エッジコンピュータビジョン - AWS Panorama (提供終了) と現場 AI 分析の代替構成
AWS Panorama は 2026 年 5 月 31 日に提供終了。既存 IP カメラを現場で AI 分析する構成の代替 (SageMaker + NVIDIA Jetson 系デバイス + IoT Greengrass) と、提供当時の仕組みを解説します。
提供終了と移行先
AWS Panorama は 2026 年 5 月 31 日をもって提供終了 (End of Support) となりました。新規利用の受付は 2025 年 5 月 20 日に終了しています。Panorama Appliance はクラウドサービスへの接続に依存していたため、サービス終了後はデバイス自体も動作しません。AWS 公式の案内では、代替として AWS パートナーの既製ソリューションを利用するか、Amazon SageMaker (JumpStart のコンピュータビジョンアルゴリズムを含む) でモデルを構築し、NVIDIA Jetson ベースの市販デバイスやエッジサーバー上で実行して、AWS IoT Greengrass などでエッジ管理を行う構成が示されています。本記事は提供当時の仕組みを記録した歴史的資料 + 移行ガイドとして残しています。
エッジコンピュータビジョンの必要性
IP カメラの映像をクラウドに送信して ML で分析する構成は、帯域コスト、遅延、プライバシーの観点で課題があります。HD カメラ 1 台あたり 2〜5 Mbps の帯域が必要で、複数カメラの映像をクラウドに送信するとネットワークコストが膨大になります。リアルタイム性が求められるユースケース (安全監視、品質検査) では、クラウドへの往復遅延が許容できません。また、映像データには個人のプライバシー情報が含まれるため、クラウドへの送信自体がリスクになる場合があります。AWS Panorama はエッジデバイス (Panorama Appliance) に ML モデルをデプロイし、IP カメラの映像をローカルでリアルタイム分析するサービスでした。映像データはエッジで処理され、分析結果 (メタデータ) のみがクラウドに送信される設計でした。
Panorama Appliance とモデルデプロイ
Panorama Appliance は NVIDIA GPU を搭載したエッジデバイスで、最大 8 つの IP カメラストリームを同時に分析できました。RTSP プロトコルで IP カメラに接続し、映像フレームを取得して ML モデルで推論を実行する構成で、ML モデルには SageMaker で構築したカスタムモデル、または事前トレーニング済みモデル (物体検出、人物検出など) を使用できました。モデルは Docker コンテナとしてパッケージングし、Panorama コンソールからエッジデバイスにデプロイしました。アプリケーションロジック (Python) でモデルの推論結果を処理し、条件に応じたアクション (アラート送信、メトリクス記録) を実行しました。モデルの更新もクラウドからリモートで行えたため、現場に出向く必要がありませんでした。
ユースケースと料金
Panorama の主なユースケースは、製造ラインの品質検査 (提供当時は Lookout for Vision のモデルをエッジにデプロイして外観不良をリアルタイム検出。同サービスも 2025 年 10 月に提供終了)、小売店の来客分析 (入店者数のカウント、動線分析、棚の在庫状況の検知)、建設現場の安全監視 (ヘルメット・安全ベストの着用チェック、立入禁止区域への侵入検知)、駐車場の空き状況検知 (カメラ映像から空き台数をリアルタイムに算出) でした。 Panorama Appliance のハードウェア価格は 1 台約 4,000 USD の買い切りで、月額のサービス料金は処理するカメラストリーム単位で課金されました (詳細は後述の料金の節)。クラウドへのメタデータ送信に伴う通信コストは最小限で、映像データの転送コストは発生しませんでした。 Panorama 対応デバイス (Compatible device) として公式に認定されていたサードパーティ製ハードウェアは Lenovo ThinkEdge SE70 (NVIDIA Jetson Xavier NX 搭載) の 1 機種のみで、Panorama Appliance 以外の選択肢はこの機種に限られていました。調達性や設置形態に合わせて機種を選び分けられる状況ではなかったため、ハードウェアの供給元が実質的に固定される点は、導入時に考慮すべき制約でした。
Panorama の料金と運用
提供終了に伴い、以下の料金体系は現在は存在しません (提供当時の記録)。Panorama アプライアンスは約 4,000 ドルの買い切りで、月額料金はデバイス単位ではなく、デバイス上で処理するアクティブなカメラストリーム 1 本あたり月額 8.33 ドルが課金される体系でした。このほか、デバイスにデプロイするアプリケーション資産 (ML モデルとビジネスロジック) のクラウド保存に 1 GB あたり月額 0.10 ドルがかかりました。エッジで推論を実行するため、クラウドへの映像転送コスト (帯域) が不要で、リアルタイム性が求められるユースケースではクラウド推論と比較してトータルコストが有利でした。モデルの更新は OTA (Over-the-Air) で配信でき、現場に出向くことなくリモートで推論ロジックを改善できました。デバイスの稼働状況と推論パフォーマンスの監視には CloudWatch メトリクスを使いました。
モデル開発とデプロイのワークフロー
エッジでの画像分析は、クラウドでの開発と、現場での実行を組み合わせて進めます。まず、潤沢な計算資源を持つクラウド側で、画像認識のモデルを学習・評価します。完成したモデルを、現場に設置した機器へ配信して実行させる流れです。一つの機器で複数のカメラ映像を同時に処理できるため、現場の複数地点を一括で監視できます。モデルを更新したら、再び現場の機器へ配信して反映します。クラウドでの開発の柔軟性と、現場での実行による即時性を組み合わせることで、開発しやすさと低遅延の分析を両立できます。
プライバシーと現場処理の利点
カメラ映像を現場で分析する大きな利点は、映像そのものをクラウドへ送らずに済むことです。映像には、人物の顔や個人を特定しうる情報が含まれることが多く、これを外部へ送信するとプライバシー上の懸念が生じます。エッジで処理し、必要な分析結果だけをクラウドへ送る構成にすれば、機微な映像を現場に留めたまま活用できます。同時に、大容量の映像データを送らないため、通信量とコストも抑えられます。プライバシーへの配慮と帯域の節約を両立できる点が、映像分析をエッジで行うことの本質的な価値になります。
まとめ - 移行の指針
AWS Panorama は既存 IP カメラのエッジ AI 分析を最小構成で実現するサービスでしたが、2026 年 5 月 31 日に提供終了し、Appliance も動作しなくなりました。現在同等の構成を組むには、SageMaker で構築したモデルを NVIDIA Jetson 系デバイスやエッジサーバーで実行し、IoT Greengrass などで配布・管理します。エッジで推論して映像を外に出さないという設計は、プライバシーと帯域幅の要件がある現場で引き続き有効です。
参考資料 (AWS 公式)
本ページの一次情報は AWS 公式サイトおよび公式ドキュメントです。最新の仕様 / 料金は次の公式ページで確認できます。
本ページと公式ドキュメントの記述が食い違う場合は、公式ドキュメントを正としてください。