11月20日、SiliconANGLEが「Model plane shifts on-prem as agentic AI favors owning compute」と題した記事を公開した。この記事では、エージェンティックAIの普及によってAI推論ワークロードがオンプレミス回帰する動きと、その背景にあるコンピュート所有戦略について詳しく紹介されている。
「借りる」から「所有する」へ——エコノミクスが変わった
クラウドコンピューティングの主流は長らく「使った分だけ払う」モデルだった。2010年代を通じてこのモデルは多くの企業に受け入れられ、オンプレミスのデータセンター投資を抑えながらスケールできる手段として定着してきた。しかしエージェンティックAI(自律的にタスクを計画・実行するAIエージェント)が企業インフラへ浸透するにつれ、コンピュートを所有する経済合理性が再び注目されている。
背景にあるのはクラウドコストの構造的な問題だ。エージェンティックワークロードは単発のAPIコールと異なり、継続的かつ大量のGPU・CPU時間を消費する。クラウドで借り続けるコストが累積すると、自社所有との損益分岐点は想定より早く訪れる。エージェント型ワークロードの増加がその閾値をさらに引き下げているのが、現在の状況だ。
Oxide Computer Co.の共同創業者兼CTOであるBryan Cantrill氏は、SC26(Supercomputing 2026)でtheCUBE Researchのインタビューに応じ、この変化を次のように説明した。
「クラウドコンピューティングは優れている。しかしモデルが『賃貸のみ』であるべきではない。ある規模に達すると、自分のコンピュータを所有したくなる」
Oxide Computerは2026年10月に4億4,500万ドルを調達し、ラック生産の拡大に充てている。同社のビジネスモデル自体が「企業はスケールすると自社でコンピュートを所有したがる」という仮説の上に構築されており、今回の大型調達はその仮説への市場の信任とも読める。
モデルプレーン——AIがどこで動くかを決めるレイヤー
「モデルプレーン(model plane)」とは、AIモデルをどのインフラ上で実行するかを制御・抽象化するアーキテクチャ上のレイヤーを指す概念だ。ここで一点整理しておきたい。Upbound Inc.がオープンソース化したModelplaneはマルチクラウドをまたいで推論ワークロードを振り分けるツールとして同名を使用しているが、本記事が扱う「model plane」はUpboundの固有プロダクトではなく、AIモデルの配置・実行場所を決める設計レイヤー全般を指す概念的な用語として使われている。両者は関連するが別物であり、混同しないよう注意が必要だ。
記事の論点は、このモデルプレーンがクラウドからオンプレミスへとシフトしているという観察にある。多くの企業は自社管理のハードウェア上にモデルを置きたがっており、その理由は2つに集約される。
① コスト(エコノミクス)
エージェンティックワークロードはCPU・GPU負荷の高い処理を継続的かつ大量に伴う。クラウドで借り続けるより、自社所有の方が規模が大きくなるほど単位コストで有利になる。
② データガバナンスとセキュリティ
Cantrill氏が強調したのは、オープンウェイトモデル(重みが公開されたAIモデル。LlamaやMistralなどが代表例)への企業需要だ。
「オープンウェイトモデルへの企業需要は本物だ。データを外に出さずにモデルをオンプレで動かしたいという要望は、今後さらに増えるだろう」
クラウド上の推論APIを使う場合、入力データがサードパーティのインフラを経由することになる。機密性の高い業務データや顧客情報を扱う企業にとって、これは受け入れがたいリスクになりうる。自社所有のハードウェアでオープンウェイトモデルを動かすことで、データを一切外部に出さない推論環境が実現できる。
セキュリティ設計——攻撃面を絞ったラック
Oxide Computerが差別化要素として挙げるのが、UEFI BIOSとBMC(ベースボード管理コントローラー)を排除したラック設計だ。これらは従来のサーバーに標準搭載されるファームウェアコンポーネントだが、いずれも過去に深刻な脆弱性が発見されており、サプライチェーン攻撃の経路になりやすい。Oxideはその両方を設計段階から除去し、攻撃面を最小化している。
加えて、パブリッククラウド相当のマルチテナント分離を初期設計から組み込んでいる点も特徴的だ。エージェンティックAIのワークロードは、同一ハードウェア上で複数のテナントが並行して動作する状況を日常的に生む。Cantrill氏はそのリスクを明確に述べた。
「マルチテナントとは、潜在的に敵対するテナントが同じリソースを共有する状況だ。同じコンピュータ、同じネットワークを共有しながら、機密性を侵害せず、互いに侵入しない形で動かさなければならない」
オンプレミスで複数ワークロードを混在させる場合、パブリッククラウド事業者が長年かけて構築してきたような強固なテナント分離を自前で実装する必要がある。Oxideはその要件をプラットフォームレベルで解決しようとしている。
VMwareの移行需要も取り込む
同じラックは、BroadcomによるVMware買収後のライセンス価格変更に不満を持つ企業のレガシー仮想化ワークロードも引き受けられるとCantrill氏は述べた。VMwareのライセンス体系変更は多くのエンタープライズに実質的なコスト増をもたらし、代替基盤の探索を加速させている。新しいエージェンティックAIワークロードと既存の仮想化ワークロードを1つの汎用プラットフォームで動かせる点が、オンプレミス移行の現実的な入口になっている。既存システムを段階的に移行しながら、新しいAIワークロードを同一基盤で走らせられるという構成は、移行コストを抑えたい企業にとって訴求力が高い。
「自分の運命をコントロールする」
Cantrill氏はオンプレミスクラウドコンピューティングの意義を次のようにまとめた。
「弾力的なコンピュートで得られる柔軟性が欲しい。でもそれが必要な理由は、コスト・セキュリティ・レイテンシだ。自分のデータセンターに置く必要がある。自分の運命をコントロールしたい」
エージェンティックAIの時代において、インフラの意思決定は「どこで借りるか」から「何を所有するか」へと軸が移っている。モデルプレーンはその判断を具体化するレイヤーとして、CTOやインフラ責任者が注視すべき設計上の問いになりつつある。クラウドを全否定するのではなく、ワークロードの性質・規模・データ機密性に応じて所有と賃貸を使い分ける戦略的判断が、今後のAIインフラ設計の核心になるだろう。
詳細はModel plane shifts on-prem as agentic AI favors owning computeを参照していただきたい。




