【NVIDIA A100/H100】クラウドGPUレンタル比較ガイド（RunPod・Vast.ai・Lambda Labs）

はじめに

大規模言語モデル（LLM）の学習や推論、高解像度画像生成、科学技術計算など、現代の先端AI開発には膨大な計算リソースが必要です。特にNVIDIAのA100やH100といった高性能GPUはその中心的存在ですが、これらのGPUを個人や中小規模のチームが自前で調達・運用することは、コストと技術的ハードルの両面で非常に困難です。

この課題を解決するのが、クラウドGPUレンタルサービスです。必要な時に必要な分だけ高性能GPUを利用できる「GPU as a Service」は、研究者や開発者にとって強力な味方となっています。本記事では、特に人気の高い3つのサービス、RunPod、Vast.ai、Lambda Labsに焦点を当て、A100/H100のレンタルという観点から、その料金体系、スペック、使いやすさ、セットアップ手順を詳細に比較・解説します。プロジェクトの要件と予算に最適なサービスを選択するための一助となれば幸いです。

前提条件・必要な環境

以下の手順や比較を理解し、実際にサービスを利用するために必要な前提条件は以下の通りです。

• 基本的なコマンドライン操作の知識（Linuxコマンド）
• Pythonと主要AIフレームワーク（PyTorch, TensorFlow）に関する基礎知識
• SSHクライアント（Terminal, PowerShell, PuTTY等）
• クレジットカード（各サービスでの支払い登録用。Vast.aiは一部仮想通貨も可）
• 安定したインターネット接続

主要3サービス徹底比較：RunPod vs Vast.ai vs Lambda Labs

まずは、各サービスの基本特徴と、A100/H100に焦点を当てた比較表をご覧ください。

基本特徴

• RunPod: 開発者フレンドリーなUIと豊富なプリセットテンプレートが特徴。サーバーレスGPUも提供。コミュニティが活発。
• Vast.ai: 「GPUのAirbnb」とも称されるマーケットプレイス形式。個人が所有するGPUを掲載するため、価格変動が大きく、非常に安価なインスタンスを見つけられる可能性がある。
• Lambda Labs: AI研究開発に特化したプロバイダ。自社データセンターを運用し、パフォーマンスと安定性に定評がある。NVIDIAと緊密に連携。

A100/H100 料金・スペック比較（目安）

※ 価格は変動するため、実際の利用時には各サービス公式ページで最新情報を確認してください。記載価格は2024年中頃の調査に基づく目安です。

• RunPod:
  • A100 40GB PCIe: ~$1.79/時間程度
  • A100 80GB SXM4: ~$2.69/時間程度
  • H100 PCIe: ~$4.69/時間程度
  • 特徴: シンプルな時間課金。ネットワーク転送料金が別途発生する場合あり。
• Vast.ai:
  • A100 40GB/80GB: オークション形式のため価格変動が激しい。$0.5〜$2.5/時間の範囲で頻繁に変動。
  • H100: 供給が少なく高価格な傾向。
  • 特徴: 入札制。初期設定（インターネット速度、信頼性スコア）を確認することが極めて重要。
• Lambda Labs:
  • A100 40GB SXM4: ~$1.50/時間程度（長期契約で割引あり）
  • H100 SXM5 80GB: ~$4.92/時間程度
  • 特徴: 時間単位、月単位、マルチイヤー契約など柔軟な契約形態。クラウド（Lambda Cloud）とオンプレミス（Lambda Stack）の両方を提供。

注意点: Vast.aiの低価格インスタンスは、しばしば低速なネットワーク（1Gbps以下）や再起動リスクを伴います。重要な実験や長時間のジョブには安定性を優先した選択が無難です。

手順1: RunPodでA100インスタンスを起動する

RunPodの直感的なUIを使ったセットアップ手順です。

1. アカウントを作成し、支払い方法を登録します。
2. ダッシュボードから「Deploy」または「Community Cloud」を選択します。
3. 「Select GPU」で「A100」をフィルタリングし、希望のVRAM容量（40GB/80GB）を選択します。
4. 「Select Template」では、PyTorchやTensorFlowがプリインストールされた公式テンプレート（例: RunPod PyTorch）を選択するのがおすすめです。
5. ストレージ容量や公開ポート（Jupyter用の8888ポート等）を設定します。
6. 「Deploy」をクリックすると、数分でインスタンスが起動します。起動後、詳細画面からSSH接続コマンドが確認できます。

ターミナルで以下のようにSSH接続します（コマンドはRunPodが提供するものをそのまま使用）。

ssh -p [ポート番号] [ユーザー名]@[インスタンスIP] -i [秘密鍵のパス]

手順2: Vast.aiで最安値のA100インスタンスを見つけて利用する

Vast.aiは価格競争力が最大の魅力ですが、選択には注意が必要です。

1. アカウント作成後、「Create」ページに移動します。
2. 左側のフィルターで「GPU Name」に「A100」を選択します。
3. ソート順を「Total Price (ASC)」にして最安値を探します。
4. 必ず以下の項目を確認してください:
   • Reliability: 0.9以上を強く推奨。
   • Internet Speed: データセットのアップロードが必要な場合は1Gbps以上が望ましい。
   • Storage Size: 必要なディスク容量を確保しているか。
   • Rentable: 「Yes」であること。
5. 希望のインスタンスを選択し、「Rent」をクリックします。
6. 起動後、「Instances」タブからSSH接続情報（コマンド）を取得します。通常、パスワード認証またはSSHキー認証です。

接続後、必要なソフトウェアを自分でインストールする必要がある場合が多いです。

# 例: MinicondaとPyTorchのインストール
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh -b
~/miniconda3/bin/conda init bash
source ~/.bashrc
conda create -n py311 python=3.11 -y
conda activate py311
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

手順3: Lambda Labs (Lambda Cloud) でH100インスタンスをセットアップ

Lambda Cloudは安定性とパフォーマンスを求めるユーザー向けです。

1. Lambda Cloudのページからサインアップし、クレジットを追加します（初回利用時に無料クレジットが付与されるキャンペーンが多い）。
2. ダッシュボードの「Instances」から「Launch instance」をクリック。
3. 「GPU Type」で「H100 SXM5」を選択。リージョンとインスタンスタイプを選びます。
4. 「Select Image」では、Lambdaが最適化したディープラーニングイメージ（例: 「Lambda TensorFlow (PyTorch)」）を選択できます。
5. SSHキーペアを新規作成または既存のものをインポートします。
6. 「Launch」をクリックして起動。数分で準備完了です。
7. インスタンス一覧からパブリックIPを確認し、SSH接続します。

ssh -i ~/.ssh/[あなたの鍵名].pem ubuntu@[インスタンスのパブリックIP]

Lambdaのプリインストール環境は非常に充実しており、すぐに開発を始められることが多いです。

トラブルシューティング

各サービスで遭遇しやすい問題とその解決策です。

• SSH接続ができない:
  • ファイアウォール設定を確認（RunPod/Vast.aiではポート開放が必要な場合あり）。
  • 秘密鍵のパーミッションが正しいか確認 (chmod 600 [鍵ファイル])。
  • Vast.aiでは、プロバイダ側のネットワーク問題で接続が不安定になることがある。インスタンスを再起動または別のインスタンスに変更する。
• GPUが認識されない / PyTorchでCUDAエラー:
  • ドライバーとCUDAバージョンの互換性を確認。nvidia-smiでドライバー版数を、nvcc --versionでCUDAツールキット版数を確認。
  • PyTorchをインストールする際、上記CUDAバージョンに合ったコマンドを使用する。
  • Dockerコンテナ内で作業している場合、ホストのGPUをコンテナに正しくマウントしているか確認 (--gpus all オプション等)。
• Vast.aiでインスタンスが突然終了する:
  • 信頼性スコアの低いプロバイダを利用している可能性が高い。次回は信頼性スコア0.95以上のインスタンスを選ぶ。
  • プロバイダがマシンを手動で回収した可能性もある。Vast.aiの仕組み上、完全な回避は難しい。
• ディスク容量不足
  • 大規模データセットを使用する場合は、インスタンス起動時に十分なストレージ容量（500GB以上）を確保する。
  • RunPodやLambda Labsでは、後からストレージを追加できる場合がある。
  • 不要な中間ファイルは随時削除する。