2Days Seminar 組込み開発向けAI駆動開発 プライベートセミナー

Fixstars Vega

組込みソフトウェア開発現場への、セキュアAIアプライアンス

オープンウェイトLLMを活用し、オンプレミス環境で機密情報を守りながら開発効率を改善
セキュアAI環境の貴社内での構築からAI駆動開発のチーム定着まで、熟練エンジニアが伴走

サービス資料をダウンロード お問い合わせ
Foundation

組込み開発でAIを
安全に活用するために

外部AIを使いたくても、コードや設計情報は外に出せない。
だからこそ、セキュリティ・ナレッジ活用・チーム定着までを考えたAI環境が必要です。

Security

機密情報を守る

コードや設計情報、顧客要件を外部に出さず、セキュリティレベルに応じてAIモデルを使い分けられます。

Quality

実機で使える性能へ

開発環境で動くだけでは量産に進めません。AIが生成したコードを、組込み機器上で求められる性能まで最適化します。

Productivity

チームに定着させる

一部のメンバーの利用に留めず、教育から運用ルール設計まで伴走し、組織全体にAI活用を根付かせます。

Solution

Fixstars Vega による
セキュアAI開発環境

組込み開発チームが、コードや設計情報を外部に出さずにAIを活用できるよう、セキュアなAI基盤の構築から、AIコーディング環境、社内ナレッジ活用、モデル選定、教育・定着支援まで一貫してご提供します。

フィックスターズのご提供範囲

  • インフラの設計・構築
  • AI基盤の設計・構築
  • AIモデルの選定・評価・運用設計
  • AIコーディング環境の導入
  • 社内ナレッジ活用の設計
  • 教育・運用定着支援
Fixstars Vega の全体構成図
Fixstars Vega の全体構成
Get Started

自社の開発環境やセキュリティ要件に合わせた、
構成を検討できます。

サービス資料をダウンロード 導入について相談する
Use Case

組込み開発でAIを
活用できる業務

AIチャット、AI Coding Agent、社内ナレッジ活用を組み合わせることで、調査・実装・レビュー・テスト・保守など、開発者の日常業務を支援します。

既存コードの理解

レガシーコード、制御ロジック、ドライバ、ミドルウェアなどの構造把握を支援します。

仕様書・設計書の参照

社内ドキュメントをもとに、関連仕様や過去の設計判断を素早く確認できます。

コード生成・修正案作成

C/C++、Python、テストコード、ビルドスクリプトなどの作成・修正を支援します。

コードレビュー支援

コーディング規約、設計ルール、過去不具合の観点を踏まえた確認を支援します。

テスト作成・デバッグ支援

単体テスト、異常系テスト、ログ解析、エラー原因の調査を支援します。

性能改善・最適化支援

AIモデルやコードの性能ボトルネック分析、改善案の検討を支援します。

Security

セキュリティ要件に応じて、
AIインフラを柔軟に構成

扱う情報の機密度や社内ポリシーに合わせて、オープンウェイトLLMの実行環境と、クローズドモデルの利用環境を組み合わせて設計します。

オープンウェイトLLM — 実行環境

オンプレミス

オンプレミス

お客様施設内に、当社が貴社専有のハードウェアを構築。コードが施設外に出ない運用が可能です。

ホスト型プライベートクラウド

ホスト型プライベートクラウド

提携データセンターに、当社が貴社専有のハードウェアを構築・運用。お客様の運用負荷を軽減します。

クラウド（VPC型）

クラウド（VPC型）

クラウドベンダーのインフラ上に、当社が貴社専用のVPC環境を構築。初期投資を抑え、短期間で始められます。

クローズドモデル — 利用環境

Amazon Bedrock などのクラウドAIサービス

Amazon Bedrock などのクラウドAIサービス

データが他社の学習に使われない貴社専用のバーチャルプライベートクラウド環境(VPC) で、Claude / GPT-5.x / Nova など最新のクローズドモデルを活用することができます。

Access Control

コードの機密度に応じた、AIモデルの使い分け

モデルオーケストレーターが、貴社のセキュリティポリシーに基づいて安全にモデルを振り分けます。たとえば「クラウドに出せない顧客コードは、社内ローカルAIだけで扱う」といったルールを、担当者の注意に頼らず、仕組みとして守らせることができます。

利用できるAI環境をセキュリティレベルに分けて管理

  • レベル 0

    外部クラウドAI

    入力データの学習利用あり

  • レベル 1

    外部クラウドAI

    入力データの学習利用なし

  • レベル 2

    社内管理クラウドAI

    Amazon Bedrock経由クローズドAIの利用

  • レベル 3

    社内ローカルAI

Get Started

環境要件や運用方針に応じて、
適したAI開発環境の構成をご提案します。

サービス資料をダウンロード 導入について相談する
Quality / Models

タスクに合う検証済みAIモデルで、
開発現場に使える品質へ

AI開発の品質は、モデル選定・出力コード性能・組織ナレッジ活用の3つの観点で底上げします。まずはモデル選定 ― タスクや品質、セキュリティ要件に応じて、フィックスターズが複数のAIモデルを継続的に検証し、お客様の業務に合うAI環境として提供します。

オープンウェイトモデルも、実用的な選択肢に

最新のオープンウェイトモデルは性能向上が進み、オンプレミスや閉域環境でも活用しやすい選択肢になっています。コードや設計情報を外部に出せない業務でも、用途によっては十分な性能を発揮できます。

オープン/クローズドウェイト LLMのベンチマーク性能

応答速度も、最適化して提供

公開モデルをそのまま動かすだけでは、実運用に十分な性能が得られない場合があります。Fixstars Vegaは、パフォーマンスエンジニアリングを施したモデルを標準で提供します。

応答開始までの時間（TTFT P90）の比較

最適化前 順番待ちが多発
約59秒
最適化後 順番待ちはほぼゼロ
約3.8秒 （同時使用90人でも低い応答時間を維持）

※GLM-5.1をNVIDIA H200 × 8で実行した結果。詳細な測定結果はサービス資料をご覧ください。

検証済みのモデルを提供

お客様がゼロからAIモデルを選定・検証する必要はありません。当社エンジニアが実際の開発プロジェクトで評価・検証し、用途・性能・ライセンスまで整理してご提供します。

ご提供するAIモデル

GLM-5.2

  • オープンウェイトモデルの中でも、トップクラスのコーディング性能
  • 長文コンテキストに対応し、大規模なコードベースを読み込んだ開発支援に適する
  • テキスト中心の用途（コード生成・解析など）向け

Qwen3.6-27B

  • 27Bと小さめのサイズながら、実用的なコーディング性能
  • 画像や動画を含むマルチモーダル入力に対応
  • ドキュメント解析や、画面・図表を使った開発支援にも活用可能

※2026年7月時点。提供するモデルは随時更新されます。GLM-5.2はハードウェア構成によってはご利用いただけない場合があります。

タスクの性質に応じたAIモデルの使い分け

テキスト入力のみの仕様書作成タスク、画像の読み込みが必要なE2Eテストタスクなど、タスクの性質ごとに適したAIモデルがあります。その使い分けをAgent に設定できます。

タスクごとのモデル設定例

タスクの性質に応じたAIモデルの振り分け
Quality / Code Optimization

パフォーマンスエンジニアリング・ハーネスによる
高性能な出力コード

Fixstars Vega のパフォーマンスエンジニアリング・ハーネスは、フィックスターズが20年以上蓄積してきた組込み開発プロジェクトでの知見を、AIエージェントが活用できる形に整えた独自ハーネスです。出力されるコードはベテランエンジニアに匹敵し、案件によっては上回る性能を実現します。

提供する機能

tune

汎用的な性能最適化—CPU-GPU同期削減、メモリ配置、torch.compile適用などを自動で書き換え

convert

PyTorchモデルのTensorRT向け推論高速化—graph breakが起きないよう、モデル定義を機能等価のまま自動書き換え

tune-discover

性能最適化知識の発見—既存ナレッジにない新しい最適化パターンを、LLMで自律的に発見・蓄積

※提供機能は順次拡充予定です。

Fixstars Vega 活用による高速化事例

画像セグメンテーション基盤モデル 推論

大バッチ化・プロンプト事前キャッシュ・TensorRT化など

4.7x

SparseDrive 推論

TensorRT化・PTQ・カスタムCUDAカーネルの Plugin化など

3.95x

ResNet-50 学習*

bf16 混合精度量子化・NHWC メモリフォーマット修正・torch.compile 適用など

2.11x

*社内ベンチマークでの計測値（参考値）

Case Studies

各高速化事例の詳しい手法と成果は、
サービス資料でご紹介しています。

サービス資料をダウンロード
Quality / Knowledge

組織のナレッジを、
AIに活用させる

当社が運用してきたナレッジループの方法論を、貴社の組織ナレッジに適用し、組織全体の開発品質を底上げします。プロジェクトを通じて、貴社のベテランの知見と社内規約をAIに参照させる仕組みを育てていきます。

AIに参照させる、貴社の知見・ルール

01

コーディング規約・設計方針

命名規則、設計上の判断、品質基準などのチーム共通ルール

02

業務手順

レビュー、コード解析、ドキュメント生成などの定型作業の進め方

03

プロジェクト固有のルール

役割分担、判断基準、過去の意思決定の理由

※運用開始時は当社が整備を支援し、プロジェクトを通じて貴社のナレッジを育てていきます。

ナレッジ活用の流れ

  1. 1

    ナレッジを準備

    社内の知見やルールをナレッジとして整理

  2. 2

    AIに設定

    プロジェクトに合わせてAIの役割やルールを設定

  3. 3

    AIが参照・判断

    ナレッジを参照し、最適な判断や提案を行う

  4. 4

    出力を生成

    コードや提案など、実務に使える形で出力

  5. 5

    改善・蓄積

    結果を更新し、ナレッジを更新・蓄積する

Productivity

AI開発環境を、
チームで使い続けられる状態へ

AI開発環境は、導入して終わりではありません。フィックスターズは、開発者向けの実践セミナー、利用状況やコストの可視化、最新モデルへの更新・切り替えを通じて、チーム全体でAIを継続的に活用できる状態づくりを支援します。

お客様の状況に合わせたAI活用セミナー

AI駆動開発がチーム全体に定着するまで、実践的な研修で支援します。

プログラム例

  • — AI駆動開発の基本理解
  • — セキュアAI開発環境の使い方
  • — AIコーディングエージェント活用
  • — チームルール・ナレッジ活用
  • — 品質を担保する運用設計

※内容はお客様の状況に応じて個別に設計します

セミナーの詳細を見る
お客様の状況に合わせたAI活用セミナー

利用状況を可視化し、チームでの利用を促進

  • — チーム全体のAI活用状況を、様々な指標で可視化
  • — 平均応答時間やエラー発生率など、利用体験に関わる指標を表示
  • — AIモデルごとのリクエスト数を、割合や時系列で把握
  • — 利用コストを表示。モデル別・個人別の分析も可能
利用状況を可視化し、チームでの利用を促進

ローカル環境でも、モデルを最新に保てる

より適したモデルや新バージョンが登場すれば、検証のうえ提供モデルを更新。管理画面から、モデルの状態確認・停止・入れ替えができます。

ローカル環境でも、モデルを最新に保てる
Implementation

導入の流れ

お客様の状況に合わせて、環境の構築から定着まで伴走します。

※ 期間はプロジェクト規模や要件により変動します

  1. 1

    ヒアリング・要件整理

    1–2 weeks

    お客様のセキュリティ要件、開発フェーズ、既存環境を整理。

  2. 2

    環境設計

    2–4 weeks

    最適なインフラ構成、AIモデル、ツール群、ナレッジ構造を設計。

  3. 3

    環境構築

    2–4 weeks

    インフラ、AIモデル、ツール、管理機能を構築・セットアップ。

  4. 4

    パイロット運用

    1–2 months

    小規模チームで試験運用。課題を洗い出し、運用ルールを調整。

  5. 5

    展開・定着

    Ongoing

    組織全体へ展開。セミナーで活用方法を定着させ、運用を最適化。

Get Started

現在の開発環境や利用目的を伺いながら、
最適な導入ステップをご提案します。

サービス資料をダウンロード 導入について相談する
Get Started

まずは資料をご覧ください

セキュアなAI環境の構築から、AI駆動開発のチーム定着まで。
組込み開発のAI導入をワンストップでご支援します。