Amazon SageMaker AI、学習・処理ジョブで最大5つのインスタンスを優先順位指定できる新機能を発表

要点

• 米Amazon Web Services（AWS）は、「Amazon SageMaker AI」の学習および処理ジョブ向けに「インスタンス優先リスト」機能を発表した。

• ジョブ作成時に最大5つのインスタンスタイプを優先順位順に指定でき、システムが空き容量を自動検出して即座に起動する。

• 特定GPUの空き待ちや手動での再試行、監視スクリプトの運用負荷を解消し、実験サイクルの停滞を防ぐ。

• 予約容量オプション「Flexible Training Plans（FTP）」と組み合わせ、予約枠からオンデマンドへのフォールバック運用にも対応する。

• 米Amazon Web Services（AWS）は2026年9月15日、機械学習プラットフォーム「Amazon SageMaker AI」において、学習ジョブおよび処理ジョブの実行時に複数のインスタンスタイプを優先順位付きで指定できる新機能「Instance preference lists（インスタンス優先リスト）」を発表した。本機能により、機械学習モデルの学習やデータ処理を行う際、あらかじめ指定した最大5つのインスタンス候補の中から、空き容量のあるリソースが自動的に選択されてジョブが実行される。

• AIモデルの大規模な学習やカスタマイズにおいて、需要が集中するピーク時に必要なGPUインスタンスをオンデマンドで迅速に確保することは、主要な課題の一つとされてきた。今回のアップデートにより、特定のインスタンスタイプの空き待ちによる遅延を抑え、開発チームがインフラ管理ではなくモデル構築そのものに集中できる環境を提供するとしている。

単一インスタンス指定に伴う課題と運用の脆さ

従来のAmazon SageMaker AIにおける学習ジョブでは、ジョブを実行するインスタンスタイプを1つに固定して送信する仕組みが一般的であった。しかし、需要のピーク時には希望するGPUインスタンスのオンデマンド容量が即座に確保できないケースが発生する。

単一のインスタンスタイプに固定されている場合、希望するリソースの空きが出るまで待機し続けるか、あるいはジョブを手動でキャンセルして別のインスタンスタイプで再送信するしかなかった。こうした手作業による試行錯誤は、実験サイクルの進行を遅らせる要因となっていたという。

特に、毎日夜間に実行されるモデルの再学習パイプラインや、本番環境向けのファインチューニング（既存モデルを用途に合わせて微調整する処理）、定期的なデータ処理といった時間に制約のあるワークロードでは、リソース確保の遅れがモデルの鮮度や開発の反復速度に直接的な影響を与える課題があった。

これに対し、開発チーム側でジョブのステータスを監視し、待機状態が続いた場合にリクエストを取り消して代替インスタンスで再送信するような自動化スクリプトを作成する対策も取られていた。しかし、こうした自作スクリプトは壊れやすく運用の手間が増大する上、予約容量を管理する仕組みとの連携が難しいという問題を抱えていた。

最大5種類のインスタンスを優先順で評価・起動

今回発表された「インスタンス優先リスト」は、こうした課題を解消するために導入された機能である。「Amazon SageMaker AI Training Jobs（学習ジョブ）」および「Amazon SageMaker Processing Jobs（処理ジョブ）」の作成時に利用できる。

ユーザーはジョブを作成する際、実行を許容できるインスタンスタイプを優先順位付きのリストとして最大5つまで登録できる。ジョブが送信されると、Amazon SageMaker AIがリストの上位から順にキャパシティの空き状況を自動的に評価し、利用可能な容量が確認できた最初のインスタンスタイプで直ちにジョブを起動する。

多くの機械学習ワークロードは、特定の単一インスタンスでしか動作しないわけではなく、2〜3種類の異なるインスタンスファミリー（CPUやGPU構成などの仕様群）でも同等に実行できる特性を持っている。新機能によって複数の選択肢を柔軟に提示できるようになることで、特定タイプのリソースが枯渇していても、別の利用可能なインスタンスを活用して即座に処理を開始できるようになる。

これにより、開発者は自作のリトライスクリプトや複雑な監視システムを保守・運用する必要がなくなり、ジョブ送信に伴う運用の煩雑さから解放される。

予約容量「Flexible Training Plans」との連携とフォールバック

本機能は、オンデマンドでのインスタンス確保だけでなく、AWSが提供する予約容量オプション「Flexible Training Plans（FTP：機械学習向けの柔軟な計算容量予約機能）」とも連携して機能する。

Flexible Training Plansを利用している開発チームは、優先順位リストを設定することで、まず予約しているキャパシティでの実行を最優先で試み、それが利用できない場合に代替のインスタンスタイプを用いてオンデマンド容量で実行する、といったフォールバック運用を定義できる。

これにより、確保済みのリソースを最大限に活用しつつ、リソース不足時には柔軟に代替リソースへ切り替える運用が可能となり、ジョブの開始遅延を最小限に抑えられるとしている。

期待される効果

AWSは本機能の導入により、ジョブの開始待ち時間の短縮、インフラのキャパシティ利用効率の向上、そしてエンジニアがインフラの制約対応に費やす時間を削減し、モデル構築に注力できるようになる効果を見込んでいる。