Googleでは、AIを包括的な取り組みとして推進しています。もちろん、GeminiやNano Bananaのような最先端のAIモデルも開発しています。Gmail、BigQuery、AlloyDB、Google Cloud Code、Google Cloud Assistなど、日々ご利用のツールにもAIを組み込んでいます。Gemini Enterprise Agent Platform、JAX、MaxTestなどのAI構築支援フレームワークも提供しています。そして、そのすべてを支える強力なインフラプラットフォームを共同設計しています。標準的なコンピュート、TPUやGPUなどのアクセラレータ、最適化されたネットワークとストレージ、そしてGKEやCluster Directorなどのオーケストレーションソフトウェアまで幅広く提供しています。これらをすべて統合し、AI Hypercomputerのようなスーパーコンピューティングプラットフォームとして提供することで、業界全体のAIおよびエージェント化された未来への変革を支えています。

これは、AIが質問への回答から推論やアクション実行へと進化する現在のエージェント時代において特に重要です。この次のAIフェーズでリードしたい企業には、新しい要件に合わせて設計・最適化されたコンピューティングインフラが必要です。それにより、迅速なイノベーション、魅力的なユーザー/顧客体験の提供、そしてコストやエネルギー効率の最適化を、大規模に実現できます。

これを支援するため、AIインフラとオーケストレーションに関するニュースを活発に発信しています。本ブログでは、最新のリリースやマイルストーンを月次でまとめてお伝えし、アーキテクチャやパフォーマンスチューニングの詳細解説、専門的なユースケースの議論を、常に詳細な参照先とともに提供します。毎月の更新をお楽しみに。

2026年7月

製品・技術・ツールのアップデート

  • 製品アップデート： Google Cloud Managed LustreがGAになりました。4つの異なるパフォーマンスティアで提供され、1 TiBあたりのスループットが125 MB/s、250 MB/s、500 MB/s、1000 MB/sのいずれかから選択可能です。ストレージ容量は最大8 PBまで拡張できます。Managed LustreソリューションはDDNのEXAScalerを基盤としており、DDNの高性能ストレージにおける長年のリーダーシップと、Google Cloudのクラウドインフラ専門知識を組み合わせています。

  • 製品アップデート： C4Nネットワークおよびストレージ最適化VMがGAになりました。C4Nは、データ転送のボトルネックを解消するために構築された、初のネットワークおよびブロックストレージ最適化VMシリーズです。5th Gen Intel Xeon Scalableプロセッサを搭載し、GoogleのTitaniumオフロードハードウェア上に構築されています。Hyperdisk Extremeと組み合わせることで、400 Gbpsのネットワーク帯域幅、9500万パケット/秒（MPPS）、最大25 GiB/sのブロックストレージスループットを実現します。

  • 新機能： GKE Dataplane V2がNetwork Policiesで15KノードまでGAでサポート。この機能により、標準的なGKEクラスタで最大15,000ノードまで拡張可能になり、完全なアクティブNetwork Policyの実施を維持できます。大規模なエンタープライズおよびAI/ML顧客のインフラニーズに対応します。

  • 新機能： llm-dにおけるCo-operative time-slicing。強化学習（RL）ワークロードを実行する場合、独立したRLジョブを共有物理ハードウェア上でインターリーブできるようになりました。モデル収束や精度に影響を与えずに、アグリゲートアクセラレータのデューティサイクルを約40%から70%に向上させることができます。

  • 新しいAIセキュリティツール： GKE上でAIサプライチェーンを保護し、AIワークロードを安全にデプロイし、シャドーAIを削減したい場合、k8s-aibomをオープンソースとして公開しました。これは軽量で非特権のKubernetesコントローラーで、コンテナクラスタを継続的に監視し、実行中のAIランタイム（vLLMやTritonなど）を自動検出し、標準のCycloneDX Machine Learning Bill of Materials（ML-BOM）を生成します。k8s-aibomプロジェクトをご確認いただき、ご参加ください。

実践者向けガイドとハウツー

  • ハウツーガイド：7月27日、GoogleはMoonshot AIのKimi K3に対するDay 0サポートを発表しました。重み公開当日に、28兆パラメータのオープウェイトモデルに対応しました。Model Garden、カスタムオーケストレーション、またはllm-dレシピを使用したGKEのいずれのデプロイメントパスでも、Google CloudでKimi K3を評価およびパイロットするための詳細なステップバイステップの手順を提供します。

  • ハウツーガイド： Google Kubernetes Engine（GKE）のmanaged DRANETがGPUとTPUの両方をサポート。この実装には、標準クラスタ（完全な制御が可能）とAutopilotクラスタ（Googleが重い設定を代行）の複数の構成があります。ハンズオンラボ「GKE AutopilotクラスタとTPU、GKE managed DRANET、Gemma 4」で詳細をご覧ください。

  • ハウツーガイド：TPU上でRayを実行する方法を学びましょう（GPUではなく）。この2部構成シリーズのパート1では、TPUスライス（ヒント：Rayはこれらをスケジュール対象の単なるアクセラレータとみなします）について議論し、RayのさまざまなAIライブラリについて説明します（パート2）。

  • ハウツーガイド：新しいマイクロベンチマークスイートを使用して、サンプルワークロードでTPUを評価する方法を学びます。このスイートは、デバイスが理論的な性能仕様を達成しているかどうかを正確に評価し、特定の性能ギャップやアーキテクチャ固有のボトルネックを特定するのに役立ちます。こちらで詳細をご覧ください。

  • ハウツーガイド：予算を圧迫せずにエージェントをスケールしましょう。GKEオーケストレーションが、GKE Agent SandboxとPodスナップショットを使用して、固定されたコンピュートフットプリントにより多くのエージェントを安全にパッキングする方法を学びましょう。目標がパフォーマンスかコスト最適化かにかかわらず、最適なエージェント効率を実現するための適切なダイヤルの回し方を解説します。

  • 技術的ブループリント：Ironwood上でのMistral 3 large推論の最適化について。このブログでは、GoogleのチームがGoogleのIronwood（TPU v7x）上でMistral 3 large MoEモデルの推論を最適化し、1.5倍のパフォーマンス向上を達成した方法を概説します。ハイブリッドシャーディング、線形VPUサミーションをツリー削減に置き換える、GMM/MLAカーネルの最適化、非同期スケジューリングの採用により、スループットを最大48%向上させ、ベンチマーク精度の中立性を維持しました。完全なブログはこちらをご覧ください。

研究、レポート、ディープダイブ

  • レポート：Googleは、AIインフラに関する初のGartnerⓇ Magic Quadrant™でリーダーに選出され、「実行力」で最高位、「ビジョンの完全性」で最も進んだ位置に位置づけられました。Gartnerは、Googleの独自のスケーラブルコンピュート、統合AI Hypercomputerアーキテクチャ、およびAIコンピュートキャパシティの規模を主要な強みとして挙げています。コピーはこちらからダウンロードできます。

  • レポート：最近、1,400人以上のシニアITリーダーを対象にState of AI Infrastructureレポートの調査を実施したところ、AIの野心とインフラの現実とのギャップが拡大しているという明確なパターンが浮かび上がりました。実際、83%の組織が、本番環境レベルのエージェントAIをサポートするためにインフラのアップグレードが必要だと回答しています。付随するブログをお読みいただき、エージェントアプリケーションがシステムに課す要求にインフラを適応させ、パイロットから本番環境へ移行する方法をご確認ください。

2026年6月

製品、技術、ツールのアップデート

  • 製品アップデート：AIで使用される機密データの保護は、高度で安全なクラウドインフラの重要な部分です。Confidential Computingは、ハードウェアベースのTrusted Execution Environments（TEE）で使用中のデータを暗号化して保護し、データの整合性を検証可能にします。アクセラレータ最適化のG4マシンシリーズで利用可能になりました。NVIDIA RTX PRO 6000 Blackwell Server Edition GPUを搭載しています。Confidential G4 VMおよびConfidential G4 GKE Nodeから開始できます。

  • 開発者向けリソース：新しいTPU Developer Hubは、モデルビルダー、最適化担当者、開発者がGoogle Cloud TPUのフルパフォーマンスを引き出す方法を学ぶための場所です。このブログで詳細をお読みください。

  • 新製品：新しいOpenTelemetry-Based TPU AI Telemetry Collector AgentでAIワークロードをスケールしましょう。初めて、高忠実度のTPUハードウェアテレメトリをGoogle Cloud Monitoring、Google Managed Prometheus、または独自のセルフホストGrafanaスタックにルーティングできます。

実践者向けガイドとハウツー

  • ハウツーガイド：GKE Inference Gateway上でTPU、Cloud Storage FUSE、Dynamic Resource Allocation（DRA）を使用して実行されるAI推論ワークロードに高可用性を構築する方法を学びましょう。このブログは概要を提供し、技術的な詳細はハンズオンcodelabで確認できます。

  • ハウツーガイド：AIエージェントをCloud Storageの非構造化データにModel Context Protocol（MCP）経由で接続できることをご存知ですか？このブログでは、3つの顧客事例からその理由を学び、その後、完全に管理されたサービスまたはよりカスタマイズと制御が可能なセルフマネージドのローカルサーバーのいずれかを選択して実行する方法を学びます。

研究、レポート、ディープダイブ

  • レポート：独立したベンチマークレポートによると、GKE Inference Gatewayは、次の主要なマネージドKubernetesサービスと比較して、スループットが15.7%高く、待機時間が92.8%短く、トークン間レイテンシが62.6%低いことが示されました。このパフォーマンスは、長い反復プロンプトプレフィックスのKVキャッシュ（アクティベーション状態）を保存することでLLMパフォーマンスを最適化するプレフィックスキャッシングの使用に起因します。ブログで詳細をご覧ください。

  • アーキテクチャディープダイブ：TPUとGKEのコールドスタート問題と、Run:ai Model Streamerがこのダイナミクスをどのように変えることができるかについて詳しく見ていきます。こちら。

顧客とパートナーのアップデート

2026年5月

製品、技術、ツールのアップデート

  • 製品アップデート： GKE Agent Sandboxが一般提供されました。

  • 新しいオープンソースプロジェクト： Agent Substrateは、エージェントインフラ密度の限界を押し広げ続けるための新しいオープンソースプロジェクトです。

  • 新機能： Google AI Edge Portal（オンデバイス機械学習（ML）のテストとベンチマークを大規模に実行するソリューション）が、オンデバイスLLMのベンチマークとデバッグをサポートするようになりました。詳細はこちら。

  • 製品ディープダイブ：AIワークロード向けの高性能ストレージ製品群であるCloud Storage Rapidについて深掘りしました。ローンチ時には、Rapid Bucket（旧Rapid Storage、高性能ゾーンオブジェクトストレージ）と、Rapid Cache（旧Anywhere Cache、オンデマンドで読み取りを高速化し、既存のバケットでコンピュートとデータを共配置する）が含まれます。

研究、レポート、ディープダイブ

  • アーキテクチャディープダイブ：Google Global Infrastructure VPのBikash KoleyとEngineering FellowのArjun Singhが、AIワークロードがネットワークインフラに与える課題の高レベル概要を提供し、データセンターファブリック、WAN、グローバルネットワークに深く加えられた拡張について議論します。

  • アーキテクチャディープダイブ：TPU上でフロンティアAIモデルを開発するための新しいクラスタレベル信頼性モデルを発表しました。インスタンスレベル信頼性を廃止します。

顧客とパートナーのアップデート

投稿先