Vertex AI入門

AIが急速に進化するなか、技術責任者が直面する大きな課題の一つは、実験段階から企業での実運用に耐える段階への移行だ。消費者向けチャットボットや対話型プラットフォームは人々の想像力を刺激するが、企業はチャット画面だけでは成功できない。競争がかつてなく激しい時代には、堅牢で拡張性が高く、安全なエコシステムが必要になる。Google (GOOGL )がそれを提供しようとしているのが Vertex AIという、Google Cloudの統合AI・機械学習プラットフォームだ。 

Vertex AIは、生成AIと現代のクラウド基盤を結び付ける中核としての地位を固めようとしている。包括的な機能群により、そのままの基盤モデルと本番運用水準のアプリケーションの間をつなぐ。単に大規模言語モデル（LLM）を包むラッパーではなく、生成AIを現代のクラウド基盤の主要な構成要素として扱う、統合された機械学習・AIのエコシステムである。

Vertex AIの中心にあるのは Model Gardenだ。選別された200超の基盤モデルを利用できる中央マーケットプレイスで、200万トークンものコンテキストウィンドウを持つ強力なマルチモーダルモデルGemini 2.5 Proも含まれる。本記事ではVertex AIのアーキテクチャを分析し、Model Gardenが知能の「App Store」として果たす役割と、次世代の企業ソフトウェアの中核となる技術的な柱を見ていく。

中核アーキテクチャ：統合プラットフォーム

Vertex AIは、ツールを緩やかに集めたものではなく、統合されたデータとAIのエコシステムだ。機械学習が今も抱えるデータ、ツール、チームの分断を解消するよう設計されている。従来のAI開発は孤立した環境で行われ、データが複数の保管場所に散在し、閉じ込められることもある。例えば顧客データはSQLデータウェアハウスに、非構造化文書はデータレイクに置かれる。データがサイロ化するとAIは「部分的な真実」しか把握できず、企業全体の文脈を欠くため、偏った結果や高いハルシネーション発生率につながる。 

Vertex AIは、BigQueryやCloud Storageへの生データ取り込みから本番環境の監視まで、ライフサイクル全体の統合を目指し、サイロ間の結合組織として機能する。Cloud StorageとBigQueryに標準で統合されているため、AIモデルは複雑な抽出・変換・読み込み（ETL）パイプラインなしでデータを取得できる。 

基盤：GoogleのAI Hypercomputer

生成AIのレイヤーを担う Vertex AIは、統合スーパーコンピューティングシステムであるGoogleのAI Hypercomputerアーキテクチャ上に構築されている。構成要素は次の通りだ。

TPU v5p & v5e（Tensor Processing Units）

GoogleのTensor Processing Unitは、深層学習の基礎となる行列乗算のために専用設計された、特定用途向け集積回路（ASIC）である。

• TPU v5p（性能重視）： 大規模な学習向けの主力アクセラレーターだ。各TPU v5pポッドは、Googleで最も帯域幅の大きいチップ間接続ICIにより、4,800Gbpsで相互接続された8,960チップまで拡張できる。技術責任者にとっては、1,750億パラメーターのGPT-3規模のモデルを前世代より2.8倍速く学習でき、市場投入までの時間を大幅に短縮できることを意味する。
• TPU v5e（効率重視）： 費用対効果を重視した性能を狙い、中規模学習と高スループット推論を担う。価格性能比は最大2.5倍向上し、巨額の予算を使わずに24時間365日の推論を実行したい企業に適している。

柔軟性をもたらすNVIDIA H100/A100 GPU

TPUが専用設計である一方、多くの開発チームはNVIDIA CUDAのエコシステムに依存している。Vertex AIはNVIDIAの最新ハードウェアを本格的にサポートする。

• NVIDIA H100（Hopper）： Llama 3.1 405Bのような、膨大なメモリー帯域幅を必要とする最大級のオープンソースモデルの微調整に適している。
• Jupiterネットワーク： ネットワークのボトルネックを防ぐため、GoogleはJupiterデータセンターネットワーク基盤を使う。GPU間のデータを高速で移動させ、リモートダイレクトメモリーアクセス（RDMA）によってCPUの処理負荷を回避し、分散ノード間でもローカルに近い性能を実現する。

動的オーケストレーション

Vertex AIで最も重要な技術的変化は 動的オーケストレーションだ。従来の環境では、3週間の学習中にGPUノードが故障すると、ジョブ全体が停止しかねない。

• 自動回復性： Vertex AIは、内部でしばしば Google Kubernetes Engine（GKE）を使い、自己回復するノードを備える。ハードウェア障害を検出すると、ワークロードを正常なノードへ自動移行する。
• Dynamic Workload Scheduler： 緊急性に応じてチームが処理容量を要求できる。安価で空き容量ができた時に始まるFlex Startと、重要なリリース向けの保証容量を選べる。
• サーバーレス学習： インフラ管理を一切したくないチームは、Vertex AI Serverless Trainingにコードとデータを提出できる。プラットフォームがクラスターを用意し、ジョブを実行して解体する。料金は使用した計算時間の秒数分だけ発生する。

三つの入り口：発見、実験、自動化

データサイエンティストからアプリケーション開発者まで、さまざまな技術的役割に対応するため、Vertex AIは三つの主な入り口を用意している。

• Model Garden：モデルを発見するマーケットプレイス。 
• Vertex AI Studio：実験のためのプレイグラウンド。 
• Vertex AI Agent Builder：自動化の工場。 

Model Garden：モデルを発見するマーケットプレイス

Google CloudのVertex AI Model Gardenは、さまざまな事業ニーズに向け、Google製、オープンソース、サードパーティ製の幅広いAIモデルを発見、検証、カスタマイズ、デプロイするための集中型プラットフォームだ。画像、テキスト、コードを扱うマルチモーダルモデルも含む。Vertex AIのツールとシームレスに統合され、MLOpsを効率化する。大規模な基盤モデルから専門モデルまでをそろえる包括的なライブラリとして、テキスト生成、画像分析、コード補完などに適したモデルの選定と、Google Cloud環境での効率的なデプロイを支援する。

Model Gardenは200超のモデルを三つの層に分け、設計者が性能、費用、管理性を調整できるようにしている。

1. Google製モデル： Vertex AIで利用できる主力マルチモーダルモデルだ。複雑な推論を担うProから、低遅延で大量の処理に対応するFlashまで各種サイズがあり、用途に応じた最適化ができる。 
2. サードパーティ製の独自モデル： 戦略的提携により、AnthropicのClaude 3.5やMistral AIなどをModel-as-a-Service（MaaS）として利用できる。五つのAI提供企業の請求やセキュリティ認証情報を別々に管理せず、既存のGoogle Cloudプロジェクトから統一API形式ですべてにアクセスできる。
3. オープンソース・オープンウェイトモデル： この層には MetaのLlama 3.2、 Mistral、Google独自の Gemmaが含まれる。データを最大限隔離するため、独自の仮想プライベートクラウド（VPC）内でモデルを自らデプロイしたい組織に適している。

統合されていない環境でLlamaのようなオープンソースモデルをデプロイするには、PyTorch環境の準備、CUDAドライバーの設定、FlaskまたはFastAPIラッパーの管理が必要になる。

Model Gardenは 統合マネージドエンドポイントによって、この下準備の段階を省く。

• ワンクリックデプロイ： 多くのモデルではDeployをクリックすると、必要なTPU/GPUリソースが自動確保され、モデルが本番運用可能なコンテナに包まれ、REST APIエンドポイントが提供される。
• Hugging Face連携： Hugging Face HubのモデルをVertexエンドポイントへ直接デプロイでき、利用可能なモデルの範囲がほぼ無限に広がる。
• Private Service Connect（PSC）： 厳格な規制のある業界では Private Service Connectを使ってデプロイできる。モデルのエンドポイントを公開インターネットにさらさず、データ通信を企業ネットワーク内に厳密にとどめる。

Vertex AI Studio：実験のためのプレイグラウンド

モデルの選定を担う Model Gardenに対し、 Vertex AI Studioが重視するのは 精度だ。 Vertex AI Studioは、従来のソフトウェア開発におけるコンパイラーやデバッガーに例えられる。プロンプト設計、マルチモーダル検証、高度なハイパーパラメーター調整を組み合わせ、未加工のモデルを特定の事業向けツールに仕上げる作業環境である。 

マルチモーダルの試作：テキストを超えて

Studioの際立つ機能の一つが マルチモーダル対応だ。他のプラットフォームでは非テキストデータの処理に複雑なコードが必要になるが、Vertex AI Studioではファイルを画面に直接ドロップし、 Gemini 2.5の推論能力を試せる。

• 動画の分析： 45分の技術基調講演をアップロードし、特定APIが言及されるすべての箇所を特定して、時刻付きの要約を作るよう依頼できる。
• 文書分析： テキストを読むだけでなく、モデルは 視覚的レイアウトを1,000ページのPDFで分析し、グラフ、表、周辺の文章の関係を理解できる。
• コード実行： Studioは現在 プレイグラウンドでのコード実行に対応する。複雑な数学の問題やCSV分析を依頼すると、安全なサンドボックスでPythonコードを書いて実行し、検証した答えを示せる。

高度なカスタマイズ：モデル調整への道

プロンプト設計だけでは、例なしのゼロショットや少数例のフューショットで対応しきれなくなると、Vertex AI Studioはより強力な手段である モデル調整を提供する。

1. 教師あり微調整（SFT）： 開発者は、理想的には100件以上のプロンプトと応答のペアを用意する。これによってモデルは、特定ブランドの語り口、専用JSONのような出力形式、または専門分野の用語を身に付ける。
2. コンテキストのキャッシュ： 法務資料やコードベースなど巨大で静的なデータセットを扱う企業向けに、Studioは コンテキストのキャッシュを提供する。100万トークンのデータをモデルのメモリーに事前読み込みし、以後の質問の遅延と費用を大幅に減らせる。
3. 蒸留（教師・生徒）： アーキテクチャの上位レベルの手法である。Gemini 2.5 Proのような巨大モデルで、より小さく高速なGemini 2.0 Flashを教える。Pro水準の性能を持ちながら、Flashの速度と費用で動作する軽量モデルが得られる。

Vertex AI Agent Builder：自動化の工場

Vertex AI Agent Builderは、基盤モデル、企業データ、外部APIを組み合わせてエージェントを作るための高水準オーケストレーションフレームワークだ。

「真実」のアーキテクチャ：グラウンディングとRAG

企業向けAIの主な技術的障壁は ハルシネーションだ。Agent Builderは高度な グラウンディング エンジンでこれを解決する。

• Google検索によるグラウンディング： ニューヨークの現在の住宅ローン金利など、最新の現実世界の知識が必要な質問に対して、エージェントはGoogle検索で事実を取り出し、出典を示せる。
• Vertex AI Search（RAG-as-a-Service）： PineconeやWeaviateのようなベクトルデータベースを手動構築する代わりに、開発者は Vertex AI Searchで自社文書のPDF、HTML、BigQueryデータに索引を付けられる。分割、埋め込み、検索を自動処理し、社内の信頼できる情報源だけに基づいて回答するようにする。
• Vertex AI RAG Engine： 大規模な独自実装向けのこのマネージドサービスでは、ベクトル検索とキーワード検索を組み合わせ、標準的なLLM出力に比べて精度を最大 30%高めることができる。

マルチエージェントの連携（A2Aプロトコル）

高度な企業ワークフローでは、複数の専門エージェントの協働が必要になることが多い。Vertex AIが導入する Agent-to-Agent（A2A）プロトコルはオープン標準で、次のようなことを可能にする。

• 旅行エージェント が 財務エージェント とやり取りし、航空券の予約が企業の予算内に収まることを確認する。
• 相互運用性： オープンプロトコルを使うため、Vertex上のエージェントはLangChainやCrewAIなど別のフレームワーク上のエージェントとも通信できる。

開発者向けスタック：ADKとAgent Engine

技術プラットフォームの開発者向けに、Agent Builderは二つの道を用意している。

1. ノーコードコンソール： 素早い試作と業務ユーザーによる設定のための、視覚的なドラッグ＆ドロップ画面。
2. Agent Development Kit（ADK）： 技術者向けのコード中心のPythonツールキット。プロンプトをコードとして扱い、バージョン管理に統合し、 Vertex AI Agent Engineへデプロイできる。このマネージド実行環境は、セッションの永続化、スケーリング、状態管理を自動的に処理する。

結論：「もしも」から「次の一手」へ

華やかなAIデモから本番水準の企業アプリケーションへの移行は、デジタル変革プロジェクトにとって長く「死の谷」だった。ここまで見てきたように、Vertex AIはまさにその隔たりを埋めるよう設計されている。データ、インフラ、モデルのオーケストレーションの分断されたサイロを統合し、Google Cloudは大規模言語モデルの生の力から、AIライフサイクルの 運用上の成熟度へと議論を進めた。