AI をどこで実行すべきか?

AI の実行場所の重要さ

今や、AI はクラウドだけでなく、従業員の PC、エッジ、お客様が所有するデータセンター、クラウド サービスなど、さまざまな場所で実行されています。企業が AI の活用手段をさらに見いだす中で、AI の適切な配置場所は、各ワークロードの要件に応じて決まります。そうした要件とは、データへのアクセス、応答性能、接続の信頼性、十分な処理能力、管理可能なコストです。

パートナー様にとっては、このような要件に基づいて実用的なインフラストラクチャを提案する絶好の機会となります。ローカルの文書支援と、複数の拠点にサービスを提供する映像分析システムとでは、別々のアプローチが必要になるでしょう。まずワークロードを確認し、次に AI ワークロードの実行場所を判断します。

AI の作業タイプも重要になります。大規模モデルのトレーニングや調整には通常、データセンターやクラウドをベースとする強力な演算能力が必要です。お客様の日常的な AI の用途としては、文書の要約や従業員の日常業務の支援などがありますが、そこには推論が関わっており、新しいリクエストを処理するために既存モデルが使用されています。モデルやソフトウェアに応じて、その処理は PC、エッジ、または中央集中型のインフラストラクチャで実行できます。その違いを理解しておけば、お客様が柔軟に対応できる部分と、ワークロードの負荷が高く特定のソリューションが必要になる部分を見分けられるようになります。

お客様に尋ねるべき 5 つの確認事項

製品を勧める前に、ワークロードの要件を明確にしましょう。次に示す 5 つの確認事項を使用すれば、パートナー様は、お客様に適した展開の選択肢を特定し、トレードオフを説明できます。

• データの置き場所をローカルにする必要があるか? 機密性の高い情報、業界ルール、会社の方針といった要因があると、オンデバイスまたはお客様自身のインフラストラクチャ内での処理が優先される可能性が高くなります。
  
  
• どの程度の応答速度がワークロードに求められるか? ライブ映像、機械、対話型の支援を伴うタスクの場合には、推論の実行場所をデータの作成場所に近づけるとよいでしょう。
  
  
• 安定した接続がない環境で動作する必要があるか? 遠隔地、出先で働く従業員、あるいは制約のある環境では、接続できないか、あるいは接続が不安定であっても AI 処理の継続が必要なケースがあります。
  
  
• アクセスが必要なユーザーやシステムの数はどれくらいか? ローカル アシスタントを使用する従業員が 1 人の場合と、企業全体が共有モデルを使用している場合とでは、特に時間の経過と共に需要が変化するという点で大きく違います。
  
  
• 利用が増えるにつれ、コストはどのように変化するか? クラウドの API を介して AI を実行する場合、トークンベースの課金が継続的に発生する可能性があります。一方、ローカルで AI を実行する場合は、ハードウェアのコストと運用コストを考慮する必要があります。

この最後の点は、AI が日常業務の一部になるにつれ、重要性を増します。クラウド AI の API は、トークンの使用量に応じて課金される場合がありますが、エンタープライズ向けのサブスクリプションではライセンス数ベースの課金や、その他の価格設定が適用される場合があります。使用量ベースで課金される API では、リクエスト数やトークンの消費量が増えるにつれてコストが上昇する可能性があります。

AMD Tokenomics Calculator を使用して AI コストを把握する

AMD Tokenomics Calculator を使用して、対応するローカル AI とクラウド AI のシナリオの推定コストを比較できます。お客様のチーム規模、想定使用量、選択したクラウド モデル、分析期間を入力して、導入規模の拡大に応じたコストの変化を調べましょう。

この計算ツールを使用して、選択した期間のコストを見積もることができます。クラウド API のコストと、対応する AI ワークロードを AMD デバイスで実行した場合や、ローカル処理とクラウド処理の混在環境で実行した場合のコストを比較することもできます。算定コストには、運用コストとハードウェア コストの見積もりが含まれます。パートナー様にとって、AI 利用の拡大に伴い、それぞれの選択肢がコストに与える影響をお客様に示す便利で簡単な手段となります。

この結果を検討の出発点にしてください。展開を勧める前に、モデルとソフトウェアの互換性を確認し、計算ツールの前提条件に入っていないライセンス、IT サポート、その他のコストも考慮します。

デバイス、エッジ、データセンター、クラウドのいずれか?

ワークロードの要件が明確になれば、AI をどこで実行すべきかを判断しやすくなります。

従業員がデータをローカルで処理したり、常時インターネット接続がない環境で動作したりできる対応アプリケーションを必要とする場合は、オンデバイス AI を検討します。AMD Ryzen™ AI PRO プロセッサ搭載のシステムは、生産性向上ツールや文書支援などのローカル AI アプリケーションに対応するため、CPU、GPU、NPU を組み合わせています。ローカルで処理すれば、ネットワーク接続への依存度を減らし、対応するワークロードでネットワークを介した往復通信を回避できます。

エンタープライズ AI PC とハイブリッド AI の詳細はこちら

カメラやセンサーなどの機器で、データの生成場所に近い場所での処理が必要な場合は、エッジ AI を検討します。AMD Ryzen™ AI Embedded X100 シリーズ プロセッサは、ローカル AI やその他の高負荷タスクの処理が必要なシステムに対応するため、CPU、GPU、NPU のアクセラレーションを組み合わせています。オンサイトで処理する量を増やせば、ネットワークを介して送信される生データの量が減るため、帯域幅の負荷を軽減し、時間に制約があるシステムがリモート サービスを待つことなく応答できるようになります。

大規模モデル、共有サービス、負荷の高いトレーニングのために個別デバイスでは対応できないリソースが必要な場合は、中央集中型のデータセンター インフラストラクチャを検討します。AMD EPYC™ サーバー向け CPU と AMD Instinct™ GPU が、負荷の高い推論、モデル トレーニング、エンタープライズ AI システムの運用を維持するサービスをサポートします。また、AMD Enterprise AI Reference Stack はオープンなソフトウェア基盤を通じて、AMD インフラストラクチャ上での AI の展開と管理を容易にします。

エンタープライズ AI 対応 AMD EPYC サーバー向け CPU の詳細はこちら

お客様がホスト型モデルの利用を必要としている場合や、需要の変化に応じた処理能力の調整を必要としている場合は、クラウド サービスを検討します。コストや規模の観点からすると、企業によっては、自社のデータセンターに大規模な AI ワークロードを保持する方が理にかなっている場合があります。その一方で、ワークロードの変動が激しい場合や、社内で維持することが合理的でないリソースを必要とする場合には、クラウド サービスが好ましいケースもあるでしょう。

ハイブリッド AI が適しているケース

同じ AI ワークフローに属していてもタスクに応じて、環境が別々である方が適していることがあります。このような場合、ハイブリッド アプローチを採用すれば、ローカルに適した処理をローカルに維持し、追加の処理能力や異なるモデルを必要とするタスクに中央集中型リソースまたはクラウド リソースを割り当てることができます。

AMD は、適切なアプリケーションで AI 処理をどの程度ローカルで実行できるかを示す参考事例を紹介しています。Advancing AI 2026 の記事で、AMD はカスタマー サポートのデモについて説明しています。そのデモは、AMD Ryzen™ AI プロセッサを搭載し、Lemonade を実行しているシステムが、通常のモデル リクエストをオンデバイスで処理し、負荷が高いリクエストをクラウド モデルに送信するという内容でした。そのデモを通じて、トークン処理の 69% がローカルで処理され、31% がクラウドにオフロードされていたと AMD は報告しています。

この数値は 1 回のデモに基づくものであり、それぞれのお客様に応じて変わります。この実例で参考になる点は、アプリケーションが個々のリクエストに応じて判定しているところです。ローカル AI はそれに適したタスクを処理し、必要に応じて規模の大きいクラウド モデルにアクセスすることで、データ処理とセキュリティを最優先にしながら、クラウド コンピューティングの継続的なコストの削減にも役立ちます。

AMD Ryzen AI プロセッサは従業員デバイス上での処理をサポートし、AMD Ryzen™ AI Embedded プロセッサはオンサイト システムでの推論を可能にし、AMD EPYC サーバー向け CPU と AMD Instinct GPU は中央集中型のワークロードをサポートできます。その結果、お客様の現在の業務状況や、短期と長期の両方にわたる AI ニーズの進展状況に応じた構築における柔軟性が高まります。

お客様が最適な構成を見つけられるよう支援する

本記事の最初の方で説明した 5 つの確認事項は、パートナー様にとって役に立つスタート ポイントになります。応答の即時性とオフライン利用が重要な場合は、オンデバイス AI とエッジ AI が適しています。データをローカルに配置し、クラウドベースのプラットフォーム上以外に保持する必要がある場合は、オンデバイスかオンプレミスのインフラストラクチャ内での処理が可能です。大規模な共有モデルや高負荷なトレーニング、あるいは需要に応じて処理能力を拡大する場合は、データセンターとクラウドを選択肢として検討します。作業内容に応じてお客様の要件が変わる場合は、最初からハイブリッド環境を検討します。

選択肢を絞り込んだら、コストについても併せて検討するとよいでしょう。ローカル AI PC が検討の対象になっている場合は、AMD Tokenomics Calculator が、ローカルで作業を処理した場合の想定コストと、クラウド API を介して処理した場合の想定コストを比較する際に役立ちます。その上で、お客様が選択した AI モデルとソフトウェアがハードウェアに適していることを確認し、その環境の日々の管理やサポートがどのようなものになるか話し合うようにしてください。

次回のお客様との打ち合わせでは、具体的な AI ワークロードを 1 つ定めることから始めてみましょう。5 つの確認事項を使って、お客様に適した展開の選択肢を絞り込み、必要に応じて AMD Tokenomics Calculator で想定コストを比較し、ハードウェアを推奨する前にモデルとソフトウェアの互換性を確認するようにしてください。お客様のワークロード要件に適した AMD のプロセッサ、アクセラレータ、ソフトウェアについては、AMD の担当者にお問い合わせください。