製造ラインの外観検査を自動化したい。ただ、撮影した画像には図面や治具が写り込むため、クラウドに上げる許可が出ない。 別の現場では、倉庫の回線が細くて画像のアップロードが終わらない。
AI 導入の相談が止まる理由として、精度の話より先にこの2つが来ることがあります。技術的には解けているのに、データの置き場所で止まる。
「現場で完結させる」の価格帯が下りてきた
2026年8月25日、Arduino が「VENTUNO Q」を発表し、正規販売店を通じた予約販売を開始しました。ローカルで LLM を直接実行できる小型ボードです。
構成を見ると、この製品が何を狙っているかがはっきりします。
- 8コアCPU、40 TOPS の NPU、GPU を統合した Qualcomm Dragonwing IQ8 プロセッサ
- 16GB の LPDDR5 メモリと 64GB の eMMC ストレージ
- モーターなどの物理制御を担う STM32H5 系マイクロコントローラーを同一基板に搭載
- 160mm × 100mm の基板サイズ、Ubuntu と Zephyr RTOS をプリインストール
利用できるモデルとして、Qwen 3、Gemma 4、Qwen 3 VLM といった生成AI系に加え、音声認識の Whisper、物体検出の YOLO-X などが用意されているとされています。
注目したいのはマイコンが同居している点です。推論する部分と、実際にモーターやセンサーを動かす部分が1枚に載っています。カメラで判定して、その場でラインを止める、という一連の動作が、外部と通信せずに完結します。
クラウドに置くか、現場に置くかの分かれ目
「オンプレのほうが安全」という漠然とした理由で現場側を選ぶと、たいてい運用で行き詰まります。判断材料は3つに絞れます。
| 論点 | 現場に置くほうが有利 | クラウドのほうが有利 |
|---|---|---|
| データ | 外部に出せない制約が契約や規程で明文化されている | 出しても問題ない、または匿名化できる |
| 応答時間 | 判定して即座に機械を止める必要がある | 数秒待てる |
| 台数と更新 | 拠点が少なく、更新頻度が低い | 拠点が多い、モデルを頻繁に入れ替える |
3行目が見落とされがちです。 現場に置くと、モデルを更新するたびに全台に配る作業が発生します。5台なら手作業でも回りますが、50台になると配布と監視の仕組みが別途必要になります。それは AI の話ではなく、機器管理の話です。
「出せない」が本当に制約なのかを先に確認するのも重要です。契約書や社内規程を読むと、実は匿名化すれば外部処理できると書かれていた、という例もあります。制約が思い込みなら、クラウドのほうが総額は安く済みます。ローカルで動かす選択肢そのものの検討材料はGemma 4 をローカルで動かすや社内LLM基盤を持つ判断にまとめています。
国内で使うなら、技適の状況を先に確認する
日本国内で検討する場合、この製品はまだ国内販売が始まっていません。 正規代理店であるスイッチサイエンスは、工事設計認証（技適）の取得を含む準備が整い次第、販売を開始する予定としています。
海外から個人輸入したボードを、無線機能を有効にしたまま国内で運用すると、電波法上の問題になり得ます。検証目的で先行して入手する場合でも、無線の扱いは確認してください。 有線で運用する構成にするなら回避できる論点ですが、現場での取り回しは変わります。
導入計画を立てるうえでは、次の順番になります。
- 国内販売の開始時期を代理店に確認する
- それまでは、同等の構成で動く既存ボードか、手持ちのPCで実現性だけを検証する
- 検証で「そもそも精度が出るか」を確かめてから、機器の選定に進む
順番を逆にして先に機材を買うと、精度が出なかったときに使い道の無い基板が残ります。
現場に置いたあと、誰が面倒を見るか
導入検討で最も抜けやすいのがここです。工場や倉庫に AI 機器を置くと、それは情シスの管理外にある、ネットワークに繋がった小型コンピュータになります。
決めておく必要があるのは4点です。
- 故障したときの復旧手順。 予備機を用意するのか、その間は人が検査するのか
- モデルとOSの更新を、誰がいつやるのか。 現地に行かないと更新できない構成にすると、事実上更新されません
- 判定結果の記録をどこに残すか。 「あの日の判定が正しかったか」を後から追えないと、不具合時に原因を切り分けられません
- 精度が落ちたことに気づく仕組み。 照明や治具が変わると判定はずれます。放置すると、間違った判定が黙って流れ続けます
4点目は、AI 機能全般で最も重要な検収項目です。同じ検証セットを流し続けて比較する考え方は「AIがたまに嘘をつく」と言われて、直ったかを誰も確認できないで詳しく書きました。
なお、現場に機器を置く構成は初期費用が読みやすい一方で、サーバー側の費用が読みにくい局面では相対的に有利になります。クラウド費用の上昇要因についてはメモリ高騰が見積りに効いているで触れました。
次にやること
まず、「クラウドに出せない」が規程に書かれているのか、慣習なのかを確認してください。 ここが変わると、必要な構成も費用も大きく変わります。確認先は情シスではなく、法務か品質保証の担当者です。
そのうえで、手元のPCで判定の実現性だけを先に試してください。 数十枚の画像で目的の判定ができるかどうかは、専用機材が無くても分かります。実現性が確認できてから機器選定に進めば、機材が無駄になりません。
現場でのAI処理の設計、クラウドと現場の切り分け、導入後の運用体制づくりについては、グリームハブの開発・AI・自動化のご相談で承っています。データの制約と現場の条件によって構成が変わるため、お問い合わせから具体的な状況をお知らせください。
