Databricks、AIランタイムを正式リリース

Databricksが発表した内容

Databricksは2026年10月21日、プラットフォームに直接組み込まれた管理型GPUインフラ「AIランタイム(AIR)」が正式に利用可能になったと発表した。同社によると、AIRにより顧客は独自のGPUスタックを運用せずに、自社の企業データを使って基盤モデルを訓練できるという。

Databricksは、AIチームがGPU容量の確保やハードウェア障害への対応、訓練ジョブの開始待ちに費やす時間の課題にAIRが対応すると説明した。また、Lakehouseとは別にGPUインフラを運用すると、ガバナンス上の抜け穴が生じ、機密性の高い訓練データにリスクをもたらすとも述べた。

インフラと性能に関する主張

Databricksは、AIRがマルチノード訓練に対応したサーバーレスのオンデマンドGPUアクセスを提供すると説明し、同サービスは「10万GPU時間以上の訓練実行で実証済み」だと述べた。同社によれば、顧客に代わってGPUの調達、クラスター構成、ネットワーキングを処理し、訓練の前後および実行中にGPUとネットワークのヘルスチェックを行うことで、数百台のGPUへのスケーリングを可能にしているという。

同社は、ジョブのスケジューリング前にGPUを検証し、稼働中のワークロードを監視するとともに、アイドル状態のGPUを定期的にテストして不健全なノードを除外すると説明した。Databricksは、「ウォームなサーバーレスGPUプールと遅延イメージロード」により起動までの遅延を数秒に短縮したとし、コード実行前にコンテナイメージ全体のダウンロードを必要とする従来型のGPUスタックと対比した。

Databricksは、顧客はコマンドラインインターフェース、ノートブック、IDEのいずれからでもGPUにアクセスできるとし、KubernetesやSlurmのクラスターからの移行は、「Databricks AIRスキル」と呼ぶ機能を使って自然言語の単一のプロンプトで行えると述べた。同社はAIRが自社のパイプラインツールLakeflowと統合されており、「Genie ZeroOps」と呼ぶ監視機能を備えているとも説明した。

デバッグおよびガバナンスツール

Databricksは、MLflow内に新たな可観測性機能を構築し、ジョブ投入から数秒以内に訓練ログをストリーミング表示できるようにしたほか、マルチノード訓練向けのログビューアーを追加したと述べた。同社によると、「Genie Code」という機能がAIランタイムの訓練ログを解析し、問題を特定して次の対応を提案するもので、社内利用ではQwenの訓練時間を「6倍」短縮したという。

ガバナンスについては、DatabricksはAIRがDatabricksおよびUnity Catalogのガバナンス境界内で動作し、訓練データ、チェックポイント、ログに対して一貫した読み書き権限を適用すると説明した。同社は、AIRが仮想マシン単位でのワークロード分離を提供し、PrivateLinkやサーバーレスの外部通信制御にも対応しているとし、ホストカーネルを露出させる従来のGPU分離手法よりも強固な保護を実現すると述べた。

挙げられた顧客

Databricksは、数百社がAIRを本番環境で利用しているとし、Tubi、Robinhood、PicPay、Merck、Flo Health、TinyFish、FactSetの名を挙げた。用途は医療、製造業、消費者向けエージェントなど多岐にわたるという。同社はまた、自社のDatabricks AIリサーチチームも、KARLおよびAI Parseを支えるモデルの訓練にAIRを利用していると述べた。

この発表にはDatabricksが提供した顧客のコメントも含まれている。Superhuman社のKostia Omelianchuk氏は、A100 GPU8基によるシングルノード構成からH100 GPU16基によるマルチノード構成に大規模な訓練ジョブを移行したことで、訓練時間がおよそ7日間から48時間に短縮されたと述べた。FactSet社のNikhil Sunderraj氏は、AIRによりカスタムモデルの構築、訓練、デプロイにかかる時間が「数日から数時間に」短縮されたと述べた。QuantHealth社のEran Barash氏は、AIRにより既存のデータワークフロー内で「数百万件のレコードにわたって」サーバーレスGPU上の分散訓練を拡張できるようになったと述べた。

出典:Databricksブログ「AI Runtime is Generally Available」、2026年10月21日公開。