JSAI2026_FPT_AI_Factory_v3

FPT AI Factory パブリック クラウドで創る AI Infused Apps 鈴木 章太郎 Executive Evangelist, FPT Data & AI Integration FPT Japan Holdings

鈴木 章太郎 X (Twitter) ： @shosuz https：//www.docswell.com/user/shosuz FPT ジャパン FPT データ& AI インテグレーション エグゼクティブエバンジェリスト 独立行政法人 国立印刷局 デジタル統括アドバイザー兼最高情報セキュリティアドバイザー 略歴： AI 駆動開発勉強会主催。Microsoft エバンジェリスト時代から、Dell、 Accenture、Elastic、VMware を経て現職まで一貫して開発者向け に最新技術を啓発。GPU クラウド技術訴求、AI 駆動開発推進。 政府の仕事は、内閣官房 政府 CIO 補佐官、 デジタル庁 PM を経て、 現職を兼務。 2 / 12

• https://www.docswell.com/user/shosuz

アジェンダ • • • • • ハイブリッド & マルチクラウド アプリの必然性 EC サイト新時代 - ハイブリッド GenAI 構築 ハイブリッドエージェント協調システム – バーチャル試着 文房具 EC アプリ まとめ

パブリッククラウド x GPU クラウド ハイブリッドの必然性 なぜ単一クラウドでは足りないのかの3つの観点 ① データ主権・規制 ② 計算リソース経済性 ③ ベンダー戦略の柔軟性 ・個人情報・機密データを社外に 出せない契約・法令 ・クラウド GPU の枯渇と価格高騰 ・1 クラウド依存の調達 / 障害 / 価格交渉リスク ・業界規制 (金融・医療・公共・ 製造) で外部送信不可 ・監査・トレーサビリティをオンプレで 担保 ・推論ボリュームが大きい用途は 自社 GPU が経済的 ・学習 / 推論で用途別に最適な 場所を選択 ・クラウドごとに得意なモデルとサービス が異なる ・ベスト オブ ブリードで AI と周辺を 組合せ

ハイブリッド + マルチクラウドが解くもの 3 つの観点への解答 ① データ主権・規制 → ・機密データはオンプレで完結 (FPT AI Factory) ・判定結果のメタ情報のみクラウドへ連携 ② 計算リソース経済性 → ・推論ボリュームと機密度で配置先を選択 ・自社 GPU と パブリック クラウドの混在運用 ③ ベンダー戦略の 柔軟性 → ・GCP / Azure / AWS の強いモデルを使い分け ・ ベンダーロックインを構造的に回避

仕様駆動開発 (SDD) の必然性 3 ケース共通の前提としての方法論 ① AI 駆動開発の前提 ・AI コーディングの入力は「仕様」 ・仕様の質が実装速度と品質を決める ・Constitution.md を策定し AI に 読ませ requirements.txt を AI に 出力させ、これらを元に Spec / Plan / Task を AI に出力させ、実装させる ② ハイブリッド ルーティング の判定基準 ③ 監査 / コンプライアンス 対応 ・AI Gateway の切替ロジックを 宣言的に定義 ・AI Routing の判定根拠 (機密 度・配置先・モデル バージョン) を AI Gateway のログに記録し、監査用 にエクスポートして規制対応資料とし て再利用 ・機密度クラス (Public / Internal / Confidential / Restricted / TopSecret) を Constitution.md に定義し、AI Gateway がそれを 読み込んで配置先 (パブリッククラウド / FPT AI Factory) を自動選択、 規則変更時は Constitution.md を更新して全 Case に反映 ・人間と AI が合意できる単一の 判断軸を作る ・ 「なぜこのデータをこの場所で処理 するか」を文書化 ・規制対応 / 監査ログの根拠として 再利用 ・仕様変更の差分が運用変更の差 分に一致

Constitution.md - プロジェクト憲章 【最初に読むべきガードレール】 Constitution.md とは？ • プロジェクトの基本原則・価値観・制約を明文化したガ ードレール • ゼロトラスト原則の規範化 → 「機密情報を外部に送ら ない」 • AI ツールの一貫性を担保 → セキュアな設計を提案さ せる 記載内容 • 仕様書駆動開発の原則 （Spec-Driven Development） • セキュリティファースト（SQL インジェクション、XSS 対策） • 技術スタック制約 （Spring Boot 3.x, PostgreSQL 15, React 18…） • NEW: GitHub Copilot Agent HQ では .copilot/ フォルダに統合 └ .claude-code/ → .copilot/ へ移行 • コーディング規約・禁止事項（生 SQL の使用禁止など） GitHub Copilot での使い方 "@workspace /spec .github/spec/Constitution. md このプロジェクトの設計原則と セキュリティポリシーを教えて"

FPT AI Factory 統合 • 最高性能: 49.85 PFLOPS（TOP500 日本1位）、146,304コアの圧倒的な処理 能力 • NVIDIA 認定: グローバル標準に準拠した H 200クラスター、NVIDIA AI Enterprise ソフトウェア統合 • モデル/実行: vLLM（Gemma-3-1B、 gpt-oss-120b）、SSH + Port Forwarding で接続

AI 駆動開発プロセス （Spec Kit × Cursor × GitHub Copilot） • フロー: Spec Kit で設計 → Cursor Agent で実装 → GitHub Copilot でテスト生成 • 効率: 従来3日 → 4時間 （87%削減） • 品質: テストカバレッジ90%超、自動テスト 生成、エッジケース検出 • 環境/ツール: .NET 8/9、.NET MAUI、 Docker、Cursor、GitHub Copilot、 VS Code、Xcode、Android Studio、 Azure、AWS、GCP

スペック駆動開発の全体フロー specify（要件定義） plan（設計） ゼロトラストを全工程で徹底 ・音声データを信頼できるクラウドで判定 ・文書の機密情報をローカル判定 ・画像データも外部漏洩ゼロ設計 開発時間削減効果 Phase C（文書機密性判定）: 3日 → 4時間 （-87%） task（タスク分解） Phase B（音声AI）: 5日 → 7.5時間 （-85%） ツール連携 実装 テスト Spec Kit 要件/設計 Cursor 実装 Copilot テスト

ハイブリッド EShop シナリオ Cloud Run 上のマイクロサービス＋ハイブリッド GenAI 連携を実演 Catalog Service Basket Service Identity Service Search Service オンプレミス環境 Vertex AI Google Cloud LLM Frontend Service API Gateway オンプレ LLM Google Cloud Engine Gemma, Nemotron FPT AI Factory PostgreSQL Cloud SQL Cloud Run + C#/.NET フルマネージドでスケーラブルな C# / .NET マイクロサービス Redis Memorystore Pub/Sub Vector DB イベント連携 AlloyDB/PG Vector マネージドデータストア Cloud SQL + Memorystore + Pub/Sub で高性能バックエンド ハイブリッド AI 連携 オンプレ＋クラウド AI を必要に応じて 即時切替

実装済み AI 機能 1. セマンティック検索 POST /api/ai/semantic-search 商品の特徴を自然言語で検索し、AI が最適な商品を推薦 例：「軽くて走りやすいランニングシューズを探しています」 2. 会話型バスケット POST /api/ai/basket-chat カート内容を分析し、関連商品やセット商品を AI が提案 例：カート内の商品に合う追加アイテムを提案 3. AI 多数決 (動的ハイブリッド AI プロバイダー連携で最適な応答を実現) • 購入履歴 ‧ 個人情報 → FPT AI Factory vLLM で 内部処理 • 一般的な商品質問は Vertex AI で高速対応

Gemma & Nemo tron JP on FPT AI F acto ry Managed Cluster (H 200 x 8)

【デモ1】セマンティック検索＆商品レコメンデーション • 自然文での検索 → ベクトル検索 → LLM 推薦 → クロスセル提案まで • Vertex AI マルチリージョン自動スケーリングでグローバル規模でも瞬時に体験可能 "夏用の軽量ハイキングシューズを探しています" 自然言語検索 ユーザーの意図を理解し、専門的なキーワードがなく ても最適 な商品を特定 ベクトル検索 商品説明‧特徴をベクトル化し、意味ベースの類似性でマッチング トレイルランナー 軽量 サマーハイカー エアメッシュ ¥12,800 ¥14,500 検索履歴 ‧ 好み ‧ 閲覧パターンから最適な商品を LLM が選定 あなたへのレコメンド 速乾ソックス LLM 商品レコメンド 防水スプレー クロスセル提案 選んだ商品との相性‧使用シーンに最適な関連商品を自動提案 Vertex AI グローバル自動スケーリング • • マルチリージョン展開で世界中どこでも<50ms 15秒間隔需要予測で瞬時に推論能力を調整

【デモ2】会話型バスケット＋パーソナライズ ショッピングカート 半袖Tシャツ（ネイビー） ¥12,500 サイズ：L × 1 ¥2,500 サイズ：25-27cm ¥1,800 サイズ：27.0cm ¥8,200 ランニングソックス（3足組） ランニングシューズ このシューズに合うインソールを探しています ランニングシューズに最適なスポーツインソールがござい ます。クッション性に優れたタイプを追加しますか？ いいですね。予算は3,000円以内で。あ と今日注文すると、到着はいつですか？ ¥2,400のインソールをカートに追加しました！本日 16時までのご注文で明日の午前中にお届け可能 です。送料は無料です。 AI アシスタントに質問... AI チャットによる商品提案 FPT AI Studio vLLM テンプレートで起動した カスタム EC モデルによる会話型提案 パーソナライズド特典自動提案 会員状況‧購入履歴に基づいた最適な割引や特典 を自動表示 配送オプション会話型案内 希望納期や配送方法を会話から 推測し最適な 選択肢を提示 Cloud Run 上のバスケットサービス .NET Pub/Sub経由で FPT AI Studio vLLM OpenAI 互換 API と連携 Cloud Run + Memorystore (Redis) でセッション管理

【デモ3】ハイブリッド AI
パーソナライズと多数決

BasketController.cs

[HttpPost("basket-chat")]
public async Task<IActionResult> BasketChat([FromBody] BasketChatRequest request)
{
// バスケット取得
var basketItems = await _basketService.GetBasketAsync(request.UserId);
// 個人データが含まれる場合はPrivate AI優先
var usePrivateAI = _privacyAnalyzer.RequiresPrivateProcessing(
request.Message, basketItems, request.UserId);

バスケット状態取得
会話コンテキスト ‧ 個人情報分
購入履歴参照
一般質問
FPT AI Factory
プライベート処理

string chatResponse; if
(usePrivateAI)
{
// Gemma/Nemotron vLLM on FPT AI Factory Managed Cluster へ
chatResponse = await _vllmK8sClient.ChatCompletionAsync($"""
バスケット: {string.Join(", ", basketItems.Select(i => i.Name))}
質問: {request.Message}

Vertex AI
クラウド処理

個人情報配慮で親切に回答、提案も追加
""");

ハイブリッド活用ポイント

}
else
{

• 購入履歴 ‧ 個人情報は FPT AI Factory
vLLM で 内部処理

// 一般会話はVertex AI
chatResponse = await _vertexAIClient.GenerateContentAsync($"""
バスケットQ&A: {request.Message}
バスケット: {string.Join(", ", basketItems.Select(i => i.Name))} """);

• 一般的な商品質問は Vertex AI で高速対応
}

• Redis（Memorystore）でバスケット状態を

return Ok(new {
basketItems, userMessage = request.Message, aiResponse = chatResponse, provider
= usePrivateAI ? "FPT AI Factory vLLM" : "Vertex AI",

キャッシュ
• 動的なプロバイダー選択で最適な AI 応答を実現

timestamp = DateTime.UtcNow
});
}

EShop AI Gateway – 複合的判断エンジン フロントエンド層 Web Frontend ユーザー入力 .NET 8 / C# 12 Blazor Server Cloud Run Google Vertex AI クラウド情報で判断 AI Gateway .NET 8 / C# 12 Blazor Server Cloud Run FPT AI Factory オンプレミス情報で判断 ユーザー入力 → 両方の AI に並列送信 → それぞれが持つ情報で判断 → 応答 ※両者の持っている情報が異なる

バーチャル試着アプリ • .NET 9 MAUI（iOS/Android/macOS） 単一コードベース • デモモード: Resources/Images /DemoAssets の 3セット画像を表示 • 実機モード: 内蔵カメラ/EC サイト画像 → FPT AI Factory で画像合成 • ゼロトラスト判定（Phase C）の機密度 判定ロジックに応じて AI プロバイダー選択 • 利用 AI 候補: FPT AI Factory / Azure OpenAI / Amazon Bedrock / Google Vertex AI（選択制）

バーチャル試着アプリ 実機モード

文房具 EC アプリのアーキテクチャ pgvector: セマンティック検索 AI 推論エンジン: Embedding 生成 + RAG 推薦 + チャットボット

文房具 EC アプリの技術スタック ■ 技術スタック • バックエンド: Spring Boot 3.x + Java 17 • モバイル: Swift (iOS) / Kotlin (Android) • データベース: Azure PostgreSQL + pgvector • デプロイ: クラウド PaaS (Zeabur) ■ 主要機能 • 1,000件の文房具商品データ • セマンティック検索（pgvector によるベクトル検索） • AI による商品推薦（RAG） • ハイブリッド AI 基盤（FPT AI Factory ⇄ Azure OpenAI） ■ 開発手法 • 仕様駆動開発（Spec Kit） • Agent HQ（マルチモデル統合管理） - Claude Opus/Sonnet 4.6, GPT-5.2/5.3 Codex 等から選択 • GitHub Copilot × Agent Skills • MCP Server 連携

Agent HQ - 複数 AI を統合管理

Agent Skills + AI IaC による Azure SQL Database for Postgres デプロイ

データベース設計（pgvector 統合）

データベース設計コード -- PostgreSQL + pgvector 拡張 CREATE EXTENSION IF NOT EXISTS vector; -- 商品テーブル CREATE TABLE products ( id bigserial PRIMARY KEY, name varchar(255) NOT NULL, description text, price decimal(10,2), category varchar(100), stock integer, embedding vector(1536) -- セマンティック検索用 ); -- ベクトル検索用インデックス CREATE INDEX idx_product_embedding ON products USING ivfflat (embedding vector_cosine_ops) WITH (lists = 100);

AI ルーティング判定フロー 決定論的なものなのでロジックは AI に実装させない

セマンティック検索実装シーケンス図 1 Level 1パターン（公開情報 → Azure OpenAI）

セマンティック検索実装シーケンス図 2 Level 2パターン（購買履歴参照 → FPT AI Factory）

セマンティック検索実装（Spring Boot）
// ProductRepository.java
@Query(value = """
SELECT *,
1 - (embedding <=> CAST(:embedding AS vector)) as similarity
FROM products
WHERE 1 - (embedding <=> CAST(:embedding AS vector)) > :threshold
ORDER BY embedding <=> CAST(:embedding AS vector)
LIMIT :limit
""", nativeQuery = true)
List<Product> searchByVector(
@Param("embedding") float[] embedding,
@Param("threshold") double threshold,
@Param("limit") int limit
);
// ProductController.java
@GetMapping("/search")
public ResponseEntity<SearchResponse> semanticSearch(
@RequestParam String query) {
float[] embedding = openAIService.createEmbedding(query);
List<Product> results = productRepository
.searchByVector(embedding, 0.6, 10);
return ResponseEntity.ok(new SearchResponse(results));
}

モバイルアプリ 画面案を AI ツールで生成

生成された画像から Swift Code 生成 // ProductSearchView.swift struct ProductSearchView: View { @State private var searchQuery = "" @State private var aiProvider: AIProvider = .fptAIFactory @StateObject private var viewModel = ProductSearchViewModel() var body: some View { VStack { // AI切替トグル Picker("AI Engine", selection: $aiProvider) { Text(" FPT") .tag(AIProvider.fptAIFactory) Text(" Azure") .tag(AIProvider.azureOpenAI) } // 検索バー TextField("商品を検索", text: $searchQuery) .onSubmit { viewModel.search( query: searchQuery, provider: aiProvider) } // 結果リスト List(viewModel.products) { product in ProductRow(product: product) } } } }

まとめ - 今回ご紹介した内容 • • • • ハイブリッド & マルチクラウド アプリの必然性 EC サイト新時代 - ハイブリッド GenAI 構築 ハイブリッドエージェント協調システム – バーチャル試着 文房具 EC アプリ

FPT スマートクラウドジャパン株式会社 Qiita Organization Qiita FPT スマートクラウドジャパンの技術記事をフォロー https://qiita.com/organizations /fpt-smart-cloud-japan

• https://qiita.com/organizations/fpt-smart-cloud-japan

FPT AI Factory - LinkedIn Showcase FPT AI Factory の最新情報をフォロー https://jp.linkedin.com/showcase/fpt-ai-factory-japan/

• https://jp.linkedin.com/showcase/fpt-ai-factory-japan/

本日 最終日！ 秒単位で使える H200 搭載 国内最速級 GPU クラウド トライアルバウチャー1万円分 進呈！ お名刺交換 or 申込書ご記入で進呈

参考資料 参考URL一覧（リソーススライド用） Agent HQ 関連 https://github.blog/news-insights/company-news/welcome-home-agents / https://github.blog/news-insights/company-news/pick-your-agent-use-claude-and-codex-on-agent-hq/ https://docs.github.com/en/copilot/how-tos/use-ai-models/change-the-chat-model https://code.visualstudio.com/blogs/2025/11/03/unified-agent-experience https://code.visualstudio.com/docs/copilot/agents/overview GitHub Copilot https://github.com/features/copilot https://github.com/features/copilot/agents https://docs.github.com/en/copilot Spec-Driven Development https://github.com/github/spec-kit Agent Skills & MCP https://github.com/aktsmm/vscode-agent-skill-ninja https://marketplace.visualstudio.com/items?itemName=yamapan.agent-skill-ninja https://claude.com/blog/extending-claude-capabilities-with-skills-mcp-servers Claude https://www.anthropic.com/claude https://www.anthropic.com/news/claude-opus-4-6 https://x.com/bcherny/status/2023801162634572082?s=46&t=x8ThQ5xz1EucrC3ss1gHig Zeabur https://zeabur.com/ FPT AI Factory https://factory.fpt.ai/ja/

• https://github.blog/news-insights/company-news/welcome-home-agents/
• https://github.blog/news-insights/company-news/pick-your-agent-use-claude-and-codex-on-agent-hq/
• https://docs.github.com/en/copilot/how-tos/use-ai-models/change-the-chat-model
• https://code.visualstudio.com/blogs/2025/11/03/unified-agent-experience
• https://code.visualstudio.com/docs/copilot/agents/overview
• https://github.com/features/copilot
• https://github.com/features/copilot/agents
• https://docs.github.com/en/copilot
• https://github.com/github/spec-kit
• https://github.com/aktsmm/vscode-agent-skill-ninja
• https://marketplace.visualstudio.com/items?itemName=yamapan.agent-skill-ninja
• https://claude.com/blog/extending-claude-capabilities-with-skills-mcp-servers
• https://www.anthropic.com/claude
• https://www.anthropic.com/news/claude-opus-4-6
• https://x.com/bcherny/status/2023801162634572082?s=46&amp;t=x8ThQ5xz1EucrC3ss1gHig
• https://zeabur.com/
• https://factory.fpt.ai/ja/

Thank you!