Fundamental社の大型表計算モデル「NEXUS」がAmazon SageMaker JumpStartで利用可能に

本日、Fundamental の NEXUS モデルに対する [Amazon SageMaker AI](https://aws.amazon.com/sagemaker/ai/) のサポートを発表いたします。この発表により、表形式データ予測のために特別に設計されたファウンデーションモデル（FM）をデプロイできるようになります。本モデルは、構造化データから数ヶ月ではなく数日で正確かつ決定論的な予測を生成することを企業に支援します。 本記事では、[Amazon SageMaker JumpStart](https://aws.amazon.com/sagemaker/ai/jumpstart/) 上で NEXUS を使い始める方法、デプロイプロセスの概要、および企業のデータセットに対して予測を実行する方法についてご紹介します。 ## NEXUS とは何か？ NEXUS は [Fundamental](https://fundamental.tech/) が開発したファウンデーションモデルで、表形式データの予測に特化しています。大規模言語モデル（LLM）はテキスト処理のために設計されており、従来の機械学習（ML）アプローチでは広範な特徴量エンジニアリングとモデルトレーニングが必要です。NEXUS はこれとは異なるアプローチを採用しています。構造化データセットにおける数十億件の実世界の予測タスクで事前トレーニングされているため、データ内のシグナルを見つける方法をすでに備えています。 大規模表形式モデルとして、NEXUS は構造化データの分析のために構築されており、以下の主要な革新性を提供します： - 決定論的アーキテクチャ – 確率的大規模言語モデル（LLM）は、同一のクエリに対して異なる回答を出力する可能性があります。一方、NEXUS は個々の予測ごとに一貫性があり再現可能な結果を生み出します。 - ネイティブな表形式データの理解 – 数十億枚の表で訓練された NEXUS は、手動の特徴量エンジニアリングを必要とせず、数値、カテゴリ、日付、非構造化テキストをネイティブに処理できます。 - 非逐次的推論 – 多くの AI モデルは逐次データを予測します（例えば、次の単語や次のピクセルなど）。NEXUS は企業内の表における多次元関係を分析します。例えば、顧客離脱（チャーン）を予測する際、NEXUS は複数の要因（取引頻度、サポートチケット数、経済指標など）が離脱確率にどのように影響するかを理解します。 ## 既存のアプローチがなぜ不十分なのか 最も価値のある企業データは、スプレッドシート、エンタープライズリソースプランニング（ERP）システム、カスタマーリレーションシップマネジメント（CRM）システム、およびリレーショナルデータベースなどの表形式に格納されています。多くの重要なビジネス判断は、このデータに対する予測に基づいて行われます。しかし、現在のツールには重大な限界があります： - 従来の機械学習では、単一のユースケースに対してモデルを構築・訓練・展開するまでにデータサイエンティストのチームが3〜6ヶ月を要します。予測の品質と量の間に常にトレードオフが生じます。 - 大規模言語モデル（LLM）は非決定論的であり、同じデータセットに対しても異なる回答を生成します。トークン化の数値コンテキストを失うため構造化データに対して不正確な結果をもたらすことがあり、これらの問題を緩和するために複雑なガードレールが必要となります。 NEXUS は表形式データを前提に設計されており、以下のような利点を提供します: - 順列不変性 – カラムの順序を変更しても意味は変わらないことを認識します。これはトランスフォーマーがデータを処理する方法とは異なります。 - ビリオン行対応能力 – トランケーションやサンプリングを行わずに大規模データセットを処理できます。 - クロススキーマ推論 – 関連するデータを自動的に異なるテーブル間で結びつけます。 - オートノマスなデータクリーニング – 不完全なエントリを解決します（例えば、NEXUS はエントリが欠落していても予測を実行可能です）。 ## Amazon SageMaker AI における NEXUS の動作 以下の図は、SageMaker AI で NEXUS を使用して展開し予測を実行するエンドツーエンドのフローを示しています。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/05/21/ML-20964-1.png) NEXUS は、SageMaker AI の管理環境内にある専用・シングルテナント・ネットワーク分離された GPU インスタンス上で動作します。ワークフローは以下のステップで構成されます： - サブスクライブしてデプロイ – AWS Marketplace で NEXUS モデルパッケージをサブスクライブし、ml.p5en.48xlarge インスタンス（8× NVIDIA H200 GPU）上で SageMaker AI 管理推論エンドポイントとしてデプロイします。 - SDK のインストール – Fundamental Python SDK をインストールして、SageMaker エンドポイントに接続します。この SDK は、NEXUSClassifier および NEXUSRegressor エスティメータを備えた、親しみやすい scikit-learn 互換 API を提供します。 - データの Amazon S3 へのアップロード – SDK がテーブル形式データをシリアライズし、アカウント内の Amazon Simple Storage Service (Amazon S3) バケットにアップロードします。 - モデルのトレーニング – clf.fit(X_train, y_train) を呼び出してトレーニングを実行します。NEXUS はデータクリーニングと特徴量エンジニアリングを自動的に処理するため、手動パイプラインは不要です。 - 予測の生成 – 決定論的予測には clf.predict(X_test) を、確率推定には clf.predict_proba(X_test) を呼び出します。結果は再度 Amazon S3 バケットに保存されます。 このプロセス全体を通じて、データはお客様の AWS 環境内に留まります。エンドポイントはネットワーク分離されシングルテナントであるため、機密データを扱うエンタープライズワークロードに適しています。 ## Amazon SageMaker AI で NEXUS を始める 始めるには、[Amazon SageMaker JumpStart](https://aws.amazon.com/sagemaker/ai/jumpstart/) にアクセスし、「Fundamental NEXUS」を検索して、以下のオプションから選択してください。 - ベースモデル（100 億行以上の表形式データで事前学習済み）。 - 業界特化型バリアント（金融、医療、製造業向け）。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/05/21/ML-20964-2.png) ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/05/21/ML-20964-3.png) ## 業界を変革するエンタープライズユースケース 表形式データは、財務台帳から患者記録、サプライチェーンログに至るまで、企業の意思決定の基盤です。NEXUS はこのデータのために特別に設計されており、広範な特徴量エンジニアリングやモデル学習を必要とせず、生きた構造化データから本番環境レベルの予測へと迅速に移行できます。以下は、NEXUS が価値を生み出す代表的なユースケースの一部です。 ## 金融サービス - 不正検出 – 数百万件の口座にわたる取引パターンを分析します。 - クレジットリスクモデリング – 自動特徴量抽出機能を活用してローンポートフォリオを処理します。 - 規制コンプライアンス – 非構造化の規制提出書類から構造化データを抽出します。 ## ヘルスケア - 臨床試験マッチング – 電子健康記録（EHR）システム全体で対象患者を特定します。 - 創薬 – 化合物スクリーニングのための生物学的アッセイデータを分析します。 - 患者リスク層別化 – 集中治療室（ICU）の時系列データを用いて再入院リスクを予測します。 ## 製造業とサプライチェーン - 予知保全 – センサーデータから設備の故障を予測します。 - 需要予測 – グローバルな流通ネットワーク全体における在庫ニーズを見積もります。 - サプライヤーリスク分析 – 調達履歴を用いてベンダーの信頼性を評価します。 ## リテールと EC - チューン予測 – 購入履歴や閲覧行動を活用し、離脱リスクのある顧客を特定します。 - ダイナミックプライシング – 競合他社のデータや在庫水準に基づいて価格を最適化します。 - カート放棄分析 – オンラインカートに商品を置いたまま離脱する理由の理解を支援します。 ## Amazon SageMaker AI で NEXUS を選ぶ理由 モデルのデプロイは課題の半分です。モデルを実行するインフラストラクチャが、実験から本番環境への移行速度を決定します。SageMaker AI は、NEXUS をエンタープライズ規模で実行するための管理済みかつ安全でスケーラブルな環境を提供します。NEXUS と AWS の組み合わせにより、差別化されない重労働を削減し、データサイエンティストがインフラストラクチャの管理ではなくビジネス成果に集中できるようにします。 - 価値提供までの期間の短縮 – 事前構築されたコンテナとスクリプトにより、デプロイ時間を削減します。 - コスト効率性 – SageMaker AI の管理型インフラストラクチャが運用オーバーヘッドを軽減します。 - スケーラビリティ – ペタバイト規模のデータセットに自動的にスケールします。 - コンプライアンス対応済み – デフォルトで GDPR、HIPAA、SOC 2 の要件を満たしています。 - 継続的学習 – モデル再トレーニングのために Amazon SageMaker Pipelines とネイティブ統合されています。 - マルプレックスサポート – 単一の SageMaker AI エンドポイント上で複数のフィット（fit）および予測（predict）操作をサポートし、各ユースケースに専用のリソースを必要としないようにします。 ## AWS との戦略的パートナーシップ Fundamental は、企業の採用加速のために AWS と戦略的パートナーシップを締結しました: - ネイティブ統合 – NEXUS を直接 AWS Marketplace からデプロイできます。 - セキュアなインフラストラクチャ – AWS の安全でコンプライアンス対応済みのクラウド環境上で実行されます。 - エンタープライズサポート – 実装ガイダンスのために専任の AWS Solutions Architects が提供されます。 ## 次のステップ データ駆動型の意思決定を変革する準備はできましたか？ - 詳細については Fundamental チームにお問い合わせください。 - Amazon SageMaker AI の JupyterLab スペースで、管理されたサンプルノートブックを試用してください。 ## 結論 本記事では、Amazon SageMaker AI 上の NEXUS モデルサポートが、構造化データ資産から新たな知見を引き出す方法について解説しました。設備の故障予測、サプライチェーンの最適化、あるいは金融詐欺の検出など、どのようなエンタープライズ向け予測ワークロードにおいても、NEXUS は決定論的かつスケーラブルな機能を提供します。 詳細については、以下のリソースをご覧ください: - Fundamental NEXUS ドキュメント - Amazon SageMaker AI 開発者ガイド ## 著者について ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/06/01/20964-a1-100x133.jpg) ## Vivek Gangasani Vivek は、SageMaker Inference のソリューションアーキテクチャにおける世界全体のリーダーです。彼は SageMaker Inference 向けのソリューションアーキテクチャ、技術的な市場投入（GTM）、およびアウトバウンド製品戦略を統括しています。また、企業やスタートアップが GenAI モデルのデプロイと最適化を行い、SageMaker と GPU を活用した AI ワークフローを構築するのを支援しています。現在、彼は Agentic ワークフローや RAG（Retrieval-Augmented Generation）などのユースケースにおける推論パフォーマンスの最適化戦略とコンテンツ開発に注力しています。 ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/06/01/Hq-pic-100x100-1.png) ## Hazim Qudah Hazim は、Amazon Web Services の AI/ML スペシャリスト ソリューションアーキテクトです。AWS の技術とベストプラクティスを活用して顧客が AI/ML ソリューションを構築し、導入するのを支援することに喜びを感じています。AWS での役割以前には、多くの業界や地域にまたがる顧客に対して、長年にわたりテクノロジーコンサルティングに従事していました。趣味の時間には、ランニングをしたり、愛犬と遊んだりするのが好きです! ![image](https://d2908q01vomqb2.cloudfront.net/f1f836cb4ea6efb2a0b1b99f41ad8b103eff4b59/2026/06/01/20964-a3-100x133.jpg) ## Jimmy Shah Jimmy は、AWS の SageMaker AI におけるプリンシパル スペシャリストです。SageMaker AI のアウトバウンド製品管理および技術的 Go-to-Market (GTM) 戦略を主導するチームの一員であり、特に金融サービスセグメントに注力しています。現在、SLM(スモールランゲージモデル) のファインチューニングとデプロイメント、エージェント型 AI、推論最適化のユースケースに関する戦略やコンテンツの開発に取り組んでいます。

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト