GPUaaSとは？H100が時給いくらで借りられるか、2026年の料金と選び方

AIの学習を回したいのに、GPUが1枚500万円と言われて手が止まる。そんな相談が増えました。答えは単純で、買わずに借りればいい。

ただし借り方を間違えると、同じH100を使っているのに請求額が2倍以上変わります。ここが今回の本題です。

---

GPUaaSとは何か

GPUaaS（GPU as a Service）とは、AI計算用のGPUをインターネット越しに時間単位で借りられるサービスです。クラウドで借りるサーバーのGPU版、と考えるとほぼ合っています。

自分でGPUを買う場合、NVIDIA H100のような最上位カードは1枚で数百万円。8枚積んだサーバーを組めば軽く数千万円になります。しかもAI開発では、学習が終わったあとの数週間はGPUがほぼ遊びます。

GPUaaSは、この「買うと高すぎる」「持つと余る」の両方を解決します。学習が走っている72時間だけ8枚借りて、終わったら止める。止めた瞬間から課金も止まる。

買う=固定費、借りる=変動費。AI開発のように負荷が波打つ仕事とは、変動費のほうが相性がいい。

用語をひとつ整理しておきます。VRAM（ブイラム）は、GPUに直結した専用メモリのこと。モデルがここに収まるかどうかで、動く・動かないが決まります。GPU選びの実質的な主戦場はここです。

---

なぜ今、GPUを借りる話が増えたのか

生成AIの学習と推論が、企業の通常業務に入ってきたからです。研究室の話ではなくなりました。

社内文書を読ませて答えさせる仕組み（RAG）、自社データでの追加学習、画像生成の社内運用。いずれもGPUを必要とします。しかも一度きりではなく、モデルを更新するたびに繰り返し発生する。

一方で、GPUの調達は簡単ではありません。最上位モデルは価格も納期も読みにくい。設置には電源と冷却の設計も要ります。数十枚規模なら、サーバールームの電気工事から話が始まります。

借りれば、この工程が丸ごと消えます。アカウントを作って、インスタンスを立てて、SSHで入る。ここまで十数分。

社内でAIの使い所を洗い出す段階なら、内部監査AIツールの比較を先に眺めておくと、どの業務にGPUが要るのか要らないのかの線引きが早くなります。

---

GPUの型番と料金はどう違う？

型番ごとに得意分野と価格帯がはっきり分かれます。まずは代表的な4つを並べます。

以下は2026年時点で公開されている参考価格帯です。提供形態によって変動するため、下限に近い値だと考えてください。

つまり、H100とRTX A6000では6倍以上の差があります。この差をどう使うかが、コスト設計の中心です。

ここで多くの人が間違えます。「いちばん新しいGPUを選べば速いから結局安い」という発想。これは半分しか合っていません。

正しいのは、自分のワークロードが使い切れないGPUを選んでも、余った性能に金を払うだけという考え方です。VRAM 48GBで足りる推論に、H100を割り当てる必要はありません。

---

提供形態の3種類：同じH100で価格が3倍違う理由

GPUaaSの提供元は、大きく3つに分かれます。同じ型番でも価格差が生まれるのは、ここが違うからです。

各形態の性格を並べます。

つまり、上と下では2〜3倍の開きがある。ここが最大の判断ポイントです。

ハイパースケーラーは、AWS・Azure・GCPのような総合クラウド。既にそこでシステムを動かしているなら、ネットワークもID管理もそのまま使えます。AzureはOpenAI系サービスとの統合も持っています。高いのには理由がある。

専業GPUクラウドは、GPU提供に特化した事業者。ハイパースケーラーより安く、マーケットプレイスより安定しています。RunPod、Lambda Labs、CoreWeave、Nebiusといった名前がこの層です。

マーケットプレイスは、GPUを持つ人と借りたい人をつなぐ場。Vast.aiなどがこの形態。最安ですが、提供者がまちまちなので、実験用と本番用は分けて考えるのが安全です。

もうひとつ、分散型GPUクラウドという新しい層も出てきています。Fluenceのように、コンテナやベアメタルをAPIから展開する方式。2026年時点ではまだ選択肢のひとつという位置づけ。

---

実際いくらかかる？ワークロード別の目安

「時給いくら」は分かっても、月額でいくらになるかが見えないと決裁が取れません。3つのパターンで試算します。

前提として、価格は上の表の下限に近い値を使い、GPU1枚あたりで計算します。

つまり、推論だけなら月1万円台。学習を回し始めると桁が2つ上がります。

この差が、GPUaaS設計の全てです。推論は安いGPUで常時、学習は高いGPUで短期集中。この2本立てにすると、請求書がぐっと落ち着きます。

注意点をひとつ。GPU料金以外に、ストレージ代とデータ転送代が乗ります。学習データを何TBも出し入れするなら、ここが無視できない額になることも。見積もり時は必ず合算してください。

---

オンデマンドと予約、どっちが得？

使う時間が読めるかどうかで決まります。読めないならオンデマンド、読めるなら予約。

予約インスタンス（1年契約）は、オンデマンドより明確に安くなります。H100の場合、オンデマンドが1時間3.00〜5.00ドルの帯に対し、1年予約では2.00〜3.50ドル程度。

ただし、予約には落とし穴があります。使わなくても払う。

判断の目安を出します。月の稼働時間が全体の6割を超えるなら予約が有利、それ未満ならオンデマンドが有利。この線引きで大きく外すことはありません。

さらにもう1段。オンデマンドの中にも、秒単位課金に対応したプラットフォームがあります。試行錯誤で何度も立てては壊す使い方なら、この差が地味に効きます。

---

国内プロバイダを選ぶ理由はある？

あります。データの置き場所を国内に固定したい場合です。

海外の専業クラウドやマーケットプレイスは価格で勝ちますが、リージョンが海外だとデータが国外に出ます。金融、医療、公共系の案件では、この一点で失格になることも。

国内ではKDDI GPU Cloudのように、法人向けにGPUクラウドを提供する事業者があります。日本語のサポート窓口があること、契約と請求が国内商習慣に沿うこと。この2つは、社内の稟議を通す段階で効きます。

価格では海外勢に及びません。しかし「安いが説明できない」構成より、「高いが監査で通る」構成のほうが、結局は早く進むケースが多い。

判断軸を整理します。

• データの国外持ち出しに制約がある → 国内プロバイダ一択
• 研究・検証フェーズで制約なし → 海外の専業クラウドかマーケットプレイス
• 既存システムがAWS/Azure上にある → 同じハイパースケーラーが無難
• とにかく単価を下げたい → マーケットプレイス

---

画像生成の用途ならどう考える？

画像生成は、学習と推論で必要なGPUが大きく変わる代表例です。

Stable Diffusion系のモデルを動かすだけなら、VRAM 24GBクラスで足ります。RTX 4090のようなコンシューマ向けGPUがマーケットプレイスに並んでおり、1時間0.40〜0.80ドル程度。月に数十時間なら数千円で収まります。

一方、独自の追加学習（LoRA学習など）や高解像度の大量生成に入ると、A100クラスが欲しくなります。

ワークフローの組み方でも消費量が変わります。ノードを組んで処理を制御する方式と、シンプルなUIで回す方式では、GPUの使い方がまるで違う。ここはComfyUIとStable Diffusionの違いを読むと、自分がどちらの重さの使い方をするのか判断しやすくなります。

そもそもクラウドGPUを借りるほどの用途なのか、という判断もあります。月に数十枚の生成なら、既製のサービスを使うほうが安い。AIイラストツールの比較で、まず「借りずに済むか」を確認するのが先です。

---

VRAMはどう見積もる？

ざっくりした計算式があります。モデルのパラメータ数 × 2バイトが、推論に必要なVRAMの下限。

70億パラメータのモデルなら、16ビット精度で約14GB。ここに処理中のデータ領域が乗るので、実際は20GB前後を見ておくと安全です。

学習になると話が変わります。推論の3〜4倍が目安。同じ70億パラメータでも、学習には60GB前後が必要になる計算です。

以下は代表的なGPUのVRAM容量です。

つまり、VRAMが足りなければ話が始まらず、余っていれば金を捨てている。この両端を避けるのがGPU選びです。

複数枚に分散させる手もありますが、GPU間の通信速度が新たなボトルネックになります。1枚に収まるなら1枚が、いちばん素直で速い。

---

隠れコストはどこに出る？

GPU単価だけを見て見積もると、だいたい足が出ます。乗ってくるのは主に4つ。

• ストレージ: 学習データとチェックポイントの保管。TB単位になると月額で効いてくる
• データ転送: クラウドからデータを出すときの課金。入れるのは無料でも出すのは有料、という設計が多い
• アイドル時間: インスタンスを立てたまま放置した時間も課金対象。停止忘れは事故になる
• セットアップ時間: 環境構築でGPUを回している時間も、当然カウントされる

いちばん多い事故は、3つ目のアイドル時間です。金曜に立てて月曜に気づく。H100 8枚なら、その週末だけで500ドル超が溶けます。

自動停止の設定は、最初のセッションで必ず入れてください。使い終わったら止める、ではなく、放置したら止まる、に倒す。

---

セキュリティと商用利用はどう考える？

商用利用は、主要プロバイダのいずれも問題ありません。学習にも推論にも制限は付きません。

気をつけるのはデータの扱いです。マーケットプレイス型は、GPUの提供者が第三者になります。機密性の高いデータを載せる場所ではありません。

企業向けの要件が絡むなら、ハイパースケーラーか国内プロバイダ。ID管理、アクセス制御、監査ログといった仕組みが最初から揃っています。

チェックすべき項目を並べます。

• データの保存先リージョンを指定できるか
• 学習データがプロバイダ側で利用されない契約になっているか
• インスタンス削除時にストレージも確実に消えるか
• 社内のID基盤と連携できるか

情報収集の段階なら、AI検索ツールで各社の規約を横断的に当たるのが速いです。Feloの使い方で調べ方の型を掴んでおくと、この手の規約読みが楽になります。

---

導入までの手順は？

最短ルートを並べます。検証から本番まで、おおむね2週間で回せます。

1. 必要VRAMを算出する（モデルサイズ × 2〜8倍）
2. 最小構成で1時間だけ試す（マーケットプレイスの安いGPUでよい）
3. 実測時間から月額を試算する（ストレージと転送も足す）
4. 提供形態を決めて本番構成に移す（要件次第で国内or海外）

ポイントは2番目です。カタログスペックではなく、自分のコードを実際に走らせた時間で見積もる。ここを飛ばすと、試算が2倍以上ずれます。

社内向けにAIの活用範囲を説明する資料が必要なら、Meta AIの解説のような、モデル側の話も合わせて押さえておくと説得力が出ます。

---

AI PICKS編集部の判定

GPUaaSは、AI開発を始める企業にとって破格の選択肢です。数千万円の設備投資が、月数万円の変動費に置き換わる。この一点だけで導入する価値があります。

ただし、選び方を間違えると効果が半減します。編集部の見立てはこうです。検証フェーズはマーケットプレイス、本番はハイパースケーラーか国内プロバイダの二段構え。これが最もコスト効率が高い。

最新GPUを追いかける発想は、正直イマイチです。H100は確かに強力ですが、推論中心の使い方ならRTX A6000の1時間0.35ドルで十分。6倍の単価差を、性能差が埋めてくれるとは限りません。

逆に、24時間365日フル稼働させる定常負荷が確定しているなら、GPUaaSは微妙になります。稼働率が9割を超える世界では、購入したほうが安い。借りるのが有利なのは、あくまで波がある使い方です。

最初の一歩としては、安いGPUを1時間だけ借りて自分のコードを走らせる。ここから始めるのが一択です。

---

よくある質問（FAQ）

Q. GPUaaSとレンタルサーバーは何が違いますか？

GPUが付いているかどうかです。通常のレンタルサーバーやクラウドサーバーはCPU中心で、AIの学習や画像生成には向きません。GPUaaSは、AI計算に特化したGPUを積んだマシンを時間単位で貸します。

Q. 個人でも契約できますか？

できます。マーケットプレイス型や専業GPUクラウドは、クレジットカードがあれば個人でもすぐ使えます。法人契約が必要なのは、国内の一部エンタープライズ向けサービスです。

Q. いちばん安いGPUはどれですか？

参考価格帯で見ると、RTX A6000の1時間0.35ドル前後が下限に近い水準です。マーケットプレイスならRTX 4090が0.40〜0.80ドル程度で並びます。ただし安さだけで選ぶと、VRAM不足で動かないという事態になります。

Q. 使った分だけの課金で本当に済みますか？

GPU料金は使った分だけです。ただしストレージ代は、インスタンスを止めていても保管している限り発生します。完全にゼロにしたいなら、データも消す必要があります。

Q. 日本語のサポートはありますか？

海外の主要プロバイダは基本的に英語のみです。日本語サポートが必要なら、KDDI GPU Cloudのような国内提供のサービスを検討してください。

Q. 学習途中でインスタンスが止まることはありますか？

安価な提供形態では起こり得ます。特にマーケットプレイスは、提供者側の都合で停止する可能性があります。長時間の学習では、途中経過を定期保存する設定を必ず入れてください。

Q. 秒単位課金と時間単位課金、どちらが得ですか？

短時間の試行錯誤を繰り返すなら秒単位が有利です。1回30分の処理を1日10回回すような使い方では、時間単位課金だと切り上げ分が積み上がります。逆に、数十時間の連続学習では差はほぼ出ません。

Q. 自社でGPUを買うべきラインはどこですか？

稼働率が9割を超え、その状態が1年以上続く見込みがあるなら購入を検討する価値があります。それ以外は借りたほうが安く済みます。

---

関連する比較・代替を見る

• ComfyUIとStable Diffusionの違い — GPU負荷が変わる分岐点
• AIイラストツールの比較 — 借りずに済ませる選択肢
• 内部監査で使えるAIツール — GPUが要る業務・要らない業務の切り分け
• Felo完全ガイド — 各社の規約を横断で調べる
• Meta AIガイド — モデル側の前提知識
• AI画像生成カテゴリ — GPUを使う代表的な用途
• AIコーディングカテゴリ — 開発環境まわりの選択肢

---

次に読むならこれ。GPUを借りる前に「そもそも借りずに済むか」を確認したいなら、AIイラストツールの比較。月に数十枚の生成なら、既製サービスのほうが圧倒的に安く済みます。