National Compute Gridは遊休AI容量を統合するが、真の試練は信頼性にある
National Computeは、接続済みまたは検討段階にある約760メガワットの容量を擁するNational Compute Gridを立ち上げた。このプロジェクトは、AIインフラ不足に関する広く受け入れられてきた前提に疑問を投げかける。主な問題は、利用可能なアクセラレータの数ではないかもしれない。既存の容量が、相互接続されていないプロバイダー、契約、スケジューリングシステムの中に閉じ込められていることにある可能性がある。
National Compute Gridは、こうした断片化された容量のための共有市場を提案している。スタートアップ、大学、政府研究所、AI開発者は、専用クラスターの複数年リースを交渉せずにインフラをリクエストできる。参加プロバイダーは、自社で予定しているトレーニング実行用の容量を確保しながら、遊休ハードウェアを提供できる。
このモデルは、巨大AIラボやハイパースケールクラウドプロバイダーが好むシングルテナント型インフラ契約に対抗するものだ。OpenAIやAnthropicは、長期契約を通じて巨大なクラスターを確保できる。小規模な開発者には、実験、推論、評価、短期間のトレーニングに向けた一時的なアクセスが必要になることが多い。
このグリッドは、共通のスケジューリングおよびマーケットソフトウェアを通じ、そうした予測しにくいワークロードに対応しようとしている。NVIDIAとAMDのアクセラレータ、Google TPU、新興のチップアーキテクチャもサポートする。ただし、多様な容量を掲載することは、それらを相互に代替可能にするより容易だ。
分散プールでは、最先端モデルのトレーニングに利用される密結合クラスターを自動的に再現できるわけではない。データ移動、ネットワーキング、ソフトウェア互換性、セキュリティ、ハードウェアの信頼性は依然として、どのワークロードをどこで実行できるかを制約する。
したがって今回の立ち上げは、競合する2つのインフラモデルの試験でもある。一方は個別テナント向けにクラスター全体を確保する。もう一方は、コンピューティングを共有市場として扱い、未使用容量を即時の需要へ振り向ける。
National Compute Gridは取り残されたハードウェアを共有市場に変える
National Computeが販売するのは調整された容量へのアクセスであり、分散したGPUが1台の巨大スーパーコンピューターを構成するという主張ではない。
同グリッドは、grid design paperによると、2026年6月に招待制の早期アクセスを開始した。現在、公式サイトでは対象となる政府、軍、教育機関のユーザーにプレビューアクセスを提供している。その他の見込み顧客はウェイトリストに登録できる。
Grid Exchangeは、このプロジェクトの中心となる市場だ。プロバイダー横断で利用可能なノードを追跡し、ワークロードを適切なハードウェアと照合する。スケジューラーは、チップの種類、所在地、稼働率、可用性、顧客の支出上限を考慮する。
メンバーは、bring-your-own-capacityシステムを通じて、自ら保有またはリースしているインフラを接続できる。これらのマシンが社内で不要なとき、メンバーは他の参加者に提供できる。ネットワークがその容量を利用すれば、元の保有者は収益を得る。
この仕組みは、AI調達における根本的なミスマッチを対象としている。研究チームは、実験が成功するかどうか分かる前にインフラを確保することが多い。成果が出れば需要は急増し得る一方、失敗したアプローチでは高価なクラスターが十分に使われないまま残る可能性がある。
National Computeによれば、独立したシングルテナントクラスターでは、ノード稼働率が60%を下回ることが頻繁にあるという。同社の資料は、モデルFLOPS利用率が30%未満、平均正味コンピューティング利用率が15%未満であるとも報告している。これらの数値はコンソーシアムの観測に基づくものであり、独立した業界全体の監査によるものではない。
この違いは重要だ。GPUは使用中に見えても、有用な作業をほとんど進めていない可能性がある。データ、通信、ストレージ、あるいは別の故障ノードを待っているかもしれない。したがって、生の割り当て時間だけでは、インフラがトレーニングジョブをどれほど効率よく進めているかは分からない。
このコンソーシアムは、goodputと呼ばれる指標で対応する。goodputは、確保されたGPU時間数ではなく、完了し中断されなかった作業を表す。トレーニングでは、ジョブを正常に前進させた連続実行時間をシステムが計測する。
提案モデルでは、中断されたトレーニング実行は、完了した作業と同じ料金を発生させない。推論容量は代わりに、申告されたレプリカの可用性に依存する。バッチ処理は完了スループットを通じて測定される。
この設計は、より多くの信頼性リスクをインフラ事業者に移す。マシンが繰り返し故障、停止、またはジョブ中断を起こせば、プロバイダーの収益は減る。顧客には、名目上のアクセラレータ数ではなく成果を評価するインセンティブが与えられる。
このシステムは、スパイク予約もサポートする。研究チームは、数年にわたって継続的にリースする代わりに、3～6カ月の期間に限ってより大きなクラスターを予約できる。グリッドは、予定された実行が始まる前の遊休期間を、優先度の低い作業で埋めることができる。
National Computeによると、メンバーは約760メガワットを接続済み、または「視野内」に置いている。この表現には、現在のインフラと将来的な容量が含まれる。すぐに顧客が利用できる760メガワットの供給を意味するものではない。
この連合は、2030年までに2ギガワットを目標に掲げている。この目標の達成には、プロバイダーとの契約以上のものが必要だ。National Computeは各社のシステムを統合し、可用性を検証し、一貫した運用ルールの下でワークロードを提供しなければならない。
AIコンピューティングへのアクセスが最大規模の買い手に有利な理由
このグリッドが重要なのは、研究需要が予測不能であっても、従来のAIインフラ契約が予測可能な規模を優遇するためだ。
大規模なAI開発者は、多数の製品や研究プログラムにわたる継続的な需要を見込めるため、長期契約を結ぶことができる。また、未使用のインフラを社内チーム間に分散することも可能だ。小規模な研究所には、同じ財務的・組織的な柔軟性がない。
ロボティクス企業1XのAI責任者であるSam Sinhaは、当初のlaunch reportingでこの不均衡について述べた。同氏は、大規模なコンピューティングリソースへのアクセスをOpenAIとAnthropicだけが支配する状況以上のものを、市場は必要としていると主張した。
この懸念は、スタートアップ間の競争にとどまらない。大学や政府研究所は、科学シミュレーション、モデル評価、専門的なトレーニング実行のために一時的な容量を必要とすることが多い。その予算や調達スケジュールは、商業AIのリーダー企業のものとほとんど一致しない。
大学の研究グループは、学会の締め切り前に数百基のアクセラレータを必要とするかもしれない。ロボティクス開発者は、新たな制御モデルをトレーニングする間、追加容量を必要とする可能性がある。国立研究所は、特定の実験の前後にGPUを一時的に大量に必要とすることがある。
こうしたワークロードは重要だが、不規則である。各ピークに備えて恒久的な専用クラスターを購入すれば、資金とエネルギーを浪費する。容量を待つことは、技術的または商業的な価値を結果が失うまで研究を遅らせる可能性もある。
プーリングは、統計的多重化を通じて、この遊休予備容量を減らそうとする。この用語は、あるユーザーの閑散期を別のユーザーのピーク需要に充てられるよう、異なる需要パターンを組み合わせることを指す。電話網や電力システムでも関連する原則が用いられている。
National Computeは、独立した10の参加者をプールすれば、計算単位当たりの無駄な容量を約3分の1に減らせると見積もる。参加者100社のプールなら、その無駄を約10分の1に減らせるとしている。
これらの見積もりは需要の多様性に依存する。すべてのAI企業が同じモデル競争の中で最新アクセラレータを求める場合、ニーズの相関は非常に高くなる。全参加者が同時にピークを迎えるとき、プーリングはハードウェアを生み出せない。
このモデルは、顧客ごとにワークロード、締め切り、チップの選好、タイムゾーンが異なる場合に最も機能する。推論、バッチ処理、評価、ファインチューニング、小規模なトレーニングプロジェクトは、大規模実行の合間に生じる空きを埋められる。
つまり、このグリッドの最初の利点は、おそらく最大規模の最先端トレーニングより下の領域で現れる。柔軟なワークロードは、数千基の密接にネットワーク接続されたアクセラレータを伴う同期実行よりも、プロバイダー間を移動しやすい。
National Computeはまた、このグリッドを公共科学とも結び付けている。同社は、AIを活用して研究を加速することを目的とした連邦Genesis Missionに対し、コンピューティングクレジットを提供する方針を発表した。このプロジェクトは、National Computeにとって目に見える公共部門での実証の場となる。
ここで成功すれば、共有型の商用インフラが国立研究所のスーパーコンピューターを補完できることを示すだろう。失敗すれば、調達、セキュリティ、ソフトウェア要件がプール市場の見かけ上の柔軟性をどのように制限するかが明らかになる。
したがって、圧力は2つのグループにかかる。ハイパースケーラーは、柔軟性を許容するワークロードに対して、なぜ長期契約が依然として必要なのかを説明しなければならない。National Computeは、柔軟性が信頼性、機密性、有用な性能を犠牲にしないことを証明しなければならない。
National Computeが異なるクラウドとチップを調整する方法
このグリッドの中核となる仕組みは、組織の境界をまたぐ容量を一つの市場として扱う中立的なスケジューラーだ。
単一のハイパースケーラー内部では、スケジューラーはハードウェアの状態、ワークロードの優先度、ネットワークトポロジー、内部需要を把握できる。1つの組織がマシン、ソフトウェア、運用ポリシーを管理しているため、ジョブを移動できる。
National Computeは、この可視性を独立したプロバイダー間に拡張しようとしている。同社のスケジューラーはノードの状態を追跡し、互換性のあるワークロードをまとめ、供給を継続的に配分する。定義された優先度ルールに従って、ジョブをプリエンプトまたは移行することもできる。
このアーキテクチャは、GoogleのBorgスケジューリングの系譜と、その後継であるQuota Marketplaceを参考にしている。National Computeによれば、創設チームのメンバーは以前、これらのシステムの構築と運用に携わっていた。
Googleの社内経験は、このプロジェクトにとって最も強力な技術的先例となる。同資料は、AIインフラ全体で動的配分を拡大した結果、フリート稼働率が約65%から99%へ上昇したと報告している。
より管理された比較では、数十万個のチップを含む同規模の2つのプールが用いられた。National Computeは、静的プールの稼働率が75%だったのに対し、マーケットプレイスプールでは93%だったとしている。
しかし、Googleの環境には決定的な利点がある。1社が参加するデータセンター、アイデンティティシステム、ネットワーク標準、運用インセンティブを管理している。National Computeは、商業上の競合関係を維持する組織間で、同様のスケジューリング上の成果を再現しなければならない。
Vultrは創設コンソーシアムメンバーとしてプロジェクトに参加し、インフラを提供している。同社のconsortium announcementは、Grid Exchangeを、クラウド、物理拠点、アクセラレータアーキテクチャを横断する共通のオーケストレーションレイヤーとして説明している。
Vultrはgoodputモデルも支持している。これにより、参加プロバイダーには、請求対象となる割り当て時間を最大化するのではなく、可用性を維持するインセンティブが生まれる。しかし、顧客がサプライヤーを比較できるようになる前に、グリッドはgoodputを一貫して定義しなければならない。
異なるアクセラレータは、さらに別の複雑さをもたらす。NVIDIA GPU、AMDアクセラレータ、Google TPUは、それぞれ異なるソフトウェアスタック、開発ツール、最適化手法を使用する。あるプラットフォーム向けに準備されたワークロードが、別のプラットフォームで効率的に実行できるとは限らない。
スケジューラーは、こうした違いを取り除くのではなく、明示できる。顧客には引き続き、互換性のあるフレームワーク、モデルコード、ライブラリ、ストレージ、チェックポイント形式が必要だ。グリッドは、各ジョブをそれらの要件を満たすインフラへ配置しなければならない。
National Computeの技術ドキュメントでは、現在3つのアクセスパターンが説明されている。顧客は仮想マシンクラスターをリクエストするか、専用のKubernetesクラスターにGPUジョブを送信するか、公共研究プログラムを通じてノード全体を取得できる。
仮想マシンの利用者は、必要なGPU数と受け入れ可能な最大料金を指定する。清算価格がその上限内にある限り、市場がマシンを割り当てる。保護条件の期限が切れた後には、容量が回収される場合がある。
Kubernetesの顧客も、自ら需要を生み出すジョブに対して同様の上限を設定する。公共研究者は、National ComputeのMarshallインターフェースを通じて完全なノードをリクエストできる。このプログラムは主要なオークション構造の外で運用される。
こうしたインターフェースにより、このグリッドは政策提案以上に具体的なものとなる。開発者が各プロバイダーと個別交渉せずに容量をリクエストする方法を示している。ただし、ネットワーク全体で一貫した性能をまだ証明しているわけではない。
National Computeは最終的に、複数のワークロード分類にわたる運用上の証拠を必要とする。バッチ推論で機能するスケジューラが、分散トレーニングでは苦戦する可能性がある。公共研究に適したプールでも、規制対象の企業要件には届かない場合がある。
したがって、中核メカニズムは信頼に足るが未完成だ。社内フリート市場は大規模な稼働率改善を実現してきた。未解決の問いは、共有標準によってその成果を一企業の信頼境界の外へ拡張できるかどうかである。
分断された容量は最先端トレーニングクラスターの代わりにならない
アイドル状態のGPUが有用な供給となるのは、ネットワーキング、ストレージ、ソフトウェア、セキュリティが要求されたワークロードを支えられる場合に限られる。
最先端モデルのトレーニングでは、アクセラレータ間で極めて低遅延にデータを交換する必要がある。数千個のチップが、同期された1つの計算に取り組むこともある。クラスターの一部で遅延や障害が発生すれば、トレーニングジョブ全体が遅くなる可能性がある。
離れたデータセンターに散在するマシンは、通常のインターネット接続を介してその計算に単純に参加できるわけではない。モデルチェックポイントやトレーニングデータセットを施設間で移動するにも時間がかかる。データ転送の制限により、移動そのものが不可能になることもある。
この制約は、代替可能なコンピュートと名目上のコンピュートを分ける。同一のGPUが2つあっても、一方が必要なストレージやネットワークファブリックのそばにないなら等価ではない。物理的・ソフトウェア上のコンテキストが、実行可能な作業を決める。
National Computeは、すべてのマシンがすべてのワークロードを支える必要はない。市場は、アクセラレータ、トポロジー、所在地、セキュリティ階層、信頼性ごとに容量を分割できる。その上で顧客は、要件に合うリソースを選べる。
それでも、分割により各利用可能プールの規模は小さくなる。認証済みリージョン内で特定のアクセラレータ種別を必要とする顧客は、掲載されているすべてのノードを利用できない。したがって、見出し上の容量値は、特定ジョブに対する供給を過大に示す。
プロジェクト自身の論文は、2つ目の問題も認識している。セキュリティ規則は依然として策定中である。共有インフラでは、独自モデルの重み、チェックポイント、トレーニングデータが、複数組織によって運用されるマシン上に置かれる可能性がある。
この構成は攻撃者にとって魅力的な標的となる。また、スケジューラを信頼の中心点にもする。コントロールプレーンが侵害されれば、機密性の高いワークロードの実行場所が露出したり、安全でないサイトへ転送されたりするおそれがある。
National Computeは、異なるワークロード向けにセキュリティ階層を提案している。オープンデータのバッチジョブには、医療データ、政府ワークロード、未公開モデルのトレーニングとは異なる要件が課される。サイトはこれらの階層に対応する認証を受けることになる。
スケジューラは、機密性の高い作業が宣言された保護レベルを下回る環境で実行されないようにする。提案されている管理策には、再利用前のノード消去と再証明も含まれる。より高い階層では、利用可能な場合にコンフィデンシャルコンピューティング用ハードウェアが必要となる可能性がある。
これらはまだ提案段階である。コンソーシアムはガバナンス規則をまだ確定しておらず、セキュリティ、研究、政策コミュニティから意見を募っているとしている。最初のGrid Constitutionが、こうした運用上の制約を定める見込みだ。
論文自体にも、注目すべきタイムライン上の不整合がある。要旨では、一般提供が2027年1月15日に始まるとしている。一方、後段のロードマップでは、Grid Exchangeは2026年9月15日に一般提供へ移行したとされる。
一方、公開ウェブサイトでは、現行サービスは公共アクセスパートナーに限定されたプレビューと説明されている。これらの記述は、急速に変化するローンチ計画の改訂を反映している可能性がある。ただし、実際の商用ステータスを判断しにくくもしている。
予約額についても同様の注意が必要だ。論文は、技術プレビュー期間中の長期予約が11億ドル超に達したと報告している。後の業界分析では、50億ドルを超えるさらに大きな報告額が引用されている。
どちらの金額も認識済み収益として扱うべきではない。予約は将来の意向、条件付きの容量、あるいは複数年のコミットメントを表す可能性がある。National Computeは、こうした予約を対象とする監査済みの稼働率、提供実績、収益データを公表していない。
15％未満という稼働率の主張も、プロジェクトとそのメンバーによるものである。この指標は非効率性を示し得るが、設置済みAIハードウェア全体の85％が自由に利用できることを意味するわけではない。
一部の容量は、設計上アイドル状態に保たれている。事業者は障害、需要急増、保守、予定されたトレーニングに備えて余力を確保する。契約により再販が禁止される場合があり、データ所在地に関する義務によって外部テナントが特定システムを利用できないこともある。
National Computeは、真に取り残されたハードウェアと必要な予備容量を区別しなければならない。そうしなければ、市場は需要が静かな時期には厚みがあるように見えても、需要が高まるまさにその時に機能しない可能性がある。
真の競争は共有コンピュートと専用容量の間にある
National Computeはハイパースケーラーを置き換えるのではない。AI開発のあらゆる段階で顧客が専用インフラを必要とするのかを検証している。
専用容量は、予測可能なトポロジー、安定した性能、機密性の高いワークロードに対する直接的な制御を提供する。これらの特性は、大規模トレーニングや厳格なレイテンシー要件を持つ本番サービスにおいて重要である。
その弱点はコミットメントリスクだ。顧客は、どの実験が成功するか分かるかなり前に需要を予測しなければならない。研究の方向が変わったり、ハードウェアが改善されたり、ワークロードがより少ないリソースで済むようになったりしても、予約料金を支払う。
プール型市場はこのトレードオフを反転させる。柔軟性と潜在的に高い稼働率を提供する一方で、顧客は変動する供給を受け入れる。また、プロバイダー間で共通のスケジューリング、セキュリティ、性能ルールに依存する。
この2つのモデルは、1つのAIプロジェクト内で共存できる。研究所は、評価、データ処理、ファインチューニング、実験的な実行にグリッド容量を利用できる。その後、同期が必要な事前学習ジョブのために専用クラスターを予約できる。
グリッドのスパイク予約モデルは、このハイブリッドアプローチを明示的に支援する。メンバーは既知の時間帯に大規模ブロックを確保しつつ、未使用の期間を他の顧客に解放できる。これにより、このシステムはコミット済みインフラの代替であると同時に補完にもなる。
ハイパースケーラーはすでにスポット市場と社内スケジューラを運用している。彼らの優位性は、施設とネットワーク全体を管理していることにある。National Computeの差別化要因は、プロバイダー中立性と、組織の境界を越えて供給を統合できる能力だ。
この中立性には、強制可能なガバナンスが必要となる。プロバイダーは、競合他社が自社のクレジットを使い尽くしたり、スケジューリングを操作したりできないと信頼しなければならない。顧客は、運営者が特定の供給者、モデル開発者、チップアーキテクチャを優遇できないと知る必要がある。
提案されているGrid Indexは、市場清算情報を公開することで役立つ可能性がある。透明性の高いベンチマークにより、研究者、インフラ事業者、資金提供者は異なる容量分類の価値を比較できるようになる。
公共研究助成には、単一のクラウド契約を前提とするのではなく、将来的にはコンピュートクレジットが含まれる可能性がある。スタートアップは可視化された市場に基づいて実験の価格を見積もれる。インフラ所有者は、アイドル状態の予備マシンを残すより余剰容量を販売する方が有利かを測定できる。
ただし、有用な指数には実際の取引量が必要だ。薄い供給や条件付きの供給から導かれた価格は、買い手を誤導する可能性がある。National Computeは、掲載された容量が通常時および需要ピーク時に完了ジョブへ転換されることを示さなければならない。
最も強力な証明は、リピート顧客から得られる。1つの実験でオンデマンド拡張に成功したスタートアップは、有用なケーススタディとなる。複数のプロジェクトで再び利用するチームは、市場が通常のインフラ計画の一部になり得ることを示す。
同じ理由で、プロバイダーの参加も重要だ。Vultrはコンソーシアムに信頼できるクラウドメンバーをもたらし、Crusoeもローンチパートナーであることを明らかにしている。National Computeは完全なメンバー一覧を公開していない。
この限定的な透明性により、地理的カバレッジ、アクセラレータの多様性、プロバイダー集中度を評価することが難しくなる。中立を標榜する市場であっても、少数のインフラ企業に依存したままになる可能性がある。
グリッドが従来型契約に最も圧力をかけるのは、恒久的なコミットメントを要求せず、予測可能なアクセスを提供する場合だ。あらゆるタスクで専用クラスターを上回る必要はない。
柔軟な容量を、AI作業の意味ある割合に対して十分信頼できるものにするだけでよい。その市場へ移るワークロードが増えるほど、チームが不確実な将来需要に備えて予約しなければならないインフラの量は減少する。
National Compute Gridのローンチ後に注目すべき点
グリッドが有用なインフラとなるのか、それとも野心的な協調実験にとどまるのかは、3つのシグナルによって決まる。
第1のシグナルは、検証済みの提供容量である。National Computeは、稼働中のノードを、計画中のプロジェクト、見込みメンバー、まだ「視野に入っている」インフラと分けて示すべきだ。公開される数値には、アクセラレータの種類、場所、利用可能時間帯、完了したワークロード量を含める必要がある。
独立した稼働率データがあれば、この主張は強まる。グリッドの論拠は、アイドル状態のマシンを有用な作業へ変換することに依存している。グッドプット、中断、スケジューリング遅延、顧客が実際に取得できる掲載容量の割合を報告すべきである。
これらの測定結果が複数のプロバイダーにわたる持続的な利用を示せば、プロジェクトの市場仮説は支持を得る。容量の大半が見込み段階にとどまるなら、760メガワットという見出しの数字は、機能するプールというよりパイプラインに見えるだろう。
第2のシグナルは、成功したワークロードの多様性である。小規模なトレーニング実行、推論、バッチ処理、評価、公共研究が最初に本番利用へ到達すべきだ。これらのタスクは、厳密に同期された最先端トレーニングよりも変動に耐えられる。
National Computeは、ジョブの実行時間、プロバイダー間を移動したかどうか、配置を左右したハードウェア制約を示す事例を公開すべきである。透明性の高い障害データも同様に価値がある。
多様なワークロードにわたる信頼性の高い完了は、共有スケジューリングがデモを超えて機能することを確認する。繰り返される中断や狭いハードウェア互換性は、分断された供給が統合市場のように振る舞うという主張を弱めるだろう。
第3のシグナルは、強制可能なセキュリティとガバナンスである。Grid Constitutionは、認証階層、インシデント報告、ワークロード配置、監査権、運営者の制約、顧客データの取り扱い規則を定義すべきだ。
これらの規則は、理念的な表現を超えなければならない。政府研究所やモデル開発者は、ノードが消去、再証明、監視されているという証拠を必要とする。顧客には、紛争やサービス障害に対する明確な手続きも必要である。
National Compute Gridは、現実的な矛盾を指摘している。AI企業はコンピュートが不足していると説明する一方で、高価なアクセラレータはピーク時のワークロードの合間に十分活用されていない。より良い協調により、その無駄な容量の一部を回収できる。
しかし、オーケストレーションによって物理法則、契約、あるいは信頼境界をなくすことはできない。プロジェクトの将来は、宣伝されるメガワットを、プレッシャー下でも安全かつ確実に完了する実作業へと転換できるかにかかっている。
開発者や研究機関の購入担当者は、見出し上の容量ではなく、実際に提供される有効スループットに注目すべきだ。待機時間、中断リスク、ハードウェア互換性、データ管理を専用環境の代替案と比較する必要がある。National Computeがこうした結果を公表し、顧客が継続利用すれば、共有AI容量は持続可能なインフラカテゴリーになり得る。そうならなければ、市場は今後も、数年前から完全なクラスターを予約できる大口顧客を優遇し続けるだろう。
