LLMのセルフホスティングとAI主権

セルフホストされたLLMでデータとモデルを制御する

目次

LLMを自社でホストすることで、データ、モデル、推論を自らの管理下に置くことができます。これは、チームや企業、国家にとっても実用的な**AI主権**への道です。

自社でホストされたLLMとクラウドLLMインフラの実用的な比較（Ollama、vLLM、Docker Model Runner、LocalAI、クラウドプロバイダー）については、LLMホスティング: ローカル、自社ホスティング、クラウドインフラの比較を参照してください。ここでは、AI主権とは何か、どの側面と方法が使われて構築されるか、LLMの自社ホスティングがどのように関係するか、国々がこの課題に対処する方法について説明します。

onprem-servers-self-hosted-llms

什么是AI主権?

AI主権（または「主権的なAI」）とは、ある国、組織、または個人が、自らの法律、価値観、セキュリティのニーズに沿って、AIシステムを自らの条件で開発、実行、管理できるという考え方です。外国または非透明なプロバイダーに完全に依存するのではなく、自らの条件でAIを管理することです。

これは、AIインフラストラクチャ、データ、モデルに関するコントロールです。データ主権（データが保存および処理される場所）を、トレーニングデータ、モデル、コンピューティング、ガバナンスを含む全体のAIスタックに拡張します。一般的な目標は、機密データやAIの運用を選択した法的管轄区域（例：EUまたはオーストラリア）内に保つこと、プライバシー、セキュリティ、AIリスクに関する地域のルール（GDPR、EU AI Act、国家のセキュリティ）に準拠すること、そして少数の外国のクラウドまたはAIベンダーへの過度な依存を避けることです。

政府は国家のセキュリティ、重要なインフラ、公共サービスを重視し、規制された業界（医療、金融、防衛）はデータおよびAIに関する厳しいルールに準拠する必要があります。また、大企業は戦略的な独立性を持ち、自社のロードマップにAIを合わせる必要があります。実際には、主権的なAIは、国家または地域のAIクラウドおよびデータセンター、国内または共同開発されたAIモデル（外国の「ブラックボックス」システムではなく）、データの所在地、アクセス制御、AIシステムの監査に関する厳格なルールとして現れます。

側面と方法: 主権的なAIがどのように構築されるか

国や組織は、通常、主権的なAIを構築するために、いくつかの側面（戦略的な柱）に沿って行い、具体的な方法（技術的およびガバナンス的な措置）を使用します。

6つの戦略的柱（側面）

世界経済フォーラムおよび類似のフレームワークでは、6つの戦略的柱が、国家が主権的なAIを構築する方法をガイドするとして説明されています。

  1. デジタルインフラストラクチャ - 境界内で生成されたデータが地元で保存および処理されるようにするためのデータセンター、データローカライゼーションポリシー、AIワークロードをサポートするネットワーク。これは、国家または地域の下でAIを開発および展開するための基盤です。

  2. 人材育成 - STEMおよびAI教育、更新されたカリキュラム、職業訓練、生涯学習を通じて、主権的なAIシステムを開発および運用するための才能を持つ国を育成します。

  3. 研究、開発およびイノベーション（RDI） - 基盤および応用AI研究への公的および私的な資金、商業化のインセンティブ、スタートアップ、大企業、学術機関をつなぐエコシステム。

  4. 規制および倫理的フレームワーク - AI開発および展開に関する明確なルール：プライバシー、透明性、データ保護、サイバーセキュリティ、倫理的な使用、監督および責任機関。

  5. AI業界の活性化 - 税優遇、助成金、特許の簡素化、公共部門によるAIの採用を通じて需要を創出し、基準を設定します。公共-民間パートナーシップ（PPP）は、エネルギー、医療、金融、輸送、製造などの高影響分野でのAIの展開を支援します。

  6. 国際協力 - 他の国との標準、合意された規範に基づく国境を越えたデータフロー、共有された課題（例：プライバシー、サイバーセキュリティ）に関する協議、地元のルールを設定する能力を失わないこと。

主権的なAIは孤立ではなく、戦略的な回復力を意味します。自らの条件で運用およびイノベーションを行う能力を保ちながら、グローバルな協力を参加することです。

使用される方法

これらの柱を実装するための具体的な方法には、以下のものがあります。

  • データの所在地とローカライゼーション - 特定のデータ（特に個人または機密データ）が、ある管轄区域内で保存および処理されるように義務付ける。これにより、GDPR、業界固有のルール、国家のセキュリティ要件の遵守をサポートします。

  • 主権的または地域的なAIクラウド - 国家または地域の法的および運用的な管理の下に保たれるクラウドおよびAIインフラストラクチャ（データセンター、GPUクラスタ）を構築または指定し、ワークロードおよびデータが管轄区域内に留まるようにします。

  • 国内またはオープンウェイトモデル - トレーニング、ファインチューニング、地元のインフラストラクチャ上で実行できるようにするため、閉鎖的で外国のAPIに依存しないAIモデル（LLMを含む）を開発または採用します。

  • リスクベースの規制 - AIシステムをリスク（例：許容不能、高、限定、最小）に分類し、それに応じて要件（影響評価、人間の監督、透明性、適合性）を課すフレームワーク。EU AI Actは代表的な例です。

  • ガバナンス構造 - AIオフィス、諮問委員会、市場監視当局などの専門機関を設置し、実装の監督、政府および業界の間での調整、規則の執行を行います。

  • 公共-民間パートナーシップ - 政府と業界の共同イニシアチブを通じて、共有インフラストラクチャの構築、公共行政の使用ケースの開発、主権的な能力のためのインセンティブの調整を行います。

  • 認証およびコンプライアンス制度 - データの所在地、アクセス制御、地元の法律への遵守を保証する主権クラウドまたは「信頼できるAI」認証。これにより、公共および規制された業界がAIを安全に採用しやすくなります。

これらは、主権的なAIが何を目指すか（インフラストラクチャ、人材、規制、業界、協力）とどのように実装されるか（所在地、クラウド、モデル、規制、ガバナンス、PPP、認証）を定義します。

LLMの自社ホスティング: 主権的なAIへの技術的な道

LLMを自らのインフラストラクチャで実行することは、主権的なAIを実践する最も直接的な技術的な方法の一つです。プロンプト、モデルの重み、推論ログを自社または地域内に保持することで、データの所在地、地域のルールへの準拠、少数のクラウドAPIベンダーへの依存を避けることができます。

技術的な観点から、主権的または自社ホスティングされたLLMスタックは通常、以下を含みます：モデルレイヤー（オープンウェイトモデル、埋め込み、オプションの再ランカー）；サーバー層（チャット、コンプリート、埋め込み用のAPIを持つ推論エンジン）；アプリケーション層（オーケストレーション、ツールコール、ワークフロー）；知識層（例：チャンキング、インデクシング、検索）；データとストレージ（オブジェクトストレージ、データベース、ベクトルインデックス）；およびセキュリティとガバナンス（PII処理、ポリシー実施、監査ログ）。方法には、オンプレミスまたは単一テナントの展開、エアギャップの運用（例：Ollama、llama.cpp、LM Studioなどのツールを使用して最大限の分離）と、ゲートウェイアーキテクチャ（アクセス制御、ルーティング、観測性を中央集約して、すべてのプロンプトと応答が定義された境界内に留まるようにする）が含まれます。

実用的な方法として、ローカルLLMツールの包括的比較-Ollama、vLLM、LocalAI、Jan、LM Studioなどは、正しいスタックを選択するのに役立ちます。GPUメモリが限られている場合、16GB VRAM GPU上でOllamaで最もパフォーマンスが良いLLMはどれかを参照してください。最も人気のあるオプションの一つから始めたい場合は、Ollamaチートシートは必須コマンドをリストしています。

国家が課題に対処する方法

国々は、上述の柱と方法を組み合わせる方法に違いがあります。以下は、主要な管轄区域が主権的なAIに対処する方法の簡潔な概要、それに続く米国と中国の比較です。

欧州連合

EUは、世界初の包括的なグローバルAI法であるAI Act（規則（EU）2024/1689）を採択しました。これは、リスクベースのアプローチを採用しています：許容不能なリスクのアプリケーションは禁止され、高リスクのシステムには厳しい要件（影響評価、人間の監督、適合性）が課され、限定的および最小リスクのシステムには軽い義務が課されます。ガバナンスは、ヨーロッパAIオフィス（委員会内）に集中し、ヨーロッパ人工知能ボード、科学パネル、諮問フォーラムが、加盟国全体にわたる実装および執行を支援します。これにより、単一市場に統一されたルールブックが作成され、「ヨーロッパファースト」のコンプライアンスAIの展開が促進されます。

ヨーロッパの主権的なAIは、国内のモデルおよびクラウドプロバイダーにも依存しています。Mistral AI（フランス）は、オープンソースフレンドリーなアプローチを採用し、政府および企業がヨーロッパのインフラストラクチャ上でモデルを監査および実行できるようにします。Aleph Alpha（ドイツ）は、規制された業界およびヨーロッパの主権的なホスティングのために説明性および安全性に注力しています。両方ともAI Actに合致し、非EUプロバイダーへの依存を減らすのに役立ちます。現在、米国と比較してEUへのグローバルAIスタートアップ資金の一部は非常に少なくなっています。

フランスおよびドイツ: 公共行政向けの共同主権AI

フランスとドイツは、Mistral AIおよびSAPとともに、公共行政向けの共同主権AIイニシアチブを開始しました。これは、4つの柱に焦点を当てています：主権的なAIネイティブERPシステム（フランスおよびドイツの行政機関向け）；AI駆動型の財政管理（例：請求書分類、監査チェック）；公務員および市民向けのデジタルエージェント（コンプライアンスツール、資格チャットボット）；共同イノベーションラボおよびワークフォーストレーニング。2026年中盤までに結合されたフレームワーク協定が予定されており、2026年から2030年までに選定された使用ケースが展開される予定です。このイニシアチブは、**仏独欧州デジタルインフラストラクチャコンソーシアム（EDIC）**の理事会により管理され、両国からの大臣が議長を務めます。これは、「地域クラウド＋国内モデル＋PPP」の方法が実践されている具体的な例です。

英国

英国は2025年7月に主権AIユニットを設立し、最大5億ポンドの資金を投入して、国家AI能力およびセキュリティの構築を目的としています。ユニットは、英国のAI企業への投資を通じて国家的リーダー企業の育成、英国AI資産（データ、コンピューティング、人材）の作成、フロンティアAI企業との提携を通じて、信頼できるアクセスおよび英国の影響力を保証することに焦点を当てています。政府はまた、AIの機会に関する行動計画（2025年1月）を発表し、AIが経済成長および公共サービスに果たす役割を強調しています。このアプローチは、インフラストラクチャおよび人材（柱1および2）と産業の活性化（柱5）と戦略的提携を組み合わせています。

米国

米国の戦略は、民間企業のリーダーシップと連邦政府の調整に焦点を当てています。2025年12月、政府はAIに関する国家政策フレームワークを確立するための行政命令を発布し、米国のAIイノベーションを保護し、最小限の負担を伴う国家フレームワークを通じて、米国のグローバルリーダーシップを維持することを目的としています。これは、連邦司法省が「過度な」州のAI法を挑戦し、連邦の優先順位を確立することで、州のルールが市場を分割しないようにするものです。これは、2025年7月の「アメリカのAI行動計画」に続くものであり、2025年には米国の州および領土で1,000以上のAI関連法案が導入されました。米国はまた、先端チップの輸出制限を用いて、コンピューティングのリードを守り、フロンティアAIを構築できる人物を形作ることを目的としています。米国の主権的なAIは、民間投資（例：xAI、OpenAI）、連邦ガバナンス（2024年の59の連邦AI関連規制）、および国際的な取引（例：UAEとのStargate）を通じて達成され、単一の国家所有のAIクラウドではなく、私企業のリーダーシップを介して実現されます。

カナダ

カナダは、カナダ主権AIコンピューティング戦略を開始し、5年間で20億ドルを投入して、国内AIコンピューティング能力を高めています。これは3つの要素から成り立っています：民間投資の動員（AIコンピューティングチャレンジを通じて、企業および学術機関が統合されたAIデータセンターのソリューションを構築するための最大7億ドル）；公共スーパーコンピューティングインフラストラクチャの構築；および研究者および企業向けのAIコンピューティングアクセス基金。目標は、カナダのデータおよびIPを保護しながら、カナダのエネルギー、土地、気候の利点を活用することです。別途、カナダは2025年3月に連邦公共サービスのためのAI戦略（2025–2027）を発表し、優先領域としてAI専門知識センター、セキュアで責任ある使用、トレーニングおよび人材、透明性を掲げています。2025年9月、政府はAI戦略タスクフォースおよび30日間の全国的な関与を開始し、より広範な国家AI戦略の開発を行っています。

オーストラリア

オーストラリアの**政府におけるAIの責任ある使用に関する政策（バージョン2.0）**は2025年12月15日に施行されました。これは非企業的な連邦機関に適用され、国家セキュリティの例外が含まれています：防衛および情報機関は、セキュリティの利益を保護しながら、要素を任意に採用できます。この政策は、政府内での責任ある採用、リスク管理、透明性を設定し、規制および倫理的フレームワークの柱に沿いながら、敏感および国家セキュリティAIの主権的な取り扱いの余地を残しています。

アラブ首長国連邦（UAE）およびサウジアラビア

UAEは、2017年の人工知能2031国家戦略を採択し、8つの戦略的目標（例：AI目的地、エコシステム、ガバナンス）と9つの優先分野（交通、健康、宇宙、再生可能エネルギー、水、技術、教育、環境、交通）を通じて、UAEをグローバルAIリーダーにしようとしています。サウジアラビアは、ビジョン2030を通じて大規模なAIおよび多様化を推進しており、数十億ドル規模のプロジェクトを実施しています。UAEおよびサウジアラビアは、地域のデータセンターおよびAIインフラストラクチャへの投資を行っています：UAEのKhaznaデータセンター（地域最大の運営者）は、サウジアラビアに200MWのデータセンターを展開し、クラウドおよびAIのハイパースケールデプロイメントを支援し、UAE、サウジアラビア、イタリア、その他の市場で1GW以上のAI準備可能な容量を達成しようとしています。このアプローチは、国家戦略（柱4および5）とデジタルインフラストラクチャへの重い投資（柱1）を組み合わせています。

米国と中国: 比較のスナップショット

米国と中国は、AIリーダーシップを達成するための方法が異なります。米国は民間資金と輸出制限に依存しています：例として、2024年の民間AI投資額は1090億ドル（当時の中国の12倍）、2024年の連邦AI関連規制は59件、先進チップの輸出に関する制限。中国は国家主導の投資と自立を強調しています：例として、2025年の予算は980億ドル（そのうち半分はセミコンダクターに）、国内チップ製造（例：華為昇騰）、支援的な国家法律およびオープンソースおよびインフラストラクチャ外交（例：一帯一路）。

項目 米国 中国 備考
スーパーコンピュータのシェア（2025年5月） ~75%（~400万H100相当） ~14%（~40万相当） 米国は5倍以上リード
代表的なシステム 例：xAI Colossus（2万GPU） 最大で~3,000GPU（さまざまな） 米国が規模でリード
データセンター はるかに多い 少なく、拡大中（例：デジタルシルクロード） 米国が優位
政策姿勢 防御的（先制、輸出制限） 能動的（支援的な法律、オープンソース、外交） 異なるレバー
モデルおよびアプリケーションの焦点 フロンティアモデル（2024年には40以上）、人材の獲得 コスト効率の高いトレーニング（例：DeepSeek-V3）、研究量、アプリケーション（例：百度の自動運転） ギャップが縮小中

米国は、NVIDIAへの広範なアクセスと深く根ざしたベンチャーエコシステムを活かしています。中国は、代替手段を構築し、中東およびアジアのエネルギーおよびAIインフラストラクチャへの投資を行っています。モデルのパフォーマンスのギャップは縮小しています（例：2025年のLMSYSで米国が1.7%リード）。

自社ホスティングオプション（Ollama、vLLM、LocalAI、Docker Model Runner）とクラウドプロバイダー（コストおよびインフラストラクチャのトレードオフを含む）の比較については、LLMホスティング: ローカル、自社ホスティング、クラウドインフラの比較を参照してください。

有用なリンク

出典