結論：処理ごとに置き場所を分けるハイブリッドが多い
製造業のデータ基盤は、「全部クラウド」か「全部オンプレミス」かの二択で考えると決まりません。データ基盤の中には、性質の違う処理が混ざっているからです。
- 設備の近くで止まってはいけない処理（収集、バッファ、リアルタイムの推論）は、工場内のエッジやオンプレミスに置く
- 大量の計算資源を一時的に使う処理（AIの学習、工場横断の分析）は、クラウドに寄せると費用と手間が下がる
- 機密性の高いデータ（図面、レシピ、製品画像）は、社内規程と顧客契約に従って置き場所を決める
この3種類を分けて考えると、多くの工場で「収集と推論はオンプレミス／エッジ、蓄積・分析・学習はクラウド、機密データはオンプレミスか専用環境」というハイブリッドの形に落ち着きます。
3つの比較軸
| 比較軸 | クラウドが有利な場合 | オンプレミスが有利な場合 |
|---|---|---|
| 機密性 | 対象データが稼働状況・エネルギーなど機密度の低いもの。クラウドへの持ち出しを社内規程で認めている | 図面・レシピ・製品画像を扱う。顧客契約や輸出管理で社外保存に制約がある |
| 可用性 | 結果が数時間遅れてもよい分析・学習。回線障害時に業務を止めなくてよい | 回線が切れてもラインを止められない処理。遅延のばらつきが許されない処理 |
| 運用体制 | サーバの保守・更新を担う人員が社内にいない。計算資源の需要の波が大きい | 社内にインフラの運用チームがある。既存のデータセンターに余力がある |
機密性
製造業でクラウドの採用を止める最大の要因は、データの機密性です。ただし、すべてのデータが同じ機密度ではありません。設備の稼働状況やエネルギー使用量と、製品の図面やレシピでは、扱いが違って当然です。データを分類し、分類ごとに置き場所を決めるのが現実的です。
可用性
工場の処理には、回線障害やクラウドの障害で止まってはいけないものがあります。データの収集、エッジでの推論、設備への判定結果の返却は、工場内で完結させます。クラウドに置く処理は、一時的に止まっても生産に影響しないものに限るのが原則です。推論の置き場所の決め方は推論はエッジかクラウドかで扱っています。
運用体制
オンプレミスは、サーバの調達、OSやミドルウェアの更新、障害対応、容量の増設をすべて自社で担います。とくにAIの学習に使うGPUサーバは、調達のリードタイムと世代交代の速さが負担になります。保守を担う人がいなければ、オンプレミスの基盤は数年で古びます。
ハイブリッドの構成例
構成例のポイントは次の3つです。
- 工場内は「止まらない」ことを優先し、上位のシステムが止まってもデータを保持して後から送れるようにする
- クラウドに送るデータは、分類で許可されたものだけにする。製品画像は判定スコアや特徴量に変換して送り、原本は社内に残す方法もある
- 学習済みモデルの配布は、工場側が取りに行く方式にし、クラウドから工場内へ直接接続を張らない。通信の設計はIEC 62443とAI・データ基盤を参照
主権型・専用型という新しい選択肢
欧米の大手は、クラウドとオンプレミスの中間にあたる選択肢を打ち出しています。AWSは2025年12月のre:Invent 2025で、顧客自身のデータセンターで専用のAI基盤を動かす「AWS AI Factories」を発表し、主権や規制への対応を理由に挙げました。Dassault Systèmesは2026年7月、3DEXPERIENCEのAIエージェント「Virtual Companions」を、3大陸のOUTSCALE AIファクトリー（同社の主権クラウド）で稼働させると発表しています。
これらは、設計データや知的財産を外に出したくない製造業の需要に応えるもので、「クラウドの運用性」と「自社管理下での保存」を両立させる狙いがあります。ただし、費用や提供地域、日本での提供状況は製品ごとに違うため、検討時に個別に確認が必要です。製造業のデータ基盤製品の全体像は産業データ基盤6製品の比較で扱います。
よくある質問
中小企業はクラウドとオンプレミスのどちらがよいですか？
サーバを保守する人員がいない場合は、クラウドやSaaSを中心にする方が現実的です。ただし、工場内での収集と、回線が切れたときのデータ保持は、小型のエッジ機で担う構成にしてください。
中国など海外拠点のデータはどう扱いますか？
国によってはデータの越境移転に規制があり、工場のデータを日本のクラウドに送れない場合があります。中国の規制は中国データ越境規定と日系工場で扱っています。拠点ごとに置き場所を決め、集約するのは許可された範囲のデータにします。
一度クラウドで作ると、後からオンプレミスに戻せますか？
戻せますが、クラウド固有のサービスに依存しているほど移行の工数が増えます。データはParquetなどの開かれた形式で保存し、特定のクラウドの独自形式に閉じ込めない設計にしておくと、移行や併用がしやすくなります。
この記事に出てくる用語
AIは「データ基盤」で決まる
PoCは成功したのに本番で止まる。原因の多くはモデルではなく、MESと設備データの側にある 全130本
- MESとAIの関係：ロット・作業指示・品質判定がAIの精度を決める理由
- 製造業AIが本番で止まる7つの理由：PoCは成功したのにラインに載らない構造
- 製造業のAI-OCR：紙の検査記録・点検表・ミルシートをデータ化する手順
- データ基盤の段階的導入ロードマップ：ユースケースから逆算する8ステップ
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
