はじめに

この記事では現在のクラウドコンピューティングの基本概念について解説します。
これを読むことで各種クラウドサービスを使う前の基本的な知識を身につけることができます

クラウドとは

～クラウドはさまざまな価値を提供する～

クラウドコンピューティングの定義

クラウドコンピューティングとは、インターネット経由でコンピューティングリソース（サーバー、ストレージ、ネットワーク、ソフトウェアなど）をオンデマンドで利用できるサービスモデルです。

クラウドの5つの特性

NIST（米国国立標準技術研究所）による定義では、クラウドは以下の5つの特性を持ちます：

特性	説明
オンデマンドセルフサービス	人手を介さず、自動でリソースを調達可能
広範なネットワークアクセス	インターネット経由でどこからでもアクセス可能
リソースプーリング	複数のユーザーでリソースを共有
迅速な弾力性	需要に応じて即座にスケール
計測可能なサービス	利用量を計測し、使った分だけ課金

クラウドが提供する価値

クラウドは組織に以下の価値を提供します：

1. コスト最適化

初期投資（CAPEX）から運用費（OPEX）へのシフト
使った分だけ支払う従量課金制
過剰プロビジョニングの回避

2. 俊敏性の向上

数分でサーバーをデプロイ可能
実験と失敗のコストが低い
市場投入までの時間短縮

3. スケーラビリティ

需要に応じた柔軟なスケーリング
グローバル展開が容易
ピーク時の対応が可能

4. イノベーションの加速

最新技術への迅速なアクセス
AI/ML機能の活用
マネージドサービスによる運用負担軽減

オンプレミスとクラウドの比較

項目	オンプレミス	クラウド
初期費用	高い（ハードウェア購入）	低い（従量課金）
調達時間	数週間〜数ヶ月	数分〜数時間
スケーリング	事前計画が必要	即座に対応可能
運用管理	自社で全て管理	サービス提供者が一部管理
カスタマイズ性	非常に高い	サービスに依存
セキュリティ	自社責任	共同責任

パブリッククラウドとプライベートクラウド

～クラウドの利用形態～

デプロイメントモデルの種類

クラウドには、主に以下の4つのデプロイメントモデルがあります。

パブリッククラウド

パブリッククラウドは、クラウドプロバイダーが所有・運用し、インターネット経由で複数の組織にサービスを提供するモデルです。

主なプロバイダー：

Google Cloud
Amazon Web Services (AWS)
Microsoft Azure

メリット：

初期投資が不要
運用管理の負担が少ない
最新技術へのアクセス
グローバルなスケール

プライベートクラウド

プライベートクラウドは、単一の組織が専用で利用するクラウド環境です。

構築場所：

自社データセンター内
サードパーティのデータセンター

メリット：

高度なセキュリティとコンプライアンス対応
カスタマイズの自由度が高い
データの完全な制御

各モデルの比較

項目	パブリック	プライベート	ハイブリッド
初期費用	低い	高い	中程度
運用負担	低い	高い	中程度
カスタマイズ性	限定的	高い	高い
セキュリティ制御	限定的	完全	選択可能
スケーラビリティ	非常に高い	限定的	高い

IaaS、PaaS、SaaS

～クラウドのサービスが提供する範囲～

サービスモデルの概要

クラウドサービスは、提供する機能の範囲によって主に3つのモデルに分類されます。

IaaS（Infrastructure as a Service）

IaaSは、仮想化されたコンピューティングリソース（サーバー、ストレージ、ネットワーク）をインターネット経由で提供するサービスです。

Google Cloudの例：

Compute Engine（仮想マシン）
Cloud Storage（オブジェクトストレージ）
VPC（仮想ネットワーク）

ユースケース：

開発・テスト環境
Webサイトホスティング
バックアップとリカバリ
高性能コンピューティング

PaaS（Platform as a Service）

PaaSは、アプリケーションの開発・実行に必要なプラットフォームを提供するサービスです。

Google Cloudの例：

App Engine（Webアプリ実行環境）
Cloud Run（コンテナ実行環境）
Cloud Functions（関数実行環境）

ユースケース：

Webアプリケーション開発
API開発
マイクロサービス
イベント駆動アプリケーション

SaaS（Software as a Service）

SaaSは、完成されたソフトウェアをインターネット経由で提供するサービスです。

Google Cloudの例：

Google Workspace（Gmail、Docs、Drive等）
Looker Studio（データ可視化）
Chronicle（セキュリティ分析）

ユースケース：

メール・コラボレーション
CRM（顧客管理）
ERP（業務管理）
ビジネスインテリジェンス

責任共有モデル

各サービスモデルにおける責任分担：

コンポーネント	IaaS	PaaS	SaaS
アプリケーション	ユーザー	ユーザー	プロバイダー
データ	ユーザー	ユーザー	ユーザー
ランタイム	ユーザー	プロバイダー	プロバイダー
ミドルウェア	ユーザー	プロバイダー	プロバイダー
OS	ユーザー	プロバイダー	プロバイダー
仮想化	プロバイダー	プロバイダー	プロバイダー
サーバー	プロバイダー	プロバイダー	プロバイダー
ストレージ	プロバイダー	プロバイダー	プロバイダー
ネットワーク	プロバイダー	プロバイダー	プロバイダー

The Datacenter as a Computer

～Googleのインフラ設計における考え方～

データセンター全体を1台のコンピュータとして捉える

「The Datacenter as a Computer」は、Googleがインフラ設計において採用している革新的な考え方です。

従来のアプローチ：

個々のサーバーを独立したリソースとして管理
アプリケーションは特定のサーバー上で動作

Googleのアプローチ：

データセンター全体を1つの巨大なコンピュータとして設計
アプリケーションはデータセンター全体のリソースを活用

ウェアハウススケールコンピューティング

この考え方は「ウェアハウススケールコンピューティング」とも呼ばれ、以下の特徴を持ちます：

特徴	説明
大規模分散処理	数十万台のサーバーで分散処理
フォールトトレランス	障害を前提とした設計
リソース効率	全体最適化によるリソース活用
ソフトウェア定義	ハードウェアをソフトウェアで制御

Borgシステム

Borgは、Googleが開発した大規模クラスタ管理システムで、Kubernetesの原型となったシステムです。

主な機能：

数十万のジョブを効率的にスケジューリング
リソースの自動割り当てと最適化
障害からの自動復旧
リソース隔離とセキュリティ

カスタムハードウェア

Googleは、効率性を極限まで高めるためにカスタムハードウェアを開発しています：

ハードウェア	説明
TPU (Tensor Processing Unit)	AI/ML専用のカスタムプロセッサ
Axionプロセッサ	Armベースのカスタム CPU（2024年発表）
Titanチップ	セキュリティ専用チップ
Jupiter	カスタムネットワークファブリック

2024年の進化

2024年には以下のハードウェアが一般提供されました：

TPU v5p：最新のTensor Processing Unit
A3 Megaインスタンス：NVIDIA H100 GPU搭載の高性能コンピューティング
Ironwood：第7世代推論用TPU（2025年後半予定）

グローバルなインフラ

～クラウドのサービスを支える技術～

Google Cloudのグローバルネットワーク

Google Cloudは、世界中に展開された高速・低遅延のプライベートネットワークを運用しています。

リージョンとゾーンの構成（2024年時点）

地域	リージョン数	代表的なリージョン
北米	13	us-central1, us-east4
南米	3	southamerica-east1
ヨーロッパ	11	europe-west1, europe-west4
アジア太平洋	13	asia-northeast1（東京）, asia-northeast2（大阪）
中東・アフリカ	4	me-west1, africa-south1

日本国内のインフラ

日本には以下のインフラが展開されています：

リージョン	開設年	ゾーン数
asia-northeast1（東京）	2016年	3
asia-northeast2（大阪）	2019年	3

さらに、2023年3月には千葉県印西市にGoogle初の完全自社所有データセンターが稼働を開始しました。これは7億3000万ドル（約730億円）の投資プログラムの一環です。

プライベートグローバルネットワーク

Googleは、世界中を結ぶ独自の光ファイバーケーブルを運用しています：

ケーブル名	接続
Topaz	日本〜カナダ（2023年完成）
Grace Hopper	米国〜英国〜スペイン
Curie	米国〜チリ
Dunant	米国〜フランス

エッジネットワーク

ユーザーに近い場所でコンテンツを配信するためのエッジポイントが、世界中に200以上設置されています。これにより：

低遅延でのコンテンツ配信
高いスループット
DDoS攻撃からの保護

クラウドにおけるセキュリティ対策

～クラウドでもセキュリティ対策は必要～

責任共有モデル

クラウドセキュリティにおいて、責任はクラウドプロバイダーとユーザーで共有されます。

Googleのセキュリティ対策

物理セキュリティ

24時間365日の監視
生体認証によるアクセス制御
階層化されたセキュリティゾーン
データセンターの地理的分散

ネットワークセキュリティ

暗号化された通信（転送中のデータ）
プライベートネットワーク内でのトラフィック
DDoS保護

データセキュリティ

保存データの暗号化（デフォルトで有効）
顧客管理の暗号鍵オプション
データの地理的制御

Google Cloudのセキュリティサービス

サービス名	説明
Cloud IAM	IDとアクセス管理
Cloud KMS	暗号鍵の管理
Secret Manager	シークレットの安全な保存
Security Command Center	セキュリティ態勢の可視化
Cloud Armor	DDoS/WAF保護
Chronicle	セキュリティ分析プラットフォーム

コンプライアンス認証

Google Cloudは、以下を含む150以上のセキュリティ・コンプライアンス認証を取得しています：

ISO 27001, 27017, 27018
SOC 1, 2, 3
PCI DSS
HIPAA
FedRAMP
FISC（金融機関向け）

2024年のセキュリティ強化

AI Securityアドオン：機密ファイルの自動分類・保護
Gemini in Security Operations：AIによるセキュリティ運用支援
Security Command Center AI Protection：AI向けセキュリティ機能

ハイブリッドクラウドとマルチクラウド

～オンプレミスやほかクラウドを利用した構成～

ハイブリッドクラウドとは

ハイブリッドクラウドは、オンプレミス環境とパブリッククラウドを組み合わせて利用する構成です。

マルチクラウドとは

マルチクラウドは、複数のクラウドプロバイダーを組み合わせて利用する構成です。

選択理由：

ベンダーロックインの回避
各クラウドの強みを活用
地理的・規制要件への対応
障害時のリスク分散

Google Cloudのハイブリッド/マルチクラウドソリューション

ソリューション	説明
Anthos	マルチクラウド・ハイブリッドアプリケーション管理プラットフォーム
Google Distributed Cloud	エッジやオンプレミスにGoogle Cloudを展開
Cloud Interconnect	オンプレミスとの専用接続
BigQuery Omni	マルチクラウドでのデータ分析

Anthosの機能

Anthosは、一貫したプラットフォームでアプリケーションを管理できます：

どこでも実行：GCP、AWS、Azure、オンプレミスで同じ方法でアプリ運用
統一された管理：ポリシー、セキュリティ、モニタリングを一元管理
モダナイゼーション：レガシーアプリのコンテナ化を支援

Google Distributed Cloud

Google Distributed Cloudは、Google Cloudのマネージドサービスをエッジやオンプレミスで実行できるソリューションです。

提供形態：

Hosted：Google管理のハードウェア上で実行
Edge：顧客のエッジロケーションで実行
Connected：オンプレミスのハードウェア上で実行
Air-gapped：インターネット接続なしの環境で実行

2024年には、GDC for AIが発表され、NVIDIA GPUのサポートによりエッジでのAIモデル実行が可能になりました。

オープンクラウド

～クラウドの技術をオープンにする取り組み～

Googleのオープンソースへの取り組み

Googleは、オープンソース技術の開発と貢献に積極的に取り組んでいます。

主要なオープンソースプロジェクト

プロジェクト	説明
Kubernetes	Googleが開発したコンテナオーケストレーションツール
TensorFlow	機械学習・ディープラーニングフレームワーク
Istio	サービスメッシュ
Knative	Kubernetesベースのサーバーレスプラットフォーム
gVisor	コンテナランタイム

オープン標準への対応

Google Cloudは、ベンダーロックインを避けるため、オープン標準に対応しています：

オープンなデータフォーマット：Parquet、Avro、ORC
オープンなテーブルフォーマット：Apache Iceberg、Delta Lake
オープンなAPI：OpenAPI、gRPC
オープンな認証：OpenID Connect、OAuth 2.0

ポータビリティの確保

アプリケーションのポータビリティを確保するための取り組み：

コンテナ化：Dockerコンテナによる移植性
Kubernetes対応：どの環境でも同じ方法でデプロイ
Terraformサポート：IaCによる環境の再現性
標準SQLサポート：BigQuery、Cloud Spannerでの標準SQL

生成AI

～テキストや画像などを生成するAI～

生成AIとは

生成AI（Generative AI）は、学習したデータをもとに、新しいテキスト、画像、音声、動画などのコンテンツを生成できるAIの総称です。

生成AIの種類

種類	説明	Google Cloudの例
テキスト生成	文章、要約、翻訳などを生成	Gemini
画像生成	テキストから画像を生成	Imagen
コード生成	コードの生成・補完	Gemini Code Assist
音声生成	テキストから音声を合成	Cloud Text-to-Speech
動画生成	テキストから動画を生成	Veo

生成AIのユースケース

生成AIの注意点

課題	対策
ハルシネーション	グラウンディング機能による事実確認
バイアス	学習データの品質管理、評価機能
著作権	著作権フィルター、出典の明示
セキュリティ	データ保護、アクセス制御

大規模言語モデル（LLM）

～生成AIを支える技術～

大規模言語モデルとは

**大規模言語モデル（LLM: Large Language Model）**は、膨大なテキストデータを学習し、人間のような自然言語の理解と生成が可能なAIモデルです。

LLMの仕組み

Transformerアーキテクチャ

LLMの基盤となるTransformerは、Googleが2017年に発表した画期的なアーキテクチャです。

主な特徴：

Attention機構：入力の関連性を動的に学習
並列処理：高速な学習・推論が可能
スケーラビリティ：パラメータ増加で性能向上

LLMの進化

年	モデル	特徴
2017年	Transformer	Attentionベースのアーキテクチャ
2018年	BERT	双方向の文脈理解
2020年	GPT-3	超大規模パラメータ
2022年	PaLM	5400億パラメータ
2023年	Gemini	マルチモーダル対応
2024年	Gemini 2.0	AIエージェント向け最適化

LLMの主要な能力

能力	説明
Few-shot学習	少数の例示から新しいタスクを学習
文脈理解	長い文脈を考慮した応答生成
推論	論理的な推論と問題解決
多言語対応	多数の言語での理解と生成
マルチモーダル	テキスト以外のデータも処理

LLMのカスタマイズ方法

方法	説明	用途
プロンプトエンジニアリング	入力の工夫で出力を制御	汎用的なタスク
ファインチューニング	特定データで追加学習	専門領域への適応
RAG	外部知識を検索して活用	最新情報・社内情報の活用
LoRA	少量のパラメータを効率的に調整	低コストでのカスタマイズ

Gemini

～Googleが提供する基盤モデル～

Geminiとは

Geminiは、Googleが開発したマルチモーダル対応の基盤モデルファミリーです。テキスト、画像、音声、動画、コードを統合的に理解・生成できます。

Geminiのバージョン履歴

バージョン	リリース時期	主な特徴
Gemini 1.0	2023年12月	初版リリース
Gemini 1.5 Pro	2024年2月	100万トークンの長文対応
Gemini 1.5 Flash	2024年5月	高速・低コスト版
Gemini 2.0	2024年12月	AIエージェント向け最適化
Gemini 2.5 Pro	2025年	思考と推論の強化

Geminiの特徴

マルチモーダル機能

テキスト、画像、音声、動画を同時に処理
モダリティ間の変換が可能
複合的な入力からの推論

長いコンテキスト

Gemini 1.5 Pro：最大100万トークン
長文書、動画、大規模コードベースの理解

高度な推論能力

複雑な問題解決
数学・科学の問題への対応
コード生成と理解

Google CloudでのGemini活用

サービス	機能
Vertex AI	Geminiモデルへのアクセス、カスタマイズ
Gemini for Google Cloud	開発・運用支援
Gemini API	アプリケーションへの組み込み
Gemini in BigQuery	SQLを使ったAI分析
Gemini in Looker	データ分析の自然言語サポート

2025年の最新動向

Gemini 2.5シリーズ：思考・推論能力の大幅強化
AIエージェント機能：複雑なタスクの自律実行
コンテキストキャッシング：コスト削減と高速化
グラウンディング強化：Google検索との連携

16 生成AIに関するGoogleの取り組み

～AIファーストという考え方～

AI First から AI Everywhere へ

Googleは、2016年に「AI First」を宣言し、すべてのサービスにAIを組み込む方針を表明しました。現在は「AI Everywhere」として、AIがあらゆる場面で活用される時代を目指しています。

GoogleのAI研究組織

組織	説明
Google DeepMind	AlphaGo、Geminiなどを開発
Google Research	基礎研究から応用研究まで
Google Brain	深層学習の研究（DeepMindと統合）

責任あるAI開発

Googleは、AIの倫理的な開発と利用を重視しています：

AI原則：

社会に有益であること
不公正なバイアスの回避
安全性の確保
人々への説明責任
プライバシーの尊重
高い科学的基準の維持
適切な用途への限定

2025年のAI戦略

2025年は「AIエージェントの年」と位置付けられ、以下の取り組みが発表されました：

Agent Development Kit (ADK)

オープンソースのフレームワークで、高度なマルチエージェントシステムを構築可能

Google Agentspace

企業向けのナレッジワーカー支援プラットフォーム（2025年Q3プレビュー予定）

Vertex AI Agent Engine

AIエージェントのデプロイ・管理を支援するマネージドサービス

Gemini for Google Cloud

開発者と運用者を支援するAI機能群：

機能	説明
Gemini Code Assist	コード生成・補完・レビュー支援
Gemini Cloud Assist	クラウド設計・トラブルシューティング支援
Gemini in Security Operations	セキュリティ分析・対応支援
Gemini in BigQuery	SQL生成・データ分析支援

AIの民主化

Googleは、AIを誰でも利用できるよう、以下の取り組みを進めています：

Vertex AI Model Garden：200以上のモデルへのアクセス
AutoML：コード不要のモデル開発
事前学習済みAPI：Vision、Language、Translation等
オープンソースモデル：Gemma等の公開

まとめ

クラウドの基本概念と利用形態（IaaS、PaaS、SaaS）
Googleの「The Datacenter as a Computer」設計思想
グローバルに展開されたインフラストラクチャ
セキュリティ対策と責任共有モデル
ハイブリッド/マルチクラウドへの対応
生成AIとLLMの基礎
Geminiモデルの特徴と活用
AIファーストからAIエージェント時代への移行

次章では、Google Cloudを使い始めるための具体的な手順について解説します。

参考リンク