LLMのセルフホスティングとAI主権

セルフホスト型LLMでデータとモデルを制御

目次

LLM（大規模言語モデル）のセルフホスティングは、データ、モデル、推論をあなたの管理下に保つものであり、チーム、企業、国家にとって AI主権 を実現するための実用的な手段です。

セルフホスト型とクラウド型のLLMインフラ（Ollama、vLLM、Docker Model Runner、LocalAIおよびクラウドプロバイダーなど）の実用的な比較については、LLMホスティング：ローカル、セルフホスト、クラウドインフラの比較 を参照してください。 ここでは、主権AIとは何か、それを構築するために使用される側面と方法、LLMのセルフホスティングがどのように適合するか、各国がどのようにこの課題に対処しているかを解説します。

ベンダー依存の結果は具体的です。OpenClawの台頭と衰退のタイムライン は、最近の顕著な例を記録しています。GitHubで247,000スターを獲得し、135,000のインスタンスが稼働していたツールが、単一のプロバイダーが価格ポリシーを変更した途端、一夜にして崩壊しました。

onprem-servers-self-hosted-llms

AI主権とは何か？

AI主権（または「主権AI」）とは、国、組織、または個人が、外国または不透明なプロバイダーに完全に依存するのではなく、自らの法律、価値観、セキュリティニーズに沿って、独自の条件でAIシステムを開発・運用・制御できるという概念です。

それはAIインフラ、データ、モデルに対するコントロールについてです。データ主権（データがどこに保存・処理されるか）を、トレーニングデータ、モデル、計算資源、ガバナンスを含むAIスタック全体に拡張するものです。典型的な目標としては、機密データとAI運用を所定の法的管轄区域（例：EUまたはオーストラリア）内に保持すること、プライバシー、セキュリティ、AIリスクに関する地域ルール（GDPR、EU AI法、国家安全保障）への準拠を確保すること、少数の外国クラウドまたはAIベンダーへの過度な依存を回避することなどが挙げられます。

政府は国家安全保障、重要インフラ、公共サービスに関心を持ち、規制業界（医療、金融、防衛）は厳格なデータおよびAIルールへの準拠を必要とします。大企業は戦略的独立を求め、ベンダーのロードマップではなく自社のロードマップにAIを適合させたいと考えています。実践的には、主権AIは国家または地域レベルのAIクラウドおよびデータセンター、外国の「ブラックボックス」システムに代わる国内開発または共同開発のAIモデル、データ所在、アクセス制御、AIシステムの監査に対する厳格なルールとして現れます。

側面と方法：主権AIの構築方法

各国および各組織は、通常、いくつかの側面（戦略的柱）に沿って主権AIを構築し、具体的な方法（技術的およびガバナンス的な措置）を用います。

6つの戦略的柱（側面）

世界経済フォーラム（WEF）や同様のフレームワークでは、各国が主権AIを構築する指針となる6つの戦略的柱を記述しています。

  1. デジタルインフラ - 十分な計算能力を備えたデータセンター、国境内で生成されたデータをローカルに保存・処理するための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レベルの管理下でAIを開発・展開するための基盤です。

  2. 人材育成 - STEMおよびAI教育、カリキュラムの更新、職業訓練、生涯学習を通じて、国が主権AIシステムを開発・運用するための人材を確保すること。

  3. 研究、開発、イノベーション（RDI） - 基礎および応用AI研究のための公的・民間資金、商業化のインセンティブ、スタートアップ、大企業、大学を結ぶエコシステム。

  4. 規制および倫理フレームワーク - AIの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、倫理的利用、および監督と説明責任のメカニズム。

  5. AI産業の刺激 - 税制優遇、助成金、特許の簡素化、AIの公共部門での採用による需要創出および標準設定。官民連携（PPP）は、エネルギー、医療、金融、交通、製造などの高影響セクターでのAI展開を支援します。

  6. 国際協力 - 標準、合意された規範に基づく越境データフロー、共有課題（例：プライバシー、サイバーセキュリティ）に関する他国との連携。ただし、地域ルールを設定する能力を放棄することはありません。

主権AIは孤立ではなく戦略的レジリエンス（強靭性）についてです。グローバルな協力に参加しながらも、自らの条件で運用し、革新できる能力です。

使用される方法

これらの柱を実装するために使用される具体的な方法には以下が含まれます。

  • データ所在および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）が管轄区域内に保存・処理されることを要求すること。これにより、GDPR、業界固有のルール、国家安全保障要件への準拠がサポートされます。

  • 主権または地域AIクラウド - 国家または地域の法的・運用管理下にとどまるクラウドおよびAIインフラ（データセンター、GPUクラスター）を構築または指定すること。これにより、ワークロードとデータが管轄区域内にとどまります。

  • 国内またはオープン重みモデル - 閉じた外国APIにのみ依存するのではなく、監査、ファインチューニング、ローカルインフラでの実行が可能なAIモデル（LLMを含む）を開発または採用すること。

  • リスクベースの規制 - AIシステムをリスク（例：許容不可、高、限定的、最小）で分類し、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法が最も代表的な例です。

  • ガバナンス構造 - 実施の監督、政府および業界間の調整、ルールの執行を行うための専門機関（例：AIオフィス、諮問委員会、市場監視当局）。

  • 官民連携 - 政府と業界の共同イニシアチブ。共有インフラの構築、ユースケースの開発（例：公共行政向け）、主権能力のためのインセンティブの整合を図ります。

  • 認証およびコンプライアンススキーム - データの場所、アクセス制御、地域法への準拠を保証する「主権クラウド」または「信頼できるAI」認証。これにより、公共および規制業界が安全にAIを採用しやすくなります。

これらの側面と方法により、主権AIが何を目的としているか（インフラ、人材、規制、産業、協力）と、どのように実装されているか（所在、クラウド、モデル、規制、ガバナンス、PPP、認証）が定義されます。

主権AIへの技術的経路としてのLLMセルフホスティング

あなたが管理するインフラ上でLLMを運用することは、主権AIを実践するための最も直接的な技術的な方法の一つです。プロンプト、モデル重み、推論ログを社内または地域内に保持することで、データ所在、地域ルールへの準拠、少数のクラウドAPIベンダーからの独立をサポートします。

技術的な観点から、主権またはセルフホスト型LLMスタックには通常以下が含まれます。モデル層（オープン重みモデル、埋め込み、オプションのリランカー）、サービング層（チャット、補完、埋め込みのためのAPIを備えた推論エンジン）、アプリケーション層（オーケストレーション、ツール呼び出し、ワークフロー）、ナレッジ層（チャンキング、インデックス作成、検索によるRAGなど）、データおよびストレージ（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）、およびセーフティおよびガバナンス（PII処理、ポリシー強制、監査ログ）。方法としては、オンプレミスまたはシングルテナント展開、最大限の分離のためのエアギャップ運用（Ollama、llama.cpp、LM Studioなどのツールを使用）などがあります。また、すべてのプロンプトとレスポンスが定義された境界内に留まるように、アクセス制御、ルーティング、可観測性を一元化するゲートウェイアーキテクチャも含まれます。

実用的な経路としては、ローカルLLMツールの包括的な比較-Ollama、vLLM、LocalAI、Jan、LM Studioなど が適切なスタックの選択を支援します。限られたGPUメモリで運用する場合、Ollamaで16GB VRAMを使用する際に最も優れたパフォーマンスを発揮するLLM を参照してベンチマークとトレードオフを確認してください。最も人気のあるオプションの一つを開始するには、Ollamaチートシート に必須のコマンドがリストされています。

各国が課題に対処する方法

各国は、上記の柱と方法を組み合わせて主権AIを実現する方法が異なります。以下は、主要な管轄域が主権AIにどのように対処しているかの簡潔な概要であり、その後に米国と中国の比較に焦点を当てています。

欧州連合（EU）

EUは、世界初の包括的なグローバルAI法であるAI法（規則（EU）2024/1689）を採用し、リスクベースのアプローチを講じています。許容不可のリスクを持つアプリケーションは禁止され、高リスクシステムは厳格な要件（影響評価、人間の監督、適合性）に直面します。限定的および最小リスクのシステムは軽い義務を負います。ガバナンスは欧州AIオフィス（委員会内）に集中しており、欧州人工知能委員会、科学パネル、諮問フォーラムが加盟国全体での実施と執行を支援します。これにより単一市場のための単一のルールブックが作成され、準拠したAIの「欧州優先」展開が促進されます。

欧州の主権AIはまた、国内モデルおよびクラウドプロバイダーに依存しています。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追随し、政府や企業が欧州インフラで監査・実行できるモデルをリリースしています。Aleph Alpha（ドイツ）は、規制業界および主権欧州ホスティングのための説明可能性と安全性に焦点を当てています。両者はAI法と整合し、EUへのAIスタートアップ投資のシェアが米国と比較して非常に小さいにもかかわらず、EU域外プロバイダーへの依存を低減するのに役立っています。

フランスとドイツ：公共行政のための共同主権AI

フランスとドイツは、公共行政を目的としてMistral AIとSAPとの共同主権AIイニシアチブを開始しました。これは4つの柱を中心に構成されています。フランスおよびドイツの行政のための主権AIネイティブERPシステム、AI搭載の財務管理（例：請求書の分類、監査チェック）、公務員および市民のためのデジタルエージェント（コンプライアンスツール、適格性チャットボット）、および共同イノベーションラボ plus 人材育成です。拘束力のある枠組み協定は2026年半ばに期待され、2026年から2030年にかけて選択されたユースケースが展開されます。このイニシアチブは、両国の大臣が議長を務める**仏独欧州デジタルインフラコンソーシアム（EDIC）**理事会によって統治されます。これは実践における「地域クラウド＋国内モデル＋官民連携」方式の具体的な例です。

英国

英国は2025年7月、国家AI能力とセキュリティを構築するために最大5億ポンドの資金を投入する主権AIユニットを設立しました。このユニットは、以下の点に焦点を当てています。英国のAI企業への投資によるナショナルチャンピオンの開発、英国AI資産（データ、計算資源、人材）の作成、最先端開発への信頼できるアクセスと英国の影響力を確保するためのフロンティアAI企業とのパートナーシップ。政府はまた、AI機会アクションプラン（2025年1月）を公表し、経済成長と公共サービスにおけるAIの役割を強調しています。このアプローチは、インフラと人材（柱1および2）に産業刺激（柱5）および戦略的パートナーシップを組み合わせています。

米国

米国の戦略は民間セクターの主導と連邦調整を強調しています。2025年12月、行政はAIに関する国家政策枠組みを確保するための大統領令を発令し、米国のAI革新を保護し、「最小限の負担」の国家的枠組みを通じて米国の世界的リーダーシップを維持することを目指しました。これは司法省に「過重な」州のAI法に挑戦し、州のルールが市場を分断しないように連邦の先占を進めるよう指示しています。これは2025年7月の「米国のAIアクションプラン」を受け継ぎ、2025年に米国の州および領土で導入された1,000件以上のAI関連法案に対する対応です。米国はまた、先進チップの輸出管理を使用して、計算資源における優位性を保護し、フロンティアAIを構築できる主体を形成しています。米国の主権AIは、単一の国営AIクラウドではなく、主に民間投資（例：xAI、OpenAI）、連邦ガバナンス（2024年の59の連邦AI関連規制）、および国際取引（例：UAEとのStargate）によって達成されています。

カナダ

カナダは、国内AI計算資源容量を強化するために5年間で20億ドルのカナダ主権AI計算資源戦略を開始しました。3つの構成要素があります。民間投資の動員（企業および学界が統合されたAIデータセンターソリューションを構築するためのAI計算資源チャレンジを通じて最大7億ドル）、公共スーパーコンピューティングインフラの構築、および研究者および企業のためのAI計算資源アクセス基金。目標は、カナダの利点であるエネルギー、土地、気候を活用しながら、カナダのデータとIPを保護することです。また、カナダは2025年3月、最初の連邦公共サービスのためのAI戦略（2025-2027）を開始し、重点分野としてAI専門センター、安全かつ責任ある利用、トレーニングおよび人材、透明性を設定しました。2025年9月、政府はAI戦略タスクフォースと30日間の国家的エンゲージメントを開始し、より広範な国家的AI戦略を開発しました。

オーストラリア

オーストラリアの**政府におけるAIの責任ある利用に関するポリシー（バージョン2.0）**は2025年12月15日に施行されました。これは非法人の連邦政府機関に適用され、国家安全保障の例外を含みます。防衛および情報機関は、安全上の利益を保護しながら要素を自主的に採用できます。このポリシーは、政府内での責任ある採用、リスク管理、透明性に対する期待を設定し、「規制および倫理フレームワーク」柱と整合しながら、機密および国家安全保障AIの主権的処理の余地を残しています。

UAEおよびサウジアラビア

UAEは2017年に2031年人工知知能国家戦略を持っており、8つの戦略的目標（例：AIの目的地、エコシステム、ガバナンス）と9つの優先セクター（交通、医療、宇宙、再生可能エネルギー、水、技術、教育、環境、交通）においてUAEを世界的AIリーダーにすることを目指しています。サウジアラビアはビジョン2030の下で大規模なAIおよび多様化を追求し、数十億ドル規模の事業を展開しています。UAEおよびサウジアラビアの両者は地域データセンターおよびAIインフラに投資しています。UAEのKhazna Data Centers（地域最大の運営者）はサウジアラビアに進出し、クラウドおよびAIハイパースケール展開のための200MWデータセンターを設立し、UAE、サウジアラビア、イタリア、その他の市場での1GW以上のAI対応容量に向けて作業しています。このアプローチは国家的戦略（柱4および5）をデジタルインフラへの大規模投資（柱1）と組み合わせています。

米国対中国：比較スナップショット

米国と中国は異なる方法でAIリーダーシップを追求しています。米国は民間資本と輸出管理に依存しています。例えば、2024年の民間AI投資は1,090億ドル（当時の中国の約12倍）、2024年の59の連邦AI関連規制、および先進チップ輸出の制限です。中国は国家主導の投資と自己依存を強調しています。例えば、2025年の予測980億ドル（半導体の475億ドルを含む）、国内チップ生産（例：Huawei Ascend）、支援的な国家的法律およびオープンソースおよびインフラ外交（例：一帯一路）です。

側面 米国 中国 備考
スーパーコンピュータシェア（2025年5月） 約75%（約4,000万H100相当） 約14%（約40万相当） 米国が5倍以上先行
フラッグシップシステム 例：xAI Colossus（20万GPU） 最大約3万GPU（各種） 米国がより大規模
データセンター 遠く多い 少ないが拡張中（例：デジタルシルクロード） 米国の優位性
ポリシー姿勢 防衛的（先占、輸出管理） 積極的（支援的立法、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焦点 フロンティアモデル（2024年に40以上の注目）、人材吸引 コスト効率トレーニング（例：DeepSeek-V3）、研究量、アプリ（例：Baidu自動運転） 格差縮小中

米国はNVIDIAへの広範なアクセスと深いベンチャーエコシステムを享受しています。中国は代替策を構築し、中東およびアジアでのエネルギーおよびAIインフラに投資しています。モデルパフォーマンスの格差は縮小しています（例：2025年の米国のLMSYSリード1.7%）。

セルフホスト型オプション（Ollama、vLLM、LocalAI、Docker Model Runner）をクラウドプロバイダーと比較して、コストおよびインフラのトレードオフを含む詳細については、LLMホスティング：ローカル、セルフホスト、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

購読する

システム、インフラ、AIエンジニアリングの新記事をお届けします。