NVIDIA（企業）に関するニュース一覧

イラン革命防衛隊は2026年4月1日を期限として、Apple・Microsoft・Google・Meta・Tesla・Palantirなど米テック大手18社への攻撃を予告しました。中東地域に拠点を持つ企業の従業員や近隣住民に退避を呼びかけており、米国とイランの対立が民間企業を直接巻き込む段階に入っています。

すでにイランはAmazon Web Servicesのデータセンターを2度攻撃しており、米国所有の大規模クラウドインフラへの初の公式確認された攻撃となりました。Sam Altman氏がトランプ政権関係者とともに中東でデータセンター投資を進める中、AnthropicのDario Amodei氏は中東へのデータセンター設置に警戒を示しています。

テック企業の株価は最大20%下落し、NvidiaやMetaも大きな打撃を受けています。一方、サンフランシスコのテック企業社員の多くは戦争への関心が薄く、経営層との温度差が際立っています。OpenAIが年内に予定していたIPOへの影響も懸念されています。

米国内ではトランプ政権が中間選挙への介入を強めています。投票時にパスポートや出生証明書の提示を義務づけるSAVE法の成立を推進し、郵便投票を制限する大統領令に署名しました。選挙60日前までに有権者名簿を連邦政府に提出させる内容で、大学生の投票権を事実上制限する狙いがあると指摘されています。

予測市場大手PolymarketはワシントンDCでポップアップバー「シチュエーションルーム」を開催しましたが、開場が1時間半遅れ、設備の大半が動作しない失態に見舞われました。同社はPalantirとスポーツ市場の不正監視で提携を発表しましたが、地政学的な賭けの疑惑調査には適用しない方針で、急成長と運営の未熟さが浮き彫りになっています。

NVIDIAは2026年4月2日、クラウドゲーミングサービスGeForce NOWに4月の新作10タイトルを追加すると発表しました。目玉はHypergryph開発の『Arknights: Endfield』とCapcomの『PRAGMATA』です。

『Arknights: Endfield』は人気シリーズ「アークナイツ」を本格的な3Dリアルタイム戦略RPGへと拡張した新作です。惑星タロスIIを舞台に、拠点建設・探索・戦闘を融合したゲームプレイが特徴で、GeForce NOWにより最高画質設定であらゆるデバイスからプレイできます。

Capcomの『ロックマン スターフォース レガシーコレクション』も配信開始となり、シリーズ7作品に加えイラストギャラリーや楽曲などの追加コンテンツが収録されています。クラウドストリーミングにより、どのデバイスでも即座にプレイ可能です。

4月中には『PRAGMATA』（4月17日）、『Vampire Crawlers』（4月21日）、『Heroes of Might and Magic: Olden Era』（4月30日）など計8本の新作が追加予定です。一部タイトルはGeForce RTX 5080対応で、高品質なレンダリングを実現します。

GeForce NOWのRTXレンダリング技術と超低遅延ストリーミングにより、高性能なゲーミングPCを持たないユーザーでも最新タイトルを最高設定で楽しめる環境が整いつつあります。3月にも『Diablo II: Resurrected』など12本が追加され、ライブラリは急速に拡大しています。

Google DeepMindは2026年4月1日、オープンモデル「Gemma 4」を4サイズ同時に公開しました。最上位の31BモデルはArena AIリーダーボードでオープンモデル世界3位を獲得し、ライセンスは従来の独自条項からApache 2.0へ変更されました。

31B Denseは高品質な推論特化、26B MoEは128個の小規模エキスパートのうち8個だけを活性化し、31B級の性能を4B級の速度で実現します。AIME 2026で31Bが89.2%、MoEが88.3%を記録し、前世代Gemma 3の20.8%から飛躍的に向上しました。

エッジ向けのE2BとE4Bは、スマートフォンやRaspberry Pi、Jetson Nanoで完全オフライン動作します。Per-Layer Embeddings技術により、E2Bは総パラメータ51億ながら実効2Bとして軽量に動き、音声認識もモデル内で処理できます。

全モデルが画像・動画・音声のマルチモーダル入力に対応し、関数呼び出しもアーキテクチャレベルで統合されています。可変アスペクト比の画像処理、最大256Kトークンの長文脈、140以上の言語への対応により、エージェント型AIワークフローの構築基盤として設計されています。

Apache 2.0ライセンスへの移行は、企業導入における法的障壁を解消する重要な転換点です。NVIDIAとの協業によりRTX GPUからDGX Sparkまで最適化され、Ollama・llama.cpp・Hugging Faceなど主要ツールが初日から対応しています。中国系モデルがオープン化を後退させる中、Googleは逆方向の戦略を明確にしました。

Elgatoは2026年4月1日、カスタムボタンデバイス「Stream Deck」のソフトウェアをバージョン7.4に更新し、AIアシスタントからボタン操作を実行できるMCP（Model Context Protocol）対応を発表しました。

MCPは、AIアシスタントが外部アプリケーションと直接連携するための標準プロトコルです。今回の対応により、Claude、ChatGPT、Nvidia G-Assistなどのツールから、Stream Deckに割り当てたマクロ操作を音声や文字入力で呼び出せるようになります。

設定方法は、Stream Deckアプリを最新版に更新後、「Preferences」の「General」タブから「Enable MCP Actions」にチェックを入れます。すると専用の「MCP Actions」プロファイルが作成され、そこに配置したアクションがAIツールからアクセス可能になります。

実際の利用には、Node.jsツールとElgato製のMCPサーバーブリッジをパソコンにインストールする必要があります。MCP統合に不慣れなユーザーにはやや複雑ですが、Elgatoは詳細なステップバイステップのガイドを公開しています。

MCPはMicrosoft、Anthropic、Figma、Canvaなど主要企業が採用を進めており、AI連携の「USBケーブル」とも呼ばれる共通規格として急速に普及しています。Stream Deckへの対応は、ハードウェア操作にもAI連携が広がる事例として注目されます。

OpenAIは2026年3月、1220億ドル（約18兆円）の資金調達を完了したと発表しました。評価額は8520億ドルに達し、同社史上最大の調達ラウンドとなります。年内に予定されるIPOに向けた布石とみられています。

ラウンドはSoftBankとAndreessen Horowitzが共同主導し、D.E. Shaw Ventures、MGX、TPGなどが参加しました。Amazon、NVIDIA、Microsoftも戦略的パートナーとして出資しています。初めて銀行チャネルを通じた個人投資家にも門戸を開き、30億ドル以上を集めました。

事業面では月間売上が20億ドルに達し、AlphabetやMetaの同時期と比べ4倍の成長速度だと同社は主張しています。ChatGPTの週間アクティブユーザーは9億人を超え、有料会員は5000万人以上です。検索利用は1年で約3倍に伸びています。

法人向け事業は売上全体の40%を占めるまでに成長し、2026年末までにコンシューマーと同等になる見通しです。最新モデルGPT-5.4がエージェント型ワークフローの需要を牽引し、APIは毎分150億トークン以上を処理しています。広告事業も開始からわずか6週間でARR1億ドルを突破しました。

同社はAIスーパーアプリ構想を掲げ、ChatGPT、Codex、ブラウジング機能などを単一のエージェント体験に統合する方針です。インフラ面ではNVIDIA、AMD、AWS Trainiumなど複数のチップ基盤に拡大し、回転信用枠も約47億ドルに増額しました。調達資金はAIチップやデータセンターの拡充に充てられます。

ローカルLLM実行ツールOllamaは、Appleが開発したオープンソースの機械学習フレームワークMLXへの対応を発表しました。これにより、Apple Silicon搭載Macでの大規模言語モデルの推論性能が大幅に向上します。

今回の対応はOllama 0.19のプレビュー版として提供されており、現時点で対応モデルはAlibabaのQwen3.5-35Bパラメータ版のみです。利用にはApple Silicon搭載Macに加え、最低32GBのRAMが必要とされています。

MLX対応に加え、キャッシュ性能の改善やNvidiaのNVFP4モデル圧縮形式への対応も同時に発表されました。NVFP4はモデルのメモリ使用量を大幅に削減する技術で、より効率的な推論環境の構築が可能になります。

ローカルモデル実行への関心は急速に高まっています。OpenClawがGitHubで30万スター以上を獲得し、中国を中心に世界的な注目を集めています。研究者やホビイスト以外の層にもローカルLLMの活用が広がりつつあります。

背景には、Claude CodeやChatGPT Codexなどのクラウドサービスにおけるレート制限や高額なサブスクリプション費用への開発者の不満があります。OllamaはVisual Studio Codeとの統合も拡充しており、ローカル開発環境の充実を進めています。

NVIDIAとEmerald AIは、エネルギー分野の国際会議CERAWeekにおいて、AIデータセンター（AI工場）を送電網の柔軟な資産として運用する新構想を発表しました。AESやConstellation、NextEra Energyなど大手エネルギー企業6社がこの取り組みに参画しています。

この構想は、NVIDIA Vera Rubin DSXのAI工場リファレンス設計とEmerald AIのConductorプラットフォームを基盤としています。計算処理と電力制御を一体化し、送電網の状況に応じて動的に負荷を調整することで、ピーク需要に備えた過剰なインフラ建設を抑制します。

一方、送電網シミュレーションを手がけるThinkLabs AIは、Energy Impact Partners主導で2800万ドルのシリーズA資金調達を完了しました。NVIDIAの投資部門NVenturesやEdison Internationalも出資しており、送電網のAI活用に対する戦略的な期待の高さがうかがえます。

ThinkLabs AIの技術は、従来30〜35日かかっていた送電網の潮流解析を3分未満で完了し、精度99.7%を達成しています。物理法則に基づくAIモデルにより、1000万通りのシナリオを10分で処理でき、数十億ドル規模の設備投資判断の迅速化を支援します。

エネルギーインフラの現場でもAI活用が進んでいます。ロボティクス企業Maximoは100メガワット規模の自律型太陽光パネル設置を完了し、TerraPowerはNVIDIA Omniverseを用いた原子力発電所のデジタルツインで設計期間を数年から数カ月に短縮する取り組みを発表しました。

GE Vernova、Schneider Electric、Vertivもデジタルツインや検証済みリファレンス設計を通じ、AI工場を信頼性の高い送電網参加者として拡張する基盤を整備しています。電力からチップ、インフラ、モデル、アプリケーションに至る「5層のAIケーキ」全体での業界協力が加速しています。

米スタートアップNomadicMLは2026年3月、自動運転車やロボットが収集する膨大な映像データを自動で整理・検索可能にするプラットフォームの開発資金として、840万ドル（約13億円）のシードラウンドを完了したと発表しました。

TQ Venturesがリードし、Pear VCおよびGoogle DeepMindのJeff Dean氏が参加しました。ポストマネー評価額は5000万ドルです。同社は先月のNVIDIA GTCピッチコンテストでも優勝しており、技術力の高さが評価されています。

自動運転やロボティクス企業は数千〜数百万時間の映像データを収集しますが、その大半は未整理のまま保管されています。NomadicMLは複数のビジョン言語モデル（VLM）を組み合わせ、映像を構造化された検索可能なデータセットに変換します。これにより車両監視や強化学習用データの生成が効率化されます。

共同創業者のValun Krishnan CTOは、同社のツールを単なるラベリングではなく「エージェント型推論システム」と説明しています。ユーザーが求める条件を記述するだけで、警察官の誘導による赤信号通過や特定の橋の下の走行など、稀少なエッジケースを自動で発見できます。

Zoox、三菱電機、Zendar、Natix Networkなどがすでに導入しています。Zendar副社長は、外注と比べ作業を大幅に高速化でき、ドメイン専門性で競合と差別化されていると評価しました。

今後はLiDARなどの非視覚センサーデータへの対応や、複数センサーの統合処理に取り組む計画です。投資家のTQ VenturesはAV企業がデータ基盤を内製する必要がなくなる点を強調し、専業プラットフォームとしての将来性に期待を示しています。

AI音楽生成プラットフォームSunoが最新モデルv5.5を発表しました。今回のアップデートでは音質向上だけでなく、ユーザーが自分の声を学習させる「Voices」機能、好みを反映する「My Taste」、カスタムモデル作成の3機能が追加され、制作の自由度が大幅に向上しています。

GoogleはChainsmokers公認のAI音楽プラットフォーム「ProducerAI」を買収し、Google Labs傘下に統合しました。DeepMindの最新音声モデルLyria 3を搭載し、Geminiアプリからテキストや画像をもとに30秒の楽曲を生成できる機能のベータ版を全世界で提供開始しています。

一方、プラットフォーム側では規制と透明性の動きが加速しています。Bandcampは主要音楽プラットフォームとして初めてAI生成コンテンツを全面禁止しました。Apple Musicはアーティストやレーベルに対しAI使用の自主的なタグ付けを求める「透明性タグ」制度を開始し、Deezerは精度99.8%のAI楽曲検出ツールを外部企業向けに販売開始しました。

大手レーベルの戦略も大きく転換しています。かつてAI企業を著作権侵害で提訴していたWarner Music GroupはSunoとライセンス契約を締結し、所属アーティストの声や肖像のAI利用を許諾しました。Universal Music GroupもNvidiaと提携し、音楽理解AIモデル「Music Flamingo」の活用を発表するなど、訴訟から協業へと舵を切っています。

しかし課題も山積しています。ノースカロライナ州の男性がAI生成楽曲をボットで数十億回再生し800万ドル超の印税を不正取得した事件で有罪答弁を行いました。アーティストからはAIクローンへの怒りの声が高まり、著作権法の整備も追いついていません。Sunoは評価額24.5億ドルに達する一方、3大レーベルからの訴訟も継続しており、AI音楽の法的・倫理的な枠組みは依然として不透明な状況です。

Starcloudは宇宙空間にデータセンターを構築する米スタートアップで、シリーズAラウンドで1億7000万ドルを調達しました。BenchmarkとEQT Venturesが主導し、評価額は11億ドルに達してユニコーン企業の仲間入りを果たしています。

同社は2025年11月にNvidia H100 GPU搭載の初号衛星を打ち上げ済みで、軌道上でのAIモデル訓練に世界で初めて成功したと発表しています。今年後半には複数GPU搭載の「Starcloud 2」を打ち上げ予定で、Nvidia Blackwellチップも搭載されます。

将来的にはSpaceXのStarshipから打ち上げる3トン級の「Starcloud 3」を開発し、地上データセンターとコスト競争力を持つ水準を目指します。ただしStarshipの商用運用開始は2028〜29年と見込まれ、実現時期には不確実性が残ります。

技術面では宇宙空間での冷却・電力生成・GPU間同期が大きな課題です。Starcloud 2には民間衛星として最大級の放熱パネルを搭載予定で、大規模な訓練ワークロードには衛星間レーザー通信の確立が不可欠とされています。

競合環境も激化しており、Aetherflux、Googleの「Project Suncatcher」、Aetheroなどが宇宙データセンター事業に参入しています。さらにSpaceX自身も100万基の分散コンピューティング衛星の許可を米政府に申請しており、業界最大の脅威となる可能性があります。

ScaleOpsは2026年3月、クラウドやAIインフラの計算資源をリアルタイムで自動管理・再配分するソフトウェアを手がけるスタートアップで、シリーズCラウンドで1億3000万ドルを調達したと発表しました。企業評価額は8億ドルに達しています。

ラウンドはInsight Partnersが主導し、Lightspeed Venture Partners、NFX、Glilot Capital Partnersなど既存投資家も参加しました。同社の累計調達額は約2億1000万ドルとなり、急速な事業拡大を裏付けています。

同社はNvidia に買収されたRun:ai出身のYodar Shafrir氏が2022年に共同創業しました。Kubernetesの静的な設定では動的なAIワークロードに対応しきれず、GPUの遊休や過剰プロビジョニングが常態化している課題に着目しています。

ScaleOpsのプラットフォームは完全自律型で、アプリケーションの文脈を理解し、手動設定なしにインフラを最適化します。競合のCast AIやKubecostとの差別化として、本番環境向けに設計され導入直後から稼働する点を強調しています。

顧客にはAdobe、Wiz、DocuSign、Salesforceなど大手企業が名を連ね、前年比450%超の成長を記録しました。今後は新製品の投入とプラットフォーム拡張を進め、AI時代に不可欠な自律型インフラ管理の実現を目指すとしています。

AIコーディングツールが月間数十億行のコードを生成するなか、コード検証AIを手がける米QodoがシリーズBで7000万ドル（約105億円）を調達しました。Qumra Capitalが主導し、累計調達額は1億2000万ドルに達しています。

Qodoは2022年にItamar Friedman氏が創業しました。同氏はMellanoxでハードウェア検証の自動化に携わり、その後Alibabaに買収されたVisualead社の共同創業者でもあります。「コード生成と検証には根本的に異なるシステムが必要」という信念が創業の原点です。

同社の強みは、変更箇所だけでなくシステム全体への影響を分析する点にあります。組織固有の開発基準や過去の意思決定、暗黙知を考慮したレビューを行い、AI生成コードの信頼性を高めます。最近の調査では開発者の95%がAI生成コードを完全には信頼していない一方、48%しか一貫したレビューを実施していないという課題が浮き彫りになっています。

技術力の証左として、QodoはMartianのCode Review Benchで1位を獲得しました。スコア64.3%は2位に10ポイント以上、Claude Code Reviewには25ポイントの差をつけています。論理バグやファイル横断の問題を的確に検出しつつ、不要なアラートを抑制する精度が評価されました。

顧客にはNvidia、Walmart、Red Hat、Intuit、Texas Instrumentsなどの大手企業が名を連ねます。Friedman氏は「AIは状態を持たないシステムから状態を持つシステムへ、知能から『人工的な知恵』へと進化する段階にある」と語り、コード品質・ガバナンス領域での主導権確立を目指す姿勢を示しました。

Duos Edge AIとLG CNSは、プレハブ型のモジュール式AIデータセンターを発表しました。従来2〜3年かかるデータセンター建設を約6カ月に短縮し、駐車場のような場所にも迅速にGPUクラスターを展開できる仕組みです。

Duos Edge AIのコンピュートポッドは長さ約17メートル、幅約3.8メートルで、1基あたり576基のGPUを搭載します。AI基盤企業Hydra Hostとの契約では4基計2,304GPU、将来的に4,608GPUへの倍増も視野に入れています。液冷システムにより高負荷なAIワークロードに対応します。

韓国のLG CNSも同様のアプローチで、576基のNvidia GPU搭載モジュールを開発しました。年内に4,600GPU超対応の拡張版を投入予定で、釜山では最大50基を展開し合計2万8,000GPU超の大規模拠点を計画しています。

コスト面でも優位性があり、Duosの5メガワット規模のモジュール展開は約2,500万ドルで構築可能です。メガワットあたりのコストは大規模施設の約半額とされ、許認可が簡易な小規模展開では地域の反対も受けにくいとされています。

HPE、Vertiv、Schneider Electricも同分野に参入しており、Grand View Researchの調査では2030年までにモジュール型データセンター市場は倍増すると予測されています。AI需要の急拡大に対し、迅速かつ柔軟なインフラ供給手段として注目が高まっています。

フランスのAIスタートアップMistral AIは、パリ近郊ブリュイエール＝ル＝シャテルに新たなデータセンターを建設するため、8億3000万ドル（約1240億円）の負債による資金調達を実施しました。データセンターはNvidia製チップで稼働する予定です。

CEOのアルチュール・メンシュ氏は2025年2月にデータセンター建設計画を初めて公表し、資金調達の選択肢を検討すると表明していました。同施設は2026年第2四半期に運用開始を目指しており、欧州におけるAIインフラの自律性強化を図ります。

Mistral AIは先月、スウェーデンに14億ドルを投資してAIインフラを整備する計画も発表しています。2027年までに欧州全体で200メガワットの計算能力を展開する目標を掲げており、大規模なインフラ拡張を進めています。

メンシュ氏は「欧州でのインフラ拡充は、顧客の支援とAIイノベーションの自律性確保に不可欠だ」と述べ、政府・企業・研究機関が第三者クラウドに依存せず独自のAI環境を構築したいという需要の急増に応えると強調しました。

同社はこれまでにGeneral Catalyst、ASML、a16z、Lightspeed、DST Globalなどの投資家から累計28億ユーロ（約31億ドル）以上を調達しており、欧州発のAI企業として積極的な資金調達と事業拡大を続けています。

韓国のファブレスAI半導体スタートアップRebellionsは、IPO前の資金調達ラウンドで4億ドル（約600億円）を調達しました。未来アセット金融グループと韓国国家成長基金が主導し、企業評価額は約23.4億ドルに達しています。

同社は2024年のシリーズBで1.24億ドル、2025年11月のシリーズCで2.5億ドルを調達しており、累計調達額は8.5億ドルに上ります。このうち6.5億ドルはわずか半年間で集めたもので、AI半導体市場への投資家の期待の大きさを示しています。

Rebellionsは2020年設立のファブレス企業で、AI推論に特化したチップの設計・開発を手がけています。大規模言語モデルの商用展開が進む中、推論処理の重要性が急速に高まっており、同社はこの成長領域に焦点を当てています。

今回の資金調達と同時に、新製品RebelRackとRebelPODも発表されました。RebelPODは本番環境向けの推論計算ユニット、RebelRackは複数ラックを統合した大規模AI展開向けのスケーラブルクラスターです。

グローバル展開も加速しており、米国・日本・サウジアラビア・台湾に現地法人を設立しました。米国ではクラウド事業者や政府機関、通信事業者との連携を進める方針です。Nvidiaの支配的地位が揺らぐ中、AWS・Meta・Googleなど大手も自社チップ開発を進めており、AI半導体市場の競争は一段と激化しています。

NYU Game Innovation Labのジュリアン・トゲリウス所長は、大規模言語モデル（LLM）がビデオゲームのプレイにおいて依然として大きな課題を抱えていることを論文で指摘しました。2025年5月にGemini 2.5 Proがポケモンブルーをクリアした例はあるものの、人間より大幅に遅く奇妙なミスを繰り返したと報告されています。

コーディングが「よくできたゲーム」のように即座のフィードバックを得られるのに対し、ビデオゲームは入力表現やゲームメカニクスがタイトルごとに大きく異なります。AlphaZeroもチェスと囲碁で再訓練が必要であり、汎用的なゲームAIは現時点で実現していないとトゲリウス氏は述べています。

ベンチマーク整備の難しさも課題です。トゲリウス氏が7年間運営したGeneral Video Game AIコンペティションでは、エージェントは一部のゲームで改善しても別のゲームでは悪化し、進歩が停滞しました。LLMを同フレームワークで評価したところ、単純な探索アルゴリズムにも劣る結果だったといいます。

興味深い矛盾として、LLMはゲームのコード生成には優れています。CursorやClaudeで一つのプロンプトからプレイ可能なゲームを作れますが、LLM自身がそのゲームをプレイできないため、反復的なテストと調整というゲーム開発の核心的プロセスを実行できないのです。

NvidiaやGoogleが推進するシミュレーション活用について、トゲリウス氏は自動運転のように物理法則が一定の領域では有効だが、ゲームの多様性には対応しきれないと指摘します。量子物理学の論文は書けてもHaloとスペースインベーダーの両方を攻略できない理由は、二つのゲームが二つの学術論文より本質的に異なるからだと説明しています。

NVIDIAは2026年3月のGTCカンファレンスにおいて、ロボット・自動運転車・工場を対象とした物理AIの新たな基盤技術群を発表しました。Cosmos 3、Isaac GR00T N1.7、Alpamayo 1.5などのフロンティアモデルが公開され、単一用途から本格的な企業ワークロードへの拡大が示されました。

注目の発表の一つがPhysical AIデータファクトリーブループリントです。これは計算資源を大規模かつ高品質な学習データに変換するオープンな参照アーキテクチャで、Cosmos世界基盤モデルとOSMOオペレーターを基盤に、データのキュレーション・拡張・評価を単一パイプラインに統合します。

Omniverse DSXブループリントも発表され、AIファクトリーの熱設計・電力・ネットワーク負荷・機械系統をデジタルツインで一元的にシミュレーションできるようになります。ラック設置前に性能と効率を最適化でき、建設の時間とコストを大幅に削減します。

製造・物流分野ではMega Omniverseブループリントにより、工場全体をロボットシステムとして扱うデジタルツインの構築が可能になりました。KIONはAccentureやSiemensと協力し、GXO向けの自律フォークリフト群を訓練・検証する大規模倉庫デジタルツインを構築しています。

産業ロボット大手のABB、FANUC、KUKA、安川電機は、合計200万台超のロボット設置基盤を持ち、OmniverseライブラリとIsaacシミュレーションを活用して複雑なロボットアプリケーションの検証を進めています。各社はJetsonモジュールをコントローラーに統合し、リアルタイムAI推論を実現しています。

デビッド・サックス氏は2026年3月27日、トランプ政権のAI・暗号資産担当特別顧問としての130日間の任期を終え、大統領科学技術諮問委員会（PCAST）の共同議長に移行することを明らかにしました。ブルームバーグのインタビューで本人が退任を認めています。

PCASTはルーズベルト大統領時代から続く連邦諮問機関で、政策の研究と大統領への提言を行う役割を担います。ただし政策決定権はなく、サックス氏の影響力はAI担当時代と比べ大幅に縮小することになります。

新PCASTにはNVIDIAのジェンスン・ファン氏、Metaのマーク・ザッカーバーグ氏、Googleのセルゲイ・ブリン氏、Oracleのラリー・エリソン氏ら著名テック経営者が名を連ねます。共同議長にはホワイトハウス科学技術政策局のマイケル・クラツィオス氏も就任します。

退任の背景には、サックス氏がポッドキャスト「All In」でトランプ大統領のイラン戦争からの撤退を公然と求めたことがあるとみられています。トランプ氏は記者団に対し、サックス氏とは戦争について話していないと反論していました。

サックス氏はAI担当在任中、州レベルのAI規制を連邦法で一律に置き換える方針を推進しましたが、共和党の州知事やポピュリスト層の反発を招き、政治的に行き詰まっていました。倫理専門家からは、AI・暗号資産企業への投資を維持したまま政策立案に関与した点も批判されています。

監視カメラAIスタートアップのConntourは、General Catalyst、Y Combinator、SV Angel、Liquid 2 Venturesから700万ドルのシードラウンドを調達しました。共同創業者兼CEOのMatan Goldner氏によると、同ラウンドはわずか72時間で完了したとのことです。

同社のプラットフォームはビジョン言語モデルを活用し、セキュリティ担当者が自然言語で監視カメラの映像を検索できる仕組みを提供しています。たとえば「ロビーでスニーカーを履いた人物がバッグを手渡す場面」といった具体的なクエリで、録画映像やライブ映像から該当シーンを即座に抽出できます。

技術面での最大の強みはスケーラビリティです。NVIDIAのRTX 4090一枚で最大50台のカメラフィードを同時処理でき、数千台規模のシステムにも効率的に対応します。複数のモデルとロジックシステムを組み合わせ、クエリごとに最適なモデルを選択することで計算コストを最小化しています。

同社はシンガポール中央麻薬局をはじめとする大規模な政府・上場企業顧客を既に抱えており、その実績を背景に顧客の倫理的選別を行っています。Goldner氏は「顧客の用途を把握し、道徳的・合法的と判断できる相手のみと取引する」と述べ、プライバシー問題への配慮を強調しました。

今後の最大の技術課題は、LLMの柔軟性と処理効率の両立です。自然言語による自由な質問対応と、数千台のカメラフィードを低リソースで処理する効率性は本質的に矛盾しており、Goldner氏はこの課題の解決に注力していると語りました。映像品質が低い場合には信頼度スコアを付与し、結果の信頼性を担保する仕組みも備えています。

Emerald AIはNVIDIA、EPRI、National Grid、Nebiusと連携し、AIデータセンターが電力需要のピーク時に自律的に消費電力を調整する「電力柔軟型AIファクトリー」の実証実験をロンドンで実施しました。英国初の本格的な取り組みとして注目されています。

実験ではNVIDIA Blackwell Ultra GPU96基を搭載したクラスターで本番レベルのAIワークロードを稼働させ、EPRIとNational Gridが落雷や風力発電低下などの電力網ストレスシナリオをシミュレーションしました。Emerald AIのConductorプラットフォームが電力削減指示を受けて自動制御を行います。

象徴的なテストとして、EURO 2020のハーフタイムに英国全土で約1ギガワットの需要急増を引き起こした「TVピックアップ現象」を再現しました。AIクラスターは瞬時に電力消費を抑制し、電力網の衝撃吸収装置として機能することが実証されました。

結果として200以上の電力目標に対し100%の準拠率を達成し、高優先度のAIワークロードはピークスループットを維持しました。National Gridのスティーブ・スミス氏は、GPUだけでなくCPUやIT機器全体の総消費電力を含む包括的なテストに成功したと評価しています。

この技術により、AIデータセンターは大規模なインフラ増強を待たずに既存の電力網へ迅速に接続できるようになります。Emerald AIとNVIDIAは今年中にバージニア州のAurora AIファクトリーで実運用を開始する予定であり、英国でも経済成長を後押しする基盤として期待が高まっています。

NVIDIAは2026年3月のGTCカンファレンスにおいて、オープンなフロンティアAI基盤モデルの開発を推進する国際連合「Nemotron Coalition」の設立を発表しました。Mistral AIをはじめとする主要AI研究機関が参画し、データや計算資源を共有します。

CEOのジェンスン・フアン氏は「独自かオープンかではなく、独自もオープンも」と述べ、両方のアプローチの共存が不可欠であるとの見解を示しました。NVIDIAは現在Hugging Faceで最大の組織となり、約4,000人のチームメンバーを擁しています。

連合の最初のプロジェクトとして、Mistral AIとNVIDIAが基盤モデルを共同開発します。連合メンバーがデータ提供や評価、ドメイン専門知識で貢献し、オープンエコシステムに公開される予定です。Nemotronモデルはすでに4,500万回以上ダウンロードされています。

GTCのパネルではCursor、Perplexity、LangChain、Thinking Machines LabなどのAI業界リーダーが登壇しました。AIエージェントが数時間・数日かかるタスクを処理する「同僚」になるとの見通しや、複数モデルの自動オーケストレーションの重要性が議論されました。

パネリストらは、汎用モデルと専門特化モデルの両立が社会に価値をもたらすと強調しました。オープンな基盤の上に各組織が独自データを組み合わせることで差別化が可能になり、学術界を含む幅広い参加者がAIの進歩に貢献できる環境が整うと述べています。

Armは、同社初となる自社設計・製造のデータセンター向けCPU「Arm AGI CPU」を発表しました。これまで設計ライセンス事業に徹してきた同社にとって、自社シリコンへの参入は創業以来最大の戦略転換となります。初期顧客としてMetaが採用を決定しています。

CEO のルネ・ハース氏は、ArmがIP企業から「コンピュートプラットフォーム企業」に進化したと説明しました。MicrosoftがSurfaceでWindowsエコシステムを強化し、GoogleがPixelでAndroidを推進するのと同様に、Armも自社チップでエコシステム全体を底上げする狙いがあると述べています。

新CPUの最大の強みは電力効率です。モバイルチップで培った省電力設計のDNAを活かし、AI時代のデータセンターが直面するエネルギー問題に対応します。さらに、エージェントAIの実行にはGPUではなくCPUが不可欠であり、この需要拡大がArm参入の追い風となっています。

製造はTSMCが担当し、Super MicroやFoxconnと協力してサーバー参照設計も提供します。ハース氏は約2,000人のエンジニアを関連部門に増員したと明かしました。既存のコンピュートサブシステムで実績があるため、初号機から高い完成度を自信を持って見込んでいます。

この動きはIntelとAMDのx86勢にとって直接的な脅威となります。一方、NvidiaのVera CPUもArm ベースであるため、Armエコシステムの拡大はNvidiaにもプラスに働くとハース氏は主張。ソフトバンクの孫正義会長とは日常的に連携しており、今回の決断もパートナーとしての議論を経て進めたと語りました。

英国の開発者Nick Payne氏が、完全ローカル動作のAI議事録アプリ「Talat」をMac向けに公開しました。評価額15億ドルのGranolaに対抗し、音声データがクラウドに送信されないプライバシー重視の設計が最大の特徴です。

TalatはZoom、Teams、Google Meetなどの会議アプリから音声を取得し、リアルタイムで文字起こしを行います。会議終了後にはローカルLLMが要約・要点・決定事項・アクションアイテムを自動生成します。話者の識別もリアルタイムで行われ、手動での再割り当ても可能です。

技術基盤にはFluidAudioというSwiftフレームワークを採用し、AppleのNeural Engine上で高速な音声AI処理を実現しています。Payne氏が開発したオープンソースの音声ライブラリAudioTeeも活用されており、Apple独自のCore Audio Taps APIを通じてシステム音声を取得します。

要約モデルにはQwen3-4B-4bitをデフォルトで搭載し、比較的低スペックなハードウェアでも動作します。ユーザーは任意のクラウドLLMやNvidia製Parakeetモデル、Ollama経由のローカルモデルに切り替えることも可能で、高いカスタマイズ性を備えています。

価格はプレリリース版で買い切り49ドル、正式版では99ドルに値上げ予定です。M1以降のMacで利用でき、購入前に10時間の無料トライアルが可能です。開発者のPayne氏と共同創業者のMike Franklin氏はブートストラップで運営し、今後も買い切りモデルを維持する方針を示しています。

NVIDIAは、KubeCon Europe 2026において、GPU向け動的リソース割当（DRA）ドライバをCloud Native Computing Foundation（CNCF）に寄贈すると発表しました。これにより同ドライバはベンダー管理からKubernetesプロジェクト配下のコミュニティ主導へと移行します。

DRAドライバは、Kubernetes上でAIワークロードを実行する企業にとって重要な基盤ソフトウェアです。Multi-Instance GPUやMulti-Process Serviceに対応し、GPUリソースの効率的な共有と動的な再構成を可能にします。大規模AIモデルの学習に不可欠なマルチノードNVLinkもネイティブサポートしています。

AWS、Google Cloud、Red Hat、Broadcom、Canonical、Microsoft、SUSE等の主要クラウド企業がこの取り組みに協力しています。Red HatのCTOクリス・ライト氏は、オープンソースが企業AI戦略の中核になると述べ、標準化の意義を強調しました。CERNも科学計算における貢献を評価しています。

NVIDIAはさらに、CNCFのConfidential Containersコミュニティと連携し、Kata ContainersへのGPUサポートを導入しました。これにより、ワークロードの分離による機密計算が可能となり、データ保護を強化したAI処理を実現します。

加えて、高性能AIワークロードスケジューラ「KAI Scheduler」がCNCFサンドボックスプロジェクトに採用されました。NVIDIA Dynamo 1.0に続き、Kubernetes上でGPUクラスタの推論ワークロードを宣言的に管理できるオープンソースツール「Grove」も発表され、エコシステムの拡充が進んでいます。

MicrosoftとNVIDIAは、原子力発電所の許認可・設計・建設・運用を一貫して支援するAI for nuclear協業を発表しました。デジタル時代の電力需要急増に対応し、カーボンフリー電源の展開を加速する狙いです。

原子力発電所の許認可には数年の期間と数億ドルの費用がかかり、エンジニアは数万ページにおよぶ文書の整合性確認に膨大な時間を費やしています。今回の協業では生成AIを活用し、文書作成やギャップ分析を自動化することで、規制当局が安全判断に集中できる環境を整備します。

設計段階ではデジタルツインと高精度シミュレーションにより、実際の着工前に設計変更の影響を即座に検証できます。建設段階では4D・5Dシミュレーションで工程と費用を仮想的に構築し、遅延やコスト超過を未然に防止します。運用段階ではAIセンサーが異常を早期検知し、予知保全を実現します。

すでに具体的な成果が出ています。Aalo AtomicsはMicrosoftの許認可向け生成AIソリューションを導入し、許認可プロセスを92%短縮、年間推定8000万ドルの削減を達成しました。Southern NuclearはCopilotをエンジニアリングやライセンス業務に展開し、意思決定の質を向上させています。

技術基盤にはNVIDIA Omniverse、Earth 2、CUDA-X、PhysicsNeMoなどと、Microsoftの許認可ソリューションアクセラレータおよびPlanetary Computerが統合されています。EverstarやAtomic Canyonといったスタートアップもエコシステムに参画し、Azure上で原子力業界向けAIの実用化を推進しています。

連続起業家Brett Adcock氏が設立したAIラボ「Hark」が、マルチモーダルなエンドツーエンドモデルとハードウェア、インターフェースを一体設計し、常時記憶を持つパーソナル知能製品を開発していることを明らかにしました。

デザイン責任者には元Apple工業デザイナーのAbidur Chowdhury氏を招聘しています。同氏はiPhone Airなどのデザインチームを率いた実績を持ち、Adcock氏のビジョンに共感して昨秋Appleを退社しました。今夏にAIモデルの初回リリースを予定しています。

Chowdhury氏は既存デバイスがAI以前の設計に留まっていると指摘し、知能をアプリやウェブサイトではなく「すべてのものの基盤層」に据えるべきだと主張しています。フォーム記入や旅行予約など日常の煩雑な作業の自動化を目指します。

同氏はウェアラブルAIやカメラ付きピンなどのデバイスには懐疑的な立場を示し、「人間とインターフェースの間にレイヤーを置くのは適切ではない」と述べています。従来の「万人向けの最適解」から個人ごとの最適体験へのUX転換を提唱しています。

Harkには45名のエンジニアとデザイナーが在籍し、Meta AIの研究者やApple・Tesla出身者が含まれます。4月には数千基のNVIDIA GPUクラスターの運用を開始予定です。Adcock氏のロボット企業Figureとのモデル共有も進んでおり、1億ドルの自己資金を元手にAI消費者製品の競争に参入します。

ウクライナの戦場で、AI搭載の自律型ドローンが急速に実戦配備されています。元Petcube CEOのアジュニューク氏が設立したThe Fourth Law社は、既存ドローンに後付けできる約50ドルの自律モジュールを数千基以上前線に供給し、命中率を最大4倍に向上させました。

自律化が求められる背景には、ロシア軍の高度な電子妨害があります。GPS信号の妨害やなりすましにより操縦者との通信が遮断されると、従来のドローンは無力化されます。自律航法はAIによる画像認識で地形を把握し、外部通信に依存せず目標に到達するため、妨害の影響を受けません。

ロシア側も急速に進化しています。イラン設計のShahedドローンの月間発射数は2024年1月の334機から2025年8月には4000機超へと10倍以上に増加しました。撃墜された残骸からはNvidia Jetson Orinプロセッサが発見され、AI画像認識による自律航法や機体間通信機能の搭載が確認されています。

防衛側でも自律技術の導入が進んでいます。MaXon Systems社は赤外線センサーと自律迎撃ドローンを組み合わせたシャヘド迎撃システムを開発しました。元Google CEOエリック・シュミット氏が支援するProject EagleのMeropsシステムも、これまでに1000機以上のシャヘドを撃墜する成果を上げています。

しかし専門家は、AIによる標的識別の精度にはまだ課題があると指摘します。戦車など大型目標の認識は可能ですが、兵士と民間人の区別や高速移動する小型目標の追尾は困難です。完全自律の実用化には2〜3年、人間の介入なしの運用には10〜15年かかるとの見方もあります。

この技術革新の波はウクライナの戦場にとどまりません。アフリカのテロ組織やメキシコの麻薬カルテルもFPVドローンを使用し始めており、自律型攻撃兵器の拡散リスクが高まっています。一方で欧米の技術水準はウクライナ・ロシアに大きく後れを取っており、専門家は安全保障上の格差拡大に警鐘を鳴らしています。

英Armは2026年3月、サンフランシスコで開催したイベントにおいて、創業以来初となる自社製CPU「Arm AGI CPU」を発表しました。同社はこれまでチップ設計のライセンス供与に徹してきましたが、AI需要の急拡大を受けて自社製造に踏み切りました。

AGI CPUはAIエージェントの推論処理に特化したデータセンター向けプロセッサです。最大136コアを搭載し、TSMCの3nmプロセスで製造されます。従来のx86アーキテクチャ製品と比較して、ワットあたり性能が2倍に達すると同社は主張しています。

Metaが共同開発パートナー兼最初の顧客として名乗りを上げました。Meta基盤部門責任者のサントシュ・ジャナルダン氏は「チップ業界を複数の軸で拡大する」と期待を示しています。同社は「パーソナル超知能」の実現に向け、電力効率の高いシリコンを求めています。

OpenAI、Cerebras、Cloudflare、SAP、SK Telecom、Rebellionsなども採用を表明しました。Nvidia、Amazon、Googleの幹部もビデオメッセージで支持を表明しましたが、購入の確約には至っていません。量産出荷は2026年後半を予定しています。

調査会社Creative Strategiesは、データセンター向けCPU市場が2026年の250億ドルから2030年には600億ドルに成長すると予測しています。エージェントAI向けCPUを含めると市場規模は1000億ドルに達する見通しです。一方、Armが自社チップを投入することで、既存ライセンス先との競合関係が生じるリスクも指摘されています。

Tenstorrentは、独自開発のBlackhole AIアクセラレータ4基を搭載したワークステーション「QuietBox 2」を発表しました。価格は約9,999ドルで、2026年第2四半期に発売予定です。

QuietBox 2は合計384GBのメモリを備え、MetaのLlama 3.1 70Bを毎秒約500トークンで実行できます。消費電力は最大1,400Wで、一般家庭のコンセントでも使用可能な設計となっています。

対するNvidiaのDGX Stationは最大748GBのメモリを搭載し、MSI製モデルは約8万5,000ドルで販売されます。消費電力は1,600Wと、家庭用ブレーカーの上限に近い水準です。

Tenstorrentはオープンソースのソフトウェアスタックとx86互換のAMDプラットフォームを採用し、Nvidiaの独自CUDAエコシステムとは異なるアプローチで差別化を図っています。

一方、AI基盤の液冷化も急速に進んでいます。Solidigmは、空冷と液冷の混在が二重コスト構造と熱設計の矛盾を生む「構造的負債」だと指摘しています。

SolidigmはNvidiaと協力し、液冷環境でホットスワップ可能なSSDの開発を進めています。ストレージがGPUの冷却資源を圧迫しない設計が、AI基盤の性能最大化に不可欠とされています。

業界ではOCPやSNIAが主導し、液冷AIシステムの相互運用性を確保する標準化が進行中です。カスタム冷却から標準準拠の設計への移行が加速しています。

独Agile Robotsは2026年3月、米Google DeepMindと戦略的研究パートナーシップを締結したと発表しました。同社のロボットにDeepMindのGemini Robotics基盤モデルを統合し、産業分野での自律ロボット開発を共同で進めます。

提携の対象分野は電子機器製造、自動車、データセンター、物流など多岐にわたります。両社はGemini基盤モデルを活用したロボットのテスト、微調整、実環境への展開を協力して行う方針です。契約は長期とされていますが、具体的な期間や金額は非公開です。

Agile Robotsは2018年創業のミュンヘン拠点企業で、SoftBank Vision FundやXiaomiなどから累計2億7000万ドル超を調達しています。共同創業者兼CEOのZhaopeng Chen氏は「自律型インテリジェント生産システムが産業全体を変革する大きな機会がある」と述べました。

ロボット業界では同様の提携が相次いでいます。Hyundai傘下のBoston Dynamicsは今年初め、ヒューマノイドロボットAtlasの開発にDeepMindのAI基盤モデルを活用すると発表しました。また独Neura Roboticsも3月にQualcommのIQ10プロセッサを採用する提携を公表しています。

NVIDIAのJensen Huang CEOをはじめ業界関係者の多くが物理AIをAI市場の次なるフロンティアと位置づけています。ハードウェアとソフトウェアそれぞれの強みを持つ企業同士の補完的な提携は今後さらに加速する見通しです。

PNY Technologiesは、NVIDIAの最新ワークステーション向けGPU「RTX PRO 6000 Blackwell Workstation Edition」を発表しました。データサイエンスとAIワークフロー向けに設計され、デスクトップ環境でデータセンター級の性能を実現します。

データサイエンティストの業務時間の大半を占めるデータ準備工程において、NVIDIA CUDA-Xのオープンソースライブラリ「cuDF」を活用することで、従来のCPUベースツールと比較して最大50倍の高速化を達成します。データクレンジングや特徴量エンジニアリングが数時間から数秒に短縮されます。

具体的なベンチマークでは、結合操作がCPUの約5分からGPUでわずか14秒に、高度なグループ集計処理は約4分から4秒へと劇的に改善されました。GPU加速のXGBoostによりモデル訓練も数週間から数分に短縮されます。

セキュリティとコスト面では、計算処理をデータセンターやクラウドからオフロードすることで、機密データをオンプレミスに保持しながら運用コストを削減できます。最大4基のGPUを搭載可能で、大規模データセットの処理や高度な可視化にも対応します。

企業向けにはNVIDIA AI Workbenchを通じて、デスクトップ・クラウド・データセンター間でのシームレスな共同作業環境を提供します。CUDA-XやNVIDIA Enterpriseソフトウェアスタックにより、Pythonワークフローのゼロコード変更での高速化と100以上のAI対応アプリケーションをサポートします。

NVIDIAは、自律型AIエージェントを安全に実行するためのオープンソースランタイム「OpenShell」を早期プレビューとして公開しました。NVIDIA Agent Toolkitの一部として提供され、エージェントの行動とセキュリティポリシーを分離する設計が特徴です。

OpenShellの核心は「ブラウザタブモデル」と呼ばれるアーキテクチャにあります。各エージェントは独立したサンドボックス内で動作し、セッションは隔離され、リソースへのアクセスはランタイムが事前に検証します。これにより、エージェントが侵害されても認証情報や機密データの漏洩を防止できます。

従来のAIセキュリティは行動プロンプトに依存していましたが、OpenShellは環境レベルで制約を強制します。ポリシー定義と実行をエージェントの到達範囲外に置くことで、自己進化するエージェントであってもセキュリティ規則を迂回できない仕組みを実現しています。

セキュリティパートナーとの連携も進んでいます。Cisco、CrowdStrike、Google Cloud、Microsoft Security、TrendAIと協力し、企業スタック全体でエージェントのランタイムポリシー管理と適用の統一を図っています。これにより組織は単一のポリシー層で自律システムの運用を監視できます。

併せて公開されたNemoClawは、OpenShellランタイムとNemotronモデルを組み合わせた個人向けAIアシスタントのリファレンススタックです。GeForce RTX搭載PCからDGX Sparkまで幅広いNVIDIAハードウェアで動作し、ユーザーがプライバシーとセキュリティのガードレールをカスタマイズできる設計となっています。

Nvidiaのジェンスン・フアンCEOは、Lex Fridmanのポッドキャストに出演し、「AGI（汎用人工知能）は既に達成されたと考えている」と発言しました。フアン氏は、AIが10億ドル規模の企業を立ち上げられるかというAGIの定義に対し、「今がその時だ」と答えています。

しかしフアン氏はその直後に発言をやや後退させ、「10万のAIエージェントがNvidiaを構築できる確率はゼロだ」と述べました。オープンソースAIエージェント基盤OpenClawの成功には言及したものの、持続的な成功の難しさも認めています。

AGIという用語は近年、テック業界で大きな議論を呼んでおり、OpenAIとMicrosoftの契約条項にも関わる重要な概念です。各社はAGIに代わる独自の用語を模索していますが、実質的な意味は同じだと指摘されています。

一方、DLSS 5の「生成AI」によるグラフィック強化機能は、ゲーマーコミュニティから「AIスロップ」だと強い批判を受けました。多様なゲームが画一的なフォトリアリズムに均質化されるという懸念が広がっています。

フアン氏はこれに対し、DLSS 5は「3D条件付き・3D誘導型」の技術であり、アーティストが作成した構造やテクスチャを基盤とするアーティスト主導のツールだと反論しました。後処理で勝手に変更するのではなく、各フレームを「強化するが変更はしない」と説明しています。

Gimlet Labsは、AI推論のボトルネックを解消する「マルチシリコン推論クラウド」を開発するスタートアップです。スタンフォード大学の非常勤教授でもあるZain Asgar氏が率い、Menlo Ventures主導で8000万ドルのシリーズAラウンドを完了しました。

同社の技術は、AIワークロードをCPU・GPU・高メモリシステムなど異なる種類のハードウェアに同時分散させるオーケストレーションソフトウェアです。エージェント型AIの各処理ステップが求める計算資源の特性に応じて、最適なチップに自動的に割り振ります。

マッキンゼーの試算では、2030年までにデータセンター投資は約7兆ドルに達する見通しです。一方でAsgar氏は、既存ハードウェアの稼働率がわずか15〜30%にとどまると指摘し、「数千億ドル規模の遊休資源が無駄になっている」と述べています。

Gimlet Labsは2025年10月に8桁ドル規模の売上を伴って正式ローンチしました。その後4カ月で顧客基盤は倍増し、大手モデルメーカーや超大規模クラウド事業者も含まれています。NVIDIA、AMD、Intel、ARM、Cerebras、d-Matrixとも提携済みです。

共同創業者チームは以前、Kubernetes向け可観測性ツールPixieを開発し、2020年にNew Relicに売却した実績があります。今回のラウンドにはSequoiaのBill Coughran氏やIntel CEOLip-Bu Tan氏ら著名エンジェル投資家も参加しています。

Nvidiaは2026年3月のGTCカンファレンスで、CEOジェンスン・ファン氏が基調講演を行い、売上1兆ドル規模の予測やDLSS 5の生成AI活用、全企業へのOpenClaw戦略の必要性を訴えました。

講演の目玉として、ディズニー映画「アナと雪の女王」のオラフを模したロボットが登場しました。Nvidiaのロボティクス技術を実演する目的でしたが、デモ終盤でオラフが暴走して観客に話し続けたため、スタッフがマイクを切る一幕がありました。

TechCrunchのポッドキャスト「Equity」では、このデモについて議論が交わされました。記者のショーン・オケイン氏は、こうしたロボティクスのプレゼンが常に工学的課題にのみ焦点を当て、社会的な問題を無視していると指摘しています。

具体的には「子供がオラフを蹴り倒したらどうなるのか」という問題が提起されました。ディズニーパークでのブランド毀損リスクや、ヒューマノイドロボット全般が抱える人間社会への統合という課題は、技術的な進歩の議論に比べて大幅に遅れていると警鐘を鳴らしています。

一方、記者のキルステン・コロセク氏は反論として、オラフには人間の監視役が必要になるため、むしろ新たな雇用を生む可能性があると述べました。NvidiaにとってはOpenClaw関連の投資はリスクが低く、何もしないことの方が大きなリスクだとの見解も示されています。

Amazonは自社開発AIチップ「Trainium」の開発拠点であるオースティンのチップラボを報道陣に初公開しました。同チップはOpenAIとの500億ドル規模の提携やAnthropicのClaude運用を支える中核技術として注目を集めています。

Trainiumは当初モデル学習向けに開発されましたが、現在は推論処理にも最適化されています。Amazon Bedrockサービスの推論トラフィックの大半をTrainium2が処理しており、全世代で140万チップが稼働中です。Anthropicは100万チップ以上を利用しています。

最新のTrainium3はTSMC製の3ナノメートルプロセスで製造され、独自設計のNeuronスイッチによりチップ間をメッシュ接続し遅延を大幅に削減します。新型Trn3 UltraServerは従来のクラウドサーバーと比較して最大50%のコスト削減を実現するとAmazonは説明しています。

NvidiaのGPUからの移行障壁を下げるため、TrainiumはPyTorchに対応しており「1行の変更と再コンパイルで動作する」とエンジニアは説明します。さらにAmazonはCerebras Systemsとの提携も発表し、推論チップの連携による低遅延AI処理を目指しています。

開発チームは2015年にAmazonが約3.5億ドルで買収したイスラエルのAnnapurna Labsを母体とし、10年以上の設計実績があります。CEOのAndy Jassy氏はTrainiumを「数十億ドル規模のビジネス」と公言しており、次世代のTrainium4の開発も進行中です。

2026年3月に開催されたGDC（ゲーム開発者会議）では、生成AIツールを売り込むベンダーが会場を埋め尽くしました。テンセントのAI生成ピクセルアートやGoogle DeepMindの満員セッションなど、AI展示が目立つ一方、実際のゲーム開発者の反応は冷ややかでした。

取材に応じた開発者のほぼ全員が、自身のプロジェクトでのAI活用を否定しました。インディーゲームパブリッシャーFinjiの共同創業者アダム・ソルツマン氏は「絶対に使わない」と断言し、作品には特定の人間の指紋が刻まれていることが価値だと語りました。

GDCの最新調査によると、回答者の52%が生成AIはゲーム業界に悪影響を及ぼしていると回答しています。この数字は2025年の30%、2024年の18%から急増しており、NvidiaのDLSS 5が既存キャラクターにAI特有の不自然な顔を付加した問題も、開発者の不信感を強めています。

法的な課題も深刻です。AI生成アートは著作権保護の対象外とする判例があり、生成AIの出力物を商品として販売するための法的枠組みが整っていません。Panic社やBigMode社など複数のパブリッシャーが、AI使用ゲームの受付を拒否する方針を明確にしています。

開発者たちが最も強調したのは、AI導入がゲーム制作の職人技を奪うという点です。Black Tabby Gamesのトニー・ハワード＝アリアス氏は「集中的なキャリアの積み重ねでしか技術は向上しない」と述べ、AI代替が進めば将来の人材確保が困難になると警鐘を鳴らしました。

一方で、映画業界のように制作支援用のカスタムAIモデルが将来的にゲーム開発にも応用される可能性を認める声もあります。しかし現時点では、開発者の多くが「100%手作り」にこだわり、人間同士のつながりを生む体験の提供こそが自分たちの使命だと語っています。

Nvidiaのジェンセン・ファンCEOが2026年3月のGTC基調講演で2時間半にわたり新技術を発表しましたが、講演開始とともに時価総額4兆ドルの同社株価は下落しました。ウォール街の投資家はAIの将来に対する不確実性とバブル懸念を重視した形です。

ファンCEOは講演で、ゲーム用グラフィックス技術、ネットワークインフラ、自動運転契約、Groqと共同設計した推論高速化チップなど多数の新製品を披露しました。AIエージェント市場を35兆ドル、物理AI・ロボット市場を50兆ドルと見積もり、BlackwellとVera Rubinチップだけで2027年末までに1兆ドルの受注を見込むと述べました。

調査会社Futurumのダニエル・ニューマンCEOは、AIの技術革新の速度が市場に「新たな不確実性」をもたらしていると分析します。企業のAI導入に関する否定的な報道は半年前のデータに基づいており、実際には急速に普及が進んでいると指摘しました。

Nvidiaの業績はこの見方を裏付けています。前四半期の売上高は前年比73%増と目標を大幅に上回り、AmazonがAWS向けに2027年末までに100万GPUを購入する計画も今週確認されました。Zacks Investment Researchのケビン・クック氏は「経済全体がNvidiaを中心に回っている」と評しています。

バブルの可能性は否定できないものの、GTCで示された不確実性はNvidia固有の問題ではなくAI市場全体の課題です。同社はプラットフォーム企業として世界経済を牽引し続けており、ファンCEOは「100兆ドル規模の産業がすべてここにある」と自信を示しました。

Nvidiaのジェンスン・ファンCEOは2026年3月のGTCイベントで、エンジニアの報酬にAIトークンを加えるべきだと提唱しました。基本給の約半額に相当する年間25万ドル規模の計算資源を支給し、採用競争力を高める狙いがあります。

この構想の背景には、エージェント型AIの急速な普及があります。1月にリリースされたオープンソースのOpenClawは、自律的にタスクを処理し続けるAIアシスタントで、トークン消費量の爆発的増加を象徴する存在です。

VCのトマシュ・タンガズ氏は2月時点で、スタートアップが推論コストを給与・株式・ボーナスに次ぐ「第4の報酬要素」として組み込み始めていると指摘していました。上位エンジニアの総報酬は47万5千ドルに達し、約5分の1が計算資源です。

一方で、スタンフォードMBA出身のジャマール・グレン氏は、トークン予算は権利確定せず資産価値も増えないため、企業が報酬パッケージの見かけ上の価値を膨らませる手段になりかねないと警告しています。現金や株式と異なり、転職時の交渉材料にもなりません。

さらに深刻な問題として、従業員1人あたりのトークン支出が給与を超える水準に達した場合、企業の財務部門は人員数そのものの妥当性を問い直すことになります。AIトークンが「報酬の第4の柱」となるか、それとも人件費削減の布石となるか、エンジニアは慎重な見極めが求められます。

大規模言語モデル（LLM）がロボティクスや自動運転など物理世界の理解を要する領域で限界に直面しており、投資家の関心が「世界モデル」へ急速にシフトしています。AMI Labsが10.3億ドル、World Labsが10億ドルのシード資金を相次いで調達しました。

チューリング賞受賞者のリチャード・サットン氏はLLMが人間の発言を模倣するだけで世界をモデル化していないと警告しました。Google DeepMindのデミス・ハサビスCEOも、現在のAIは数学五輪を解けるのに基本的な物理で失敗する「不均一な知性」を抱えていると指摘しています。

第1のアプローチ「JEPA」は、ピクセルレベルの予測ではなく潜在的な抽象表現を学習する手法です。人間が車の軌道と速度を追跡し背景の細部を無視するように、核心的な物理法則のみを捉えます。計算効率が高くリアルタイム推論に適しており、AMIは医療企業Nablaと提携してヘルスケア分野での活用を進めています。

第2のアプローチはWorld Labsが採用する「ガウシアンスプラット」で、画像やテキストから完全な3D空間環境を生成します。Unreal Engineなどに直接インポートでき、Autodeskが産業設計への統合を目的に同社を強力に支援しています。第3のアプローチはDeepMindのGenie 3やNvidiaのCosmosに代表されるエンドツーエンド生成で、モデル自体が物理エンジンとして機能します。

今後は各アプローチの長所を組み合わせたハイブリッドアーキテクチャの台頭が見込まれます。サイバーセキュリティ企業DeepTempoはLLMとJEPAを統合した「LogLM」でログ異常検知を実現しており、LLMが推論・対話層を担い世界モデルが物理・空間データ基盤となる構図が形成されつつあります。

NVIDIAは2026年3月20日、マルチモーダル・多言語対応のコンテンツ安全モデル「Nemotron 3 Content Safety 4B」をHugging Faceで公開しました。従来の英語中心・テキストのみの安全モデルが抱えていた文化的ニュアンスの見落としを解消することを目指しています。

同モデルはGemma-3 4B-ITビジョン言語基盤モデル上に構築され、LoRAアダプターで安全分類機能を追加しています。テキスト・画像またはその両方を入力として受け取り、安全・危険の判定を出力します。アシスタント応答が含まれる場合はやり取り全体の文脈を評価し、複合的に生じる違反も検出できます。

訓練データにはNemotron Safety Guard Dataset v3の文化的に適応された多言語データ、人手でアノテーションされたマルチモーダルデータ、合成データなどが含まれます。英語データは日本語・中国語・韓国語を含む12言語に翻訳され、実運用環境を反映した多言語カバレッジを実現しています。

ベンチマーク評価では、Polyguard・VLGuard・MM SafetyBenchなど主要テストで平均84%の精度を達成し、同規模のオープン安全モデルを上回りました。さらにポルトガル語やロシア語など訓練外言語でも強力なゼロショット汎化性能を示しています。推論遅延は大型モデルの約半分で、エージェントループやリアルタイム用途にも適しています。

4月にはNVIDIA NIMとしても提供予定で、GPU最適化された推論マイクロサービスとして本番環境への迅速な導入が可能になります。企業のAIエージェントやグローバルサービスにおけるコンテンツモデレーション基盤として、実用性の高い選択肢となりそうです。

NVIDIAは2026年3月16日、サンノゼで開催したGTC 2026の基調講演で、創業者兼CEOのジェンスン・ファン氏が次世代フルスタックAIプラットフォーム「Vera Rubin」を発表し、2025年から2027年にかけて少なくとも1兆ドルの売上を見込むと宣言しました。

Vera Rubinは7つのチップ、5つのラックスケールシステム、1台のスーパーコンピュータで構成されるエージェントAI向け統合プラットフォームです。専用CPU「Vera」と新ストレージ基盤「BlueField-4 STX」を搭載し、さらに次世代アーキテクチャ「Feynman」や宇宙AI「Space-1」構想も予告されました。

エージェントAI分野では、オープンソースのOpenClawを全企業が戦略として持つべきだと強調し、エンタープライズ向けにポリシー制御やガードレールを備えた「NemoClaw」スタックとOpenShellランタイムを発表しました。DGX SparkやDGX Stationと組み合わせ、デスクトップで自律エージェントを安全に構築・運用できる環境を提供します。

クラウド基盤ではAWSが100万台超のNVIDIA GPUを展開する大型提携を発表し、MicrosoftもAzureデータセンターにVera Rubin NVL72を世界初導入しました。物理AI領域ではBYD、日産、現代、吉利が自動運転プラットフォームに参画し、Uberとのロボタクシー配車連携も明らかになりました。

医療分野では初のヘルスケア特化型物理AIプラットフォームを公開し、外科手術ロボット向けにCosmos-HやGR00T-Hなどのモデル群を整備しました。Johnson & JohnsonやCMR Surgicalが早期採用を表明しています。さらにAlphaFoldタンパク質構造データベースの大規模拡張や、Nemotronモデルによるデジタルヘルスエージェントの構築支援など、ライフサイエンス領域でも多数の発表がありました。

オープンモデル戦略では「Nemotron Coalition」を立ち上げ、言語・推論、ワールドモデル、ロボティクス、自動運転、バイオ、気象の6つのフロンティアモデル群でパートナーを結集しました。基調講演ではディズニーのオラフが物理AIで自律歩行するデモで締めくくり、シミュレーションから現実世界への移行を印象づけました。

Nvidiaは2026年3月のGTC（GPU Technology Conference）で、ゲーム内キャラクターの顔を生成AIで写実的に変換する新技術「DLSS 5」を発表しました。従来のDLSSがフレームレート向上を目的としていたのに対し、今回は視覚的な変更を自動で加える点が大きな転換点となっています。

デモでは『バイオハザード』『アサシンクリード』『スターフィールド』などの人気タイトルが使用されましたが、SNS上では「ポルノ顔」「yassified（過度に美化）」などと酷評が相次ぎました。キャラクターの目が大きくなり、唇がふっくらし、鼻の形まで変わるなど、原作のデザイン意図を逸脱した変化が問題視されています。

ゲーム開発者からも懸念の声が上がっています。『Call of Duty』シリーズに携わったアーティストのジェームズ・ブレイディ氏は「アーティストの創造性と意図を根本から損なう」と批判しました。さらにCapcomやUbisoftの開発者は、デモの内容を事前に知らされておらず、一般公開と同時に初めて見たと報じられています。

批判に対しNvidiaのCEOジェンスン・ファン氏は「ゲーマーは完全に間違っている」と反論しました。しかしデモはNvidia最上位のGeForce RTX 5090を2枚使用しており、旧世代GPUの性能底上げという実用的な訴求がなかった点も失望を招いています。

オープンソースゲーム機Arduboyの開発者ケビン・ベイツ氏は、技術的偉業と認めつつも「現時点ではAI企業としての力を誇示するためにやらざるを得ないもの」と分析しています。一方で「数年後にはデフォルト機能になり、誰も気にしなくなる」とも予測しており、不気味の谷を越えた先の社会的受容が今後の焦点となりそうです。

NVIDIAは2026年3月20日、汎用埋め込みモデルを特定ドメインに最適化するファインチューニングレシピを公開しました。GPU1台と1日未満の学習時間で、手動ラベリング不要で高品質なドメイン特化型埋め込みモデルを構築できます。

本レシピの核心は、LLMを使った合成データ生成パイプラインです。ドメイン文書をLLMに読み込ませ、複雑さの異なる質問・回答ペアを自動生成します。マルチホップクエリにも対応し、複数文書にまたがる推論を学習データに反映できます。

学習効果を高めるため、ハードネガティブマイニングを導入しています。正解に近いが誤りである文書を特定し、モデルが微妙な違いを学習できるようにします。正解スコアの95%以上の候補は偽陰性の可能性があるため自動除外されます。

Atlassianは本レシピをJiraデータセットに適用し、Recall@60が0.751から0.951へと26.7%向上する成果を確認しました。数百万のRovoユーザーの検索精度が直接的に改善されています。

完成したモデルはONNXやTensorRTに変換後、NVIDIA NIMコンテナでOpenAI互換APIとして本番展開できます。既存のRAGパイプラインにコード変更なしで組み込める点が実用上の大きな利点です。

Nvidiaは年次開発者会議GTCにおいて、Groqとの200億ドル規模のライセンス契約に基づくAI推論専用チップを発表しました。CEOジェンスン・フアン氏はAI半導体の収益機会が2027年までに少なくとも1兆ドルに達するとの見通しを示しています。

注目すべきは、これまでAI業界が汎用GPUを転用してきたのに対し、今年初めてAI専用設計チップが登場する点です。Groqのチップと組み合わせることで推論の速度向上とコスト削減が実現し、Nvidia顧客にとって大きな効率改善が期待されます。

Nvidiaはさらに企業向けAIエージェント基盤「NemoClaw」を発表しました。OpenClaw等のオープンソースエージェント技術が急速に普及するなか、各社がエージェント分野の主導権を競っており、MetaもAIエージェントSNS「Moltbook」を買収するなど動きが加速しています。

一方Teslaでは、生涯利用可能とされた完全自動運転（FSD）の新車移行条件が突然変更され、3月31日までの納車が必要とされたことで忠実なファン層から強い反発が起きています。インフルエンサーを含む熱狂的支持者の離反も報じられ、株価を支えてきた個人投資家基盤への影響が懸念されます。

MetaはVRメタバースの象徴であったHorizon WorldsのQuest版を段階的に縮小すると発表しました。Reality Labs部門は4年間で推定770億ドルの損失を計上しており、社名変更からわずか4年半での事実上の撤退となります。同社は今後AIへの投資を本格化させる方針です。

約20年前に開発された光メタマテリアル技術を応用し、米スタートアップ2社がAI向けデータセンターの高速化と光コンピューティングの実用化に挑んでいます。従来「透明マント」として知られた技術が、いよいよ産業応用の段階に入りました。

ワシントン州のLumotiveは、銅構造と液晶素子を組み合わせたメタマテリアルチップを3月19日に発表しました。標準的な半導体製造技術で作られたこのチップは、可動部なしで光ビームの方向・形状・分割をリアルタイムに制御できます。

同社のチップは業界標準の256×256ポートに対応するだけでなく、1万×1万ポートへの拡張も可能とされています。既存の光スイッチ技術が抱えるシリコンフォトニクスのエネルギー効率問題やMEMSの信頼性問題を解決する手段として注目されています。

テキサス州のNeurophosは、メタマテリアルを用いて従来の1万分の1サイズの光変調器を開発しました。5×5ミリのチップ上に1000×1000の光変調器アレイを搭載し、完全にCMOSプロセスで製造できる点が強みです。

Neurophosは自社チップがNVIDIAのBlackwell世代GPUと比べ演算密度・電力効率ともに50倍を達成すると主張しています。2026年中にハイパースケーラー各社が概念実証チップを評価予定で、2028年前半のシステム投入、同年中頃の量産開始を目指しています。

NVIDIAの研究チームは2026年3月、投機的デコード（SD）を統一的に評価するベンチマーク「SPEED-Bench」を公開しました。SDはドラフトモデルで複数トークンを先読みし、ターゲットモデルが並列検証することで推論を高速化する技術ですが、従来の評価手法は断片的で本番環境を反映していませんでした。

SPEED-Benchは「Qualitative分割」と「Throughput分割」の2つのデータセットで構成されています。Qualitative分割は18のデータソースから11カテゴリ・計880プロンプトを収録し、テキスト埋め込みによる選択アルゴリズムでカテゴリ内の意味的多様性を最大化しています。

Throughput分割は入力長1k〜32kトークンの固定バケットを用意し、各バケットに低・混合・高エントロピーの3難易度で計1,536プロンプトを収録しています。バッチサイズ最大512までの高並行環境で、本番に近いスループット評価が可能です。

評価の結果、SDの受理長はドメインに強く依存することが確認されました。コーディングや数学などの低エントロピー領域では高い受理長を示す一方、ロールプレイや創作文は推測が困難です。また、ネイティブMTPヘッドはEAGLE3より大幅に高い受理長を達成し、ベースモデルとの共同学習の優位性が示されました。

さらに、ランダムトークンを用いた従来のベンチマーク手法は、SD有効時にスループットを約23%過大評価する問題が判明しました。MoEモデルでもエキスパートルーティングが不正確になるため、現実的なデータでの評価が不可欠です。データセットと計測フレームワークはオープンソースで公開されています。