RL学習をクラウドへ — 速度・コスト・ボトルネック
受注が増えたらRL学習をクラウドGPUの従量課金へ。結論：技術的に容易・コストは些末。効くのはCapex削減と「複数受注の同時並列学習」。
①GPU別 速度とコスト（状態ベースRL）
このRLは状態ベース（画素なし）なので律速はカメラ描画でなくPhysX物理＋PPO更新。RTコア無しのA100/H100でも速い。下表はRTX 3060を1.0とした概算。
| GPU | VRAM | 相対速度 | 概算 $/hr（専門系） | Isaac描画適性（視覚RL用） |
|---|---|---|---|---|
| RTX 3060（現状） | 12GB | 1.0× | 自社所有 | 可 |
| RTX 4090 | 24GB | ~3–4× | $0.34–0.69 | 良 |
| RTX A6000 / 6000 Ada | 48GB | ~4–5× | $0.49–0.90 | 最良 |
| L40S | 48GB | ~4–5× | $0.79–1.9 | 最良 |
| A100 80GB | 80GB | ~4–6× | $1.07–1.99 | RT無=描画遅 |
| H100 80GB | 80GB | ~6–9× | $1.99–3.29 | RT無=描画遅 |
価格は2026年初の専門系（RunPod/Lambda/Spheron等）の概算・変動大。ハイパースケーラ(AWS/GCP/Azure)は同等GPUで概ね2〜4倍。「1学習」は1台あたり数十ドル規模。
②ベンダー比較
| 区分 | 代表 | 向き |
|---|---|---|
| 分散・格安 | Vast.ai / RunPod(Community) | 実験・短時間学習（最安・中断リスク） |
| 専門GPUクラウド | RunPod(Secure)/Lambda/CoreWeave/Spheron | 本番学習の主力（安い＋安定・秒課金） |
| ハイパースケーラ | AWS/GCP/Azure | 既存契約があれば（2–4倍高い） |
| マネージドRL/Sim | NVIDIA OSMO/Brev 等 | 運用外注したいなら（割高・ロックイン） |
③ボトルネックは何か
技術側の律速
Isaac SimはRTX前提：視覚RLはL40S/6000 Ada/A6000を。状態RLなら無関係。
単GPU律速：PPOは基本1GPU、8×H100でも1タスクは速くならない。欲しいのは「強い1枚」か「受注ジョブを別GPUに並列配備」。
VRAM：12GBは並列環境数を制限、24–48GBで収束が速い。
コールドスタート/中断：Isaacコンテナ約15GBの初回pull、スポット中断→チェックポイント必須。
事業側の“本当の”律速
GPU時間は1台数十ドル＝実質タダ（L40Sで30 GPU時間でも$36）。本当の律速は人手工程（ヒアリング・CAD・実写キャリブ、⑤ 受注→出荷）。クラウドはこの人手を1秒も減らさない。
価値は (1)Capex不要 (2)受注が重なると並列で捌ける (3)大型機で1案件を数時間に圧縮。需要が読めない受注ビジネスに従量課金が噛み合う。
推奨スタンス
①実験＝RunPod/Vast の RTX 4090（$0.34/hr）。②納品学習＝RunPod Secure/Lambda の L40S か RTX 6000 Ada（RT＋48GB）。③純・状態RLなら A100 がコスパ最良。④自社3060はCI・検証に温存。受注ごとに「1ジョブ＝1GPU」で並列化。
出典（2026年初・概算）：RunPod / Lambda / Spheron。