NVIDIA(企業)に関するニュース一覧

メモリ大手Micron、時価総額が一時メタ超え

AI需要で急騰

株価が1カ月で236%上昇
時価総額が一時メタ・テスラ超え
HBMなどAI向けメモリが牽引
売上高は前年比4倍の414億ドル

持続性に懸念

長期供給契約16件で需要確保
メモリ不足は2027年まで継続予測
市況悪化リスクは依然残存

米メモリ半導体大手のMicronが、AIデータセンター向け需要の急増を背景にウォール街の注目を集めています。2026年6月25日、同社の時価総額は一時メタとテスラを上回り、過去最高水準に達しました。株価は直近1カ月だけで236%急騰し、金曜終値は1株1132ドルと、2025年半ばまで100ドル未満で推移していた水準から劇的に上昇しています。

急騰の原動力は、AIサーバー向けメモリ需要の逼迫です。AIサーバーはノートPCの数倍のメモリを必要とし、同社が手掛けるDRAMやNAND、とりわけ高帯域幅メモリ(HBM)の供給が追いつかない状況が続いています。NvidiaやMicrosoft、Amazon AWS、Google、Oracleといった大手がメモリを大量に買い占め、DellやHPなどPCメーカーも在庫確保に動いています。

この供給不足は「RAMageddon」と呼ばれ、2027年まで続くと予測されています。すでにApple製品やXboxなど消費者向け電子機器の価格上昇を招いており、影響は広範に及んでいます。こうした逼迫を背景に、同社は第3四半期に売上高が前年同期比4倍の414億ドル、純利益が18.8億ドルから282億ドルへと急拡大する好決算を発表しました。

メモリ業界の歴史的な課題は、製造能力の増強に時間と費用がかかる一方、増産が完了する頃に需要が落ち込み、供給過剰と価格下落を招く点にあります。同社はこのリスクに先手を打ち、NvidiaやAI企業Anthropicとの長期供給契約を含む16件の戦略的顧客契約を強調し、事業モデルの変革を見込んでいます。

アナリストの評価も上向いています。William Blairのセバスチャン・ナジ氏は、需要の伸びが新たなクリーンルームの稼働ペースを上回っていると指摘し、長期契約による収益見通しの改善を理由に「Outperform」の評価を維持しました。ただし、市況の循環的な悪化を避けて長期的に成長を続けられるかは、依然として未知数です。

OpenAIの自社チップ、Nvidia依存脱却の動き加速

自社チップ参入

OpenAIが推論用チップJalapeño発表
Broadcomと共同開発
Google、Apple、SpaceXに続く動き

脱Nvidiaの狙い

単一供給元リスクの回避
用途に最適化した性能向上
AppleのIntel離脱に並ぶ転換

AI半導体市場を長年支配してきたNvidiaへの一極依存が、転機を迎えつつあります。OpenAIは半導体大手Broadcomと共同開発した独自の推論用チップ「Jalapeño」を発表し、自社シリコンを持つ大手の一角に加わりました。

今回の動きは、Nvidiaとの完全な決別ではなく、供給リスクを抑えるヘッジの側面が強いといえます。Google、Apple、SpaceXもすでに自前のチップ開発を進めており、単一供給元に頼る構図から各社が距離を置き始めています。

自社チップの利点は、ハードウェアを自社の用途に合わせて細かく調整できる点にあります。これにより制御の自由度が高まり、AppleがIntel製プロセッサから自社設計に切り替えた際に得たような性能向上が期待されます。

TechCrunchのポッドキャスト番組Equityでは、ホスト陣がこの自社チップ化の流れが業界に与える影響を議論しています。AI半導体スタートアップの資金調達や、AIエージェントの進化など、関連する話題も取り上げられました。

経営者やエンジニアにとって、半導体の調達戦略はAI事業の競争力を左右する重要な論点です。大手各社が自社チップへと舵を切る今、自社のAI基盤をどの供給網に委ねるかを改めて見直す時期に来ているのではないでしょうか。

Netris、a16zから15M調達

調達と出資元

a16z主導の1500万ドル調達
a16zパートナーが取締役就任
用途はエンジニア採用と機能拡張

技術と実績

ネオクラウドの立ち上げ自動化
ハードウェア完全アクセラレーション
世界35超のGPUクラスタで稼働
計約100万GPUを支える基盤

ネットワーク自動化の新興企業Netrisは2026年6月25日、ベンチャー投資大手アンドリーセン・ホロウィッツ(a16z)から1500万ドルのシリーズAを調達したと明らかにしました。新興のAIクラウド事業者(ネオクラウド)がデータセンターを早く稼働させられるよう、設定や運用を自動化するソフトを提供しています。調達資金はエンジニアと営業の採用、対応ハードウェアの拡充に充てます。

AIブームでデータセンター事業への参入が相次ぐ一方、GPUやスイッチを確保しても設定や運用を整えるには数カ月を要します。GPUが遊休状態にある時間はそのままコストとなるため、立ち上げの速さが収益を左右します。Netrisはスイッチ上で動くソフトと接続プラットフォームで、この準備期間を短縮すると主張しています。

同社のプラットフォームはハードウェア層でサーバーやリソースを分離し、複数顧客への提供(マルチテナンシー)を可能にします。EquinixやAWS、Googleなど大手は自前のエンジニアで対応してきましたが、小規模なネオクラウドにはその余力がありません。NetrisのSaroyan最高経営責任者(CEO)は、AI向けには通信量が膨大なため完全にハードウェアで高速化した仕組みが必要だと説明します。

注目すべきは、この技術にAIを使っていない点です。同社はAIが非決定的で勝手な動作をするため、数千台規模のスイッチ設定変更には不向きだと考え、再現性の高い独自アルゴリズムを採用しています。8年前から開発を続けてきた成果です。

実績も着実に積み上がっています。2年前にデモを見たNvidiaが顧客に同社を推薦したほか、現在は世界35カ所超のGPUクラスタ(計約100万GPU)で稼働中です。利用企業にはLightning AIやFoxconn、Hewlett Packard Enterpriseなどが名を連ね、a16zのパートナーGuido Appenzeller氏が取締役に加わります。

Qualcomm、AI半導体新興Modularを約40億ドルで買収

買収の概要

対価は約40億ドル相当の株式
最大1920万株を新規発行
今年後半に取引完了の見込み
9カ月前の評価額の2倍超

事業戦略の狙い

モバイル依存からの脱却
データセンター市場への本格参入
創業者ら約150人が合流

米半導体大手のQualcommは2026年6月24日、シリコンバレーのAI半導体ソフトウェア新興企業Modularを約40億ドルで買収すると発表しました。対価として最大1920万株の普通株を発行する方針で、直近の終値ベースで40億ドル弱に相当します。取引は今年後半に完了する見込みです。

Modularは、開発者がコードを書き換えずに異なる半導体上でAIソフトを動かせる独自のコーディング言語とソフトウェア基盤を提供しています。今回の買収額は、同社が9カ月前に16億ドルの評価額で2億5000万ドルを調達した水準を大きく上回りました。2人の共同創業者を含む約150人の全従業員がQualcommに加わる予定です。

今回の動きは、収益の大半を占めるモバイル市場への依存から脱却を急ぐQualcommの姿勢を示しています。Cristiano Amon最高経営責任者(CEO)は声明で、多様な計算環境で動く開発者本位の水平型プラットフォームが将来を担うと述べました。同社はスマートグラスやイヤホンなどAI機器向けに40種類の半導体設計を進めているとされます。

Qualcommはデータセンター市場への参入も加速しています。昨年末にはサーバー向けCPUを手がける新興企業Ventana Micro Systemsを買収し、特定用途向け集積回路(ASIC)の設計にも取り組んでいます。中国のByteDanceが初期顧客になると報じられています。

Modularは2022年、GoogleのTPU開発に携わったChris LattnerとTim Davisが創業しました。Lattnerはコンパイラ基盤LLVMやAppleのSwift言語を生み出した人物で、NvidiaのCUDAやAMDのROCmに対抗する統一ソフト層の構築を目指していました。最終的にBig Techの外で解くべき構造的課題と位置づけた問題は、Qualcommという構造のもとで決着しました。

OpenAI、初の自社推論チップをBroadcomと公開

チップの概要

Jalapeñoと名付けた初の自社チップ
推論専用のASIC設計
現行・将来のLLM向けに最適化

性能と狙い

電力当たり性能が従来最高水準を大幅超
設計から量産までわずか9カ月
Nvidia依存の低減が狙い

今後の展開

2026年末からギガワット規模で配備
複数世代の計算基盤の第一歩

OpenAIは2026年6月24日、半導体大手Broadcomと共同開発した初の自社AIチップ「Jalapeño(ハラペーニョ)」を公開しました。同チップはAIの推論処理に特化したASIC(特定用途向け集積回路)で、ChatGPTやCodexなどのサービスを動かすサーバー向けに設計されています。早期テストでは、電力当たりの性能が現行の最高水準を大幅に上回る見込みだと説明しました。

Jalapeñoは、汎用チップを転用したものではなく、LLMの推論に最適化してゼロから設計された点が特徴です。OpenAIがモデルやサービング系の知見をもとにチップアーキテクチャを設計し、Broadcomがシリコン実装やネットワーク技術、Celesticaが基板やラックなどのシステム統合を担いました。試作チップはすでに研究室で量産想定の周波数と電力でMLワークロードを実行しており、コーディング向けの「GPT-5.3-Codex-Spark」も動作しているといいます。

今回の最大の狙いは、Nvidia製GPUへの依存を減らすことにあります。Nvidiaのチップは供給が限られており、OpenAIは自社設計によって推論コストの引き下げと安定供給を目指します。BroadcomのHock Tan最高経営責任者(CEO)はReutersのインタビューで、JalapeñoはNvidiaの「Blackwell」やGoogleのTPUに匹敵する性能だと述べました。

開発スピードも注目点です。OpenAIとBroadcomの提携は2025年10月に発表されており、設計から製造のテープアウトまでわずか9カ月で到達しました。OpenAIは、これを高性能半導体で過去最速のASIC開発サイクルだと位置づけ、自社のAIモデルが設計や最適化の一部を支援したと説明しています。

Jalapeñoは複数世代にわたる計算基盤の第一歩にすぎません。Hock Tan CEOは、Microsoftをはじめとするパートナーと組み、2026年からギガワット規模のデータセンター展開を可能にすると述べました。初期配備は2026年末を見込み、以降数世代にわたって拡張していく計画です。

MicrosoftやMeta、Amazonなども自社向けAIチップを相次いで投入しており、推論の効率化はAIの経済性を左右する鍵になりつつあります。事前学習などの重い処理は引き続きNvidia製ハードに頼るとみられますが、推論コストのわずかな削減でもOpenAIの収益改善に大きく寄与する可能性があります。

NVIDIA、MoE学習を最大3.7倍高速化

発表の要点

import1行で3.4〜3.7倍高速化
GPUメモリ最大32%削減
Transformers v5を土台に拡張
HF互換APIで既存コード不変

技術と適用範囲

Expert Parallelismで専門家を分散
DeepEPが通信と計算を融合
550Bモデルの全層調整も実現

NVIDIAは6月24日、HuggingFace Transformersの上に構築するオープンライブラリ「NeMo AutoModel」を公開しました。import文を1行変えるだけで、MoE(混合専門家)モデルのファインチューニングをTransformers v5比で3.4〜3.7倍高速化し、GPUメモリを29〜32%削減します。from_pretrained()など既存APIはそのまま使え、コード改変は不要です。

MoEモデルの学習には固有の難しさがあります。数百の専門家へトークンを振り分け、行列積を一つのカーネルに融合し、重みをGPU間で分割し、通信と計算を重ね合わせる処理が必要だからです。Transformers v5は専門家バックエンドや動的な重み読み込みでこれに対応しましたが、通信と計算を重ねるDeepEPは未実装でした。

NeMo AutoModelはこの欠けた部分を補います。AutoModelForCausalLMを継承し、Expert Parallelism(EP)、DeepEPによる全対全ディスパッチ、TransformerEngineカーネルを追加しました。EPは専門家の重みをGPU間で物理的に分割し、8GPUなら各GPUが専門家の8分の1だけを保持します。これにより、従来は約55GiB必要だった専門家の重みが1GPUあたり約6.8GiBに収まります。

性能評価は2つの規模で実施されました。8GPU単一ノードのQwen3-30B-A3Bでは、v5比でスループットが3.69倍、ピークメモリは29%減。Nemotron 3 Nano 30Bでも3.36倍、メモリ32%減を記録しました。高速化の源はEPによるメモリ削減、DeepEPの通信融合、TransformerEngineの最適化カーネルの3点です。

大規模側では、550BパラメータのNemotron 3 Ultraの全層ファインチューニングを16ノード128GPUで実行しました。Transformers v5はこの規模でメモリ不足になり動作しませんが、EPが専門家を分散することで学習が可能になります。EPが本領を発揮するのは、まさにこの大規模領域です。

NeMo AutoModelの出力は標準的なHF形式のsafetensorsであるため、save_pretrained()で保存した重みはvLLMやSGLangといった推論基盤にそのまま載せられます。NVIDIAは、Transformers v5を使うユーザーにとって本ライブラリが摩擦のない次の一歩になると位置づけています。

NVIDIAとAWSが本番AI基盤を拡張、推論4.6倍に

新GPUインスタンス

EC2 G7を新たに提供
Blackwell世代GPU搭載
推論性能は最大4.6倍
最大8GPU構成に対応

検索と学習の強化

ベクトル検索を標準GPU化
索引は最大10倍高速・コスト4分の1
GB300で性能認定取得

NVIDIAは6月24日、米AWSと連携し、本番規模のAI基盤を強化すると発表しました。両社はクラウド上の計算、検索、学習の各層を一体で改良し、企業が運用負担を抑えながらAIを実運用へ移せる環境を整えます。低遅延の推論や高速なベクトル検索、GPUの価格性能比といった課題に同時に対応する狙いです。

中核となるのが新インスタンス「Amazon EC2 G7」です。NVIDIAのRTX PRO 4500 Blackwell Server Edition GPUを搭載し、AI推論や映像処理、データ分析などの本番ワークロードに対応します。従来のG6と比べ、推論性能は最大4.6倍、グラフィックス性能は最大2.1倍に高まりました。

G7は最大8基のGPUと合計256GBのGPUメモリ、700Gbpsのネットワーク、最大7.6TBのローカルSSDを備えます。1基から8基までの構成に加え、ベアメタルも近く提供される予定です。利用者は過剰な設備投資を避け、用途に合わせて規模を最適化できる点が特徴です。

検索の層では、NVIDIAのライブラリ「cuVS」を使い、GPUによるベクトル索引をOpenSearch Serverlessの標準とします。これにより索引作成はCPU構成と比べて最大10倍速く、コストは4分の1に下がり、数十億規模のベクトルデータベースを1時間以内で構築できるとしています。検索拡張生成(RAG)や意味検索、エージェント型AIの基盤づくりが容易になります。

学習の層では、AWSがNVIDIA GB300向けに「Exemplar Cloud」認定を取得しました。NVIDIAが定める性能基準を満たしたことを示すもので、両社の協業による成果です。開発者は一貫した高性能基盤を前提に学習を進められ、クラウド選定や総保有コストの判断がしやすくなります。

今回の発表は、計算・検索・学習というAI基盤の全層を同時に底上げする内容です。共通する狙いは、運用チームの負担を増やさずに本番規模で性能を発揮できる環境を提供することにあります。企業がAIを計画段階から実運用へ移す動きが、さらに加速しそうです。

エンジニア職、AI時代に最も底堅いとの新データ

採用データの実像

大手テック採用は2019年比25%減
エンジニア職は11%減に留まる
新規採用の55%がエンジニア
新興企業は2019年比7%増

業界トップの見解

AmodeiはAIによる雇用喪失を警告
Anthropic経済責任者は影響未確認
Jevonsのパラドックスが示す需要増

ベンチャー投資企業SignalFireは2026年6月24日、8000万超の企業データを分析した最新の人材報告で、エンジニア職が2025年に最も底堅い職種だったと明らかにしました。AIがコーディングを自動化し真っ先に淘汰されるとの見方に反し、採用実態は逆の傾向を示しています。同社は更新が遅れがちな解雇統計ではなく、採用データを実時間の指標として用いました。

大手テック全体の採用は2019年比で25%減少した一方、エンジニア職の減少はわずか11%に留まりました。AlphabetやMeta、Appleなど主要12社では、2025年の新規採用の55%をエンジニアが占め、2019年の46%から大きく上昇しています。新興企業に至っては、2019年より7%多くエンジニアを採用しました。

調査責任者のAsher Bantock氏は、解雇理由として「AIがコードを書くため一人で複数人分をこなせる」との説明が繰り返される一方、現場の実態はそれと食い違うと指摘します。AIが本当にエンジニアを代替するなら採用が真っ先に落ち込むはずですが、実際はエンジニアの人員が他職種より速く増えているのです。

業界の見方は割れています。AnthropicのアモデイCEOは昨年、AIがホワイトカラーの初級職の半分を消し失業率を最大20%に押し上げると警告しました。しかし同社の経済責任者Peter McCrory氏は3月、AIによる雇用への大きな影響はまだ見られないと述べています。

NVIDIAのジェンスン・フアンCEOはさらに踏み込み、AIがエンジニア職を奪うとの説を明確に否定しました。同社の全エンジニアがエージェント型AIを使う今、エンジニアはかつてなく多忙だと語ります。AIが瞬時にコードを書く分、次のアイデアを生むよう常に求められるためです。

今回の傾向は、効率化が需要を減らさず逆に増やすというJevonsのパラドックスの典型例と言えます。AIで生産性が高まった結果、エンジニアには尽きない仕事が生まれている、とBantock氏は分析しています。

Hugging Faceが遠距離音声認識の公開ベンチマーク公開

ベンチマークの狙い

遠距離音声認識の初の公開基準
残響・雑音・距離を再現
クリーン環境との性能差を可視化
Treble主導でHugging Faceが共催

評価手法と所見

9条件で評価、主要4条件で順位
WERとRTFxを併記
低SNRで誤りが数倍に悪化

Treble TechnologiesとHugging Faceは6月24日、遠距離音声認識(Far-Field ASR)の精度を実環境に近い音響条件で測る初のオープンなベンチマーク「FFASRリーダーボード」を公開しました。残響や背景雑音、マイクとの距離を再現し、コミュニティが自由にモデルを投稿して結果を比較できます。音声エージェントや会議室の文字起こしなど、遠隔マイク利用の増加が背景にあります。

従来のASR評価は、マイクを口元に近づけたクリーンな音声を前提としてきました。しかしLibriSpeechなどの近接環境で高得点を出すモデルでも、実際の部屋の音響が加わると精度が大きく落ちることが知られています。FFASRはこの性能差を標準化した形で継続的に計測することを目的に設計されました。

評価は9条件で行われ、順位を決める主要4条件は、無響室で測ったクリーン音声と、高・中・低の3段階のSNR(信号対雑音比)下での遠距離音声です。音響データはTrebleのハイブリッドシミュレーションエンジンで生成し、回折や散乱といった現実の現象を再現します。浴室から教室、レストランまで20〜470立方メートルの14室を用意し、咳などの突発音とHVACなどの連続音を加えています。

精度を示すWERに加え、リーダーボードはNVIDIA L4 GPU上で測った処理速度の指標RTFxも併記します。精度と速度の両方が実運用では重要だとして、両者のトレードオフをパレートフロントとして可視化し、用途に合うモデルを選べるようにしています。

公開後に浮かび上がった共通の傾向は、近接環境と遠距離環境の性能差が大きく、SNRが下がるほど急拡大する点です。低SNRの遠距離WERは近接時の数倍に達することも多く、従来は社内評価でしか見えにくかった劣化が比較可能になりました。

投稿はSubmitタブにHugging FaceのモデルIDを貼るだけで、サーバー側で非公開の評価データに対して実行されます。WhisperやIBM Granite Speech、Cohere Transcribeなど主要なASRアーキテクチャに対応し、複数話者やマイクアレイ、エコー除去への対応を今後のロードマップに挙げています。

中国AI専門家も警戒、米中協調を提言

会議での提言

北京のAI国際会議での議論
米中の競争を脇に置く提案
サイバー・システムリスク共有
核軍縮に似た協力の必要性

オープンモデルの懸念

ガードレール除去の危険性
一部高性能モデルの非公開化

米誌WIREDの記者は2026年6月、北京の中関村で開かれた大規模なAI国際会議に参加し、中国のトップ専門家らもAIの急速な発展に強い警戒感を抱いている実態を報じました。会議では再帰的自己改良やヒューマノイドロボットなどが議論され、公開鍵暗号の共同発明者ホイットフィールド・ディフィー氏らも登壇しました。記者が得た最大の示唆は、米中が激しいAI競争を脇に置くべきだという点です。

背景には、より自律的に動くエージェント型AIがサイバー攻撃や予期せぬ障害を引き起こすシステミックリスクへの懸念があります。米国はこれまで中国のAIを経済・安全保障上の脅威とみなし、半導体や製造装置の輸出規制を強めてきました。直近では米政府がAnthropicに対し、外国籍者が最新モデルMythosやFable 5へアクセスするのを防ぐよう命じ、同社は全利用者のアクセスを一時停止しています。

それでも会議を主催した北京智源人工智能研究院での議論は、AIを拙速かつ無謀に開発すれば米中双方が損失を被るという認識を補強しました。MITの計算機科学者スティーブン・キャスパー氏は、国際協力の利点が安全保障上のリスクを上回るとする研究を示し、米ソが核の危険性をめぐり協力せざるを得なかった歴史になぞらえました。「AIにチェルノブイリの瞬間は必要ない」という言葉は、立場を超えた共通認識を表しています。

上海交通大学のリン・ユン教授は、当面はハッカーが優位に立つものの、AIを使った新たな防御策が時間とともに均衡を取り戻すと見ています。同教授は、競争があっても国際協力は優先課題であり、各国がリスクを同様に理解すれば共通の安全基準や技術標準を作りやすくなると指摘しました。機微な運用情報を晒さずにシステミックリスクを減らせる領域を見つけることが鍵だと述べています。

最も差し迫った論点は、開放性とリスクのバランスです。MoonshotのKimi、AlibabaのQwen、Z.aiのGLMなど中国製のオープンウェイトモデルは米国でも人気を集め、研究や技術革新に欠かせない存在となっています。一方、米国もNvidiaのNemotronなどで巻き返しを図っていますが、ガードレールを外した低性能モデルでさえ危険になりうる転換点が近づいています。

実際、今週には中国のサイバーセキュリティ大手360が、Mythosに匹敵するハッキング能力を持つAIを開発したと表明しました。中国大手AI企業の匿名の関係者は、安全上の懸念から一部の先進モデルをオープンソースとして公開しなくなっていると明かしています。バックドアや脆弱性のない最新モデルをどう保証するかが、今後の業界共通の課題となりそうです。

Agility Robotics、SPACで上場へ評価額2.5B

上場の枠組み

ChurchillとSPAC合併
評価額約25億ドル
調達額6.2億ドル超
ティッカーはAGLT

事業と成長戦略

二足歩行ロボDigitを9拠点で稼働
次世代Digit v5の増産
3億ドル超の複数年受注
Amazon・Nvidia等が出資

ヒューマノイドロボット開発の米Agility Roboticsは6月24日、特別買収目的会社(SPAC)のChurchill Capital Corp XIとの合併を通じて上場すると発表しました。取引における同社の評価額は約25億ドルで、調達額は新規・既存の機関投資家からの約2億ドルを含め、6億2000万ドルを超える見込みです。

合併後の新会社は北米の証券取引所でティッカー「AGLT」として取引される予定で、上場先の取引所はまだ公表されていません。Agilityは2015年にオレゴン州立大学から独立したヒューマノイドロボットのスタートアップです。

同社の主力製品は二足歩行ロボット「Digit」で、Schaeffler、GXO、トヨタのカナダ工場、Mercado Libreなど計9つの顧客拠点で利用されています。これまでにAmazon、Nvidia、ソフトバンク・ビジョン・ファンド2、DCVCといった著名なテック企業やファンドから出資を受けてきました。

調達した資金は、次世代モデル「Digit v5」の生産能力増強や既存受注の履行、新規・既存顧客への展開拡大に充てる方針です。新モデルについてはすでに3億ドルを超える複数年契約の受注を確保し、大規模導入を検討する30社超の見込み顧客も抱えていると説明しています。

Agilityのペギー・ジョンソンCEOは声明で、ヒューマノイドロボットが生産性やサプライチェーンの強靭性を支える重要な原動力になりつつあると指摘しました。すでに顧客環境で商用稼働している点を強みに挙げ、人手不足の解消や効率改善、AIを活用した自動化の安全な導入を支援すると述べています。

Oracleが2.1万人削減、AI投資に巨額負債

1年で従業員13%減

年間2万1000人削減
従業員14万1000人に縮小
前年比12.9%減
SEC提出書類でAI要因明記

債務でAI基盤拡張

2026年に最大500億ドル調達計画
資金の約半分は負債
総債務1200億ドル超
債券保有者が提訴

米ソフトウェア大手Oracleは、2026年5月期に従業員を1年間で2万1000人削減したと、6月22日に米証券取引委員会(SEC)へ提出した年次報告書で明らかにしました。従業員数は前年の16万2000人から14万1000人へと、12.9%減となりました。同社は人員削減の要因の一つとして、社内業務へのAI技術の導入を挙げています。

報告書では「事業全体におけるAI技術の採用と展開が人員削減につながっており、今後も続く可能性がある」と記載されました。同社は3月にも大規模な人員削減が報じられており、今回の削減はそれに続くものです。AIの活用が雇用に直接影響している実態が、規制当局への公式文書で示された形です。

一方で、今回の人員削減はデータセンター基盤への巨額の設備投資とも結びついています。同社は2026年の事業再編計画について、クラウド型サービスの開発・販売・提供への注力を実現するための施策が大半だと説明しました。AIワークロードを支えるインフラ構築が、経営の最優先課題となっています。

Oracleは2月、OpenAIやxAI、AMD、Nvidia、Metaといった顧客向けにクラウド基盤を拡張するため、2026年に450億〜500億ドルを調達する計画を発表しました。このうち約半分を負債で、残りを株式で賄う方針です。同社の総債務はすでに1200億ドルを超えています。

急増する債務には投資家も懸念を示してきました。2月には債券保有者が、AI基盤構築に伴う債務拡大の必要性を同社が隠していたために損失を被ったとして、Oracleを提訴しています。AI需要を追う積極投資が、財務リスクと表裏一体である点が改めて浮き彫りになりました。

NVIDIA、世界500傑スパコンの8割支える

TOP500を席巻

TOP500の81%がNVIDIA技術
新規システムの約9割を獲得
GPU搭載が過去最多238基
ネットワーク接続376基で最多

省電力でも首位

Green500上位8基をGPUが独占
首位はGrace Hopper採用KAIROS
Grace CPU採用は26基に拡大

半導体大手のNVIDIAは6月23日、ドイツ・ハンブルクで開催のスパコン会議ISCで発表された最新ランキングで、世界の高速スパコン上位500システムのうち400超、つまりTOP500全体の81%を同社技術が支えていると明らかにしました。前回から17システム増え、新規参入では約9割がNVIDIA基盤でした。

勢いの背景には、AIと科学計算を同時にこなす設計への明確な選好があります。NVIDIA系システムはTOP500全体で、他の全プラットフォーム合計に対しAI学習で2倍超、推論で約3倍のスループットを実現するとしています。GPU搭載は過去最多の238システム、ネットワーク接続も最多の376システムに達しました。

同社の存在感はGPUやネットワークにとどまらず、CPUにも広がっています。自社CPU「Grace」の採用は前回比8増の26システムとなり、累計出荷は約250万個に上ります。GPUとGrace CPUをメモリ共有する「Grace Hopper Superchip」は、メモリ集約的な現代AIの需要に向けた設計です。

省電力性能を測るGreen500でもNVIDIAは上位を独占しました。上位8システムすべてがGPUを搭載し、首位はフランス・トゥールーズ大学のGrace Hopper採用機KAIROSで、1ワットあたり73.3ギガフロップスを記録しました。

欧州では記録的な35基のAI向けHPCスパコンが開発中で、欧州初のエクサスケール機JUPITERは人間の脳や気候、次世代6Gのシミュレーションに活用されています。最新世代のBlackwellアーキテクチャ採用機もアジアや欧米で登場し、日本でも初のGB200システムが稼働を始めました。

NVIDIA、通信網を自律運用するAIエージェント基盤を公開

自律運用への転換

タスク自動化から自律運用へ
AIエージェントが障害を能動監視
DTW Ignite 2026で実証

安全な実行基盤

合成データで機密保護と学習
NemoClawとOpenShellでガードレール
SoftBankやNTT DATAが採用

シミュレーションで検証

GPUで近リアルタイム検証
RANデジタルツインで自己修復

NVIDIAは2026年6月23日、コペンハーゲンで開催中のTM Forum「DTW Ignite 2026」で、通信事業者向けの自律ネットワーク運用基盤を公開しました。これまで生成AIによる自動化は決められた手順を高速化するタスク単位の支援にとどまっていましたが、AIエージェントが障害を能動的に監視し、ネットワークやIT、業務システムをまたいで変更を調整する自律運用へと軸足を移します。

基盤となるのは通信ドメインに特化した推論モデルです。事業者の54%がデータ関連の課題を最大の障壁に挙げる中、機密性の高い顧客・ネットワークデータをそのまま使えない問題に対し、合成データで対処します。SoftBankはNVIDIA NeMo Safe SynthesizerやNeMo Anonymizerを用い、実データの構造を反映したプライバシー保護データを生成し、自社の大規模通信モデルの微調整に活用しています。

長時間稼働するエージェントの安全な運用には、ポリシーに基づく制御が欠かせません。NVIDIAは「NemoClaw」ブループリントと安全な実行環境「OpenShell」を提供し、通信システムへのアクセスをサンドボックス化します。これによりエージェントの挙動を予測可能で監査可能な状態に保ちながら、運用での役割拡大を進められます。

採用企業の事例は多岐にわたります。AdaptKeyは5Gの自己修復運用に、Amdocsはローミング客への先回り対応や移行管理に、NTT DATAはNemotronモデルと組み合わせてネットワーク劣化の検知に活用します。ServiceNowは「Project Arc」を通信向けに展開し、アラートから作業指示までインシデント対応の全工程を自律運用します。TCSも多段階の「AIセンサー」構成で障害発見を高速化しています。

信頼性を担保する鍵がシミュレーションです。GPU上で処理を高速化し、エージェントが提案を実環境に適用する前に検証できる近リアルタイム環境を整えます。Forskは無線伝搬モデルをNVIDIA RTX PRO 6000 Blackwellで動かし、CPU比200倍の高速化を実現しました。VIAVIもRANシミュレーションをGPUに移し、桁違いの処理量向上を示しています。

KDDIとKDDI総合研究所は、NVIDIAやKeysight、Samsung Research Americaと連携し、6G時代に向けた高精度RANデジタルツインを構築します。NVIDIA Aerial Omniverse Digital Twinを用いた環境で、複数の自律エージェントがエリア最適化や将来の無線条件といった「もしも」のシナリオを安全に検証できるようになります。

NVIDIA、企業向け特化型AIエージェント基盤を提供

3つの構成要素

モデル・ツール・実行環境を一体提供
Nemotronで柔軟にカスタマイズ
安全に動作するOpenShell実行環境
外部の連携フレームワークにも対応

業界への広がり

創薬を月単位から日単位へ短縮
医療文書作成や臨床支援を後押し
CrowdStrikeが精度98.5%で警告選別
Cadenceなどがチップ設計を自律化

米半導体大手NVIDIAは、企業が自社の業務に合わせて構築できる特化型AIエージェントの基盤「NVIDIA Agent Toolkit」を提供しています。推論を担うモデル、業務とつなぐツールやスキル、安全に動かす実行環境という3要素を一体で備え、企業が制御・カスタマイズできる点を特徴としています。

ツールキットは3つの要素で構成されます。オープンモデルのNVIDIA Nemotronは、各社が用途に応じてエージェントを調整・評価・展開する柔軟性を与えます。NemoClawの設計図がより安全な挙動を促し、OpenShellの実行環境が実際の業務システム内で安全に稼働させます。

企業向けAIの第一波は、新たなモデルへのアクセスと試験的な導入が中心でした。今回示されたのは、推論しツールを使い行動する複数モデルからなる特化型エージェントを、業務を最もよく知る現場の人々が使える形にする段階への移行です。

活用はすでに各業界で始まっています。ライフサイエンスでは、新たなBioNeMo Toolkitにより、従来は数カ月を要した作業を数日で完了できるようになりました。医療分野では臨床文書の作成や意思決定支援、ケアの調整を支えています。

セキュリティや産業領域でも導入が進みます。CrowdStrikeは特化型エージェントで警告を98.5%の精度で選別し、CadenceやSynopsysは半導体設計の自律エージェントを構築中です。Palantir、SAP、ServiceNow、Siemensなども自社基盤にエージェント機能を組み込んでいます。

NVIDIAは、モデルやツール、実行環境、インフラを企業が自社の業務に合わせて組み合わせられるとき、エージェントはより有用になると指摘します。同社はこの組み合わせを可能にする開かれたモジュール型の基盤を提供する方針です。

Reflection、SpaceXと月150億円のAI計算契約

契約の規模

月1億5000万ドルを支払い
総額最大63億ドル規模
2026年7月から2029年まで
Nvidia最新GB300に即時アクセス

戦略的な意味

Reflectionの初の計算契約
閉鎖モデル依存リスクの回避狙い

オープンソースAI新興企業のReflection AIは2026年6月22日、イーロン・マスク氏率いるSpaceXから大量のAI半導体を調達する計算契約を結んだとTechCrunchに明らかにしました。同社は2026年7月1日から2029年まで、テネシー州メンフィス近郊のColossus 2データセンターで、Nvidiaの最新AIチップ「GB300」と関連ハードウェアに即時アクセスする見返りに、月1億5000万ドルを支払います。

契約総額は最大63億ドルに達します。最初の3カ月経過後は、どちらの企業も90日前の通知で契約を解除できる条項が付いています。SpaceXがAnthropicと結んだ月12億5000万ドル、Googleと結んだ月9億2000万ドルの契約に比べると規模は小さいものの、いずれも2029年7月まで続く点は共通しています。

Reflectionはこの初の計算契約を、自社のオープンウェイト戦略の価値を示す材料と位置づけました。同社は学習済みパラメータを公開するモデルを掲げ、AnthropicやOpenAIのような閉鎖型フロンティアラボへの対抗軸として売り込んでいます。米政府がAnthropicの閉鎖モデル「Fable」「Mythos」を禁止して以降、オープンウェイト型モデルへの注目は高まっています。

2024年に元Google DeepMindの研究者2人が設立した同社は、今回の契約を「これまで公表されたオープンAIインフラへの最大級の投資の一つ」と説明しました。広報担当者は「閉鎖モデルだけに依存するリスクとコストを、より多くの国家や企業が認識している」とし、計算資源の拡大が世界最高のオープンモデルを大規模に構築する余力につながると強調しています。

なぜSpaceXが半導体の貸し手になっているのでしょうか。Colossusデータセンターは元々、マスク氏が設立し現在はSpaceXの一部となったxAIが、自社のAI開発のために構築したものです。社内のAI事業が伸び悩むなか、SpaceXは保有する貴重なAIチップを世界トップ級のAIラボに貸し出す方向へと舵を切りました。

NVIDIA Vera CPU、ロスアラモス研究所の科学AIを加速

新スパコン3基

Mission・Vision・Veritas構築
HPEとNVIDIAが共同開発
Vera Rubinプラットフォーム採用
2027年の稼働予定

性能と用途

URSAで7倍の性能向上
エージェント型科学AIを推進
機密の核安全保障計算に対応

半導体大手NVIDIAは2026年6月22日、米ロスアラモス国立研究所(LANL)が新設するスーパーコンピューター3基に同社の新型CPU「Vera」が採用されると発表しました。Mission、Vision、Veritasと名付けられた各システムは、HPEと共同で構築され、科学研究の高速化とエージェント型AIの実現を狙います。最先端の計算基盤が、仮説立案から実験までを自律的に担うAIを後押しする形です。

3基はいずれも、HPE Cray GX5000アーキテクチャとNVIDIAの「Vera Rubin」プラットフォームを基盤とします。Vera CPU、Rubin GPU、Quantum-X800 InfiniBandネットワークを組み合わせ、Missionには2,300基、Veritasには約1,150基の単体Vera CPUが搭載される計画です。Veritasは新技術を検証する役割を担い、より大規模なシステムへの応用を見据えます。

研究者が重視するのは、自ら仮説を立て、ツールを選び、シミュレーションを実行して結果を分析するAIエージェントです。LANLが公開する研究支援AI「URSA」はその方向性を示すもので、実験計画から結果分析までを支える枠組みとして開発されています。同研究所の検証では、Vera CPUがURSAの処理で従来のx86型スパコン「Crossroads」のCPUに比べ7倍の性能を示しました。

性能面の優位はほかの計算でも確認されています。熱伝導シミュレーションツール「Branson」での初期試験では、Veraが従来比3倍超の処理性能を発揮しました。独自設計のOlympusコアやLPDDR5メモリ、高速な内部接続が、こうした成果を支えています。

Veraは単体でx86系CPUの1ソケットを3倍超上回り、コア当たりメモリは4倍超、ノード当たりでは6倍に達します。Missionは2027年の稼働を見込み、国家核安全保障局の機密計算でCrossroadsを置き換える予定です。Visionは材料・核科学やエネルギー、生物医学など基礎研究の基盤となります。

今回の発表は、LANLとNVIDIAが10年以上重ねてきた協業の延長線上にあります。両者はGraceからVeraへとCPUの共同設計を進めてきました。3基は2024年導入のスパコン「Venado」を土台とし、実際の科学計算に即した設計思想を一段と推し進めるものといえます。

NVIDIA45度液冷でデータセンターの水使用ほぼゼロへ

Rubin世代の液冷技術

世界初の100%液冷
冷却液入口45度・出口55度
ファンとチラー不要
施設内の水使用最大100%削減

残る水問題の盲点

施設外の水消費は対象外
発電・製造で水量2〜3倍
実質削減は全体の4分の1〜3分の1

半導体大手NVIDIAは6月22日、AIデータセンター向けに摂氏45度の温水で冷却する新システムを発表しました。最新のRubin世代インフラは全チップと通信機器を液体だけで冷やす世界初の100%液冷を実現し、施設内の水使用を「ほぼ全廃した」と同社幹部は説明しています。従来の空冷や蒸発式冷却に比べ、消費電力と水使用を大幅に減らせる点が特徴です。

仕組みはチップ表面に密着した冷却板に45度の液体を流し、55度で排出する方式です。多くの気候では外気で熱を逃がせるため、機械式チラーや騒音源のファンを使わずに済みます。NVIDIAによると、好条件の地域では従来のメガワットあたり年間約260万ガロンの冷却水をほぼゼロにでき、最大100%の削減が可能だといいます。

コスト面の効果も大きく、50メガワット級の施設では冷却関連の電力・水道費を年間400万ドル超節約できると試算されています。冷却は歴史的にデータセンター電力の最大4割を占めてきたため、効率化の余地が最も大きい領域とされてきました。密度も高まり、従来6ラックユニットを要したシステムが2ユニットに収まります。

一方でTechCrunchは、この「水使用ほぼゼロ」という主張に測定範囲の問題があると指摘します。NVIDIAは施設の壁の内側だけを数え、外側を無視しているという見方です。発電や半導体製造に伴う施設外の水消費を加えると、総量は2〜3倍に膨らむ可能性があります。

つまり今回の技術が解決するのは、AIデータセンターの水消費全体の4分の1から3分の1程度にとどまる計算です。とりわけ化石燃料の発電所は米国最大級の水利用者で、天然ガスは1キロワット時あたり1.17リットル、石炭は2.2リットルの水を消費します。データセンター電力の約半分はなお化石燃料由来です。

AIの計算需要は今後も増え続け、IEAは2030年までの新規電力需要の4割超を天然ガスと石炭が担うと予測しています。施設内の冷却効率を高める意義は大きいものの、電源構成を再生可能エネルギーへ移さない限り、AIの水問題そのものは残るというのが専門家の見立てです。

NVIDIA、科学発見を加速する新AIソフト発表

発表の概要

ISCで科学向けAIソフト発表
DAQIRIとALCHEMIを投入
cuPhotonは今夏提供予定
CUDA-Xの一部として展開

性能と成果

天文データ読込を1万4900倍高速化
材料探索を50倍加速
CERNの観測データ解析に活用

NVIDIAは6月22日、ドイツ・ハンブルクで開催中のスーパーコンピュータ会議ISCで、科学研究向けAIを加速する新ソフトウェア群を発表しました。化学・材料探索から暗黒物質の探索まで、これまでCPUで数時間から数日を要した処理を、GPUによるリアルタイム処理に置き換えます。発表されたのはDAQIRIライブラリ、ALCHEMI向けマイクロサービス、そして近日提供予定の参照コードcuPhotonです。

中核となるのは、性能向上の大きさです。天体観測の標準形式であるFITSデータを扱うcuPhotonは、NVIDIA GB200 NVL72上で動作し、ルービン天文台の大規模掃天観測の画像読み込みを1万4900倍高速化しました。信号処理と解析も最大8400倍速まると報告されており、史上最大のデジタルカメラが捉えた遠方銀河の解析を後押しします。

ネットワークライブラリのDAQIRIは、高速な検出器やセンサーからのデータを取りこぼさずに処理する点が特徴です。CERN・シカゴ大学・ユニバーシティ・カレッジ・ロンドンの研究者が開発したプロジェクトA-GHOSTは、DAQIRIを使い、ATLAS実験で通常は破棄される99%超のデータをリアルタイムにAI解析し、見逃されていた信号を捕捉します。

化学・材料探索向けのALCHEMIは、電池材料や触媒、OLEDディスプレイなどに応用できるマイクロサービス群です。生命科学プラットフォームを開発するLila Sciencesは、ALCHEMIを用いて高スループットの材料スクリーニングを50倍に加速し、合成可能性の高い安定候補を特定しました。VASP向けマイクロサービスでは磁気特性の計算も30%速まったといいます。

ではこれらのソフトはいつ使えるのでしょうか。ALCHEMIツールキットとNIMマイクロサービスはGitHubやNVIDIA NGCカタログから入手でき、VASP向けは今夏後半の提供予定です。DAQIRIはすでにGitHubで公開され、cuPhotonも今夏の提供を見込んでいます。研究現場における計算の高速化競争が、科学的発見のスピードを左右する局面に入っています。

NVIDIA基盤で全米700研究、NSFのAI支援2年

NAIRRの成果

全米700件超の研究を支援
DGXノードを最低1カ月貸与
医療・農業・エネルギーへ波及

主要プロジェクト

流体予測の基盤モデルWalrus公開
ミシガン大の材料探索AIMIST
BU感染症検知BEACONを高速化

米国立科学財団(NSF)は2026年6月22日、AI研究基盤を提供するNAIRRパイロット計画が、過去2年間で全米700件超の研究を後押ししたと発表しました。NVIDIAはクラウド経由でDGXノードを最低4基・1カ月以上、研究者に専有提供し、技術支援も担いました。タンパク質予測から感染症対策まで、対象は医療・農業・エネルギーへと広がっています。

目玉の一つが、フラットアイアン研究所などの国際連合Polymathic AIによる流体シミュレーションです。同団体はNVIDIAのGPUとNVLinkを用い、大規模データセット「Well」で訓練した基盤モデルWalrusを一般公開しました。データやコード、重みも合わせて開放し、科学分野向けの強力な基盤モデル開発を狙います。

ミシガン大学のVenkat Viswanathan教授らは、分子AIと汎用LLMを融合する枠組みを開発中です。分子基盤モデル群MISTは独自トークナイザーSmirkを使い、400超の構造物性関係で微調整され、電気化学や量子化学など複数分野で最高水準に匹敵する性能を示しました。NAIRRで得た40GPUのDGXクラスタに加え、20万GPU時間を活用しています。

ボストン大学のハリリ研究所は、感染症の発生監視プログラムBEACON向けにLLMを訓練しています。世界の疾病追跡基盤やニュース、SNSの情報を解析し、簡潔な発生報告を自動生成する仕組みです。海外派遣の医師や政府機関、研究者がすでに利用を始めています。

同研究所のIoannis Paschalidis所長は「以前は専門家が報告書を作るのに数時間かかっていたが、今は約2分で済む」と語りました。NAIRRとNVIDIAの連携はハーバードやスタンフォードなど多くの大学にも広がっており、研究者がAIと高速計算へ広くアクセスできる環境が整いつつあります。

欧州初の超大型計算機JUPITER、4分野で成果披露

脳と気候の解明

脳地図モデルCytoNetを5日未満で訓練
死後脳21体・6.5PBデータを学習
気候を1km解像度で全球シミュレーション
海洋・大気・炭素循環を統合再現

通信と量子の前進

EricssonとAIで6G網を共同開発
省電力な神経模倣型アーキテクチャ採用
50量子ビット計算機の完全模擬に成功
従来48量子ビット記録を更新

GPU基盤の威力

NVIDIA Grace Hopperで全演算を駆動
エクサスケールが研究から実用段階へ

半導体大手NVIDIAは6月22日、ドイツの研究機関ユーリッヒにある欧州初のエクサスケール級スーパーコンピューター「JUPITER」が、独ハンブルクで開催中の国際会議ISCで4つの科学プロジェクトの成果を披露したと発表しました。脳の細胞単位での地図化、全球気候の精密模擬、次世代通信網のAI、量子計算機の模擬という、これまでの計算機では到達できなかった課題に挑んでいます。JUPITERはNVIDIA製の「Grace Hopper Superchip」を中核に構築されています。

脳研究では、ユーリッヒ脳アトラスのチームが脳の微細構造を解析する基盤モデル「CytoNet」を開発しました。人間の脳は860億のニューロンと約100兆の接続を持ち、細胞単位での理解は困難でしたが、4,096基のGrace Hopperを用いて5日未満で訓練を完了しています。研究チームは次の段階として、脳研究者を支援するAIエージェントの構築を進めています。

気候分野では、ETHチューリヒなどの研究者が開発したモデル「ICON」が、地球システム全体を1キロメートル解像度で結合シミュレーションする世界初の成果を上げました。海洋・大気・陸域に加え炭素循環まで統合的に再現する点が画期的で、20,480基のGrace Hopperを使い、実際の気候146日分を24時間の計算で処理する世界記録を樹立しています。

通信分野では、通信機器大手のEricssonとユーリッヒが3月に提携を発表し、5Gの進化と6G網に向けたAI開発でJUPITERを計算基盤として活用します。脳に着想を得たアーキテクチャにより、複雑なネットワーク運用を大幅に低いエネルギーで処理することを目指しています。

量子計算では、ユーリッヒの研究者が50量子ビットの万能量子計算機を完全に模擬し、従来の48量子ビットの記録を更新しました。CPUとGPUのメモリを密結合したGH200の構造により、GPU単体の限界を超える量子状態を保持できた点が突破口となっています。この模擬器「JUQCS-50」は、量子アルゴリズム設計の検証基盤として研究者に開放される予定です。

神経科学から気候、通信、量子まで広範な科学を支えるJUPITERの実績は、エクサスケール計算が研究段階から実用段階へ移行したことを示しています。これらの成果は、科学の最前線におけるGrace Hopper基盤の有効性を裏付ける証左となりました。

NVIDIA基盤で波力発電、AIデータセンターに電力供給

波の力を電力に

既存の防波堤にフローター設置
発電機器は陸上に配置し故障回避
海水密度は空気の約800倍
波力は最も断続性が低い再エネ

AIで最適運用

Omniverseでデジタルツイン構築
波予測で計算負荷を動的配分
港湾立地でデータセンター直結

イスラエルの新興企業Eco Wave Powerは6月22日、NVIDIAのAI基盤とデジタルツインを活用し、海の波を電力に変える技術を発表しました。既存の港湾や防波堤を使うため、電力需要が高まる港湾やAIインフラ拠点の近くに発電設備を展開できる点が特徴です。同社はNVIDIAの新興企業支援プログラム「Inception」に参加しています。

AIの拡大に伴い世界の電力需要が急増する一方、送電網の増強には許認可や用地取得で数年を要します。同社のイナ・ブラバーマンCEOは「波力は最大級の再生可能エネルギーだが、誰も実現できなかった。どう簡素化するかを考えた」と語ります。米エネルギー情報局によると、米国だけで波力は年間消費電力の6割超を生み出す潜在力があるといいます。

仕組みの起点は、防波堤や防潮堤に取り付けるフローターと呼ぶ浮体です。海水の密度は空気の約800倍あり、風力タービンより小型の装置で大きな電力を生み出せます。従来企業は機器を浮体内に置き荒天で損傷する課題を抱えていましたが、同社はコンピューターやセンサー、油圧変換装置を陸上の施設に集約し、高価な機器を波から守ります。

AIは発電システムの最適化を担います。NVIDIA Omniverseで構築した波や浮体のデジタルツインが、設置前に波の状態や構造の挙動をシミュレーションし、配置の最適化と展開リスクの低減を実現します。運用段階では予測分析や異常検知、予兆保全を通じ、リアルタイムで効率と耐障害性を高めます。

同社はイスラエルのヤッファ港や米ロサンゼルス港で事業を展開し、ポルトガルや台湾、インドでも新規開発を進めています。ロサンゼルス港では、既存の送電網に頼らず波力だけでデータセンターを動かす実証も始まりました。AIソフトが制御層となり、波が強まる時期を予測して負荷の重い計算処理を割り当てます。

ブラバーマンCEOは「冷却と水を必要とするデータセンターは港湾に移りつつある」と指摘し、AI工場と波力発電の直結に商機を見いだしています。「我々は存在し、稼働し、送電網にもつながっている。革新的だが未来の話ではない。それが我々の強みだ」と述べました。

AI推論の壁はGPUでなく文脈記憶へ移行

新たなボトルネック

GPUより文脈管理が制約
コンテキスト量の爆発的増大
セッション間で状態保持の必要

対応するストレージ層

GPUメモリと外部記憶の中間層
NvidiaがCMXとして規格化
KVキャッシュを高速配信
再計算でGPU浪費を回避

米ストレージ大手Solidigmは2026年6月、AI推論の最大の制約がGPU供給からコンテキスト(文脈データ)管理へ移ったと指摘しました。同社のAI応用研究責任者ジェフ・ハーソーン氏は、計算コストが下がる一方で、セッション間に保持すべき状態データが想定を超えて急増していると説明します。これが2026年の最重要課題になると同氏は強調しました。

背景には三つの要因が同時進行しています。コンテキストウィンドウの拡大で入力が巨大化し、エージェント型AIが数十から数百回のモデル呼び出しを連鎖させ、企業が監査や再利用のため推論状態の永続化を求めています。これらが重なり、既存のメモリ階層では扱えない規模へとデータが膨張しているのです。

解決策として、GPUメモリとネットワーク上の大容量ストレージの間に専用のコンテキスト層が生まれつつあります。高速・高密度のフラッシュメモリでKVキャッシュや検索データを推論速度で保持・配信する層で、NvidiaはこれをCMXという用語で規格化しました。

この層が重要なのは、推論が学習とは異なる入出力特性を持つためです。学習が大きなブロック単位の書き込み中心なのに対し、推論は細かく遅延に敏感で状態を伴います。KVキャッシュが高速層になければ再計算(re-pre-fill)が発生し、新たな価値を生まないままGPUサイクルを浪費してしまいます。

求められるのは平均速度よりテールレイテンシの予測可能性です。GPU資源を割り当てる制御系は数秒の遅延も許容できないため、安定した観測可能な性能が鍵となります。電力が制約となる大規模拠点では、ペタバイトあたりの消費電力も重要な指標になります。

経営層やインフラ責任者にとって、この新層はもはや任意の選択肢ではありません。DRAMより安価なNAND(フラッシュ)を中間層に配置すれば、投資効率を高めつつ高価で供給制約のあるメモリへの依存を減らせます。形成途上のこの領域でいかに既存資源を効率的に使うかが、今後数年のAIインフラを左右しそうです。

AIチップのGroq、人材流出後に650億円超を調達

調達の概要

新規調達額6.5億ドル
Nvidia契約から約半年後
前回評価額69億ドル
新評価額は非開示

事業の転換

推論クラウドへ軸足転換
データセンター13拠点展開
開発者500万人超が利用
新経営陣を相次ぎ採用

AIチップ新興企業の米Groqは6月22日、6.5億ドル(約970億円)の新規資金調達を完了したと発表しました。Nvidiaが2025年12月にGroqの技術を非独占でライセンス供与し、創業者兼CEOのジョナサン・ロス氏らを引き抜いた事実上の買収(not-acqui-hire)から約半年後の調達となります。Groqは新たな企業評価額を明らかにしていません。

今回の調達は、主要人材と中核技術IPを失った同社の立て直しを象徴します。Groqは推論用の独自チップ「LPU(言語処理ユニット)」を開発していましたが、そのIPは現在Nvidiaが保有します。NvidiaはこのIPを基に、自社のハードウェアクラスター「Nvidia Groq 3 LPX」を3月のGTCで発表しています。

対抗策としてGroqは、子会社経由で展開してきた推論クラウド(neocloud)事業へ軸足を移しました。同事業は北米・欧州・中東・アジア太平洋に13のデータセンターを構え、500万人を超える開発者と数千社のAI企業に対し、週あたり数兆トークンを処理しているといいます。

経営体制の再構築も進めています。ロス氏の後任CEOには共同創業者のダグ・ワイトマン氏が就き、xAIやMetaを経たアラン・ライス氏をCOOに迎えました。さらにCTOにシンクレア・シュラー氏、CPOにラケシュ・マルホトラ氏が加わっています。

AI推論分野は需要と投資が急拡大する一方、競争も激化しています。中核IPをNvidiaと共有する状況で、Groqが推論クラウドの競争力を保てるかが今後の焦点です。一度は身売り同然の状態に陥った同社にとって、再起をかけた勝負が始まります。

ハイパーネットワークが専門モデルを生成しエージェント自律化

従来手法の限界

微調整による破滅的忘却
プロンプト肥大で起きる文脈ロット
人手による検証が外せない構造

第三の手法

方針から重みを生むハイパーネットワーク
推論時に専門モデルを即時生成
小型ゆえ10〜30倍安い運用

残る課題

不確実性を測る較正の難しさ
自動化バイアスへの警戒

米メディアVentureBeatは2026年6月19日、AIエージェントの自律性を阻む根本原因と、その解決策として浮上するハイパーネットワークを解説する記事を公開しました。多くのエージェントは試作では好調でも、本番投入後は短時間で人間の介在を必要とし、効率化の約束が監視作業に消えてしまいます。問題はモデルの能力ではなく、企業の知識をモデルのどこに置くかにあると指摘しています。

企業がこれまで取ってきた選択肢は二つです。第一は微調整で知識を重みに焼き込む方法ですが、新しい学習が既存の知識を侵食する破滅的忘却を抱え、方針変更のたびに高コストな再学習が必要になります。第二は実行時にプロンプトへ方針を載せる文脈内学習ですが、入力が増えるほど精度が落ちる文脈ロットに直面し、いずれも人間が検証から離れられません。

第三の道として注目されるのが、推論時に方針から小さな専門モデルをその場で生成する手法です。生成器となるのは、別のネットワークの重みを出力するハイパーネットワークで、2016年に命名され、言語モデルへの応用は近年活発化しています。Sakana AIのText-to-LoRAやSHINEがこの方向を進め、タスクごとのアダプターの乱立を一つの生成器に集約します。

小型化を支持する根拠として、記事はNvidia研究者の2025年論文を挙げます。エージェントの定型作業には小型モデルで十分で、最先端の汎用モデルより10〜30倍安く動かせるといいます。$2150万を調達した米Nace.AIは、企業の方針からMetaModelで重みを生成し、監査やコンプライアンスなど規制業務に向け、エージェントが大半を処理し人間が結果を検証する90対10の分担を掲げます。

ただし課題も残ります。最大の論点はモデルが自らの不確かさを把握する較正で、アダプター生成が必ずしも較正を改善しないとの研究もあります。生成モデルの質は元になる方針データに大きく依存し、データ整備が重要になります。スケールも未解明の研究領域で、Naceは公表済みの規模を超えて生成器を拡張し、性能の伸びを示すスケーリング則を導いたと主張しています。

人間への引き渡しそのものも設計上の難題です。Deloitte Australiaが約44万豪ドルで納めた政府報告書は、結論は妥当でも出典確認を怠ったため、捏造された引用を含んだまま上級審査を通過しました。EU AI法の第14条はこれを自動化バイアスと名付けています。記事は、自律比率が高いほど人間の注意が薄い最終局面に集中するため、出典を素早く確認できる根拠付けが価値を左右すると結論づけています。

Amazon、自社AIチップを外販しNvidiaに挑む

外販方針の転換

Trainium外販を協議中
Jassy書簡が起点
年商500億ドル規模見込み
従来は外販拒否の姿勢

Nvidiaとの競争

Nvidiaは3260億ドル規模
Intel並みの売上水準
TSMC争奪が課題

Amazon傘下のAWSが2026年6月18日、自社開発のAIチップ「Trainium」を他社のデータセンター向けに外販する協議を進めていると明らかにしました。AI責任者のピーター・デサンティス氏がBloombergに語ったもので、買い手企業名は明かしていません。Nvidiaが圧倒的に支配するAIチップ市場への、これまでで最大級の挑戦となる可能性があります。

外販構想の起点は、Jassy最高経営責任者が4月の株主向け書簡で示した発言です。同氏はチップ事業が単独なら年商約500億ドルに達するとし、需要の高さから「将来は第三者にラックごと販売する可能性が高い」と述べました。AWS広報も外販の可能性を認めています。

もっとも、AWSはこれまで外販に慎重でした。理由はチップ自体の収益に加え、ストレージやセキュリティ、ネットワークなど周辺サービスでも課金できる「滝のような」収益構造があるためです。自社クラウドで使わせる方が利益は厚くなります。

供給面の制約も重くのしかかります。現行Trainiumは即時完売し、1年以上先のTrainium4も予約で埋まりました。外販には既存顧客を待たせるか、TSMCで増産する必要がありますが、同社最大の顧客となったNvidiaを押しのけねばなりません。

500億ドル規模は、売上が3260億ドル規模で推移するNvidiaを揺るがすほどではなく、Intelの年商に近い水準です。それでもNvidiaのフアン氏がCPU市場へ拡大する一方、JassyはAIチップでNvidiaの牙城により深く食い込む構えを見せています。

Odyssey、評価額1.45億ドルでAmazonら出資

資金調達の規模

シリーズBで3.1億ドル調達
評価額14.5億ドル到達
Natural Capitalが主導

出資陣とクラウド戦略

Amazon・AMD・GVが参加
AWSを優先クラウドに採用
Trainiumチップ向け最適化

創業者と世界モデル

自動運転出身者が創業
テキストから動画生成

世界モデルを開発する米新興企業Odysseyが、2026年6月17日、シリーズBで3億1000万ドルを調達したと発表しました。Natural Capitalが主導し、評価額は14億5000万ドルに達しています。AmazonやAMD Ventures、GVなどが参加し、累計調達額は3億3700万ドルとなりました。

世界モデルは、テキストや対話を扱う大規模言語モデルの次に来るAI技術と位置づけられます。物理世界からデータを集め、正確な物理法則に基づいてシミュレーションする点が特徴です。Odysseyは、人が背中にカメラを背負って撮影するという、Google Earthに似た独自手法でデータを収集してきました。

2023年創業の同社は、ゲーム制作からロボティクスまで幅広い用途向けに複数の世界モデルを提供しています。なかでも、テキストプロンプトから豊かで双方向の動画を生成する技術で知られています。

今回の調達で、AmazonとAWSの存在感が際立ちます。同社はAWSを優先クラウドプロバイダーとし、モデルをAWSのTrainiumチップ向けに最適化する方針です。これはNvidiaのAIチップに対抗する動きと言えます。

創業陣の経歴も注目に値します。CEOのオリバー・キャメロン氏は自動運転新興企業VoyageをGM傘下のCruiseに売却した実績を持ち、CTOのジェフ・ホーク氏は英自動運転企業Wayveの出身です。自動運転由来の知見が、世界モデルのデータ収集手法に生かされています。

エンジェル投資家陣も豪華です。Jeff Dean氏やElad Gil氏、Garry Tan氏、Guillermo Rauch氏、Cruise創業者のKyle Vogt氏らが名を連ねています。AIの次の主戦場とされる世界モデルへ、有力な資本が集まり始めています。

AWSがロボット制御をエージェントに統合するSDK公開

SDKの中身

AWS製オープンソースSDK
LeRobot機能をAgentTool化
Apache2.0ライセンス
記録・学習・推論を一括統合

実機への展開

引数1つでシミュから実機へ
同一データ形式を共有
Zenoh活用の群制御
人間承認で安全担保

AWSは6月17日、ロボット開発の各工程を一つのAIエージェントから自然言語で操作できるオープンソースSDK「Strands Robots」を公開しました。Hugging Faceのロボット学習基盤LeRobotの機能をエージェント用ツールとして束ね、これまで記録・学習・シミュレーション・実機展開・複数台連携の5つに分かれていた作業を一本化します。ライセンスはApache2.0です。

最大の特徴は、シミュレーションと実機のコードがほぼ同一である点です。ロボットを生成する関数は標準でMuJoCoベースの仮想環境を返し、引数をmode="real"に変えるだけで物理ロボットに切り替わります。仮想環境で記録したデータも実機の記録も同じLeRobotDataset形式で保存されるため、片方向けに書いた学習スクリプトをもう片方でもそのまま使えます。

ポリシー推論も共通の入口で扱えます。NVIDIAのGR00Tやローカル推論、MolmoAct2のチェックポイントを同じインターフェースで呼び出せるほか、ACTやSmolVLA、π0なども利用可能です。GPUやDocker、Hugging Faceの認証情報がなくても、模擬ポリシーを使えばノートパソコン上でシミュレーションを最後まで動かせる設計です。

複数台の連携には、ブローカー不要のP2PプロトコルZenohを使ったメッシュ機能を採用しました。新しいロボットは起動した瞬間にメッシュへ参加し、エージェントが一斉に指示を出せます。IPアドレスの管理や探索コードの記述は不要です。

物理的に動作する命令には人間の承認を介在させる仕組みが標準で入っています。一斉送信や緊急停止などはLLMの引数とは別経路で操作者の許可を求めるため、プロンプトインジェクションで承認を偽装する攻撃を防げます。本番運用ではmTLS認証が必須とされ、信頼できないデータを与えない設計が推奨されています。

この統合の狙いは、LeRobotが持つ資産を作り直さず、エージェントから扱える表層だけを足すことにあります。Hub上のあらゆるデータセットがエージェントの拡張・学習・展開の対象になり、仮想と実機の境界は設計上の分断ではなく単なる展開手順の違いになります。AWSはArmと協力した本番向けネットワーク層「Device Connect」も用意しており、コードを変えずに規模を広げられるとしています。

NVIDIA、AIエージェントがロボットを自律訓練

自律訓練の仕組み

結束バンド切断とGPU装着を習得
成果上がる変更のみ保持し反復改善

ENPIREの構成

NVIDIA GEARとCMU・UCバークレーが開発
リセット・検証・評価・失敗分析の4機能
複数ロボットの並列評価

公開と展望

全要素のオープンソース化を表明

NVIDIAのGEAR研究所は2026年6月、AIコーディングエージェントがロボットの訓練を自律的に指揮する新たな枠組み「ENPIRE」を発表しました。カーネギーメロン大学とカリフォルニア大学バークレー校が共同開発したこの仕組みでは、エージェントが訓練手順を自ら考案し、ロボットに結束バンドの切断やマザーボードへのGPU装着といった精密な作業を習得させました。

ENPIREは、AIモデルにツール利用や記憶・制約・フィードバックの機能を与える「エージェントハーネス」と呼ばれるソフトウェアです。具体的には4つのモジュールで構成され、作業の自動リセットと検証、ロボットの行動指針となる方策の改良、複数の実機を並列で動かす評価、そしてログ解析や論文の取り込みによる失敗対応を担います。

訓練は人手を介さず反復します。エージェントは独自のアルゴリズムを考えて実機で試し、成功率を高めた変更だけを残すサイクルを自己主導で繰り返します。NVIDIAでAI担当ディレクターを務めるジム・ファン氏は「研究所の一部が夜通し自己改善し、朝に報告書を読むだけだ」とLinkedInに投稿しました。

検証には3社のエージェントが使われました。OpenAIのGPT-5.5を用いたCodex、AnthropicのOpus 4.7を用いたClaude Code、Moonshot AIのKimi K2.6を用いたKimi Codeです。チームを組んだエージェントが互いに異なる訓練手法を独立して編み出し、実験で比較しました。

ファン氏はすべてをオープンソース化する方針を示し、誰もが自宅で「自走するロボット研究所」を持てるようにすると述べました。技術的な詳細は6月16日に公開された研究論文にまとめられています。AIが自らハードウェアの訓練を回す時代が、研究現場で現実味を帯び始めています。

NVIDIA Blackwell、MLPerf Training 6.0の全7部門で首位

全部門で最速を達成

全7ベンチマークで最速
新規追加のMoE2課題に対応
DeepSeek-V3とGPT-OSSを評価
GB300がGB200比最大1.6倍

8192GPUへ大規模展開

8192基のGPUで最大規模学習
CoreWeaveが2.02分で目標到達
19社のパートナーが参加

NVIDIAは6月16日、AI学習性能を測る業界ベンチマークMLPerf Training 6.0において、同社のBlackwellプラットフォームが全カテゴリで首位に立ったと発表しました。全7ベンチマークで最速の学習時間を記録し、唯一すべての項目に結果を提出した点が特徴です。最大8192基のGPUを用いた大規模学習も実証しました。

今回の評価では、急速に普及するMoE(混合エキスパート)アーキテクチャを反映し、DeepSeek-V3 671BとGPT-OSS-20Bという2つの事前学習ワークロードが新たに追加されました。NVIDIAはこの2課題を含む全7項目で最速を達成し、ラックスケール型のGB200 NVL72とGB300 NVL72の両システムで結果を提出しています。

性能向上の鍵は世代交代にあります。新型のGB300 NVL72は、同規模の構成で従来のGB200 NVL72に比べ最大1.6倍速い学習を実現しました。NVFP4による高い計算密度、拡張されたメモリ容量、ピーク性能を維持できる高い電力上限が、この改善を支えています。

規模の面でも記録を更新しました。最大のMoEモデルであるDeepSeek-V3 671Bでは、GB200 NVL72システムを用いて8192基のGPUまで拡張し、MLPerf TrainingにおけるBlackwellベースで最大規模の提出となりました。CoreWeaveはGB300 NVL72とSpectrum-X Ethernetを組み合わせ、このモデルで2.02分という最速の学習時間を達成しています。

本番環境での信頼性も重視されています。NVIDIAは出荷前に30以上の製造テスト工程でGPUを検査し、障害を未然に防ぐほか、障害発生時にはNVRxがチェックポイントから学習を再開し、ジョブ全体の再起動を回避します。今回はMicrosoft AzureやCoreWeaveなど19の組織がパートナーとして参加しました。

HPE、NVIDIA基盤のAIファクトリーをエージェント時代向け拡張

新CPUと運用基盤

エージェント特化CPUVera採用
NYSEが早期顧客として検証
Rubin GPU最大128基/ラック
Agent Toolkit標準提供

セキュリティと統治

全製品で機密コンピューティング対応
不正エージェント検知と復旧
実行前の集中ガバナンス審査

HPEとNVIDIAは6月16日、米ラスベガスで開催中の年次イベントHPE Discoverで、共同開発するAI基盤「HPE AI Factory with NVIDIA」を企業向けのAIエージェント本番運用に対応させるべく拡張すると発表しました。実証実験から本番導入へと移る企業需要に応え、エージェント特化の新型CPUや運用ツール、機密データ保護機能を全製品群へ広げます。

中核となるのが、エージェント向けに設計された世界初のCPUとうたうNVIDIA Veraです。ツール呼び出しやオーケストレーション、リアルタイムのデータ処理といったエージェント処理に最適化され、低遅延で決定的な性能を提供します。これを搭載したサーバーは2027年に、ターンキー型のHPE Private Cloud AIとして提供される予定です。

Veraは1兆パラメータ超の大規模モデルを想定したVera Rubinプラットフォームの一部で、ニューヨーク証券取引所が早期顧客として検証を進めています。HPEは最大128基のRubin GPUを1ラックに収容できる新サーバーも投入し、フロンティア級モデルの学習・推論需要に備えます。

運用面ではNVIDIA Agent ToolkitをHPE Private Cloud AIで利用可能にしました。エージェントの挙動監視やガバナンス方針の強制を担い、長時間稼働する自律型のマルチエージェントを安全に構築・運用できる「エージェント版OS」として機能します。モデルやツールは実行前に中央のセキュリティ方針へ照合され、不正な動作はクリーンな状態へ巻き戻せます。

セキュリティの要として、NVIDIA Confidential ComputingがHPE AI Factoryの全ソリューションに対応しました。実行中のモデルや機密データを暗号化と検証で保護し、オンプレミスや主権AIの導入でも安全性を担保します。BlueField DPUによるゼロトラスト制御も性能を犠牲にせず脅威検知を実現します。

HPEはネットワークやストレージを含む全製品でNVIDIAとのフルスタック統合を進め、パートナープログラムにも約12社の新たなAIソフト企業を加えました。経営層にとっては、エージェントAIを統治・主権・拡張性を確保しつつ本番投入できる選択肢が広がった形と言えるでしょう。

衛星が軌道上でGemma 3稼働、自律で目標発見

世界初の実証

軌道上でVLM初稼働
地上分析なしで自律発見
Gemma 3をエッジ動作
NASA JPLが制御ソフト開発
Loft Orbital衛星YAM-9で実施
搭載GPUはJetson Orin

宇宙センサーの変革

生データの軌道上選別
自然言語で監視指示
常時監視レイヤー構想
50〜100機で全球網羅
宇宙AIインフラへの布石

地球観測衛星が2026年4月、地上の人間の分析官に頼らず自律的に目標を発見することに世界で初めて成功しました。宇宙インフラ企業Loft Orbitalの衛星YAM-9に搭載されたNASAジェット推進研究所製のソフトが、自然言語の問いに応じて関心領域を特定したものです。軌道上で視覚言語モデル(VLM)が稼働した初の事例となります。

実証を支えたのはGoogle DeepMindのGemma 3です。VLMは大規模言語モデルの文脈理解と画像解析を組み合わせた技術で、Gemma 3はデータセンターから離れた限られたハードウェアで動くエッジ用途向けに設計されています。研究者は「自然環境と人間の開発が接する地域の分類」や「鉄道拠点周辺のインフラ特定」を指示し、モデルはそれを実行しました。

この成果が重要な理由は二つあります。近い将来、衛星が軌道上でデータの一次選別を行うことで、分析官が処理すべき膨大な生データを減らし、宇宙センサーの有用性を大きく高められます。長期的には、宇宙空間で大規模なAIインフラを動かすための実証点となります。

Loftのヘッド・オブ・AIであるPaul Lasserre氏は「宇宙に常時稼働の監視レイヤーへの扉を開く」と述べました。VLMがあれば「この国境を監視し、不審な動きがあれば知らせて」といった論理的な指示を出し、衛星と対話できるといいます。YAM-9には宇宙用演算チップの代表格であるNvidia Jetson Orin AGX GPUが搭載されています。

他社の追随も予想されます。Planet Labsは現在Jetson Orin搭載衛星を単純な物体検知に使っていますが、VLMを含むAI応用の研究を進めています。Lasserre氏は地球上のどこでもリアルタイムに監視するにはYAM-9級の衛星が50〜100機必要だと見ており、Loftは現在12機を運用しています。

今回の小型モデル展開で得た知見は、電力やメモリ管理という地味だが重要な領域で、より大規模な宇宙演算インフラの構築に生かされます。開発の発端は、月や火星を探査する宇宙飛行士向けのデジタルアシスタント構想でした。加圧服でキーボードを叩けない飛行士のため、対話型AIを提供できないかという発想から生まれたものです。

Sakana AIが8時間自律調査エージェント発表

Marlinの概要

初の商用製品Marlin
肩書きは仮想CSO
最大8時間の自律推論
100ページの戦略報告書
対象は企業・金融・調査機関
従量課金は1回100クレジット

技術と背景

探索基盤AB-MCTS採用
複数LLMを動的に使い分け
推論時スケーリング重視
創業者はTransformer論文著者
評価額26億ドル超
MUFGやCitiが出資

東京拠点のAIスタートアップSakana AIは6月15日、初の商用製品となる自律型リサーチエージェント「Marlin」を発表しました。秒単位で回答する従来型チャットボットとは異なり、最大8時間にわたり自己統治的な推論ループを継続し、引用付きで100ページ規模の戦略レポートや役員向けスライドを生成する点が特徴です。同社はこれを「仮想CSO(最高戦略責任者)」と位置づけ、企業や金融機関、シンクタンク向けに提供します。

利用の流れは通常の大規模言語モデルとは根本的に異なります。ユーザーは調査テーマを与え、初回のすり合わせを経た後は作業から離れるだけで、Marlinが自ら仮説を立て、ウェブを調べ、複数の情報源を照合して因果関係を整理します。最終成果物は単なる文章の塊ではなく、要約スライドや付録、参考文献を備えた構造化された戦略オプション群として届けられます。

中核を担うのは、同社が独自に研究してきた探索エンジンAB-MCTS(適応的分岐モンテカルロ木探索)です。研究を可能性の分岐ツリーとして扱い、行き詰まりが見えた局面では新たな仮説を生む「探索」へ、有望な解には監査と改良を重ねる「活用」へと、外部フィードバックに応じて動的に切り替えます。さらに各サブタスクで最適なモデルを選ぶマルチLLM方式へ拡張し、複数の基盤モデルを集合知として組み合わせている点が商用化の鍵となりました。

料金は段階制で、従量課金は1回の実行に100クレジット、追加クレジットは1点98円です。月額15万円のProプランは2,000クレジット、月額40万円のTeamプランは6,000クレジットを含み、大企業向けには個別見積もりのEnterpriseも用意されています。顧客データはオプトイン同意がない限りモデル学習に使わない厳格な方針を掲げ、M&A;や未公開戦略を扱う企業の懸念に配慮しています。

Sakana AIは2023年に、Googleの2017年論文「Attention Is All You Need」の共著者で「Transformer」という語を生んだLlion Jones氏と、元Google Brain研究者のDavid Ha氏が東京で共同設立しました。巨大な単一モデルに頼るのではなく、魚の群れのような小型で専門特化したモデルの協調を志向する設計思想を掲げ、推論時スケーリングで実績を重ねてきました。

2025年後半には評価額が26億ドル超に達するシリーズBを実施し、NvidiaやGoogleに加え、MUFGやCiti、Salesforceといった大手が出資しています。約300人の専門家が参加した4月からの非公開ベータでは、「想定していなかった切り口を発見した」との評価も得ました。AIの価値が速さから思考の深さへ移る中、Sakanaの動向は今後も注目されます。

Nvidiaが5年ぶり社債で2.5兆円超調達

起債の概要

250億ドル超の社債発行
2年から30年の7本立て
当初200億ドルから増額
5年ぶりの起債

需要と背景

注文額850億ドル超
10年債の上乗せ利回り低下
AI投資ブームの最大受益者
社債残高は約3倍に拡大

半導体大手のNvidiaは6月15日、米国で250億ドル規模の投資適格社債を発行する計画を明らかにしました。2021年以来5年ぶりの起債で、投資家のAIセクターへの追加投資意欲を試す試金石となります。償還期限は2年から30年まで7本立てという大型の構成です。

起債規模は当初の200億ドルから増額されました。ニューヨーク時間の午後早くまでに850億ドルを超える注文が集まったためです。旺盛な需要を背景に、10年債部分の利回りは米国債を0.5ポイント上回る水準と見込まれ、当初協議時の0.75ポイントから縮小しました。

T.ロウ・プライスのポートフォリオマネジャー、ローレン・ワガント氏は、米イラン合意後の良好な市場環境がNvidiaに比較的低コストでの資金調達を可能にしていると指摘します。同氏は「最終的に非常に質の高い企業であり、他のテック企業ほど頻繁に市場に出てこない」と述べました。

Nvidiaはビッグテックによる1兆ドル規模のAIインフラ投資の最大の受益者です。今回の起債は、激化するAI競争のなかでテック各社が資金確保を急ぐ局面で行われました。一方でウォール街では、スペースXによる過去最大の750億ドル規模の新規株式公開など、株式・債券の発行が相次いでいます。

Nvidiaは調達資金について、既存債の返済や借り換えを含む一般的な事業目的に充てる方針を示しました。今回の発行額は2021年のコロナ禍での前回起債(約50億ドル)の少なくとも3倍にあたります。完了すれば、同社の債務残高は現在の85億ドルから約300億ドルへと3倍以上に膨らむ見通しです。

SpaceX上場でAI企業のIPO競争が過熱

上場ラッシュの号砲

SpaceXが史上最大規模IPO
マスク氏が世界初の兆万長者
OpenAIとAnthropicも上場申請
限られた資本を巡る先陣争い

市場の地殻変動

FAANGに代わりMANGOS台頭
資金がAI研究所へ集中
宇宙データセンターへの波及

米SpaceXが今週、史上最大規模となる新規株式公開(IPO)を実施し、イーロン・マスク最高経営責任者(CEO)が世界初の兆万長者となりました。TechCrunchのポッドキャスト「Equity」では、これを皮切りにOpenAIやAnthropicといったAI企業の上場が相次ぐ「熱いIPOの夏」が始まると議論されました。

注目すべきは、公開市場の資金が消費者向けサービスやSNSからAI研究所へと移りつつある点です。番組では、従来の代表的ハイテク銘柄群「FAANG」(メタ、アマゾン、アップル、ネットフリックス、アルファベット)に代わり、メタ、Anthropic、NVIDIA、グーグル、OpenAI、SpaceXを指す「MANGOS」という呼称が紹介されました。動画配信のネットフリックスが外れ、AI企業が複数加わった構図です。

AI企業同士の競争は上場のタイミングにも及びます。資本や投資家の関心には限りがあるため、OpenAIとAnthropicは互いに先んじて上場しようと動いているとされます。OpenAIが大幅な値下げに言及している点も、こうした短期的な競争の表れだと指摘されました。

一方で、SpaceXの成功に便乗して資金を調達する企業も相次いでいます。SpaceXが普及させた軌道上データセンターの構想を掲げて資金を募るスタートアップや、特別買収目的会社(SPAC)を通じて上場を狙う企業も登場しています。一兆ドル長者という見出し以上に、市場全体に広がるこうした波及効果が重要だとの見方が示されました。

さらにフォードやゼネラル・モーターズ(GM)といった自動車大手が、余剰の電池生産能力をデータセンター向け電力事業に転用する動きも出ています。AIがその用途だけでなく、各社の投資行動そのものを通じて既に経済を作り変えているとの指摘もありました。ただし、テスラやSpaceXの戦略をそのまま模倣しても成功するとは限らず、各社が独自の道を見いだせるかが今後の焦点となります。

NVIDIAが初の自律型AI性能指標で首位

ベンチマーク結果

業界初のAgentPerfで計測
電力当たり20倍の処理能力
GB300 NVL72が最高性能

性能の源泉

72基のGPUをラック統合
通信と計算の重ね合わせ最適化
推論基盤の全層協調設計

実運用への波及

主要推論事業者が既に採用
コーディング支援の現場稼働

半導体大手のNVIDIAは2026年6月12日、調査会社Artificial Analysisが公開した業界初の自律型AI向け性能指標「AgentPerf」の初回結果で、自社のBlackwell世代基盤「GB300 NVL72」が首位に立ったと発表しました。同基盤は前世代のH200システムと比べ、消費電力1メガワット当たり最大20倍のAIエージェントを稼働させたとされます。

なぜ専用の指標が必要なのでしょうか。従来の推論ベンチマークは、1回のLLM呼び出しに対する応答速度や同時処理数を測るものでした。これに対し自律型AIは、一つの目標を多数の手順に分解し、コード実行やデータベース検索などのツール呼び出しを挟みながら、数十から数百回のLLM呼び出しを連鎖させて動きます。負荷は単純な足し算ではなく乗算的に増えるため、既存指標では捉えきれないという課題がありました。

AgentPerfは、実在する公開コードリポジトリ由来のコーディング作業の軌跡をもとに設計されています。エージェントが課題を受け取り、ファイルを読み、コードを書いて実行し、結果を見て修正を繰り返す一連の流れを再現し、応答性と出力速度の基準を満たしながら何件の作業を同時にこなせるかを測ります。ツール呼び出しは実行せずCPU処理時間で模擬するため、差は計算基盤の性能のみを反映します。

首位の要因は、基盤全体にわたる徹底した協調設計にあります。GB300 NVL72は72基のGPUを単一のラック規模システムに束ね、DeepSeek V4 Proのような大規模な混合エキスパート型モデルを効率よく分散実行します。さらにCUDAカーネルが通信と計算を重ね合わせ、専門家間の調整コストを遅延に上乗せせず吸収する仕組みです。

結果は基盤投資の判断に直結します。加速器1台あたり、電力1メガワットあたりで何件の自律型作業を回せるかという数値は、企業がエージェントを大規模展開する際の投資対効果を左右するためです。BasetenやDeepInfra、Together AIといった主要な推論事業者は既にBlackwell上で最先端モデルを運用しており、AIコーディング基盤Cursorのエージェントなどが実際の現場で稼働しています。

NVIDIAは今後も推論ソフトウェアの最適化により性能と効率が向上すると見込んでいます。次世代の「Vera Rubin」アーキテクチャも本格生産に入り、拡大する自律型AIの需要に応える構えです。経営者にとっては、対話型から自律型へとAIの主戦場が移るなか、基盤選びの評価軸そのものが変わりつつある点に注目すべきでしょう。

Google、生成4倍速の拡散型モデルを公開

拡散方式の仕組み

256トークンを並列生成
全位置が相互に注意
誤りを自己修正
Apache 2.0で公開

性能と適用範囲

H100で最大1008トークン毎秒
標準版より品質は低下
ローカル推論で優位

Googleは6月11日、テキストを拡散方式で生成するオープンソースの実験モデルDiffusionGemmaを公開しました。画像生成で使われる拡散の原理を文章生成に本番規模で適用したもので、GPU上で標準モデルの最大4倍の速度を実現すると説明しています。Gemma 4を基盤にApache 2.0ライセンスで提供され、推論基盤vLLMがネイティブ対応した初の拡散言語モデルとなります。

従来の言語モデルはタイプライターのように左から右へ1トークンずつ生成し、確定した出力を後から修正できません。これに対しDiffusionGemmaは256個のランダムな仮トークンの塊から始め、ブロック全体を何度も並列で精緻化します。各パスで確信度の高い位置を確定し、不確実な位置は次のパスで再評価するため、自己修正と双方向の文脈参照が可能になります。

この構造はコード補完やテンプレート生成など、左から右への生成では失敗しやすい制約付きタスクに構造的に適しています。Googleは数独ソルバーで実証し、ファインチューニング後に成功率80%へ到達。確定ステップ数も48から12へと大幅に減り、早期停止による効率化を示しました。

速度面では、単一のNvidia H100でバッチサイズ1のFP8版が毎秒1008トークン、H200では1288トークンに達し、標準的な自己回帰方式の約6倍にあたります。一方でモデルは26BのMixture of Experts構成で、推論時に動かすのは3.8Bパラメータのみ。量子化すればRTX 4090など消費者向けGPUの18GB VRAMに収まります。

ただし速度の優位は条件付きです。GPUに余力があるローカル推論や低並列の用途で効果を発揮する一方、数百件を同時処理する高スループットのクラウド配信では効果が薄まります。Google自身も出力品質は標準Gemma 4より低いと認め、最高品質が必要な用途には標準版を推奨しています。

経営層やエンジニアにとって、専用GPUでの遅延削減はこれまで小型モデルへの妥協を意味していました。DiffusionGemmaは同じパラメータ規模のまま第三の選択肢を提供し、当日からvLLMで使えます。品質とのトレードオフは現実的ですが、ローカル推論や制約付き生成を扱うチームには試す価値があります。

AI先進企業は従業員1人に月7500ドル支出、中央値との格差680倍

企業間で広がるAI支出格差

上位1%は月7500ドル/人
上位10%は月611ドルに留まる
中央値はわずか11.38ドル

人件費超えはまだ先

ソフトウェア技術者月収の半額以下
上位1%で月次14.1%の成長継続
複数モデル併用でコスト最適化

加速するトークン消費

NVIDIAは計算コストが給与超過と発言
Mercorはトークン費が人件費を上回る

Ramp AI Indexの最新調査によると、米国企業のうちAI導入に最も積極的な上位1%の企業は、従業員1人あたり月額7,500ドルをAIに支出していることが明らかになりました。一方、中央値の企業はわずか11.38ドルと、エンタープライズプランの1席分に相当する水準にとどまっており、企業間のAI投資格差が鮮明になっています。

注目すべきは、最も積極的な企業でもAI支出が人件費を上回っていない点です。ソフトウェアエンジニアの平均月収は約16,000ドルであり、上位1%のAI支出7,500ドルはその半分以下にとどまります。「AIコストが従業員コストを超えた」という一部の発言が話題を呼んでいますが、データ上はまだその段階には達していません。

ただし、AI支出の増加ペースは依然として速く、上位1%の企業では前月比14.1%の伸びを記録しています。この成長率が継続すれば、人件費との逆転は現実味を帯びてきます。NVIDIAの幹部が「計算コストが従業員の給与を超えた」と発言し、AI人材マッチングのMercorもトークン費用が人件費を上回ったと公表するなど、先端領域では既にコスト構造の転換が始まっています。

上位1%の企業は特定のモデルやプラットフォームに依存せず、複数のフロンティアモデルやオープンソースモデルを組み合わせて利用する傾向があります。コスト効率を追求しながらも支出総額が増え続ける構図は、AIが企業にとって不可欠なインフラへと変わりつつあることを示しています。

NVIDIAがロボタクシー向け安全基盤Halos OSを発表

Halos OSの構成要素

ISO 26262 ASIL D準拠の認定OS基盤
センサー抽象化で機器交換を容易に
ルールベースの安全ガードレール搭載
330超の論文と1,000件の特許に基づく評価枠組み

世界各地で広がる導入

UberとAutobrainsがミュンヘンで展開
Foxconnが台湾でフリート配備を拡大
VinFastが東南アジア市場に参入
HUMAINがサウジアラビアへ展開

NVIDIAは、ロボタクシーの商用展開に向けた包括的な安全基盤「Halos OS」を発表しました。同プラットフォームはNVIDIA DRIVE Hyperion上に構築され、認定OS、標準化インターフェース、AIガードレール、クラウド検証基盤の4層で構成されています。GTC Taipeiでは、Uber・Foxconn・VinFast・HUMAINとの新たな協業も発表され、ロボタクシーの世界展開が加速しています。

Halos OSの基盤となるHalos Coreは、自動車安全規格ISO 26262 ASIL Dに準拠した認定OS基盤です。ハイパーバイザーにより安全関連機能を分離し、障害が車両制御に波及することを防ぎます。NVIDIA CUDAやTensorRTの安全認定サポートも含まれ、車載LLM推論のためのオープンソースフレームワークも提供されます。

Halos SDKはセンサー抽象化レイヤーを備え、カメラ・レーダー・LiDARなどのセンサー交換時にアプリケーションコードの再構築を不要にします。車両抽象化レイヤーにより、自動運転スタックと車両全体を単一のインターフェースで接続できます。決定論的スケジューラやゼロコピーのプロセス間通信など、低遅延・高信頼性のランタイム機能も搭載しています。

Halos Applicationsレイヤーでは、AIモデルに対してルールベースの安全ガードレールを提供します。自動緊急ブレーキや車線逸脱警告などのアクティブセーフティ機能に加え、NVIDIAのAlpamayoオープンモデルファミリーによる連鎖思考推論も統合されています。クラウド側のHalos Infraでは、330超の研究論文と1,000件の特許に基づくSafety Evaluation Frameworkを通じて、公道走行前の大規模検証を支援します。

ロボタクシー業界はプロトタイプから商用運用へと移行しつつあります。NVIDIAはHalos OSにより、安全性を「後付け」ではなく設計段階から組み込むアプローチを提唱しています。規制当局が求める信頼性の実証と、AIの実用的な安全運用の両立を目指す同プラットフォームは、レベル4自動運転の商用化を支える重要な基盤となりそうです。

GPUクロック周波数の最適化でLLM訓練の消費電力を14%削減

省エネ技術の仕組み

カーネル単位でGPU周波数を動的調整
コア・メモリの負荷に応じた電圧制御
訓練速度の低下はわずか0.6%

実験結果と今後の展望

GPT-3-xlの単層訓練で検証
新型GPUほど周波数切替が高速
自動最適化ツールの開発を推進
性能を犠牲にしない省エネを実現

オランダのトゥエンテ大学の研究チームが、LLMの訓練時に消費する電力を最大14%削減できる手法を発表しました。GPUのクロック周波数を計算処理の内容に応じて動的に調整する「動的電圧・周波数スケーリング(DVFS)」と呼ばれる技術を、従来よりも細かい粒度で適用することで、訓練速度をほぼ落とさずに省電力化を達成しています。研究を率いたJeffrey Spaan氏は、シチリアで開催されたComputing Frontiers学会で成果を発表しました。

DVFSは1990年代から知られる技術ですが、LLM訓練への適用はこれまで困難でした。従来の手法はフォワードパスとバックプロパゲーションという大きな単位で周波数を切り替えていたのに対し、今回の研究ではGPUの計算を構成する「カーネル」と呼ばれる最小単位ごとに周波数を最適化します。1つのニューラルネットワーク層は約40のカーネルに分割され、それぞれでコアクロックとメモリクロックの最適な組み合わせを設定することで、大幅な省エネを実現しました。

GPU自体にもDVFSの自動調整機能は備わっていますが、次にどのカーネルが実行されるかを予測できないため、最適な省電力には到達できません。研究チームの手法は事前にワークロードを分析して周波数を決定するため、GPU内蔵の制御を上回る効率を引き出せるのです。

実験はNVIDIA RTX 3080 Ti上でGPT-3-xlの1層を訓練する設定で実施されました。14%の省エネは理論上の最良値であり、周波数切替に要する時間を考慮すると実際の効果はGPUの世代に依存します。NVIDIAのBlackwell世代など新しいGPUでは切替速度が大幅に向上しており、理論値に近い省エネが期待できます。研究チームは今後、任意のワークロードに対して最適な周波数設定を自動で適用するツールの開発を進める方針です。

Google、テキスト拡散モデルDiffusionGemmaを公開

モデルの技術的特徴

256トークンを同時生成
Gemma 4ベースの26B MoE構成
推論時は3.8Bパラメータのみ起動
Apache 2.0でオープン公開

性能と対応環境

H100で毎秒1000トークン超
RTX 5090で毎秒約700トークン
自己回帰モデル比最大4倍高速
NVIDIAが各GPU向けに最適化

Google DeepMindは2026年6月10日、テキスト拡散モデル「DiffusionGemma」をApache 2.0ライセンスで公開しました。従来の自己回帰型LLMが1トークンずつ逐次的にテキストを生成するのに対し、DiffusionGemmaは画像生成AIと同様の拡散手法を用いて最大256トークンを同時に生成します。これにより、GPU上でのテキスト生成速度が最大4倍に向上します。

モデルはGemma 4ファミリーをベースとした26B規模のMixture of Experts構成で、推論時に起動するパラメータは3.8Bにとどまります。そのため量子化により高性能コンシューマーGPUのVRAM 18GBに収まります。双方向アテンションにより、インライン編集やコード補完、数理グラフなど非線形な生成タスクで従来モデルより優位性を発揮します。

NVIDIAは同日、DiffusionGemmaを自社GPU群で最適化したことを発表しました。単一のH100で毎秒1000トークン超、RTX 5090で毎秒約700トークンの推論速度を実現しています。DGX Spark、RTX PRO 6000、DGX Stationでも動作し、ローカル環境でのエージェント処理や対話型ワークフローに適しています。

Googleはこのモデルを実験的な位置づけとし、品質面では標準的なGemma 4が依然として推奨されると明記しています。一方で、速度重視のローカル推論やリアルタイムの対話型アプリケーション開発において、拡散ベースのテキスト生成が新たな選択肢になると強調しています。Hugging Face TransformersやvLLM、Unslothなど主要ツールで即日利用可能です。

Decartが写実的な運転シミュレーション用世界モデルOasis 3を公開

Oasis 3の主要機能

写実的な運転環境をリアルタイム生成
マルチカメラ対応の無限生成
API価格は1秒0.02ドル
自動運転の希少シナリオ訓練に対応

事業展開と競合環境

3億ドル調達で評価額約40億ドル
Toyota・Adobe・eBayが戦略投資
10万人超の開発者コミュニティ形成

現時点の技術的課題

走行中のテーマ整合性が急速に劣化

AIスタートアップのDecartは2026年6月10日、写実的な運転環境をリアルタイムに生成するインタラクティブな世界モデル「Oasis 3」を発表しました。自動運転車メーカー向けに希少な走行シナリオを大規模にシミュレーションすることを主な用途とし、今後はロボティクスなど物理AIへの展開も予定しています。APIは初日から公開され、価格は1秒あたり0.02ドルです。

Oasis 3は同社の基盤モデル「Lucy」をベースに開発されました。前方1台・側方2台のマルチカメラ構成で物理的に正確な環境を生成し、時間制限なく無限にシナリオを拡張できる点が特徴です。自動運転開発者にとっては、限定的なデモではなくエッジケースを際限なく試行できることが大きな利点となります。同社の垂直統合型最適化スタック「DOS」により、競合他社より1桁以上低いコストでモデルを運用できるとCEOのDean Leitersdorf氏は説明しています。

一方で技術的な課題も残っています。テスト記事によれば、初期シーンはプロンプト通りに高品質で生成されるものの、走行を続けるとテーマの整合性が急速に崩れ、都市の特徴が汎用的な風景に変化してしまいます。他の車両をすり抜けるなど物理シミュレーションの正確性にも問題があり、Leitersdorf氏はこれを「現在取り組んでいる重要な研究課題」と認めています。自己回帰的に1フレームずつ生成する構造上、コンテキストウィンドウが急速に埋まることが根本原因です。

競合環境は激化しています。GoogleのGenie 3、Fei-Fei Li率いるWorld Labsの「Marble」、LumaやRunwayなどが世界モデル市場に参入しています。Decartは数週間前に3億ドルの資金調達を完了し、評価額は約40億ドルに到達しました。Toyota、Adobe、eBayが戦略的投資家として参加し、既存投資家のNVIDIAも出資しています。

Leitersdorf氏は、APIを開放することでLLM黎明期のOpenAIのように開発者エコシステムが自然発生的に成長すると期待を示しています。既に10万人超の開発者がeコマースやライブストリーミング分野でLucyを活用しており、Oasis 3で物理AI領域への拡大を狙います。世界モデル分野はまだ初期段階にあるものの、開発者による予想外のユースケース創出が技術の進化を加速させるというのが同社の見立てです。

テック業界の代名詞がFAANGからMANGOSへ交代

MANGOS台頭の背景

SpaceXが金曜にIPO予定
AnthropicもIPO申請済み
OpenAIが非公開でIPO申請

業界勢力図の転換

AI・宇宙企業が主役に交代
AmazonとNetflixは依然健在
eコマースからAIへ重心移動
自律型AIの経済的影響に懸念も

テック業界を象徴する企業群の略称が、従来のFAANG(Facebook、Amazon、Apple、Netflix、Google)からMANGOS(Meta、Anthropic、Nvidia、Google、OpenAI、SpaceX)へと移り変わろうとしています。SpaceXが6月13日に記録的なIPOを控え、AnthropicもIPO申請を済ませ、OpenAIが非公開でIPO申請を行うなど、AI企業と宇宙企業の大型上場が相次ぐことがこの変化を加速させています。

MANGOSという新しい略称は、開発者の@krishdotdevと@lilscootがX上で提案したもので、現在SNSで急速に拡散しています。FAANGが「牙」を連想させる攻撃的な響きだったのに対し、MANGOSは果物の甘い響きを持つ点も話題を呼んでいます。

もちろんFAANGが完全に消滅するわけではありません。Amazonのクラウド事業やNetflixのストリーミングサービスは依然として強力です。しかし、eコマースや動画配信よりも、AIやエージェント技術、宇宙開発を手がける企業群がテック業界の新たな中心になりつつあるという認識が広がっています。

TechCrunchの記事は、自律型AIの時代が健全な経済基盤をもたらすのか、それとも雇用喪失と経済的困窮を招くのかという問いを投げかけて締めくくっています。MANGOSの各社が今後どのような社会的価値を生み出すかが、この新しい略称の寿命を左右することになるでしょう。

電動スクーター創業者が宇宙データセンター企業を設立

Orbitalの事業構想

a16zのSpeedrunから卒業
500万ドルのシード調達
Starship実用化を前提とした計画
1万機の衛星で1GW提供が目標

技術と競争環境

Blackwellチップで初のデモ飛行
2028年にSpace-1 GPU搭載機を打上げ
StarcloudやBlue Originも参入
Starship価格が事業成立の鍵

電動キックボード企業Spinの創業者Euwyn Poon氏が、宇宙空間でAI推論処理を行うデータセンター企業「Orbital」を設立し、a16zのアクセラレータプログラムSpeedrunを経て500万ドルのシード資金を調達しました。Poon氏は2017年にSpinを創業し翌年Fordに売却した経験を持ち、その後自らNvidia A100を購入してオープンウェイトモデルの提供を始めたことからAIコンピュート事業の価値を確信したといいます。

Orbitalの技術ロードマップは段階的です。まず提携先の衛星にNvidia Blackwellチップを搭載し、同社独自の放射線シールドと熱管理技術を検証するデモ飛行を実施します。2028年にはNvidiaのSpace-1 Vera RubinクラスGPUを搭載した初の自社データ処理衛星の打上げを計画しており、段階的な推論処理の受託で収益化を目指します。

最終目標は各100kWの電力を供給する1万機の衛星による分散型ギガワット級コンピューティング基盤の構築です。ただし現行のFalcon 9の打上げ費用では経済性が成り立たず、SpaceXのStarshipが商業運用を開始し打上げコストが大幅に下がることが事業成立の前提条件となっています。

宇宙データセンター市場には競合も多く、すでにGPUを軌道上に展開しているStarcloud、独自ロケット開発に着手したCowboy Space Company、大型ロケットNew Glennを持つBlue Originなどが参入しています。a16zパートナーのAndrew Chen氏は、Poon氏がSpinで100都市に25万台のスクーターを展開した実績を評価し、10年以上・50億ドル超の投資が必要になりうる長期プロジェクトへの出資に「2026年に始めるからこそ資本市場のエネルギーを活用できる」と語りました。

多言語音声認識の実力を検証、言語切替時の精度を比較

ベンチマーク手法と結果

コードスイッチ対応の新評価基準構築
4言語ペアで7つのASRモデルを比較
ElevenLabs Scribe V2が総合首位

誤認識の発生構造

言語切替回数が誤認識発生と相関
混合密度が誤認識の深刻度を左右
英語部分に誤認識が集中する逆説的傾向
上位モデルは切替による精度低下が軽微

ServiceNow AIの研究チームは2026年6月9日、コードスイッチ(会話中の言語切替)に対する主要音声認識(ASR)システムの性能を体系的に評価するベンチマークを公開しました。世界人口の半数以上がバイリンガルであるにもかかわらず、企業向け音声エージェントが言語切替にどう対処するかの研究はこれまで不十分でした。本ベンチマークはスペイン語・フランス語・カナダフランス語・ドイツ語と英語の4言語ペアを対象に、HRやITサポートの実務シナリオを用いて評価を行っています。

評価対象はElevenLabs Scribe V2、Google Gemini 3 Flash、AssemblyAI Universal 3-Pro、Deepgram Nova 3、Mistral Voxtral、Nvidia Parakeet、OpenAI Whisper Large V3 Turboの7モデルです。単語誤り率(WER)ではScribe V2とAssemblyAIが僅差で上位を占め、Gemini 3 Flashが僅差で続きました。一方、意味の保持を測るSWERとAERでは、Geminiが言語理解能力を活かしてAssemblyAIを逆転する場面もありました。

Whisperは全指標で最下位となりましたが、これは言語パラメータ未指定時に転写ではなく翻訳をデフォルト動作とする既知の制約が原因です。意味的指標では英語への翻訳が奏功し、他モデルとの差は縮まりました。上位モデルはコードスイッチによる精度低下がごくわずかで、単言語ベースラインとほぼ同等の性能を維持しています。

誤認識の発生メカニズムについても統計分析が行われました。回帰分析の結果、発話内の言語切替回数が多いほど誤認識が発生しやすく、一方で誤認識の深刻度はコード混合指数(CMI)、すなわち副言語の単語比率と相関していました。さらに、誤認識はバイリンガル発話中の英語部分に集中するという直感に反する結果も示されています。英語は単言語では最も得意とする言語でありながら、埋め込み言語として出現した際には音韻や語彙の文脈切替がモデルにとって困難となるためです。

研究チームはベンチマークをオープンソースのAU-Harnessで公開し、企業が自社の顧客が実際に話す言語ペアで検証できるようにしています。合成音声を用いている点や自動言語検出のみで評価している点など限界はあるものの、適切なASRシステムを選択すれば、バイリンガル顧客が自然に言語を切り替えても転写品質を維持できることを実証した意義ある研究です。

Apple、WWDC26でSiri AIと独自基盤モデルAFM 3を発表

Siri AI刷新の全容

Google Geminiベースの新Siri AI
専用アプリとして独立、全デバイス対応
画面認識で文脈に応じた操作を実行
Private Cloud Computeでプライバシー確保

AFM 3とAI写真編集

AFM 3は20Bパラメータをフラッシュに格納
オンデバイスで1B〜4Bを動的に活性化
写真のフォトリアル生成を解禁
SynthID透かしで改変を識別

開発者向けAI基盤

App Intentsでアプリ操作をSiriに公開
Shortcutsの自然言語生成でバイブコーディング実現

Appleは2026年6月9日、年次開発者会議WWDC 2026で、AIアシスタント「Siri AI」の全面刷新と、第3世代の独自基盤モデル「AFM 3」ファミリーを発表しました。新SiriはGoogle Geminiをベースとし、専用アプリとして独立。テキスト・音声・画像によるマルチモーダル対話に対応し、iPhoneからMac、Apple Watchまで全デバイスで利用できます。Tim Cook CEOにとって最後のWWDCとなる今回、同社はAI分野での遅れを取り戻す姿勢を鮮明にしました。

Siri AIの最大の特徴は、画面上のコンテンツを認識して文脈に応じた操作を実行するエージェント機能です。InstagramやSafariで表示中の情報をもとに検索や予定登録を行ったり、メッセージの文脈からリマインダーを自動提案したりできます。Apple上級副社長のCraig Federighi氏は「AIにおけるプライバシーは交渉の余地がない」と強調し、処理はオンデバイスまたはPrivate Cloud Computeで完結すると説明しました。

技術面で注目されるのがAFM 3 Core Advancedです。20億パラメータの重みをDRAMではなくNANDフラッシュに格納し、プロンプトごとにルーティングして1B〜4Bのパラメータを動的にDRAMへロードします。従来のMoEモデルがトークンごとにエキスパートを切り替えるのに対し、プロンプト単位で一度だけ選択する設計により、メモリ帯域の制約を回避しています。サーバー側のAFM 3 Cloud ProはGoogle Cloud上のNvidia GPUで稼働し、複雑な推論やエージェント処理を担います。

写真編集では、Appleはこれまでの慎重姿勢を転換し、Image Playgroundでフォトリアルスタイルの画像生成を解禁しました。新ツール「Extend」は画像の枠外をAIで補完し、「Spatial Reframing」は写真の視点を3D的に変更できます。改変画像にはGoogleのSynthID透かしを付与し、AI生成コンテンツの識別を可能にしています。かつてFederighi氏が「写真は現実を正確に捉えるべき」と述べていたことを考えると、大きな方針転換です。

開発者向けには、App IntentsとApp Schemasを通じてアプリの機能をSiriやSpotlightに公開する仕組みが拡充されました。Shortcutsアプリでは自然言語による操作の自動化が可能になり、Safariでも自然言語でブラウザ拡張機能を作成できます。一方、Siri AIはEUと中国では当初利用不可で、対応ハードウェアも限定されるため、グローバル展開には課題が残ります。Appleの戦略はスタンドアロンのチャットボットではなく、OS全体にAIを統合するアプローチであり、プライバシーを武器にMicrosoftやGoogleとの差別化を図っています。

英国がAIスパコンに15億ドル投資、米国依存脱却へ

国家スパコン計画

15億ドル規模の投資計画
英国チップ企業を優先調達
2030年の稼働開始を目標
推論用チップに2億ドル充当

NVIDIAとの連携成果

Isambard-AIが研究基盤に
Sovereign AI基金で4社支援
AI Growth Zone倍増
NHS病院のデジタルツイン構築

英国政府は2026年6月、総額14.7億ドルの国家AIスパコン計画を発表しました。うち5.3億ドルをハードウェアに充て、推論用チップに2億ドルを配分します。調達では英国企業を優先し、推論チップを開発するOlixやFractileなど国内スタートアップの成長を後押しする方針です。研究者やスタートアップは2030年から利用できる見通しです。

この計画の背景には、米中への技術依存からの脱却という地政学的な要請があります。トランプ政権下で米欧関係が緊張するなか、ケンドール技術相は「AI主権とは過度な依存を減らし、レジリエンスを高めることだ」と述べました。欧州連合も同様のテックソブリンティ構想を打ち出しており、英国の動きは欧州全体の潮流と一致しています。

一方、NVIDIAはロンドンテックウィーク2026で英国のソブリンAI推進の成果を披露しました。5,400基のGH200チップで構成されるIsambard-AIは、Sovereign AI基金の支援先であるCosine(コーディング基盤)、Cursive(自己改善型AI)、Doubleword(推論最適化)、Prima Mente(アルツハイマー研究)の4社が活用しています。Doublewordはモデル起動を70倍高速化し、推論コストを90〜95%削減する成果を報告しました。

企業のAI実装も進んでいます。Nebius、CoreWeave、BT・Nscaleなどのクラウド事業者が英国内でのAIインフラ構築を拡大し、AIクラウドパートナー数はこの1年で倍増しました。NVIDIAの英国スタートアップへの20億ポンドの投資やInceptionプログラムの会員50%増も、エコシステムの厚みを示しています。

英国はARMを擁しながらも半導体設計・製造では米国・アジア勢に後れを取ってきました。政府が大口顧客となることで国内チップ企業の成長を促し、長期的な国内定着を図る戦略です。AIデータセンターが汎用チップから用途別の専用チップへ移行するなか、推論チップという特化領域で存在感を確立できれば、英国にとって大きな地政学的レバレッジとなる可能性があります。

OpenEnvがコミュニティ主導のエージェント強化学習標準に

標準化の狙いと体制

Meta・NVIDIAら参画の運営委員会発足
Gymnasium式APIで環境を統一
HTTP・WebSocket・MCP対応

今後のロードマップ

データセット連携でタスク定義を標準化
外部報酬関数の統合対応
TRL・Unslothでの訓練例整備
環境品質の自動検証機能

Hugging Faceは2026年6月8日、エージェント型強化学習(RL)の実行環境を標準化するオープンソースライブラリOpenEnvを、コミュニティ主導のガバナンス体制へ移行すると発表しました。新たに設置された運営委員会にはMeta(PyTorch Foundation)、NVIDIA、Reflection、Unsloth、Modal、Prime Intellect、Mercor、Fleet AIなどが参画し、リポジトリもhuggingface/OpenEnvとして公開されています。

OpenEnvが解決するのは、オープンソースモデルにおけるエージェント訓練の断片化です。Claude CodeやCodexといったフロンティア企業のエージェントは、モデルとハーネスが一体で最適化されていますが、オープンソースではモデル・ハーネス・推論エンジンがばらばらに組み合わされます。OpenEnvはこれらの間に共通のインターフェース層を提供し、どの組み合わせでもエージェントを効率的に訓練できるようにします。

技術的には、Gymnasium互換のAPI(reset・step・state)をクライアント/サーバー構成で提供します。環境はDockerでパッケージ化され、HTTPやWebSocketといった標準プロトコルで通信します。さらにMCP(Model Context Protocol)をファーストクラスでサポートしており、訓練・評価時のシミュレーション環境と本番環境で同じ環境定義を一貫して利用できます。

重要な設計方針として、OpenEnvは報酬関数や訓練ループの定義には踏み込みません。あくまでRL環境の公開・デプロイ・消費を標準化する「プロトコル層」と位置づけ、報酬設計やスコアリングは既存の専門ライブラリに委ねます。今後はデータセット連携(RFC 006)、外部報酬統合(RFC 007)、環境品質の自動検証(RFC 008)などが計画されています。

PyTorch Foundation、vLLM、Lightning AI、Scale AI、Stanford Scaling Intelligence Labなど幅広い組織がすでにOpenEnvの採用・支援を表明しています。オープンソースのエージェント訓練基盤として事実上の標準となるか、今後の普及が注目されます。

NVIDIAとLGがAI工場を共同建設、ロボットから自動運転まで

提携の全体像

物理AI向けAI工場を構築
ロボット・自動運転・DC技術が対象
LG全グループ横断の大型協業

ロボットと製造

家庭用ロボットにGR00Tモデル活用
Isaac Simで仮想環境訓練を実施
Cosmosで合成データ量産体制

インフラと自動運転

DSX準拠の液冷AI工場を整備
DRIVE Hyperionで自動運転開発加速

NVIDIAとLGグループは2026年6月8日、ロボティクス・自動運転・データセンター技術・GPUクラウドサービスにまたがるAI工場を共同で建設すると発表しました。NVIDIAのフルスタックAI基盤とLGの家電・モビリティ・スマートスペース領域の知見を組み合わせ、物理AIシステムの開発から展開までを統合するワークフローを構築します。

ロボティクス分野では、LGエレクトロニクスが家庭用ロボット「CLoiD」の開発にNVIDIA Isaac SimやIsaac Labを導入し、物理的に正確な仮想環境でのシミュレーション・訓練・検証を進めます。さらにNVIDIA Isaac GR00Tモデルの採用も検討しており、ロボットに人間のような推論能力と複雑なタスクの実行力を持たせることを目指しています。訓練データ不足の課題に対しては、LGがNVIDIA Cosmosを活用した物理AIデータファクトリーを構築し、合成データの大量生成で対処する計画です。

AI工場インフラの面では、LGエレクトロニクスとLGエナジーソリューション、LG Uplusが連携し、NVIDIA DSXプラットフォームに準拠したスケーラブルな液冷AIファクトリーの構築を進めます。冷却分配ユニットやコールドプレート、プレハブ式モジュラー設計など、次世代GPU向けの電力・熱管理技術で協力します。LGエナジーソリューションは800ボルト直流給電ソリューションの共同開発にも取り組む予定です。

モビリティ領域では、LGエレクトロニクスが先進運転支援システム(ADAS)や車載AIをNVIDIA DRIVE Hyperionアーキテクチャに対応させる取り組みを強化します。AIコックピットやエッジAI処理を含む将来のモビリティ用途にNVIDIA DRIVE AGXを活用する計画で、グローバル自動車メーカー向けのポートフォリオ拡充を狙います。

主権AIの領域では、LG AI Researchが韓国を代表するAIモデル「EXAONE」の開発にNVIDIA Blackwell GPUやNeMoフレームワークを活用しています。LGグループはChatEXAONEなどのプラットフォームを通じ、エージェント型AIの全社展開とソフトウェア主導のオペレーション変革を加速させる方針です。

NVIDIA、韓国PCバンでRTX Sparkを披露

RTX Sparkの特徴

CPU・GPU統合のスーパーチップ
1440p・100fps超のAAAゲーム対応
DLSS 4.5搭載で画質向上
薄型ノートPC・小型デスクトップ向け

韓国ゲーム業界との連携

T1拠点でFakerと共に発表
KRAFTONがPUBGをRTX Sparkで実演
NCがCINDER CITYを披露
Riot GamesもLoL対応を発表

NVIDIAのジェンスン・ファンCEOは、韓国ソウルのPCバン(ネットカフェ)を訪問し、新型スーパーチップRTX Sparkを披露しました。RTX Sparkは、GTC Taipei・COMPUTEXで発表されたばかりの製品で、パーソナルAIエージェント時代に向けたWindows PCの再発明を掲げています。薄型ノートPCで終日バッテリー駆動を実現しながら、1440p解像度・100fps超のAAAゲームプレイを可能にします。

ファン氏はまず、eスポーツチームT1が運営するT1 Base Campを訪れ、League of Legends世界王者のFaker選手とともにRTX Sparkを公開しました。Riot Gamesと連携し、League of LegendsとVALORANTのRTX Spark対応も発表されています。来場者にはRTX SparkノートPCやGeForce RTX 5090などが当たる抽選会も行われました。

続いてファン氏は江南のPCバンを巡回し、KRAFTONの張炳圭会長とともにPUBG: BATTLEGROUNDSやSubnautica 2をRTX Spark上でデモしました。NVIDIA ACE技術を活用したAI共闘キャラクター「PUBG Ally」の未公開体験も提供されています。さらに別のPCバンでは、NCの金澤辰共同CEOとともにCINDER CITYとAION 2が披露されました。

CINDER CITYは年内発売予定で、DLSS 4.5のDynamic Multi Frame GenerationとSuper Resolutionに発売時から対応します。RTX Sparkのパートナーは100社以上に達しており、NetEase、Remedy Entertainment、XBOXなども名を連ねています。NVIDIAは韓国のeスポーツ・PCバン文化との20年以上の関係を基盤に、次世代ゲーミング体験の普及を加速させる構えです。

Hugging Faceハッカソンで小規模モデルのゲーム生成に挫折

試行錯誤と失敗の過程

Nemotron 30Bでゲーム生成を試行
長文プロンプトでは動作せず
スキルカードでコンテキスト超過
RAG併用も画面は真っ白

方針転換と得られた教訓

複雑なゲームを断念しHTML生成に転換
時計やToDoリストは生成可能
Tetris級の複雑さで破綻
小規模モデルの限界が明確に

Hugging Face主催のBuild Smallハッカソンで、参加者がNVIDIAのNemotron 30Bモデルを使い、Three.jsベースのゲームを自動生成するプロジェクトに挑戦しました。アニメ「The Amazing Digital Circus」に着想を得た「デジタルペット」が冒険=ゲームを生成するというコンセプトでしたが、最終的にゲーム生成は実現できませんでした。

開発者はまず長文プロンプトでモデルに指示を与えましたが、生成されたゲームは正常に動作しませんでした。次にGitHub Copilotのスキルカードを導入したところ、短く設定していたコンテキストウィンドウを圧迫。ウィンドウを拡大しても問題は解消されませんでした。

さらにCodexでスキル情報を要約し、RAGで参照させる方式も試みました。この手法ではモデルの応答品質がやや改善したものの、生成されるゲームには必ず不具合があり、画面が真っ白になるケースが続出しました。

最終的にゲーム生成を断念し、シンプルなHTML生成ツールへと方針を転換しています。時計やToDoリスト、SnakeやBreakoutといった単純なゲームはワンショットで生成できるものの、Tetris級の複雑さになると破綻するとのことです。小規模モデルでの複雑なコード生成には依然として大きな壁があることを示す事例といえます。

NvidiaのAI半導体RTX Spark、Windows PCに登場

発表概要

Computex 2026で正式発表
Blackwell GB10超半導体を搭載
Microsoftが2機種を投入
Asus・Dell等大手OEMも参入

性能と強み

GPUはRTX 5070級と推定
Copilot+認証のNPU内蔵
鍵は成熟したソフト基盤

残る課題

Arm版Windowsの定着が焦点
汎用PCとしての完成度

Nvidiaは2026年6月6日、台北で開催された見本市Computex 2026で、Windows PC向けの新半導体「RTX Spark」を正式発表しました。同社のBlackwell GB10「スーパーチップ」をPC用に展開するもので、Microsoftは搭載機としてSurface Laptop UltraとSurface RTX Spark Dev Boxの2機種を公開。Asus、Dell、Lenovo、HP、MSIといった大手メーカーも対応PCを相次いで発表しました。

RTX Sparkの中核は、2025年末に登場したミニワークステーション「DGX Spark」と同系の設計です。コードネームN1Xと呼ばれるこの半導体は、20基のArm CPUコア、6,144基のGPUコア、最大128ギガバイトのLPDDR5Xメモリーを統合したシステムオンチップとなっています。ノートPC版は消費電力を抑える分、性能はメーカーごとの実装に左右される見込みです。

AI処理が注目を集めていますが、用途はそれだけではありません。RTX SparkはMicrosoftのCopilot+認証に必要なNPUも内蔵し、Windows Recallなどの背景機能に活用されます。一方で大規模言語モデルや画像生成といった本格的なAI処理はGPUが担い、クリエイターやゲーマーからも期待が寄せられています。

Nvidiaの最大の強みは、ハードの性能よりむしろソフトウェアにあると専門家は指摘します。同社のGPUはゲームやプロ用途で事実上の業界標準であり、市場シェアは90%超とされます。第三者評価会社Signal65のRyan Shrout氏は「Nvidiaには、QualcommやMicrosoftが初期に実現できなかったことを動かすだけの業界での重みがある」と語ります。

Microsoftは、AIエージェントを隔離環境で自律実行させる開発者向けSDK「Microsoft Execution Containers」の早期プレビューも公開しました。ただ課題は、QualcommとMicrosoftが直面したものと同じです。IntelやAMDのx86チップに対し、Arm版Windowsを有力な選択肢として定着させられるか。Shrout氏は「まず優れた汎用PCであることが大前提だと誰もが理解している」と述べ、真価が問われるのはこれからだと指摘しました。

5ラボの小型モデルでマルチモデル経済ゲームを構築

設計の核心

4ラボの小型モデルで構成
各エージェントが異質な思考
全モデル32B以下で運用可能
摩擦はサービング層に集中

信頼性の作り込み

秘密情報の漏洩ゼロを実証
寛容なJSON修復で無停止
履歴は要約のみでプロンプト肥大回避

AI開発企業Hugging Faceは2026年6月6日、小型モデル活用ハッカソンの第2弾レポートを公開しました。経済シミュレーションゲーム「Thousand Token Wood」のv2では、登場する各エージェントが異なるラボの小型モデルで動作し、プレイヤーは裏で糸を引く金融家「森の庇護者」を演じます。単に眺めるだけだった初代から、操作して遊べるゲームへと再構築した点が大きな変化です。

中核となるのはモデルの異質性です。v2はgpt-oss-20b(OpenAI)、MiniCPM3-4B(OpenBMB)、Nemotron-Mini-4B(NVIDIA)、自作の微調整済みQwen 0.5Bという4ラボのモデルを同時に走らせます。異なるデータと事後学習で訓練されたモデルが議論することで、市場参加者が本当に異なる「生きた論争」が生まれると筆者は説明します。

技術的な学びは、難所がモデリングではなくサービング層にあった点です。vLLMがCUDAツールキットを要求するためにベースイメージを修正したり、モデルごとにtrust_remote_codeなどの一行設定が必要だったりと、個別の落とし穴が存在しました。それでも、出力を寛容に解析・修復するJSON層を一度作れば、モデル追加は設定の追記で済む構造を実現しています。

ゲームの劇的な核となるのが情報の非対称性です。プレイヤーは真偽不明の密告をささやけますが、その真偽フラグはエージェントに絶対見せてはならないセキュリティ要件として扱われます。フラグはプロンプト外に置き、毎ターン全プロンプトを走査して禁止語の混入を検査するテストが、最も重要な防御線として機能します。

永続的な記憶も、エージェントを生き生きと見せる安価な手段です。各キャラクターは庇護者や仲間への好悪を整数で保持し、敵対すれば融資を拒み、同盟すればカルテルのように振る舞います。ただし生の履歴ではなく一行の要約のみをプロンプトに渡すことで、小型モデルが情報に溺れる事態を防いでいます。

代表的な実行では、微調整済み0.5Bが自己購入0%・有効提案100%を達成し、3Bの教師モデルを上回りました。筆者は、小型モデルは信頼できる形式生成器だが推論は不安定であり、規模ではなく構造・プロンプト・小さな微調整でその差を埋めるべきだと結論づけています。

NVIDIA、コンテンツ安全モデルNemotron 3.5を公開

主な新機能

カスタムポリシー対応で業種別運用が可能に
推論トレースによる判定根拠の監査
テキストと画像を統合した安全性判定
12言語を明示学習、約140言語にゼロショット対応

性能と実用性

マルチモーダル安全ベンチで平均約85%の精度
多言語Aegisで平均96.5%の分類精度
4Bパラメータで8GB以上のGPUに展開可能
競合比で3倍低いレイテンシを実現

NVIDIAは2026年6月4日、企業向けAIコンテンツ安全モデル「Nemotron 3.5 Content Safety」をHugging Face上で公開しました。Gemma 3 4Bをベースとする40億パラメータのモデルで、テキストと画像を同時に評価し、両者の組み合わせから生じるポリシー違反も一括で検出します。NVIDIAオープンモデルライセンスのもと、研究・商用いずれの用途にも利用できます。

最大の進化点は、カスタムポリシー機能の追加です。従来は固定の安全分類体系に依存していましたが、3.5では推論時に自然言語で記述した独自ポリシーを入力できるようになりました。これにより、医療・金融・教育など業種固有のリスク基準に合わせた安全判定が可能になります。不要なカテゴリの抑制や、組織独自のリスクカテゴリの追加にも対応しています。

もう一つの注目機能が、推論トレース(THINKモード)です。モデルが安全・不安全の判定に至るまでのステップを段階的に出力することで、判定根拠を監査可能にします。規制産業で求められるコンプライアンスログや、人間によるレビュー、ポリシーの反復改善に活用できます。推論トレースは大規模モデルで生成後、3文以内に要約する2段階プロセスで簡潔化されており、レイテンシへの影響を抑えています。

多言語対応も強化されています。英語・日本語・中国語など12言語を明示的に学習し、ベースモデルのGemma 3から継承した能力により約140言語へのゼロショット汎化も可能です。多言語Aegisベンチマークでは12言語平均96.5%の分類精度を達成しました。マルチモーダル安全ベンチマーク全体では平均約85%の精度を記録しています。

実運用面では、4Bパラメータの軽量設計により8GB以上のVRAMを搭載したGPUで動作します。競合するマルチモーダル安全モデルと比較してエンドツーエンドのレイテンシは3分の1で、推論モード有効時でもトークン生成量は最大50%少なく済みます。訓練データセットも同時公開され、実写真が99%を占める点がマルチモーダル安全研究の既知の課題に対処しています。

NVIDIA、物理AIエージェントスキルをCVPRで公開

自動運転研究の革新

Neural Reconstructionで3Dシーン再構築
Alpamayo 2 Super、320億パラメータのVLAモデル
AlpaGymで強化学習を大規模並列化

ロボットとビジョンAI

GraspGen-X、任意グリッパー対応の把持基盤モデル
Isaac Sim 6.0でシミュレーション自動化
Metropolisスキルで異常検知用合成データ生成

研究基盤の拡充

NitroGen、ゲームで訓練した汎用エージェント
物理AIデータセットが1500万DL突破

2026年6月3日、NVIDIAはデンバーで開催中のCVPR 2026において、自動運転車・ロボット・ビジョンAIの開発を加速する物理AIエージェントスキル群を発表しました。先日公開されたオープン基盤モデルCosmos 3と連携し、シーン再構築から合成データ生成、ポリシー訓練、評価までの断片的だったワークフローを一気通貫で自動化します。すべてのツールはGitHubでオープン公開されています。

自動運転分野では、走行データから編集可能な3Dシーンを生成するNeural Reconstructionスキルや、数千GPUで強化学習を並列実行するオープンソースフレームワークAlpaGymを提供します。さらに320億パラメータの推論型VLAモデルAlpamayo 2 Superは、認識から計画・行動までの全スタックを統合し、レベル4自動運転の開発基盤となります。研究論文LCDriveは、テキスト推論を潜在表現に圧縮することでトークン数を約半分に削減し、車載ハードウェアでの高速推論を実現しました。

ロボティクス分野では、Isaac Sim 6.0とIsaac Labにエージェント対応スキルを統合し、シーン作成からシミュレーション実行、データ取得まで自動化しました。注目すべきは研究論文GraspGen-Xです。20億回のシミュレーション把持データで訓練された初の把持基盤モデルで、未知のグリッパーと未知の物体に対してゼロショットで把持姿勢を生成できます。ロボット開発者がグリッパーごとに訓練し直す必要がなくなるのでしょうか。

ビジョンAIでは、Metropolisスキルが合成異常データの生成や疑似ラベリングを自動化し、外観検査モデルの精度向上を支援します。また、ゲーム環境で訓練した汎用エージェント基盤モデルNitroGenは1,000以上のゲームと4万時間の操作データから学習し、少数データ環境で従来手法比52%の性能向上を達成しました。NVIDIAの物理AIデータセットはHugging Faceで累計1,500万ダウンロードを超え、研究インフラとしての存在感を強めています。

NvidiaがRTX Sparkで本格AI PCに参入、統合メモリ最大128GB

RTX Sparkの技術的優位

統合メモリ最大128GB搭載
Arm系N1 CPUとRTX GPU統合
CUDA基盤のAI処理をローカルで実現
RTX 5070相当のグラフィックス性能

市場への影響

MacBook Pro唯一の本格対抗馬
HP・Dell・Lenovo等が採用予定
Surface Laptop Ultraが旗艦モデルに
高性能構成は4,000ドル超の見込み

Nvidiaは2026年6月、台湾Computexで新チップRTX Sparkを発表しました。Arm系の独自CPU「N1」にRTXグラフィックスと最大128GBの統合メモリを組み合わせたSoCで、HP・Asus・Dell・Lenovoなど主要PCメーカーが搭載ノートPCを投入します。Nvidiaがデスクトップ向けGPUに留まらず、ノートPC全体のアーキテクチャを自ら設計する初の試みです。

これまでMicrosoftが推進してきた「AI PC」構想は、NPU搭載やメモリ16GB以上といった要件にとどまり、大規模言語モデルのローカル推論には力不足でした。RTX Sparkはデータセンターで実績のあるCUDAエコシステムをそのままノートPCに持ち込むことで、ローカルAI推論の性能を大幅に引き上げる狙いがあります。従来、この用途で唯一の選択肢だったMacBook Proに対し、Windows陣営から初めて本格的な対抗馬が登場したことになります。

Microsoftも自社製品Surface Laptop UltraをRTX Spark搭載の旗艦として投入します。15インチMini-LEDディスプレイを備え、MacBook Proと同等のフォームファクターを目指す製品です。高性能構成は4,000ドル超と予想されますが、同等スペックのMacBook Proと同水準の価格帯です。低価格構成ではゲーマーやクリエイター向けにも訴求する計画です。

ローカルAI推論のニーズは急速に高まっています。プライバシーの観点からエージェント型AIをローカルで動かす需要が増加し、Apple Mac Miniの出荷遅延が報告されるほどです。RTX SparkはノートPCだけでなく小型デスクトップにも展開予定で、Intel・AMD・Qualcommへの影響も注目されます。Windows PCに統合メモリとCUDAという新しいハードウェア層が加わることで、AI PCの定義そのものが書き換わる可能性があります。

NvidiaとUnitree提携、AI搭載ヒューマノイドの設計図公開

ハードとソフトの融合構成

Thor T5000チップで環境認識と動作制御
Unitree製の6フィート・68kg人型ボディ
シンガポールSharpa社の高精度ハンド採用
研究者向けに訓練用ソフト一式提供

ロボット産業と地政学の交差

中国製ヒューマノイド禁止法案の動きも
データ安全性懸念にセキュリティ機能追加
Unitreeの低価格(約1万5千ドル)が強み
Nvidia CEO、数兆ドル規模の市場と展望

Nvidiaのジェンスン・ファンCEOは2026年6月、中国ロボットスタートアップUnitreeと共同で、ヒューマノイドロボット「H2 Plus」の設計図(ブループリント)を発表しました。身長6フィート(約183cm)・体重150ポンド(約68kg)のUnitree製ボディに、NvidiaのAIチップ「Thor T5000」を搭載し、シンガポールSharpa社の精巧なロボットハンドと専用ソフトウェアを組み合わせた構成です。

Thorチップは高度なAIモデルを実行し、ロボットが周囲の環境を理解して自律的に動作する頭脳となります。Sharpa社のハンドはカードの手品やリンゴの皮むきまでこなす器用さを備え、ロボット工学で未解決の課題である巧緻性の壁に挑みます。Nvidiaロボティクス製品担当ディレクターのスペンサー・ファン氏は「Unitreeは最初のパートナーだが、最後ではない」と述べ、今後の展開を示唆しました。

一方、この提携は地政学的な緊張の中で注目を集めています。アメリカでは中国製ヒューマノイドの政府利用を禁止する法案が提出され、Unitreeのロボットがデータを外部送信する能力を持つとのセキュリティ研究も公表されました。カーネギー国際平和財団のスコット・シンガー氏は、アメリカが世界最高のAIチップを持ち中国がハードウェアのサプライチェーンで優位に立つ構図を指摘し、双方が協力する意義を語っています。

Unitreeのロボットは低価格でも知られ、基本モデルのG1は約1万5千ドルと、競合の数十万ドルを大きく下回ります。Nvidiaはセキュリティ機能を追加することで利用者の懸念に対応する構えです。ファンCEOは「ヒューマノイドロボットは世界最大の産業にフィジカルAIをもたらし、数兆ドル規模の経済機会を生む」と述べました。アメリカの技術力と中国の製造力が融合するこの提携が、ロボット産業の勢力図をどう変えるのか。今後の政策対応と市場動向が問われます。

MicrosoftがBuild 2026で自社推論モデルとAIエージェント基盤を発表

自社モデルで独立路線

初の推論モデルMAI-Thinking-1発表
OpenAIからの蒸留なしで独自開発
数学・コード・企業向けに最適化
OpenAI同等タスクで低コストを訴求

エージェント戦略の全貌

Copilotをスーパーアプリ化
自律型エージェントAutopilotを企業向けに提供
常駐型パーソナルエージェントScoutが第一弾
OpenClawのWindows統合も推進

競争環境と課題

AI責任者がトップ4ラボ入りを宣言
サイバーセキュリティツールMDASHも投入

2026年6月3日、Microsoftは年次開発者会議Build 2026で、自社初の推論モデル「MAI-Thinking-1」や、企業向け自律型AIエージェント基盤「Autopilot」など、大規模なAI戦略を一挙に公開しました。OpenAIとの独占的パートナーシップを事実上解消した同社が、独立したAIラボとしての地位確立を目指す姿勢を鮮明にしています。

AI部門トップのムスタファ・スレイマン氏は「世界のトップ4ラボの一角になることが目標だ」と明言しました。MAI-Thinking-1は数学・コーディング・企業実務向けに一から構築された中規模モデルで、他社モデルからの蒸留を一切行っていないと強調。一部タスクではOpenAIの同等モデルより低コストで運用できると訴求し、AIコスト増に悩む企業顧客への訴求力を狙います。

エージェント戦略では、Copilotを開発・業務の統合ハブとなるスーパーアプリに進化させる方針を示しました。新たに発表された「Autopilot」は、メール確認やTeamsへの参加、カレンダー管理などを自律的にこなす長時間稼働型エージェントです。第一弾として常駐型の「Scout」を提供開始し、企業が独自エージェントを構築できるプラットフォームも用意します。オープンソースのOpenClawについてもWindows統合を推進し、開発者エコシステムの囲い込みを図ります。

サイバーセキュリティ分野では、100のAIエージェントを束ねて脆弱性を検出する「MDASH」をアピールし、AnthropicやOpenAIの競合製品に対抗する構えを見せました。NVIDIAのJensen Huang CEOもビデオ出演し、RTX SparkチップがMicrosoftのAIエージェント構想を支えると述べています。

ただし課題も残ります。ベンチマークでの優位が実際の採用に直結するとは限らず、AIスーパーアプリという概念自体がまだ市場で検証されていません。AIエージェント市場は競合がひしめく一方で、ユーザーの期待に応えきれていないのが現状です。Microsoftは既存の企業顧客基盤とセキュリティへの信頼、そして潤沢な資金力を武器に、長期戦で巻き返しを図る構えです。

Perplexity AIがローカルとクラウドを自動振り分ける推論基盤を発表

ハイブリッド推論の仕組み

タスク単位で実行場所を自動判定
機密データは端末内で処理
フロンティアモデルは複雑な推論に活用
Intel Core Ultra Series 3で実演

エンタープライズ戦略の深化

規制業界のデータガバナンスに対応
SOC 2 Type II取得済み環境と連携
時価総額200億ドル、売上目標6.56億ドル

競合環境と課題

Apple・Google・MSも類似技術を開発中
9件の著作権訴訟が事業リスクに

Perplexity AIは2026年6月2日、台湾で開催中のComputex 2026において、AIワークロードをローカル端末とクラウドの間で自動的に振り分ける「ハイブリッドローカル・サーバー推論オーケストレーター」を発表しました。CEOのAravind Srinivas氏がIntel CEOのLip-Bu Tan氏と共にステージ上でデモを実施し、機密性の高い資料の処理においてローカルモデルとクラウドモデルを動的に使い分ける仕組みを披露しました。同社の時価総額は200億ドルに達しています。

この技術の核心は、ユーザーが事前に実行場所を選ぶ必要がない点にあります。システムがタスクごとにデータの機密性と処理の複雑さを評価し、財務記録や健康情報などの機密データはローカル端末に留め、高度な推論が必要な処理はクラウド上のフロンティアモデルに送信します。クラウドへの送信前にはユーザーの許可を求める設計で、エンタープライズが懸念するデータガバナンスの問題に直接対応しています。

発表のタイミングは戦略的です。NvidiaがArmベースのRTX Sparkスーパーチップを発表し、Intelも18A技術のXeon 6+やCore Ultra Series 3を披露した直後でした。ローカル端末の処理能力が向上するほどクラウド依存が減り、レイテンシとコストが改善されるため、Perplexityのオーケストレーターは半導体メーカーの戦略とも合致します。同社はチップ非依存の設計を掲げており、今後複数ベンダーへの最適化を進める方針です。

エンタープライズ向けには、金融・医療・法務など規制の厳しい業界での活用が想定されています。たとえば投資銀行が機密の案件資料を処理する際、機密部分はローカルで解析し、分析タスクのみクラウドに委ねるといった運用が可能になります。3月のAsk 2026カンファレンスで発表されたComputer for Enterpriseと組み合わせ、Snowflake・Salesforce・SharePointなど100以上のSaaS連携も提供しています。

一方で課題も山積しています。CNN・ニューヨーク・タイムズ・読売新聞など9組織からの著作権訴訟を抱えており、企業導入の判断に影響を与える可能性があります。また、Apple Intelligence・Google Gemini Nano・Microsoft Copilot+ PCsなど大手も同様のローカル・クラウド連携を進めており、Perplexityが主張する「タスク単位の動的ルーティング」の優位性が実環境で証明されるかが今後の焦点となります。製品の一般提供は数週間以内を予定しています。

NVIDIA、エッジAIにエージェント機能を搭載するJetPack 7.2発表

JetPack 7.2の主要強化

NemoClawをJetsonに展開可能に
CUDA 13がJetson Orinに対応
AGX Orin 32GBが241TOPSへ20%向上
Yoctoベース軽量Linux基盤の追加
Jetson ThorにMIG対応を実装

産業分野での実用事例

SandStarがメモリ40%削減を実現
Ziplineが自律配送ドローンに搭載

エージェント開発の加速

開発タスク自動化スキルを提供
Metropolis連携で視覚推論を追加

NVIDIAは2026年6月2日、台湾COMPUTEXにおいて、エッジAIプラットフォームJetson向けソフトウェアの新版JetPack 7.2とエージェントAIフレームワークNemoClawのJetson対応を発表しました。これにより、サーバーやワークステーションに限られていたエージェントAIが、ロボティクス・産業オートメーション・検査といったエッジの物理世界へ展開可能になります。NVIDIAロボティクス・エッジコンピューティング担当副社長のDeepu Talla氏は「エージェントAIは到来しており、Jetsonの高い処理性能で即座に本番環境に展開できる」と述べています。

JetPack 7.2は3層構造で提供されます。基盤層ではYoctoベースのカスタマイズ可能なLinux、Jetson OrinへのCUDA 13対応、Jetson ThorでのMIG(マルチインスタンスGPU)とリアルタイムカーネルを搭載しました。Jetson AGX Orin 32GBモジュールは性能が20%向上し、241TOPSのAI演算能力を実現しています。中間層にはLinuxカスタマイズやメモリ最適化、モデルベンチマークなどの開発者向けエージェントスキルが配置されています。

最上層のNemoClaw対応が今回の核心です。1コマンドでJetsonへ展開でき、NVIDIA Metropolis VSSブループリントスキルとの連携により、映像を解釈して行動する視覚推論エージェントの構築も可能になります。データセンターで実績のあるNemoClaw技術が、小売店舗やロボット、交通システムといった現場で稼働する段階に入りました。

すでに複数の企業が実環境で活用を始めています。SolomonはNemoClawでヒューマノイドロボットのAIエージェントを統合し、推論・知覚・運動制御を単一ワークフローで実現しました。Advantechは自社工場にNemoClawベースのエージェント型ファクトリーブレインを構築しています。SandStarはJetson Orin NXとNemoClawでAI自動販売機を30カ国以上に展開し、メモリ最適化で16GBから8GBデバイスへの移行に成功しています。

ロボティクス・ドローン分野でも採用が広がっています。Hexagon RoboticsはJetson Thorでヒューマノイドロボットの安全性を向上させ、Ziplineは自律配送ドローンにJetson Orin NXを搭載して医療品や食品の即時配送を実現しています。1XやUniversal RobotsもYoctoベースのJetPack 7.2を本番環境に導入する予定です。NVIDIAのエッジAI戦略は、物理世界でのエージェントAI実用化を本格的に加速させる局面に入りました。

NVIDIAとMicrosoft、AIエージェント基盤を端末からクラウドまで統合

Windows端末の刷新

RTX Spark搭載PCが今秋発売
DGX Stationは1兆パラメータ対応
統合メモリ最大748GBの卓上AI
OpenShellでエージェント安全実行

Azure・データ基盤の強化

Nemotron 3 UltraがFoundryに提供
Fabric Data WarehouseをGPU高速化
Vera Rubinプラットフォームを検証済み
推論スループット電力比10倍向上

NVIDIAとMicrosoftは、Microsoft Build 2026においてAIエージェント向け統合基盤の大幅拡充を発表しました。Windows端末からAzureクラウド、オンプレミス環境まで、エージェントAIの開発・実行に必要なハードウェアとソフトウェアをフルスタックで提供します。NVIDIAのジェンスン・ファンCEOが台北からサティア・ナデラCEOの基調講演にライブストリームで参加し、両社の協業拡大を明らかにしました。

端末側では、RTX Spark搭載のWindows PCが今秋登場します。1ペタフロップスのAI性能と最大128GBの統合メモリを備え、個人向けAIエージェントの実行に特化した初のPCとなります。Microsoft Surface、ASUS、Dell、HP、Lenovo、MSIから発売予定です。さらにDGX Station for Windowsは、GB300 Grace Blackwell Ultraチップを搭載し最大748GBのコヒーレントメモリと20ペタフロップスのFP4性能で、1兆パラメータ規模のモデルを常時稼働させる企業向けデスクサイドAIスーパーコンピュータです。

クラウド側では、NVIDIAのオープンモデル群がMicrosoft Foundryに統合されます。新たなオープンフロンティア推論モデルNemotron 3 Ultraや、物理AI向け基盤モデルCosmos 3が提供開始となります。Microsoft Fabric Data WarehouseへのNVIDIA GPU統合では、CPU比で最大6倍のSQL実行速度を実現しました。GitHub CopilotにはOpenShellが統合され、エージェントをサンドボックス環境で安全に実行できます。

インフラ面では、Microsoftのウィスコンシン州フェアウォーターAI工場が前倒しで稼働を開始し、数十万台のGrace Blackwellシステムを単一のAI工場として運用しています。次世代のVera RubinプラットフォームもAzureデータセンターへの配備が検証済みで、メガワットあたりの推論スループットを最大10倍に引き上げ、エージェントAIのトークン単価を桁違いに削減します。両社の協業は端末から大規模データセンターまでを一貫してカバーし、エージェントAI時代の基盤を形成する動きです。

MicrosoftがAIエージェント制御基盤をOS階層に構築

MXCの技術設計

OSカーネルで実行境界を強制
プロセス分離からmicroVMまで段階的制御
エージェントに固有IDを付与し全操作を監査

ACSによるガバナンス標準化

ポリシーファイルで許可・禁止・人間承認を定義
ワークフロー中の複数地点で準拠を検証
LangChainやOpenAI SDKなど主要基盤に対応

エコシステムと企業展開

OpenAI・Nvidia・Manusが早期採用
7月にAgent 365でDefender・Entra・Intune統合

Microsoftは2026年6月2日のBuild 2026で、AIエージェントをOS階層から制御する2つの基盤技術を発表しました。1つ目はWindows OSカーネルに組み込まれた実行コンテナ「MXC(Microsoft Execution Containers)」、2つ目はエージェントの行動ポリシーを標準化するオープンソース仕様「ACS(Agent Control Specification)」です。両技術は、自律性が高まるAIエージェントの安全な企業導入という業界共通課題に対し、プラットフォーム側から包括的な回答を示すものです。

MXCはポリシー駆動型のサンドボックスで、開発者やIT管理者がエージェントのファイル・ネットワーク・画面アクセス権限を事前に宣言し、OSが実行時に強制します。軽量なプロセス分離から完全なmicroVMまで「composable sandbox spectrum」を提供し、リスクに応じた動的な分離レベルの切り替えが可能です。すべてのエージェント操作はEntra IDと紐付けられ、人間の操作とエージェントの操作を監査証跡で区別できます。

ACSはエージェントの行動規範をポリシーファイルとして記述する仕様です。入力受信前・ツール呼び出し前後・最終応答前など複数のインターセプトポイントで準拠チェックを実行し、違反時には操作のブロックや機密情報の秘匿、人間への承認要求を自動で行います。SDKとして提供され、LangChain、OpenAI Agents SDK、Anthropic Agents SDK、AutoGen、CrewAI、Semantic Kernelなどの主要フレームワークにプラグインで対応します。

エコシステム面ではOpenAIがCodexの実行環境としてMXCの統合を進め、NvidiaはOpenShellフレームワークをWindows上のMXC基盤で展開します。中国発のエージェント企業ManusやNous Researchも早期パートナーに名を連ねています。企業向けには7月に「Agent 365」のプレビューが開始され、Microsoft Defender・Entra・Intune・Purviewと統合した一元的なエージェント管理基盤となります。

今回の発表は、AIエージェントのセキュリティをアプリケーション層ではなくOS層に位置づけるという戦略的判断を示しています。Appleのウォールドガーデン型やGoogleのクラウド集中型とは異なり、どのエージェントでも受け入れつつOSポリシーで制御するというアプローチは、多様なAIプロバイダーを併用する企業環境に適合する可能性があります。既存のIntuneで管理される数億台のWindowsデバイスがソフトウェア更新でエージェント対応できる点も、大きな競争優位となります。

Microsoft、ローカルAI開発機Surface RTX Spark Dev Box発表

ハードウェアの特徴

128GB統合メモリ搭載
NVIDIA Blackwell世代RTX Spark採用
1200億パラメータモデル実行可能
3Dプリント筐体が放熱板兼用

開発者向け戦略

クラウド従量課金への対抗策
VS Code・Copilot等を事前構成
Mac MiniとのCUDA優位性主張
3層ハードウェア戦略の中核製品

Microsoftは2026年6月2日、開発者カンファレンスBuild 2026でSurface RTX Spark Dev Boxを発表しました。NVIDIAのArm系Blackwell世代RTX Sparkプロセッサと128GBの統合メモリを搭載した小型デスクトップ機で、1ペタフロップスのAI演算性能を備えます。開発者はクラウドにAPIコールを送ることなく、1200億パラメータ超の大規模AIモデルをローカルで実行できます。米国で年内発売予定ですが、価格は未公表です。

この製品はMicrosoftにとって重要な戦略転換を意味します。Azure クラウドで数百億ドルの収益を上げる同社が、あえてクラウド依存を減らすハードウェアを投入するからです。Windows+Devices担当EVPのPavan Davuluri氏は、10万トークンのコンテキストだけでキーバリューキャッシュが40〜50GBを消費すると説明し、128GBの統合メモリプールの必然性を強調しました。Microsoftはこの動きを「フロンティアモデルへの呼び出しは本当にフロンティアな問題にだけ使い、残りは自前のハードウェアで処理する」と位置づけています。

筐体設計にも特徴があります。アルミ製トップパネルは金属3Dプリントで製造され、CNC加工では不可能な複雑な内部形状により、約100ワットの連続負荷を静音で冷却します。ソフトウェア面では、Windows 11 Proがイメージレベルで開発者向けに最適化されており、ダークテーマ、Developer Mode有効化、PowerShell 7デフォルト、WSL 2のGPUパススルーとCUDA対応が出荷時に構成済みです。

競合となるApple Mac Miniとの比較について、Davuluri氏は「意図的に異なる性能クラス」と述べました。M4 Pro搭載Mac Miniの統合メモリは最大48GB、M4 Maxでも128GBですが、Dev Boxは128GBに加えてBlackwell級GPUのCUDAエコシステムを活用できます。PyTorch、TensorRT、llama.cppなど主要AIフレームワークの大半がNVIDIA向けに最適化されている点で、Apple Siliconに対する移植性の優位を主張しています。

本製品はMicrosoftの3層ローカルAI戦略の中核です。モバイル向けのSurface Laptop Ultra、デスクトップ向けの本機、そして1兆パラメータ対応のDGX Station for Windowsという階層構成で、「従量課金なしの知能」を掲げます。GitHub Copilot CLIの新機能/fleetでは、クラウドエージェントがタスクの複雑度を判定し、適切なサブタスクをローカルモデルに振り分ける仕組みも導入されます。クラウドAIの経済性に疑問が広がるなか、ローカルとクラウドの両端を押さえる戦略が奏功するか注目されます。

Microsoft Build 2026、AIエージェント全面展開へ7大発表

AIエージェント基盤の刷新

Scout:OpenClaw基盤の常駐AIアシスタント
M365連携でカレンダー・メール・経費を自動処理
Project Solara:エージェント専用Android OS
エージェント安全実行のMXCコンテナ提供

自社モデルとハードウェア強化

MAI-Thinking-1:初の自社推論モデル公開
Surface RTX Spark Dev Box:128GB統合メモリ搭載
Windows 11に開発者最適化モード追加
Majorana 2量子チップで実用化を2029年目標に

Microsoftは2026年6月2日、サンフランシスコで開催した年次開発者会議Build 2026で、AIエージェントを事業戦略の中核に据える7つの主要発表を行いました。CEOのサティア・ナデラ氏が基調講演に登壇し、新ハードウェアからAIモデル、量子コンピューティングまで多岐にわたる製品を披露しています。

最大の目玉は、オープンソースAIプラットフォームOpenClawをベースに構築した常駐型AIアシスタント「Scout」です。Microsoft 365のOutlook・OneDrive・Teamsと連携し、カレンダー管理やメール作成、経費処理などを従業員に代わって自動実行します。従来のCopilotがアプリ内に閉じた支援だったのに対し、Scoutは電話連絡まで行う「初の本格的パーソナルアシスタント」と位置づけられています。

ハードウェア面では、NVIDIAのArm系RTX Sparkチップと128GBの統合メモリを搭載した小型開発機「Surface RTX Spark Dev Box」を発表しました。最大1200億パラメータのモデルをローカルで実行可能で、AI開発者向けにVisual Studio CodeやGitHub Copilotをプリインストールしています。またAndroidベースの新OS「Project Solara」では、スマートスピーカー型やバッジ型のコンセプトデバイスを披露し、エージェント駆動型ガジェットの構想を示しました。

AI モデル開発ではOpenAI依存からの脱却を加速させ、初の自社推論モデル「MAI-Thinking-1」を含む7つの新モデルを公開しました。MAI-Thinking-1は350億のアクティブパラメータと128Kコンテキストウィンドウを持ち、外部モデルからの蒸留なしでゼロから学習したと説明しています。エージェントの安全性確保に向けては、OS レベルのサンドボックス環境「Microsoft Execution Containers(MXC)」も導入しました。

量子コンピューティング分野では次世代チップ「Majorana 2」を発表し、量子ビットの信頼性を前世代比1,000倍に向上させたとしています。新素材スタックとAI支援設計の組み合わせにより、2029年までに実用的な量子コンピュータの実現を目標に掲げました。今回のBuildはAIエージェント時代に向けた全方位戦略を鮮明にした内容で、Google I/OやApple WWDCとの競争が一段と激しくなっています。

Holo3.1、量子化対応のPC操作AIモデルをローカル実行可能に

モデルの主な特徴

4サイズ展開(0.8B〜35B)
FP8・Q4 GGUF・NVFP4の量子化対応
Web・デスクトップ・モバイル対応
関数呼び出しプロトコル新規対応

ローカル推論の性能

NVFP4でBF16比1.74倍の処理速度
エージェント応答を6.8秒から3.3秒に短縮
Apple Silicon等の民生機でも動作
AndroidWorldで79.3%達成

H Companyは2026年6月2日、PC操作を自動化するコンピュータユースエージェント向けモデル「Holo3.1」ファミリーをリリースしました。Qwenベースの本モデルは0.8B・4B・9B・35B-A3Bの4サイズで提供され、初めて量子化チェックポイント(FP8・Q4 GGUF・NVFP4)に対応したことで、クラウドだけでなくローカル環境での高速推論が可能になっています。

前バージョンのHolo3ではブラウザとデスクトップが主な対象でしたが、Holo3.1ではモバイル環境への対応を大幅に強化しました。AndroidWorldベンチマークでは35B-A3Bモデルが67%から79.3%へ、4Bおよび9Bモデルも58%から72%へと精度が向上しています。また、JSON出力に加えて関数呼び出しプロトコルをネイティブサポートし、サードパーティのエージェントフレームワークとの統合を容易にしました。

ローカル推論の高速化も大きな進展です。NVIDIAのDGX Spark上でNVFP4量子化を適用した場合、BF16比で1.74倍のトークンスループットを達成しました。エージェントハーネスの最適化と組み合わせることで、平均ステップ時間は6.8秒から3.3秒へと約2倍の高速化を実現しています。

Q4 GGUF形式のチェックポイントにより、WindowsやMacの民生ハードウェア上でも完全にローカルで動作させることが可能です。Apple Siliconでの動作も確認されており、データがユーザーのネットワーク外に出ないプライバシー重視の運用ができます。モデルはHugging Faceおよび専用APIで公開されています。

NVIDIAが金融向け取引基盤モデルの構築支援を本格展開

基盤モデルへの転換

個別AIモデルのサイロ化が限界に
トランスフォーマーで統一的な行動表現を学習
文脈理解により不正検知・与信の精度向上
手作業の特徴量設計が不要に

大手金融の採用状況

Revolutが240億イベントで基盤モデル構築
Mastercardが数百億件規模の独自モデル開発
Stripeが年間1120億ドルの不正をブロック

エコシステムの整備

NVIDIAが開発者向けテンプレートを公開
AWS・Nebiusのクラウド基盤で即時利用可能

NVIDIAは2026年6月2日、金融機関が自社の取引データを活用してトランスフォーマーベースの基盤モデルを構築するための開発者向けテンプレート「Build Your Own Transaction Foundation Model」を公開しました。金融業界では不正検知・与信・レコメンドなど用途ごとに個別のAIモデルを運用してきましたが、サイロ化による非効率が課題となっており、統一的な基盤モデルへの移行が加速しています。

先行事例として、RevolutはNVIDIAと共同で「PRAGMA」と呼ばれる基盤モデル群を構築しました。26カ国・2600万ユーザーの240億件のイベントデータで訓練され、与信スコアリングや不正検知など複数領域で既存の専用モデルを上回る性能を示しています。従来数週間から数カ月かかっていた特徴量エンジニアリングが不要になった点も大きな成果です。

Mastercardは数百億件規模の匿名化された取引データで独自の大規模テーブル基盤モデルを開発中で、不正検知やパーソナライゼーションなど幅広い用途を見込んでいます。Adyenは1兆ドル規模の決済処理に基盤モデルを導入し、強化学習でコンバージョン最大化とリスク最小化を実現しています。Stripeは昨年1120億ドルの不正をブロックし、不正率を平均38%削減しました。

NVIDIAの調査によると金融機関の65%がすでにAIを活用し、42%がエージェント型AIの利用・評価を進めています。今回のテンプレートはAWSのSageMaker HyperPodやNebius AI Cloud上で利用可能で、EXL・Infosys・GFT・Thoughtworksなどのサービスパートナーが導入支援を提供します。既存のパイプラインに統合できる設計のため、ゼロからの再構築なしに基盤モデルの恩恵を得られる点が特徴です。

NVIDIA、AIエージェントPC向け新CPUをComputexで発表

新チップRTX Spark

1ペタフロップのAI性能
128GB統合メモリ搭載
20コアCPUのArm設計
今秋に主要メーカーから発売

200B市場の野望

黄CEOがCPU新成長源と表明
MicrosoftやDellなど提携
ローカルエージェントを安全実行

半導体大手NVIDIAは6月1日、台湾Computexで新型PC向けCPU「RTX Spark」を発表しました。1ペタフロップのAI処理性能と128GBの統合メモリを備え、OpenClawなどのAIエージェントをPC上で安全に動かす「スーパーチップ」と位置付けます。搭載するWindows PCは今秋、ASUS、Dell、HP、Lenovo、Microsoft Surface、MSIから発売される予定です。

創業者のジェンスン・フアンCEOは、アプリを起動してクリックや入力を繰り返す従来の操作を終わらせたい考えです。「頼めばPCが仕事をする」と述べ、フロンティアモデルや創作ワークフロー、ゲームをすべてノートPC上で実現すると強調しました。同氏は先月の決算で、GPUに加えCPU販売で2000億ドル規模の新市場を見出したと投資家に語っています。

技術面では、Microsoftと共同開発したセキュアなサンドボックスを備え、エージェントを安全に隔離して実行します。NVIDIA OpenShellランタイムがエージェントの権限を制御し、プライバシー方針に応じてクエリをローカルモデルへ振り分けたり、クラウド送信時に個人情報を匿名化したりします。Adobeはこのチップ向けにPhotoshopとPremiereを再設計し、AI処理を最大2倍高速化するとしています。

もっとも、NVIDIAがArmベースのWindows機に挑むのは初めてではありません。2013年にはMicrosoftがArm搭載のSurface RTで9億ドルを減損した過去があります。今回のチップはより高性能で、MicrosoftはSurface Laptop Ultraを「最も強力なSurface」と銘打ちますが、各社は価格などの詳細をまだ明らかにしていません。

The Vergeはこれを「Windows版M1の瞬間」になり得ると評価しつつ、価格を懸念します。RTX SparkはDGX Spark(約4800ドル)のWindows版とみられ、128GBメモリ搭載機は高額化が避けられません。AppleがM1で安価なMac MiniやMacBook Airから普及を進めたのに対し、NVIDIAは2000ドル超の高価格帯から始める構えで、消費者の支出余力が細るなか普及の壁になりそうです。

それでも、Riot Gamesがアンチチート機能をArmに対応させるなど、Windows on Armの弱点だったゲーム互換性の改善も進みます。Intel、AMD、Qualcommに続く第4の選択肢として、NVIDIAが安全で使いやすいAIエージェントを大衆に届けられるかが今後の焦点となります。

NVIDIAが工場運営の自律AI基盤FOX発表

FOXの中身

工場全体を統括するAI頭脳
専門エージェント群を一括統制
NemoClawとNemotronで構築
DGX Stationで現場稼働

台湾勢の成果

Foxconnは原因分析80%短縮
Pegatronは資産冗長15%削減
Advantechは電力10%削減

NVIDIA、物理AI向け統合基盤モデルCosmos 3を公開

単一モデルで統合

推論と生成の統合モデル
テキスト・映像・音・動作対応
MoTアーキテクチャ採用
従来の4モデルを1つに集約

用途と公開形態

ロボット・自動運転・スマート空間
合成データ生成を支援
16Bと64Bの2サイズ提供
Hugging Faceでオープン公開

NVIDIAは6月1日、物理AI向けの世界基盤モデル「Cosmos 3」を発表しました。COMPUTEXのGTC台北で公開された本モデルは、テキスト・映像・画像・音・動作という複数のモダリティを単一モデルで処理し、ロボットや自動運転車、スマート空間が現実世界を理解・予測・行動するための基盤を提供します。

最大の特徴は、これまで世界生成・制御生成・シーン理解・方策生成という用途ごとに別々のモデルを使い分けていたものを、1つのモデルに統合した点です。Mixture-of-Transformers(MoT)アーキテクチャを採用し、推論を担う自己回帰部分と生成を担う拡散部分が共同注意で連携します。これにより、視覚言語モデル、映像生成、ロボット方策などを構造を変えずに切り替えられます。

物理AIにとって重要なのは、画像や映像だけでなく動作信号を扱える点です。Cosmos 3はロボットの関節角度やグリッパー位置、軌道点といった数値的な動作データを直接生成でき、ピック&プレース作業などの学習に役立ちます。開発者は特定のロボットや作業環境に合わせて追加学習することも可能です。

活用事例も広がっています。NVIDIAのGEARチームは映像動作モデルの開発に、Agile Robotsは産業用ヒューマノイドの方策開発向けデータ生成に本モデルを利用しています。Linker Visionはスマートシティ向けに数千のカメラ映像を解析し、根本原因分析などに活用しています。

公開形態として、16BのNanoと64BのSuperの2サイズが用意され、いずれもHugging Faceでオープンに提供されます。NanoはRTX PRO 6000など作業用GPUで動作し、Superは大規模な合成データ生成や研究向けです。Linux FoundationのOpenMDW 1.1ライセンスのもと、重みやデータセット、コードを単一ライセンスで扱えます。

性能面でも、Cosmos 3はArtificial Analysisのオープン重みリーダーボードで首位に立ち、Physics-IQやR-Benchなど複数の世界生成ベンチマークでトップを記録しています。衝突や稀なエッジケースなど、現実では安全に再現しにくい場面を合成データで補える点が、物理AI開発の加速につながりそうです。

NVIDIA、AIクラウド網を6大陸へ拡大

クラウド網が世界拡大

AI Cloud網が6大陸到達
アフリカ・南米へ新規進出
トークン最低コストを訴求
主権AI・地域容量に対応

台湾が供給網を主導

MGX部品100万超を統合
TSMCがcuLithoで20-50%改善
Foxconnが10000基GPU稼働
製造現場へ物理AI導入

半導体大手NVIDIAは6月1日、世界各地のパートナーと連携してAI向け計算基盤「AIファクトリー」の構築を加速していると発表しました。専用クラウド群「NVIDIA AI Clouds」はアフリカのCassava、南米のClaroを加えて6大陸に到達し、企業や新興国、政府の旺盛なAI需要に応える地域容量と主権AI基盤を提供します。同時に、生産拠点である台湾の製造大手がこの世界的な拡大を支えていることも明らかにしました。

AIクラウドの拡大は東南アジア、オーストラリア、南北アメリカで進んでいます。CoreWeave、Firmus、IREN、Nscaleなどが最先端モデル開発や大量推論向けに能力を増強し、Naver CloudやIndosat、Yotta、YTLといった事業者が各国のAI構想や金融、通信、製造、医療を支えています。NVIDIAは競争力の源泉として、ハードウェア性能とソフト最適化、稼働率を総合したトークン単価の業界最低水準を掲げています。

AIファクトリーの設計から運用までは新プラットフォーム「DSX」が担い、検証済みの設計やシミュレーションで容量の早期立ち上げを支援します。電力制約下で計算量を最大化する「DSX MaxLPS」は同じ電力で最大40%多いGPUの搭載を可能にするといいます。CoreWeaveやNebiusは次世代GPU「Vera Rubin」をいち早く採用し、ロボットなど物理AI向けの開発環境も整備しています。

もう一方の記事が示すのは、この基盤を生み出す台湾の存在感です。台湾には500社を超えるNVIDIAのパートナーが集まり、Vera Rubin向け「MGX」ラック部品は25の工場拠点から100万点以上が供給されます。TSMCやFoxconn、Pegatron、Quanta、Wistron、Inventecなどがサプライチェーンの中核を担っています。

注目すべきは、これらの企業が単に基盤を作るだけでなく、自社の製造現場にもAIを取り入れている点です。TSMCは計算リソグラフィ「cuLitho」で費用や処理時間を20〜50%改善し、Foxconnは運用管理エージェントで原因分析を80%高速化、労働生産性を15%向上させたとしています。PegatronやInventecは合成欠陥データの生成でAI検査の展開時間を最大67%短縮しました。

AIがモデル開発から大量の推論・推論処理へ移るなか、基盤の評価軸は発表された容量から、稼働率や資産寿命を反映したトークン出力の経済性へと移りつつあります。世界規模の容量拡張と、それを支える台湾の製造力。両者がかみ合うことで、AIインフラそのものがAIによって作られる循環が現実味を帯びてきました。

Microsoft、Buildで初の推論AI公開へ

新AIモデルを発表

初の推論モデルMAI-Thinking-1
蒸留不使用で独自開発
画像生成MAI-Image-2.5系も
Copilot統合アプリを予告

Windows刷新を強調

開発者向け最適化環境を投入
Windows 11の性能改善継続
ローカルAI実行を重視
GitHub信頼回復が課題

米Microsoftは現地時間6月2日、サンフランシスコで開発者会議「Build」を開幕します。同社はAIを軸に事業全体を再編する中で、自社初の推論AIや刷新されたWindows開発環境を披露し、低下した開発者の信頼の回復を狙います。AIチップやアプリ統合まで、AI時代の方向性を示す節目の催しと位置づけられます。

最大の目玉は、AI部門を率いるムスタファ・スレイマン氏が公開する見込みの推論モデル「MAI-Thinking-1」です。他社AIの出力を学ぶ蒸留を用いずに自社開発した点が特徴で、主に企業利用を想定しているといいます。あわせて画像生成の「MAI-Image-2.5」と高速版「Flash」も登場が見込まれます。

利用者向けには、複数のCopilotアシスタントを一つにまとめる「スーパーアプリ」構想も語られます。ただし開発途上のため会場での提供はなく、プレビュー公開は夏の終わり頃の見通しです。流出した画面はBuildのデモ用モックアップにすぎないと報じられています。

Windowsでは、開発者が求めてきた集中できる作業環境を備えた「開発者最適化版のWindows 11」を初公開する見込みです。同社が年初に示した性能改善計画に沿い、一部の書き換えによる動作の高速化も進めているとされます。

ハードウェア面では、Nvidiaの新シリコン「RTX Spark」への対応が焦点です。今年のBuildではローカルモデルの実行に重点が置かれ、開発者は高価なクラウドに頼らず手元の計算資源を活用できるようになります。サティア・ナデラCEOはNvidiaのジェンスン・フアン氏と新製品を議論し、QualcommとのArm版Windows強化も話題に上る見通しです。

一方で課題も残ります。Microsoftは買収子会社GitHubで人材流出や障害、セキュリティ問題が相次ぎ、著名開発者から警鐘が鳴らされています。Buildの運営をGitHubチームが一部担う今回、同社が信頼回復へ具体策を示せるかが問われています。会議は日本時間6月3日未明に始まります。

Majestic、128TBメモリAIサーバーで壁突破へ

メモリの壁に挑む

最大128TBの巨大メモリ
DGX B300の60倍超
推論速度の制約解消狙い
DRAM中心の統合設計

独自技術と性能

銅ケーブルで1mまで延伸
帯域幅25.6TB/秒
ARMとRISC-V統合のIgnite

価格と出荷時期

設備投資最大50分の1主張
出荷は2027年予定

AIハードウェアの新興企業Majestic Labsは2026年6月1日、最大128TBのメモリを搭載するAIサーバー「Prometheus」を開発中だと明らかにしました。これはNvidiaの最先端機「DGX B300」の60倍を超えるメモリ容量で、大規模言語モデル(LLM)の推論性能を縛るメモリの壁を打破することを狙います。

LLMのトークン生成は、データをメモリから読み込む速度に律速されるメモリ律速の処理だとされています。モデルが巨大化するほどこのボトルネックは深刻になり、Majesticの共同創業者サハ・ラビ氏は、Nvidia方式は規模拡大に伴い「演算を過剰に積み、メモリが枯渇する」と指摘します。

Majesticは競合と異なり、高速なHBMではなくDRAM(LPDDR6)に全面的に賭けた統合アーキテクチャを採用しました。通常メモリ接続は数ミリの近距離に限られますが、同社は最長1メートルまで届く独自の銅ケーブル接続と、メモリ近傍に置く集約チップを用い、大容量と毎秒25.6TBの帯域幅を両立させます。

演算面では、ARMのアプリケーションコアとRISC-Vのベクトル・テンソルコアを1チップに統合した独自プロセッサ「Ignite」を搭載し、Prometheusには12個を積みます。PyTorchやvLLM、OpenAIのTritonをコード改変なしで動かせるため、既存モデルをそのまま実行できる点も特徴です。

サーバーはOpen Compute Project準拠で、ラックあたり最大4台、消費電力は最大120kW、冷却は液冷を使います。出荷は2027年予定で価格は未発表ですが、HBMの代わりにDRAMを使うことで、設備投資と消費電力をワークロード次第で10〜50分の1に下げられると同社は主張しています。

Intel、低価格AI推論チップでNvidiaとAMDに対抗

Crescent Islandの狙い

年内出荷の新GPU
推論タスクに特化
空冷設計でコスト抑制
安価なLPDDR5メモリ採用

再建戦略

新CEOタン氏主導
訓練市場は深追いせず
Gaudi失敗からの再起

米半導体大手Intelは2026年6月1日、年内に新たなAI向けGPU「Crescent Island」を出荷すると明らかにしました。NvidiaやAMDの製品より安価なメモリと冷却技術を採用し、急成長するAI半導体市場での巻き返しを狙います。データセンター部門を率いるKevork Kechichian氏がFTに語りました。

新チップは、利用者の要求に応える推論(インファレンス)処理の高速化に特化しています。モデルの訓練分野はNvidiaのプロセッサが圧倒的に強く、Intelはあえてそこを主戦場としない方針です。同社は訓練用GPU「Gaudi」で販売不振に陥り、後継機も昨年中止した経緯があります。

競合との差別化の鍵はコスト構造です。Crescent Islandは空冷方式を採用し、NvidiaのBlackwellなどが使う高価なHBMではなく、大幅に安いLPDDR5メモリを搭載します。これにより、高帯域メモリと液冷インフラという競合が抱える2つの制約を回避する狙いです。

Kechichian氏は「基本に立ち返り、AIの筋肉を再構築する」と述べ、過去の経験から訓練市場を特に狙わないと強調しました。新チップは18カ月の開発期間を経て、年内に限定数量から顧客への出荷を始めます。

今回の取り組みは、昨年就任したLip-Bu Tan新CEOの下でのAIインフラ市場への初参入となります。前任のPat Gelsinger氏は再建戦略への懸念から退任しており、Intelにとって業績回復を確かなものにする試金石となりそうです。

AI音声入力ツール、無料代替で有料サービス不要に

有料ツールの仕組み

Wispr Flowは年144ドル
音声認識とLLM整形の2段階処理
フィラー除去と段落自動整形が売り

無料代替の選択肢

Spokenlyが最有力の無料代替
MacParakeetは完全無料のOSS
VoiceInkはOSSで買い切り25ドル
Voquillはオフライン対応のWindows向け

技術の汎用化

WhisperやCanaryがOSSで公開済み
既存LLM契約で整形処理も代替可能

AI音声入力ツールの分野で、年額144ドルの有料サービス「Wispr Flow」に対し、無料で同等の機能を実現できる代替ツールが複数登場しています。Wispr Flowは音声をテキストに変換した後、LLMでフィラーワードを除去し段落に整形する2段階処理が特徴ですが、その基盤技術であるOpenAIのWhisperやNvidiaのCanaryはオープンソースで公開されており、誰でも無料で利用できます。

WIREDのレビューによると、最も有力な無料代替は「Spokenly」です。macOSとWindowsの両方に対応し、ローカルモデルを使えば完全無料で利用できます。Apple IntelligenceやOpenAI、Anthropicなど複数のLLMプロバイダーに対応しており、オフラインでも動作するためプライバシー面でも優れています。カスタムプロンプトの設定やキーボードショートカットの割り当ても可能です。

Mac専用では完全無料・オープンソースの「MacParakeet」、買い切り25ドルの「VoiceInk」があります。WindowsやLinuxユーザーには完全無料の「FOSS Voquill」が推奨されますが、整形機能は未搭載です。クロスプラットフォーム対応の「OpenWhispr」もオープンソースで提供されており、ローカルモデルと外部APIキーを設定すれば無料で使えます。

記事の筆者は、これらのツールを試した結果、有料サービスに匹敵する機能を無料で実現できると結論づけています。一方で、音声入力による執筆は思考の精緻化プロセスを損なう可能性も指摘しており、ツールの選択は個人の作業スタイル次第だと述べています。AI音声認識とLLMの汎用化により、かつては有料でしか得られなかった機能が無料の選択肢として広く利用可能になっています。

LLM再学習不要の知識更新フレームワークMeMo登場

MeMoの仕組み

専用小型メモリモデルに新知識を格納
推論エンジンのLLMは凍結のまま利用
オープン・クローズド問わず接続可能
QAペア「リフレクション」で知識を蒸留

RAGとの比較と限界

長文推論でRAGを大幅に上回る精度
ノイズ混入時も精度低下2%未満
初期学習コストが課題
出典追跡が困難で監査要件に制約

複数大学の研究チームが、LLMの知識を再学習なしで更新するフレームワーク「MeMo(Memory as a Model)」を発表しました。MeMoは新しい知識を専用の小型メモリモデルに格納し、推論を担う本体のLLMとは完全に分離して運用します。RAGのコンテキスト長制限やファインチューニングの破壊的忘却といった既存手法の課題を回避できる点が特徴です。

MeMoのアーキテクチャは、知識を蓄えるMEMORYモデルと推論を行うEXECUTIVEモデルの2層構成です。ユーザーの質問に対し、EXECUTIVEモデルがサブクエリに分解してMEMORYモデルに問い合わせ、得られた事実を統合して最終回答を生成します。MEMORYモデルの学習には、生テキストから数千のQAペア「リフレクション」を生成し、それを教師データとして使います。

ベンチマーク評価では、長文推論タスクNarrativeQAで53.58%の精度を達成し、最先端のグラフベースRAG手法HippoRAG2の23.21%を大きく上回りました。さらにEXECUTIVEモデルをGemini 3 Flashに差し替えるだけで精度が最大26.73%向上し、メモリモデルの再学習は不要でした。ノイズの多いデータでも精度低下は2%未満にとどまり、企業の雑多なナレッジベースへの耐性を示しています。

継続的な知識更新には「モデルマージ」手法を採用し、新規データで学習した差分パラメータを既存のMEMORYモデルに統合します。フル再学習に比べ11〜19%の精度低下というトレードオフはあるものの、計算コストを大幅に削減できます。

一方で課題も残ります。リフレクション生成にNVIDIA H200で約240GPU時間、14Bパラメータのメモリモデル学習に約180GPU時間の初期コストが必要です。また回答がパラメトリック記憶から合成されるため、情報の出典を特定できず、厳格な監査要件のある業務には不向きです。研究チームは、単純な検索にはRAG、複数文書を横断する統合推論にはMeMoという使い分けや、両者を組み合わせたハイブリッド構成を推奨しています。

Hugging FaceがPyTorchプロファイラ入門を公開

トレースの読み方

行列演算でプロファイラの基本を解説
CPU時間とGPU時間の比較でボトルネック特定
オーバーヘッド律速と計算律速の判別法
ウォームアップによる初回コストの除外

torch.compileの実態

演算子融合はディスパッチャレベルで実現
カーネル自体はcuBLASのまま変化なし
CPU側オーバーヘッドはeagerの約2倍に増加
小規模演算ではコンパイル税が上回る

Hugging Faceは2026年5月29日、PyTorchのプロファイリング入門ブログシリーズの第1回を公開しました。torch.profilerの使い方を、行列積とバイアス加算という最小構成の演算から段階的に解説する内容です。著者はAritra Roy Gosthipatyら5名で、NVIDIA A100 GPU上での実行トレースを題材に、プロファイラが出力するテーブルとトレースの読み解き方を丁寧に示しています。

記事ではまず64x64の小さな行列演算をプロファイリングし、CPU時間が2.3ms、GPU時間がわずか23μsとなるオーバーヘッド律速の典型例を示します。行列サイズを4096x4096に拡大すると、CPU・GPU双方がミリ秒オーダーとなり、計算律速へ移行することを確認しています。この比較を通じて、GPUが遊んでいるかどうかをプロファイラの数値から即座に判断する方法を読者に教えています。

トレースの可視化にはPerfetto UIを使用し、CPUレーンとGPUレーンの対応関係を視覚的に解説しています。初回ステップが長い理由として、cuBLASのヒューリスティクスやワークスペース確保といったコールドスタートコストを特定。ウォームアップの追加で計測対象から除外する手法も紹介されています。また、同一カーネルでも実行時間がばらつく現象について、GPUクロックや温度管理が原因であると指摘しています。

後半ではtorch.compileを適用した場合のトレースを分析しています。torch.add + torch.matmulがaten::addmmに統合されますが、これはディスパッチャレベルの融合であり、GPU上では依然として同じcuBLASカーネルが実行されます。バイアスのDevice-to-Deviceコピーが発生し、真のカーネル融合には至っていない実態が明かされています。

さらに、torch.compileのランタイムアーキテクチャとして、TorchDynamoのキャッシュルックアップ、AOTDispatcherのラッパー、CompiledFxGraphの実行という3層構造を解説しています。小規模な演算ではこれらのスタックがオーバーヘッドとなり、ステップあたりのCPU時間がeagerモードの約2倍に増加することも示されました。シリーズ第2回以降ではnn.LinearやLLMへと対象を拡大する予定です。

Groq、Nvidia提携後に6.5億ドル調達へ

資金調達の背景

Nvidiaと約200億ドルの提携契約
幹部移籍とハードウェア技術ライセンス供与
既存投資家は現金で回収済み

推論クラウド事業の拡大

自社開発AIチップによる推論特化型クラウド
企業・開発者向け推論インフラを提供
DisruptiveとInfinitiumが引受保証
暫定CEO・CFO体制で新方針を主導

AIチップスタートアップのGroqが、既存投資家から6億5000万ドル(約950億円)の新規資金調達を進めていることが明らかになりました。同社は2025年12月にNvidiaと約200億ドル規模の提携契約を締結しており、今回の調達はその後の成長戦略の第一歩となります。

Nvidiaとの契約は完全買収ではなく、Groqの上級幹部がNvidiaに移籍し、ハードウェア技術をライセンス供与する形式でした。Groqの投資家にとっては、Nvidia史上最大の買収額に相当する金額が現金で支払われる好条件となりました。

今回の調達資金は、Groqが注力する推論クラウド事業の拡大に充てられます。推論はAIプロンプト処理後の計算処理を指し、現在のAI業界ではモデル訓練よりも大きな需要があります。同社の自社開発チップを活用し、企業や開発者が推論負荷の高いアプリケーションをホスティングできるサービスを拡充する方針です。

経営体制は暫定CEOのAdam Winter氏とCFOのMatt Eng氏が主導しています。資金調達については、既存投資家のDisruptiveとInfinitiumが他の投資家が参加しない場合でも全額を引き受ける意向を示しており、実質的に調達は確約されている状況です。

NVIDIAがICRAでロボット研究28本発表、sim-to-real移行を加速

シミュレーションから実世界へ

ICRAで28本の論文採択
複数アーム並列制御で3倍高速化
異なるロボット体型への汎化に成功
把持成功率75%、従来手法の約2倍

精密組立と視覚言語モデル

組立タスク成功率を38%改善
多段階組立で91%のシミュレーション成功率
視覚言語モデルで実世界精度41倍向上
推論と行動の乖離を実行時に補正

NVIDIAは2026年5月28日、国際ロボティクス・自動化学会(ICRA)で採択された28本の研究論文のうち8本の成果を公開しました。いずれもシミュレーションから実世界へのロボット技術移行(sim-to-real)を主題とし、知覚・推論・計画・行動の各段階で汎用的な自律動作を実現する手法を提示しています。研究はNVIDIA Isaac Labなど同社のシミュレーション基盤上で訓練され、実ロボットへのゼロショット転移を達成しています。

動作計画の分野では、複数ロボットアームをGPU上で並列スケジューリングするScheduleStreamが従来比3倍の高速化を実現しました。異なるロボット体型への汎化を目指すCOMPASSは、実世界ナビゲーション試行で約80%の成功率を達成。把持制御のGrasp-MPCは、200万件のシミュレーション軌道で学習し、実ロボットで75%の把持成功率を記録しています。従来手法の41%から大幅に向上しました。

精密組立では、シミュレーション訓練と実機補正を分離するSPARR手法が成功率を38%改善し、サイクルタイムを約30%短縮しました。多段階組立に取り組むRefineryは、シミュレーションで91%の成功率を達成しています。各ステップの完了状態が次のステップに影響する複雑な工程を自動で最適化する点が特徴です。

視覚言語モデルの活用も進んでいます。PEEKパイプラインは、タスク指示に基づいてロボットの視線を必要な物体に集中させる手法で、シミュレーション訓練のみのポリシーに適用すると実世界精度が41倍向上しました。カーネギーメロン大学などとの共同研究SEALは、ロボットの推論内容と実際の動作が乖離する問題を、再訓練なしに実行時補正する手法を提案し、最大15%の精度改善を報告しています。

NVIDIAは研究基盤の拡充も進めており、物理AI向けオープンデータセットは1,500万ダウンロードを超えました。カーネギーメロン大学、MIT、ETHチューリッヒなどの大学チームも同社の技術を活用しており、約50本の採択論文がNVIDIAのシミュレーション・計算基盤を参照しています。ロボティクスの産業応用に向け、sim-to-realがいよいよ実用段階に入りつつあることを示す成果といえるでしょう。

AIトークン先物市場が世界で始動、上海やCMEが整備へ

先物市場の動き

上海先物取引所がAIトークンデリバティブを設計中
CMEグループがGPUレンタル先物を準備
NYSE親会社ICEもGPU計算先物を計画
H100のレンタル価格は時間1.40〜4.27ドル

市場形成の背景

AIインフラ投資が数千億ドル規模に拡大
トークン課金がAPI利用の標準に
ネオクラウド企業群が推論特化で参入
企業の計算コストヘッジ需要が顕在化

2026年5月28日、中国の上海先物取引所がAIトークンのデリバティブ市場を設計していることがロイターの報道で明らかになりました。同時期に米CMEグループとNYSEの親会社であるインターコンチネンタル取引所(ICE)も、それぞれGPUレンタルの先物契約の立ち上げを発表しています。金や石油と同様に、AIの計算資源が金融商品として取引される時代が近づいています。

GPUレンタル市場はすでに一定の成熟を見せています。AI Mining Co.のデータによると、28のマーケットプレイスとクラウドプロバイダーにおけるNVIDIA H100の中央値価格は時間あたり1.40〜4.27ドル、H200は2.34〜5ドルで推移しています。しかしトークンそのものの先物市場は未整備であり、ここに新たな金融インフラの商機が生まれています。

背景にあるのは、AIインフラへの空前の投資です。クラウドサービスプロバイダーやプライベートエクイティ、インフラ企業が数千億ドル規模の資金をデータセンター建設に投じています。推論特化型のネオクラウド企業も台頭し、OracleやAWS、Google Cloudといった大手と競合する構図が鮮明になっています。

上海先物取引所のトークンデリバティブが実現すれば、企業や投資家、データセンター運営者がAIの計算コスト変動をヘッジする手段を得ることになります。OpenAIのGPT-5.5が100万入力トークンあたり5ドル、出力トークン30ドルで課金されるように、トークン単価はAIサービスの原価に直結しています。この市場の成立は、AI産業の金融化における重要な転換点となる可能性があります。

推論特化の新興General Computeが1500万ドル調達

推論特化チップへの賭け

SambaNovaのSN50チップを3億ドル分発注
GPUの約2.5倍、毎秒600〜700トークン生成
空冷・低消費電力で既存施設に設置可能
暗号資産マイナーの施設転用も視野

推論クラウド市場の構造変化

NVIDIAのGroq買収やCerebras上場が示す潮流
複数モデル・エージェント時代の速度競争
コーディング作業を数時間から数分に短縮
SambaNova側もGeneral Computeに賭ける相互依存

AI推論に特化した新興ネオクラウド企業General Computeが、FUSE VC主導のシードラウンドで1500万ドル(ポストマネーバリュエーション6000万ドル)を調達しました。同社はAIモデルの学習ではなく推論、つまりモデルが実際にユーザーの問いに応答する処理に特化したクラウドサービスを提供します。CEOのFinn Puklowski氏とCTOのJason Goodison氏が共同創業しました。

注目すべきは同社のチップ戦略です。GPU需要が急増する一方で、推論フェーズにはGPUが最適ではないという認識が業界で広がっています。NVIDIAによるGroqの200億ドル買収やCerebrasの570億ドル規模IPOがその潮流を象徴しています。General Computeは、Intel出資のSambaNovaが開発する推論特化チップSN50を採用し、3億ドル相当を発注済みです。

SambaNova新チップの性能は毎秒600〜700トークンの生成速度を見込んでおり、GPUの約250トークンを大きく上回ります。さらに空冷方式で消費電力も低いため、水冷設備や大規模な電力インフラの新規投資なしに既存データセンターへ導入できます。暗号資産マイニング施設の転用によるコロケーション展開も計画しています。

投資家のJoe Hasselmann氏は、SambaNova とGeneral Computeの関係をNVIDIAとCoreWeaveの関係になぞらえます。推論クラウドは、単一プロバイダーが支配しない複数モデル・複数エージェントの世界を前提とした事業モデルです。OpenRouterが今週1億1300万ドルのシリーズBを調達したことも、この市場の成長を裏付けています。

Puklowski氏はコーディングエージェントの処理時間を数時間から5〜10分へ短縮し、音声カスタマーサービスの推論コストを下げることを目指しています。エージェント同士が高速に通信する時代において、推論速度とコスト効率が競争力の鍵になるとの見方を示しました。

SnowflakeがAWSと60億ドルのAIチップ契約

大型契約の背景

5年間で60億ドルの契約
AI需要でAWS支出が倍増
Cortex AIがデータ活用を加速
ARM系Gravitonチップが対象

クラウド各社のチップ競争

MetaもAWSと大型契約を締結
Google・MSも独自AI半導体を展開
NvidiaはVera CPUで反撃姿勢
クラウド勢がNvidiaの牙城に挑戦

クラウドデータ基盤大手のSnowflakeが、Amazon Web Services(AWS)と5年間で60億ドルの新契約を締結したと両社が5月27日に発表しました。Snowflakeは2012年の創業以来、AWS Marketplace経由で累計70億ドルの売上を記録しており、今回の契約はその総額に匹敵する規模です。

契約拡大の背景にはAI需要の急増があります。SnowflakeのAI構築ツール「Cortex AI」は、企業データに対する自然言語クエリや要約レポート生成などの機能を提供しており、顧客のAWS支出は2025年に前年比2倍の20億ドルに達しました。今回の契約では特にAWSの自社開発ARMベースCPU「Graviton」へのアクセス拡大が重視されています。

AIがモデル訓練から日常利用やエージェント自動化へと移行するにつれ、CPU需要が急増しています。GPUが訓練や推論を担う一方、エージェント関連タスクの大半はCPUが処理するためです。AWSは先月、MetaにもGravitonチップを数百万単位で提供する契約を締結しており、自社チップの価格競争力を武器に大型案件を次々と獲得しています。

一方、NvidiaのジェンスンCEOは新たなAI専用CPU「Vera」を発表し、2000億ドル規模の新市場を見込むと宣言しました。GoogleやMicrosoftも独自AIチップの開発を進めており、AI半導体市場ではクラウド大手とNvidiaの競争が本格化しています。いずれの陣営が優勢となるにせよ、AI需要拡大の恩恵はクラウド各社に広く行き渡る構図です。

NVIDIAが提唱する「AIファクトリー」の全容

トークン生産の経済学

エネルギーをトークンに変換する新インフラ
GB300 NVL72で前世代比50倍の効率
コスト・電力・稼働率が収益を左右

フルスタック設計と展開

Vera Rubinで性能電力比さらに35倍
DSX設計でGW級施設を標準化
Omniverse双子で設計・運用を最適化

エコシステムと実績

Cisco・Dell・HPEら5社と協業
NVIDIA社内で数百のAIエージェント稼働

NVIDIAは、AIの推論処理を大規模かつ常時稼働で行う新たなインフラカテゴリー「AIファクトリー」の構想を公式ブログで発表しました。産業革命期の発電所がエネルギーを電力に変えたように、AIファクトリーはエネルギーをトークンに変換し、推論モデルやエージェントに知能を供給する施設と位置づけています。その経済性は、秒間トークン数・ワットあたりトークン数・トークン単価・稼働率で測定されます。

性能面では、NVIDIA GB300 NVL72システムがメガワットあたりのトークン生成量で前世代Hopperの50倍を達成し、トークン単価を35分の1に削減したとしています。推論ワークロードをリアルタイムで効率的にさばくため、Dynamoフレームワークがロングコンテキスト推論と大規模スループットを統合管理します。次世代のVera Rubinプラットフォームは、LPXアーキテクチャにより性能電力比をさらに最大35倍に引き上げる設計です。

こうしたAIファクトリーはフルスタックで最適化されます。GPU・CPU・高速ネットワーク・液冷システム・推論ソフトウェア・ストレージが一体設計され、自律型マルチエージェントが常時稼働するワークロードを処理します。エージェントは推論・計画・コード生成・ツール利用を自律的に行い、さらにサブエージェントを生成して専門スキルを獲得するため、推論負荷は従来よりはるかに大きくなっています。

NVIDIA DSXリファレンス設計は、ギガワット級のAIファクトリーを標準化するもので、設計・シミュレーション・運用をOmniverse DSX Blueprintのデジタルツインで統合します。Cisco、Dell、HPE、Lenovo、Supermicroといったパートナー企業と協力し、企業データセンターへの導入を推進しています。NVIDIA自身も社内AIファクトリーを運用し、数百の自律AIエージェントがエンジニアリングや業務を支援している実例を示しています。

NVIDIAの創業者兼CEOであるジェンスン・ファン氏は、6月1日のCOMPUTEX併催GTC Taipeiで基調講演を行う予定です。AIファクトリーは金融・ライフサイエンス・製造・公共部門などあらゆる産業が「構築するか借りるか」を問われる時代の基盤インフラだと、NVIDIAは訴えています。

NVIDIA、台湾に年間1500億ドル投資を表明

巨額投資の全容

年間投資額が10倍超に急増
2030年稼働の新本社を建設
台湾をAI革命の震源地に

米中間の緊張構造

トランプの国内回帰策と矛盾
米国内生産は2025年に開始済
半導体供給網の地政学的課題

業界への波及

時価総額5兆ドル企業の戦略転換
台湾製造拠点の長期的優位性

NVIDIAのジェンスン・ファンCEOは5月27日、台湾への年間投資額を1500億ドル規模に引き上げる計画を発表しました。新たな台湾本社の建設を含むこの投資は、台湾をAI革命の「震源地」として位置づける大規模な戦略です。2026年中に着工し、2030年の稼働を目指します。

ファンCEOによれば、4〜5年前のNVIDIAの台湾への年間支出は100〜150億ドル程度でした。それが現在は1000億ドルに達し、さらに1500億ドルへと拡大する見通しです。投資規模の急激な拡大は、AIチップ製造における台湾の不可欠な役割を如実に示しています。

一方で、この動きはトランプ大統領が推進する米国内AI製造回帰の方針と緊張関係にあります。NVIDIAは2025年4月に米国内でのAIチップ生産を初めて開始しましたが、台湾への大規模投資はその流れに逆行するようにも映ります。ファンCEOはこの矛盾について明確な説明を避けています。

NVIDIAは2025年に時価総額5兆ドルを達成した世界最大の企業です。ファンCEOは台湾本社によって「3〜5年後にはさらに価値が高まる」と自信を示しました。AI需要の爆発的拡大に対応するため、台湾の半導体エコシステムへの依存はむしろ深化する構図が鮮明になっています。

AIエージェント革命、開発者の働き方を一変

爆発的普及の背景

Claude CodeのOpus 4.5が転換点に
OpenClawがGitHub史上最速で10万スター獲得
Y Combinator CEOが生産性90倍と報告
Nvidiaが全企業にOpenClaw戦略を提唱

実用と課題の最前線

業務自動化で数百のエージェント同時稼働が常態化
研究者がOpenClawの安全性リスクを指摘
トークン消費で年間7桁ドル規模の支出も
AI活用格差が職業・競争力の分水嶺に

2025年後半から2026年にかけて、AIエージェントが技術者コミュニティを席巻しています。Anthropicが2025年11月にリリースしたClaude Codeの新モデル「Opus 4.5」は、複雑なプログラミングタスクの処理能力とサブエージェント管理機能を大幅に強化し、開発者の生産性を劇的に向上させました。Y CombinatorのCEO、Garry Tan氏は自身の開発速度が「エンジニア90人分」に相当すると語っています。

この流れを加速させたのが、Peter Steinberger氏が開発したオープンソースツールOpenClawです。Claude Codeなどのコーディングツールを活用し、チャットアプリ経由で個人用AIエージェントを構築できるこのツールは、GitHub史上最速ペースでスターを獲得し、2026年5月時点で36万6000スターに達しました。NvidiaのJensen Huang CEOはGTC基調講演で「すべての企業にOpenClaw戦略が必要だ」と訴えています。

実用面では、メール管理や配送追跡の自動化、コードベース全体の書き換えなど、多岐にわたる活用事例が生まれています。元Facebook幹部のDave Morin氏はOpenClawを「人生を変えた」と評し、VC企業の運営ソフトウェア管理にも活用しています。一方で、AIエージェントをフル活用するにはトークン消費が膨大で、年間数十万から100万ドル以上を費やすユーザーもいます。

安全性への懸念も浮上しています。20人のAI研究者による論文では、OpenClawが「カオスのエージェント」であるとして、権限外の指示への従順な応答や機密情報の漏洩、破壊的操作の実行といったリスクが報告されました。あるMeta社員はOpenClawプロジェクトのミスで受信箱のメールがすべて削除される事態に見舞われています。

専門家たちは、AIエージェントの普及が不可逆的な変化をもたらすと見ています。インターネットネイティブ世代がデジタル社会で優位に立ったように、業務を本能的に自動化できる「AIネイティブ」が今後の競争で圧倒的な差をつけると予測されています。ただし、ハルシネーションやエージェントの品質検証手段の不足は依然として大きな課題であり、本格的な普及には技術的・認知的な壁が残されています。

NVIDIA Vera CPUが性能記録を更新

ベンチマーク結果

x86 128コア品に1.5倍の総合性能
前世代Graceから1.6倍の世代間向上
Linuxカーネルを20秒でコンパイル
AMD EPYC 9575Fを10%上回る

メモリと設計の優位性

LPDDR5Xで1.2TB/sの帯域幅
メモリ消費電力30W未満、DDR5比で大幅削減
88コアのモノリシックダイ構成

提供と展望

主要AI企業やCSPに初期出荷済み
2026年後半にパートナーから一般提供

NVIDIAは2026年5月26日、独自設計のCPU「Vera」の初のベンチマーク結果を公開しました。テスト結果を掲載したPhoronixの創設者Michael Larabel氏は、「Intel・AMDのx86_64プロセッサに対してこれまでに見たことのない最も手強い競合」と評価しています。VeraはAIエージェント処理に最適化されたデータセンター向けCPUで、Armv9.2互換の独自Olympusコアを88基搭載しています。

性能面では、最新世代の128コアx86プロセッサに対して1.5倍の総合性能優位を示しました。前世代のGrace CPUとの比較では1.6倍の世代間向上を達成し、Linuxカーネルのコンパイルを20秒で完了するなど、Phoronixが計測した中で最速の結果を記録しています。AMD EPYC 9575F(5.0GHz)との比較でも幾何平均で10%上回りました。

メモリ性能も大きな差別化要因です。第2世代LPDDR5Xサブシステムにより、最大1.2TB/sの帯域幅を30W未満の消費電力で実現しました。従来のDDR5が100W以上を消費するのに対し、大幅な電力効率の改善となります。STREAM TRIADテストではピーク帯域幅の90%を維持し、コアあたりのメモリ帯域幅はx86 CPUの4倍以上に達しました。

Veraはコード実行、サンドボックス処理、データベースクエリなど、AIエージェントが日常的に行うCPU負荷の高いタスクに特化して設計されています。Prime Intellectの別テストでは、並列ワークロード増加時にも高帯域幅と低遅延を安定して維持できることが確認されました。

NVIDIAはすでに主要AI企業やクラウドプロバイダーに初期出荷を完了しており、2026年後半にパートナー各社からシングルソケットおよびデュアルソケット構成で提供が開始される予定です。空冷・液冷の両方に対応し、標準的なデータセンターから高密度AIインフラまで幅広い導入形態をカバーします。

拡散型言語モデルでNVIDIAが推論6倍速を実現

3つの推論モードを統合

自己回帰と拡散生成を1モデルに統合
自己投機モードで精度維持と高速化を両立
3B・8B・14Bの3サイズで提供
商用利用可能なライセンスで公開

速度と精度の両立

拡散モードでAR比2.6倍の生成効率
自己投機で最大6.4倍の高速化を達成
8BモデルがQwen3 8Bを精度1.2%上回る
B200で毎秒約865トークンを記録

NVIDIAは2026年5月23日、自己回帰(AR)と拡散(Diffusion)の両方の生成方式を1つのモデルに統合した言語モデルファミリー「Nemotron-Labs Diffusion」を公開しました。3B・8B・14Bのテキストモデルと8Bのビジョン言語モデルをHugging Face上で提供し、商用利用可能なライセンスで配布しています。

従来の大規模言語モデルはトークンを1つずつ逐次生成する自己回帰方式を採用しており、GPUの演算能力を十分に活用できないという課題がありました。Nemotron-Labs Diffusionは複数トークンを並列に生成し、段階的に修正する拡散方式を導入することで、この制約を突破します。生成済みトークンの修正も可能なため、誤りの伝播を抑制できます。

同モデルは3つの推論モードを備えています。従来通りの自己回帰モード、32トークン単位でブロック生成する拡散モード、そして拡散で下書きし自己回帰で検証する自己投機モードです。自己投機モードでは温度0で自己回帰と同一の出力品質を維持しながら、大幅な高速化を実現します。

性能面では、8BモデルがQwen3 8Bに対し平均精度で1.2ポイント上回りました。推論速度はハードウェア非依存の指標であるTPF(tokens per forward pass)で、拡散モードがAR比2.6倍、自己投機モードが最大6.4倍を達成しています。NVIDIA B200上のベンチマークでは毎秒約865トークンの生成速度を記録しました。

学習にはNVIDIAのNemotron事前学習データセットから1.3兆トークン、ファインチューニングに450億トークンを使用しています。推論エンジンSGLangでの対応が進んでおり、設定1行の変更で3モードを切り替え可能です。学習コードもMegatron Bridgeフレームワーク経由で公開されており、開発者はすぐに利用を開始できます。

GitHubとOpenAIがAIコーディング首位に

Gartner評価の概要

12社を実行力とビジョンで評価
GitHubは3年連続リーダー選出
実行力で最高評価を獲得
OpenAIも初のリーダー認定

急成長する導入実績

GitHub Copilotが14万組織に拡大
前年比100%超の成長率
OpenAI Codexは週400万人利用
CiscoがCodexで開発期間を大幅短縮

エージェント時代の競争軸

コード生成からSDLC全体の自動化へ
ガバナンス・セキュリティが差別化要因

Gartnerは2026年版「エンタープライズAIコーディングエージェント」マジック・クアドラントを発表し、GitHubとOpenAIの両社をリーダーに選出しました。12社のベンダーが実行力とビジョンの完全性で評価され、GitHubは実行力で最高位を獲得しています。

GitHubのCopilotは現在14万の組織で利用され、1年前の約3倍に急増しました。前年比100%超の成長を記録し、CLI版の利用も月次でほぼ倍増しています。Gartnerは、GitHubのネイティブ統合、セキュリティ制御、エージェント型ワークフローがエンタープライズ規模のAI開発統治で他に類を見ないと評価しました。

一方、OpenAIのCodexは週400万人以上が利用し、Cisco、Datadog、Dell、NVIDIAなどの大手企業が導入しています。Ciscoは自社のAI Defenseセキュリティプラットフォームの大部分をCodexで開発し、従来数四半期かかる開発を数週間に短縮しました。

Gartnerは両社に共通する強みとして、コード生成にとどまらずレビュー・テスト・セキュリティ・ガバナンスまでカバーするエージェント型ワークフローを挙げています。Gartnerの予測では、2028年までに非同期AIコーディングエージェントがソフトウェア開発チームの生産性を30〜50%向上させるとしています。

市場の競争軸は「コードを書く速さ」から「ソフトウェアを安全に出荷する速さ」へ移行しつつあります。GitHubはマルチモデル対応やモバイルからのリモート操作機能を、OpenAIはHIPAA準拠やAmazon Bedrock上の展開といったエンタープライズ向け機能を強化しており、両社ともSDLC全体をカバーするプラットフォーム戦略で差別化を図っています。

フィジカルAIの進化、OSS基盤と人体インターフェースの両輪で加速

OSSロボAIの急拡大

Hugging Faceのロボデータセットが5万8千超に急増
NVIDIAがCosmos・GR00T・Isaacを公開
Alibaba等も基盤モデルをOSS化
参入障壁低下で非専門家もロボ開発可能に

人間側の接続革新

Wetour Roboticsが身体をインターフェースに
筋電位で動作50〜80ms前に意図を検出
視覚・空間・ジェスチャーをリアルタイム融合
エッジ推論で100ms以内の制御ループ実現

フィジカルAI(物理世界で動作するAI)の進化が、オープンソースの基盤モデルと人間側のインターフェース革新という二つの方向から加速しています。Hugging Face、NVIDIA、Alibabaといった大手企業がロボティクス向けAIモデルやツールを相次いで公開し、かつて専門家だけの領域だったロボット開発の裾野が急速に広がっています。

オープンソースの影響は数字に表れています。Hugging Faceが2024年5月に立ち上げたLeRobotプラットフォームでは、ロボティクス用データセットが2024年末の1,145件から5万8,000件超へと約50倍に増加しました。NVIDIAは合成データ生成のCosmos、タスク推論のGR00T、開発統合のIsaacという包括的なオープンソーススタックを整備しています。

一方、ロボットを賢くするだけでは不十分だという視点も浮上しています。Wetour Roboticsは「ボトルネックはロボット側ではなく人間側にある」と主張し、人体そのものをコンピューティングネットワークの一部として扱う「Spatial Intent Fusion」技術を開発しました。表面筋電位(sEMG)センサーで指の動作が完了する50〜80ミリ秒前に意図を検出し、視覚情報や空間位置と融合して100ミリ秒以内にデバイスへ指令を送ります。

オープンソース化の加速には商業的動機が絡む点も指摘されています。オレゴン州立大学のBill Smart教授は、AI出身の新規参入者がロボティクスで既に解決済みの問題に取り組むケースがあると懸念を示しつつも、参加者の多様化と裾野の拡大は本物だと評価しています。ロボット側の能力向上と人間側の接続改善が同じ未来の両輪として進展する構図が鮮明になっています。

NVIDIA、COMPUTEX 2026で3部門受賞

受賞製品の概要

Vera Rubin NVL72が金賞と持続可能技術賞の二冠
Jetson ThorがエッジAI部門で金賞獲得
Alpamayoが車載技術部門賞を受賞

次世代AI基盤の性能

推論性能がワットあたり10倍向上
トークン単価を10分の1に削減
組立時間を2時間から5分に短縮
完全液冷で45度運用を実現

物理AI・自動運転への展開

Jetson Thorは前世代比7.5倍の演算性能
Alpamayoが複雑な運転判断を推論で解決

NVIDIAは2026年5月21日、台湾で開催されるアジア最大級のIT見本市COMPUTEX 2026のBest Choice Awards(BCA)において、AI計算、ロボティクス、自動運転の3部門で受賞したことを発表しました。同社の創業者兼CEOであるジェンスン・ファン氏は6月1日に基調講演を予定しており、GTC TaipeiではAIの最新動向が披露されます。

最大の注目はVera Rubin NVL72です。金賞と持続可能技術特別賞のダブル受賞を果たしたこのラックスケールAIスーパーコンピュータは、36基のVera CPUと72基のRubin GPUを第6世代NVLinkスイッチで統合しています。推論性能はワットあたり最大10倍、トークンあたりのコストは10分の1に抑えられ、エージェント型AIや長文脈処理に最適化された設計となっています。

ハードウェア面でも革新が目立ちます。Vera Rubin NVL72はケーブルレス・ファンレスのモジュラートレイ設計を採用し、組み立て時間を従来の2時間からわずか5分に短縮しました。100%液冷アーキテクチャは45度での運用を可能にし、冷却に使っていた電力をトークン生成に回すことで、持続可能なAIインフラの新基準を示しています。

エッジAI分野ではJetson Thorが金賞を獲得しました。Blackwell GPUアーキテクチャを搭載し、最大2,070 FP4テラフロップスのAI性能を実現しています。前世代のJetson Orinと比較して演算能力は7.5倍、エネルギー効率は3.5倍に向上しており、ロボットや医療機器、産業システムへの生成AI導入を加速させます。

自動運転領域ではAlpamayoが車載技術・スマートコックピット部門賞を受賞しました。歩行者の曖昧なジェスチャーや矛盾する信号と道路標示といった、従来の学習データではカバーしにくい長尾分布の複雑な運転シナリオに対し、100億パラメータの推論型ビジョン言語行動モデルで対応します。1,700時間超の走行データも公開されており、オープンプラットフォームとしての展開が進んでいます。

AI端末のHarkがシリーズAで7億ドル調達

巨額調達の背景

シリーズAで7億ドル調達
評価額は60億ドル
NvidiaやAMD等半導体大手も参加
元Apple幹部がデザイン統括

製品戦略と課題

汎用AIパーソナルアシスタント構築
今夏にマルチモーダルモデル公開予定
専用ハードウェアも開発中
プライバシー問題が最大の壁

AI端末スタートアップのHarkが、シリーズAラウンドで7億ドル(約1050億円)を調達したと発表しました。ポストマネー評価額は60億ドルで、Parkway Venture Capitalがリードし、Nvidia、AMD Ventures、Intel Capital、Qualcomm Venturesなど半導体大手のベンチャー部門が軒並み参加しています。ARK InvestやSalesforce Venturesなど著名投資家も名を連ねました。

Harkは、ロボット企業Figure.AIや電動航空機メーカーArcherを創業した連続起業家Brett Adcock氏が2025年末に自己資金1億ドルで設立した企業です。デジタル世界への「ユニバーサルインターフェース」となるエージェント型AIシステムの開発を掲げています。デザイン部門は元Appleプロダクト幹部のAbidur Chowdhury氏が率いています。

同社は今夏に初のマルチモーダルモデルを公開し、既存の製品・サービスと連携するパーソナルAIプラットフォームを提供する計画です。その後、専用ハードウェアデバイスの投入も予定しています。現在の従業員数は70名で、Nvidia B200 GPUを搭載したデータセンターを運用しています。

注目すべきは、これほどの巨額調達にもかかわらず、具体的な製品の詳細がほとんど明かされていない点です。Chowdhury氏は「現在のAI製品はソフトウェア開発者向けばかりで、一般の人を助けるものがない」と指摘し、AnthropicやOpenAIがコーディングツールに注力する中、Harkはインターフェースとネイティブハードウェアに特化すると強調しました。

一方、AIアシスタントにユーザーの生活情報をどこまで提供するかというプライバシーの課題は未解決です。MetaのスマートグラスやAndroid搭載メガネも同様の問題を克服できていません。Chowdhury氏はこの問いに対し具体的な回答を避けており、製品の全容が見えるのはまだ先になりそうです。

007新作がGeForce NOWに登場、年間会員に無料提供

007バンドル概要

年間Ultimate会員に007 First Light無料付与
6月10日までの期間限定キャンペーン
5月27日発売と同時にクラウドでプレイ可能
Steam連携で永続的にゲーム所有

クラウドゲーミングの拡充

Forza Horizon 6含む新作8タイトル追加
RTX 50世代GPUで最大5K HDR配信
DLSS技術による高画質・高性能の両立
ダウンロード不要で即時プレイ

NVIDIAは2026年5月21日、クラウドゲーミングサービスGeForce NOWにおいて、新作ゲーム「007 First Light」を年間Ultimate会員向けに無料提供するバンドルキャンペーンを開始しました。6月10日までに12カ月のUltimate会員を購入すると、5月27日の発売日からダウンロード不要で即座にプレイできます。本作はジェームズ・ボンドの起源を描くオリジナルストーリーで、ステルスやアクションを織り交ぜた映画的体験が特徴です。

クラウド上のRTX 50シリーズGPUを活用し、Ultimate会員は最大5K HDRでの高品質ストリーミングを利用できます。ハイエンドPCを所有していなくても、最新AAAタイトルを高画質で楽しめる点がGeForce NOWの訴求ポイントです。Steamアカウントとの連携でゲームは永続的に所有でき、あらゆるデバイスからアクセス可能です。

同時に、オープンワールドレーシング「Forza Horizon 6」を含む8つの新作タイトルがGeForce NOWのライブラリに追加されました。Forza Horizon 6はGame Pass対応で、NVIDIA DLSSによるパフォーマンス最適化により、反射表現やスピード感のある映像が滑らかに描画されます。

NVIDIAはクラウドゲーミングの価値訴求として、大型タイトルのバンドル提供を積極化しています。ハードウェア購入なしで最新ゲームを即座に体験できるサービスモデルは、ゲーム流通の形を変える可能性があります。今回のキャンペーンは、Ultimate会員の獲得と定着を狙った戦略的な施策といえます。

AIコーディングでロボット操作、誰でもロボティクスの時代へ

コードでロボット制御

OpenClawとCodexでロボットアーム操作
赤いボール把持プログラムを自動生成
AIモデル訓練もエージェントが支援
従来数時間の設定作業を大幅短縮

CaP研究の進展

UC Berkeley等がCaP-Xベンチマーク開発
ロボット制御ではGeminiが最高性能
Nvidiaと共同で実用化を推進
Spencer Huangが社内ハッカソン主導

WIREDの記者Will Knight氏が、AIエージェントOpenClawとOpenAIのCodexを使い、オープンソースのロボットアーム「LeRobot 101」をバイブコーディングで制御する実験を行いました。従来は専門知識が必要だったロボットの設定・制御が、AIコーディングによって飛躍的に簡単になりつつあります。

LeRobot 101はHuggingFaceが提供するオープンソースのロボットアームで、コントローラーアームとカメラ付きフォロワーアームの2本で構成されます。Knight氏は手動での接続・キャリブレーションに数時間を費やし、モーターの過熱トラブルにも見舞われました。しかしOpenClawとCodexを用いると、接続設定やジョイントの校正を自動で処理し、赤いボールを検出して掴むPythonスクリプトまで生成できました。

さらにOpenClawの支援のもと、ロボットアームを制御するAIモデルの訓練にも成功しています。エージェントがトレーニングプロセスを案内し、各訓練後のエラー率を確認するなど、専門家なしでもモデル開発が可能であることを示しました。ハルシネーションによるバグは残る課題ですが、成果は十分に実用的なレベルです。

この手法は2022年の論文で提唱された「Code as Policy」に基づいています。UC BerkeleyのKen Goldberg教授らはNvidia、カーネギーメロン大学、スタンフォード大学と共同で、コーディングモデルのロボット制御能力を測るCaP-Xベンチマークを開発しました。興味深いことに、ロボット制御で最も高い性能を示したのはClaudeやChatGPTではなくGoogleのGeminiでした。マルチモーダル学習と物理世界の理解に注力してきた成果とみられます。

NvidiaのJensen Huang CEOの息子であるSpencer Huang氏は、社内ハッカソンでバイブコーディングによるロボット制御の実験を推進しています。Goldberg教授との共同研究では、Code as Policyをより多くのロボットソフトウェアツールと互換性を持たせることを目指しています。「ほぼ誰でもロボティクスに参入できるようになること、それが真のブレークスルーだ」とHuang氏は語っており、音声やテキストでロボットを操作できる未来が近づいています。

Cohere、218B言語モデルをOSSで初公開

高効率なMoE構造

218B中25Bのみ稼働
4bit量子化でほぼ性能劣化なし
H100わずか2基で推論可能

企業向け実用機能

出典を明示する引用生成
48言語対応の新トークナイザ
128Kコンテキストで文書処理

完全オープンソース化

Apache 2.0で商用利用自由
自社環境での独立運用が可能

カナダのAI企業Cohereは2026年5月20日、218億パラメータの大規模言語モデルCommand A+を発表しました。同社として初めてApache 2.0ライセンスで公開され、企業や開発者が商用目的で自由に利用・改変・再配布できます。「Attention Is All You Need」の共著者でもあるCEOのAidan Gomez氏が主導した今回のリリースは、企業が自社環境でAIを完全に制御する「ソブリンAI」構想の具体化です。

Command A+の最大の特徴は、Sparse Mixture-of-Experts(MoE)アーキテクチャにあります。218Bの総パラメータのうち、推論時に稼働するのはわずか25Bです。これにより、OpenAIやAnthropicの数兆パラメータ規模のモデルと比較して、大幅に少ない計算資源で動作します。

さらに注目すべきはロスレス量子化技術です。MoEエキスパート部分のみを4bitに圧縮し、注意機構は高精度のまま維持する手法により、ほぼ性能を損なわずに圧縮を実現しました。その結果、NVIDIA B200 1基またはH100 2基で動作可能となり、出力速度は前世代比で最大63%向上、レイテンシは17%低減しています。

ベンチマーク性能も大幅に改善されています。複雑な推論テストτ²-Bench Telecomで37%から85%へ、数学のAIME 25で57%から90%へと飛躍しました。エージェント型コーディングではDeepSeekやGLMに後れを取るものの、25Bの稼働パラメータでこの成績は際立っています。

企業利用で重要なネイティブ引用生成機能も搭載されています。外部ツールから取得した情報について、出典元を明示的にリンクする仕組みです。金融・医療・法務など規制の厳しい業界では、ハルシネーションのリスク低減に直結します。マルチモーダル対応や128Kトークンのコンテキスト長、48言語対応の新トークナイザにより、グローバル企業の多様なニーズに応えます。

Apache 2.0での公開は、これまでCC-BY-NC 4.0で非商用に限定していたCohereの方針転換を意味します。企業は自社サーバーやエアギャップ環境でモデルを自由にファインチューニング・デプロイでき、ベンダー依存から完全に解放されます。Hugging FaceやvLLMとの即日連携も実現しており、オープンソースAIエコシステムの成熟を示すリリースといえます。

Cerebras、1兆パラメータを毎秒981トークン推論

ウェーハスケールの速度優位

Kimi K2.6を毎秒981トークンで処理
GPU比6.7倍、中央値比23倍の速度
エージェント向けコーディング要求を5.6秒で完了
Artificial Analysisが独立検証で速度確認

企業向け推論市場の競争激化

Fortune 500企業が本番ワークロードを試験中
IPO直後で時価総額950億ドルに到達
NVIDIAのGroq買収200億ドルが競争圧力に
OpenAI向け推論インフラも提供中

Cerebras Systemsは、2026年最大のテックIPOを完了した直後に、1兆パラメータの推論性能を公表しました。北京のMoonshot AIが開発したオープンウェイトモデルKimi K2.6を、独自のウェーハスケールチップ上で毎秒981トークンで処理し、GPU系クラウドの最速を6.7倍上回る記録をベンチマーク企業Artificial Analysisが独立検証しています。

Kimi K2.6は1兆パラメータのMixture-of-Expertsモデルで、トークンあたり320億パラメータを活性化します。SWE-Bench Proで58.6を記録し、Claude Opus 4.6やGPT-5.4と同等以上の性能を示しており、AnthropicやOpenAIの高額な閉鎖型APIの代替として企業の関心を集めています。コーディングやエージェント処理など高付加価値タスクでの利用が想定されています。

Cerebrasの速度優位を支えるのはWafer-Scale Engine 3です。ディナープレート大の単一チップに44GBのオンチップSRAMを搭載し、NVLink対比200倍以上の帯域幅を実現します。MoEモデルの全エキスパートを同一ウェーハ上に配置することで、GPU間のデータ転送ボトルネックを解消しました。

同社はFortune 500のソフトウェア・金融・ヘルスケア企業にクラウド試験を提供中で、消費者向けAPIよりも企業顧客を優先する戦略を採っています。料金はGPUベースのプロバイダと同等水準としつつ、速度に対する付加価値で差別化を図ります。

競争環境も急変しています。NVIDIAが高速推論のGroqを200億ドルで買収し、推論市場が訓練市場を商業的重要性で追い越しつつあることを示唆しました。Cerebrasは新ハードウェアの発表を予告しており、OpenAIとの200億ドル超の推論インフラ契約も含め、エージェント時代の推論基盤としての地位確立を目指しています。

IrisGoがPC操作自動化で280万ドル調達

プロアクティブAIの挑戦

Andrew NgのAI Fund主導で資金調達
ユーザー操作を学習し自動再現
コーディング支援機能も搭載

普及戦略と今後の展開

Nvidia・Googleも出資
Acerとプリインストール契約締結
macOS・Windows向けベータ版公開
他メーカーへの搭載拡大を計画

IrisGoは、Andrew NgのAI Fundが主導した280万ドルのシードラウンドを完了したスタートアップです。同社はPCのデスクトップ上でユーザーの日常的なワークフローを学習し、人間の指示なしに自動化する「プロアクティブAI」コンパニオンを開発しています。共同創業者のJeffrey Lai氏は元Apple技術者で、中国語版Siriの開発に携わった経歴を持ちます。

IrisGoの基本的な仕組みは、操作を一度見せるだけでそのプロセスを記憶し、以降は自動で再現するというものです。デモではオンラインでのコーヒー注文手順を一度記録し、その後エージェントが自律的に同じ注文を完了する様子が披露されました。メール作成や請求書処理、レポート作成など、すぐに使えるスキルライブラリも内蔵されています。

プライバシー面では、多くのデータをオンデバイスで処理する設計を採用しています。クラウド処理はユーザーが明示的に許可した場合のみ実行され、エンドツーエンド暗号化が適用されます。ただし大規模なタスクについてはクラウドとのハイブリッド構成となっています。

事業拡大の面では、NvidiaやGoogleからも出資を受けており、著名な支援者との連携で信頼性を確保しています。最近macOSとWindows向けのベータ版をリリースしたほか、Acerと新デバイスへのプリインストール契約を締結しました。今後は他のデバイスメーカーとも同様の提携を目指す方針です。

OpenAIがGoogleのSynthID採用、AI画像の出所証明で業界連携

多層的な来歴証明の仕組み

C2PA準拠でメタデータ署名を標準化
SynthID透かしで改変耐性を確保
両技術の併用で弱点を相互補完

検証ツールの拡充

OpenAIが公開検証ツールをプレビュー提供
GoogleはSearch・Chrome・Lensに検証機能拡大
Geminiアプリでの検証は全世界5000万回利用

業界全体への波及

NVIDIA・Kakao・ElevenLabsもSynthID導入へ
Google Cloud企業向けAPI提供を準備

OpenAIは2026年5月、AI生成コンテンツの出所を証明する取り組みを大幅に強化すると発表しました。Googleが開発した電子透かし技術SynthIDを自社の画像生成に導入するとともに、業界標準規格C2PAへの正式準拠を完了しています。これにより、OpenAI製品で生成された画像にはメタデータ署名と不可視の透かしという二重の来歴情報が付与されます。

C2PAはコンテンツの作成・編集履歴を暗号署名で記録するオープン規格で、メタデータとしてファイルに埋め込まれます。一方、SynthIDはGoogleのDeepMindが開発した不可視の透かし技術で、スクリーンショットやリサイズなどの加工を経ても残存するよう設計されています。OpenAIは両技術を「相互補完的」と位置づけ、メタデータの詳細な情報量と透かしの改変耐性を組み合わせることで、単独では実現できない堅牢な来歴証明を目指します。

検証手段の整備も進んでいます。OpenAIは画像がAI生成かどうかを確認できる公開検証ツールのプレビュー版を公開しました。GoogleもGeminiアプリでのSynthID検証機能がすでに全世界で5000万回以上利用されたと明かし、今後Google検索やChrome、Circle to Search、Lensにも同機能を順次展開します。

SynthIDの採用はOpenAIにとどまりません。NVIDIAがCosmosモデルに、KakaoやElevenLabsも自社サービスに導入を予定しています。GoogleはさらにGemini Enterprise Agent Platformの一部としてAIコンテンツ検出APIを企業向けに提供する準備を進めており、信頼できるパートナー企業が大規模にAI生成コンテンツを判別できる基盤を構築します。

ただし、オープンソースモデルなど透かしを付与しないツールは依然として多数存在するため、すべてのAI画像を識別できるわけではありません。それでも主要企業が共通の来歴証明基盤に合流する動きは、AIによる偽情報リスクへの業界横断的な対策として大きな前進です。企業の意思決定者やエンジニアにとっては、自社プロダクトでの来歴証明対応を検討する契機となるでしょう。

NVIDIAとGoogle Cloud、開発者コミュニティ10万人突破で新学習コース拡充

開発者支援の拡充

JAX学習パスを新設
NVIDIA Dynamo推論最適化ラボ追加
月例開発者ライブ配信を開始
コミュニティ参加者10万人突破

責任あるAIへの取り組み

SynthID電子透かし技術で協業
NVIDIA Cosmosモデルへの透かし統合
AI生成コンテンツの信頼性確保

フルスタック基盤の強化

Gemma 4とNemotronの組み合わせ活用
プロトタイプから本番環境へ拡張可能

NVIDIAとGoogle Cloudは2026年5月19日、Google I/Oカンファレンスにおいて、両社の共同開発者コミュニティが10万人を突破したことを発表しました。昨年のGoogle I/Oで立ち上げたこのコミュニティに、JAXライブラリの新学習パスやNVIDIA Dynamoの推論最適化コードラボなど新たなリソースを追加し、AI開発者の育成を加速します。

コミュニティでは、開発者がNVIDIAのGPUアクセラレーション技術とGoogle Cloudのプラットフォームを組み合わせ、本番環境で使えるAIアプリケーションを構築しています。具体的には、Google Kubernetes Engine上でのRAGアプリケーション開発や、エージェント型ワークロードの可観測性実装などが進んでいます。スポーツ分析やエンタープライズデータパイプラインといった実用的なユースケースでの検証も行われています。

責任あるAIの分野では、NVIDIAがGoogle DeepMindのSynthID技術で業界初のパートナーとなりました。SynthIDはAI生成コンテンツに電子透かしを埋め込む技術で、NVIDIA Cosmosワールドファウンデーションモデルの出力に適用されます。ロボットや自律機械向けの3D知覚・シミュレーション機能を持つCosmosモデルに透明性をもたらし、開発者がエージェント型アプリケーションをより責任ある形で展開できるようにします。

インフラ面では、Google Cloud NextでNVIDIA Vera Rubin搭載のA5XインスタンスやGoogle DeepMindのGeminiモデルを含むフルスタックプラットフォームを拡張しました。OpenAIやSalesforceなど大手企業も活用しており、プロトタイプからエンタープライズ規模のワークロードまでシームレスに拡張できる環境が整っています。開発者はGemma 4、NVIDIA Nemotron、Google Agent Development Kitなどのオープンモデルとツールを組み合わせ、Blackwell GPU搭載のG4 VM上でマルチエージェントアプリケーションを構築できます。

NVIDIA初の自社設計CPU「Vera」出荷開始

エージェントAI向け設計

88コアの独自Olympusコア搭載
メモリ帯域幅1.2TB/s実現
コア当たり性能50%向上
同時並行処理に最適化

大手AI企業へ納入

Anthropic・OpenAI・SpaceXAIへ初出荷
OCI が数十万台規模の導入を計画
Rubin GPUとの統合構成も提供

NVIDIAは同社初の自社設計CPU「Vera」の出荷を開始しました。5月16日、最初のVera CPUがAnthropic、OpenAI、SpaceXAIの3社に届けられ、翌月曜にはOracle Cloud Infrastructure(OCI)にも納入されました。NVIDIAのハイパースケール担当副社長Ian Buck氏が自ら各社を訪問し、手渡しで引き渡しを行っています。

VeraはエージェントAIのワークロードに特化して設計された新しいクラスのCPUです。AIエージェントはGPUだけでは動作せず、サンドボックスの実行やツール呼び出し、オーケストレーション、長文コンテキストの検索など、CPU側の処理が不可欠です。Veraは88基のNVIDIA独自設計Olympusコア、1.2TB/sのメモリ帯域幅、従来比50%高速なコア当たり性能を備え、こうした並行処理の負荷に対応します。

Anthropicの計算基盤責任者James Bradbury氏は「エージェントワークロードの解決においてVeraはエコシステムの有望な一部」と評価しました。OCIは2026年中に数十万台規模のVera CPU導入を計画しており、クラウドプロバイダーとしてハイパースケール展開を行う最初の企業となります。SpaceXAIは強化学習やエージェントベースのシミュレーションパイプラインでの活用を検討しています。

VeraはNVIDIAの次世代Rubin GPUやBlueField 4 DPUと連携する統合アーキテクチャの一部でもあります。Vera Rubin NVL72構成ではNVLink-C2Cを介してRubin GPUと統合メモリアーキテクチャを共有し、従来インフラの2倍のエネルギー効率でGPUへのデータ供給を実現します。Jensen Huang CEOが3月のGTCで発表した同製品は、NVIDIAの次なる数十億ドル規模のビジネスと位置付けられています。

メルボルンがAI研究拠点として急成長

計算基盤の整備

豪最大の大学AIスパコンMAVERIC稼働
CDC・NEXTDCが大規模DC投資
800MW超の主権デジタル容量を計画
液冷技術で持続可能性にも配慮

研究と国際連携

188社のAI企業が集積
ICONIP・IEEE VRなど国際会議を誘致
大学群が医療・材料科学で応用研究
インフラと学術の好循環を形成

オーストラリア・メルボルンが、大規模計算基盤と研究機関の集積を背景にAI研究ハブとしての存在感を高めています。モナシュ大学はNVIDIA・Dell・CDC Data Centresと提携し、同国の大学としては最大規模のAIスーパーコンピュータ「MAVERIC」を構築・稼働させました。がん検出や新薬開発、材料科学など幅広い研究を国内の主権管理下で実行できる設計です。

データセンター投資も加速しています。CDC Data Centresは2026年2月にメルボルン・ブルックリンにキャンパスを開設し、ラバートンの拠点と合わせて800MW超の主権デジタル容量を計画しています。NEXTDCもフィッシャーマンズベンドに20億豪ドル規模のAIインフラ拠点を開発中で、医療・防衛・金融分野への展開を見据えています。

メルボルンにはビクトリア州全体で40以上のデータセンターと188社のAI企業が集積しており、州政府も持続可能データセンター行動計画に550万豪ドルの初期投資を行っています。モナシュ大学やメルボルン大学をはじめとする大学群が、機械学習・ロボティクス・HCIなどの分野で応用研究を推進しています。

国際会議の誘致も研究エコシステムの強化に寄与しています。2026年9月にはData Center WorldとAI Summitがメルボルンで共同開催予定で、同年にはICONIP 2026、2027年にはIEEE VRの開催も決定しています。計算インフラ・研究力・国際会議という三要素が相互に強化し合う「フライホイール」構造が、メルボルンをアジア太平洋地域の主要AI研究拠点へと押し上げています。

Cosmos動画生成モデルのLoRA微調整手法を公開

効率的な微調整手法

LoRA・DoRAでアダプタ注入
2Bパラメータモデルを単一GPUで学習可能
rank32で約5000万の学習パラメータ
アダプタ切替で複数ドメイン対応

ロボット動画生成への応用

92本のロボット操作動画で学習
人間の手の幻覚を微調整で解消
指示追従と物理的妥当性が大幅に向上
8基のH100で約2.5時間で学習完了

NVIDIAとHugging Faceは、大規模動画生成モデルCosmos Predict 2.5をLoRAおよびDoRAで効率的に微調整する手法を公開しました。20億パラメータのモデル全体を再学習する代わりに、注意機構やフィードフォワード層に小規模なアダプタモジュールを注入することで、単一のGPUでも微調整が可能になります。ロボット操作の合成動画生成を主な応用先として、92本の実ロボット動画を使った学習手順が示されています。

微調整にはrectified flowの定式化が用いられ、ノイズサンプルからクリーンデータへ線形に輸送する速度をモデルが学習します。VAE、テキストエンコーダ、DiTの基盤重みはすべて凍結され、LoRAアダプタのパラメータのみが更新されます。数値安定性のため、アダプタの重みはfloat32にキャストされ、bf16混合精度で学習が進みます。

評価では、Sampson誤差による幾何的整合性と、Cosmos Reason2をLLM審査員とした物理的妥当性・指示追従性の3指標が用いられました。微調整前のベースモデルでは、ロボットの手が人間の手に置き換わる幻覚や、指定された手の左右が無視される問題が発生していましたが、LoRA・DoRAによる微調整でこれらが解消されました。

rank 8とrank 32の比較では、高ランクが指示追従性を向上させる一方、幾何的整合性や物理的妥当性はランク8でも十分という結果が得られました。これは物理的な事前知識が凍結された基盤モデルに既に含まれており、アダプタはドメイン固有の外観やタスク構造の学習のみを担うためと分析されています。DoRAは低ランクでの学習安定化に有用ですが、rank 32ではLoRAと同等の性能に収束しました。