お話を伺った方
お話の相手
GMOインターネット株式会社
酒井 香穂 （インタビュアー）
宮崎 剛（GPUクラウド事業部）
会社概要
オムロン サイニックエックス株式会社（以下、OSX）は、オムロン株式会社の創業者・立石一真が提唱した未来予測理論「SINIC（Seed-Innovation to Need-Impetus Cyclic Evolution）」に基づき、2018年に設立された研究開発子会社です。「近未来をデザインし、革新技術を創出していく」をミッションに掲げ、ロボティクス・コンピュータビジョン・言語・ヒューマンコンピュータインタラクションなどの各領域において最先端の基礎研究に取り組んでいます。
取材の概要
NeurIPSやICCV、ECCV、NAACLなど世界トップクラスの学会に継続的に論文を発表するOSXのシニアリサーチャー・齋藤邦章氏に、研究活動における「GMO GPUクラウド」の活用実態をお聞きしました。
フィジカルAI時代を切り拓く―ビジョン言語モデル研究最前線
プロダクト起点ではなく、社会課題から出発する研究
——オムロン サイニックエックスはどのような組織か教えてください。
齋藤氏：一般的な事業会社の研究部門は、自社プロダクトの開発需要に応じて研究を進める「プロダクトドリブン」な形が多いかと思います。一方、弊社は基礎研究を重視しながら、個々の研究者が社会的な課題に根ざした研究テーマに自律的にフォーカスするスタイルです。
また、会社の中だけに閉じず、大学や他の企業との共同研究を積極的に推進している点も特徴です。私自身も、複数の大学研究者と共同で研究に取り組んでいます。会社として大きな方向性はありつつ、研究者それぞれが異なるテーマに取り組みながら、研究者同士でもコラボレーションしています。
——齋藤さん自身の研究テーマについて教えてください。
齋藤氏：私の研究は「画像に関わるAIモデルを作る」ということが中心です。具体的には、ドメイン適応・ドメイン汎化・ビジョン言語モデルに取り組んでいます。
一番わかりやすい例でいうと、ChatGPTやClaudeのような言語モデルは、さまざまな領域（ドメイン）の人々がいろんなタスクに活用できるとても汎用的なモデルです。私がやりたいのは、それと同じようなことを「画像」の世界でも実現することです。
現状の画像AIモデルは、さまざまな領域への適応という多様さの観点、そして領域ごとの利用や理解という観点でも、まだまだ課題があります。たとえば、科学実験の解析に使いたいロボット向けのビジョンモデルを作ろうとすると、そのシーンを非常に詳細に理解できなければなりません。対応できる領域の多様さ、そして各領域への理解の粒度の深さに課題があるのが現状なので、その課題を解決できるような研究をしています。
これが実現できれば、社内でロボット研究をされている方々に汎用的なビジョンモデルを届けることができて、分野横断的な研究が大きく前進すると考えています。弊社では2023年頃から、視覚情報を理解して言語に落とし込み、ロボットの動作まで生成できる「ビジョンランゲージアクションモデル」に近いコンセプトの研究にも取り組んでいました。「フィジカルAI」として今非常に注目されている分野ですが、それが流行る前からすでに近いことをやっていたというのは、弊社の「近未来をデザインする」という姿勢が現れているところかなと思っています。
JSTさきがけ採択をきっかけにGPUクラウドを模索
——「GMO GPUクラウド」を使い始めたきっかけは何でしたか？
齋藤氏：2025年12月ごろからトライアルを開始しました。きっかけは大きく二つありました。
一つ目は、弊社で別途契約していた計算機を解約することになり、急遽新しいGPUリソースを確保する必要が生じたことです。12月から1月にかけて早急に対応する必要がありました。
二つ目は、研究プロジェクトがJSTさきがけ（戦略的創造研究推進事業）に採択されたことです。JSTさきがけは、若手研究者が個人として独立した挑戦的な基礎研究を行い、科学技術イノベーションの源泉を創出することを目的としたJSTの個人型研究支援プログラムです。JSTさきがけに採択され、新たなプロジェクトが始まったことで、それに対応できる計算環境を新たに整える必要がありました。
——選定の過程では、他のサービスとも比較されたとのことですが。
齋藤氏：はい。複数のGPUクラウドサービスを候補に挙げて、価格と利用形態の両面で調べました。
選んだ決め手として一番大きかったのが、従量課金で共用利用ができる点です。月ごとの利用量に上限がありつつも、それをある程度フレキシブルに変えられる。使用量に合わせて金額をコントロールできるというのは、研究者にとって非常に使い勝手が良いです。研究は「このタイミングで集中してたくさん回したい」という波があるので、その波に合わせて調整できることが重要でした。混雑状況についても、そこまで気にせず利用できそうな点も魅力に感じました。
タイミングの面でいうと、ABCIのような公的機関のGPUクラウドは、年度の前半に申込期限が設定されていることが多く、私がJSTさきがけの研究を開始した10月の時点では選択肢が限られていました。民間のサービスを探していた中で、「GMO GPUクラウド」を選択させていただきました。
H200による推論高速化
——実際にどのような用途でご活用いただきましたか。
齋藤氏：主に二つのユースケースがあります。
一つは、アリババが開発したオープンソースの大規模ビジョン言語モデル「Qwen3-VL」やMetaのSAM 3など、パラメーター数の大きいモデルを使った大規模な推論処理です。
もう一つはモデルのファインチューニングです。パラメーターサイズが70億（7B）以下のVLMのファインチューニングを行いました。今回の研究成果は論文『HalDec-Bench: Benchmarking Hallucination Detector in Image Captioning』として投稿中であり、「GMO GPUクラウド」はその研究の一部で活用しています。
——実際に使ってみての感触はいかがでしたか？
齋藤氏：「GMO GPUクラウド」を使う前は主にA100を使っていましたが、H200を使うのはGMO GPUクラウドが初めてでした。GPUスペックが上がったことで、モデルの推論スピードが大幅に向上しました。
Slackでエンジニアの方に直接サポートしていただけて、スムーズに利用できました。GPUの混雑状況についても、ジョブを投入してもすぐに始まらないことが「時々ある」くらいで、8〜9割のケースはすぐにジョブが走れる状態で非常に助かりました。
「デバッグから本実験まで」シームレスに使えることの価値
——他のクラウドサービスと「GMO GPUクラウド」を使い分けることはありましたか？
齋藤氏：はい、サービスによって使い分けていました。
私の使い方としては「GMO GPUクラウド」でデバッグや実験もしつつ、公的機関GPUクラウドで本実験を回す活用をしていました。
計算機リソースをどのように整備していくかについて、社内でも活発に議論をしているのですが、デバッグで小さなスケールでプルーフオブコンセプトをするという段階と、実験のスケールを大きくしていく段階、この二つをシームレスに繋げるようなクラウドがあるとありがたいと思っています。
その点、「GMO GPUクラウド」の共用プランは、デバッグもある程度しやすくかつ実験もしっかり回せるという二つを兼ね備えていて、デバッグから本実験までシームレスに活用できる印象でした。
「GMO GPUクラウド」はどんな人に向いているか
——どのような方・組織にGMO GPUクラウドをお勧めできると思いますか？
齋藤氏：私が利用させていただいたH200搭載のGPUを2ノード（16基）の共有プランの場合は、研究用途で考えると、必ずしもモデルサイズを非常に大きくする必要がなく、かつしっかりとした研究実験をたくさん回したい、そういう方に特に向いていると思います。
今回ファインチューニングに使ったモデルもパラメーターサイズは7B以下でしたが、そのような規模感であれば実験を多数回すこともできますし、コストも大きく跳ね上がらない。研究機関の方、大学の研究者の方、スタートアップのエンジニアの方など、コストを気にしながらも着実に実験を積み重ねたい方に向いているサービスだと感じています。
一方で、超大規模モデルのスクラッチ学習のように、大量のGPUをフルスペックで長期間占有したいという用途には、専有プランや複数ノード契約の検討が必要になるかと思います。
フィジカルAIの潮流と、独自路線を見つける挑戦
——最後に、今後の研究展望と、AI活用のビジョンをお聞かせください。
齋藤氏：フィジカルAIという分野は今まさに非常に活発で、中国をはじめとする国々が膨大なデータと計算リソースを投じて研究を加速しています。そういった動きに対して「真っ向から同じことをやっていていいのか」という問いを常に持っています。スケールで勝負するのではなく、独自の路線を見つけながら、違うアプローチでインパクトを出していかなければならないとも感じています。
個人的な野望としては、画像理解の「領域の広さ」と「理解の深さ」という二軸を突破するビジョンモデルを作り上げ、そのモデルをロボット研究者の方々や周辺領域の研究者に届けることで、分野を横断した大きな研究の前進に貢献したいと思っています。
弊社のスタンスとして、「技術は自分たちだけが作らなければいけない」とは思っていません。自分たちが刺激を与えることで、コミュニティ全体として科学が進むのであれば、それは喜ばしいことであると考えています。
編集部のひとりごと
世界トップ学会に論文を発表し続ける研究者である齋藤様のインタビューを通じて、「GMO GPUクラウド」が日本のあらゆる産業の発展をサポートする一端を担っているということ、そして研究者、開発者の方がよりそれぞれの使命に没頭できる環境を整えることが「GMO GPUクラウド」の使命であると改めて実感いたしました。
取材・文：GMOインターネット株式会社 広報チーム
▼詳しくは下記からお問い合わせください
