※2024年12月19日更新

AI（人工知能）とは、人間が持つような知能をコンピュータ上で人工的に再現したシステムやソフトウェアのことです。

近年、製造業や自動車産業、農業、医療業など、幅広い分野でAIが取り入れられています。そうしたなか注目を集めているのが、クラウドAIとエッジAIです。

AIの導入を検討しているものの「自社の課題はクラウドAIとエッジAIのどちらで解決できるのだろうか」「そもそも違いが分からない」と疑問を持つ担当者の方も多いのではないでしょうか。

本記事では、それぞれの基礎知識やメリット・デメリット、両者の違いについて解説します。

クラウドAIとは

クラウドAIとは、AIが搭載されたクラウドにデータを送信して、学習・推論する技術のことです。

クラウドAIでは、IoT機器やセンサーなどの端末から収集した大量データを、インターネットを通じてクラウドに送信します。そして、クラウド上のデータセンターにあるCPU（Central Processing Unit：中央処理装置）やGPU（Graphics Processing Unit：画像処理装置）で高速処理して学習・推論を行ったのち、判断を端末に送る仕組みです。

クラウドAIの特長

スケーラビリティ

クラウドAIは、データセンター内の膨大な計算資源を利用して、スケーラブルな処理を実現します。企業は必要に応じてリソースを増減できるため、ピーク時の負荷にも迅速に対応可能です。
これにより、IoTデバイスから送信される大量データの処理がスムーズに行えます。さらに、クラウドAIはグローバル規模での展開が可能であり、異なる地域や国でのデータ処理を一元化することで、運用の効率化を図ります。
よって国際的なビジネスにおいても、データの一貫性と整合性を保つことが可能です。クラウドAIのスケーラビリティは、企業の成長に応じて柔軟に対応できるため、急速な市場変化にも適応しやすいのが特長です。

クラウドAIの処理速度と容量

クラウドAIは、CPUやGPUを用いた高速演算能力を備えており、大量のデータを短時間で処理します。
また、クラウド上に無制限に近いストレージを利用できるため、データの蓄積や分析が効率的に行えます。さらに、クラウドAIは負荷分散機能を持ち、多数のリクエストが同時に発生した場合でも、処理速度を落とすことなく対応できます。
これにより、ユーザーエクスペリエンスを向上させ、ビジネスの競争力を維持することができます。クラウドが提供する巨大な計算力とストレージ容量は、特に大規模な機械学習モデルのトレーニングにおいて重要です。

クラウドAIのコスト効率

クラウドAIは初期投資を抑えつつ、使用した分だけ課金されるモデルが一般的です。企業は必要なときに必要なだけのリソースを経済的に利用でき、無駄なコストを削減します。
さらに、クラウドAIは自動スケーリング機能を備えており、繁忙期や急激な需要の変動にも柔軟に対応できます。これにより、コストとパフォーマンスのバランスを最適化し、ビジネスの成長を支援します。コスト効率の面では、クラウドAIは中小企業にとっても導入しやすく、資本が限られている場合でも高度なAI技術を活用する道を開きます。

クラウドAIのセキュリティ

クラウドプロバイダーは高水準のセキュリティ対策を施しており、企業データの保護を強化しています。しかし、クラウドへのデータ送信はインターネットを介するため、データの暗号化やアクセス制御が必須です。
さらに、クラウドAIは多層防御を導入し、外部からの攻撃や内部不正のリスクを最小限に抑えています。これにより、企業は安心してデータをクラウド上で管理し、ビジネスのセキュリティを確保できます。セキュリティは、クラウドAIの普及における重要な要素であり、信頼性の高いサービス提供に不可欠です。

クラウドAIのメリットとデメリット

クラウドAIのメリット

クラウドAIの主な利点は、リソースの柔軟な拡張と高度な分析能力です。大量データの解析や機械学習モデルのトレーニングにおいて特に効果を発揮します。さらに、クラウドAIはグローバルなデータ統合が可能であり、異なる地域のデータを一元化して分析することで、ビジネスのインサイトを深めることができます。クラウドAIのメリットは、ビッグデータ分析の基盤として、企業の意思決定を支援します。

クラウドAIのデメリット

一方、クラウドAIはネットワークへの依存度が高く、データ送信中の遅延やセキュリティリスクが懸念されます。また、データ転送コストも発生します。さらに、クラウドAIの利用には、インターネット接続の品質や安定性が求められ、接続障害時にはサービスが停止するリスクも考慮する必要があります。クラウドAIのデメリットは、ネットワーク環境に依存する運用リスクとして認識され、対策が求められます。

クラウドAIの活用シーン

• 機械・設備の予知保全
  カメラや振動センサーを用いて、機械・設備の稼働状況・温度などのデータをクラウドAIで監視します。AIによって不審な動きを検知して、故障や停止を未然に防ぐことが可能です。
• 商品の需要予測
  店舗の売り上げデータを蓄積して、クラウドAIで売り上げ状況や来客数を分析します。売り上げデータに基づいた需要予測により、生産管理や在庫管理に役立てられます。
• 農作物の栽培管理
  生育状況・温湿度・日射などの栽培データをクラウドAIが分析・学習することによって、適切な培養液の濃度、潅水時間などを推測します。農作物の管理作業にかかる負担の軽減、収穫量や品質の安定化につながります。

クラウドAIのベターユースポイント

クラウドリソースの最適化

企業は、リソースを効率的に利用するために、使用状況を常にモニタリングし、不要なリソースを削減する戦略を取るべきです。さらに、クラウドプロバイダーが提供する自動化ツールを活用することで、リソースの最適化を効率的に行い、コスト削減を実現します。クラウドリソースの最適化は、持続的なコスト管理とパフォーマンス向上を促進します。

クラウドAIの障害リスク管理

クラウドAIを導入する際は、冗長化構成やバックアップ戦略を設計し、障害時のリスクを低減することが重要です。さらに、定期的なシステムテストと障害復旧訓練を実施することで、障害発生時の迅速な復旧を可能にし、ビジネスの継続性を確保します。障害リスク管理は、信頼性の高いクラウドAIサービスを提供するための基盤として位置づけられます。

クラウドAIの運用経験

多くの企業がクラウドAIを利用する中で、運用のベストプラクティスが共有されています。これを参考にすることで、スムーズな導入が可能となります。さらに、クラウドAIの運用を通じて得られた知見を活用し、独自の運用戦略を構築することで、ビジネスの競争力を高めることができます。運用経験の蓄積は、クラウドAIの活用を深化させ、競争優位性を確保する要素となります。

エッジAIとは

AIが搭載されたクラウドにデータを送信するクラウドAIに対して、エッジAIとはIoT機器やセンサーなどの端末にAIを搭載して、端末が学習・推論を行う技術のことです。
端末で収集したデータを基に端末内で推論を処理して、瞬時に判断を出します。その後、端末で処理したデータをクラウド上に送信して、学習モデルを作成・学習用データを保存する仕組みです。
現時点において、エッジAIのみを用いたシステムの実現が困難であることから、エッジAIとクラウドAIを組み合わせたハイブリッド型の活用が一般的です。

エッジAIの特長

低遅延、リアルタイム性能

エッジAIは、データの収集から処理までをデバイス上で行うため、即時に判断を下し、クラウドにデータを送信する必要がないため、ネットワーク遅延を回避できます。これが必要な自動運転や医療機器など、リアルタイムの反応が求められる分野での利用が適しています。さらに、エッジAIのリアルタイム性能は、製造業における異常検知や、スマートシティにおける交通管理にも活用されており、都市生活の効率化と安全性の向上に貢献しています。エッジAIの即時性は、データの転送遅延を回避することで、より迅速な意思決定をサポートします。

通信コストの削減

エッジAIは、端末側で処理したのちに学習に必要なデータのみをクラウドへ送信します。端末内のすべてのデータを送るクラウドAIよりもデータ容量が小さくなるため、通信コストを抑えられるメリットがあります。

セキュリティ、データプライバシー

データがデバイス内で処理されるため、外部へのデータ流出リスクが低く、セキュリティやプライバシーの観点で優れています。さらに、エッジAIはデータの分散処理を可能にし、個別のデバイスで独立したデータ処理を行うことで、通信回線やデータセンターへの依存を減らし、データの安全性を強化します。

エッジAIの活用シーン

• 製造設備の監視
  エッジAI搭載のセンサーやカメラにより、工場内の設備をリアルタイムで監視できます。稼働状況の軽微な変化を検知して、設備の故障・停止を防止することが可能です。
• 顧客の行動分析
  店舗や施設に設置したエッジAI搭載のカメラで、顧客の行動データを分析します。顧客の回遊経路を分析することで、商品のレイアウト変更や商品棚の見直しに役立てることが可能です。
• 建設現場の安全管理
  工事中の状況をリアルタイムで遠隔監視することで、作業員の安全管理に役立てられます。

エッジAIベターユースのポイント

エッジデバイスの選定基準

デバイス選定時は、処理能力と消費電力のバランス、耐久性、ネットワーク接続の有無などを考慮し、用途に最適な機器を選ぶことが求められます。さらに、エッジデバイスの選定は、将来的な拡張性やソフトウェアのアップデート対応能力も考慮する必要があります。選定基準の明確化は、エッジAIの効果的な導入を支える重要な要素です。

エッジAIのネットワーク依存性

エッジAIはネットワークへの依存を低減するため、オフラインでも機能する設計が可能です。ただし、データ同期のためのネットワーク接続が必要なケースもあります。さらに、エッジAIは、ネットワーク障害時にも継続的なデータ処理が可能なため、業務の継続性を確保する手段として有効です。ネットワーク依存性の低減は、エッジAIの信頼性を高める要素となります。

エッジAIの実装コスト

初期投資が必要であるものの、長期的には通信コストの削減が期待されます。特に大量のデバイスを運用する場合、全体のコストは抑えられるでしょう。さらに、エッジAIの実装により、データのリアルタイム分析が可能となり、ビジネスプロセスの最適化と効率化を実現します。実装コストの管理は、エッジAIの導入戦略における重要な課題です。

エッジAIのメリットとデメリット

​​​エッジAIのメリット

エッジAIは、リアルタイム処理とデータプライバシーの強化に優れています。デバイス内での処理により、ネットワーク依存を最小限に抑えられます。さらに、エッジAIは、データのローカル処理によって通信コストを削減し、システムの効率性を向上させることができます。エッジAIのメリットは、迅速な反応とデータの安全性を両立させる点にあります。

エッジAIのデメリット

エッジデバイスの処理能力はクラウドほど強力ではなく、複雑なモデルの実行には限界があります。また、デバイス更新が頻繁に必要です。さらに、エッジAIの導入には、デバイス間の統合や互換性の問題があり、システム全体の設計において細心の注意が必要です。エッジAIのデメリットは、技術的な制約とメンテナンス負荷が伴うことです。

クラウドAIとエッジAIの使い分けの考え方

クラウドAIとエッジAIの違い

クラウドAIとエッジAIは、学習や推論を行う場所に違いがあります。
クラウドAIは、端末ではデータ収集のみを行い、学習や推論はすべてクラウド上で行われます。これに対してエッジAIは、端末内で推論を行い、必要なデータのみをクラウドに送信して学習を行います。
学習・推論を行う場所や処理能力、リアルタイム性、セキュリティなどを比較すると、以下のようになります。

▼クラウドAIとエッジAIの違い

なお、クラウドとよく比較されるシステム運用方法に、“オンプレミス”という形態があります。

クラウドは、自社にサーバやITシステムを経由せずに、インターネット経由で利用する運用形態を指します。サーバやシステムの保守点検もベンダー側で実施されることが特徴です。
一方のオンプレミスは、サーバやソフトウェアなどを社内に設置して、システム構築、保守点検を自社で行う運用形態です。自社の運用体制に応じて柔軟にシステムをカスタマイズできるほか、セキュリティ対策も自社で行えることが特徴です。
ただし、オンプレミス環境でのシステム構築には費用・時間がかかるほか、保守点検やトラブル対応の負担も大きくなりやすいといった注意点もあります。

ユースケースに応じた選択基準

クラウドAIは大量データの分析に適しており、エッジAIはリアルタイム性が求められる場面で力を発揮します。ビジネスニーズに応じて適切に選択することが重要です。さらに、両者の特性を理解し、適切なユースケースでの適用により、ビジネスの競争力を高めることができます。選択基準の設定は、ビジネスの成功につながる重要なステップです。

AI検討時によくある誤解

当社で経験したAI導入時のよくある誤解例を挙げます。

●AIに対する過剰な期待
特に「異常検知」「予兆検知」の場合によく見られるケースです。
これまで異常が発生したことがないので異常データがない、あるいは「どういう状態が異常なのか」を定義できない場合、通常運転時のデータしかないため、AIは「通常と異なる状態を検知したら通知」します。この場合、過剰に異常通知が来ることとなり、実用上問題が発生します。かといって、検知基準を緩めすぎると、今度は異常なのに検知できないなど、期待と大きく乖離が生まれます。

●データを学習さえさせれば、実用的なAI判定ができるという幻想
人が行っていた点検業務をAIに置き換えようとする場合に、よく見られるケースです。
人間は音や臭いなど、五感を駆使して点検している場合もあります。
その場合に、振動や温度だけのシンプルなデータで学習モデルを構築しても、十分に機能しない場合があります。業務経験やベテランのノウハウに基づいて、何のデータをAIに与えるかの検討が非常に重要となります。

●精度100%でないと使えない
AI判定で、精度100%を保証できることはほとんどありません。誤検出も発生します。
その場合、その情報をフィードバックして精度を向上する仕組みが必要となります。そのような運用を通して、徐々に精度を上げていきます。

AIは全知全能ではありません。適材適所で活用することが肝要です。

ハイブリッドアプローチの可能性

クラウドとエッジを組み合わせたハイブリッドアプローチは、双方の強みを生かし、柔軟なシステムを構築する手段として注目されています。さらに、ハイブリッドアプローチは、異なるアプリケーションや業務プロセスに対して、最適なソリューションを提供できるため、ビジネスの多様なニーズに対応することが可能です。ハイブリッド戦略の採用は、技術の進化に伴う柔軟な対応を可能にします。

将来の技術発展による影響

AI技術は日々進化しており、今後はクラウドとエッジの境界が曖昧になることが予想されます。新技術への対応が必要です。さらに、AI技術の進化に伴い、新たなユースケースやビジネスモデルが生まれる可能性があり、企業はこれに対する柔軟な対応が求められます。技術発展の動向は、ビジネスの革新を加速する要因となります。

AI×IoTの導入効果

AI×IoTの活用例

• 製造機器の圧力や温度をIoTセンサーで測定して、AIが自動で制御を行う
• 設備の通常稼働データをAIに学習させて、異常があった場合にアラートを出す
• 気温・温度・日射量などをIoTセンサーが計測して、データをもとにAIが収穫予測・栽培管理を行う
• 道路に設置したカメラから画像データを収集して、AIが交通障害を自動検知する

総務省の『令和5年 通信利用動向調査』によると、IoT・AIのシステム・サービスを導入した企業のうち、効果があったと回答した割合は82.7%に達しています。

▼IoT・AI等のシステム・サービスの導入効果

画像引用元：総務省『令和5年 通信利用動向調査』

なお、IoT・AI等によるデジタルデータの収集・解析目的をみると、「効率化・業務改善」が86.0％と最も高く、次いで「顧客サービス向上」（35.1％）、「事業の全体最適化」（26.8％）と続いています。(出典：総務省『令和5年 通信利用動向調査』)

クラウドAI・エッジAIを活用したソリューション

TR-COM回転機モニタリングシステム

パートナーである酉島製作所のソリューションを提供しています。
詳細は以下をご覧ください。

エッジコンピューティングゲートウェイCONEXIOBlackBear, Armadillo-IoT G4

『CONEXIOBlackBear』および『Armadillo-IoT G4』は、端末から発生したデータを端末側で分散処理するエッジコンピューティングの機能が備わったゲートウェイです。
データのすべてをクラウド側へ転送することなく端末側で処理するため、制御・状況把握のリアルタイム性を確保できます。
また、学習モデルの作成に必要なデータは、クラウド上へ送信するといった使い分けができるため、通信コストの削減やセキュリティの強化にもつながります。エッジAIの活用に向けて導入を検討されてはいかがでしょうか。

まとめ

この記事では、クラウトAIとエッジAIについて解説しました。

• クラウドAIとは
• エッジAIとは
• クラウドAIとエッジAIの使い分けの考え方
• AI x IoTの導入効果

• クラウドAI・エッジAIを活用したソリューション

クラウドAI・エッジAIは、端末から収集したデータを処理して、学習・推論を行う技術のことです。

クラウドAIは、大容量かつ複雑な処理が可能ですが、リアルタイム性や通信コストの面に懸念点が残ります。一方、エッジAIはリアルタイム性や通信コスト、セキュリティ面に長けていますが、端末のみの処理能力には限界があります。

両者のデメリットを補いつつメリットを生かすには、エッジAIとクラウドAIを組み合わせたハイブリッド型の活用が有効です。

コネクシオでは、エッジAIとクラウドAIを組み合わせたハイブリッド型の環境構築に役立つソリューションを提供しています。エッジコンピューティングゲートウェイ『CONEXIOBlackBear』や、GPU(NPU)を搭載したArmadillo-IoT G4などの導入をぜひご検討ください。