Nebulaは、人工知能モデルのトレーニングとデプロイのために管理されたGPUリソースを提供するクラウドコンピューティングプラットフォームである。同社は2023年に、大手テクノロジー企業出身のエンジニアと研究者のチームによって設立され、本社はカリフォルニア州サンフランシスコに置く。Nebulaは、事前構成済みのクラスター、自動スケーリング、PyTorchやTensorFlowなどの人気フレームワーク向けの統合ツールを提供することで、大規模な機械学習ワークロードの実行プロセスを簡素化することを目指している。
このプラットフォームは、大規模言語モデルのトレーニング、コンピュータビジョンシステム、その他のディープラーニングアプリケーションなどのタスクに高性能コンピューティングを必要とするスタートアップ、研究機関、企業を対象に設計されている。Nebulaのインフラストラクチャは、Amazon Web ServicesやGoogle Cloudなどのクラウドプロバイダー上に構築されているが、その根底にある複雑さを抽象化し、ユーザーがクラスター管理ではなくモデル開発に集中できるようにしている。
歴史と設立
Nebulaは2023年初頭に、ベンチャーキャピタル企業であるSequoia Capitalが主導する1200万ドルのシードラウンドを経て設立された。設立チームには、OpenAIやGoogle DeepMindの元エンジニアが含まれており、彼らは大規模なトレーニングクラスターの管理経験を持っていた。同社は2023年8月にパブリックベータ版を開始し、NVIDIA A100およびH100 GPUへのアクセスを提供した。2023年末までに、Nebulaは4000万ドルのシリーズAラウンドを確保し、総調達額は5200万ドルに達した。
2024年、NebulaはAMD Instinct MI300Xアクセラレータのサポートを含むように提供内容を拡大し、NVIDIAハードウェアに代わる選択肢を提供した。同社はまた、ユーザーが永続的なインフラストラクチャを管理せずにモデルをデプロイできるようにするサーバーレス推論サービスも導入した。2025年現在、Nebulaは500を超えるエンタープライズ顧客と、米国とヨーロッパの複数のデータセンターにわたる10,000基以上のGPUネットワークを報告している。
テクノロジーと機能
Nebulaのコアテクノロジーは、ワークロードの需要に基づいてGPUリソースを自動的にプロビジョニングおよびスケーリングする、管理されたKubernetesベースのオーケストレーションシステムである。このプラットフォームは、HorovodやRayなどのフレームワークを使用した複数ノードにわたる分散トレーニングをサポートし、ResNet、Transformer、その他の一般的なアーキテクチャの組み込みサポートを含む。Nebulaはまた、コマンドラインインターフェースとPython SDKを提供し、既存の機械学習パイプラインへの統合を可能にしている。
主要な差別化要因の1つは、Nebulaのスポットインスタンス管理であり、ユーザーは割引された中断可能なインスタンスで重要でないトレーニングジョブを実行できる。このプラットフォームはチェックポイントと再開を自動的に処理し、中断の影響を最小限に抑える。さらに、Nebulaは、チームが作業を整理するのに役立つ、MLflowなどのツールに類似したモデルレジストリと実験追跡システムを提供する。
ユースケースと顧客
Nebulaは、学術研究所からフォーチュン500企業まで、さまざまな組織で使用されている。例えば、Berkeley AI Research研究所は、コンピュータビジョンと自然言語処理のモデルをトレーニングするためにNebulaを使用している。注目すべき顧客は、医療画像の診断モデルをトレーニングするためにNebulaを使用しているヘルスケアスタートアップのFermataである。もう1つの顧客である自動運転車会社のWaymoは、シミュレーションと知覚モデルのトレーニングにNebulaを使用している。
Nebulaはまた、スタンフォード大学やMITなどの大学のいくつかのAI研究グループにも採用されている。このプラットフォームの価格モデルは使用量ベースであり、単一のA100 GPUの場合、1時間あたり2.50ドルから始まり、予約容量には割引が適用される。Nebulaは、その管理サービスが、最適化されたスケジューリングとスポットインスタンスの使用により、自己管理のクラウドデプロイと比較してトレーニングコストを最大30%削減できると主張している。
比較と競争
Nebulaは、CoreWeave、Lambda Labs、Together AIなどの他のGPUクラウドプロバイダーと競合している。これらの競合他社とは異なり、Nebulaは、WebベースのIDEとLlama 3やStable Diffusionなどの人気のあるオープンソースモデルのワンクリックデプロイを含む、統合された開発者エクスペリエンスを重視している。Nebulaはまた、マルチクラウド環境のサポートを通じて差別化を図っており、ユーザーは容量不足を回避するために、異なるプロバイダー間でワークロードをバーストさせることができる。
Amazon Web ServicesやGoogle Cloudなどのハイパースケールクラウドとは対照的に、Nebulaは、事前構成済みのディープラーニングスタックとよりシンプルな価格体系を備えた、より専門的なサービスを提供している。ただし、汎用クラウドが提供するようなフルレンジのクラウドサービス（データベース、サーバーレス機能など）は提供しておらず、より広範なインフラストラクチャニーズを持つ企業への魅力を制限する可能性がある。
今後の方向性
今後、Nebulaはアジアと南米に新しいデータセンターを開設し、グローバルなフットプリントを拡大する計画である。同社はまた、より低コストのハードウェアでのより効率的な推論を可能にするために、モデルプルーニングと量子化に関する研究にも投資している。2025年、Nebulaは、NVIDIAのCUDAエコシステムへの依存を減らすことを目的として、MI300X GPU向けの最適化されたソフトウェアスタックを共同開発するためのAMDとのパートナーシップを発表した。
Nebulaはまた、大規模言語モデルを微調整するための管理されたパイプラインを提供する、人間のフィードバックからの強化学習（RLHF）をサービスとして提供することも検討している。生成AIへの需要が高まり続ける中、Nebulaは、使いやすさとコスト効率に焦点を当て、トレーニングとデプロイの両方のためのワンストップショップとしての地位を確立することを目指している。
関連項目
参考文献
- Nebula公式ウェブサイトおよびプレスリリース（2023-2025）。
- NebulaのシリーズA資金調達に関するTechCrunchの記事（2023）。
- 技術アーキテクチャに関する会社ブログ記事（2024）。