【2026年】AI学習データ収集向けプロキシ比較｜Oxylabs vs Bright Data

大規模なAI学習データ収集向けのプロキシとして、2026年時点で私が最有力と判断するのはOxylabsとBright Dataです。両社とも大規模なレジデンシャルIPプール（ベンダー公表値でそれぞれ1億7,500万以上、4億以上）に成果課金型のスクレイピングAPIを組み合わせ、テラバイト級のボリュームではエンタープライズ料金が2.50ドル/GB前後に収束します。さらに、データの出所（プロベナンス）が監査対象になった際に重要になるKYCプログラムを必須としています。なお、両社の課金はいずれも米ドル建てです。

AI学習データはプロキシ選びの計算式を変える

価格モニタリング、SEO順位計測、広告検証といった一般的なプロキシのユースケースでは、トラフィックは月間数ギガバイト単位です。一方、AI学習データの収集はテラバイト単位で、対象は数千ドメインに及び、ファインチューニングや検索（RAG）用コーパスのために定期的なリフレッシュサイクルが回ることも珍しくありません。私が普段設計・運用しているWebシステムの感覚からすれば、トラフィックの桁が2つも3つも違う別世界です。この違いが、プロバイダー選定で重視すべきポイントを変えます。

1. GB単価の経済性が支配的になる。 1ドル/GBの差は20GBなら誤差ですが、月間1TBでは年間で数万ドル規模の差になります。
2. 単一サイト最適化よりドメインの多様性。 価格スクレイパーは少数のECサイトに最適化すれば済みますが、学習データ用クローラーには、一度も見たことのないロングテールのサイト群でもそれなりに動作するインフラが必要です。
3. プロベナンス（出所証明）は成果物の一部になった。 モデルを学習させる企業には、データがどこから、どのような条件で得られたのかを文書化する要請が強まっています。この流れは、審査を行いKYCを徹底するプロバイダーへ、グレーマーケットの再販業者から離れる方向へと企業を押し出しています。

このセグメントの規模は市場データからも裏付けられます。ProxywayのProxy Market Research 2026（データ収集は2026年3〜4月）によれば、Bright DataはAI需要を背景に年換算で約3億ドルの売上を前年比50%増で伸ばしていると言及されており、レジデンシャルプロキシの価格は2023〜2025年に最大75%下落した後、安定に転じています。同レポートは、広告されるレジデンシャルIPプールの中央値が現在5,400万IPであることも指摘しており、本記事で扱う両社はいずれもその水準を大きく上回るプール規模を公表しています。

本記事は、レジデンシャルプロキシおすすめ比較ガイドのクラスター記事として、AIデータパイプライン特有の要件に焦点を当てています。

AIデータスタック：プロキシ、スクレイピングAPI、データセット

エンタープライズ向けプロバイダーは3つのレイヤーを販売しており、成熟したAIデータチームは通常、そのうち少なくとも2つを組み合わせて使います。

生プロキシとAPIのどちらを選ぶかは、主にページの難易度とエンジニアリングにどこまで踏み込むかの問題です。このトレードオフはスクレイピングAPIとプロキシの違いで詳しく解説しています。AIパイプライン向けの結論を短く言えば、寛容で軽量なサイトは生プロキシ（あるいはプロキシなし）でクロールし、成果課金型APIは、自前のリトライロジックでは帯域を浪費するだけでデータが返ってこない、保護の厳しい難所だけに温存する、ということです。生プロキシはリクエストの成否にかかわらずGB単位で課金されるため、難関ターゲットでの成功率が低いと、「安い」はずの選択肢がいつの間にか高くつきます。この失敗リクエスト分の帯域を見積もりに織り込み忘れるのが、私の見立てでは最も起こりやすい誤算です。

著作権・robots.txt・ライセンス：実際に確定しているのはどこまでか

ProxyFactsのコンプライアンス方針は明確です。当サイトが扱うのは、公開されている非個人データの収集のみです。ログインが必要なコンテンツ、ペイウォールの回避、個人データの収集は対象外です。この前提のうえで、学習用コーパスを構築するチームは、法的な議論が実際にどこまで進んでいるのかを理解しておくべきです。

• 「公開」は「ライセンス済み」を意味しない。 オープンWeb上のテキスト・画像・コードの大半は、アクセスのしやすさとは無関係に著作権で保護されています。そのコンテンツでモデルを学習させることが侵害なのか、許容される利用（米国のフェアユース、他法域のテキスト・データマイニング例外）なのかが中心的な未解決問題であり、裁判所は統一的な答えを出していません。初期の判決は事実関係の違いに応じて分かれており、控訴も係属中です。どちらの方向であれ、断定的な一般論は疑ってかかるべきです。
• EUには法定のオプトアウト制度がある。 EUのDSM著作権指令第4条は、権利者が機械可読な形でその利用を留保しない限り、適法にアクセス可能な著作物のテキスト・データマイニングを認めています。さらにEU AI法は、汎用モデルの提供者に対し、そうした留保の尊重を含む透明性義務を上乗せしています。コーパスがEUで提供されるモデルに使われるなら、オプトアウト対応は儀礼ではなくコンプライアンス要件です。
• robots.txtは慣行であって法律ではない。 これを無視すること自体を違法とする一般法はありません。しかし、robots.txtはWebに存在する機械可読な同意表明に最も近いものであり、裁判所や規制当局も考慮要素として扱います。AI専用のユーザーエージェント向けディレクティブも増えつつあります。信頼あるAIデータ事業はこれを尊重します。
• ライセンス取得が並行チャネルとして拡大中。 出版社がAI開発者にコンテンツを直接ライセンスするケースが増えています。必要なデータにライセンス済みのソースが存在するなら、法的リスクとデータ品質の両面で、通常はスクレイピングより優れた選択です。
• 利用規約は依然として重要。 著作権の主張が通らない場面でも、契約に基づく請求は生き残ります。特にログイン後のアクセスではその傾向が強く、真剣なパイプラインが認証の壁の手前（公開側）にとどまる理由のひとつです。

CFAAの経緯、GDPR、公開データスクレイピングに関する判例など、より広い法的状況はWebスクレイピングは違法？をご覧ください。本記事は法的助言ではありません。学習コーパス規模の収集では、早い段階で弁護士を関与させてください。

AIデータパイプラインで比較するOxylabs vs Bright Data

この2社は市場のエンタープライズ側の両輪であり、いずれも前述のプロキシ＋API＋データセットのスタックでAIワークロードを明確に狙っています。以下の数値はすべて、2026年7月17日に取得した各社の公開ページに基づきます（料金は米ドル建て）。

エンジニア視点（友田）: この表で私が最初に見るのはIPプールの規模ではなく、スクレイピングAPIの単価差です。プール数は検証のしようがないベンダー公表値ですが、成功1,000件あたり0.25ドルと1.30ドルという5倍超の開きは請求書に直接跳ね返ります。仮に私がコーパス収集パイプラインを設計するなら、どのドメインを生プロキシからAPIへ切り替えるかの振り分けロジックにこそ工数を割きます。ここの精度が甘いと、単価の安いプロバイダーを選んでも総額では負けるからです。逆にブロック解除の仕組みを自作するのは、アンチボット側の変化に追随する運用コストが読めないため、私はお勧めしません。

AIの観点を超えた全面対決は、Bright Data vs Oxylabsの比較記事をご覧ください。

AI学習データ用途で見るOxylabs

Oxylabsは1億7,500万以上のレジデンシャルIPプールを公表し、きれいにスケールするサブスクリプション料金を掲載しています。レジデンシャルプロキシの料金ページ（2026年7月時点）によれば、Starterプランは月額30ドルで5GB、最上位のCorporateプランは月額2,500ドルで1TB（2.50ドル/GB）、大容量プランでは2TBまでのトップアップに対応します。Proxywayの2026年市場調査は、Oxylabsが長年配布していた割引コードを廃止し、恒久プランをおよそ25%値下げしたことにも触れています。つまり、掲載価格がそのまま実勢価格です。

学習データ用途では2点が際立ちます。第一に、Web Scraper APIは成功結果に対してのみ課金され、成功1,000件あたり0.25ドルからと、マネージドスクレイピングとしては低い公表下限であり、コーパスクロールの難所を任せるのに自然な選択です。第二に、地域ターゲティングが座標やASNまで及ぶため、国単位ではなく地域単位でコーパスをサンプリングしたい場合に有効です。

コンプライアンス面では、OxylabsはKYCおよび安全性ポリシーに基づき、全顧客に登録時のKYCフォーム提出を義務付け、リスク案件は本人確認やコンプライアンス面談にエスカレーションし、オンボーディング後も利用状況を監視しています。また、Ethical Web Data Collection Initiativeのメンバーでもあります。

AI学習データ用途で見るBright Data

Bright Dataは業界最大級とするプール（月間4億以上のレジデンシャルIP、195カ国）を公表し、レジデンシャルプロキシのページ（2026年7月時点）によれば、契約不要の従量課金4.00ドル/GBを、定価8ドル/GBからの50%オフプロモとして提示しています。同じプロモ下のサブスクリプションは月額499ドル（141GB、3.50ドル/GB）から月額1,999ドル（798GB、2.50ドル/GB）までです。プロモという枠組みには注意が必要です。実質単価は現時点で十分競争力がありますが、あくまで定価ではなく割引として表示されています。

AI用途での差別化要因はWeb Unlockerです。成功時のみ課金されるリクエスト単位のブロック解除APIで、カード不要の月5,000リクエスト無料枠、従量課金で1,000リクエストあたり1.50ドル、月額499ドルのScaleプランなら1,000リクエストあたり1.30ドルです。アンチボットの壁に何度もぶつかるコーパスクロールでは、成功リクエスト単位の支払いが、予測不能な帯域コストを予測可能なページ単価に変えてくれます。

Bright Dataはまた、当サイトが追跡するプロバイダーの中で最も厳格なアクセス管理を敷いています。レジデンシャルネットワークへのアクセスは、人手によるKYC審査を通過した法人に限定されます。KYC FAQによれば、登録法人であること、企業ドメインのメール、文書化されたユースケースが求められ、場合によっては導入ビデオ面談や政府発行IDの提出も必要です。これは実際のオンボーディングの手間ですが、まさにエンタープライズのデータガバナンスチームが上流のデータインフラベンダーに求めるものです。

コーパス規模でのコスト試算

単価は、ページ数に換算して初めて意味を持ちます。上記の2026年7月時点の公表値を使った簡単な計算です（前提を明記した机上計算であり、ベンチマークではありません）。

• 生プロキシのページ単価は、ページの重さで決まる。 2.50ドル/GBの場合、100KBの軽量HTMLページ中心のコーパスなら1,000ページあたり約0.25ドル、1GBでおよそ10,000ページです。平均500KBのJS重めのページなら1GBあたり約2,000ページ、つまり1,000ページあたり1.25ドルまで悪化します。しかも、帯域課金される失敗リクエストは含めていません。
• マネージドAPIの価格は、この重量級シナリオに近い水準に設定されている。 OxylabsのWeb Scraper APIは成功1,000件あたり0.25ドルから、Bright DataのWeb Unlockerは1,000リクエストあたり1.30〜1.50ドルです。難関ページ1,000万件をWeb UnlockerのScale単価で処理すると約13,000ドル。絶対額としては高額ですが、支払いは成功分のみです。
• 月間1TBの生プロキシ予算は、OxylabsのCorporateプランで2,500ドル。Bright Dataの最大掲載プランはプロモ適用で798GBを1,999ドルでカバーします。1ページ100KBなら、1TBは月間およそ1,000万ページに相当します。

この計算から、AIパイプラインの実務的なパターンが導かれます。寛容な大多数のサイトは安価にクロールし、取得前にURLを徹底的に重複排除し（重複は帯域課金の無駄です）、難関と確認できたドメインだけを成果課金型APIに回す、という構成です。ターゲットリストの大半が軽い保護しか持たないなら、安価なミッドマーケットのGB課金プロバイダーで簡単な層をカバーし（プロキシ料金比較を参照）、難所だけをこの2社のエンタープライズスタックに任せる手もあります。

もうひとつ予算面の注意です。コスト削減のために無料プロキシを学習データパイプラインに組み込むのは絶対に避けてください。64万件超の無料プロキシを30カ月にわたり追跡した学術研究（Free Proxies Unmasked、NDSS MADWeb 2024）では、稼働実績があったのは全体のわずか34.5%で、通信中にコンテンツを改ざんするプロキシが16,923件記録されています。これは、監査が最も難しいレイヤーでコーパスを静かに汚染する類いの破損です。節約できる金額に対してリスクが非対称すぎる、というのが私の判断です。

AIデータプロジェクトでの選び方

1. 両社ともエンタープライズの水準は満たしている。 審査済みのネットワーク、公開されたコンプライアンスプログラム、成果課金型API、市場中央値を大きく上回るプール公表値。選ぶ基準は最低ラインではなく、自社との相性です。
2. Oxylabsを選ぶべきケース：プロモなしの完全に透明な段階制料金、最安の公表マネージドスクレイピング単価（成功1,000件あたり0.25ドル）、座標・ASNレベルのサンプリング、HTTP3対応を重視する場合。
3. Bright Dataを選ぶべきケース：公表値で最大のプール、契約不要の純粋な従量課金でのパイロット、月5,000リクエストの手厚いAPI無料枠、ガバナンスチームに示せる最も厳格なKYC体制を重視する場合。
4. 契約前に必ず検証を。 本記事のパフォーマンス数値はすべてベンダー公表値で、ProxyFactsはまだ独自ベンチマークを実施していません。OxylabsのスクレイパーAPIトライアル（2,000件）とBright Dataの無料枠（月5,000リクエスト）で実際のターゲットリストを試し、プランを契約する前に従量課金から始めてください。

FAQ

学習用クロールの前に、コンプライアンスチェックリストには何を含めるべきですか？

最低限、次の項目です。公開されている非個人データのみを対象にすること。robots.txtとAI専用のオプトアウトディレクティブを尊重すること。優先度の高いドメインについて利用規約をレビューすること。ライセンス済みソースが存在する場合はそちらを優先すること。ドメインごとのレート制限を設けること。そして、何を・いつ・どのポリシーの下で収集したかを記録したプロベナンス文書を残すことです。前提となる法制度はWebスクレイピングは違法？ガイドで解説しています。