エージェント時代のクラウド基盤刷新——ファーウェイ・クラウドの新インフラ発表から読む「底層の作り直し」
AIエージェントが使いにくい根本原因は、モデルやプロンプトではなくインフラ層にある——ファーウェイ・クラウドの今回の発表は、その診断を正面から引き受けた内容だった。
出典: Agent时代，华为云开始重新造地基了
要点 (事実のみ)
- 2026年6月5日、ファーウェイ・クラウドは上海INSPIREカンファレンスでAgentic AI向けインフラ4製品を発表。AICS霊衢智算クラスター（推論レイテンシ10ms以下、10万カード規模、200 EFLOPS）、AMS Agentic記憶ストレージ（PBスケール、業界比50%性能向上、キャッシュヒット率95%）、CCE Volcano Next（調度エンジン、リソース利用率30%向上）、AgentSphere（カーネルレベルサンドボックス、100ms起動、毎分10万サンドボックス生成・破棄）を発表した。
- ModelArts Nextはモデルルーティング精度95%超、API呼び出しコスト平均20%以上削減、ハードウェアTEEによる機密推論（クラウドベンダーの運用担当者もデータに触れない設計）を含む。
- 行業AIドリームファクトリーとして、医療（上海瑞金医院の病理モデル、従来の1/10のデータ量で訓練可能）、具身知能（CloudRobo、世界初の全工程ロボット開発プラットフォームと主張）、科学計算、スマート製造の4専区を発表。
- 「智果園（ZhiGuoYuan）」はAgentがクラウドリソースを自律購入・設定・管理するための入口として設計されており、人間ではなくAgentを主体ユーザーと位置づけている。
- ハイブリッドクラウド向けに「企業向けエージェント対応混合云構築」白書も同時発表。ファーウェイ・クラウドStackは全世界5500社超の顧客を持つ。
徐 聖博の見解
今回の発表で私が最も注目したのは、「智果園」の設計思想だ。クラウドコンソールの操作主体をAgent（AIエージェント）に置き換えるという発想は、現時点では実験的に聞こえるが、方向性として筋が通っている。
私自身、Xincereでエージェント事業の初期実験を進めるなかで痛感しているのは、「モデルが賢くなっても、その下で動くインフラがエージェントの動作モデルに対応していないと、結局プロダクション投入ができない」という問題だ。メモリの揮発性、長時間タスクのセッション管理、サンドボックスなしのツール実行——これらは全部「エージェントを試したが業務には乗せられなかった」という経験の構造的な原因になる。今回ファーウェイ・クラウドが「算力・記憶・調度・安全」を4本柱として明示した整理は、開発者が問題を言語化するうえで参照しやすいフレームだと思う。
一方で、発表された数値（200 EFLOPS、ヒット率95%、コスト20%削減）はいずれも自社発表値だ。研究者出身の立場として言えば、これらは「制御された条件下でのベンチマーク」である可能性が高く、実際の業務ワークロードでの再現性は別途検証が必要だ。AMS記憶ストレージの「業界比50%性能向上」やVolcano Nextの「リソース利用率30%向上」も、比較対象と測定条件が開示されるまでは割り引いて読むべきだろう。
日本の中小〜中堅企業の観点では、これらのインフラは直接採用するというよりも、「エージェントを本番に乗せるには何が必要か」を考えるための参照点として使うのが現実的だ。算力の問題はAWS/GCPの新世代インスタンス、記憶の問題はベクターDB＋セッション永続化、安全の問題はFunctionレベルのサンドボックスで部分的に代替できる。今すぐ万カードクラスターは不要だが、「AgentをPoCで終わらせないための設計」を始める段階に来ていることは、ファーウェイ・クラウドの発表が間接的に示している。
(編集レンズ: 実装・運用視点 / 発注側・中小企業への含意)
シンシアの開発事例
**2026年2月の開発着手から約5.5ヶ月で、アパレル企業向けAIクリエイティブ基盤としてプレスリリース公開まで到達しました（2026年7月29日発表）。**
Cloverse様の発表によれば、Clovia Enterprise は PUMA社・ルック社をはじめとする**30社以上のアパレルブランドとの検証**を経ており、現在は先行導入企業（Founding Partner）を限定募集する段階に入っています。
開発規模は次のとおりです（2026年7月29日時点、リポジトリ実測値）。
| 指標 | 実績 |
|---|---|
| 開発体制 | エンジニア4名 |
| 開発期間 | 2026年2月13日〜（継続中） |
| コミット数 | 約1,480 |
| プルリクエスト | 373本 |
| 対応イシュー | 428件 |
| 実装計画ドキュメント | 162本 |
| データモデル | 83テーブル |
### この事例からの示唆
**生成AIプロダクトの難所は、モデルではなく業務側にある。** 画像を1枚生成すること自体は、いまや誰でもできます。事業として成立させるために必要だったのは、マスター管理・制作進行・レビュー・権限・課金・非同期処理といった、業務を回すための地味な設計でした。83テーブルという規模は、その事実を素直に表しています。
**未知の業界のプロダクトは、業務を理解した側が設計しないと形にならない。** アパレルEC制作の工程を知らないまま「AIで画像生成する機能」を作っても、現場では使われません。ヒアリング・R&D・プロトタイプ・提案までを開発チームが担ったのは、そうしないと仕様が決まらない領域だったからです。この構造は[「使われないシステム」が生まれる要件定義の失敗](https://blog.xincere.jp/articles/why-unused-systems-are-born-requirements-definition)とちょうど裏返しの関係にあります。
**モデル選定に正解が無い領域では、検証を設計プロセスに組み込む。** どの生成モデルを使うかは半年で変わります。だからこそ、モデルを差し替えられる構造と、検証結果を機能設計に反映し続ける進め方の両方が必要でした。
### よくある質問
**Q. 生成AIを使ったプロダクトの開発は、通常のシステム開発と何が違いますか。**
A. 最も違うのは、着手時点で仕様が確定できない点です。どのモデルがどの品質を出せるかは検証しないと分からないため、R&Dとプロトタイプを設計工程に組み込む必要があります。一方で、組織・権限・課金・非同期処理といった土台は通常のSaaS開発と同じ設計が求められます。
**Q. 業界知識がない領域でも開発支援を依頼できますか。**
A. できます。この事例ではアパレルEC制作の業務理解から入り、ヒアリングとプロトタイプを通じて要件そのものを一緒に作りました。仕様が固まっていない段階からのご相談のほうが、むしろ手戻りが少なくなります。
**Q. どのくらいの体制・期間の支援ですか。**
A. エンジニア4名、2026年2月から継続中です。プレスリリース公開までは約5.5ヶ月でした。規模や費用感の考え方は[システム開発とは](https://blog.xincere.jp/articles/what-is-system-development)で解説しています。
### 関連する支援領域
- [AIシステム開発とは？開発の流れ・費用相場・失敗しない進め方](https://blog.xincere.jp/articles/ai-system-development-guide) — 生成AIプロダクト開発の全体像
- [AI PoCの進め方5ステップ｜「PoC止まり」を防ぎ本番導入につなげる実践手順](https://blog.xincere.jp/articles/ai-poc-how-to-proceed) — 検証を本番に接続する設計
- [FDE（Forward Deployed Engineer）が示す、上流から伴走できるエンジニアの価値](https://blog.xincere.jp/articles/fde-forward-deployed-engineer-upstream-value) — 本事例の進め方の背景
生成AIを使った新規プロダクトの立ち上げや、仕様が固まりきっていない段階からの開発支援については、[開発のご相談](https://blog.xincere.jp/contacts)からお問い合わせください。
**出典:** [アパレル企業向けAIクリエイティブ基盤「Clovia Enterprise」提供開始（株式会社Cloverse / PR TIMES, 2026-07-29）](https://prtimes.jp/main/html/rd/p/000000024.000139250.html)
株式会社Cloverseの事例を読む →
