AI Log

新着 › AIの基本 › ニュースに出る言葉

AIの基本 ／ ニュースに出る言葉

クラウドと処理する地域：AI の計算が「どこで」動き、データが「どこに」置かれるか

出典を確かめた日 2026年10月1日（木） ／ 約8分で読めます

一言で

AI の会社やクラウドの会社が提供するモデルは、その会社の設備の上で計算されます。設備は世界の「地域（リージョン）」に分かれていて、どの地域で計算するか・どの地域にデータを置くかを、ある程度選べるサービスがあります。

このページで分かること

先に知っておく言葉

クラウドと地域

米国の NIST（国立標準技術研究所）の定義（SP 800-145、2011年9月）では、クラウドは、ネットワークを通じて、共有の計算資源（サーバー・保存場所・アプリなど）を必要なときにすぐ使い始め、やめられるようにする仕組みです。資源は多くの利用者で分け合い、利用者はふつう資源の正確な場所を決めることも知ることもできないが、国・州・データセンターのような大きな単位でなら場所を指定できることがある、としています。

この「大きな単位」に当たるのが地域です。Google Cloud は、リージョンを互いに独立した地理的な区域とし、1つのリージョンは3つ以上の区画（ゾーン）からなり、3つ以上のデータセンターに置かれる、と説明しています。ただし大阪・ストックホルム・メキシコ・モントリオールは、3つのゾーンが1〜2か所のデータセンターにあり、広げている途中としています。

置く場所と計算する場所は別

各社の説明では、データを保存しておく場所と、モデルが実際に計算する場所が、別々の設定や仕組みで決まります。

料金の付け方は出典で違い、Anthropic と OpenAI（2026年3月5日以降に出た対象のモデル）は地域を絞ると高くなり、AWS は世界の形のほうが安くなる、と書いています。

なぜ大事か（国の文書）

ニュースでの出方

関連する言葉

出典

  1. NIST「SP 800-145：The NIST Definition of Cloud Computing」2011年9月 nvlpubs.nist.gov ↗
  2. 総務省・経済産業省「AI事業者ガイドライン（第1.2版）」本編 2026年3月31日、第2部「C. 共通の指針」の注 soumu.go.jp ↗
  3. 総務省・経済産業省「AI事業者ガイドライン（第1.2版）」別添 2026年3月31日、別添2 の行動目標と実践例 soumu.go.jp ↗
  4. 文部科学省 初等中等教育局「初等中等教育段階における生成AIの利活用に関するガイドライン（Ver.2.0）」2024年12月26日 mext.go.jp ↗
  5. Google Cloud「Geography and regions」 cloud.google.com ↗
  6. Anthropic「Data residency」 platform.claude.com ↗
  7. OpenAI「Data controls in the OpenAI platform」の Data residency controls の節 developers.openai.com ↗
  8. AWS「Route model inference requests across AWS Regions with cross-Region inference」 docs.aws.amazon.com ↗
  9. AWS「Geographic cross-Region inference」 docs.aws.amazon.com ↗
  10. Google Cloud「Data residency」（Gemini Enterprise Agent Platform） cloud.google.com ↗
  11. Google Cloud「Deployments and endpoints」（Gemini Enterprise Agent Platform） cloud.google.com ↗
  12. Microsoft Learn「Deployment types for Microsoft Foundry Models」 learn.microsoft.com ↗

確認メモ：2026年10月1日に、上の出典の原文を開いて確かめました。NIST の定義は、クラウドの5つの特徴のうち、資源を分け合う特徴（resource pooling）の説明を使いました。AI事業者ガイドラインは第1.2版の本編（第2部 C の注）と別添（別添2 のデータの越境移転とデータローカライゼーションの記述・実践例）を読みました。文部科学省のガイドラインは「学校現場において留意すべき代表的なリスクや懸念の例」の外部サービスの項を読みました。各社の地域の選び方は名前も中身もそろっていないため、1つにまとめずに会社ごとに並べています。OpenAI の地域の表と対象のモデル、AWS・Google の対象のモデルや地域は変わることがあり、本文には 2026年10月1日に見た内容を書いています。OpenAI の地域を使うには営業窓口への問い合わせが要り、米国以外の地域ではさらに条件があります。Google の生成AI の基盤は、確かめたページでは「Gemini Enterprise Agent Platform」と書かれていました。個々のモデルがどの地域で使えるかの一覧、AWS の1つの地域だけで動かす形の詳しい条件、各社の窓口の名前（us.api.openai.com など）は、言葉の説明から外れるため載せていません。「ゾーン」「グローバルエンドポイント」「データゾーン」は出典の英語（zone・global endpoint・Data Zone）を言い換えたものです。「データローカライゼーション」の言い換え（国の中に置くことを求める決まり）は、ガイドラインに説明が無いため、ふつうの意味を添えたものです。「ニュースでの出方」は、AIログの各記事の無料部分に書かれた内容をそのまま挙げています。国の文書は公共データ利用規約にもとづき、内容を言い換えて使っています（出典：総務省・経済産業省「AI事業者ガイドライン（第1.2版）」本編・別添、文部科学省「初等中等教育段階における生成AIの利活用に関するガイドライン（Ver.2.0）」を加工して作成）。

同じ段の言葉（ニュースに出る言葉）

  1. ハルシネーション：AI がもっともらしく誤ったことを言うこと

    ハルシネーションは、文章などを作る AI が、もっともらしく、自信を持った形で、事実と違う内容を出してしまうことです。

  2. ベンチマークと評価：AI の出来を測って比べるしくみと、その限界

    評価は、AI のモデルの出来の良し悪しを測ったり、複数のモデルを比べたりすることです。

  3. 公開モデル（オープンウェイト）と非公開モデル：中身の数値を配るか、窓口だけ開くか

    公開モデル（オープンウェイトのモデル）は、モデルの中身である「重み」の数値を、誰でもダウンロードできる形などで一般に出したモデルです。

  4. 小さいモデルと蒸留：大きいモデルの力を、小さいモデルに受け継がせる方法

    蒸留は、大きいモデル（教師）の出す答えをお手本にして、小さいモデル（生徒）を学習させ、大きいモデルに近い予測をできるようにする方法です。

  5. 量子化：モデルの数値を少ないビットで持ち、軽くする方法

    量子化は、モデルの中の数値を、より少ないビット数で表すように置き換えることです。

  6. API と料金の数え方：使ったトークンの数に、種類ごとの値段を掛ける

    AI の会社は、自社のモデルを、プログラムから呼び出して使える窓口（API）でも提供しています。

  7. 速さ（返事までの時間・1秒あたりのトークン）：「書き出すまで」と「書く速さ」は別の物差し

    AI の返事の速さは、指示を送ってから返事が来るまでの時間（レイテンシ）や、最初のトークンが出てくるまでの時間（TTFT）、1秒あたりに処理するトークンの数などで表されます。

  8. GPU と計算資源・データセンター：AI の計算を受け持つ部品と、それを置く場所

    AI のモデルを学習させたり動かしたりするには、大量の計算が要ります。

  9. スケーリング則：モデル・データ・計算の量と性能の関係を表した経験則

    スケーリング則は、言語モデルの性能が、モデルの大きさ・学習に使うデータの量・学習に使う計算の量に応じてどう良くなるかを、実験から割り出した関係です。

  10. データの扱い（学習への利用・データ保持・ゼロデータ保持）：入力した内容が学習に使われるか、どれだけ残るか

    AI のサービスに入力した内容と返ってきた答えが、その後モデルの学習に使われるか、会社の設備にどれだけの間残るかは、サービス・料金の形・契約によって違います。

  11. 画像や音声を作る AI（拡散モデル）：雑音から少しずつ形にしていく仕組み

    拡散モデルは、でたらめな雑音（ノイズ）から出発し、雑音を取り除く手順を何度もくり返して、画像などを作り出す仕組みです。

  12. 音声認識と音声合成：声を文字に、文字を声にする技術

    音声認識は、人が話した声を文字（テキスト）に変える技術です。

AIの基本をすべて見る（42本）→