なスケール、予測可能なレイテンシ、そして高い信頼性を提供します。AI の未来を支えるインフラストラクチャの構築についてさらに詳しく知りたい方は、 AI インフラストラクチャソリューションのページや技術ドキュメントをご覧いただくか、Google Cloud Next の専用ブレイクアウトセッションにご参加ください。

- プロダクト管理担当シニアディレクター、Benny Siman-Tov

- エンジニアリングフェロー、Arjun Singh

Firefly: データセンターでナノ秒レベルのクロック同期を実現するソリューション

Thu, 05 Mar 2026 01:00:00 +0000

※この投稿は米国時間 2026 年 2 月 24 日に、Google Cloud blog に投稿されたものの抄訳です。

イベントをナノ秒単位の精度で同期する機能は、ウォール街の高頻度取引フロアからクラウドデータセンターのオーケストレーションまで、さまざまな場面で不可欠です。しかし、最新のデータセンターの相互接続された数千台のデバイス全体でこのレベルの時刻精度を実現するには、クロックドリフト、ネットワークジッター、パスの非対称性などの多数の課題に対処しなければなりません。従来、クラウドホスト型のインフラストラクチャでは高レベルの時刻精度を実現することは不可能であったため、特定のクラスのアプリケーションを実行できませんでした。

そこで登場したのが、Google の研究者とエンジニアが開発したクロック同期システム「Firefly」です。Firefly は単なるクロック同期プロトコルではありません。理論的な分析情報と実用的なエンジニアリングを組み合わせ、要求の厳しいデータセンター環境内のコモディティハードウェアで、超高精度かつスケーラブルな、費用対効果の高い時刻同期を実現するソフトウェア主導のアプローチです。

ナノ秒単位の競争: 正確なタイミングが重要である理由

正確なクロック同期は、分散システムの基盤です。金融取引所では、規制要件により協定世界時（UTC）への 100 マイクロ秒未満の外部同期が義務付けられており、公平性を確保するために 10 ナノ秒未満の内部クロック同期が求められているため、妥協は許されません。高頻度取引では、タイミングがわずかに優位であるだけで大きな利益につながる可能性があるため、正確なタイムスタンプは市場の健全性を保つために不可欠です。金融以外の分野でも、データベースの整合性、分散ロギング、仮想マシンの管理、ネットワークテレメトリーなど、多くのデータセンター運用で、イベントを正確な時間順に並べることが重要になっています。データセンターの拡大に応じて、堅牢かつスケーラブルな同期ソリューションの必要性がさらに高まっています。

しかし、動的なデータセンター環境でナノ秒レベルの同期を実現するには困難が伴います。次のようないくつかの要因によって、精度が損なわれます。

クロックドリフト: すべてのクロックの基本となる水晶発振器には、時間の経過に応じて徐々にずれが生じるという特有の欠陥があります。従来は、こうしたずれの影響は小さいと考えられていましたが、10 ナノ秒未満を目指す場合は大きな問題となります。
ジッター: スイッチやネットワークインターフェースカード（NIC）などのネットワークコンポーネントによって、予測不可能な遅延が発生します。ネットワークバッファでのキューイングやパケットの複雑な処理に起因することが多いこれらの遅延は、ジッターとして顕在化し、同期メッセージのタイミングを乱します。
非対称性: 2 台のデバイス間のネットワークパスが対称であることはほとんどありません。ケーブルの長さ、ホップ数、ネットワーク機器の内部動作の違いにより、信号が反対方向に伝わるまでにかかる時間が異なる場合があります。この非対称性が原因で、一方向の遅延とクロックオフセットを推定する際に大きなエラーが生じる可能性があります。
スケーラビリティ: データセンターが数万台のサーバーを収容するほどに拡大した場合、同期ソリューションも、ボトルネックになったり、不釣り合いなリソースを必要としたりすることなく、状況に応じて効率的に拡張できなければなりません。
フォールトトレランス: 分散システムでは、障害は避けられません。全体的な同期の精度が損なわれないよう、同期プロトコルには、個々のノードやネットワークリンクの損失または誤動作に対する復元力が必要です。

Firefly: ソフトウェアと理論の橋渡し

多面的な戦略を使用してこれらの課題に対処する Firefly は、従来の同期プロトコルとは一線を画しています。その主なイノベーションは、アーキテクチャ設計と理論的基盤に見出されます。

1. レイヤー型同期: Firefly は、レイヤー型同期という新技術を採用しています。単一障害点になる可能性や遅延を引き起こす可能性のある中央クロックに依存するのではなく、まずデータセンター内の NIC 間で緊密な内部同期を確立します。ネットワーク内の各 NIC は、常に一連のピアと通信し、時刻を比較して調整します。このデバイスの「群れ」から、グループ全体が合意する、非常に安定した正確なコンセンサスタイムが明らかになります。この内部同期は高速かつ堅牢であるため、外部のタイミングの乱れから効果的に保護されます。同時に、Firefly は「群れ」全体を UTC に同期します。これらの 2 つのプロセスを分離することは非常に重要です。なぜなら、タイムサーバーのジッターやドリフトなどの外部要因が内部同期に直接影響しないようにできるからです。

2. ランダムグラフ上の分散コンセンサス: 脆弱で単一障害点の影響を受けやすい従来の階層型アプローチとは異なり、Firefly は d 正則ランダムグラフ上に構築された分散コンセンサスアルゴリズムを使用します。つまり、各 NIC はランダムに選択された「d」個のピアと通信します。Firefly の研究論文に掲載されている理論分析から、このようなランダムグラフには次のような大きな利点があることが判明しています。

合致の高速化: ランダムグラフを使用することで、ネットワーク全体でのクロック情報のより迅速な伝播を促進し、より高速な同期につなげることができます。
スケーラビリティ: 理論上の限界では、ピアの数（「d」）がノードの総数に対して対数的にスケールする場合、ネットワークのサイズが大きくなってもランダムグラフは同期精度を維持できることが示されています。
非対称性に対する復元力: ランダムグラフに固有の多様なプローブパスにより、パスの非対称性の影響を平均化して軽減できます。

3. ジッターと非対称性を実際に軽減: ランダムグラフの理論上の利点に加えて、Firefly には精度をさらに高めるための実用的な手法が組み込まれています。

RTT フィルタリング: Firefly は、ラウンドトリップ時間（RTT）の測定値を分析することで、キューイングジッターの影響を受けている可能性が高いプローブサンプルを特定して破棄し、遅延推定の精度を向上させます。
パスプロファイリング: Firefly はネットワークパスを積極的にプローブし、非対称性が最小限のパスを特定して優先します。このプロアクティブなアプローチにより、同期に関して最も信頼性の高いパスを選択できます。
ハードウェアの活用: 利用可能な場合、Firefly はネットワークスイッチのトランスペアレントクロック（TC）などの機能を利用して、スイッチ内の遅延を正確に把握し、測定エラーをさらに低減します。

4. 堅牢性とフォールトトレランス: Firefly は分散コンセンサスを平均化メカニズムと組み合わせて使用するため、障害に対する本質的な復元力を備えています。単一のタイムサーバーや固定の階層構造に依存しないことで、個々のノードの損失または誤動作に適切に対処できます。

実環境でのパフォーマンス

Firefly の研究論文に掲載されている結果には説得力があります。

内部同期: Firefly は、Google の最新のデータセンターファブリック技術と組み合わせて使用すると、NIC 間で常に 10 ナノ秒未満の同期を実現します。これを使用して、マシン間のパケット、ログ、リモートプロシージャコール（RPC）などのイベントの順序を決定できます。
外部同期: また、金融取引所の規制要件である 100 マイクロ秒よりもはるかに優れた UTC への同期も可能です。

Firefly 同期ネットワークで 6 ホップ離れた 2 つのクロック間のオフセットを、オシロスコープで 1 秒あたり 1 パルスで測定。

次の動画は、1 秒あたり 1 パルス（1 PPS）で NIC から出力される信号を利用してオシロスコープで定量化された、NIC 間同期の精度を示しています。各行は NIC クロックに対応しており、立ち上がりエッジは NIC クロックが整数の秒数に達した瞬間を示しています。オシロスコープの観測では、測定されたすべての NIC がほぼ同期しており、数ナノ秒以内で合致していることがわかります。

Firefly はコモディティハードウェア上のソフトウェアのみで動作し、高価な専用の同期機器を必要としないことを考慮すると、この結果は特に素晴らしいものです。これにより、幅広いデータセンターアプリケーションが超高精度の時刻同期に対応できるようになります。

未来の可能性の基盤

スケーラブルかつ費用対効果の高い方法でナノ秒レベルの精度を実現した Firefly の成功は、広範囲に影響をもたらします。

高精度のタイミングの民主化: Firefly を使用すると、従来は高価な専用ハードウェアに依存していたクラウドホスト型の金融サービスで、標準的なクラウドインフラストラクチャを使用して必要な精度を実現できるようになります。
新たな用途への対応: データセンターのデバイス全体で同期された正確なクロックを利用できるようになると、きめ細かいネットワークテレメトリーと輻輳制御、時間調整された分散システム、ML ワークロードの確定的ファブリックなどの分野に新たな可能性がもたらされます。
データセンターの運用の変革: Firefly は、緊密に統合された正確なタイミングのコンピューティングエンティティを作成することで、データセンターの全体的な効率、信頼性、パフォーマンスを向上させることができます。

つまり、Firefly はクロック同期の分野における大きな進歩であると言えます。グラフ理論とコンセンサスアルゴリズムに関する理論的な分析情報と、実用的なネットワークエンジニアリング手法を巧みに組み合わせることで、複雑な分散環境でナノ秒レベルの精度を実現するという長年の課題を克服しています。データセンターが進化し続ける中、Firefly のようなシステムは、高性能で信頼性が高く公平な未来のインフラストラクチャを構築するうえで重要な役割を果たすでしょう。

- Google、プロダクトマネージャー、Rohit Dalal

- ソフトウェアエンジニア、Yuliang Li

America-India Connect の発表と、グローバルな AI アクセスを促進する新たな投資

Wed, 25 Feb 2026 03:00:00 +0000

※この投稿は米国時間 2026 年 2 月 19 日に、Google Cloud blog に投稿されたものの抄訳です。

AI は、前例のない速さで進歩を加速させようとしています。ただし、そのためには、AI へのアクセスを初めから民主化する必要があります。Google はこのたび、インドおよび世界中において接続性を高めて、経済成長を加速させ、復元力を高めるために、デジタルインフラストラクチャとスキルアップの取り組みに対する新たな投資を行うことを発表しました。

4 大陸にわたって AI 接続を拡大

インフラストラクチャは、デジタルデバイドが AI デバイドへと変わるのを防ぐ基盤となります。このたび Google は、インドにおける 5 年間で 150 億ドルの AI インフラストラクチャ投資を軸とした共同インフラストラクチャイニシアチブである America-India Connect を発表いたします。このイニシアチブは、4 大陸にわたるデジタル接続の範囲、信頼性、復元力を高めることを目的としています。

America-India Connect は、現地のパートナーと協力して、ヴィシャカパトナム（ヴィザグ）に新しい国際海底ゲートウェイを確立します。また、インドとシンガポール、南アフリカ、オーストラリアを結ぶ 3 つの新しい海底経路と、米国、インド、さらには南半球の複数の拠点を結ぶネットワークの復元力と容量を強化する 4 つの戦略的な光ファイバールートを確立します。

インド東海岸（ヴィザグ）を接続

Google は、インド東海岸のヴィザグとチェンナイの間から南アフリカまで、直接光ファイバーでつなぐルートを開発しています。Equiano と Nuvem の海底ケーブルシステムと組み合わせることで、アメリカ東海岸からアフリカを回ってヴィザグまでを結ぶ、冗長な大容量ルートが構築されます。

さらに、ヴィザグとシンガポールを直接結ぶ海底ケーブルも敷設しています。Bosun 海底ケーブルシステムと Tabua 海底ケーブルシステムを組み合わせることで、米国西海岸からオーストラリアを経由してヴィザグまでを結ぶ南太平洋ルートが構築されます。

これらの投資により、ヴィザグは主要な国際海底ケーブルゲートウェイとなり、ムンバイとチェンナイにある既存の陸揚げ局のほかに重要な多様性を加えるものとなります。10 億人を超える国民を抱えるインドにとって、これはデジタルバックボーンの復元力を高め、経済安全保障を向上させることになります。

インド西海岸を接続

Google は、ムンバイと西オーストラリア州の間を直接結ぶ光ファイバーケーブルを敷設しています。TalayLink 海底ケーブルシステムと Honomoana 海底ケーブルシステムを組み合わせることで、アメリカ西海岸からオーストラリア周辺を通ってムンバイまでを結ぶ南太平洋ルートが構築されます。

この新しい経路は、米国東海岸から紅海を通ってムンバイまでデータ回廊を形成している Blue、Raman、Sol の海底ケーブルを補完するものです。

AI デバイドを解消

信頼性の高いインフラストラクチャは、デジタルデバイドに対する最善の対策です。海底ケーブルによる接続性の向上は、インターネットの利用しやすさと信頼性を高め、生産性と長期的な経済成長を促進することが十分に立証されています。デジタルサービスが利用しやすくなることで、個人は新たなスキルを身につけ、企業や公共機関は地域社会により良いサービスを提供できるようになるため、AI デバイドの根絶に役立ちます。

これらのルートは、ビットやバイトを運ぶだけでなく、長い歴史を持つグローバルなつながりを尊重し、「新世界」とインドを結ぶ海上商船ルートを両国間のデジタル貿易ルートに変え、両国の経済をより緊密に結び付けています。

America-India Connect は、アフリカ、オーストラリア、太平洋における AI アクセスの推進に向けて、数十の地域パートナーと協力して取り組んできた成果を基盤としています。グローバルな接続性を強化し、AI のメリットをあらゆるユーザーに提供するため、これらのパートナーと緊密に協力していますので、今後の発表にもご期待ください。

AI トランスフォーメーションのメリットを実現

復元力の高いインフラストラクチャはテクノロジーアクセスの基盤ですが、AI のメリットを最大限に実現するには、AI を使用する人材への投資も必要です。そのため、Google は政府機関と連携して、人々が新たな機会を掴むために必要なデジタルスキルを身につけられるよう支援しています。

Karmayogi Bharat（インド政府のデジタルミッション）と Google Cloud は、AI 対応のデジタル機能を全国で活用することで、未来に対応できる公務員制度を構築するという Mission Karmayogi のビジョンを加速させる点で協力しています。Google Cloud は、主要なクラウドパートナーとして、iGOT（Integrated Government Online Training）Karmayogi プラットフォームに安全で復元力のあるインフラストラクチャを提供しています。このスケーラブルなインフラストラクチャは、800 以上の地区にわたる 2, 000 万人以上の公務員をサポートし、学習サービスへの信頼性の高いアクセスを大規模に提供しています。

AI は、iGOT プラットフォームにおける学習のアクセス、検出、効果も高めます。このパートナーシップでは、従来のトレーニングリポジトリをデジタル化して検索可能なナレッジアセットに構造化し、18 以上のインドの言語でコンテンツを段階的に利用できるようにすることで、専門能力開発を促進し、職員が好みの言語で学習できるようにします。

Google はこれまで以上に、コミュニティ、企業、政府機関との連携を強めて、すべての人々のための AI イノベーションを促進していきます。そして、次世代のグローバルなつながりを支援できることを楽しみにしています。

- Google Cloud、グローバルネットワークインフラストラクチャ担当バイスプレジデント、Brian Quigley

サワディー（こんにちは）タイ！Google Cloud がバンコクに新しいリージョンを開設

Tue, 27 Jan 2026 02:00:00 +0000

※この投稿は米国時間 2026 年 1 月 21 日に、Google Cloud blog に投稿されたものの抄訳です。

ยินดีต้อนรับสู่ Google Cloud, Thailand!（タイの Google Cloud へようこそ！）

タイの企業や公共機関は共通の目標を掲げています。それは、低レイテンシで高性能なアプリケーションを提供しながら、貴重なデータが国内に安全にとどまるよう確保することです。

現在、Google Cloud はバンコクに新しいクラウドリージョンを開設することで、この課題に取り組んでいます。この開設は、タイのデジタルインフラストラクチャに 10 億米ドルを投資する重要なマイルストーンであり、タイの経済における強力な原動力となります。今後 5 年間で、バンコクリージョンはタイに 1.4 兆タイバーツ（410 億米ドル）の経済的価値をもたらし、年間平均 13 万人の雇用を支えると予測されています。

Google の取り組みはインフラストラクチャにとどまりません。人材育成と地域社会の支援のために、タイのデジタルエコシステムにも多額の投資を行っています。この新しいリージョンは、世界水準のインフラストラクチャと人材のスキルアップを掛け合わせることで、組織がデジタルおよび AI による変革を加速させ、タイ国内のみならず世界中でイノベーションと持続的な成長への扉を開きます。

タイの変革とイノベーションのリーダーである True Digital Group は次のように述べています。

「Google Cloud のタイリージョンの開設は、国のデジタル経済にとって画期的な出来事であり、タイにおけるデータと AI の大規模な導入を加速するうえで重要なマイルストーンとなります。

Google Cloud は、世界水準のクラウドインフラストラクチャと高度な AI 機能をバンコクに直接提供することで、組織がグローバルイノベーションと現地のデータ主権の間にある重大なギャップを埋められるようにします。また、PDPA 基準に則って信頼性、セキュリティ、コンプライアンスを強化します。

True Digital Group にとって、このローカルリージョンはエコシステム全体にわたる大規模なデータセットを安全に統合し分析するための強固な基盤を提供してくれるため、データを有意義な実際の成果へと変換できます。これは、当社の AI ファーストの方向性を支えるとともに、タイの消費者に信頼性が高くよりパーソナライズされた利用しやすいデジタルサービスを提供できるようにします。さらに、さまざまな業界の組織に向けてスケーラブルなデジタルソリューションも実現します。

重要なのは、この進展によって高度なクラウドテクノロジーや AI テクノロジーの導入の障壁が低くなり、デジタルの公平性が推進されることです。これにより、個人、中小企業、大企業、公共部門の組織は自信を持ってイノベーションに取り組むことができます。接続性、クラウド、データ、AI の緊密な統合を通じて、私たちはテクノロジーを実用的な価値に転換すること、つまり日常生活を改善し、経済全体の生産性を向上させることを目指しています。

Google Cloud とともに、この安全で低レイテンシの基盤を活用して共同イノベーションを加速し、復元力の高いデジタルインフラストラクチャを構築することはもちろん、グローバル市場におけるタイの長期的な競争力の強化も楽しみにしています。」- True Digital Group、プレジデント Ekaraj Panjavinin 氏

データ所在地に妥協することなく高いパフォーマンスを実現

この新しい Google Cloud リージョンにより、企業、組織、デベロッパーはタイのお客様に優れたエクスペリエンスを提供できるようになります。高パフォーマンスかつ低レイテンシのクラウドサービスをタイで提供することで、タイの大手商業銀行であるカシコン銀行（KBank）の技術部門、カシコンビジネステクノロジーグループ（KBTG）のようなお客様に対して、ユーザーエクスペリエンスの向上とビジネスアジリティの強化を実現しています。

「KBTG を地域トップのテクノロジー組織へと導くなかで、Google Cloud のタイリージョンの開設は、当社の戦略にとって極めて重要なマイルストーンといえるでしょう。

第一に、ネットワークレイテンシの短縮とパフォーマンスの向上によって、ユーザーはより高速でシームレスなデジタルバンキングを体験できます。第二に、ローカルのクラウドリージョンは、タイ銀行（BOT）の規制基準の遵守を簡素化し、データ所在地とプライバシーをより細かく制御できます。最後に、リージョンの開設により、最高のセキュリティ基準を維持しつつ、クラウドアーキテクチャを最適化して費用効率を高めることが可能になりました。つまり、タイの人々のためにイノベーションを迅速に進めることができるようになったのです。」- カシコンビジネステクノロジーグループ、会長、Voranuch Dejakaisaya 氏

このリージョンによって、ローカルインフラストラクチャの選択肢が提供されるため、タイの多くの組織にとってクラウドを導入する際の大きな障壁が解消されることになります。また、国内でデータを保存し処理する機能を提供することで、企業や公共機関が個人情報保護法（PDPA）などの規制を遵守できるよう支援します。これは、可能性が引き出され、タイの独創性が開花する重要な転換点になると考えています。スタートアップから既存企業、そして公共部門の組織まで、バンコクの新しいリージョンは、AI 時代で成功するために必要なインフラストラクチャとツールを提供します。

この新しいリージョンは、タイのデジタルインフラストラクチャの能力を強化し、タイのイノベーションエコシステムにおける Google のパートナーシップを確固たるものにします。

AI によるイノベーションへの入り口

新しいバンコクリージョンにより、企業は 2 つのメリットを享受できます。1 つは、安全かつ高パフォーマンスで低レイテンシのインフラストラクチャを使用して、アプリケーションをローカルで構築、デプロイできること。そしてもう 1 つは、Gemini などのグローバルに利用可能な AI プロダクトやモデルにアクセスできることです。

バンコクリージョンは、Google のグローバルネットワーク全体でホストされている Google Cloud AI エコシステムにアクセスするための安全で高速なオンランプ（入り口）として機能します。企業は、業界をリードする Google の開発プラットフォームである Vertex AI を活用し、Gemini 3 を使用したエージェントソリューションを構築、デプロイできます。また、Imagen や Veo などのクラス最高の生成メディアモデルも使用できます。Gemini Enterprise にアクセスして、AI を特定のエンタープライズデータソースや既存のワークフローに接続することで、従業員を支援し、複雑な作業を自動化できます。Google Cloud AI にアクセスすることで、エージェントを活用して安全に仕事の進め方を変革できます。これには、Google を支えているのと同じ最先端のテクノロジーが使用されます。

タイのデジタル化の未来に向けた Google の長期的な取り組み

タイに対する Google の取り組みは、この新しいクラウドリージョンの開設だけではありません。人材育成と地域社会の支援のために、タイのデジタルエコシステムに多額の投資を行っています。Google Skills などのプログラムや、PanyaThAI カスタマーサクセスプログラムなどの取り組みを通じて、私たちはタイで強力な人材パイプラインを構築し、国内で起こっている素晴らしいイノベーションを紹介するお手伝いをしています。

独占的な開設パートナーシップ: 主要な開設パートナーである Accenture、Beryl8、Deloitte、MFEC、NTT Data との連携により、新しいクラウドリージョンを開設できることを嬉しく思います。パートナーのエンジニアリングとコンサルティングに関する深い専門知識により、お客様は新しいリージョンのメリットを迅速に実現できます。
地域とのコラボレーション: Google は、タイの企業、教育機関、行政機関と協力して、活気あるクラウドエコシステムを構築しています。これらのコラボレーションは、スキル開発、知識の共有、地域のイノベーションのサポートに重点を置いています。

タイでの新しいクラウドリージョンの開設は、私たちの共同の取り組みの第一歩にすぎません。Google は、タイへの継続的な投資に尽力し、国内で処理が可能な Google AI サービスの提供範囲を拡大し続け、地元の企業や組織と連携して業界を変革し、新たな機会を切り開き、明日の世界を形作ることを支援します。皆様が何を生み出していくのか、楽しみにしています。Google Cloud コンソールで バンコク（asia-southeast3）を探して、今すぐご利用ください。

- Google Cloud（アジア太平洋）、プレジデント、Karan Bajwa

20 億ドルの投資の一環として、トルコに新しい Google Cloud リージョンを開設予定

Fri, 28 Nov 2025 03:00:00 +0000

※この投稿は米国時間 2025 年 11 月 21 日に、Google Cloud blog に投稿されたものの抄訳です。

トルコへの 10 年にわたる 20 億ドルの投資の一環として、新しい Google Cloud リージョンをトルコに開設する予定です。

Turkcell と協力して整備されるこの世界水準のデジタルインフラストラクチャの確立は、トルコのデジタルトランスフォーメーションや地域全体のクラウドイノベーションを加速させる重要な複数年投資となります。

「Google Cloud と Turkcell のパートナーシップは、トルコのデジタルトランスフォーメーションの発展をさらに加速させるでしょう。これは、主要なグローバルテクノロジー企業がわが国の経済の力強さ、復元力、イノベーション能力に寄せている信頼を反映しています。この提携は、高度なデータインフラストラクチャと次世代のクラウドテクノロジーをデジタルエコシステムに統合することで、公共部門と民間部門の両方で効率を高め、イノベーションを促進します。さらに、デジタル主権を強化して、トルコをテクノロジー、接続性、サステナブルな成長の地域拠点として位置付けるというわが国の長期的なビジョンをサポートするものです。」- トルコ共和国副大統領、Cevdet Yılmaz 氏

「Google Cloud とのパートナーシップにより、トルコのデジタルトランスフォーメーションを推進する Turkcell のリーダーシップは明確に強化されることになります。この戦略的パートナーシップは単なるテクノロジーへの投資にとどまりません。トルコにとっては、Google Cloud のグローバルなテクノロジーを活用し、AI イノベーションの機会を拡大することで、デジタルの未来に向けた国家的なビジョンを推し進めるための重要なマイルストーンとなります。このコラボレーションにより、当社のお客様は Google Cloud の最先端の機能をシームレスに利用できるようになります。新しい Google Cloud リージョンは企業のイノベーションを加速し、グローバルな競争力を高めてくれるでしょう。このパートナーシップの一環として、Turkcell はデータセンターとクラウドテクノロジーに 10 億ドルを投資する予定です。」- Turkcell CEO、Ali Taha Koç 博士

トルコリージョンが開設されると、トルコ国内および EMEA 全体でクラウドサービスと AI 主導のイノベーションに対するお客様の需要の高まりに対応できるようになります。高パフォーマンスのサービスが提供されるため、組織はエンドユーザーに対してより迅速、安全、確実にサービスを提供できます。現地のお客様とパートナー様は、低レイテンシに加えて最高水準の国際的なセキュリティ基準およびデータ保護基準を維持できる主要な管理機能をご活用いただけます。

「クラウドテクノロジーは、金融業界で進行中のデジタルトランスフォーメーションを実現する重要な手段です。Google Cloud の新しいトルコリージョンにより、Garanti BBVA は AI と高度なデータ分析機能を安全にデプロイして、イノベーションを継続しながらオペレーショナルレジリエンスを強化できます。このコラボレーションのおかげで、当社は信頼性の高い高パフォーマンスのデジタルサービスをお客様に提供するというコミットメントを強化できます。また、これまでと変わらずデータ主権、プライバシー、信頼を当社のあらゆる活動の中心に置くことを保証できます。」- Garanti BBVA、İlker Kuruöz 氏

「トルコ航空は、トルコと世界をつなぐ国際航空会社として、高パフォーマンスで復元力の高いテクノロジーを頼りに、24 時間年中無休で途切れることのないカスタマージャーニーを提供しています。トルコにローカルリージョンを開設してグローバルネットワークと接続する Google Cloud の計画は、当社のフライト業務、乗客システム、データ集約型アプリケーションに大きな変革をもたらします。ハイパースケールクラウドインフラストラクチャが国内にあることで、高度な分析、堅牢なサイバーセキュリティソリューション、将来の AI 機能を導入するために必要な低レイテンシが確保されます。これにより、デジタル戦略の推進を加速し、サービスエクセレンスに対するコミットメントを強化できます。」- トルコ航空、Kerem Kızıltunç 氏

「Yapı Kredi は、継続的なイノベーションとコアバンキングインフラストラクチャのモダナイゼーションに注力し、制限のないバンキングエクスペリエンスをお客様に提供しています。トルコに開設予定の Google Cloud リージョンによって、高度な AI とサイバーセキュリティに対する取り組みを推進するために必要な、堅牢でスケーラブルかつ安全なハイパースケールクラウドインフラストラクチャが提供されます。この現地拠点は、当社の成長を支えるために必要なパフォーマンスと柔軟性を大幅に高め、次世代の安全なデジタルファーストの金融商品を開発する力を与えてくれます。」- Yapı Kredi Bank、Gökhan Özdinç 氏

現在、Google Cloud のクラウドリージョンのグローバルネットワークでは、全世界で 42 のリージョンと 127 のゾーンが稼働しており、あらゆる業界の大小さまざまな規模のお客様をサポートする基盤となっています。小売、メディア＆エンターテイメントから金融サービス、医療、公共部門に至るさまざまな主要な組織が、信頼できるイノベーションパートナーとして Google Cloud を導入しています。

トルコの Google Cloud リージョンの主な機能は次のとおりです。

高度な機能とテクノロジー: このリージョンでは、データ分析、サイバーセキュリティ、デジタルビジネスソリューションなど、Google Cloud の最先端のサービスが提供されます。Google の最先端の AI イノベーションがトルコのデジタルエコシステムを強化し、企業や公共部門の組織はより効率的、迅速、安全に業務を遂行できるようになります。
データ主権とセキュリティの確保: トルコの新しいリージョンでは、保存データと転送データ双方の暗号化、きめ細かいデータアクセス制御、データ所在地、高度な脅威検出システムなど、Google の堅牢なインフラストラクチャの恩恵を受けられます。Google は、最高水準の国際的なセキュリティ基準およびデータ保護基準を遵守し、お客様のデータの機密性、完全性、主権を確保します。
高パフォーマンスと低レイテンシ: トルコおよび周辺諸国のエンドユーザーに、高速で低レイテンシのエクスペリエンスを提供します。Google のグローバルネットワーク全体にわたって、大量のデータを簡単にネットワーク間で転送できます。
オンデマンドのスケーラビリティと柔軟性: Google Cloud のインフラストラクチャは、あらゆるビジネスに合わせて簡単にスケールできるように設計されています。小規模なスタートアップでも大企業でも、進化するニーズに合わせてリソースを簡単に調整できます。

新設のリージョンや開設予定のリージョンなど、グローバルクラウドインフラストラクチャの詳細についてご確認ください。

-Google Cloud マネージングディレクター（中東、北アフリカ、トルコ担当）、Abdul Rahman Al Thehaiban

-Google Cloud カントリーマネージャー（トルコ担当）、Onder Guler

TalayLink 海底ケーブルと新しい接続ハブのご紹介

Fri, 28 Nov 2025 02:00:00 +0000

※この投稿は米国時間 2025 年 11 月 24 日に、Google Cloud blog に投稿されたものの抄訳です。

このたび Google は、オーストラリアとタイを結ぶ新しい海底ケーブル「TalayLink」を発表いたします。これにより、アジア太平洋地域および世界中のデジタル接続の到達範囲、信頼性、復元力が大幅に向上します。

タイ語で海を意味する「talay」にちなんで名付けられた TalayLink は、昨年 Australia Connect イニシアチブの一環として発表したインターリンクケーブルを拡張するものです。この新しい海底ケーブルは、既存の多くの海底ケーブルが現在敷設されているスンダ海峡の西、インド洋を経由してタイへの新しい多様な経路を確立します。この戦略的なルーティングにより、タイに今後開設されるデータセンターおよびクラウドリージョンと Google のグローバルネットワークとの統合がさらに強化されます。

TalayLink 海底ケーブルシステムに加え、西オーストラリア（マンデュラ）とタイ南部における新しい接続ハブの計画も発表いたします。これらの戦略的投資は、ケーブルの切り替え、コンテンツキャッシュ、コロケーション機能を通じて、地域の接続を将来にわたって確保し、高度なデジタルサービスと AI サービスの提供を加速させることを目的としています。

マンデュラのこの接続ハブによって、西オーストラリア州における既存の海底ケーブルの大部分が現在陸揚げされているパースから、多様な陸揚げ地点が確立されます。海底ケーブルの交差点として確立されているタイ南部では、コロケーションプロバイダの AIS と提携して、デプロイを加速させ、既存の地域インフラストラクチャへの投資を活かしています。

「TalayLink ケーブルは、タイの接続性と復元力を高めるデジタルインフラストラクチャの要となります。将来を見据えた今回の投資によって、タイに開設予定の Google Cloud リージョンとデータセンターとともに、地域のネットワークとコンピューティングの容量が大幅に拡大され、東南アジアにおける次世代のクラウドと AI イノベーションの重要なデジタルゲートウェイとしてのタイの地位が確立されます。

「タイ投資委員会（BOI）は、タイにおける Google の投資を全面的に支援し、タイのデジタル経済の成長を促進し、デジタルスキルを向上させて、包括的かつ持続可能な開発を確保することに尽力しています。」- タイ投資委員会（BOI）、事務総長、Narit Therdsteerasukdi 氏

「AIS は、タイ南部の接続ハブをサポートすることで、戦略的パートナーとして Google との関係を拡大できることを嬉しく思います。Google の新しい多様な海底ケーブルの経路と AIS の高信頼性コロケーション機能を組み合わせることで、この地域のデジタルインフラストラクチャで国の AI 戦略を支えられるようになります。」- AIS 最高経営責任者 Pratthana Leelapanang 氏

「ALT Telecom PLC の子会社である International Gateway Company（IGC）は、タイに新しい海底ケーブルを敷設するにあたり、Google の主要パートナーとして参加できることを嬉しく思います。IGC は、全国規模のネットワークと国際ケーブルゲートウェイを運用してきた豊富な経験をこのプロジェクトに活かします。このケーブルは、タイの意欲的なデジタル経済開発戦略を加速させる重要な新しいデジタルインフラストラクチャです。」- ALT Telecom 社、社長、Preeyaporn Tangpaosak 氏

これらのプロジェクトが完了すると、TalayLink と接続ハブがオーストラリア、アフリカ、東南アジアのネットワークの復元力を支えます。以前に発表したモルディブとクリスマス島の接続ハブと組み合わせることで、これらの投資はインド洋を越えて中東まで接続を拡大します。

この新しいケーブルと各地域の Google の接続ハブは、安全で包括的なデジタル社会の未来を確保するという西オーストラリア州のロードマップと、AI とデジタルインクルージョンによる経済変革というタイ政府の目標を直接支援します。復元力と信頼性に優れたインターネットインフラストラクチャを通じて、オーストラリア、タイ、東南アジア全体の経済的および社会的成長に貢献できることを嬉しく思います。

-Bikash Koley、Google Cloud、Google グローバルインフラストラクチャ担当バイスプレジデント

Dhivaru と 2 つの新しい接続ハブのご紹介

Thu, 20 Nov 2025 03:00:00 +0000

※この投稿は米国時間 2025 年 11 月 18 日に、Google Cloud blog に投稿されたものの抄訳です。

Google はこのたび、モルディブ、クリスマス島、オマーンを結ぶ新しいインド洋横断海底ケーブルシステム、Dhivaru を発表いたします。この投資は、オーストラリア接続構想を基盤とするもので、インド洋全域のデジタル接続の到達範囲、信頼性、レジリエンスをさらに高めます。

到達範囲、信頼性、レジリエンスは、AI を活用した、ユーザーとお客様向けのサービスの成功に不可欠です。Gemini 2.5 Flash Image（別名 Nano Banana）や Vertex AI などの画期的なサービスが広く普及する中、ユーザーにとってレジリエンスのある接続の重要性がかつてないほど高まっています。AI の導入スピードも誰の予測よりも速く、Google はこの長期的な需要に応えるために投資しています。

「Dhivaru」は、モルディブの伝統的な帆船のメインセールを制御するロープで、海を航海する古来の船乗りのスキル、強さ、経験を意味します。

ケーブルへの投資に加えて、Google はこの地域に 2 つの新しい接続ハブを構築するための投資も行います。モルディブとクリスマス島は、アフリカ、中東、南アジア、オセアニアなどの地域のデジタル接続を改善するのに役立つ接続ハブとして、地理的に適した位置にあります。

「Google がモルディブに投資するという決定は、モルディブが安定したオープンな投資環境にあるという信頼感を明確に示すものであり、多様で包括的かつデジタル化されたモルディブ経済という私たちのビジョンに直接つながるものです。世界がデジタルトランスフォーメーションと AI によって定義される時代に急速に移行する中、モルディブは自身をグローバルな接続性の交差点に位置付けていますが、このプロジェクトにそれがよく表れています。有利な地理的条件を活かして、国民のために新たな経済的機会を創出し、グローバル経済の未来に大いに貢献します。」 - モルディブ共和国大統領、Mohamed Muizzu 閣下

「モルディブに新しい接続ハブを設立するという画期的な取り組みで、Google と提携できることを嬉しく思います。このプロジェクトは、国のデジタルインフラストラクチャを強化し、次なるデジタルトランスフォーメーションの波を可能にするための大きな一歩となります。大手デジタルプロバイダとして、Ooredoo Maldives は全国で世界クラスの接続性とデジタルサービスを拡大し続けています。この進歩により、観光などの業界では、よりスマートな運用、カスタマーエクスペリエンスの向上、グローバルなリーチの拡大など、新たなビジネスチャンスが生まれています。デジタルモルディブの次の段階を推進できることを誇りに思います。」 - Ooredoo Maldives CEO 兼 MD、Khalid Al Hamadi 氏

「Dhiraagu は、モルディブのデジタル接続を推進し、国民、コミュニティ、企業を支援することに尽力しています。長年にわたり、Dhiraagu は堅牢な海底ケーブルシステムの構築に多額の投資を行ってきました。これにより、デジタル環境が変革され、モルディブが世界とつながり、全国で高速ブロードバンドの展開が可能になりました。Google が海底インフラストラクチャを拡張し、モルディブ最南端の都市であるアッドゥ市に新しい接続ハブを設立するにあたり、Google と提携できることを誇りに思います。世界最大級のテクノロジー企業とのこの戦略的コラボレーションは、グローバルな海底インフラストラクチャにおけるこの国のプレゼンスを強化する新たなマイルストーンとなり、デジタルエコシステムの信頼性とレジリエンスをさらに高めます。」- DHIRAAGU、CEO 兼 MD、Ismail Rasheed 氏

インド洋地域の接続ハブ

接続ハブは、ケーブルの切り替え、コンテンツキャッシュ、コロケーションという 3 つのコア機能を通じて、地域の接続を将来にわたって確保し、次世代サービスの提供を加速させることを目的とした戦略的投資です。

ケーブルの切り替え: シームレスなレジリエンスを実現

Google は、データが「経路を切り替えられる」ポイントに到達するまでの距離を最小限に抑えるため、接続ハブの場所を慎重に選択しています.. この機能により、レジリエンスが向上し、この地域全体で堅牢かつ高可用性の接続が確保されます。このハブは、複数のケーブル間のトラフィックを自動的に再ルーティングすることもできます。1 本のケーブルに障害が発生した場合、トラフィックは自動的に次に最適なパスを選択して移動を続行します。これにより、ホスト国だけでなく、地域全体のサービスとユーザーのダウンタイムを最小限に抑え、高い可用性を確保できます。

コンテンツキャッシュ: デジタルサービスを加速

最適なユーザーエクスペリエンスを実現するには、低レイテンシが不可欠です。Google の目標の一つは、ユーザーとお客様のできるだけ近くからコンテンツを提供することです。Google は、最も人気のあるコンテンツのコピーをローカルに保存するキャッシュを使用することで、このコンテンツを取得または表示する際のレイテンシを短縮し、サービスの品質を向上させています。

コロケーション: 地域のエコシステムを育成

接続ハブは多くの場合、サービスや IT ハードウェアを収容する高品質のデータセンターにユーザーがアクセスしにくい場所（島など）にあります。これらの施設は Google のデータセンターと比べるとそれほど大きくありませんが、Google は共有インフラストラクチャのメリットを理解しており、通信事業者や地元企業にラックスペースを提供することに尽力しています。

エネルギー効率

海底ケーブルは非常にエネルギー効率に優れています。その結果、複数のケーブル、コンテンツストレージ、コロケーションをサポートする場合でも、Google の接続ハブは一般的なデータセンターよりもはるかに少ない電力しか必要としません。こうしたハブは主にネットワーキングとローカルストレージに重点を置いており、AI、クラウド、その他のインターネットの重要な構成要素をサポートする大きな需要には対応していません。もちろん、接続ハブに必要な電力は、小規模な拠点にとっては依然として大きな負担となる可能性があります。そのような場合、Google は、再生可能エネルギーソリューションを促進してきた長年の歴史に沿って、電力需要を利用して持続可能なエネルギー発電への地域投資を加速させることを検討しています。

モルディブとクリスマス島の新しい接続ハブは、インド洋地域のインターネットインフラストラクチャのレジリエンスを高めるのに最適な場所に位置しています。これらの施設は、Google のプロダクトを強化し、地域経済を活性化して、世界中の人々と企業に AI のメリットをもたらします。今後も海底ケーブルと接続ハブを発表し、インターネットの到達範囲、信頼性、レジリエンスをさらに高めていく予定です。

-Global Networking and Infrastructure 担当バイスプレジデント、Bikash Koley

Asia Pacific Internet Development Trust と Google、太平洋地域における研究と教育ネットワーク強化に関する契約を締結

Wed, 12 Nov 2025 02:00:00 +0000

^{写真左から：村井純博士（APIDT ディレクター）、ブライアンクイグリー（Google Cloud グローバルインフラストラクチャバイスプレジデント）}

Asia Pacific Internet Development Trust（APIDT）と Google は本日、Arterial Research and Education Network in Asia Pacific（ARENA-PAC）を通じ、太平洋地域の研究および教育（R&E）コミュニティに変革をもたらす機会を創出する、新たな長期契約を締結したことを発表しました。

本戦略的合意は、太平洋接続構想と合わせて、太平洋全域の R&E 機関におけるオープンな協働を支援し、信頼性、可用性に優れた高速コネクティビティを推進する上で、重要な節目となります。このイニシアチブは、国際的な研究協力への参加、大規模データセットの共有、オープンサイエンスの推進、そして太平洋諸島の人々の学習機会の拡大を可能にし、同地域の基盤を大幅に強化します。

APIDT が太平洋接続構想によって拡張された通信ケーブルのキャパシティを得ることで、ARENA-PAC ネットワークは、国内外の R&E 活動を支える高速かつ低遅延のコネクティビティを確保します。この新たなキャパシティは、ネットワークに以下のような主要なメリットをもたらします。

データ集約型研究の加速： 研究機関や学術機関が、複雑かつ即時性の高いデータ処理のために膨大なデータセットを迅速に共有、転送できるようになります。これにより、科学、ヘルスケア、研究成果の進展に貢献します。
リアルタイムでのグローバル連携強化とデジタル学習およびリソースアクセスの拡大： 研究者や教育者がシームレスなリアルタイム連携を行うことが可能になります。これにより、以下のような可能性が生まれます。
- より質の高いオンライン教育や文化コンテンツの配信
- 遠隔地の専門家とのリアルタイムな健康および医療相談
- 太平洋全域における大規模なオープン教育リソースの共同制作

慶應義塾大学サイバー文明研究センター（CCRC）、WIDE プロジェクト創設者であり、APIDT のディレクターである村井純教授は次のように述べています。
「Google との連携を通じて、太平洋地域のネットワークに新たなキャパシティを追加することで、地域の R&E コミュニティに恩恵をもたらす、包括的かつレジリエントな高性能なコネクティビティを実現できます。この提携は、地域における R&E ネットワークの利用しやすさ、手頃な価格、アクセス性を促進するという私たちの使命と完全に一致するものです。」

Google Cloud グローバルインフラストラクチャバイスプレジデントであるブライアンクイグリーは次のように述べています。
「APIDTと契約を締結し、太平洋接続構想によって拡張された通信ケーブルのキャパシティを提供することは、『世界中の情報を整理し、世界中の人々がアクセスできて使えるようにすること』という Google の使命を前進させる重要な一歩です。この独自のイニシアチブは、我々の共同の取り組みが、アジア太平洋全域の研究と教育機関に、より広い到達範囲、より低い遅延、そしてより信頼性の高いインターネットをいかに提供できるかを示す重要な事例となります。」

太平洋接続構想は、Google をはじめ、多くの地元や地域の参加者を含む、太平洋を横断する新たな海底ケーブルインフラを構築するためのマルチステークホルダーイニシアチブです。このイニシアティブは、インターネットインフラの到達範囲を拡大し、島嶼国間に存在する歴史的なデジタル接続格差を埋めるための新たな接続を促進します。また、太平洋地域の通信のレジリエンスを強化し、海底ケーブルインフラの信頼性を確保することを目指しています。

2024 年 4 月、Google は太平洋接続構想の拡張を通じた日本へのデジタルコネクティビティへの投資を発表しました。これには、Humboldt、TPU、Bulikula、Halaihai、Honomoana、Tabua、Proa、Taihei といった海底ケーブルが含まれます。米国と日本の間に新たな光ファイバールートを確立することで、Google のデジタル未来構想をサポートするとともに、米国、日本、そして複数の太平洋島嶼国と地域間のデジタルコネクティビティの信頼性とレジリエンスを向上させます。

本契約締結は、アジア太平洋全域のインターネット発展を推進するという APIDT の使命を強化するものであり、また、世界中のコミュニティにおいて到達範囲を拡大し、デジタル格差を縮小するインフラを推進するという Google のコミットメントとも一致しています。

Asia Pacific Internet Development Trust（APIDT）について

Asia Pacific Internet Development Trust（APIDT）は、WIDE プロジェクトと APNIC が共同で設立したイニシアチブであり、キャパシティビルディング（能力構築）やインターネットインフラの発展を含む、アジア太平洋地域のインターネット開発イニシアチブに資金を提供するために設立されました。APIDTは、Arterial Research and Educational Network in the Asia Pacific （ARENA-PAC）を通じて、R&E を目的としたバックボーンネットワークへの投資を行ってきました。ARENA-PAC は、グアム、東京、インドネシア、フィリピン、シンガポール、マレーシア間を結ぶ 100Gbps リンクで構成されています。ARENA-PAC の運用は、WIDE プロジェクトが担当し、様々なキャパシティビルディングプログラムは、ARENA-PAC と連携するアジア太平洋地域の大学間 R&E コミュニティである SOI Asia が主導しています。ARENA-PAC と SOI Asia の事務局は、ともに慶應義塾大学サイバー文明研究センター（CCRC）内に設置されています。

Google におけるメディアのサニタイズの未来

Wed, 22 Oct 2025 03:00:00 +0000

※この投稿は米国時間 2025 年 10 月 14 日に、Google Cloud blog に投稿されたものの抄訳です。

Google では、お客様のデータを保護することを最重要事項としており、お客様のデータを安全に保つことに尽力しています。この取り組みをさらに進めるため、2025 年 11 月より、メディアのサニタイズに対するアプローチを、堅牢で多層的な暗号化戦略に完全に依存する形に移行することを発表いたします。

これは、20 年近く使用してきた「ブルートフォースディスク消去」プロセスからの脱却を意味します。データの上書きは効果的な方法でしたが、ストレージ技術の状況は劇的に変化しました。今日のメディアはサイズが大きく、技術的にも複雑であるため、このプロセスはもはや持続可能ではありません。

よりスマートなアプローチ: 暗号化消去

こうした課題に対処するため、Google はより新しく、効率的なメディアのサニタイズ方法である暗号化消去を採用します。

Google のサービスでは、すべてのユーザーデータが複数の暗号化レイヤによってデフォルトで保護されます。暗号化消去では、この暗号化を利用してメディアをサニタイズします。ドライブ全体を上書きする代わりに、データを暗号化するために使用される暗号鍵を安全に削除します。鍵がなくなると、データは読み取り不能、復元不能になります。

この方法は、より高速であるだけでなく、業界のベストプラクティスにも沿っています。米国国立標準技術研究所（NIST）は、特別出版物 800-88 で暗号化消去を有効なサニタイズ手法として認めています。Google は、お客様のデータのセキュリティを確保するために、これらの基準を満たし、さらに上回るよう努めています。

イノベーションによるセキュリティの強化

Google は、多層防御戦略を採用し、複数のセキュリティレイヤで暗号化消去を実装しています。Google の「信頼するが検証はする」モデルでは、独立した検証メカニズムを使用して、メディア暗号鍵が完全に削除されるようにしています。

また、ストレージデバイスの鍵など、このプロセスに関わるシークレットも業界最先端の対策で保護しています。複数の鍵のローテーションにより、信頼できる暗号化の独立したレイヤを通じて顧客データのセキュリティが強化されます。

サステナビリティと循環経済

以前のメディア消去方法には環境への負荷もありました。厳格な検証プロセスに合格しなかったストレージデバイスは、物理的に破壊されていました。その結果、毎年相当数のデバイスが破壊されていました。

暗号化消去により、よりサステナブルな循環型経済への移行が可能になります。ドライブを物理的に破壊する必要がなくなったことで、ハードウェアをより多く再利用できるようになりました。また、寿命の切れたメディアからネオジム磁石などの貴重な希土類材料を回収することもできます。この画期的な磁石回収プロセスはサステナブルな製造における大きな成果であり、責任ある成長に対する Google のコミットメントを示すものです。

今後の取り組み

Google は、ユーザー、業界全体、そして世界全体にとって真に正しいことを行うことを一貫して強く主張してきました。暗号化消去への移行は、その取り組みを直接反映したものです。これにより、セキュリティを強化し、最高水準の業界標準に準拠し、インフラストラクチャのより持続可能な未来を構築できます。Google は、これがユーザー、業界、環境にとって正しい道だと考えています。

暗号鍵の管理など、保存データの暗号化の詳細については、セキュリティに関するホワイトペーパー「デフォルトの保存データの暗号化」をご覧ください。

-Paul B. Pescitelli、データセンター情報セキュリティ担当ディレクター

機敏性のある AI アーキテクチャ: インテリジェントな時代の代替可能なデータセンター

Wed, 22 Oct 2025 02:00:00 +0000

※この投稿は米国時間 2025 年 10 月 14 日に、Google Cloud blog に投稿されたものの抄訳です。

人間の健康、ソフトウェアエンジニアリング、教育、生産性、創造性、エンターテイメントなど、AI は私たちの生活のあらゆる側面を変革していると言っても過言ではありません。Google のこの 1 年間のいくつかの開発について考えてみましょう。Google Pixel 10 のマジックサジェストは、よりパーソナライズされたプロアクティブでコンテキストに関連性の高いサポートを提供しています。また、Nano Banana Gemini 2.5 Flash の画像生成は、クチコミで広がりました。さらに、Code Assist はデベロッパーの生産性を向上させ、AlphaFold では開発者がノーベル化学賞を受賞しました。AI におけるこの 1 年はまるで 10 年のようだったとよく冗談を言っています。

AI のこうした進歩を支えているのは、AI を強化するコンピューティングインフラストラクチャの驚くほどの同様の進歩です。AI 研究者が新しい世界を発見する宇宙探検家だとすれば、システムとインフラストラクチャの設計者はロケットを建造する人です。しかし、AI サービスの需要に対応するには、さらに多くのことが求められます。Google は今年の Google I/O において、Gemini モデルで処理される月間トークン数が年間で約 50 倍に増加し、月間 480 兆個に達したことを発表しました。その後、さらに 2 倍の成長を遂げ、月間トークン数は 1,000 兆個近くに達しました。他の統計でも同様の傾向が見られ、AI アクセラレータの消費量はこの 24 か月で 15 倍に、Hyperdisk ML のデータは一般提供の開始以来 37 倍にそれぞれ増加しています。また、AI を活用した小売検索クエリも、1 か月あたり 50 億件を超えています。

優れた AI には優れたコンピューティングが必要

このような成長には、新たな課題が伴います。データセンターとシステムを計画する際は、ハードウェアの構築に時間がかかるため、リードタイムも長くなります。しかし今、AI の需要予測は動的かつ劇的に変化しており、需要と供給に大きな乖離が生じています。この不一致については、極端な変動と成長に対応できる新しいアーキテクチャとシステム設計のアプローチが要求されます。

テクノロジーの急速なイノベーションは不可欠ですが、スタック全体で慎重に進める必要があります。たとえば、AI ハードウェア（TPU や GPU など）の世代ごとに新しい機能だけでなく、電力、ラック、ネットワーキング、冷却の要件も導入されています。これらの新世代の導入率も上昇しており、こうした大きな変化に対応できる一貫したエンドツーエンドシステムを構築することが困難になっています。また、フォームファクタ、ボード密度、ネットワーキングトポロジ、電力アーキテクチャ、液体冷却ソリューションなどの変更はすべて、異種性を徐々に増大させます。そのため、これらを総合すると、システムとデータセンターの設計、デプロイ、保守の複雑さが組み合わさることになります。さらに、複数の地理的リージョンの全体で従来のハイパースケーラーを超えるさまざまなデータセンター施設、「ネオクラウド」でのクラウドに最適化されたサービス、業界標準のコロケーションプロバイダを設計する必要があります。これにより、多様性とダイナミズムがさらに加わり、新しい AI 時代に向けたデータセンター設計がさらに制約されることになります。

動的な成長への対応と異種性の増大という 2 つの課題に対処するには、代替性と機敏性を最優先事項としてデータセンターを設計する必要があります。アーキテクチャは、コンポーネントを個別に設計してデプロイできるモジュール式であり、異なるベンダーや世代間で相互運用可能であることが必要です。同様に重要なのは、施設とシステムを遅延結合して、動的に変化する要件に対応できるようにすることです（たとえば、ある世代向けに設計されたインフラストラクチャを次の世代に再利用するなど）。また、データセンターは合意された標準インターフェースに基づいて構築する必要があるため、データセンターへの投資を複数の顧客セグメントで再利用できます。最後に、これらの原則は、データセンターのすべてのコンポーネント（電力供給、冷却、サーバーホールの設計、コンピューティング、ストレージ、ネットワーキング）の全体に適用する必要があります。

優れたコンピューティングには優れた電力（冷却とシステム）が必要

電力における機敏性と代替性を実現するには、電力の供給と管理を標準化して、ラックの電力レベルでの共通のインターフェースなど、復元力のあるエンドツーエンドの電力エコシステムを構築する必要があります。Google は Open Compute Project（OCP）の他のメンバーとの連携の下、+/-400VDC の設計に関する新しいテクノロジーと、サイドカー電源（別名 Mt. Diablo）を使用してモノリシックソリューションから分離型ソリューションに移行するアプローチを導入しました。低電圧 DC 電源とソリッドステート変圧器を組み合わせたような新しい有望なテクノロジーにより、これらのシステムを将来の完全統合型データセンターソリューションに移行できるようになります。

また、バッテリー駆動のストレージやマイクログリッドに関する標準化とともに、データセンターが電力網の消費者だけでなく供給者にもなるためのソリューションを評価しています。Google はこうしたソリューションを AI トレーニングワークロードの「とげ」に関する課題に対処するためにすでに活用しており、電力効率性と系統電力使用量に関するさらなる節約のために適用しています。

同時に、データセンターの冷却も AI 時代に向けて再考されています。今年、Google は Open Compute コミュニティに提供した最先端の液体冷却ソリューションである Project Deschutes を発表し、仕様と設計資料を公開しています。コミュニティは積極的に対応しており、Boyd、CoolerMaster、Delta、Envicool、Nidec、nVent、Vertiv などの液体冷却サプライヤーは、今年の OCP Global Summit や SuperComputing 2025 などの主要なイベントでデモを披露しています。しかし、業界標準の冷却インターフェース、リアドア熱交換器といった新しいコンポーネント、信頼性など、コラボレーションの機会は他にもあります。特に重要な分野の一つは、コロケーションとサードパーティのデータセンター全体でレイアウトと設備の範囲を標準化することです。これにより、業界としてさらに代替性を実現できます。

最後に、サーバーホールのコンピューティング、ネットワーキング、ストレージを統合する必要があります。これには、ラックの高さ、幅、奥行き（最近では重量も）、通路の幅とレイアウト、ラックやネットワークインターフェースなど、データセンター設計の物理的属性が含まれます。また、これらの未来のデータセンターを構築、維持するためのテレメトリとメカトロニクスの標準も必要です。Google は OCP パートナーとともに、ベストプラクティスの確立、共通の命名規則と実装の開発、標準のセキュリティプロトコルの作成など、サードパーティデータセンターのテレメトリー統合を標準化しています。

Google は、物理インフラストラクチャだけでなく、よりスケーラブルで安全なシステムのためのオープンスタンダードを提供するためにパートナーと連携しています。主な機能は以下のとおりです。

レジリエンス: Google は、GPU の管理性、信頼性、保守性に関する長年の取り組みを拡大し、CPU のファームウェアアップデートとデバッグ可能性を対象に追加しました。
セキュリティ: オープンソースのハードウェアルートオブトラストである Caliptra 2.0 がポスト量子暗号で将来の脅威からの防御を提供し、OCP S.A.F.E. によってセキュリティ監査がルーティン化され、費用対効果が高まります。
ストレージ: Caliptra の基盤をベースに構築されている OCP L.O.C.K. が、あらゆるストレージデバイスに対応するオープンソースの堅牢な鍵管理ソリューションを提供します。
ネットワーキング: 輻輳信号（CSIG）が標準化され、ロードバランシングの改善が測定されています。SONiC の継続的な進歩とともに、光回路スイッチングを標準化する新たな取り組みが進行中です。

持続可能性は Google の業務に組み込まれています。そこで、AI による環境への影響に関する分析情報を提供するために、新たな AI ワークロードのエネルギー、排出量、水への影響を測定するための新しい手法を開発しました。これにより、Gemini アプリのテキストプロンプトの中央値では、水の消費量が 5 滴未満で、エネルギー消費量はテレビを 9 秒未満視聴する程度であることが判明しています。Google は、エンボディドカーボン排出量に関する開示仕様、グリーンコンクリート、クリーンなバックアップ電源、製造時の排出量削減を対象とする他のコラボレーションについても、OCP コミュニティの全体でこの種のデータドリブンアプローチを採用しています。

CTA: コミュニティ主導のイノベーションと AI のための AI

Google は、コミュニティのコラボレーションの複合的な力を実証してきたオープンエコシステムと長年にわたって協力してきました。AI 時代に向けて機敏で代替可能なデータセンターを設計するにあたって、その経験を活かすことができます。代替可能で機敏性のあるデータセンターの共通標準と最適化に関する新しい OCP Open Data Center for AI Strategic Initiative にぜひご参加ください。

AI の次の成長の波と、それがもたらす驚くべき進歩を見据え、生産性とイノベーションを増幅させるために、私たち自身の仕事でこうした AI の進歩を活用する必要があります。初期の例としては、チップ設計を加速させて最適化するために AI を利用している Deepmind の AlphaChip が挙げられます。システムにおける AI の有望な用途は、ハードウェア、ファームウェア、ソフトウェア、テストをまたいで、パフォーマンス、機敏性、信頼性、持続可能性を目的に、設計、デプロイ、保守、セキュリティの全体でますます増えています。こうした AI で強化された最適化とワークフローによって、データセンターに新しい桁違いの改善がもたらされます。今後のイノベーションと、その推進に向けた皆様の継続的なご協力を心待ちにしています。

-バイスプレジデント兼エンジニアリングフェロー Parthasarathy Ranganathan

-Google Cloud、AI およびインフラストラクチャ担当バイスプレジデント兼ゼネラルマネージャー Amin Vahdat

Google Cloud の AI テクノロジースタックが今日のスタートアップをどのように支援しているか

Wed, 08 Oct 2025 01:10:00 +0000

※この投稿は米国時間 2025 年 9 月 19 日に、Google Cloud blog に投稿されたものの抄訳です。

AI は、おそらくインターネット以来、どのテクノロジーよりもスタートアップのイノベーションを加速させてきました。Google Cloud は、このイノベーションの多くを最前列で見届ける幸運に恵まれてきました。AI 研究所の上位 10 社のうち 9 社、またほぼすべての AI ユニコーン企業と、世界全体の生成 AI スタートアップの 60% 以上が Google Cloud を使用しています。

Google を選ぶ AI スタートアップのトレンドは加速しています。たとえば、Google Cloud を選択する新しい AI スタートアップ（最近シリーズ A または B ラウンドで資金調達した企業）の数は、過去 1 年間で 20% 以上増加しています。

これらのスタートアップは、Google の差別化された AI スタックを使用して構築しています。このスタックは、コンピューティング用のさまざまな TPU および GPU 特殊チップや、コーディング、画像および動画生成、コラボレーションなどに優れた幅広いモデルなど、あらゆるレイヤで最先端のテクノロジーと選択肢を提供します。

本日、Google は初の Google's AI Builders Forumを開催します。シリコンバレーの中心部に数百人のスタートアップの創業者やビルダーが集まり、Google の AI、インフラストラクチャ、サービス、そしてスタートアップの成長を支援する独自のツールが、どのように役立つかについて話を聞きます。

このサポートをさらに強化し、スタートアップが AI エージェントというエキサイティングな分野で業務を迅速に開始できるよう、Google は「スタートアップ向け技術ガイド: AI エージェント」を公開しました。エージェント AI の構築とスケーリングに関するベストプラクティスとステップバイステップのガイダンスを詳しくまとめたもので、アイデアから本番環境への移行を迅速に行うことができます。また、RAG やマルチモーダリティなどのエージェントのコアコンセプトや、ADK や A2A などの Google Cloud のエージェントサービスを活用する方法についても説明します。

また、Google Cloud 上でプラットフォーム、プロダクト、さらにはビジネス全体を構築している数十社のスタートアップ企業との取り組みが加速していることをご紹介できるのも、大変うれしく思います。

AI を活用したコンテンツ実験ファクトリーである Afooga を使用すると、企業は単一の仮説から大規模にコンテンツを生成、テスト、配信し、TikTok、Meta、YouTube などで自動的に最適化できます。Afooga は現在、生成動画機能に Vertex AI と Veo を活用しています。
Anara は、検証可能な AI による要約と分析情報を使用して、科学文書の検索と理解を支援する生成 AI リサーチアシスタントです。現在では、Google Cloud のスケーラブルなインフラストラクチャ、AI Studio、Cloud Functions を使用して、世界中のユーザーベース向けにモデルとデータ処理を強化しています。
AI セキュリティ企業である Aptori は、AI によって生成されたコードの脆弱性を検出し、リスクに優先順位を付け、コードの修正をリアルタイムで自動化します。現在、Aptori は Gemini を使用してコードのセキュリティ上の弱点を分析し、コンテキストアウェアな修正を生成して、AI セキュリティエンジニアを開発者のワークフローに直接統合しています。
AI を活用したモバイルアプリ開発ツールである aSim を使用すると、ミニアプリをすばやく生成、共有、発見できます。ユーザーは、Gemini モデルと、Gemini 2.5 Flash Image（Nano Banana）や Veo 3 などのモデルのマルチモーダル機能を使用して、プロンプトからアプリを即座に生成できるようになりました。
CerebraAI は、脳卒中とがんの早期発見に重点を置き、非造影 CT スキャン（NCCT）を分析するための AI ソフトウェアを開発しています。NCCT 画像で MedGemma をファインチューニングし、Gemini の少数ショット一般化機能を活用して、さまざまな診断タスクにモデルを迅速に適応させます。
Clavata.ai は、Gemini モデルを活用したマルチモーダルなリアルタイム評価を備えた、統合 AI ガバナンスおよび安全性プラットフォームを提供します。そのツールスイートにより、ポリシーの事前適用、動的なデバッグ、イテレーション、オブザーバビリティ、問題の防止が可能になります。
Clip Media は、Google の生成メディアモデル（Veo や Imagen など）を活用して、独自のアプリでキャプチャしたリアルタイムの音声クリップから、短く魅力的なアニメーション動画を作成するソーシャルメディアアプリケーション、Reclip を構築しました。
CoVet は、獣医師向けに構築された AI アシスタントです。Gemini、Cloud Functions、その他の Google Cloud ソリューションを使用して、獣医チームが管理業務を自動化し、毎日数時間を節約して、最も大切な「質の高い動物医療」に専念できるようにします。
ColomboAI は、検索、ソーシャル、コマース、ニュースを 1 つの体験に統合した次世代のソーシャルエンゲージメントスーパーアプリを Google Cloud 上に構築しました。同社は現在、Google Cloud AI インフラストラクチャを活用したアプリ内 AI オペレーターエージェントである CAIRO をリリースしています。CAIRO は、生成 AI からフィード、ショップなど、モジュール全体のアクションを自動化できます。
Corma は、Google Cloud の AI インフラストラクチャを使用して、新しいドメイン固有の基盤モデルをトレーニングしています。
Factory は、エージェント主導のソフトウェア開発のためのプラットフォームです。GitHub や Jira などのソースからのコンテキストを統合してエンジニアリングを加速し、機能開発や移行などのタスクを委任します。データの取り込みには Gemini 2.5 Flash を、高度なコードとドキュメントの生成には Gemini 2.5 Pro を使用しています。
Gobii は、フォームやワークフローなどの複雑なウェブタスクをブラウザで直接自動化する AI エージェントを提供します。これらのインテリジェントエージェントを強化するために、Gobii は Vertex AI とスケーラブルな GKE インフラストラクチャを基盤として構築しています。
InstaLILY は、Gemini 2.5 と Vertex AI を使用して、販売、サービス、運用をサポートできる InstaWorker と呼ばれる AI エージェントを強化しています。
Inworld AI は、消費者向けアプリケーションの開発者のための AI プラットフォームです。Google Cloud と Gemini を使用して、数千万人の同時ユーザーをミリ秒単位の応答時間で費用対効果の高い方法で処理し、品質、費用管理、セキュリティに関する厳格な要件を満たしています。
Krea.ai は、AI ツールのクリエイティブスイートです。アーティストやマーケター向けに、リアルタイムの画像および動画生成と、パーソナライズされたモデルトレーニングを提供しています。Google Cloud と統合して Veo3 や Gemini 2.5 Flash Image（Nano Banana）などの高度なモデルへのアクセスを提供し、ユーザーが高品質な広告、商品写真、ゲームアセットを作成できるようにします。
Lovable は AI ソフトウェアエンジニアを構築しており、Vertex AI を使用して Gemini や Anthropic のモデルなどのコア言語モデルをデプロイし、統合しています。この独自のオーケストレーションにより、ユーザーは英語でのシンプルな指示から完全なフルスタックのウェブアプリケーションを作成できると同時に、用途に応じて最適なモデルを Google Cloud 上で選択できます。
会話分析データプラットフォームの MaestroQA は、Gemini を使用して AI を活用した会話分析を強化しています。Gemini は、MaestroQA があらゆるチャネルにわたって顧客とのやり取りを分析する能力を向上させるのに役立ちます。これにより、企業が顧客満足度を高め、成長と顧客維持を促進するのに役立つ、より深い分析情報が得られます。
Markups.ai は、AI 契約交渉エージェントである Agent Marko を作成しました。これにより、人間が数日かけて行っていた法務レビューを、より簡単な自動化されたプロセスに変えることができます。ユーザーは、契約書を専用の受信トレイにメールで送信するだけで、数分以内にカスタマイズされた修正と分析を受け取ることができます。Gemini 2.5 Pro のおかげで、Markups.ai は NDA の最初の改訂版のみを処理するだけでなく、あらゆる契約のあらゆる改訂版を効果的に処理できるようになりました。
AI データパイプラインサービス企業である MLtwist は、大規模で複雑なデータストリームを処理し、文字起こしや翻訳、ラベリングを行うことで、企業向けアプリケーションを支援しています。現在では、文字起こしとラベル付けのタスクに Gemini モデルと AI Studio を使用しています。
MNTN は、Google Cloud を使用して、ユーザーがテレビキャンペーンの効果をより正確に測定できるようにするコネクテッドテレビ広告プラットフォームを強化しています。MNTN は、Google の Security Command Center を使用して、ユーザーがプラットフォームで安全に利用できるようにしています。
Mosaic を使用すると、ユーザーはマルチモーダルな動画編集 AI エージェントを構築して実行できます。同社のプラットフォームは、Gemini 2.5 Pro、Cloud Storage、Cloud Run を使用して強化されています。
AI 動画制作会社の OpenArt は、Gemini モデルと Veo3 を使用して、ソーシャルメディアクリエイターや中小企業がアイデアを動画に変え、モーションや音楽、物語性のある構成まで備えたコンテンツを制作できるようにしています。
OpenEvidence は、Google Cloud 上に AI を活用した医療検索プラットフォームを構築し、医療従事者がより迅速、安全、正確に医療情報にアクセスできるようにしています。
Owl.AI: スポーツテクノロジー企業の Owl.AI は、プロスポーツリーグに AI を活用したソリューションを提供しています。審査と採点を含む同社のサービスは、精度と一貫性を高め、バイアスを排除することを目的としています。Owl.AI は、Gemini 上に構築され、Google Cloud でファインチューニングされた AI モデルを活用して、アスリートのパフォーマンスのリアルタイム動画映像を分析することで、これを実現しています。
Parallel は、Vertex AI を介して Gemini モデルを使用し、AI 検索リクエストをより効果的に管理できる「マイクロエージェント」をオーケストレートします。
Prodia は生成 AI API であり、デベロッパーが生成 AI をクリエイティブツールに統合するための API を提供しています。Prodia は、Google Cloud の GPU を利用して、テキストから画像への変換モデルと、指示から編集への変換モデルを提供しています。また、低レイテンシのネットワークにより、スケーラブルで費用対効果の高いパフォーマンスを確保し、バースト容量には Dynamic Workload Scheduler を使用しています。さらに、Veo 3 や Gemini 2.5 Flash Image などのモデルを使用して、高度な動画や画像の生成を実現しています。
Provenbase は、Google Cloud 上に企業向けの人材採用ツールを構築し、現在は Google Cloud AI を使用して、人材のディープ検索機能を強化しています。
Qualia Clear は、不動産取引のクロージングを改善するエージェント型システムで、手作業による権原調査（所有権確認）やエスクロー（第三者預託）のワークフローを自動化します。ツール呼び出し、Gemini 2.5 Flash、Gemini 2.5 Pro、Google Agent Development Kit を使用して、メールやドキュメントを処理し、レポート作成を簡素化することで、効率とカスタマーサービスを向上させています。
Rembrand は、AI を活用した広告プラットフォームで、ソーシャルメディアやコネクテッドテレビのコンテンツクリエイターや広告主様が動画内でプロダクトプレイスメントを簡単に利用できるようにします。Google Cloud の AI インフラストラクチャを基盤とする Rembrand を使用すると、ブランドがコンテンツの質を損なうことなく、オーディエンスと真に繋がることを可能にします。
Resolve AI は、常時稼働の AI SRE であり、インシデントを自律的に調査し、コード、インフラストラクチャ、オブザーバビリティデータを使用して本番環境システムの実行を支援します。Resolve AI は、Vertex AI の Gemini のインテリジェンスとパフォーマンスを活用して、顧客の MTTR、信頼性、エンジニアリングの速度を向上させています。
SandboxAQ は、Google Cloud 上で大規模並列コンピューティングノードで実行される高精度の物理ベースのシミュレーションで大規模定量的モデル（LQM）をトレーニングすることで、Google Cloud 上で AI を活用した創薬と材料設計のプラットフォームをスケールしています。SandboxAQ は最近、SAIR と AQCat25 という 2 つの大規模なデータセットを一般公開しました。これらは、構造を認識した薬剤効力予測と触媒設計のための LQM の構築とベンチマークに使用できます。
宇宙コンピューティング企業である Satlyt は、衛星間通信とルーティングをオーケストレーションすることで、軌道上での AI ワークロードを可能にしています。Google Kubernetes Engine、Vertex AI、スケーラブルなデータインフラストラクチャを使用して AI エージェントをデプロイし、Google の Gemma モデルを軌道上にデプロイする計画を立てています。
Satisfi Labs は、スポーツ、エンターテイメント、観光業界の数百の顧客向けに、Gemini モデルを使用した新しいエージェントプラットフォームの提供を開始します。Satisfi AI プラットフォームは、ゲストエクスペリエンス、チケット販売、会場の安全性、グッズ販売をサポートする専門エージェントを提供します。業界の専門家によってチューニングされた Satisfi AI は、ライブエクスペリエンスビジネスの販売促進、迅速なサービス提供、リアルタイムの分析情報の取得を支援します。
教育に特化した AI スタートアップである Savvy は、PDF、メモ、動画、ポッドキャストからフラッシュカードやクイズを自動生成することで、学習に革命を起こしています。生徒が回答すると、Savvy は Gemini を使用して回答を動的に採点し、即座にフィードバックを提供して、学習をパーソナライズします。
Skyvern は、AI を使用してブラウザベースのワークフローを自動化するのに役立ちます。Skyvern は、Gemini 2.5 Pro などのモデルとコンピュータビジョンを使用してウェブサイトとやり取りし、フォームの入力、資料の調達、請求書のダウンロードなどのタスクを自動化できます。
Subject.com は、6 ～ 12 年生向けの AI 搭載プラットフォームで、映画のようなストーリーテリングと高度な AI を組み合わせて、学習をより魅力的なものにしています。Vertex AI、CloudSQL、BigQuery を活用した Subject の教師アシスタントツール「Spark」は、即時のフィードバック、テキスト簡略化機能「Explain This」、24 時間 365 日利用可能な宿題ヘルパー、生徒の興味に合わせたパーソナライズされた学習を提供します。
Tali.ai は、臨床医の管理業務の負担を軽減するために設計された医療 AI スクライバーです。米国とカナダの複数の電子カルテシステムと統合された同社は、Vertex AI と Gemini モデルを使用して、患者の診察中の臨床記録の作成を自動化し、重要な分析情報を抽出しています。
パフォーマンスマーケティングエージェンシーの Tinuiti は、Vertex AI を使用して、広告コピーを作成および最適化してパフォーマンスを向上させる AI 搭載サービスを開発しました。
インドを拠点とするウェブコミックプラットフォームの Toonsutra は、Google Gemini を使用してグローバル展開を進めています。同社は、ストーリーを地域言語で利用できるようにし、音楽には Lyria 2、音声には Gemini、アニメーションには Veo 3 を追加することで、より多くの視聴者に向けて次世代の没入型コミックを制作しています。
turbopuffer は、サーバーレスのベクトル検索と全文検索を提供し、AI ビジネスが従来のデータベースアーキテクチャの高いコストと複雑さを克服するのに役立ちます。同社のソリューションは Google Cloud インフラストラクチャ上に構築されており、AI データベースの費用を最大 90% 削減し、1 兆件以上のドキュメントを管理し、毎秒 1,000 万件以上の書き込みと 1 万件のクエリを処理しています。
Upwork は、人間と AI を活用した仕事のマッチングプラットフォームで、企業と独立したプロフェッショナルを結び付けています。Upwork は、Vertex AI Text-to-Speech API を活用することで、より迅速かつ正確な人材マッチングを実現し、クライアントとフリーランサーの採用効率を向上させています。
Visla は、AI を活用した動画作成プラットフォームで、企業やクリエイターがプロ仕様の動画を数分で制作できます。Imagen 4、Gemini Flash Image 2.5、Veo 3、Visla の AI Video Agent with Avatars を使用して、学習、トレーニング、マーケティング向けに洗練されたコンテンツの作成を自動化しながら、ビジュアルとナレーションを適応させます。
AI を活用したコーディングのリーダーである Windsurf は、Gemini 2.5 Pro を使用してコーディング支援 IDE を強化し、Gemini モデルを使用して Cognition の Devin AI との統合をサポートしています。
小売テクノロジー企業である Zapia AI は、AI エージェントを使用して、数百万人のユーザーの商品発見、ローカルビジネス検索、購入支援をサポートし、90% 以上のユーザーから肯定的なフィードバックを得ています。Gemini を活用したマルチエージェントオーケストレーションにより、エージェントの推論が向上し、レイテンシが短縮され、運用コストが削減されます。
Zefr は、責任ある AI のグローバルリーダーとして、YouTube や TikTok などのプラットフォームで安全性と適合性を確保し、Fortune 500 に選ばれるようなブランドの広告をサポートしています。Gemini Flash と Vertex AI を使用した特許取得済みの「認知 AI」により、動画、画像、音声、テキストを分析して、信頼できるスケーラブルなソリューションを提供します。

スタートアップ向けの Google Cloud の差別化された AI スタック

世界中のスタートアップが、開発のあらゆる段階や成長の各フェーズで Google Cloud を使用しています。モデルのトレーニングと提供、マルチモーダルリクエストの処理、アプリケーションの構築とスケーリング、AI エージェントの開発、基盤となるデータの管理、デベロッパーのサポート、マーケットプレイスを通じた顧客へのリーチなど、さまざまな用途で Google の AI とインフラストラクチャを活用しています。

ユースケースを問わず、AI 向けに最適化された Google のフルスタックテクノロジーは、スタートアップに最先端のテクノロジーとあらゆるレイヤでの選択肢を提供します。

トレーニングと推論のための高性能なファーストパーティチップ（TPU）とサードパーティチップ（
GPU）、および 2 つの間でワークロードを移動する機能。
AI Studio: スタートアップが Google のモデルを使用してアプリケーションの構築を迅速に開始できる。
Google の統合 AI 開発プラットフォームである
Vertex AI。
Nano Banana や Veo 3 などの最先端のマルチモーダルモデルや、Anthropic の Claude、オープンソースの Llama、Mystral などの人気のあるサードパーティモデルを含む、200 以上の AI 基盤モデル。
Gemini CLI などのデベロッパーツール。コーディングターミナルから直接 Gemini にアクセスできるため、ワークフローが効率化され、生産性が向上。
BigQuery や AlloyDB などのプロダクトを使用して、組織の基盤となるデータを処理する。
セキュリティ運用と脅威インテリジェンスのツールで、スタートアップのアプリケーションを保護。
Google Kubernetes Engine、Cloud Storage、CloudSQL などのサービスを使用して、ワークロードとアプリケーションを迅速にスケールアップおよびスケールダウンできます。

Google Cloud を使用すれば、アイデアを形にし、サービスをリリースして、スケールし、販売できます。

スタートアップ向けのプログラム、イニシアチブ、プロダクトアクセスを拡充

スタートアップの最大の課題の一つは、アイデアや適切なテクノロジーがないことではなく、それを実現するためのリソースと、発生するあらゆる課題に対処するのに役立つ専門知識にアクセスできないことです。

Google Cloud は、Google for Startups クラウドプログラムを通じて、スタートアップ企業向けに独自のさまざまなリソースと特典を提供しています。これには、Anthropic や Meta などのパートナーのモデルを含む、すべての Google Cloud プロダクトと AI モデルに適用できるクラウドクレジットが含まれます。また、スタートアップが顧客にリーチできるよう、メンターシップや市場開拓プログラムも提供しています。さらに、スタートアップが構築を進める中で、エンジニアが現場で関わり、サポートします。

また、グローバルなアクセラレータシリーズや、大手ベンチャーキャピタル、インキュベーター、コミュニティ組織とのパートナーシップを通じて、スタートアップコミュニティと緊密に連携しています。これにより、スタートアップは Google Cloud の独自のテクノロジーと豊富なリソースにこれまで以上に簡単にアクセスし、プロダクトの構築とマーケティングに役立てることができます。

たとえば、Lightspeed、Sequoia、Y Combinator などの企業と連携している AI スタートアップは、Google for Startups クラウドプログラムに優先的にアクセスできます。このプログラムでは、最大 35 万ドルのクラウドクレジットと、メンターシップやエンジニアリングサポートを利用して、業務を大幅に強化できます。

Google は、スタートアップが Google Cloud AI を使ってできるだけ簡単に構築できるように取り組んでいます。Google のテクノロジーに関心をお持ちで、始めてみたい方は、Google AI Studio または Google for Startups クラウドプログラムにアクセスして、一緒に構築を始めましょう。

-Google Cloud、グローバルスタートアップ担当バイスプレジデント、Darren Mowry

Google AI によるエネルギーの使用量を算出

Thu, 28 Aug 2025 03:00:00 +0000

※この投稿は米国時間 2025 年 8 月 22 日に、Google Cloud blog に投稿されたものの抄訳です。

AI は科学の躍進、医療と教育の向上を可能にし、世界経済に数兆ドル規模の価値をもたらす可能性があります。AI のフットプリントを理解することは重要ですが、トレーニングされた AI モデルを使用して予測を行ったり、テキストや画像を生成したりする AI 推論のエネルギーと環境への影響に関する詳細なデータは限られたものになっています。AI システムのユーザーが増えるにつれて、推論効率の重要性が高まります。

そこで Google は、Gemini プロンプトのエネルギー、排出量、水への影響を測定するための包括的な手法について詳述した技術論文をリリースすることにしました。この手法を使用すると、Gemini アプリのテキストプロンプトの中央値として、エネルギーの使用量は 0.24 ワット時（Wh）、二酸化炭素換算の排出量は 0.03 グラム（gCO2e）、水の消費量は 0.26 ミリリットル（約 5 滴）と推定されます1。これらの数値は、多くの公表推定値よりも大幅に低くなっています。プロンプトごとのエネルギー消費量は、9 秒未満のテレビ視聴と同程度です。

それと同時に、研究のイノベーションとソフトウェアおよびハードウェアの効率改善を通じて、Google の AI システムはより効率的になっています。たとえば最近の 12 か月間で、Gemini アプリのテキストプロンプトでのエネルギーと温室効果ガスの総排出量の中央値はそれぞれ 33 倍と 44 倍下がっている一方で、回答の品質は上がっています。こうした結果は、Google の最新のデータセンターでのエネルギー排出量の削減と、カーボンフリーエネルギーと水資源保護を推進する取り組みによってもたらされています。これまでの効率化の背後にあるイノベーションを誇りに思うとともに、今後も大幅な改善を続けていくことをお約束します。進行中の取り組みについて、詳しくご紹介します。

Google における AI 環境フットプリントの算出

詳細な測定では、さまざまな AI モデルのほか、それらが実行されるハードウェアとエネルギーを比較できるだけでなく、ハードウェアやデータセンターからモデル自体まで、システム全体の効率を最適化できます。Google は、この手法を共有することで、AI のリソース消費と効率の算出における業界全体の整合性を高めたいと考えています。

AI サービングワークロードのフットプリントを測定するのは簡単ではありません。Google の規模で AI 提供の現実を考慮した包括的なアプローチを開発しました。これには以下が含まれます。

システム全体の動的電力: これには、アクティブなコンピューティングでプライマリ AI モデルで使用されるエネルギーと水だけでなく、本番環境規模で実際に達成されたチップ使用率も含まれます。これは、理論上の最大値よりもはるかに低くなる可能性があります。
アイドル状態のマシン: 高い可用性と信頼性を確保するには、アイドル状態ではあるものの、トラフィックの急増やフェイルオーバーにいつでも対応できるプロビジョニングされた容量が本番環境システムに必要です。こうしたアイドル状態のチップが消費するエネルギーは、総エネルギーフットプリントに含める必要があります。
CPU と RAM: AI モデルは、TPU や GPU などの ML アクセラレータのみで実行されるわけではありません。ホスト CPU と RAM も AI の提供に重要な役割を果たし、エネルギーを使用します。
データセンターのオーバーヘッド: AI のワークロードを実行する IT 機器によって消費されるエネルギーは、全体の一部にすぎません。これらのコンピューティングをサポートするインフラストラクチャ（冷却システム、電力配分、その他のデータセンターのオーバーヘッド）もエネルギーを消費します。オーバーヘッドのエネルギー効率は、電力使用効率（PUE）と呼ばれる指標で測定されます。
データセンターでの水の消費: 多くの場合、データセンターではエネルギー消費量と関連する排出量を削減するために、冷却に水が使用されます。AI システムを最適化してエネルギー効率を高めることで、全体的な水の使用量も減少します。

現在、AI によるエネルギー消費量の算出の多くは、アクティブなマシンの消費量のみが対象となっており、上記の重要な要素の一部が見落とされています。そのため、大規模な実際の運用効率ではなく、理論上の効率が示されています。こうした、アクティブな TPU と GPU の消費量のみが考慮される包括的でない手法を適用すると、Gemini のテキストプロンプトの中央値として、エネルギー使用量は 0.10 Wh、温室効果ガスの排出量は 0.02 gCO2e、水の消費量は 0.12 mL と推定されます。これは楽観的なシナリオであり、AI の実際の運用フットプリントが大幅に過小評価されてしまいます。

Google の包括的な手法による推定値（0.24 Wh のエネルギー使用、0.03 の gCO2e、0.26 mL の水の消費）は、AI をグローバルに提供するうえで重要な要素がすべて考慮されています。Google では、これが AI の全体的なフットプリントを最も包括的に把握できる方法だと考えています。

AI と AI の効率性に対する Google のフルスタックアプローチ

Gemini では、カスタムハードウェアや高効率モデルから、これらのモデルを実現する堅牢なサービングシステムまで、AI 開発に向けた Google のフルスタックアプローチが理由で、効率が大幅に向上しています。Google では、以下などの AI のあらゆるレイヤを効率化しています。

より効率的なモデルアーキテクチャ: Gemini モデルは、Google の研究者が開発したTransformer モデルアーキテクチャを基盤に構築されています。このアーキテクチャは、言語モデリングの以前の最先端アーキテクチャと比較して、効率が 10～100 倍向上しています。Mixture-of-Experts（MoE）やハイブリッド推論など、本質的に効率的な構造を持つモデルが設計されています。たとえば、MoE モデルでは、クエリへの応答に特に必要な大規模モデルの小さなサブセットを有効にできるため、コンピューティングとデータ転送を 10～100 倍削減できます。
効率的なアルゴリズムと量子化: Google は、Accurate Quantized Training（AQT）などの手法を使用して、モデルを強化するアルゴリズムを継続的に改良し、回答の品質を損なうことなく、効率を最大化してサービングのエネルギー消費量を削減しています。
推論とサービングの最適化: Google は応答性と効率性を高めるために、AI モデルの配信を常に改善しています。投機的デコーディングなどのテクノロジーを利用すると、より少ないチップでより多くの回答を提供できます。これは、より小さなモデルが予測を行い、それをより大きなモデルが迅速に検証できるようにすることで実現され、大きなモデルが単独で多くの連続した予測を行うよりも効率的です。蒸留などの手法では、より大きくて高性能なモデルを教師として使用する、より小さくて効率的なモデル（Gemini Flash および Flash-Lite）が作成されます。ML ハードウェアとモデルが高速化されたことで、レイテンシの目標を達成しながら、より効率的で大きなバッチサイズをリクエストの処理時に使用できるようになっています。
カスタムビルドのハードウェア: Google は、ワットあたりのパフォーマンスを最大化するために、10 年以上にわたって TPU をゼロから設計してきました。また、AI モデルと TPU を協調設計することで、ソフトウェアがハードウェアを最大限に活用し、ハードウェアが将来の AI ソフトウェアを効率的に実行できるようにしています。最新世代の TPU である Ironwood は、Google が最初に一般公開した TPU よりも 30 倍エネルギー効率が高く、推論用の汎用 CPU よりもはるかに電力効率に優れています。
最適化されたアイドル状態: Google のサービングスタックは CPU を非常に効率的に使用し、「設定して放置」のアプローチではなく、需要に基づいてモデルをほぼリアルタイムで動的に移動することで、TPU のアイドル状態を最小限に抑えています。
ML ソフトウェアスタック: Google の XLA ML コンパイラ、Pallas カーネル、Pathways システムにより、Google の TPU サービングハードウェア上で JAX などの高レベルシステムで表現されたモデル計算を効率的に実行できます。
超効率的なデータセンター: Google のデータセンターは業界でも非常に効率的であり、フリート全体の平均 PUE は 1.09 です。
責任あるデータセンターの運用: Google は、24 時間 365 日カーボンフリーの目標を追求し、クリーンエネルギーの発電量を増やし続けています。また、オフィスとデータセンター全体で平均で消費する淡水の 120% を還元するという目標も推進しています。また、科学的根拠に基づいた流域の健全性評価を実施して、冷却方式の選択を導き、高いストレスにさらされている場所での水の利用を制限することで、エネルギー、水、排出量の間の地域的なトレードオフのバランスを取りながら、冷却システムを最適化しています。

効率的な AI に向けた Google の取り組み

Gemini の効率化は長年に及ぶ取り組みの成果ですが、これはほんの序章にすぎません。AI に対する需要が高まっていることを認識し、プロンプトごとに必要な電力の費用と水の削減に対して重点的に投資しています。調査結果と手法を共有することで、業界全体でより効率的な AI に向けた進展を促進することを目指しています。これは、責任ある AI 開発に不可欠です。

1. 2025 年 5 月のデータに基づき、Gemini アプリの中央値となるテキスト生成プロンプトごとに消費されるエネルギーを定量化した時点分析。プロンプトあたりの排出量はプロンプトあたりのエネルギーに基づいて推定され、2024 年の Google のフリート全体の平均的なグリッド二酸化炭素排出原単位が適用されています。また、プロンプトあたりの水の消費量はプロンプトあたりのエネルギーに基づいて推定され、2024 年の Google のフリート全体の平均的な水の利用効率が適用されています。これらの調査結果は、Gemini アプリのすべてのテキスト生成プロンプトによる環境への具体的な影響や、将来のパフォーマンスを示すものではありません。2. 2025 年 5 月の上記の分析結果と、2024 年 5 月の Gemini アプリのテキスト生成プロンプトの中央値のベースラインデータとの比較。プロンプトの中央値ごとのエネルギー消費量は、新しいモデルの追加、AI モデルアーキテクチャの進化、AI chatbot ユーザーの行動の変化によって変わる可能性があります。データおよび主張は、独立した第三者によって検証されていません。

-Amin Vahdat、Google Cloud、AI およびインフラストラクチャ担当バイスプレジデント兼ゼネラルマネージャー

-Jeff Dean、Google DeepMind / Google Research、チーフサイエンティスト

Sol 大西洋横断ケーブルでネットワークのレジリエンスを強化

Mon, 14 Jul 2025 03:00:00 +0000

※この投稿は米国時間 2025 年 7 月 10 日に、Google Cloud blog に投稿されたものの抄訳です。

このたび、米国、バミューダ、アゾレス諸島、スペインを結ぶ新しい大西洋横断海底ケーブルシステム、Sol を発表いたします。Sol はスペイン語とポルトガル語で「太陽」のことで、ケーブルシステムの陸揚げ地点が温暖な気候の地域にあることにちなんでいます。Nuvem 海底ケーブルとともに、Sol は大西洋横断の復元力に対する Google 独自の投資を完成させるものです。2 つのシステムは、米国とイベリア半島、そしてバミューダとアゾレス諸島で陸上相互接続されます。

Sol ケーブルは米国で製造され、運用開始後は、世界中に広がる 42 の Google Cloud リージョンのネットワークの容量と信頼性を強化し、米国、ヨーロッパ、その先の Google Cloud および AI サービスに対するお客様の増大する需要に応えます。

フロリダ州パームコーストは、米国における Sol ケーブルのアンカーとなります。Google は DC BLOX と提携してケーブルを陸揚げし、フロリダ州に新しい接続ハブを設立します。また、パームコーストとサウスカロライナのクラウドリージョンを結ぶ地上ルートも開発します。

完成すれば、Sol はフロリダとヨーロッパを結ぶ唯一の現役光ファイバーケーブルとなります。スペインでは、Telxius と提携して、サンタンデールに Sol ケーブルを敷設するために必要なインフラストラクチャを提供し、マドリードの Google Cloud リージョンを Google のグローバルネットワークにさらに統合します。

「フロリダ州は、再び国のデジタルインフラストラクチャ強化の最前線になりました。Sol 海底ケーブルが当州に敷設されることは、技術投資とイノベーションに適した環境を育むという当州の取り組みの証です。Google や DC BLOX のような企業と提携して、AI イノベーションの未来を支え、地域社会とフロリダ州全体に具体的なメリットをもたらす戦略的なインフラストラクチャプロジェクトに取り組めることを誇りに思います。」 – フロリダ州商務長官 J. Alex Kelly 氏

「これはパームコースト、フラグラービーチ、フラグラー郡にとって画期的な出来事であり、経済発展と活力を重視する未来のコミュニティであることを明確に示すものです。Sol 海底ケーブルは単なるインフラストラクチャではありません。住民が享受するにふさわしい、質の高い産業をさらに誘致する、前例のないグローバルな接続へのゲートウェイです。私たちは、パームコーストとそのコミュニティの知名度を上げるだけでなく、世界のデジタル経済への直接ルートを構築し、コミュニティの繁栄とダイナミックな未来を確保しようとしています。」 – フロリダ州パームコースト副市長 Theresa Carli Pontieri 氏

「DC BLOX は、フロリダ州の成長する経済に不可欠な基盤となるデジタルインフラストラクチャを拡大できることを誇りに思います。Google の Sol ケーブルをサポートし、さらにケーブルを追加できる容量を備えた新しいパームコーストケーブルランディングステーションキャンパスは、グローバルコミュニケーションの拠点としてのフロリダ州の地位を強化します。」 - DC BLOX、最高収益責任者 Chris Gatch 氏

「デジタル接続は、今日のあらゆる都市の経済的および社会的発展にとって戦略的な要素です。サンタンデール市議会は、この種のインフラストラクチャの促進に取り組んでいます。実装すれば、雇用を創出し、リモートワーク、高度なサービス、スマートシティモデルに対応できる都市としての地位を確立できるだけでなく、投資、人材、テクノロジー企業の誘致にもつながるからです。Google がサンタンデールの海岸に関心を示し、大西洋横断の接続点としてサンタンデールを選んでくれたことに感謝します。」 - スペイン、サンタンデール市議会議長 Gema Igual 氏

「Telxius は、Sol ケーブルをスペインに導入する Google をサポートできることを嬉しく思います。これは、容量、信頼性、復元性を強化して大西洋横断接続を促進する重要なマイルストーンです。海底ケーブル陸揚げサービスを通じて、プロジェクトの実施を加速し、お客様のグローバルネットワークの拡大を支援しています。」 - Telxius、CEO、Mario Martín 氏

「アゾレス政府は、この地域への重要な投資を熱烈に歓迎し、Google の先見の明のある先駆的かつ戦略的なアプローチを称賛します。これは、アゾレスがヨーロッパと北大西洋におけるデジタル接続の重要かつ戦略的なハブであるという、私たち自身のビジョンと完全に一致しています。」 - アゾレス政府副大統領 Artur Lima 氏

「国の国際的な接続性とデジタル競争力を強化する観点から、海底ケーブルインフラストラクチャの拡大と近代化を促進することは、国の発展のための政府の重要な目標です。Google の新しい『Sol』ケーブルのプロジェクトは、16 組の光ファイバーケーブルで構成され、同じく Google の『Nuvem』ケーブルに冗長性を提供する可能性を秘めています。このプロジェクトは、ポルトガルとヨーロッパにおけるデジタルインフラストラクチャの需要の高まりに対応し、レジリエンスを高めるでしょう。」 - ポルトガル、インフラストラクチャおよび住宅担当大臣 Miguel Pinto Luz 氏

「バミューダは、2 本目のケーブル『Sol』の発表により、Google が継続して投資を行うことを歓迎します。これにより、バミューダが大西洋のデジタルハブとしての地位をさらに確立することになります。バミューダは Google との良好な関係を非常に重視しています。この 2 本目のケーブルは、バミューダをテクノロジー企業向けの世界有数の先進地域として発展させるという政府戦略のメリットを浮き彫りにしています。」 - バミューダ内務大臣 Alexa Lightbourne 氏

Sol は、世界中の Google ユーザーと Google Cloud のお客様に向けて容量を追加し、信頼性を高め、レイテンシを短縮します。Nuvem、Firmina、Equiano、Grace Hopper などのケーブルシステムとともに、Sol は大西洋を横断する主要な場所を接続ハブとしてさらに確立し、地域経済を強化して、世界中の人々と企業に AI のメリットをもたらします。

-Google Cloud、グローバルネットワークインフラストラクチャ担当バイスプレジデント Brian Quigley

拒否する力: IAM の拒否ポリシーと組織のポリシーで多層防御を構築

Mon, 07 Jul 2025 23:10:00 +0000

※この投稿は米国時間 2025 年 6 月 28 日に、Google Cloud blog に投稿されたものの抄訳です。

昨今のクラウドを取り巻く環境で自社のクラウド環境を保護するには、許可ポリシーと最小権限の原則のほかに、Identity and Access Management（IAM）アプローチを強化する必要があります。防御を強化するために、Google は強力なツールである IAM 拒否ポリシーを提供しています。

IAM 許可ポリシーのみを使用すると必要以上の権限が付与される可能性があり、権限レベルの制限をセキュリティチームが一貫性を持って大規模に適用することが困難になります。そこで役立つのが IAM 拒否です。

IAM 拒否は、プリンシパルが、割り当てられたロールに関係なく実行できない操作を明示的に定義できる、重要かつスケーラブルなセキュリティレイヤを提供します。この予防的なアプローチは、不正アクセスを防止し、全体的なセキュリティポスチャーを強化するのに役立ちます。また、管理チームは、ガードレールに関するポリシーを環境全体でオーバーライドできるようになります。

IAM 拒否について

IAM 拒否の基盤は、IAM 許可ポリシーの上に構築されています。許可ポリシーは、Google Cloud 組織内で誰が、どんな操作を、何に対して実行できるかを定義し、プリンシパル（ユーザー、グループ、サービスアカウント）を、さまざまなレベル（組織、フォルダ、プロジェクト、リソース）のリソースへのアクセス権を含むロールにバインドします。

一方、IAM 拒否は制限を定義します。バインディングは、プリンシパルも対象となりますが、リソースレベルではなく組織、フォルダ、プロジェクトのレベルで実行されます。

許可ポリシーと拒否ポリシーの主な違い:

IAM 許可: ロールバインディングにより、プリンシパルに権限を付与します。
IAM 拒否: IAM 許可によって実行されたロールバインディングを、階層レベルでオーバーライドして権限を制限します。

IAM 拒否は Google Cloud 環境のガードレールとして機能し、管理者権限の管理の一元化や、必要なカスタムロールの数の削減に役立つほか、最終的には組織のセキュリティを強化します。

aside_block: <ListValue: [StructValue([('title', 'Google Cloud のセキュリティプロダクトを試せる $300 分の無料クレジット'), ('body', <wagtail.rich_text.RichText object at 0x7efdfdfccf10>), ('btn_text', '無料で構築を始める'), ('href', 'http://console.cloud.google.com/freetrial?redirectPath=/welcome'), ('image', None)])]>

IAM 拒否の仕組み

IAM 拒否ポリシーでは、制限を適用するために、いくつかの主要コンポーネントが使用されます。

拒否されたプリンシパル（誰が）: 制限の適用対象となるユーザー、グループ、またはサービスアカウント。組織内の「全員」や、組織に関係なくすべてのプリンシパル（allUsers 識別子で示される）も指定できます。
拒否する権限（どんな操作を）: 拒否されたプリンシパルが使用できない特定の操作または権限。IAM 拒否は、ほとんどの Google Cloud サービスでサポートされていますが、新しいサービスについてはサポート状況を確認することが重要です。
アタッチメントポイント（何に対して）: 拒否ポリシーの適用対象となる組織、フォルダ、プロジェクト。拒否ポリシーは、個々のリソースに直接アタッチできません。
条件（適用方法）: これは省略可能ですが、拒否ポリシーの適用時に、適用方法をより細かく管理できます。条件は、Common Expression Language（CEL）を使用してリソースタグで設定します。こうして、拒否ポリシーを条件付き（例: 特定の環境に限定する、特定のタグが存在しない場合）で適用できます。

IAM 拒否のコアコンポーネント。

IAM 拒否が優先される

IAM 拒否で重要な点は、評価の順序です。拒否ポリシーは、許可ポリシーよりも先に評価されます。プリンシパルの操作に拒否ポリシーが適用されると、プリンシパルが持つロールに関係なく、そのリクエストは明示的に拒否されます。拒否ポリシーが適用されないことが確認されてから、許可ポリシーが評価され、操作を許可するかどうかが判断されます。

ただし、このルールに対して例外を構成する手段が組み込まれています。拒否ポリシーでは、特定の制限から除外されるプリンシパルを指定できます。これにより、特定の管理者アカウントやブレークグラス（非常時用）アカウントに必要な操作を許可する柔軟性が得られます。

拒否ポリシーは、常に IAM 許可ポリシーより優先して評価される。

IAM 拒否を使用する場合

IAM 拒否ポリシーを使用すると、一般的なセキュリティガードレールを実装できます。たとえば、次が挙げられます。

高い権限のアクセス許可の制限: 開発環境で、開発者が IAM ロールの作成や管理、組織のポリシーの変更、機密性の高い課金情報へのアクセスを行えないようにします。
組織標準の適用: いずれのロールでも使用できないように権限のセットを制限することで、過剰な権限を持つ基本ロールの誤用を防いだり、特定のフォルダで Google Cloud サービスを有効にする機能を制限したりできます。
セキュリティプロファイルの導入: 職務分掌を徹底するために、さまざまなチーム（課金、ネットワーキング、セキュリティなど）に対して拒否する権限のセットを定義します。
タグ付きリソースの保護: 組織レベルの拒否ポリシーを、特定のタグ（iam_deny=enabled など）が付けられたリソースに適用します。
フォルダレベルの制限の適用: 特定のフォルダ内の、タグが付いていないリソースに対して、広範なカテゴリの権限（課金、ネットワーキング、セキュリティなど）を拒否します。

補完的なセキュリティレイヤ

IAM 拒否は、他のセキュリティ管理と組み合わせて使用すると最も効果的です。Google Cloud には、IAM の拒否を補完するツールがいくつか用意されています。

組織のポリシー: リソース使用量の制限に関するポリシーを使用して、組織で利用できる API を制限するなど、Google Cloud 階層全体で組織の制限を一元的に構成および管理できます。IAM のカスタム制約を定義して、許可するロールを制限することもできます。
Policy Troubleshooter: プリンシパルがリソースにアクセスできる理由や、アクセスが拒否された理由を把握できます。許可ポリシーと拒否ポリシーの両方を分析して、アクセス結果の正確な理由を特定できます。
Policy Simulator: 拒否ポリシーの変更による影響を、ライブ環境に適用する前にシミュレートできます。中断が発生する可能性を特定し、ポリシーを改善するのに役立ちます。現在、拒否シミュレータをプレビュー版でご利用いただけます。
IAM Recommender: 適用された IAM 権限を ML を使用して分析し、過剰な権限が付与されたロールの割り当てを削減するための推奨事項を提供します。真の最小権限を実現できます。
Privileged Access Manager（PAM）: 拒否ポリシーの例外が必要となったプリンシパルに対する、一時的に昇格されたジャストインタイムのアクセス権を管理できます。PAM ソリューションでは、ブレークグラスアカウントやその他の特権アクセスシナリオの監査と管理を行えます。
プリンシパルアクセス境界: 組織内のプリンシパルがアクセスできるリソースを定義できます。たとえば、こうした境界を使用して、プリンシパルが他の組織のリソースにアクセスできないようにすると、フィッシング攻撃やデータの引き出しを防ぐことができます。

Terraform を使用した IAM 拒否の実装

提供されている GitHub リポジトリには、IAM 拒否と組織のポリシーの実装を開始するのに役立つ Terraform 構成が含まれています。この構成には、次のものが含まれます。

タグ付きリソースの特定の管理者権限を対象とした、組織レベルの IAM 拒否ポリシー。
タグ付けされていないリソースに対する、課金、ネットワーキング、セキュリティの権限を制限するフォルダレベルの IAM 拒否ポリシー。
ロールやオーナーロールの使用を禁止するカスタムの組織ポリシー制約。
指定されたフォルダ内での、特定の Google Cloud サービスの使用を制限する組織のポリシー。

Terraform 構成を使用する主な手順:

1. リポジトリのクローンを作成します。

code_block: <ListValue: [StructValue([('code', 'git clone https://github.com/GoogleCloudPlatform/professional-services.git'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfdff4550>)])]>

2. examples/iam-deny フォルダに移動し、Terraform ディレクトリに切り替えます。

code_block: <ListValue: [StructValue([('code', 'cd terraform'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfdff4580>)])]>

3. terraform.tfvars を準備します。terraform.tfvars.example を terraform.tfvars にコピーし、組織 ID、ターゲットフォルダ ID、例外用のプリンシパルグループのメールを追加して編集します。

4. 組織でタグキーとタグ値を作成し、これらのポリシーを有効にします。

任意の名前を指定できますが、この例ではタグキー（iamdeny）とタグ値（enabled）を使用します。

5. main.tf のタグ ID を更新します。各ポリシーの denial_condition セクション内で、プレースホルダのタグキー ID とタグ値 ID を、実際のタグ ID に置き換えます。

code_block: <ListValue: [StructValue([('code', 'denial_condition {\r\n title = "Match IAM Deny Tag"\r\n expression = "resource.matchTagId(\'tagKeys/*\', \'tagValues/*\')" #Tag=iam_deny, value=enabled\r\n }'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfdff44f0>)])]>

a. 注: これは省略可能です。この式は、ポリシーの適用時にすべてのリソースを拒否するために使用することもできます。

code_block: <ListValue: [StructValue([('code', 'denial_condition {\r\n title = "deny all"\r\n expression = "!resource.matchTag(\'*/\\\\*\', \'\\\\*\')"\r\n }'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfdff4880>)])]>

billing.json、networking.json、securitycenter.json（/terraform/profiles/ ディレクトリにあります）などのファイルと denied_perms.tf ファイルで、事前定義済みの拒否された権限を確認し、組織のセキュリティ要件に合わせてください。

6. Terraform を初期化、確認、適用します。

code_block: <ListValue: [StructValue([('code', 'terraform init\r\n\r\nterraform plan\r\n\r\nterraform apply'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7efdfdff4640>)])]>

これらのポリシーをデプロイする前に、必ずセキュリティチームに相談するようにしてください。

拒否する力を活用する

IAM はセキュリティ強化の重要な要素であり、その戦略的な実装は包括的な多層防御戦略の鍵となります（IAM の利用を開始する方法について詳しくは、IAM ガイド「IAM が大嫌い（だけど、どうしても必要）」および「IAM の山を登る: 詳細ガイド」をご覧ください）。

IAM 拒否ポリシーの実装は、Google Cloud のセキュリティポスチャーを強化するうえで重要なステップです。プリンシパルが実行できない操作を明示的に定義すれば、偶発的な構成ミスや悪意のある行為者の両方に対する強力な防御レイヤを実現できます。

IAM 拒否ポリシーを、組織のポリシー、Policy Troubleshooter、Policy Simulator、IAM Recommender と組み合わせることで、最小権限をより効果的に実現し、より安全なクラウド環境を構築できます。提供されている Terraform の例をご覧になり、Google Cloud のセキュリティ戦略における拒否する力を実感してください。

このコンテンツは、Google Cloud コンサルティングが Google Cloud を利用するお客様企業と協力して得た知見に基づいて作成されました。Google Cloud の取り組みを、最適な専門家やイノベーターとともに加速させたいとお考えの場合、Google Cloud コンサルティングまでお問い合わせください。

ークラウドインフラストラクチャエンジニア、Kevin Schmidt

Google Cloud がスウェーデンに新しいリージョンを開設

Fri, 28 Mar 2025 01:00:00 +0000

※この投稿は米国時間 2025 年 3 月 6 日に、Google Cloud blog に投稿されたものの抄訳です。

このたび Google Cloud は、スウェーデンにクラウドリージョンを開設することを発表いたします。これは単なるリージョンの追加ではなく、スウェーデンの未来への重要な投資であり、クラウドの力で企業や個人を支援するという Google の継続的な取り組みを反映したものです。この新しいリージョンは、グローバルで 42 番目、ヨーロッパで 13 番目の Google のリージョンであり、スウェーデン国内および世界中でイノベーション、サステナビリティ、成長の機会を広げます。デジタルトランスフォーメーションと AI 利用を実現する可能性に期待しています。

世界的に認知されているスウェーデンの企業の一つである IKEA が、この新しいリージョンで Google Cloud と緊密に連携しました。

「IKEA は、スウェーデンの新しいリージョンを祝福するにあたり、Google Cloud と連携できること嬉しく思っています。これは、スウェーデンにおけるイノベーションの促進に対する両社の共通の取り組みを明確に示したものです。Google Cloud のスケーラブルで信頼性の高いインフラストラクチャは、お客様にシームレスなショッピング体験を提供し、インテリアデザインを誰もが利用しやすいものにしてくれます。」 - IKEA Retail（Ingka Group）最高データ / アナリティクス責任者、Francesco Marzoni 氏

Google Cloud の初期のお客様であるスウェーデンのオーディオストリーミングサービス Spotify も、自国に Google Cloud リージョンが誕生したことを歓迎しています。

「この 10 年間、Google Cloud と貴重なパートナーシップを築き、共に成長し、イノベーションを起こしてきました。スピードが最優先で、ミリ秒単位の速度が重要にもなる分野において、この新しい Google Cloud リージョンは、スウェーデンの企業やデジタルユニコーンにとってイノベーションを加速させる触媒のような働きをしてくれるでしょう。私たちは、この進化と成長を遂げるクラウドコミュニティの一員になれることを嬉しく思っています。」- Spotify テクノロジー＆プラットフォーム担当バイスプレジデント、Tyson Singer 氏

スウェーデンのイノベーションと成長を後押し

この新しいリージョンは、スウェーデンの企業、組織、個人に対し、AI、ML、データ分析などの Google Cloud テクノロジーを活用した強力な新しいプラットフォームを提供し、成長をもたらします。高パフォーマンスかつ低レイテンシのクラウドサービスをスウェーデンで提供することで、オンラインマーケットプレイスの Tradera をはじめとするお客様に、アプリケーション開発の迅速化、ユーザーエクスペリエンスの向上、ビジネスアジリティの強化を実現しています。

「Google Cloud のテクノロジーにより、Tradera はお客様の販売体験を向上させ、より多くの商品をより迅速に販売できるようにしました。Google Cloud の新しいスウェーデンリージョンの開設で、当社が実感したメリットをより幅広い企業が享受し、同じペースでイノベーションを起こせるようになります。これは素晴らしいことです。」- Tradera CTO、Linus Sjöberg 氏

このリージョンによって、データ所在地の要件とデジタル主権の懸念にも直接対処でき、多くのスウェーデンの組織にとってクラウドを導入する際の大きな障壁が解消されることになります。これらの組織は初めて、データ所在地を管理しながら、Google Cloud サービスの可能性を最大限に活用できるようになりました。可能性が引き出され、スウェーデンの独創性が開花する重要な転換点になると考えています。従来の業界の常識を覆すスタートアップから、デジタルトランスフォーメーションを進める大企業まで、スウェーデンの新しいリージョンは、AI 時代で成功するために必要なインフラストラクチャとツールを提供します。

aside_block: <ListValue: [StructValue([('title', 'Google Cloud を無料で試す'), ('body', <wagtail.rich_text.RichText object at 0x7efdfdfd8550>), ('btn_text', '無料で開始'), ('href', 'https://console.cloud.google.com/freetrial?redirectPath=/welcome'), ('image', None)])]>

実際、スウェーデン政府の AI 委員会は最近、AI ロードマップを発表し、公共部門が共通の AI インフラストラクチャで連携するための AI ファクトリーを提案しました。この新しいリージョンは、スウェーデンの AI インフラストラクチャ能力を強化することで、スウェーデンの AI イノベーションエコシステムにおける Google のパートナーシップを際立たせています。

「スウェーデンのクラウドリージョンなどのスウェーデンの AI インフラストラクチャへの投資は、スウェーデンの AI 開発を強化し、スウェーデンに保存されたデータによる AI イノベーションを可能にします。」- Swedish National Center for Applied AI（AI Sweden）ディレクター、Martin Svensson 氏

Google Cloud は、スウェーデンの組織に、データと AI をよりスマートに活用することで、レジリエンスの構築、費用の削減、サステナビリティへの影響の加速を実現する新しい方法も提供しています。現在の予測では、スウェーデンの電力網の電力構成から、このリージョンは一年を通してフル稼働する最初の年となる 2026 年には 99% 以上カーボンフリーエネルギー（CFE）で稼働する見込みです。Google は、スウェーデンでの事業は、Google が事業を展開するすべての電力網地域の中で最も高い Google CFE1 スコアの一つを獲得すると見込んでいます。また、Google は 2013 年にスウェーデンで初めて電力購入契約（PPA）を発表しました。それ以来、クリーンエネルギーのデベロッパーと長期契約をさらに締結し、スウェーデンで 700 メガワット（MW）を超える陸上風力プロジェクトを実現しました。

技術的なメリット

地域的な影響だけでなく、スウェーデンにおけるクラウドリージョンは多くの技術的メリットを提供します。デジタル銀行の Nordnet は、次のように期待しています。

「Nordnet は Google Cloud と提携することで、製品化までの時間短縮、スケーラビリティの向上、セキュリティの強化を実現する、新しいクラウドネイティブプラットフォームを構築しました。Google Cloud の新しいスウェーデンリージョンにより、これらのメリットをさらに強化できるようになります。Nordnet は、貯蓄と投資のためのプラットフォームを強化し、優れたカスタマーエクスペリエンスを提供して、成長を加速させることができます。」- CTO、Nordnet、Elias Lindholm 氏

新しいリージョンの技術的なメリットは次のとおりです。

高パフォーマンスと低レイテンシ: ストックホルムへのレイテンシはわずか数ミリ秒で、スウェーデンとその周辺諸国のユーザーのレイテンシが大幅に短縮されます。これにより、アプリケーションの応答時間が短縮され、ストリーミングがスムーズになり、オンラインエクスペリエンスが向上し、生産性とユーザー満足度が向上します。Google のお客様である Bonnier News は、この技術的優位性を実際に享受できています。「今日のペースの速いメディア環境では、タイムリーなニュース配信と迅速な適応が不可欠です。新しいスウェーデンの Google Cloud リージョンにより、Bonnier News はイノベーションを推進し、競争力を維持するために必要なアジリティとスピードを獲得できます。データ処理の高速化とレイテンシの低減により、読者がいつでもどこでも最新のニュースや分析情報を入手できるようになりました。」- Bonnier News CTO、Lina Hallmer 氏
データ主権とセキュリティの確保: スウェーデンのこの新しいリージョンは、保存時と転送時の両方でのデータ暗号化、きめ細かいデータアクセス制御、データ所在地、高度な脅威検出システムなど、Google の堅牢なインフラストラクチャの恩恵を受けています。最高水準の国際セキュリティおよびデータ保護基準を遵守し、お客様のデータの機密性、完全性、主権を確保します。
オンデマンドのスケーラビリティと柔軟性: Google Cloud のインフラストラクチャは、ビジネスに合わせて簡単にスケールできるように設計されています。小規模なスタートアップでも大企業でも、進化するニーズに合わせてリソースを簡単に調整できます。

スウェーデンのデジタル化の未来に向けた投資

Google のスウェーデンに対する取り組みは、この新しいクラウドリージョンの開設だけではありません。人材育成と地域社会の支援のために、スウェーデンのデジタルエコシステムに多額の投資を行っています。次のような取り組みがあります。

独占的な開設パートナーシップ: 独占的な開設パートナーである Devoteam と Tietoevry Tech Services との連携により、新しいクラウドリージョンの開設を発表できることを嬉しく思います。開設パートナーのエンジニアリングとコンサルティングに関する深い専門知識により、お客様は新しいリージョンのメリットを迅速に実現できます。
地域とのコラボレーション: Google は、スウェーデンの企業、教育機関、行政機関と協力して、活気あるクラウドエコシステムを構築しています。これらのコラボレーションは、スキル開発、知識の共有、地域のイノベーションのサポートに重点を置いています。

今後の展望: 進歩のためのパートナーシップ

スウェーデンでの新しいクラウドリージョンの開設は、私たちの共同の取り組みの第一歩にすぎません。Google は、スウェーデンへの継続的な投資に尽力し、地元の企業や組織と連携して、繁栄するデジタルの未来を築き上げています。このクラウドリージョンはイノベーションと成長の強力な原動力となり、スウェーデンの組織が業界を変革し、新たな機会を切り開き、明日の世界を形作ることを支援します。皆様が何を生み出していくのか、楽しみにしています。コンソールで Stockholm（europe-north2）を探して、今すぐご利用ください。スウェーデンの皆様、Välkommen till Google Cloud！

詳しくは、Google Cloud のグローバルリージョンの他のロケーションと、インフラストラクチャの構築方法をご覧ください。

1. カーボンフリーエネルギーとは、二酸化炭素を直接排出しないあらゆる種類の発電のことを指します。これには太陽光、風力、地熱、水力、原子力が含まれます（ただしこれらに限定されません）。サステナブルバイオマスと二酸化炭素の回収および貯留（CCS）は、状況に応じて個別に検討される特殊な例ですが、多くの場合、これもカーボンフリーエネルギー源と見なされます。カーボンフリーエネルギー戦略と計画の詳細については、Google の 2024 年環境報告書をご覧ください。

-Google Cloud ヨーロッパ、中東、アフリカ担当プレジデント、Tara Brady
-Google Cloud スウェーデンカントリーディレクター、Maria Wiss

¡Hola Mexico! ケレタロに新しい Google Cloud リージョンを開設

Thu, 19 Dec 2024 01:10:00 +0000

※この投稿は米国時間 2024 年 12 月 5 日に、Google Cloud blog に投稿されたものの抄訳です。

このたび、Google Cloud はメキシコのケレタロに 41 番目となるクラウドリージョンを開設しました。これは、チリのサンティアゴ、ブラジルのサンパウロに続き、ラテンアメリカで 3 番目のクラウドリージョンとなります。ケレタロから、メキシコ全土および周辺地域の企業や公共機関に高速で信頼性の高いクラウドサービスを提供します。低レイテンシ、高パフォーマンスを実現し、現地のデータ所在地を提供するこの新しいリージョンを利用すれば、組織の革新を促進し、デジタルトランスフォーメーションの取り組みを加速させることができます。

メキシコの組織がクラウドで成功を収めるために

Google Cloud リージョンは、最高水準のインフラストラクチャ、クラウド、AI テクノロジーをお客様の身近なものにするための大規模な投資です。企業、スタートアップ、公共機関は、Google Cloud のインフラストラクチャが持つスケールメリットとグローバルネットワークを活用し、エンドユーザーにアプリケーションやデジタルサービスを提供できます。

メキシコのケレタロに新設されたこのリージョンにより、Google Cloud のお客様は以下のメリットを享受できます。

スピード: エンドユーザーに高速かつ低レイテンシなエクスペリエンスを提供し、Google のグローバルネットワークを通じて大量のデータをネットワーク間で容易に転送できます。
セキュリティ: CNBV 契約フレームワークの要件を満たすなど、組織と顧客のデータを安全かつコンプライアンスに準拠した状態で管理し、現地のデータ所在地を維持します。
容量: 増加するユーザーやビジネスニーズに柔軟に対応できるスケーラビリティを提供します。
サステナビリティ: IT 環境のカーボンフットプリントを削減し、サステナビリティ目標の達成を支援します。

aside_block: <ListValue: [StructValue([('title', 'Google Cloud を無料で試す'), ('body', <wagtail.rich_text.RichText object at 0x7efdfdfe1d60>), ('btn_text', '無料で開始'), ('href', 'https://console.cloud.google.com/freetrial?redirectPath=/welcome'), ('image', None)])]>

Google Cloud のお客様は、このクラウドリージョンがもたらす新たな可能性に大きな期待を寄せています。

「Prosa では過去 3 年間、テクノロジーの導入とチーム内でのデジタルスキルの開発を進める変革プロセスに取り組んできました。Google とのパートナーシップは、プロジェクトの遂行、デジタルビジネスモデルへの進化、エコシステムの実現、サービスの API 化の推進、データ分析の改善において重要な役割を果たしています。この協力関係は、新しい Google Cloud リージョンの開設によりさらに深化します。安全で高可用性を備えた方法で決済エコシステムへの統合を進められる環境を加盟店に提供し、顧客体験の向上と、迅速かつ柔軟な価値提供を実現します」と、2023 年に 100 億件を超える取引を処理した決済テクノロジー企業 Prosa の CEO、Salvador Espinosa 氏は述べています。

メキシコのケレタロに新しい Google Cloud リージョンが構築されることに対し、メキシコの公共機関から歓迎の声があがっています。

「メキシコにおける新しい Google クラウドリージョンは、国民に説明責任を果たすデジタル政府を構築し、デジタルトランスフォーメーションをさらに深化させる鍵となります。2018 年以来、Auditoria Superior de la Federación（ASF）はメキシコにおけるデジタルトランスフォーメーションの先駆者として、イノベーションとテクノロジーの責任ある活用を推進してきました。Google Cloud の Vertex AI をはじめとする高度なテクノロジーや独自のツールを活用して、データ分析を強化し、プロセスを自動化して、コラボレーションを改善しています。これにより、より正確な意思決定、公共支出の監視の最適化、検査範囲の拡大、そしてリソースの透明な利用が実現しています。クラウドの力を借りて、私たちはテクノロジーを戦略的なパートナーとして活用する未来を見据えています。効率的でアジャイルかつ徹底的なデジタル監査を実施し、不正を早期に検出して、説明責任を強化できるようにします。ASF が重視する透明性と効率性は、Claudia Sheinbaum 大統領が推進する公共イノベーション政策と一致しています」と、Auditoria Superior de la Federación、連邦支出特別監査官の Emilio Barriga Delgado 氏は述べています。

新しいクラウドリージョンは、10 万を超える非常に多様なパートナーで構成される Google のグローバルエコシステムに新たな機会をもたらします。

「Amarello と当社のお客様にとって、メキシコでの新リージョンの開設は、Google Cloud の大きな成長とメキシコへの真摯な取り組みを示すものです。これはメキシコにとっても大きな節目であり、他の主要経済圏と肩を並べる重要な一歩となります。この新リージョンにより、雇用が創出されるだけでなく、戦略的プロジェクトの導入や、金融サービス、ミッションクリティカルな業務といったレイテンシに敏感な技術サービスの導入が加速するでしょう。同時に、国内で情報を保持する必要があるプロジェクトも、最も革新的で安全なパブリッククラウド上で実現可能になるでしょう」と、Amarello Tecnologías de Información のマネージングパートナーである Mauricio Sánchez Valderrama 氏は述べています。

メキシコ市場への参入を検討しているグローバル企業にとってはどうでしょうか。

ネットワークがクラウドファーストのアプローチへと移行し、ハイブリッドな勤務形態により、誰もが場所を問わず業務を行えるようになった現在、メキシコリージョンの企業は、Prisma SASE をはじめとする Palo Alto Networks の AI 搭載ソリューションを活用して、安全にイノベーションを加速し、効率を向上させ、顧客体験を強化できるようになりました。Prisma SASE は、クラウド上に構築され、大規模なクラウド保護を実現する革新的なソリューションです。Google Cloud と Palo Alto Networks の強力なコラボレーションにより、セキュリティとイノベーションへの取り組みがさらに強化され、各組織は進化する脅威からユーザー、データ、アプリケーションを保護できているという安心感を得ながら、AI 主導の未来を自信を持って受け入れることができます」と、Palo Alto Networks のプロダクト管理担当バイスプレジデント、Anupam Upadhyaya 氏は述べています。

ラテンアメリカへのコミットメントを果たす

2022 年、Google はラテンアメリカへの 5 年間にわたる 12 億ドルの投資計画を発表しました。この取り組みでは、デジタルインフラ、デジタルスキル、起業支援、インクルーシブでサステナブルな地域社会の構築という 4 つの主要分野に重点を置いています。

今回、メキシコのケレタロに新設された Google Cloud リージョンは、この目標とラテンアメリカのデジタルトランスフォーメーションに対する Google の継続的な取り組みを象徴するものです。この新しいクラウドリージョンの開設により、クラウドの導入が促進され、生産性が向上することで、2030 年までに 10 万人以上の雇用を創出し、メキシコの GDP に 110 億ドル以上の貢献があると予測されています。

また、Google はメキシコやラテンアメリカにおける新たなキャリアアップの機会の創出にも注力しています。現在、ラテンアメリカ全域の 550 以上の大学と連携して、AI やクラウドなどの新しいデジタルテクノロジーがもたらす機会を学生が活用できるよう、強力かつ継続的に更新される学習リソースのポートフォリオを提供しています。その結果、過去 24 か月間で、14,000 人を超えるメキシコの学生や個人の開発者がデジタルスキルバッジを取得しました。

Google の取り組みのもう 1 つの例として、米州開発銀行（IDB）と連携して実施している「Súbete a la nube」プログラムがあります。このプログラムでは、女性とメキシコの南部地域に重点が置かれています。このプログラムを通じて、現在までに 12,500 人もの人々がクラウドコンピューティングに関する必須のデジタルスキルトレーニングに登録しています。

このたび、Google は今後数年間で 100 万人のメキシコの人々に AI とクラウドテクノロジーのトレーニングを提供する取り組みを発表しました。Google Cloud は、学生、開発者、顧客向けのさまざまな無料トレーニングプログラムを通じて、メキシコ現地の人材育成に引き続き注力していきます。現在実施中のトレーニングプログラムには、YouTube を通じて無料で提供されるローカライズされたコース、Google Cloud Skills Boost プラットフォームを通じた資格認定、Google デベロッパーグループによるコミュニティサポート、Google Career Certificates の奨学金などがあります。これにより、学習者はサイバーセキュリティやデータ分析といった急成長分野での需要の高い職業に就く準備を整え、クラウドを活用してイノベーションとテクノロジーの民主化を実現できます。

また、この新しい Google Cloud リージョンは、ラテンアメリカの顧客に生成 AI プロダクトとサービスを提供する第一歩となるものです。クラウドコンピューティングは、AI の開発と利用のための重要なゲートウェイとしての役割をさらに強めていき、各組織による世界規模での競争と革新を支援することでしょう。

Google Cloud は、デジタルトランスフォーメーションを進めるお客様にとって最適なパートナーであることを目指しています。アプリケーションやインフラストラクチャを運用するためのサステナブルで低炭素なソリューションの提供に注力しており、2017 年以降は全世界の年間電力使用量の 100% を再生可能エネルギーで賄っています。そして 2030 年までに、メキシコを含む Google が事業を展開するすべての電力網で、24/7 カーボンフリー電力による運営を達成することを目標としています。

メキシコのケレタロリージョンを開設し、低レイテンシで信頼性の高いクラウドサービスをメキシコおよびラテンアメリカ全域に提供できることを非常に嬉しく思います。これにより、各組織はクラウドがもたらすあらゆるメリットを最大限に活用できるようになります。2025 年以降もさらに多くの Google Cloud リージョンが追加される予定ですので、どうぞご期待ください。Google Cloud のグローバルインフラストラクチャについて詳しくは、リンクをクリックしてご覧ください。

-Google Cloud、ラテンアメリカ担当プレジデント Eduardo Lopez

-Google Cloud メキシコ、ディレクター Julio Velazquez

インド太平洋地域に新たなデジタル経路を提供するオーストラリア接続構想

Thu, 05 Dec 2024 02:00:00 +0000

※この投稿は米国時間 2024 年 11 月 26 日に、Google Cloud blog に投稿されたものの抄訳です。

このたび Google は、オーストラリアとインド太平洋地域におけるデジタル接続の到達範囲、信頼性、復元力をさらに高める、オーストラリア接続構想を発表いたします。この投資は太平洋接続構想を基盤とするもので、新たな海底ケーブルシステムを提供します。

Bosun 海底ケーブルは、オーストラリアのダーウィンとクリスマス島をつなぐ予定です。クリスマス島はシンガポールに接続されています。Bosun という名前は、クリスマス島を象徴する鳥のシラオネッタイチョウと、船の甲板長を意味する航海用語の両方を指しています。さらに、新しい連結ケーブルがメルボルン、パース、クリスマス島を結びます。この連結ケーブルは太平洋接続構想の一環である Honomoana ケーブルシステムにメルボルンで接続され、米国からアジアまでサービスを提供する新たな相互接続ポイントを構築します。

運用が開始されると、Bosun と連結ケーブルはオーストラリアの新たなデジタル経路となり、国内およびインド太平洋地域全体のインターネットの信頼性と復元力を高めます。

Bosun 海底ケーブルシステムに加え、Google は Vocus などのパートナーと協力してダーウィンとサンシャインコーストをつなぐ陸上ファイバーペアの提供に取り組んでいます。この陸上ファイバーペアは、米国、オーストラリア、フィジーを結ぶ Tabua 海底ケーブルシステムと Bosun をつなぎます。

オーストラリア接続構想は、Google と複数の主要パートナー（NEXTDC、SUBCO、Vocus など）に加えて、ダーウィン、パース、サンシャインコーストの州政府および地方自治体が参加する共同プロジェクトです。

aside_block: <ListValue: [StructValue([('title', 'Google Cloud を無料で試す'), ('body', <wagtail.rich_text.RichText object at 0x7efdfdfc8400>), ('btn_text', '無料で開始'), ('href', 'https://console.cloud.google.com/freetrial?redirectPath=/welcome'), ('image', None)])]>

オーストラリア通信大臣、Michelle Rowland 下院議員: 「オーストラリア政府は、Google とそのパートナーによるオーストラリア接続構想の発表を歓迎します。これらの新たなケーブルシステムは、新しい多様な経路を通じてオーストラリア独自のデジタル接続の復元力を拡大、強化するだけでなく、政府と業界および行政機関パートナーとの積極的な取り組みを補完し、太平洋全域の安全かつ復元力のある、信頼性の高い接続をサポートしてくれます。」

NEXTDC、最高経営責任者兼マネージング ディレクター Craig Scroggie 氏: 「海底ケーブルは、オーストラリアと世界のデジタルエコシステムをつなぐ、多くの場合は目に見えない重要なライフラインです。ダーウィン、サンシャインコースト、メルボルンにケーブルの地上局を設置するにあたり、Google と協力できることを誇りに思います。NEXTDC のナショナルデータセンターネットワーク全体に対するこれらの投資は、データ速度の向上、信頼性と冗長性の強化、オーストラリアとインド太平洋全域にわたるサイバーセキュリティの強化を実現し、すべてのお客様の利用体験を向上させるでしょう。」

Soda Infrastructure / SUBCO、共同最高経営責任者 Belle Lajoie 氏: 「オーストラリアで海底インフラストラクチャを拡大する Google と協力できることを嬉しく思います。この協力により両社ともに共有インフラストラクチャを活用して、復元力の強化やプロジェクトデリバリーの迅速化を実現し、環境と地域社会への影響を最小限に抑えることができます。私たちは協力して、オーストラリアの主要都市に不可欠な海底ケーブル接続を提供しています。シドニーとメルボルンの間に堅牢な海底ケーブル経路を新たに確立し、地域全体の接続性を強化しています。」

サンシャイン コースト市長、Rosanna Natoli 氏:「このプロジェクトで Google および NEXTDC と協力して、この地域、この国、そしてインド太平洋地域のデジタルレジリエンスの向上に貢献できることをうれしく思います。デジタルインフラストラクチャへの投資は、サンシャインコーストだけでなく、世界中の人々がつながり、繁栄し、テクノロジーに対応できる未来を発展させるのに役立ちます。」

Vocus、暫定最高経営責任者 Jarrod Nink 氏:「Vocus は、Google との戦略的ネットワークパートナーシップをさらに深め、この地域の重要なデジタルインフラストラクチャ確立の一翼を担う機会を得たことに興奮しています。オーストラリア接続構想は、オーストラリアの東部、西部、北部に位置する重要なノードを世界のデジタル市場に接続することにより、アジアと米国の間の重要なゲートウェイとしてこの国の戦略的地位を強化します。オーストラリア接続構想は、低遅延で安全かつ安定したネットワークアーキテクチャを構築し、Google、お客様、パートナーにさらなる信頼性をもたらすでしょう。」

Google は、すべてのオーストラリア国民のために、デジタルの力強い未来の構築に全力で取り組んでいます。2021 年には、インフラストラクチャ、地域パートナーシップ、研究能力に対する長期的な取り組みに基づいて構築された、10 億豪ドル、5 年間のイニシアチブである Digital Future Initiative を立ち上げました。Analysys Mason の予測によると、Google がオーストラリアでこれまでに敷設した海底ケーブルは、2022～2026 年で計 985 億豪ドル（640 億米ドル）の GDP 増加をもたらし、2027 年までに約 68,000 人分の新たな雇用を創出するとみられています。

オーストラリアおよびインド太平洋地域のパートナーとの緊密な協力を通じて、さらに多くのことをお伝えできることを楽しみにしています。