Runwareが目指す「AIデータセンターの自動車工場方式」
AIインフラ企業のRunwareは、その革新的な取り組みで再び注目を集めています。2026年10月30日にTechCrunchの取材に対し、同社は工場で組み立てられたモジュール型データセンターを、まるで自動車のように生産ラインで量産するという大胆な計画を明かしました (TechCrunch – AI)。
このアイデア自体は完全に新しいものではなく、CrusoeやSchneider Electricといった企業もプレハブ式モジュールを提供しています。しかし、Runwareは自社のモジュールをより迅速に出荷できると主張しています。これは、AIデータセンターの需要が爆発的に増加する中で、供給側のボトルネックを解消するための画期的なアプローチと言えるでしょう。
Runwareは、工場で組み立てたモジュール型データセンターを、自動車のような生産ラインで量産することを目指しています。
2028年までに年間10GWの生産能力を目指す
Runwareの共同創設者兼CEOであるFlaviu Radulescu氏は、2028年までにルーマニアの工場で1日あたり30メガワット、月に約1ギガワットという驚異的なデータセンター容量の生産を目指していると述べました (TechCrunch – AI)。これは、米国全体で今年追加されると予想されるデータセンター電力容量の約10ギガワットに匹敵する年間生産量です。この数字は、業界がデータセンターをより迅速かつ効率的に展開しようとしている現状を強く反映していると感じます。
Nvidiaも、Vera Rubin AIファクトリーやDSX PODを発表し、企業がAIデータセンターをより迅速かつ容易に構築できるようにすることを目指しています。しかし、Runwareとの違いは、Runwareが実際に工場を建設している点にあるようです。
Radulescu氏は、既に数年前からポッドを製造している工場と、今年初めに建設を開始した2つ目の工場があると述べています。2つ目の工場は数ヶ月以内に完成し、来年初めには稼働を開始する予定とのことです。
| 項目 | Runwareの目標 | 比較対象 |
|---|---|---|
| 1日の生産能力 | 30MW | - |
| 1ヶ月の生産能力 | 約1GW | - |
| 年間の生産能力 | 約10GW | 米国全体の年間追加容量（推定） |
迅速な展開とカスタマイズ性、そして課題
Runwareのモジュール型データセンターは、アセンブリラインで製造されます。顧客は独自の設置場所を提供することも、Runwareに場所を見つけてもらうことも可能です。Radulescu氏によると、Runwareはモジュールを48時間以内にオンライン化することを目標としているとのことです (TechCrunch – AI)。
この時間には設置とセットアップが含まれ、製造時間は含まれません。以前は3週間かかっていたポッドの製造も、生産を増強することでまもなく1日で完了する予定だと同社は述べています。
また、モジュールは顧客の好みに合わせてカスタマイズ可能で、標準設計を持ちつつ、顧客の要件や最新のGPUチップに合わせて構成できます。現在のGPUのリードタイムが長いことを考慮すると、Runwareの迅速なポッド提供は大きなアドバンテージとなるでしょう。同社は、GPUの新しい世代にも迅速に適応できるよう、社内のハードウェアチームでコンポーネントを設計・構築・テストしているとのことです。
しかし、これらの計画は実行が全てです。大規模な工場には多くの人材、在庫、サプライチェーンロジスティクス、そして資金が必要です。
かつて130億ドル以上の評価額を誇りながら、EVの量産で苦戦したArrivalのような先行事例もあります。Runwareはこれまでに6000万ドル以上を調達しており、シリーズBラウンドの調達を計画していますが、現状は昨年12月に調達した5000万ドルのシリーズAで工場を完成させ、立ち上げる予定です。
Radulescu氏は、Arrivalの二の舞を避けるため、Runwareのコスト構造は非常に異なると説明しています。具体的には、
- AI向けコンピューティングの展開価値に対して、工場の人件費が費用対効果が高い
- 独自のシステム設計と、広く入手可能な手頃な価格の部品の購入によりコストを低く抑えている
- 自動車業界出身の経験豊富な工場長を採用し、実行を確実にしている
といった点を挙げています (TechCrunch – AI)。
エンジニア目線で見ると：モジュール化は運用とコストの両面で魅力だが、成熟度を見極めたい
今回のRunwareの取り組みは、AIデータセンターの構築・運用を考える多くのエンジニアにとって、非常に興味深い選択肢となる可能性を秘めていると感じます。特に、モジュール化と迅速な展開は、AI開発のサイクルが加速する中で大きなメリットとなるのではないでしょうか。
自分の個人プロダクトやスタートアップでサービスを立ち上げる際、インフラの構築は常に時間とコストの課題です。既存のクラウドサービスはもちろん便利ですが、GPUを大量に使うワークロードでは物理的なラックやデータセンターが必要になる場面も出てきます。
そんな時、Runwareのようなソリューションがあれば、インフラ構築のリードタイムを劇的に短縮し、迅速にGPUリソースを確保できるのは非常に魅力的です。オンプレミスとクラウドの中間のような立ち位置で、柔軟な選択肢が生まれるように感じます。
ただし、懸念点もいくつかあります。一つはコスト構造の透明性です。ポッドの月額料金と別に電力・インターネット料金がかかること、またGPUを自社で持ち込む場合の費用対効果がどれくらいなのか、詳細な見積もりを見てみたいです。
もう一つは、システムがどの程度成熟しているかです。予備部品の提供体制は謳われていますが、実際の故障率やサポート体制、そして大規模展開における安定稼働の実績は、今後の情報に注目する必要があるでしょう。特に、既存のクラウドベンダーが提供するベアメタル環境やNvidiaのDSX PODと比較して、どのような優位性があるのか、Pythonバインディングなどによるオペレーションの容易さなども含めて、もう少し深く検討してみたいと考えます。
GPUの調達期間が長い現状では、インフラ側がGPU到着に合わせて柔軟に、かつ迅速に準備できることは非常に大きな強みです。自分のスクリプトやアプリケーションでHBM3eのような最新GPUをフル活用しようとすると、調達と設置にかなり時間がかかりますが、Runwareの仕組みがあれば、このボトルネックを解消できるかもしれません。まだ計画段階の側面もありますが、個人的には今後の動向を注意深く追っていきたいと感じています。
