AWS re:Invent 2025は、ラスベガスで12月1日〜5日に開催され、テーマは明確でした：エンタープライズ対応のAIエージェント、カスタムモデルツール、次世代クラウドインフラストラクチャ。
基調講演や製品発表を通じて、AWSは今年のカンファレンスを、AI「アシスタント」から独立して計画、コーディング、タスク実行が可能な自律型エージェントシステムへの転換点として位置づけました。
変化の概要：ショーのハイライト
AIエージェントがクラウド製品として本格化
AWSはAgentCore（Bedrock）および関連サービスを強化し、企業が自律型エージェントを大規模に構築、評価、管理できるようにしました。新しいAgentCore機能には、決定論的な実行時制御のためのポリシーエンジン、ユーザーコンテキストを記録・記憶できるエピソード型メモリ、継続的な品質評価のための13の事前構築評価システムが含まれます。
これらの追加により、エージェント管理がアプリケーションコードから管理ツールに移され、コンプライアンスとリスク管理が簡素化されます。
より大規模で省エネなトレーニングハードウェア — Trainium3とUltraServers
AWSはTrainium3チップおよびEC2 Trn3 UltraServersを発表し、多倍の性能向上と大幅なエネルギー削減を約束しました。Trainium3とUltraServerラインは、より高速なトレーニングと総所有コストの低減を目指しており、AWSはNvidiaのNVLink技術との相互運用性を備えたTrainium4を示唆し、マルチベンダークラスタの柔軟性を拡張する意図を示しています。これらの動きは、AWSが垂直統合型AIインフラに注力していることを示しています。
モデルカスタマイズの容易化と自動化（Bedrock + SageMaker）
AmazonはBedrockおよびSageMaker AIでのモデルカスタマイズを拡張しました。
注目の追加機能：SageMakerでのサーバーレスモデルカスタマイズ（インフラ計画不要）およびBedrockでの強化学習による微調整（RFT）、大規模なラベル付きデータなしでアライメントとタスク精度を向上させる報酬駆動型ワークフローを自動化します。
これらの機能により、チームはプロンプト調整から本番品質モデルへの移行を迅速化できます。
NovaファミリーとNova Forge — フロンティアモデル + 顧客制御
AWSは新しいNovaモデルとNova Forgeサービスを展開し、顧客が事前訓練済みまたは中間訓練済みのNovaモデルにアクセスし、独自データでさらに訓練できるようにしました。Nova Forgeは独自データセットによる追加トレーニングを可能にし、企業がクラウド内でフロンティアクラスのモデルを柔軟に使用できる選択肢としてAWSを位置づけます。
コストと商業的施策：Database Savings Plansとスタートアップクレジット
AWSはDatabase Savings Plansを発表し、1年間のコミットメントでサポートされているDBサービスに対し、最大35％のデータベース費用削減を時間単位で適用できるようにしました。
別途、Kiro（AWSの開発者向けAI提供）は、自律型エージェント機能を追加し、対象国の初期段階スタートアップ向けに無料クレジットを提供するなど、採用促進の商業的施策を行っています。
詳細分析：選定された発表とその影響
エージェントの安全性、メモリ、評価 — 信頼性の運用化
AgentCoreのポリシーは、企業が実行時にエージェントの動作をブロックまたはログ記録するルールを定義できるようにします（例：返金制限や特定ツール呼び出しの防止）。メモリ（エピソード型）は、エージェントがユーザーの好みを短期から中期で記憶できるようにし、連続性を向上させます。評価は、エージェント行動をCI/CDスタイルで監視するための組み込みスコア（有用性、正確性、ツール選択）を提供します。
これらの機能により、規制対象または高リスク環境でのエージェント展開の障壁が低減されます。
実務上の影響
- ポリシーを中央で変更できるため、コンプライアンスレビューが迅速化。
- メモリウィンドウを管理することで長期PII漏洩を防ぎつつ、パーソナライズを向上。
- 継続的な監視により、エージェントの挙動変化による本番インシデントを削減。
Trainium3、UltraServers、NVLinkの未来
AWSの説明によると、Trainium3はトレーニングと推論で最大4倍の性能向上とエネルギー使用量40％削減を約束します。Trn3 UltraServersはこれらのチップを使用するためのサーバーシステムです。AWSは既にNVLink互換のTrainium4を計画しており、NvidiaスタイルのGPUファブリックとの相互運用やマルチベンダーAIクラスタ構築を示唆しています。
これにより、ベンダーロックインリスクを減らしつつ、AWS独自のカスタムシリコン経済を推進できます。
強化学習微調整（RFT）とサーバーレスカスタマイズ
BedrockのRFTは報酬に基づくチューニングを管理されたワークフローとして抽象化しており、AWSによるとベースモデルと比較して平均的に精度が大幅に向上します。
SageMakerのサーバーレスモデルカスタマイズにより、チームは事前インフラ設計なしでモデルを反復可能であり、小規模チームやPoCの迅速な立ち上げに生産性向上をもたらします。
簡易比較表：選定されたコンピュート＆モデルオプション
|
機能 / 製品 |
主な目的 | 注目の特長 |
|---|---|---|
| Trainium3 + Trn3 UltraServer | 高性能クラウド上トレーニング | 最大約4倍の性能；従来インフラと比較して約40％省エネ。 |
| Trainium4（予告） | 相互運用可能な次世代チップ | NVLink互換、Nvidiaファブリック対応予定。 |
| Nova + Nova Forge | フロンティアモデル + 顧客による追加学習 | 事前/中間/後期トレーニング + 企業データでの追加学習。 |
| Bedrock 強化学習微調整 | 報酬ベースのモデルアライメント | 自動RFTワークフロー；AWSによる精度向上報告あり。 |
| AgentCore（Policy/Memory/Evals） | エージェント管理と可視化 | 実行時ポリシー、エピソード型メモリ、13の組み込み評価器。 |
顧客のシグナルとユースケース
複数の顧客がAWSの提供による実質的な成果を示しました。例：LyftはAnthropicのClaudeをBedrock経由で利用し、ドライバー/ライダー問題の平均解決時間を約87％短縮し、ドライバー間でのエージェント使用率を向上させました — カスタマーサポートにおけるエージェント活用の具体的ROIシグナルです。AWSはまた、オンプレミスや主権環境向けに「AIファクトリー」を通じたプライベートデータ展開を強調しました。
編集者コメント
AWSのre:Invent 2025のメッセージは、3つの要素を単一のエンタープライズ戦略に結び付けています：
- 自律的に行動できるエージェント、
- 大規模ラベル付きデータへの依存を減らすモデルカスタマイズ、
- TCOを下げることを目指したハードウェアと価格施策。
組み合わせは理にかなっています：エージェントには効率的なモデル推論とトレーニングが必要で、企業は安全性と可視性を求め、CIOは予測可能なコストを望みます。
FAQ
Q: Bedrockの強化学習微調整（RFT）とは何ですか？
A: RFTは、出力をスコアリングする報酬関数を使用してモデルを訓練し、大規模なラベル付きデータなしでモデルが望ましい行動を最適化できるようにします。AWSは管理されたRFTワークフローを提供しています。
Q: Trainium3の恩恵を最も受けるのは誰ですか？
A: 大規模トレーニングワークロードや頻繁なモデル再訓練サイクルを持つ組織 — クラウドネイティブAIチームや独自LLMを運用する企業 — が最大の恩恵を受けます。
Q: AgentCoreの変更は本番対応ですか？
A: AgentCoreのポリシー、メモリ、評価機能はエンタープライズ対応として位置付けられていますが、組織は本番展開前にステージング環境でポリシーや評価閾値を検証する必要があります。
Follow Us on Facebook
