AWS re:Invent 2025 主要発表まとめ - Bedrock拡充、Trainium2、Q Developer、新サービス総振り返り

AWS re:Invent 2025とは

AWS re:Inventは、Amazon Web Servicesが毎年ラスベガスで開催する世界最大規模のクラウドカンファレンスです。2025年版は11月30日から12月4日まで開催され、5万人以上の参加者と500以上のセッションが実施されました。本記事では、特に注目度の高かった生成AI・機械学習領域の主要発表を振り返ります。

今回の発表の背景には、2024年以降のエンタープライズAI導入の加速があります。Gartnerの調査によれば、2025年までに大企業の55%が生成AIを本番環境で運用する見込みであり、AWSはこの需要に対応するため基盤サービスの大幅な拡充を打ち出しました。

主要発表1: Amazon Bedrock の拡充

対応モデルの大幅拡大

Amazon Bedrockは、複数のAI基盤モデルを統一APIで利用できるマネージドサービスです。re:Invent 2025では対応モデル数が40以上に達し、以下の新モデルが追加されました。

Bedrock Guardrails 2.0

セキュリティとコンプライアンスを強化するGuardrails機能が第2世代に進化しました。

# Bedrock Guardrails 2.0 の設定例
import boto3

bedrock = boto3.client('bedrock-runtime')

response = bedrock.invoke_model(
    modelId='anthropic.claude-3-7-sonnet',
    body={
        "prompt": "顧客データの分析結果を教えてください",
        "max_tokens": 1024,
        "guardrails": {
            "pii_detection": True,          # 個人情報の自動マスキング
            "toxicity_threshold": 0.3,      # 有害性スコア閾値
            "topic_filters": ["politics"],  # 禁止トピック
            "compliance": ["GDPR", "HIPAA"] # 法令準拠チェック
        }
    }
)

主な新機能:

• 自動PII検出とマスキング: GDPR・個人情報保護法に対応
• コンテキスト認識フィルタ: 文脈を理解して誤検知を削減
• 監査ログ自動生成: CloudTrailと統合し全推論履歴を記録
• カスタムポリシー定義: 業界固有の規制に対応可能

Bedrock Knowledge Bases の RAG 強化

Retrieval-Augmented Generation (RAG) の精度向上のため、ハイブリッド検索とリランキング機能が標準搭載されました。

// Bedrock Knowledge Base with Hybrid Search
import { BedrockAgentRuntimeClient, RetrieveCommand } from "@aws-sdk/client-bedrock-agent-runtime";

const client = new BedrockAgentRuntimeClient({ region: "us-east-1" });

const command = new RetrieveCommand({
  knowledgeBaseId: "KB12345",
  retrievalQuery: { text: "AWSのコスト最適化手法" },
  retrievalConfiguration: {
    vectorSearchConfiguration: {
      numberOfResults: 10,
      overrideSearchType: "HYBRID", // 新機能: キーワード+ベクトル統合検索
      rerankingConfiguration: {
        type: "BEDROCK_RERANKING_MODEL",
        modelId: "cohere.rerank-v3" // Cohereリランキングモデル
      }
    }
  }
});

const response = await client.send(command);

パフォーマンス向上:

• 検索精度 (NDCG@10) が従来比平均23%向上
• リランキングにより誤検索結果が40%削減
• レスポンスタイムは平均1.2秒 (従来1.8秒)

関連: AWS Lambda SnapStartによるコールドスタート対策でRAG APIの初回起動時間を短縮できます。

主要発表2: AWS Trainium2 と推論最適化

Trainium2 チップの性能

AWSが独自開発したAI推論チップTrainium2が発表されました。前世代Trainium1と比較して以下の性能向上を実現しています。

SageMaker での Trainium2 統合

Amazon SageMakerで Trainium2 を使った推論エンドポイントが簡単にデプロイできるようになりました。

import sagemaker
from sagemaker.huggingface import HuggingFaceModel

# Trainium2 最適化済みモデルのデプロイ
huggingface_model = HuggingFaceModel(
    model_data="s3://my-bucket/llama-4-70b-trainium2-optimized.tar.gz",
    role=role,
    transformers_version="4.45",
    pytorch_version="2.3",
    py_version="py311",
    instance_type="ml.trn2.48xlarge",  # Trainium2 インスタンス
    env={
        "HF_TASK": "text-generation",
        "SM_NUM_NEURON_CORES": "32",    # 32コア並列推論
        "NEURON_RT_STOCHASTIC_ROUNDING_EN": "1"  # 精度向上
    }
)

predictor = huggingface_model.deploy(
    initial_instance_count=2,
    endpoint_name="llama4-trainium2-endpoint"
)

response = predictor.predict({
    "inputs": "AWS re:Inventの主要発表を要約してください",
    "parameters": {"max_new_tokens": 512}
})

主要発表3: Amazon Q Developer の進化

統合開発支援への拡張

Amazon Q Developerは、IDE統合型のAIコーディングアシスタントとして2024年にプレビュー公開されましたが、re:Invent 2025で正式リリースとなり、年間200ドルの定額制で以下の機能が統合されました。

主要機能:

• マルチファイル編集: 関連する複数ファイルを同時に修正
• セキュリティスキャン: OWASP Top 10 の脆弱性を自動検出
• テストコード生成: 既存コードからユニットテストを自動作成
• AWS統合: IaCコード (CloudFormation、Terraform) の最適化提案
• チームナレッジ統合: 社内ドキュメント・過去PRを学習して提案

Q Developer Agent Mode

Agent Mode は、自然言語の指示からコード生成・テスト・デプロイまでを自律実行する新機能です。

実行例: Agent Mode実行例:

ユーザー: “ユーザー登録APIをLambda + DynamoDBで作って、CI/CDパイプラインまで構築して”

Q Developer Agent:

1. Lambda関数コード生成 (Python、入力バリデーション付き)
2. DynamoDB テーブル定義 (CloudFormation)
3. API Gateway設定
4. ユニットテスト・統合テスト生成
5. CodePipeline YAML作成
6. セキュリティベストプラクティスチェック

→ 全て実行完了、推定所要時間: 8分

従来のCopilot的なコード補完を超え、エンドツーエンドの実装を委譲できるようになった点が画期的です。ただし複雑な業務ロジックは依然として人間のレビューが不可欠です。

主要発表4: SageMaker Unified Studio

データ・AI・MLを統合する新UI

Amazon SageMaker Unified Studioは、データエンジニア・データサイエンティスト・MLエンジニアが同一プラットフォームで協業するための統合開発環境です。

統合される機能:

• Data Wrangler: ノーコードでのデータ前処理
• Feature Store: 特徴量の再利用と一元管理
• Canvas: ノーコード機械学習モデル構築
• Studio Lab: Jupyter Notebook環境
• Pipelines: MLOps自動化ワークフロー
• Model Monitor: 本番モデルのドリフト検知

flowchart LR
  A[生データ<br>S3/Redshift] --> B[Data Wrangler<br>前処理]
  B --> C[Feature Store<br>特徴量管理]
  C --> D[Canvas/Studio Lab<br>モデル開発]
  D --> E[Pipelines<br>自動学習]
  E --> F[Endpoint<br>推論API]
  F --> G[Model Monitor<br>品質監視]
  G -->|再学習トリガー| E

マルチアカウント・マルチリージョン対応

複数AWSアカウントとリージョンをまたいだML資産の一元管理が可能になりました。エンタープライズで頻出する「開発環境は東京、本番は米国」「部門ごとにアカウント分離」といった構成に対応します。

# SageMaker Unified Studio のマルチアカウント設定例
studio_domain:
  domain_name: "enterprise-ml-studio"
  auth_mode: "IAM_IDENTITY_CENTER"  # AWS IAM Identity Center統合
  account_links:
    - account_id: "111122223333"
      role_arn: "arn:aws:iam::111122223333:role/SageMakerCrossAccountRole"
      regions: ["us-east-1", "ap-northeast-1"]
    - account_id: "444455556666"
      role_arn: "arn:aws:iam::444455556666:role/SageMakerCrossAccountRole"
      regions: ["eu-west-1"]
  shared_feature_store: true   # 特徴量ストアを全アカウントで共有
  model_registry_replication: true  # モデルレジストリをリージョン間複製

主要発表5: その他の注目サービス

Amazon S3 Tables

S3上でApache Icebergフォーマットのテーブルをネイティブ管理できる新サービス。従来Athena や Glueで管理していたメタデータを、S3が直接ハンドリングします。

メリット:

• トランザクションACID保証
• タイムトラベルクエリ (過去時点のデータ取得)
• スキーマ進化の自動管理
• Athena / Redshift Spectrum / EMRから透過的にアクセス

-- Amazon S3 Tables with Apache Iceberg time travel
-- Amazon Athena SQL query example
-- Reference: https://docs.aws.amazon.com/athena/latest/ug/querying.html

SELECT product_id, SUM(sales) as total_sales
FROM s3_table('s3://my-bucket/sales-table')
FOR SYSTEM_TIME AS OF TIMESTAMP '2025-12-01 00:00:00'  -- タイムトラベル
WHERE region = 'ap-northeast-1'
GROUP BY product_id;

AWS HealthScribe 正式リリース

医療記録の自動文字起こし・構造化サービス。医師と患者の会話を録音すると、診断名・処方薬・検査指示などをFHIR形式で自動抽出します。

対応言語:

• 英語 (米国・英国・豪州方言)
• 日本語 (2026年Q2予定)
• スペイン語、ドイツ語 (2026年下半期)

Amazon CloudWatch Application Signals

分散トレーシングとメトリクスをコード変更なしで自動収集する新機能。従来のX-RayやOpenTelemetry手動計装が不要になります。

対応環境:

• Java (Spring Boot、Quarkus)
• Python (Flask、FastAPI)
• Node.js (Express)
• .NET Core
• Lambda、ECS、EKS で自動有効化

# Amazon CloudWatch Application Signals for EKS
# Auto-instrumentation without code changes
# Reference: https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/CloudWatch-Application-Signals.html

kubectl apply -f - <<EOF
apiVersion: v1
kind: ConfigMap
metadata:
  name: cloudwatch-config
  namespace: amazon-cloudwatch
data:
  application-signals: |
    enabled: true
    auto_instrumentation:
      java: true
      python: true
      nodejs: true
EOF

日本リージョン関連の発表

大阪リージョンでのBedrock提供開始

2026年第2四半期に、大阪リージョン (ap-northeast-3) でAmazon Bedrockが利用可能になります。これにより、データ主権要件が厳しい金融・公共セクターでも生成AIを活用できます。

提供予定モデル:

• Claude 3.7 Sonnet, Haiku
• Llama 4 70B
• Titan Text, Embeddings

東京リージョンでのTrainium2提供

東京リージョン (ap-northeast-1) でも2026年Q2にTrainium2インスタンスが利用可能になります。国内データセンター完結のAI推論が実現し、レイテンシと法令対応の両面で優位性が生まれます。

想定ユースケース:

• リアルタイム翻訳サービス
• 金融不正検知
• コールセンター応答分析

関連: AWS re:Invent 2024 振り返りでは、前年のBedrock基盤発表について解説しています。

企業への影響と導入検討ポイント

コスト最適化の観点

セキュリティ・コンプライアンス

必須対応項目:

• データ所在地の明示: Bedrockは東京/大阪リージョン利用時、データが国外に出ないことを保証
• モデルバージョン管理: 本番環境では特定バージョンを指定 (例: claude-3-7-sonnet-20251201)
• プロンプトインジェクション対策: Guardrails の topic filters と toxicity threshold を設定
• コスト上限設定: Service Quotas でトークン上限を設ける

導入ロードマップ例

Phase 1 (1〜2ヶ月): PoC
- Bedrock Playgroundで社内ユースケース検証
- Q Developerを少数開発者でパイロット運用
- コスト試算とROI計算

Phase 2 (3〜4ヶ月): 限定本番
- 非クリティカルな業務 (社内FAQ、ドキュメント要約) で本番化
- Guardrails設定とログ監視体制構築
- 開発者全員にQ Developer展開

Phase 3 (5〜6ヶ月): 全社展開
- 顧客向けチャットボット、推薦システムへ展開
- SageMaker Unified Studioでデータチーム統合
- Trainium2への推論ワークロード移行

よくある質問

Bedrockと自前でLLMをホスティングする場合の違いは何ですか

Bedrockはマネージドサービスのため、インフラ管理・モデル更新・スケーリングをAWSが担います。自前ホスティング (EC2 + vLLM等) は柔軟性が高い反面、運用コストと専門知識が必要です。月間推論量が1億トークン以下ならBedrock、それ以上かつ専任チームがあれば自前ホスティングが経済的です。

Q Developerは日本語コードに対応していますか

日本語コメントや変数名は理解しますが、コード生成の精度は英語コメントの方が高いのが現状です。2026年Q3に日本語特化モデルの投入が予定されています。それまでは重要なロジックは英語コメントで指示することを推奨します。

Trainium2はどのフレームワークに対応していますか

PyTorch 2.3以降、TensorFlow 2.15以降、JAX、Hugging Face Transformersが公式対応しています。AWS Neuron SDKを経由して既存のPyTorchコードをほぼ無修正で動かせます。ただし一部カスタムオペレータは未対応のため、事前検証が必要です。

まとめ

AWS re:Invent 2025は、生成AIとMLの企業導入を加速する発表が中心でした。重要なポイントを再掲します。

• Bedrockは対応モデル40以上、Guardrails 2.0で企業要件に対応可能に
• Trainium2は推論コストを最大60%削減、東京・大阪リージョンで2026年Q2提供
• Q Developerはコーディング支援を超え、自律的なエージェント機能を搭載
• SageMaker Unified Studioでデータ・AI・MLチームの統合開発が実現
• 日本リージョンでBedrockとTrainiumが本格展開、データ主権要件に対応

2026年は「AIインフラの選択肢が広がる年」です。自社のワークロード特性とコスト、コンプライアンス要件を整理し、最適なサービス組み合わせを選定することが成功の鍵になります。

参考リソース

• AWS re:Invent 2025 公式サイト - セッション動画とスライド
• Amazon Bedrock 開発者ガイド - Guardrails、モデル一覧、API仕様
• AWS Trainium2 Technical Deep Dive - チップアーキテクチャとベンチマーク
• Amazon Q Developer ドキュメント - IDE統合とAgent Mode設定
• SageMaker Unified Studio 紹介ページ - 機能詳細とハンズオン