UzbektelecomのAIデータセンター、国家計算基盤をタシケントの外へ拡張
Uzbektelecomは、タシケントから300キロメートル以上離れた場所に、AI対応のデータセンターを2施設開設した。これにより、ウズベキスタンの計算能力の一部が首都の外へ移される。ブハラとコーカンドにあるUzbektelecomのAIデータセンターは、国家UzCloudプラットフォームを通じてクラウドサービスと専用GPUサーバーを提供する。
この開設が重要なのは、地理的な分散が機器の設置場所以上の変化をもたらすためだ。ウズベキスタンは、地域の計算基盤、ソブリンクラウドサービス、将来的なフォトニックネットワークを、単一の国家インフラレイヤーに統合しようとしている。このアプローチは、高度なコンピューティングを一都市に集中させる、あるいは海外クラウドリージョンに大きく依存するモデルとは対照的である。
これらの施設は信頼できる基盤を生み出す一方、発表には重要な未回答の問いも残る。Uzbektelecomは、GPUモデル、アクセラレータ数、電力容量、価格、稼働率目標、実測したワークロード性能を公表していない。したがって、このニュースはインフラ戦略の転換を示すものであり、ウズベキスタンにすでに成熟したAIコンピューティング市場が存在することの証明ではない。
UzbektelecomのAIデータセンター、地域GPU能力を追加
直近の変化は、2つの地方都市におけるGPU対応クラウド施設の稼働開始である。
Uzbektelecomは9月22日、ICT Week Uzbekistan 2026の期間中にブハラとコーカンドの拠点を稼働させた。開設には、ウズベキスタンのデジタル技術相Sherzod Shermatov氏と、駐ウズベキスタン日本大使Kenji Hirata氏が参加した。
政府のデータセンターに関する発表によると、両施設は人工知能、クラウドサービス、ビッグデータ処理、高性能コンピューティングを支援する。いずれもUzbektelecomが開発した国家クラウドプラットフォームUzCloudの一部として運用される。
UzCloudが掲げるサービスには、Infrastructure as a Service、Platform as a Service、Software as a Service、S3互換オブジェクトストレージ、バックアップサービスが含まれる。Infrastructure as a Serviceでは、顧客は基盤となるサーバーを所有することなく、必要なコンピューティングリソースを借りられる。
AI関連では、AI CloudとGPU as a serviceという2つのサービスが中心となる。GPU as a serviceでは、顧客はグラフィックスプロセッサを自ら購入・保守する代わりに、その利用権を借りられる。これらのプロセッサは、多数のAI計算を並列に実行できる。
Uzbektelecomによれば、サーバーはモデル訓練、推論、機械学習、画像認識、映像分析、大規模データ処理、デジタルツインを支援できる。デジタルツインとは、運用データを用いて更新される、物理的な資産またはプロセスのソフトウェア上の表現である。
これらのユースケースは、複数の異なるコンピューティング特性を含む。訓練には継続的な処理能力とアクセラレータ間の高速通信が必要となる。推論は、訓練済みモデルの実行に焦点を置き、多くの場合、より厳しい応答時間やコスト要件を伴う。映像分析では、大量のデータとほぼリアルタイムの処理を組み合わせることがある。
同社は、各プロファイルを施設がどの程度適切に処理できるかを判断するための十分な技術情報を公表していない。購入者は、GPUあたりの利用可能メモリ、インターコネクト設計、ストレージスループット、スケジューリング方針、対応するAIソフトウェア環境をまだ把握できない。
こうした情報の欠如が変化そのものを消すわけではない。地方の組織は、完全なサーバールームを構築したり、すべてのワークロードをタシケントへ送ったりせずに、国内の計算能力を求められるようになった。この開設により、複数年にわたるインフラプロジェクトは、顧客が評価を始められるサービスへと転換する。
2つのプロジェクトは、Uptime InstituteからTier III Certification of Design Documentsを取得した。独立した認証レジストリには、Uzbektelecom Cloud Hub Bukhara 1とCloud Hub Kokand 1が掲載されている。
Tier IIIの設計認証は、文書化された施設設計が同時保守を支えられるかを評価する。運用者は、環境全体を停止せずに、計画的なインフラコンポーネントの保守を行えるはずである。
この認定は有用だが、対象範囲は明確に定められている。設計認証は、GPU性能、サービス可用性、顧客サポートの品質、セキュリティ上の成果、運用効率を示すものではない。また、あらゆる運用プロセスが独立してテスト済みである証拠と混同すべきでもない。
Uzbektelecomによると、両拠点には冗長化された冷却・電力システム、追加の通信チャネル、バックボーンネットワークへの接続が備わる。また、ウズベキスタンの国立インターネットエクスチェンジであるTAS-IXにも接続する。
同社は、より広範なインフラが情報セキュリティマネジメントシステムの国際規格であるISO/IEC 27001に準拠していると説明する。Uzbektelecomはデータセンターについて、決済カードデータ向けの管理策を扱うPCI DSS準拠の取得も計画している。
これらの要素を合わせると、両施設は単に孤立したGPUサーバーの集合ではない。国家クラウドおよび通信環境の中に置かれた地域アクセスポイントである。より難しい問いは、地理的な分散が測定可能な信頼性と実用的な能力へ結び付くかどうかだ。
タシケントの外への計算基盤移転が信頼性モデルを変える
ブハラとコーカンドが重要なのは、物理的な距離によって、首都近郊の別施設では得られない選択肢をUzbektelecomにもたらすからである。
両都市はタシケントから300キロメートル以上離れている。同省によると、これらはUzbektelecomのデータセンターとして首都から最も遠い場所に位置する。
地理的な分離は、相関した障害を抑えるのに役立つ。ある地域で発生した深刻な電力、ネットワーク、環境上の障害が、数百キロメートル離れたインフラまで停止させる可能性は低い。顧客は、同じ都市圏内の2つの部屋に依存するのではなく、別拠点にレプリカやバックアップワークロードを配置できる。
Uzbektelecomは、一方の施設で障害が発生した際にワークロードを拠点間で移行できるとしている。これは分散設計の中心的な約束だが、実際の成果はソフトウェアとネットワークに左右される。
2つ目の建物があるだけでは、自動的に災害復旧は実現しない。顧客には、複製されたデータ、互換性のあるアプリケーション環境、検証済みの復旧手順、明確な目標復旧時間が必要だ。移行先の拠点にも、移されたワークロードを受け入れる十分な予備能力が求められる。
AIでは、さらに複雑な点が加わる。大規模モデルのチェックポイントは相当なストレージ容量を占有し、訓練データセットはさらに大きくなる場合がある。帯域幅、ストレージスループット、オーケストレーションツールがボトルネックになれば、こうした資産の都市間移動には時間がかかりすぎる可能性がある。
推論アプリケーションには別の懸念もある。公共サービス、工場分析システム、金融アプリケーションでは、許容できる中断時間がごく短い場合がある。同じワークロードを別の場所で再起動するには、ファイルのコピー以上の作業が必要となる。ID管理、ネットワーク経路、アプリケーション状態、監視も追随しなければならない。
地域拠点は、完全なワークロード移動が実現する前であっても、レジリエンスを高められる。組織は自らの業務に近い施設を選び、タシケント外にバックアップを保持し、アプリケーションを複数の拠点に分散できる。
地域への配置は、コンピューティングの制度的集中を低減する可能性もある。首都以外の大学、地方自治体、企業は、国家クラウドインフラにアクセスするより明確な経路を得る。高度なコンピューティングを首都だけの資源と見なす必要はなくなる。
レイテンシー面での利点は、それほど確実ではない。物理的な近接性は一部ユーザーにとってネットワーク距離を短縮し得るが、結果は地域のアクセスネットワークとトラフィックルーティングに依存する。Uzbektelecomは、地域顧客から各施設へのレイテンシー測定値を公表していない。
同社のバックボーンにおける立場は、構造的な優位性をもたらす。Uzbektelecomは、データセンター能力を国家輸送ネットワークや地域接続性と連携させられる。独立系クラウド事業者の場合、これらの要素を別々に交渉する必要があるかもしれない。
この優位性は同時にプレッシャーも生む。顧客は、通信、施設、クラウドソフトウェアにおける個別の達成ではなく、サービスを一つのシステムとして評価する。プロビジョニングが遅い、ストレージに制約がある、地域接続が一貫しないといった場合、利用可能なサーバーの価値はほとんどない。
したがってUzbektelecomのアプローチは、特定の競合企業ではなく、首都中心のインフラモデルに圧力をかける。同社は、すべての高度サービスをタシケント周辺に集中させるよりも、分散された国家能力のほうが戦略的価値を持つと賭けている。
結果は、利用者が過度な複雑さを加えることなく拠点間で運用できるかどうかにかかっている。レプリケーション、監視、フェイルオーバーが手作業のままであれば、地理的な多様性は本番アプリケーションの中よりも地図上で強く見えるだろう。
GPU as a Serviceがウズベキスタンのソブリンクラウド戦略を試す
戦略上の競争は、利用しやすい国内計算基盤と、より大規模な海外クラウドリージョンに伴うスケール上の優位性との間で展開される。
ソブリンクラウドインフラは、選定されたデータとコンピューティングを国内の法的管轄および運用管理の下に置く。各国政府は、規制対象の記録、公共サービス、セキュリティ上重要なワークロード、地域のデータ規則の対象となるアプリケーションで、このモデルを重視することが多い。
Uzbektelecomの立場は、ソブリンインフラと従量利用型アクセスを結び付けるものだ。組織は、完全な施設を自ら資金調達する代わりに、コンピューティング、ストレージ、プラットフォーム、GPUを借りられる。
この仕組みにより、国内AIプロジェクトへの参入障壁を下げられる可能性がある。大学のチームは研究実行のためにGPUリソースを申請できる。政府機関はアクセラレータを購入せずに文書処理を試せる。小売事業者は、大規模な導入を決定する前に映像分析を評価できる。
ただし、これらの可能性が導入を保証するわけではない。GPUの提供には、開発ツール、対応フレームワーク、データパイプライン、技術支援、予測可能なプロビジョニングが伴わなければならない。多くのAIチームが必要とするのは、生のアクセラレータへのアクセスではなく、完全な環境である。
海外のハイパースケールプラットフォームは一般に、より幅広いサービス群、成熟した開発者ツール、大規模なコンピューティングリソースプールを提供する。その規模により、モデルホスティング、データベース、可観測性、セキュリティ、マネージドAIサービスを組み合わせやすくなる。
UzCloudの潜在的な優位性は異なる。ローカルホスティング、国家接続性との統合、より緊密な制度的関係、国内要件に沿ったインフラを提供できる。これらの特性は、最大級のグローバルサービスカタログへのアクセスよりも、データの所在と現地サポートが重要となる場合に最も価値を持つ。
したがって、適切な比較はGPU同士ではない。購入者は、転送時間、コンプライアンス、サポート、障害復旧、ソフトウェア互換性、後からワークロードを移行するために必要な労力を含む、完全な運用環境を比較する必要がある。
Uzbektelecomには、実用的な割り当てシステムも必要となる。希少なアクセラレータは、予約、待機列、優先顧客、最大ジョブ時間について運用上の選択を迫る。こうした方針は、小規模組織が有意義なアクセスを得られるのか、それとも大規模利用者の後ろで待つことになるのかを左右する。
価格設定も重要になるが、開設発表では商用上の数字は示されていない。従量利用型アクセスは柔軟に聞こえるものの、顧客には予測可能な請求がなお必要だ。モデル訓練は、コンピューティング、ストレージ、ネットワークにまたがって急激な需要を生む可能性がある。
ハードウェアの更新サイクルも、別の試金石となる。AIアクセラレータは急速に進化しており、ソフトウェアのサポートは特定世代のハードウェアに追随することが多い。国の通信事業者には、顧客を旧式システムに取り残さない調達・更新戦略が求められる。
このプロジェクトの基盤は、数年前にさかのぼる。2023年1月、豊田通商、インターネットイニシアティブ、NEC、NTTコミュニケーションズは、Uzbektelecomとのインフラ契約を発表した。
このプロジェクトは、タシケント、ブハラ、コーカンドのデータセンターに加え、伝送網、データネットワーク、国際通信ネットワークを対象としていた。豊田通商が調整役を担い、IIJはコンテナ型データセンターモジュールとクラウドプラットフォームに関する知見を提供した。
NECの役割には、光通信機器の供給と研修が含まれていた。NTTコミュニケーションズは国際データネットワークを支援した。資金面では、国際協力銀行、日本貿易保険、三菱UFJ銀行が関与した。
したがって、2026年の開設はAIへの熱狂に対する突発的な対応ではない。現在のサービスが顧客に届く以前から始まっていた、より広範な通信近代化プログラムの目に見える成果である。
AIは、このインフラの見せ方、そして収益化の可能性を変えた。汎用クラウド容量は今や、希少なコンピューティング資源への国内アクセスとして提供できる。この転換が成功するかどうかは、開始時に列挙される利用例の数ではなく、実際の顧客ワークロードにかかっている。
フォトニックネットワークは、分散拠点を一つのコンピューティング基盤に変え得る
Uzbektelecomのより大きな狙いは、分散した施設を接続し、孤立したデータセンターではなく、より一体的に機能させることにある。
同社は、タシケント州ザンギアタ地区に、Tier III設計の別施設を稼働させる計画だ。省庁はこれを、Uzbektelecomが地理的に分散配置するネットワークの第5拠点と説明している。
ザンギアタでは、Uzbektelecom、豊田通商、NTT DOCOMO BUSINESS、NECが参加するAll-Photonics Networkの実証も行われる。All-Photonics Network（APN）は、伝送経路のより広い部分で信号を光のまま伝送し、光から電気への変換を繰り返す回数を減らす。
この実証は、一般にIOWNと呼ばれるNTTのInnovative Optical and Wireless Network構想の一部である。このプログラムは、異なる拠点のコンピューティング資源を接続できる、大容量・低遅延通信を目標としている。
公表されたAPN実証の詳細によると、第1段階では2026年中にオハンガロンとザンギアタにあるUzbektelecomの施設を接続する。目標は、最大800ギガビット/秒、距離最大100キロメートルの経路で1ミリ秒未満の遅延だ。
これらの目標値はプロジェクト参加者が提示したものであり、運用環境での検証が必要となる。報道には、ウズベキスタンでの導入に関する独立した試験結果は示されていない。
2027年と2028年の計画では、2つのタシケント近郊拠点にブハラとコーカンドを加え、ネットワークを4つのデータセンターへ拡張する。提案されているアーキテクチャには、冗長化・保護された通信経路が含まれる。
実現すれば、このネットワークは分散コンピューティングをより実用的にする可能性がある。大規模データセットを施設間でより高速に移動できる。事業者は、共有ストレージや学習資源を別拠点に維持しながら、推論処理を利用者の近くに配置できる。
リモートGPUアクセスも支援できる。アプリケーションは、許容可能な応答時間を維持しつつ、別施設のアクセラレータ容量にデータを送信できる可能性がある。すべての拠点で同一の高価なハードウェア群を正当化できない場合、このモデルは重要になる。
NTTとDOCOMOは、日本で関連するアイデアを検証している。2026年3月のリモートGPU実証では、低遅延の映像解析に向け、分散したアクセラレータ資源と5GネットワークをIOWN APN経由で接続した。
両社によると、この実験は遠隔ロボット制御で想定される遅延要件を満たした。ただし、これは管理された実証であり、ウズベキスタンで計画されるネットワークが商用トラフィック下で同一の結果を実現する証拠ではない。
Uzbektelecomは、ブハラとコーカンドへ拡張する際、より長距離への対応が必要になる。最初の実証における1ミリ秒未満という目標は最大100キロメートルの経路を対象としている一方、地域拠点はタシケントから300キロメートル以上離れている。
物理法則、ルーティング、機器、運用上のオーバーヘッドはいずれもエンドツーエンドの遅延に影響する。初期リンクで良好な結果が出ても、最終的な全国トポロジー全体での性能が保証されるわけではない。
帯域幅にも文脈が必要だ。800ギガビットの接続は大きな容量だが、組織が学習データを転送し、ストレージを複製し、多数のソースから映像を配信すれば、共有容量はすぐに埋まる可能性がある。事業者には、注目を集める帯域幅の数値に加え、トラフィック制御と容量計画が必要だ。
このプロジェクトが最も力を発揮する可能性があるのは、資源のプールだ。接続された施設ネットワークなら、選択したワークロードを移動させ、専門的なハードウェアを共有し、需要や可用性に応じてサービスを配置できる。
それにより、地域データセンターはバックアップ以上の役割を担える。日々の本番ワークロードを処理する施設として、全国的なコンピューティング基盤の能動的な一部になり得る。この違いは重要である。待機状態の災害復旧拠点は、日常の本番業務を担う施設よりも経済的価値が低いからだ。
不足している数値がリスクを規定する
Uzbektelecomは立地、認証、サービス範囲を示したが、AI容量を判断するために必要な数値は開示していない。
発表にはGPUの導入台数が記載されていない。アクセラレータのベンダー、ハードウェア世代、メモリー構成、クラスタートポロジー、想定性能も明らかにしていない。
電力容量についても情報はない。データセンター事業者は一般に、施設全体の電力容量、またはIT機器に供給可能な電力で施設を説明する。これらの数値がなければ、読者はブハラとコーカンドを他の地域・国際プロジェクトと比較できない。
同じ欠落は効率性にも当てはまる。Uzbektelecomは、電力使用効率、水の必要量、再生可能エネルギーの調達、AIワークロードにおける予想エネルギー消費量を公表していない。
こうした欠落は重要である。GPUサーバーは、電力供給と冷却に対して非常に高い要求を課す。従来型の企業向けサーバー用に設計された施設では、高密度アクセラレータクラスターを大規模に支える前に、さらなる変更が必要になる可能性がある。
Tier IIIの設計認証は、施設設計における保守性と冗長性を対象とする。どれだけのAIハードウェアが導入されているか、顧客が迅速に利用できるかという問いには答えない。
同社は稼働率の目標も公表していない。低稼働率であれば、国内需要がなお限定的であるか、オンボーディングが難しいことを示す可能性がある。極端に高い稼働率は待ち行列を生み、アクセスを制約しかねない。
顧客に関する裏付けも、もう一つ不足している層だ。Uzbektelecomは、モデル開発、映像解析、画像認識、デジタルツインを対応シナリオとして挙げているが、2つの新施設で本番利用するユーザーは特定していない。
初期の参照顧客が示されれば、汎用インフラと活発なAI市場を区別しやすくなる。政府機関が中核利用者となる可能性はあるが、民間部門と研究機関での導入が、国家支援プロジェクトを超えて需要が広がるかどうかを示すだろう。
運用上の透明性も重要になる。顧客には、サービスレベルの約束、インシデント報告、サポート手順、データの所在に関する明確な説明が必要だ。規制対象の購入者は、アクセス制御と監査可能性に関する証拠も求めるだろう。
サイバーセキュリティも同等の注意を要する。複数の施設を接続すればレジリエンスは向上し得るが、防御側が監視すべきシステムの範囲も広がる。ID管理、管理インターフェース、オーケストレーションツール、拠点間トラフィックはいずれも保護が必要となる。
Uzbektelecomは、自社インフラがISO/IEC 27001に準拠し、PCI DSS認証を計画していると述べている。これらのフレームワークは規律ある統制を支え得るが、顧客には依然としてサービス固有の文書と検証済みの対応手順が必要だ。
ベンダー集中も別の不確実性を表す。日本のパートナーは、重要なインフラ、ネットワーク技術、運用知識を提供した。長期的な成功には、外部の継続的な介入なしにシステムを保守し、障害を切り分け、プラットフォームを進化させられる現地チームが必要である。
2023年のプロジェクトにはUzbektelecom職員向けの研修が含まれており、この課題の一部に対処している。次に必要な証拠は、運用実績、稼働率の記録、サービス導入、成功した容量拡張から得られるべきだ。
需要に先行して構築することには商業上のリスクもある。AIインフラには継続的な設備投資が必要であり、ハードウェアは急速に減価する可能性がある。Uzbektelecomは、機器の競争力が低下する前にワークロードを獲得しなければならない。
逆のリスクは供給不足である。需要の伸びが調達を上回れば、限られた容量は少数の大口顧客を優遇し、より広いアクセスという約束を弱める可能性がある。
現時点で責任ある結論は限定的だ。これらの施設は、ウズベキスタン国内のAIインフラの裾野を広げ、地理的な多様性を高める。公開情報だけでは、その規模、経済性、実環境での性能はまだ立証されていない。
戦略の成否を示す3つのシグナル
次の段階は、開示される容量、運用ネットワーク試験、そして目に見える顧客導入によって評価されるべきだ。
第1のシグナルは、ブハラとコーカンドに関する技術情報の開示である。Uzbektelecomは、GPU構成、利用可能な容量、対応フレームワーク、ストレージ性能、サービスレベルの約束を明らかにすべきだ。
こうした詳細があれば、開発者や企業の購入者はワークロードとの適合性を評価できる。また、GPU as a Serviceが専門的な実証なのか、継続的な商用利用を想定したプラットフォームなのかも明らかになる。
生のハードウェア性能と同じくらい、明確なプロビジョニング情報が重要である。顧客は、容量を予約できるか、ジョブがどのようにキューへ投入されるか、どのデータ転送制御が適用されるか、どのツールで利用量を監視するかを知る必要がある。
実質的な情報開示は、Uzbektelecomが運用可能なAI環境を販売しているという根拠を強める。沈黙が続けば、市場は広範なサービス説明に依存せざるを得ない。
第2のシグナルは、APN実証で得られる測定済みの性能だ。Uzbektelecomとそのパートナーは、オハンガロンとザンギアタを結ぶ接続について、野心的な帯域幅・遅延目標を示している。
読者は、エンドツーエンドの試験方法、持続スループット、負荷時の遅延、フェイルオーバーの挙動、エネルギー測定、検証中に使用されたアプリケーションに注目すべきだ。リモートGPUワークロードを含む実証は、分散コンピューティングという論拠を直接支えることになる。
より困難な節目は、ネットワークがブハラとコーカンドへ拡張される段階で訪れる。これらの経路では、はるかに長い距離でもアーキテクチャが有用な性能を維持できるかが試される。
拡張が成功すれば、独立した拠点が協調した国家的資源として機能できるというUzbektelecomの主張を強める。遅延や著しく低い性能が生じれば、施設は独立した地域クラウドに近いものに見えるだろう。
第3のシグナルは顧客導入だ。名前が明らかにされた本番ワークロード、継続利用、民間部門の参加、大学プロジェクト、公開された稼働率データは、このインフラが実際の問題を解決していることの証拠となる。
最も強い事例は、ローカルホスティングや地域分散から特に恩恵を受けるワークロードを含むだろう。公共サービスの継続性、産業向け映像解析、地域の統治下に置かれるAIシステム、拠点間の災害復旧は、いずれもこの戦略を試すことになる。
一般的な実験はそれほど参考にならない。短い実証でソフトウェアが動作することは示せるが、経済的価値、運用の信頼性、持続的な需要を証明するものではない。
企業チームは、このプラットフォームを評価する際、拠点を選定する前に要件を文書化すべきです。データレジデンシー、復旧時間、アクセラレータのメモリ、モデルの可搬性、ネットワーク遅延、サポート範囲は、「AI」というラベル以上に重要になる場合があります。
また、調査内容や運用上の判断を、検索可能なAIナレッジベースに残すべきです。ベンチマーク、契約、コンプライアンスに関するメモ、インシデントの知見が散在したままでは、インフラの選択を後から見直すことは困難になります。
UzbektelecomのAIデータセンターは、すでにウズベキスタンのコンピューティングインフラの地図を変えています。GPUを活用したクラウドサービスをブハラとコーカンドへ展開し、接続された全国規模のコンピューティングネットワークへの道筋を築きました。
次の問いは、測定可能なものです。顧客は、このネットワークを本番インフラとして扱えるだけの十分な容量、拠点間で信頼性の高い運用、実用的な性能を得られるのでしょうか。ハードウェアの開示内容、APNのテスト結果、顧客ワークロードに注目してください。この3つのシグナルが、地域におけるソブリンコンピューティングが実用的なプラットフォームになるのか、それとも野心的なインフラ計画にとどまるのかを示すでしょう。
