コンピュータービジョン向けマネージドトレーニングプラットフォームとセルフホストGPUの比較

マネージドトレーニングでは、トレーニングインフラをサービス側が運用し、GPU時間に応じて料金が発生します。セルフホストGPUでは、マシンをレンタルする場合も購入する場合も、ハードウェアと環境の管理をチームが担います。マネージドトレーニングは通常、断続的なワークロードやインフラ管理の負担を減らしたいチームに適しています。GPUを所有すると、稼働率が高い場合はコストを抑えられる可能性がありますが、その効果はハードウェアの稼働状況、耐用年数、電気料金、エンジニアリングにかかる時間によって異なります。

このガイドでは、2026年にビジョンモデルをトレーニングするための一般的な4つの選択肢を比較し、実際のワークロードの損益分岐点を計算する方法と、Ultralytics Platformがどのように適合するかを説明します。

ビジョンモデルをトレーニングする4つの選択肢#

「マネージドとセルフホスト」の比較では、通常、次の4つの異なる構成がまとめて扱われています。

1. マネージドビジョントレーニングプラットフォーム。データセットをアップロードまたは接続し、モデルとGPUを選ぶと、プラットフォームがトレーニングを実行します。Ultralytics Platformは、YOLOモデル向けにこの方式を採用しています。
2. 汎用MLプラットフォーム。Amazon SageMaker、Google Vertex AI、Azure Machine Learningなどのサービスは、さまざまなフレームワーク向けに、クラウドインスタンスでトレーニングジョブを実行します。トレーニングジョブ、その環境、権限、ストレージを設定する必要があり、コンピューティングと関連サービスは別途課金されます。そのため、GPU料金だけでなく、各プロバイダーの公式料金ページを比較してください。
3. レンタルクラウドGPU。RunPodやLambdaなどのGPUクラウドでは、利用時間に応じてマシンをレンタルできます。必要なものがあらかじめプロバイダーのイメージに含まれていない場合は、ドライバー、CUDA、Pythonパッケージ、トレーニングコードをセットアップし、作業が終わったらインスタンスを停止します。
4. 自社GPU。オフィスやデータセンターに設置するワークステーションまたはサーバーです。ハードウェアを一度購入し、電力、冷却、保守、および稼働状態を維持するための作業時間を負担します。

マネージドトレーニングとセルフホストGPUの概要#

マネージドGPUトレーニングの課金方法#

Ultralytics Platformでは、トレーニング実行におけるGPU部分の費用を簡単に見積もれます。

GPU cost = selected GPU hourly rate × billable GPU hours

プロバイダーを比較する際は、同じワークロードと目標精度を使用し、サブスクリプション、ストレージ、データ転送、エンジニアリングにかかる時間も加味してください。

Ultralytics Platformでは、NVIDIA GPUを26種類取り扱っており、料金は1時間あたり$0.24からで、最低利用額や契約期間の制約はありません。Freeプランではそのうち24種類、ProおよびEnterpriseプランでは26種類すべてを利用できます。一般的な選択肢をいくつか紹介します。

課金は実際のGPU使用時間に基づきます。完了した実行、キャンセルされた実行、GPUの起動後に失敗した実行は、経過したGPU時間分が課金されます。GPUの起動前に失敗した場合、料金は発生しません。トレーニングダイアログには開始前に所要時間と費用の見積もりが表示され、各見積もりでは残高から最低15分間分のGPU時間が確保されます。この確保額は開始に必要な残高を決めるものであり、課金は実際のGPU使用時間に基づきます。

参考として、RTX PRO 6000で1,000枚の画像を100エポック学習させる場合、Ultralyticsの一般的なトレーニング時間は、YOLO26mで約15分、YOLO26xで約30分です。1時間あたり$2.49の場合、GPU時間の費用はそれぞれ約$0.62と$1.25です。実際の実行時間は画像サイズ、データ拡張、バッチサイズによって変わるため、確定見積もりではなく目安としてご利用ください。

セルフホストGPUの実際のコスト#

自社GPUには時間単位の請求がありませんが、実行ごとのコストがゼロになるわけではありません。総コストには次の項目が含まれます。

• ハードウェアと、GPUを取り巻くワークステーションまたはサーバーのその他の構成要素。
• トレーニングを行うすべての時間にかかる電力と冷却費用。
• ドライバー、CUDAのバージョン、パッケージの競合、環境の不具合に対応するためのエンジニアリング時間。
• アイドル時間。GPUが1日に2時間トレーニングを行う場合、それ以外の時間はアイドル状態となり、トレーニング1時間あたりのコストがそれに応じて上昇します。
• 容量の制限。モデルに必要なVRAMが所有する容量を超える場合や、複数の実験を同時に実行する必要がある場合は、待つか、ハードウェアを追加購入することになります。

所有するGPUがクラウドGPUと同じ速度でトレーニングを行うと仮定した、単純化したハードウェアと電力の比較は次のとおりです。

Break-even hours = hardware cost ÷ (cloud hourly rate − your power cost per hour)

仮の数値を使った例として、RTX 4090搭載のワークステーションに$3,000かかり、電力コストがトレーニング1時間あたり約$0.10だとします。1時間あたり$0.89のRTX 4090と比較すると、約3,800時間のトレーニングで損益分岐点に達します。これは、24時間連続で使用した場合に約5.3か月、毎日8時間使用した場合に約15.8か月に相当します。この計算には冷却、アイドル時の電力、修理、資金調達、再販価値、自分自身の作業時間は含まれていません。また、ハードウェアの耐用年数内にそれだけのトレーニングを行う場合にのみ、所有が有利になります。実際のハードウェア見積もり、電気料金、予想トレーニング時間を使用してください。結果は稼働率によって大きく変わります。

セルフホストGPUが適する状況#

ハードウェアの所有がより適しているのは、次のような場合です。

• GPUの稼働率が高い。継続的な再トレーニング、大規模なハイパーパラメーター探索、またはチームによる1日を通したマシンの共有によって、稼働率が損益分岐点に近づきます。
• データを自社施設の外に出せない。規制対象の環境やエアギャップ環境では、クラウドトレーニングが完全に禁止されている場合があります。
• すでにハードウェアを所有している。十分な性能のGPUが使われずにある場合は、追加購入の前に、その運用コストとトレーニング時間をクラウドの選択肢と比較してください。
• マネージドプラットフォームでサポートされていないドライバー、カーネル、またはカスタムトレーニングコードを完全に制御する必要がある。

マネージドトレーニングが適する状況#

マネージドプラットフォームがより適しているのは、次のような場合です。

• トレーニングが断続的。データが変わったときにトレーニングし、その後は数日間まったく実行しない場合です。
• すぐに始めたい。初回実行前にドライバーのインストール、CUDAの不整合、環境のデバッグを行う必要がありません。
• モデルのサイズがさまざま。どちらも購入せずに、小型GPUでnanoモデルをトレーニングし、80 GB以上のGPUで大型モデルをトレーニングできます。
• 複数人がトレーニングを行う。実行、メトリクス、チェックポイントを個々のマシンではなく、1か所に保存できます。

ハイブリッド方式：自社GPUとマネージドダッシュボード#

どちらか一方を選ぶ必要はありません。Ultralytics Platformはリモートトレーニングに対応しています。ultralyticsパッケージを使って自社GPUでトレーニングし、クラウド実行と同じPlatformダッシュボードにライブメトリクスをストリーミングし、トレーニング終了後に最終的な重みをアップロードできます。リモート実行ではUltralyticsのクラウドGPUではなく自社GPUを使用するため、クラウドGPU時間を消費しません。

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(
    data="coco8.yaml",
    epochs=100,
    project="username/my-project",  # 自分のPlatformプロジェクト
    name="local-gpu-run",
)

まずexport ULTRALYTICS_API_KEY="YOUR_API_KEY"でAPIキーを設定してください。Platformとの統合にはPython 3.11以降とultralytics 8.4.120以降が必要です。一般的な方法として、ローカルGPUで短時間の実験を行い、ローカルマシンが使用中の場合は、大規模な実行や時間的制約のある実行をクラウドGPUに送ります。

Ultralytics PlatformのマネージドGPUでYOLO26をトレーニングする方法#

1. platform.ultralytics.comでアカウントを作成します。新規アカウントには、登録時に$5分のクレジットが付与されます。仕事用メールアドレスを認証すると、$25分が付与されます。
2. データセットを追加します。画像とラベルをアップロードするか、ProまたはEnterpriseプランでAmazon S3バケットを接続します。
3. トレーニングダイアログを開き、YOLO26モデルを選択して、エポック数と画像サイズを設定します。
4. GPUを選択します。RTX PRO 6000が推奨デフォルトです。選択時のトレードオフについては、クラウドGPUの選び方をご覧ください。
5. 費用の見積もりを確認し、トレーニングを開始して、実行が完了するまでライブメトリクスを確認します。

Freeプランでは、クラウドトレーニングジョブを同時に最大3件実行できます。月額1シートあたり$29のProでは、同時実行数が10件になり、さらに毎月1シートあたり$30分のクレジットが含まれます。

トレーニングが完了したら、モデルをエクスポートするか、APIとしてデプロイできます。推論の実行場所も検討している場合は、クラウドとセルフホストのビジョンAIに関するガイドで、デプロイ時のコスト、レイテンシ、データ管理を比較しています。