> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/deployment/ja/choosing-a-deployment.md).

# デプロイメントオプションの選択

Roboflow のデプロイオプションを比較します: Serverless Cloud API、Dedicated Deployments、Cloud Streaming、Batch Processing、Self-Hosted Inference、およびエッジデバイス。ユースケースに合ったオプションを選択してください。

Roboflow では、モデルの実行方法として複数の選択肢を用意しており、 [Workflows](https://docs.roboflow.com/workflows)、フルマネージドのクラウド API から独自のハードウェア上での推論まで対応しています。最適な選択肢は、ワークロードがリアルタイムか一括処理か、許容できるレイテンシ、データの保存場所に関する要件、管理したいインフラの範囲によって異なります。

まず表で各選択肢を比較し、次に下の判断フローに沿って候補を絞り込みましょう。

## Roboflow Cloud

インフラは Roboflow が運用します。 [Cloud Streaming](https://docs.roboflow.com/deployment/ja/roboflow-cloud/cloud-streaming.md) はマネージドのライブカメラ向け Workflows、個々の画像向けのリクエスト API、または保存データ向けの Batch Processing に利用できます。

### マネージドのライブ動画

Cloud Streaming では、ソースの設定と、それを処理する Workflow ジョブが分離されています。 [クイックスタート](https://docs.roboflow.com/deployment/ja/roboflow-cloud/cloud-streaming/quickstart.md) を使ってカメラを接続し、処理を開始して結果を確認できます。

<table data-search="false"><thead><tr><th>ワークロード</th><th>選択肢</th><th>ライフサイクルと結果</th></tr></thead><tbody><tr><td>継続的なライブカメラ映像</td><td><a href="https://docs.roboflow.com/deployment/ja/roboflow-cloud/cloud-streaming.md">Cloud Streaming</a></td><td>プレビューまたはデプロイ済みの Workflow ジョブ。ライブ動画、アプリ内の最新 JSON、または Workflow のシンクを利用できます。デプロイは、ビューアを閉じても停止しません。</td></tr><tr><td>保存済みの画像または動画</td><td><a href="https://docs.roboflow.com/deployment/ja/roboflow-cloud/batch-processing.md">Batch Processing</a></td><td>非同期ジョブとして実行され、完了すると結果が生成されます。ループするライブソースは、有限のバッチジョブではありません。</td></tr><tr><td>個別の画像または Workflow リクエスト</td><td><a href="https://docs.roboflow.com/deployment/ja/roboflow-cloud/serverless-api.md">Serverless Cloud API</a> または <a href="https://docs.roboflow.com/deployment/ja/roboflow-cloud/dedicated-deployments.md">Dedicated Deployments</a></td><td>マネージドのカメラデプロイではなく、リクエストごとに応答を返します。</td></tr></tbody></table>

### リクエスト API とバッチ処理

<table data-header-hidden data-search="false"><thead><tr><th></th><th></th><th></th><th></th></tr></thead><tbody><tr><td></td><td><a href="https://docs.roboflow.com/deployment/ja/roboflow-cloud/serverless-api.md">Serverless Cloud API</a></td><td><a href="https://docs.roboflow.com/deployment/ja/roboflow-cloud/dedicated-deployments.md">Dedicated Deployments</a></td><td><a href="https://docs.roboflow.com/deployment/ja/roboflow-cloud/batch-processing.md">Batch Processing</a></td></tr><tr><td>実行場所</td><td>Roboflow Cloud（<code>serverless.roboflow.com</code>)</td><td>Roboflow が管理するプライベートクラウドサーバー（<code>*.roboflow.cloud</code>)</td><td>Roboflow Cloud。ジョブごとにインフラが自動プロビジョニングされます</td></tr><tr><td>GPU</td><td>はい：GPU による高速化と自動スケーリングに対応</td><td>CPU（<code>dev-cpu</code> / <code>prod-cpu</code>）または GPU（<code>dev-gpu</code> / <code>prod-gpu</code>)</td><td>CPU または GPU。ジョブごとに選択します</td></tr><tr><td>レイテンシの特性</td><td>リアルタイムの同期処理です。すでにロードされていないモデルへの初回リクエストでは、数秒のウォームアップが発生します。その後、モデルがキャッシュされている間は高速に応答します。</td><td>安定した専用パフォーマンスを提供します。一定時間使用されないとデプロイは自動的に一時停止します（ <code>dev-cpu</code> / <code>dev-gpu</code>では1時間に固定）。リクエストを送信すると再開します。</td><td>非同期のため、リアルタイム処理には適していません。リソースが利用可能になった時点でマシンが割り当てられます。通常は数分後ですが、正確な開始時刻は保証されません。</td></tr><tr><td>料金</td><td>画像あたり。詳細は <a href="#billing">課金</a>.</td><td>時間単位で、1分ごとに課金されます。リクエスト単位の課金も、ご要望に応じて利用できます。</td><td>時間単位。GPUジョブは高速ですが、料金は高くなります。</td></tr><tr><td>リージョン</td><td><a href="https://roboflow.com/sales">営業担当者にお問い合わせください</a> 。APIを利用できるリージョンについてご案内します。</td><td>米国のデータセンターのみ。</td><td><a href="https://roboflow.com/sales">営業担当者にお問い合わせください</a>.</td></tr><tr><td>利用可能なプラン</td><td><a href="https://roboflow.com/sales">営業担当者にお問い合わせください</a>.</td><td>CoreおよびEnterprise。詳細は <a href="https://roboflow.com/pricing">料金</a>.</td><td>Roboflowのクレジットシステムを利用するワークスペース、またはEnterpriseプラン。</td></tr><tr><td>最適な用途</td><td>デプロイ先のデバイスが常時インターネットに接続されている環境で、単一画像またはWorkflowの推論をリアルタイムにすばやく開始し、自動的にスケールする場合。</td><td>予測可能なワークロードや本番環境のワークロード、リソースの分離、GPUアクセラレーションが必要な大規模モデル（例: Florence-2、SAM2）。</td><td>Workflowを使用して、大量の保存済み画像や動画を低コストで処理する場合。</td></tr></tbody></table>

## セルフホスト

独自のハードウェア上で推論を実行するため、データがネットワークの外に出ることはありません。

<table data-header-hidden data-search="false"><thead><tr><th></th><th></th><th></th></tr></thead><tbody><tr><td></td><td><a href="https://docs.roboflow.com/deployment/ja/self-hosted/self-hosted.md">セルフホスト推論</a></td><td><a href="https://docs.roboflow.com/deployment/ja/self-hosted/enterprise/deployment-manager.md">エッジ（Deployment Manager）</a></td></tr><tr><td>実行場所</td><td>独自のハードウェア: エッジデバイス、オンプレミスサーバー、または独自のクラウド（Dockerまたは <code>pip</code>)</td><td>Roboflowがリモート管理するエッジデバイス</td></tr><tr><td>GPU</td><td>CPU、CUDA GPU、またはNVIDIA Jetson</td><td>デバイスによって異なります（NVIDIA Jetson、NVIDIA GPU搭載のx86、またはRoboflow提供のハードウェア）</td></tr><tr><td>レイテンシの特性</td><td>ローカルで低レイテンシー。ネットワーク経由の往復がなく、十分な性能のハードウェアであればリアルタイム処理が可能です。</td><td>ローカルエッジでリアルタイム処理が可能。リモート管理と監視には、デバイスの常時インターネット接続が必要です。</td></tr><tr><td>料金</td><td>無料: 独自のハードウェアで実行する画像や動画にはクレジットを使用しません。マシンの費用はお客様の負担です。プライベートモデル用のTensorRTパッケージにはEnterpriseが必要です。</td><td><a href="https://roboflow.com/sales">営業担当者にお問い合わせください</a>.</td></tr><tr><td>リージョン</td><td>任意の場所（お客様のインフラストラクチャ）。</td><td>お客様のデバイスの設置場所。</td></tr><tr><td>利用可能なプラン</td><td>すべてのプラン。AGPL-3.0のYOLOモデルおよびPML 1.0のRF-DETRモデル（XLおよび2XL）をセルフホストするための商用ライセンスは、Enterpriseのアドオンです。Apache 2.0のRF-DETRモデルには追加ライセンスは不要です。詳細は <a href="https://docs.roboflow.com/models/model-licenses">モデルライセンス</a>をご覧ください。プライベートモデル用のTensorRTパッケージにはEnterpriseが必要です。</td><td>Enterprise限定。</td></tr><tr><td>最適な用途</td><td>環境とレイテンシーを最大限に制御したい場合の、オンプレミス、エッジ、エアギャップ環境、またはVPCに限定されたワークロード。</td><td>多数のエッジデバイスを大規模にセットアップ、デプロイ、監視する場合。</td></tr></tbody></table>

## 課金

Serverless Cloud APIは画像単位で課金されます。その他のマネージドオプションではコンピューティングリソースを確保し、処理したフレーム数にかかわらず時間単位で課金されます。30 FPSのカメラは1時間に108,000枚の画像を送信するため、動画を連続して処理する場合、画像単位よりも時間単位のほうが大幅に低コストです。

<table data-search="false"><thead><tr><th>オプション</th><th>課金単位</th><th>料金</th></tr></thead><tbody><tr><td>Serverless Cloud API</td><td>画像あたり。ビジョン言語モデルとCustom Pythonブロックは秒単位で課金されます。</td><td><a href="https://docs.roboflow.com/deployment/ja/roboflow-cloud/serverless-api/model-pricing.md">サーバーレスの料金</a></td></tr><tr><td>Cloud Streaming</td><td>Workflowをライブソース上で実行した時間あたり。プレビューも含まれます。</td><td><a href="https://docs.roboflow.com/deployment/ja/roboflow-cloud/cloud-streaming/pricing-and-limits.md">クラウドストリーミングの料金</a></td></tr><tr><td>Batch Processing</td><td>ジョブが完了するまでのマシン時間あたり。</td><td><a href="https://roboflow.com/credits">クレジットページ</a></td></tr><tr><td>Dedicated Deployments</td><td>稼働中は、マシン1時間あたり。</td><td><a href="https://roboflow.com/credits">クレジットページ</a></td></tr><tr><td>セルフホスト推論</td><td>クレジットは消費しません。</td><td></td></tr></tbody></table>

## 機能一覧

この表では、Inference ランタイムを比較しています。管理対象のライブカメラソースやジョブについては、上記の Cloud Streaming のガイダンスをご覧ください。

<table data-search="false"><thead><tr><th></th><th>サーバーレス</th><th>専用</th><th>セルフホスト</th></tr></thead><tbody><tr><td>ファインチューニング済みモデルと事前学習済みモデル</td><td>はい</td><td>はい</td><td>はい</td></tr><tr><td>ワークフロー</td><td>はい</td><td>はい</td><td>はい</td></tr><tr><td>大規模な基盤モデル（SAM2、Florence-2、PaliGemma）</td><td>以下に記載のサイズで利用可能： <a href="https://docs.roboflow.com/deployment/ja/roboflow-cloud/serverless-api/model-pricing.md">サーバーレスの料金</a></td><td>はい</td><td>はい</td></tr><tr><td>クラウドホスト型 VLM（GPT、Claude、Gemini ブロック）</td><td>はい</td><td>はい</td><td>はい</td></tr><tr><td>動画ストリーミング</td><td>管理対象のライブカメラには <a href="https://docs.roboflow.com/deployment/ja/roboflow-cloud/cloud-streaming.md">Cloud Streaming</a> を使用</td><td>WebRTC</td><td>WebRTC</td></tr><tr><td>カスタム Python ブロックと追加の依存関係</td><td>カスタム Python ブロック。実行秒数に応じて課金</td><td>はい</td><td>はい</td></tr><tr><td>オフラインで実行</td><td>いいえ</td><td>いいえ</td><td>はい</td></tr><tr><td>課金</td><td>モデルごとに画像単位。詳細は <a href="https://docs.roboflow.com/deployment/ja/roboflow-cloud/serverless-api/model-pricing.md">サーバーレスの料金</a>.</td><td>時間単位</td><td>無料。Inference ではクレジットを消費しません。</td></tr></tbody></table>

スケールアップの挙動も異なります。Serverless Cloud API はアイドル時にゼロまでスケールダウンし、負荷がかかると数秒のコールドスタートを経てスケールアップします。一方、Dedicated Deployment の起動には1～2分かかります。一時的な `dev-cpu` および `dev-gpu` デプロイメントは短時間のセッションに制限されており、より優先度の高い処理に容量が必要になると削除される場合があります。永続的な `prod-*` タイプは、容量が保証され、セッションの制限もありません。

## 独自のクラウドを使用

コンプライアンスポリシーにより、ワークロードを自社インフラ内にとどめる必要がある場合は、独自の AWS、Azure、または GCP アカウントで Inference を実行できます。詳細は [独自のクラウドにデプロイ](https://docs.roboflow.com/deployment/ja/self-hosted/inference-server/install/cloud.md)をご覧ください。Inference ではクレジットを消費せず、マシンの料金はクラウドプロバイダーにお支払いいただきます。

## 選択フロー

1. **リアルタイム処理か一括処理か？** データの到着に合わせて結果が必要な場合（ライブ動画、インタラクティブアプリ、リクエストごとの推論）は、リアルタイム処理を選択してください。保存済みの大量の画像や動画を処理する場合は、 [バッチ処理](https://docs.roboflow.com/deployment/ja/roboflow-cloud/batch-processing.md).
2. **同期処理か非同期処理か？** リアルタイム推論は同期処理です。リクエストを送信すると、レスポンスが返されます。バッチ処理は非同期処理です。ジョブを送信し、完了後に結果を取得するため、正確な開始時刻には依存しないでください。
3. **クラウドかオンプレミスか？** データをネットワーク外に持ち出せて、インフラの管理を不要にしたい場合は、Roboflow がホストするクラウドオプションを使用してください。ワークロードをオンプレミス、エッジ、またはエアギャップ環境にとどめる必要がある場合は、 [セルフホスト型 Inference](https://docs.roboflow.com/deployment/ja/self-hosted/self-hosted.md).
4. **マネージドかセルフマネージドか？**
   * クラウドでは、 [専用デプロイメント](https://docs.roboflow.com/deployment/ja/roboflow-cloud/dedicated-deployments.md) 予測可能な専用パフォーマンスや GPU タイプの固定が必要な場合に選択してください。それ以外の場合は [Serverless Cloud API](https://docs.roboflow.com/deployment/ja/roboflow-cloud/serverless-api.md) が、最も簡単なデフォルトの選択肢です。
   * 自社ハードウェアを使う場合は、 [Deployment Manager](https://docs.roboflow.com/deployment/ja/self-hosted/enterprise/deployment-manager.md) （Enterprise）を選ぶと、エッジデバイス群の管理と監視をRoboflowに任せられます。それ以外の場合は、 [Self-Hosted Inference](https://docs.roboflow.com/deployment/ja/self-hosted/self-hosted.md) サーバーを自分で管理してください。

選択肢を決めたら、エラー処理、再試行、レート制限、レプリカ数の決定について、 [本番環境対応チェックリスト](https://docs.roboflow.com/deployment/ja/production-checklist.md) をご覧ください。

## Inferenceとその他のデプロイスタックの比較

Roboflow Inferenceは、いくつかの他のツールと用途が重なります。この表では、別のスタックがより適している場合と、それを選ぶことで何を諦めることになるかをまとめています。

### 推論サーバー

| ツール                    | 比較                                                                                                                             | 選ぶべきケース                                                |
| ---------------------- | ------------------------------------------------------------------------------------------------------------------------------ | ------------------------------------------------------ |
| **NVIDIA Triton**      | 大規模なデプロイを行うMLエキスパート向けの強力なツールで、NVIDIAハードウェア上で極めて最適化されたパイプラインに特化しています。シンプルさや反復の速さよりも生の処理速度を優先しており、モデルアンサンブルの柔軟性もWorkflowsより劣ります。 | 速度を何より重視し、NVIDIA GPUを使う、要件が明確に定まったプロジェクトに取り組むMLエキスパート。 |
| **Lightning LitServe** | 軽量でカスタマイズ可能、タスクを限定しないため（NLP、音声、表形式データ、画像などに対応）、コンピュータービジョン向けの機能はそれほど充実しておらず、動画ストリーミングやモデル連結の抽象化機能も組み込まれていません。                  | 汎用的なMLタスクに取り組んでおり、サーバーを自作するのではなく、機能が充実した出発点を求めている場合。   |
| **TensorFlow Serving** | さまざまなモダリティでTensorFlowを深く活用している場合に適しています。セットアップが複雑になることがあり、前処理や後処理など、今や標準的な機能が備わっていないため、独自コードが必要になることもよくあります。                   | TensorFlowエコシステムを非常に重視し、必要な作業を自分で進める意欲がある場合。           |
| **TorchServe**         | PyTorchにおける同等のツールで、画像、NLP、表形式データ、音声を扱うPyTorchモデルのサービングに最適化されています。大規模なクラウドデプロイ向けに設計されており、動画ストリーミングなど画像分野に特化した機能は多くありません。        | PyTorchモデルのデプロイをスケールさせてカスタマイズしたい一方、画像分野に特化した機能は必要ない場合。 |
| **FastAPIまたはFlask**    | サーバーを自作する方法です。Inference独自のHTTPインターフェースもFastAPIをベースにしているため、ゼロから始めると、すでに解決されている問題を一から解決し直すことになります。                               | 推論サーバーの構築方法を詳しく学ぶことが主な目的の場合。                           |

### エッジデプロイ

| ツール                   | 比較                                                                                                                                 | 選ぶべきケース                                         |
| --------------------- | ---------------------------------------------------------------------------------------------------------------------------------- | ----------------------------------------------- |
| **Edge Impulse**      | 超低消費電力のエッジデバイスや組み込みシステムに特化しており、マイクロコントローラーを扱う用途に特に優れています。TinyMLに重点を置いているため、動画処理や最新の高性能モデルにはあまり適しておらず、Workflowsに相当する機能もありません。       | 高性能なモデルを実行できないIoTデバイスやウェアラブルデバイスを開発している場合。      |
| **NVIDIA DeepStream** | TensorRTとCUDAを使った高度に最適化された動画パイプライン向けのNVIDIAのプラットフォームで、Inferenceと同様の課題の多くを対象としています。習得の難易度が高く、NVIDIAのツールに精通している必要があり、オープンソースではありません。 | スループットを最優先し、単一のプロジェクトの最適化に多大な労力をかける意欲があるエキスパート。 |
