NVIDIA(企業)に関するニュース一覧

ScaleOps、クラウド計算資源の自動最適化で1.3億ドル調達

資金調達の概要

シリーズCで1.3億ドル調達
企業評価額は8億ドル
Insight Partnersが主導
累計調達額は約2.1億ドル

事業と成長

クラウドコスト最大80%削減
前年比450%超の成長
Adobe・Salesforce等が導入
年内に人員を3倍以上へ

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

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

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

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

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

コード検証AI のQodoが7000万ドル調達

資金調達と事業概要

シリーズBで7000万ドル調達
累計調達額は1億2000万ドルに
Qumra Capital主導の資金調達
OpenAI・Meta幹部も個人出資

技術と市場での優位性

スコア64.3%で2位に10pt差
Nvidia・Walmart等が既に導入
組織固有の品質基準を学習

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

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

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

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

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

モジュール型AIデータセンター、駐車場に2000基超のGPU配備可能に

即応型の設計思想

プレハブ式で6カ月展開
従来型は建設に2〜3年必要
トラック輸送で現地設置
液冷対応で高負荷AI処理

主要プレイヤーの動向

Duos Edge AIが576GPU搭載ポッド展開
韓国LG CNSが釜山で最大50基計画
HPE・Vertiv・Schneiderも参入
2030年までに市場規模倍増の予測

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

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

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

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

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

Mistral AIがパリ近郊DC建設に8.3億ドルの負債調達

資金調達と建設計画

8.3億ドルの負債による資金調達
パリ近郊ブリュイエール=ル=シャテルに建設
2026年第2四半期に稼働予定
Nvidia製チップで運用

欧州インフラ戦略

スウェーデンに14億ドル投資も発表
2027年までに欧州で200MWの計算能力配備
累計調達額は31億ドル超
政府・企業の自前AI環境需要に対応

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

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

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

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

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

韓国AI半導体Rebellions、IPO前に4億ドル調達し評価額23億ドルに

資金調達と評価額

4億ドルのプレIPOラウンド完了
累計調達額8.5億ドルに到達
半年間で6.5億ドルを集中調達
企業評価額は約23.4億ドル

事業展開と新製品

米国・日本・サウジ・台湾に法人設立
推論特化チップで差別化
RebelRackとRebelPOD発表
Nvidia対抗の新世代半導体勢力

市場背景

LLM商用化で推論需要が急拡大
AWS・Meta・Googleも自社チップ開発加速

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

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

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

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

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

AIモデル、ビデオゲーム攻略で依然として人間に大きく劣る

ゲームが苦手な理由

空間推論の訓練データ不足
ゲームごとの再学習が必要
汎用ゲームAIは未実現
既知タイトル以外はデータ不足

コーディングとの矛盾

コードは即時フィードバックで学習容易
ゲーム生成は可能だが試遊不能
反復的調整ができず品質向上に限界
現実世界シミュレーションにも課題

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

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

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

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

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

SKハイニックスが米上場で最大2兆円調達へ

米上場の狙い

100〜140億ドルの資金調達
韓国市場でのバリュエーション割安解消
TSMC先例に倣うADR上場戦略
サムスンにも米上場圧力波及

AI時代の巨額投資

2050年まで約400億ドルの龍仁クラスター
ASMLから79億ドルのEUV装置購入
HBMメモリ増産で供給不足に対応

メモリ危機の行方

AI需要急増でRAMmageddon深刻化
GoogleはTurboQuant圧縮技術で対抗

SKハイニックスは2026年下半期を目標に、米国でのADR上場に向けたF-1書類をSECに秘密裏に提出しました。調達額は100億〜140億ドル(約1.5〜2.1兆円)と推定され、実現すれば今年最大級のIPOとなります。

同社は高帯域メモリ(HBM)でNvidiaのAIチップを支える中核サプライヤーですが、韓国市場での上場ゆえに米国の半導体企業と比べバリュエーションが割安に留まってきました。時価総額は約4400億ドルに達するものの、PER等の指標ではマイクロンなど米国同業を下回っており、米上場によるギャップ解消が最大の狙いです。

この動きは韓国半導体業界全体に波紋を広げています。SKハイニックスのF-1提出を受け、大株主のアーティザン・パートナーズがサムスン電子にも米国ADR上場を求める声明を発表しました。TSMCが米国上場株でプレミアム評価を得た先例が、韓国勢の背中を押しています。

資金調達の背景には、AI時代に必要な巨額設備投資があります。同社は龍仁に2050年までに約400億ドルを投じる半導体クラスター建設を計画し、インディアナ州にも約33億ドルの新工場を建設中です。さらにASMLからEUVリソグラフィ装置を79億ドルで購入し、HBM増産体制を整えます。

AI半導体の需要急増でメモリ供給が逼迫する「RAMmageddon」と呼ばれる危機は2027年まで続くとNature誌が報じています。一方でGoogleがTurboQuantというメモリ圧縮技術を発表するなど、ソフトウェア面での対策も進んでいます。SKハイニックスの米上場と増産計画は、この供給危機の緩和に向けた重要な一手となりそうです。

NVIDIA GTCで物理AI新時代、工場丸ごとシミュレーション基盤を発表

物理AIの新基盤

Cosmos 3等の最新モデル群発表
データファクトリー設計図を公開
Azure・Nebiusがクラウド提供開始

デジタルツイン実用化

Omniverse DSXでAI工場を事前検証
CADからOpenUSDへの変換自動化
KIONが倉庫twin構築に採用

産業ロボット連携拡大

ABB・FANUC等200万台基盤と統合
Isaacシミュレーションで政策検証

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

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

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

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

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

サックス氏がAI政策責任者を退任、諮問委員会の共同議長に

退任の背景

130日間の任期を満了
イラン戦争批判でトランプ氏と距離
州法一律禁止案が共和党内で反発招く

PCAST新体制

PCAST共同議長に就任
ザッカーバーグやファン氏ら参加
AI・半導体・量子・原子力を議論
政策決定権なく助言機関に留まる

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

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

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

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

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

トランプ大統領、技術諮問会議にザッカーバーグら指名

初期メンバー4名

MetaザッカーバーグCEO
NvidiaファンCEOが参加
OracleエリソンCTO兼会長
Google共同創業者ブリンも

諮問会議の役割

AI政策を大統領に助言
経済・教育・安全保障も対象
初期13名で最大24名体制
サックス氏らが共同議長

トランプ大統領は、大統領科学技術諮問会議(PCAST)の最初の4名として、MetaのザッカーバーグCEO、NvidiaのファンCEO、OracleのエリソンCTO兼会長、Google共同創業者のブリン氏を指名しました。Wall Street Journalが報じています。

同会議はAI政策をはじめ、経済、教育、国家安全保障に関して大統領に助言する役割を担います。初期メンバーは13名で構成され、最大24名まで拡大する可能性があります。AI・暗号資産担当のデビッド・サックス氏とホワイトハウス技術顧問のクラツィオス氏が共同議長を務めます。

トランプ大統領は第1期にも同様の諮問会議を設置しましたが、今回ほど多くのテック企業経営者は含まれていませんでした。特にザッカーバーグ氏とファン氏はAI産業との深い結びつきを持ち、大統領が各州によるAI規制を阻止する動きと密接に関連しています。

メンバーにはトランプ政権との関係が深い人物が並びます。Metaは過去にトランプ氏の就任式に寄付を行い、エリソン氏のOracleはTikTok売却交渉の中核を担いました。ザッカーバーグ氏とブリン氏は2025年の大統領就任式にも出席しています。

AI業界の主要企業トップが政府の政策立案に直接関与する今回の人事は、米国のAI戦略に大きな影響を与える可能性があります。テック業界と政権の接近が一段と鮮明になった形です。

NVIDIA連携のAI工場が電力網の安定化に成功

柔軟な電力制御の実証

96基のBlackwell Ultra GPUで検証
ピーク時に30%電力削減を40秒以内で実現
200超の電力目標に100%準拠
高優先度ワークロードの性能維持を確認

電力網への貢献

接続待ち時間の大幅短縮が可能に
インフラ過剰投資の抑制に寄与
一般消費者の電気料金抑制に貢献
バージニアで実運用開始予定

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

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

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

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

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

NVIDIA、オープンAI基盤モデル連合を設立

連合の概要と初動

Nemotron Coalition発足
データ・評価・専門知識を共有
Hugging Face最大組織に成長

業界リーダーの展望

AIエージェントが高度な同僚に
マルチモデルオーケストレーション時代
オープンと独自の共存が不可欠
専門特化モデルで差別化実現

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

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

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

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

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

Armが自社初のデータセンター向けCPUを発表、Metaが初期顧客に

自社チップ参入の衝撃

Arm AGI CPUを正式発表
初の自社シリコン製品で歴史的転換
Metaが最初の顧客に決定
SK Hynix・Cisco・SAP等も採用予定

技術と市場戦略

世界最高の電力効率を実現
エージェントAI処理に最適化
TSMCで製造、サーバー参照設計も提供
Intel・AMDのx86市場を直接侵食

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

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

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

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

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

完全ローカル動作のAI議事録アプリTalatが登場

Talatの特徴

音声・議事録が端末外に出ない設計
買い切り49ドルでサブスク不要
アカウント作成や分析データ送信も不要
20MBの軽量Macアプリ

技術と拡張性

Apple Neural Engineで音声認識実行
FluidAudio基盤の低遅延処理
LLM選択やObsidian連携に対応
MCPサーバーやWebhookも搭載

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

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

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

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

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

NVIDIA、GPU動的割当ドライバをKubernetesコミュニティに寄贈

DRAドライバ寄贈の概要

CNCFへの寄贈でコミュニティ主導に移行
KubeCon Europeで正式発表
GPU資源の動的再構成が可能に
MIG・MPS技術による効率的共有を実現

業界連携と今後の展開

AWS・Google・Red Hat等主要企業が協力
KAIスケジューラがCNCFサンドボックス入り
Kata ContainersでGPU機密計算に対応
Grove発表で推論ワークロード管理を強化

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

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

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

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

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

MicrosoftとNVIDIA、原子力向けAI基盤で協業を発表

協業の全体像

許認可から運用まで一貫支援
デジタルツインで設計検証を高速化
規制文書のAI自動生成と整合性確認
4D・5Dシミュレーションで工期管理

導入企業の成果

Aalo Atomics、許認可を92%短縮
年間推定8000万ドル削減を実現
Southern Nuclear、Copilotを全社展開
INL、安全解析報告の標準手法を策定

エコシステム拡大

Everstar、原子力特化AIをAzureで提供
Atomic Canyon、MS Marketplaceに参入

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

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

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

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

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

元Appleデザイナー、AI新興企業Harkで次世代インターフェース開発

Harkの構想と戦略

モデル・HW・UIを一体開発
常時記憶型の個人知能製品
創業者が1億ドル自己出資
今夏にAIモデル初公開予定

デザイン思想と差別化

ウェアラブルAIには懐疑的
知能を基盤層に組み込む設計
万人向けから個人最適のUXへ
日常の煩雑作業を自動化

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

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

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

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

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

ウクライナ発のAI自律型ドローンが戦争の形を根本から変える

自律化の急進展

妨害不能な自律航法の実用化
50ドルの自律モジュールで命中率4倍
元Google CEO Schmidt氏も開発に参入
群制御で操縦者1人対多数機へ

ロシア側も急速進化

Shahed月間発射数が10倍超に増加
残骸からNvidia製チップを発見
機体間通信で自律的に妨害域を回避

防衛と今後の課題

自律迎撃システムで1000機超撃墜
歩兵や民間人の識別精度は依然不十分
欧米の技術格差が拡大傾向

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

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

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

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

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

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

Armが35年の歴史で初の自社製CPU発表、Metaが最初の顧客に

AGI CPUの概要

Neoverseベースの推論特化CPU
最大136コア搭載構成
TSMCの3nmプロセスで製造
x86比2倍の電力効率を主張

顧客と市場展望

Metaが共同開発・初号顧客
OpenAI・Cerebras等も採用予定
2026年後半に量産出荷開始
DC向けCPU市場は2030年に1000億ドル規模へ

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

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

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

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

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

AI専用ワークステーション競争が本格化、液冷技術が鍵に

デスクトップAI競争の構図

Tenstorrentが約1万ドルのQuietBox 2発表
独自Blackholeチップ4基で384GB搭載
Nvidia DGX Stationは748GBで約8.5万ドル
消費電力と価格で明確な差別化戦略

液冷がAIインフラの必須要件に

空冷と液冷のハイブリッドは構造的負債
ストレージも液冷ネイティブ設計が必要
SolidigmがNvidiaと液冷SSD共同開発
業界標準化がOCPとSNIA主導で進行

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

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

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

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

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

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

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

Agile RobotsがGoogle DeepMindと戦略提携を発表

提携の概要

Gemini Roboticsモデルをロボットに統合
製造・自動車・物流など産業用途で展開
ロボット収集データでGemini改善に活用
世界で2万台超のロボット導入実績

業界の提携加速

Boston DynamicsもDeepMindと提携済み
Neura RoboticsはQualcommと協業開始
物理AIが次の市場フロンティアに
ハード・ソフト企業間の補完連携が拡大

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

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

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

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

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

NVIDIA RTX PRO 6000がデータサイエンス業務を最大50倍高速化

主要な性能優位

CPU比最大50倍の処理速度
結合処理が5分から14秒に短縮
グループ集計が4分から4秒に
最大4基のGPU搭載に対応

企業導入の利点

ゼロコード変更でPython高速化
100超のAIアプリに最適化対応
オンプレミスでデータ保護強化
クラウド依存低減でコスト削減

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

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

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

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

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

NVIDIA、自律AIエージェント向けセキュリティ基盤OpenShellを公開

OpenShellの設計思想

サンドボックス内でエージェント実行
セキュリティポリシーをシステム層で強制
エージェントによるポリシー改変を原理的に排除

エコシステムと連携

CiscoやCrowdStrikeら5社と協業
NemoClawで個人用AIも安全に構築
GeForce RTXからDGXまで幅広く対応

企業導入の利点

コーディングから研究まで統一ポリシー適用
コンプライアンス監視を一元化

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

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

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

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

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

NvidiaファンCEOが「AGI達成」発言、DLSS 5批判にも反論

AGI達成の主張と撤回

AGIは既に実現とフアン氏
Lex Fridmanのポッドキャストで発言
OpenClawの成功を根拠に言及
直後に「Nvidia構築は不可能」と後退

DLSS 5への批判と反論

ゲーマーからAIスロップ批判
3D条件付き生成で従来AIと差別化
アーティスト主導のツールと強調
画一的写実化の懸念を否定

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

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

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

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

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

Gimlet Labs、マルチシリコン推論基盤で8000万ドル調達

資金調達と事業概要

Series Aで8000万ドル調達
Menlo Venturesが主導
累計調達額9200万ドル
従業員数30名体制

技術と市場展開

異種チップ横断の推論分散
推論速度を3〜10倍高速化
NVIDIA・AMD等6社と提携
8桁ドルの売上で公開開始

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

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

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

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

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

NvidiaがGTCでディズニーのオラフ型ロボットを披露

GTC基調講演の全容

売上1兆ドル規模の予測を提示
DLSS 5で生成AI活用
全企業にOpenClaw戦略を提唱
NemoClawをOSSとして公開

オラフロボットの課題

デモ中にマイクを強制オフ
ディズニーパークでの社会的課題未解決
ヒューマノイド全般に共通する問題
ロボット監視の雇用創出可能性

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

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

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

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

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

Amazon独自AIチップTrainium、OpenAIやAnthropicが採用拡大

Trainiumの競争力

Nvidia比で最大50%低コスト
全世代合計140万チップ出荷済
Anthropic Claudeが100万チップ利用
PyTorch対応で移行障壁を低減

技術革新と戦略

3nmプロセスでTSMC製造
液冷技術で省エネ実現
OpenAIに2GWの計算容量提供
Cerebrasとの推論連携も発表

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

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

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

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

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

GDC会場にAI技術が溢れるもゲーム開発者は採用を拒否

開発者の強い拒絶

インディー開発者の大半がAI不使用を表明
GDC調査で52%が業界に悪影響と回答
Finji共同創業者「絶対に使わない」と断言
BigModeは応募時にAI不使用の誓約を要求

法的・品質面の懸念

AI生成物の著作権保護が未確立
AI制作物は「安っぽく見える」との批判
人材育成への悪影響を懸念

職人技への誇り

手作りの工程が優れたゲーム設計を生む
人間の物語を届ける使命感

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

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

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

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

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

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

Nvidia株価、GTC基調講演中に下落 ウォール街はAIバブル懸念

市場の反応と背景

GTC基調講演中に株価下落
AI市場の不確実性を投資家が警戒
シリコンバレーと温度差鮮明
前四半期の売上高は前年比73%増

Huangの強気見通し

Blackwell等で1兆ドルの受注見込み
AIエージェント市場を35兆ドルと予測
Amazonが100万GPU購入計画
物理AI・ロボット市場は50兆ドル規模

専門家の見解

イノベーション速度が新たな不確実性を創出
企業AI導入は変曲点に近づく

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

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

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

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

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

NvidiaファンCEO、AIトークンを報酬の柱に提唱

トークン報酬の広がり

Huang氏が基本給の半額相当を提案
VCのTunguz氏が2月に第4の報酬要素と指摘
NYTがtokenmaxxing現象を報道
MetaやOpenAIで消費量ランキングが競争化

報酬としてのリスク

トークン予算は権利確定も値上がりもしない
企業が現金報酬を抑制する口実になる懸念
人員削減の財務論理を加速する可能性
エンジニアに倍の生産性が暗に求められる

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

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

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

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

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

世界モデル3方式が物理AI基盤として急浮上

3つのアーキテクチャ

JEPAがリアルタイム推論に特化
ガウシアンスプラットで3D空間生成
エンドツーエンド生成で合成データ量産
AMI Labsが10.3億ドルシード調達

LLMの物理的限界

物理的因果関係の理解が欠如
リチャード・サットンが模倣の限界指摘
ハサビスが不均一な知性と批判

産業応用と今後

WaymoがGenie 3で自動運転訓練
AutodeskがWorld Labs支援で設計応用

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

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

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

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

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

NVIDIA、多言語・マルチモーダル対応のAI安全モデルを公開

モデルの特徴

140以上の言語に対応
画像とテキストの複合判定
Gemma-3 4B基盤で軽量高速
文化的文脈を考慮した安全判定

性能と実用性

有害コンテンツ検出精度84%
競合モデルの約半分の遅延
12言語で安定した精度を維持
8GB VRAMのGPUで動作可能

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

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

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

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

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

NVIDIA、次世代AI基盤Vera Rubinと1兆ドル売上見通しを発表

Vera Rubin全貌

7チップ統合の新プラットフォーム
専用CPU「Vera」とBlueField-4搭載
次世代Feynmanアーキテクチャも予告
宇宙データセンター構想を公開

エージェントAI戦略

OpenClaw対応を全社に要求
NemoClawでエージェント安全運用
Nemotron Coalitionで6モデル群展開

産業・医療への展開

BYD・日産ら自動運転新提携
IGX Thorで手術ロボット本格化
AWS・Microsoftと大規模GPU展開

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

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

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

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

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

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

NvidiaのDLSS 5、ゲーマーと開発者から猛反発

生成AIの暴走

顔の自動変更に批判殺到
開発者の意図を無視する仕様
「Snapchatフィルター」と揶揄
アーティファクト問題も発覚

業界の反応

Capcom・Ubisoftも事前把握なし
CEO黄氏「ゲーマーは完全に間違い」
弱いGPUでの動作こそ本来の価値
数年後には標準機能化の見方も

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

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

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

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

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

NVIDIA、1日で専用埋め込みモデルを構築するレシピ公開

手法と成果

GPU1台・1日未満で完結
ラベル不要の合成データ生成
ハードネガティブマイニング採用
Recall・NDCG@10が10%以上改善

企業実績と展開

AtlassianがJiraで検証済み
Recall@60が0.751→0.951に向上
NIMでOpenAI互換API展開
6コマンドで全工程実行可能

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

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

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

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

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

Nvidia開発者会議でAI推論チップ発表、MetaはVRメタバース縮小

Nvidia GTC最新動向

Groqとの推論専用チップ発表
AI半導体収益1兆ドル予測
NemoClawエージェント基盤公開
宇宙データセンター構想も発表

Tesla・Meta の岐路

TeslaFSD移行条件変更で炎上
熱狂的ファン層にも離反の兆し
Meta Horizon WorldsVR版縮小
Reality Labs累計770億ドル損失

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

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

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

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

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

透明マント技術がAIデータセンターを革新へ

光メタマテリアルの実用化

Lumotiveが液晶メタマテリアルチップ発表
可動部なしで光ビームを精密制御
標準半導体プロセスで商用化を実現
1万×1万ポートへの拡張が可能

光コンピューティングへの応用

Neurophosが光変調器を1万分の1に小型化
NVIDIA Blackwell比50倍の演算密度
2028年中頃の量産開始を計画

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

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

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

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

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

NVIDIA、投機的デコード統一ベンチマーク「SPEED-Bench」公開

ベンチマークの構成

11カテゴリ880プロンプトで意味的多様性を最大化
入力長1k〜32kトークンのスループット評価
TensorRT-LLM・vLLM・SGLang対応の統一計測基盤

主要な知見

コーディング・数学は高受理率、ロールプレイは低受理率
語彙プルーニングで多言語・RAGの精度が大幅低下
ランダムトークンはスループットを約23%過大評価
ネイティブMTPがEAGLE3より高い受理長を達成
バッチサイズ増加でメモリ律速に移行しSD効果が変化

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

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

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

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

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

Google、ブラウザAIエージェント開発チームを再編

開発体制の転換

Project Marinerチーム再編
研究者が高優先度プロジェクトへ異動
Gemini Agentに技術統合

業界の潮流変化

OpenClaw旋風で戦略転換
ブラウザ型の利用者数低迷
CLI操作が10〜100倍効率的

今後の展望

GUI操作は80/20の補完的役割
汎用エージェントへの進化が焦点

GoogleがChromeブラウザを操作するAIエージェント「Project Mariner」の開発チームを再編したことがWIREDの取材で明らかになりました。研究プロトタイプに携わっていたGoogle Labsのスタッフの一部が、より優先度の高いプロジェクトへ異動しています。

Googleの広報担当者はこの変更を認めたうえで、Project Marinerで培ったコンピュータ操作技術は同社のエージェント戦略に引き続き組み込まれると説明しています。すでに一部の機能は最近発表されたGemini Agentに統合されています。

背景にはOpenClawなど高性能コーディングエージェントの急速な台頭があります。NVIDIAのジェンスン・ファンCEOはOpenClawを「エージェント型コンピュータの新しいOS」と評し、「すべての企業がOpenClaw戦略を持つ必要がある」と述べました。

ブラウザエージェントの普及は期待を下回っています。Perplexityの「Comet」は週間アクティブユーザー280万人にとどまり、OpenAIのChatGPT Agentも100万人未満に減少しました。スクリーンショットベースの処理は計算コストが高く、テキストベースのCLI操作と比べ10〜100倍のステップが必要とされています。

一方で、コンピュータ操作エージェントが不要になるわけではないとの見方もあります。Simular CEOのアン・リー氏は「ターミナルで多くの問題を解決できるが、GUIでしか対応できない場面は常に存在する」と指摘しています。医療保険サイトやレガシーソフトウェアなど、APIが存在しない領域では引き続き重要な役割を果たすと述べました。

AI各社はコーディングエージェントを汎用アシスタントの基盤として位置づけ始めています。OpenAIはCodexをChatGPT内の汎用エージェントにする構想を示し、AnthropicはターミナルなしでClaude Codeを使える「Claude Cowork」をすでに提供しています。

DataRobotとNebiusがAIエージェント基盤で提携

共同基盤の特徴

AI Factoryで数日で本番化
Nebius GPU基盤で低遅延推論実現
トークン従量課金で実験コスト削減
50以上のNIMモデルをワンクリック展開

ガバナンスと運用

OpenTelemetry準拠の監視体制
OAuth 2.0とRBACによる統合認証
Workload APIで任意コンテナ展開
コンプライアンス自動レポート生成

DataRobotとNebiusは、企業向けAIエージェントの開発・運用・ガバナンスを加速する共同ソリューション「AI Factory for Enterprises」を発表しました。従来数カ月かかっていたエージェントの本番化を数日に短縮することを目指します。

NebiusはAI専用設計のGPUクラウド基盤を提供し、H100からGB300 NVL72まで最新のNVIDIA GPUを搭載しています。汎用クラウドで課題となる「ノイジーネイバー問題」を排除し、ベアメタル性能と予測可能なスループットを実現します。

DataRobotのAgent Workforce Platformは、LangChain・CrewAI・LlamaIndexなど主要フレームワークに対応し、MCPやマネージドRAGも標準搭載しています。独自のノードアーキテクチャツール(NAT)により、YAMLベースでエージェントを構造的に定義・テストできます。

ガバナンス面では、OpenTelemetry準拠のトレーシングによりエージェント実行パスの可視化を実現します。PII検出・プロンプトインジェクション防御・毒性検知などのガードレールを標準装備し、監視データから規制対応文書を自動生成する機能も備えています。

両社は2026年3月16〜19日にサンノゼで開催されるNVIDIA GTC 2026で本ソリューションを展示予定です。NebiusのToken Factoryによる従量課金モデルで実験段階のコストを抑え、本番移行時にはNIM専用デプロイへシームレスに切り替えられる点が、企業の段階的AI導入を後押しします。

Eragon、企業向けAI OSで1200万ドル調達

プロンプト型業務基盤

全業務ソフトをLLMで代替
自然言語で分析・ダッシュボード生成
オープンソースモデルを顧客データで訓練

セキュリティと差別化

顧客データは自社環境内に保持
モデル重みを企業が所有
大企業・スタートアップで導入開始
Nvidia黄氏も同様のビジョン提示

Eragonの創業者ジョシュ・シロタ氏は、2025年8月に同社を設立し、企業向けエージェントAI OSの構築を目指して1200万ドルの資金調達を完了しました。ポストマネー評価額は1億ドルに達しています。

同社の基本理念は「ソフトウェアは死んだ」というものです。ボタンやダイアログボックスといった従来のUIを廃し、Salesforce・Snowflake・Jiraなどの業務ソフトをプロンプトひとつで操作できる世界を目指しています。

技術面ではQwenやKimiなどのオープンソースモデルを顧客データでポストトレーニングし、企業のメールやリソースと連携します。新規顧客のオンボーディングも自然言語の指示だけで自動的に完了する仕組みです。

セキュリティ上の大きな特徴は、企業データが自社サーバー内に留まり、モデルの重みも企業自身が所有する点です。シロタ氏は、長年の企業データで訓練されたモデルが将来貴重な資産になると見込んでいます。

NvidiaのジェンスンCEOもGTCで「すべてのSaaS企業がAgentic-as-a-Serviceになる」と発言し、同様のビジョンを示しました。一方でフロンティアラボからモデルラッパーまで競争は激化しており、Eragonの差別化が問われます。

Nvidia、5mW以下で顔検出する常時稼働ビジョンチップ開発

超低消費電力の実現

消費電力5mW以下で60fps処理
従来比約2000分の1の電力効率
787μsで顔検出完了
精度約99%を維持

技術的アプローチ

2MB SRAMにデータ局所保存
「Race to Sleep」方式で待機電力削減
稼働時間は全体の5%のみ

想定される応用先

自動運転車・ドローンの常時監視
ノートPCの離席検知で省電力化

Nvidiaの研究チームは、消費電力5ミリワット以下で人間の顔を1ミリ秒未満で検出できる常時稼働型ビジョンシステムを開発しました。電気技術者のBen Keller氏が2月18日、サンフランシスコで開催されたIEEE ISSCCで発表しました。

従来のビジョン処理には約10ワットが必要とされていましたが、常時稼働には消費電力が大きすぎるという課題がありました。今回のSoCは60fpsのフレームレートで動作しながら、消費電力を約2000分の1に抑えることに成功しています。

中核技術は「Alpha-Vision」と呼ばれる常時低消費電力アクセラレータです。深層学習アクセラレータ、小型CPU、データ近傍演算サブシステムで構成され、16.7ミリ秒ごとに画像を更新しますが、実際に電力を消費するのは全体のわずか5%の時間です。

電力効率の鍵は「Race to Sleep」と呼ばれるアプローチです。顔認識に必要なデータを2MBのSRAMにローカル保存し、787マイクロ秒で検出処理を完了した後、即座にSRAMを低電力スリープモードに移行させることで、メモリリーク電力を最小限に抑えています。

応用先としては、ノートPCのディスプレイをユーザーの離席時に自動消灯しパスワード不要で復帰する機能や、自動運転車・ドローン・ロボットへの常時ビジョン搭載が想定されています。消費者向けデバイスの省電力化に大きく貢献する可能性があります。

Nvidiaのネットワーク事業が四半期110億ドル規模に急成長

急成長の全体像

四半期売上110億ドル達成
前年同期比267%増の急拡大
通年で310億ドル超の売上
Ciscoの年間売上を1四半期で上回る規模

技術と戦略の要

2020年のMellanox買収が起点
NVLink・InfiniBand等を統合
フルスタック一括提供が差別化要因

次世代への布石

Rubinプラットフォームで新チップ6種発表

Nvidiaのネットワーキング事業が急成長を遂げ、2026年度第4四半期に110億ドルの売上を計上しました。前年同期比267%増という驚異的な伸びで、GPU事業に次ぐ同社第2の収益柱に成長しています。

この事業の起源は、Nvidiaが2020年に70億ドルで買収したイスラエルのネットワーキング企業Mellanoxにあります。CEOのジェンスン・ファン氏は当時から「データセンターが新たなコンピューティングの単位になる」と見据え、GPU事業の欠けたピースとしてネットワーク技術を取り込みました。

同事業はGPU間通信を担うNVLink、インネットワークコンピューティング基盤のInfiniBandスイッチ、AI向けイーサネットSpectrum-Xなど、AIファクトリー構築に必要な技術群を網羅しています。フルスタックで提供できる点が他社にない強みです。

Zacks Investment Researchのアナリストは、Nvidiaのネットワーク事業がCiscoのネットワーク事業の年間売上をわずか1四半期で上回る規模だと指摘しています。にもかかわらず、チップ事業やゲーム事業ほどの注目を集めていない「隠れた巨人」となっています。

2026年3月のGTC基調講演では、新たにRubinプラットフォームを発表し、AIスーパーコンピュータ向け新チップ6種を公開しました。推論コンテキストメモリストレージや高効率なSpectrum-X Ethernet Photonicsスイッチなど、次世代製品の投入でさらなる成長を目指しています。

NVIDIA、ロボット開発基盤Isaacを大幅刷新しGTCで発表

開発基盤の全体像

Isaacプラットフォーム全面刷新
クラウドからエッジまで一貫開発
GR00T NのVLAモデル公開
合成データ工場の参照設計提供

シミュレーションと学習

NuRecで実環境を3D再現
Isaac Lab 3.0で大規模並列訓練
Newton物理エンジンをOSS公開
Isaac Lab-Arenaで多タスク評価

実機展開と安全性

Jetson Thorでエッジ推論対応
SOMA-Xで骨格表現を標準化
エンドツーエンドの安全ガードレール構築

NVIDIAは2026年3月のGTCにおいて、ロボティクス開発基盤Isaacプラットフォームの大幅刷新を発表しました。クラウドからエッジまで一貫したワークフローを提供し、データ収集・訓練・シミュレーション・実機展開を統合的に支援します。

新たに公開されたGR00T Nは、視覚・言語・行動を統合する推論VLAモデルで、開発者が独自のロボット知能を構築する基盤となります。汎用的な理解力と特定タスクへの専門訓練を両立する「ゼネラリスト・スペシャリスト」型ロボットの実現を目指しています。

Omniverse NuRecのGA提供により、実世界のセンサーデータからOpenUSDベースの3Dシミュレーション環境を構築可能になりました。Gartnerの予測では、2030年までにエッジシナリオの訓練データの90%以上が合成データになるとされ、NVIDIAはこの転換を加速する合成データ工場の参照設計をCosmos基盤モデルとともに提供します。

Isaac Lab 3.0では数千の軽量シミュレーション環境を並列実行し、実世界では数年かかる学習を数日で完了できます。オープンソース物理エンジンNewtonやGoogle DeepMindのMujocoにも対応し、布や砂利など多様な物体との相互作用を再現します。

実機展開ではJetson ThorやJetson Orinがリアルタイム推論を担い、cuVSLAMライブラリで自己位置推定と地図構築を実現します。新フレームワークSOMA-Xは骨格・動作・アイデンティティの表現を標準化し、ハードウェア変更時の再統合作業を大幅に削減します。

安全面では、クラウドからロボット本体までのエンドツーエンド安全ガードレールを整備しました。教育リソースとしてIsaac Sim/Labの学習パスやNVIDIA Deep Learning Instituteの講座も提供し、新規参入の開発者を包括的に支援する体制を構築しています。

NvidiaのDLSS 5にゲーマーから批判殺到、CEO反論も火に油

DLSS 5の技術と反発

生成AIでリアルタイム描画刷新
キャラの顔がAI slop化と批判
バイオハザード等デモで違和感
モーションスムージング以上の改変

業界の反応と今後

Huang CEO「批判は完全に間違い」
開発者による微調整可能と主張
今秋にCapcom等大手が対応予定
アーティストの意図尊重が争点に

Nvidiaは2026年3月のGTCカンファレンスで、3Dガイド付きニューラルレンダリングモデル「DLSS 5」を発表しました。ゲームのライティングやマテリアルをリアルタイムで生成AIにより刷新する技術ですが、ゲーマーコミュニティから強い反発を受けています。

デモで示された『バイオハザード レクイエム』の主人公グレースや『ホグワーツ・レガシー』のキャラクターは、AIフィルターを通したような不自然な顔に変わり、「AIスロップ」と酷評されました。実在のサッカー選手ファン・ダイクの顔さえ別人のように変形したと指摘されています。

Jensen Huang CEOは批判に対し「完全に間違っている」と反論しました。DLSS 5はジオメトリやテクスチャの制御性と生成AIを融合したものであり、開発者がAIを微調整できると説明しています。しかしこの強気な姿勢がさらなる反感を招いています。

従来のDLSSがグラフィック設定の差を機械学習で埋めるアップスケーリング技術だったのに対し、DLSS 5は生成AIでライティングやマテリアルを根本から作り直す点が大きく異なります。Nvidiaはこれを「2018年のリアルタイムレイトレーシング以来最大のブレークスルー」と位置づけています。

DLSS 5は2026年秋に提供開始予定で、Bethesda、Capcom、Ubisoft、Warner Bros. Gamesなど大手スタジオが対応を表明しています。「グラフィックスのGPTモーメント」とNvidiaは謳いますが、アーティストの意図をどこまで尊重できるかが今後の普及の鍵となります。

SnapがNVIDIA GPU活用でA/Bテスト処理を4倍高速化

GPU移行の成果

処理速度4倍に向上
日次コスト76%削減達成
必要GPU数5500→2100台に圧縮
毎朝3時間で10PB超を処理

実験基盤の拡張

月間数千件のA/Bテスト実施
約6000指標を自動測定
コード変更なしでGPU移行完了
全社的なパイプライン展開を計画

Snapは、月間9.4億人超のアクティブユーザーを抱えるSnapchatの機能開発において、NVIDIA cuDFによるGPUアクセラレーションをGoogle Cloud上で導入し、A/Bテストのデータ処理速度を4倍に高速化したことを発表しました。

同社は毎月数千件のA/Bテストを実施しており、毎朝3時間の処理ウィンドウで10ペタバイト超のデータをApache Sparkフレームワークで処理しています。cuDFの採用により、既存のSparkアプリケーションをコード変更なしでGPU上に移行することが可能になりました。

2026年1月から2月の内部データによると、Google Kubernetes Engine上のNVIDIA GPUを活用することで、CPUのみのワークフローと比較して日次コストを76%削減することに成功しています。これにより、実験規模の拡大に伴うコスト増大の課題を解決しました。

NVIDIAの専門家と連携し、Google CloudのG2仮想マシン上でNVIDIA L4 GPUを用いたパイプライン最適化を実施した結果、当初見込みの約5500台からわずか2100台の同時稼働GPUで処理を完了できるようになりました。

Snap社のシニアエンジニアリングマネージャーであるPrudhvi Vatala氏は、今後A/Bテストチーム以外の幅広い本番ワークロードにもSparkアクセラレーターを展開する計画を示しており、GPU活用によるデータ基盤の全社的な変革を進める方針です。

Mamba 3がTransformerを約4%上回る新アーキテクチャとして公開

技術的な3つの革新

状態サイズ半減で同等精度を実現
複素数値SSMで推論能力向上
MIMO方式でGPU稼働率を最大化
Apache 2.0で商用利用可能

企業への影響

推論スループットが実質2倍に
ハイブリッド構成が主流へ
量子化やICLに課題も残存

カーネギーメロン大学のAlbert Gu氏とプリンストン大学のTri Dao氏らの研究チームが、新たなAIアーキテクチャ「Mamba 3」をApache 2.0ライセンスのオープンソースとして公開しました。Transformer対比で約4%の言語モデリング性能向上を達成しています。

Mamba 3は状態空間モデル(SSM)の最新版で、従来のTransformerが抱える二次計算量と線形メモリ要求の課題を解決します。前世代のMamba 2が学習速度の最適化に注力したのに対し、Mamba 3は「推論ファースト」の設計哲学を採用し、GPUの遊休時間を最小化する構造となっています。

技術面では3つの革新が柱です。第一に指数台形離散化により2次精度の近似を実現。第二に複素数値SSMと「RoPEトリック」で、従来不可能だったパリティ判定などの論理推論タスクを解決。第三にMIMO方式により演算強度を最大4倍に引き上げ、メモリ律速の推論フェーズでもGPUの計算コアをフル活用します。

企業にとっての最大の利点は総保有コストの削減です。15億パラメータ規模でベンチマーク平均精度57.6%を達成し、Transformerを2.2ポイント上回りました。状態サイズを半減しながら同等の予測品質を維持するため、同一ハードウェアで推論スループットが実質2倍になります。リアルタイムエージェントや長文コンテキスト処理に特に有効です。

ただし課題も残ります。Transformerエコシステムの成熟度には及ばず、量子化では標準的な4ビット手法で精度が大幅低下する問題があります。またインコンテキスト学習ではAttention機構に劣る面もあり、業界はNvidiaのNemotron-3のようなMambaとAttentionを組み合わせたハイブリッドアーキテクチャへ収束しつつあります。

NVIDIA CloudXRがApple Vision Proにネイティブ対応

技術連携の概要

CloudXR 6.0がvisionOSに統合
視線追従型ストリーミングで4K描画実現
RTXワークステーションから直接接続
視線データはアプリに非公開

産業界での活用

Kia・BMW・Volvoがデザインレビューに採用
Rocheが研究施設レイアウトをシミュレーション
Foxconnが工場ウォークスルーを可視化
iRacing・X-Planeなどゲームにも対応

NVIDIAは2026年3月のGTCカンファレンスにおいて、CloudXR 6.0がApple Vision Proにネイティブ対応したことを発表しました。RTXワークステーションやGeForce RTX搭載PCから直接ストリーミングし、4K解像度の没入型コンテンツを低遅延で表示できます。

新たに導入された動的フォビエイテッドストリーミングは、ユーザーの視線方向を近似的に検出し、注視点の解像度を最大化しつつ帯域効率を最適化します。視線データはアプリケーションに公開されず、プライバシーが厳格に保護される設計です。

自動車業界では、Kia、BMW Group、Rivian、Volvo GroupがAutodesk VREDとCloudXRを組み合わせ、1対1スケールでのデザインレビューを実現しています。Volvo Groupは「物理プロトタイプを作る前に、ユーザーが見て触れるすべてを数年早く体験できる」と評価しました。

製薬大手RocheはInnoactiveと協力し、バイオ分析ラボのレイアウトを空間コンピューティングでシミュレーションしています。製造業ではFoxconnが工場フロアのデジタルツインを可視化し、データセンター事業者SwitchもAIファクトリーの運用最適化に活用しています。

CloudXR 6.0のSDKはSwift向けネイティブフレームワークとして開発者に公開されており、Xcodeで直接アプリを構築できます。visionOS 26.4と対応アプリは2026年春に提供予定で、エンタープライズからシミュレーションゲームまで幅広い用途が見込まれています。

NVIDIA、40億パラメータの軽量AI「Nemotron 3 Nano 4B」公開

モデルの特徴

Mamba-Transformer混合構造採用
40億パラメータでエッジ動作対応
指示追従性能で同クラス最高水準
VRAM使用量が同クラス最小

圧縮と学習手法

9BモデルからNemotron Elasticで圧縮
2段階蒸留で精度回復を実現
3段階強化学習でツール使用を強化
FP8・Q4_K_M量子化で効率向上

NVIDIAは2026年3月17日、40億パラメータの軽量言語モデル「Nemotron 3 Nano 4B」をオープンソースで公開しました。Mamba-Transformer混合アーキテクチャを採用し、エッジデバイスでの高効率な推論を実現するモデルです。

同モデルはJetson ThorやJetson Orin Nano、DGX Spark、RTX GPUなど幅広いNVIDIAプラットフォームで動作します。低VRAM環境でも高速な応答が可能で、データプライバシーの確保と柔軟なデプロイを両立しています。

開発にはNemotron Elasticフレームワークが用いられ、9Bパラメータの親モデルから構造化プルーニングと知識蒸留により4Bモデルへ圧縮されました。ルーターが自動的に最適な枝刈り構成を決定し、従来手法より低コストで高精度なモデルを実現しています。

学習では教師あり微調整に続き、指示追従とツール呼び出しに特化した3段階の強化学習パイプラインを適用しました。推論時の思考なしでもタスク解決に優れ、ハルシネーション回避性能も高い水準を達成しています。

量子化ではFP8版で最大1.8倍のレイテンシ改善を達成し、Q4_K_M GGUF版はJetson Orin Nano 8GBで毎秒18トークンを出力します。Transformers、vLLM、TRT-LLM、Llama.cppなど主要推論エンジンに対応し、Hugging Faceで公開中です。

Nvidia、エージェントAI基盤NemoClawをGTCで発表

NemoClawの全体像

OpenClawの企業向けラッパー
Nemotronモデルをローカル実行
OpenShellでサンドボックス隔離
YAML定義のポリシー制御を提供
プライバシールーターで機密データ保護

セキュリティ5層構造

CrowdStrikeが4層で実行時制御
Palo AltoがDPUハード層で検査
JFrogがサプライチェーン署名検証

残る課題と導入指針

エージェント間信頼委譲が未解決
メモリ汚染攻撃への対策不足
5ベンダー運用の統合コストが課題

Nvidiaは2026年3月のGTC 2026で、自律型AIエージェント基盤「NemoClaw」を発表しました。CEOのジェンスン・ファン氏は「OpenClawはパーソナルAIのOSだ」と宣言し、エージェントAI時代の本格到来を強調しています。

NemoClawはOpenClawの企業向けラッパーとして設計され、ローカル実行可能なNemotronモデルと、エージェントをサンドボックス内で隔離するOpenShellセキュリティランタイムの2層構成です。管理者はYAMLでファイルアクセスやネットワーク接続のポリシーを定義でき、機密データの外部流出を防ぐプライバシールーターも備えています。

BoxやCiscoなど主要パートナーとの統合も発表されました。Boxではファイル権限をそのままエージェントに適用し、Ciscoではゼロデイ脆弱性発生時に自律的に影響範囲を特定し修復計画を生成するユースケースが示されています。すべての操作は監査証跡として記録されます。

セキュリティ面では、CrowdStrike・Palo Alto Networks・JFrog・Cisco・WWTの5社が同時にGTCで対応を発表し、主要AIプラットフォームとして初めてセキュリティがローンチ時に同梱される形となりました。5層ガバナンスフレームワークが提示され、各層で異なるベンダーが補完し合う構造です。

一方で、エージェント間の信頼委譲ポリシー、永続メモリへの汚染攻撃対策、レジストリからランタイムまでの暗号的連続性という3つの重大なギャップが残されています。96%の精度でも5倍速で動作するエージェントは、エラーも5倍速で到達するため、既存のSOC体制では対応が追いつかない恐れがあります。

企業のCISOに対しては、本番環境の全自律エージェントを5層ガバナンスで監査し、未回答の質問が3つ以上あれば「統制なきエージェント」が稼働中と認識すべきと提言されています。導入はJFrogのサプライチェーン層から段階的に進め、5社同時運用は統合プロジェクトとして予算化する必要があります。

NVIDIA、GTC 2026でローカルAI向け新モデルと開発基盤を発表

新オープンモデル群

Nemotron 3 Super、1200億パラメータ
Mistral Small 4がDGX Sparkに対応
Nemotron 3 Nano 4B、軽量PC向け
Qwen 3.5最適化も同時発表

エージェント基盤整備

NemoClaw、OpenClaw向けOSS公開
ローカル推論でプライバシー確保
Unsloth Studioでファインチューニング簡易化

クリエイティブAI強化

LTX 2.3が2.1倍高速化
FLUX.2 Klein 9Bの画像編集2倍速

NVIDIAは2026年3月のGTC 2026において、ローカル環境で動作するAIエージェント向けの新しいオープンモデル群と開発基盤を発表しました。DGX SparkやRTX PCでクラウド級の性能を実現することを目指しています。

Nemotron 3 Superは1200億パラメータのオープンモデルで、アクティブパラメータは120億に抑えられています。エージェントAI向けベンチマークPinchBenchで85.6%を記録し、同クラスのオープンモデルで最高スコアを達成しました。

小型モデルとしてはNemotron 3 Nano 4Bが発表され、GeForce RTX搭載PCでもエージェントやアシスタントの構築が可能になります。AlibabaのQwen 3.5シリーズ向けの最適化も同時に提供され、26万2000トークンの大規模コンテキストウィンドウに対応します。

エージェント実行基盤としてNemoClawがオープンソースで公開されました。OpenClaw向けの最適化スタックで、ローカルモデルによる推論でトークンコストを削減し、OpenShellランタイムによるセキュアな実行環境を提供します。

ファインチューニングの分野では、Unsloth StudioがウェブベースのUIで公開され、500以上のAIモデルに対応します。従来は高度な技術知識が必要だったカスタマイズ作業を、ドラッグ&ドロップの直感的な操作で完結できるようになりました。

クリエイティブAI分野では、LightricksのLTX 2.3がNVFP4・FP8対応で2.1倍の高速化を実現し、Black Forest LabsのFLUX.2 Klein 9Bも画像編集が最大2倍に高速化されました。RTX GPU向けに最適化されたモデルが続々と登場しています。

Nvidia、LLMメモリを20分の1に圧縮する新技術KVTCを発表

KVTCの技術概要

JPEG由来の変換符号化を応用
PCAでKVキャッシュの冗長性を除去
動的計画法で次元別にビット配分を最適化
GPU上でエントロピー符号化を並列実行

性能と導入効果

20倍圧縮で精度低下1%未満
最初のトークン生成を最大8倍高速化
モデル重み変更不要で既存環境に導入可能

適用と今後の展望

長文脈・マルチターン用途に最適
vLLM互換のDynamoフレームワークに統合予定

Nvidiaの研究チームは、大規模言語モデルの会話履歴管理に必要なメモリを最大20分の1に圧縮する新技術「KVTC(KV Cache Transform Coding)」を発表しました。モデルの重みを一切変更せずに適用でき、最初のトークン生成までの遅延も最大8倍短縮されます。

LLMがマルチターン会話を処理する際、過去のトークンの数値表現を保持するKVキャッシュが不可欠ですが、長文脈タスクでは数ギガバイトに膨張します。これがGPUメモリを圧迫し、同時ユーザー数やレイテンシの深刻なボトルネックとなっていました。

KVTCはJPEGなどのメディア圧縮で実績のある変換符号化の手法をAIに応用しています。まず主成分分析(PCA)でKVキャッシュの特徴量を重要度順に整列し、動的計画法で各次元に最適なビット数を割り当てた後、NvidiaのnvCOMPライブラリを用いてGPU上で高速にエントロピー符号化を実行します。

Llama 3やQwen 2.5など1.5Bから70Bパラメータの多様なモデルで検証した結果、20倍圧縮時でも精度低下は1ポイント未満にとどまりました。一方、既存手法のKIVIやGEARは5倍圧縮で大幅な精度劣化が発生し、KVTCの優位性が明確に示されています。

NvidiaのAdrian Lancucki氏は、コーディングアシスタントやエージェント推論ワークフロー、反復的RAGが理想的な適用先と述べています。今後KVTCはDynamoフレームワークのKV Block Managerに統合され、vLLMなど主要な推論エンジンとの互換性が確保される予定です。

NVIDIAと通信大手6社がAIグリッド構築へ

通信網のAI基盤化

AT&T;がIoT向けAIグリッド構築
Comcastが低遅延ブロードバンド活用
Spectrumが1000超のエッジ拠点展開
T-MobileがエッジAI応用を検証

分散推論の実用化

Personal AIが500ms以下の遅延実現
Linker Visionが都市運営を変革
Decartが12ms以下のリアルタイム映像生成

エコシステム拡大

Cisco・HPEがフルスタック提供
Blackwell GPU搭載システムで展開

NVIDIAは GTC 2026において、AT&T;、Comcast、Spectrum、Akamai、Indosat、T-Mobileの通信大手6社と連携し、地理的に分散したAI推論基盤「AIグリッド」の構築を発表しました。通信網をAI配信の中核に据える構造的転換が進んでいます。

世界の通信事業者は約10万カ所の分散データセンターを運営しており、余剰電力は100ギガワット超に達します。AIグリッドはこの既存資産を活用し、ユーザーやデバイスの近くでAI推論を実行することで、応答速度の向上とトークンあたりコストの最適化を同時に実現します。

AT&T;はCiscoおよびNVIDIAと提携し、IoT向けAIグリッドを構築します。公共安全などミッションクリティカルな用途で、リアルタイムのAI推論をネットワークエッジで処理し、機密データの顧客管理を維持しながら検知・警報・対応を高速化します。

ComcastはNVIDIAやHPEと連携し、会話エージェントやクラウドゲーミングの需要急増時でも高スループットと低コストを維持できることを実証しました。Akamaiは4400超のエッジ拠点に数千基のBlackwell GPUを配備し、リクエストごとに最適な計算層へ振り分けるオーケストレーション基盤を構築しています。

インドネシアのIndosatは国内にソブリンAI基盤を整備し、現地語対応のAIプラットフォーム「Sahabat-AI」を展開します。T-Mobileはスマートシティや配送ロボットなど物理AIの実証を進めており、セルサイトが5G通信と分散AI処理を両立できることを示しています。

NVIDIAはAIグリッドリファレンスデザインを公開し、分散拠点でのAI展開に必要なコンピューティング・ネットワーキング・ソフトウェアの構成要素を定義しました。Cisco、HPE、Armada、Rafayなどのパートナーがフルスタックソリューションの市場投入を進めており、通信事業者がAIバリューチェーンで新たな収益源を確保する動きが加速しています。

GPU電力最適化の新興Niv-AIが1200万ドル調達しステルスから登場

電力浪費の実態

GPUの電力サージで最大30%性能低下
ミリ秒単位の需要変動が制御困難
余剰電力確保やスロットリングで投資効率悪化

Niv-AIの技術戦略

ラックレベルのミリ秒センサー配備
AIモデルで電力負荷を予測・同期
データセンターと送電網の知能層構築

事業展開の見通し

シードで1200万ドル調達
6〜8カ月以内に米国DCで稼働予定

イスラエル・テルアビブ発のスタートアップNiv-AIが、GPU電力消費を最適化する技術で1200万ドルのシード資金を調達し、ステルスモードから正式に登場しました。CEOのTomer Timor氏とCTOのEdward Kizis氏が昨年設立した同社です。

AIデータセンターでは、GPUが計算タスクと通信を切り替える際にミリ秒単位の電力サージが頻発しています。NVIDIAのジェンスン・ファンCEOも「AI工場では膨大な電力が浪費されている」と指摘しており、業界全体の深刻な課題となっています。

データセンター事業者はサージに対応するため、一時的な蓄電設備の導入やGPU使用率のスロットリングを余儀なくされています。いずれの対策も高価なチップへの投資効率を最大30%低下させ、収益機会の損失につながっています。

Niv-AIはまずラックレベルの高精度センサーを設置し、ミリ秒単位でGPUの電力プロファイルを把握します。収集データをもとにAIモデルを構築し、データセンター全体の電力負荷を予測・同期する「コパイロット」の開発を目指しています。

同社は6〜8カ月以内に米国の複数のデータセンターで運用を開始する予定です。Glilot CapitalやGrove Venturesなどが出資しており、新規DC建設が用地確保やサプライチェーンの問題で難航するなか、既存施設の容量を最大限に引き出す「知能レイヤー」として注目を集めています。

Mistral AI、独自モデル構築基盤「Forge」を発表

Forgeの主要機能

フルサイクルのモデル訓練を支援
事前学習から強化学習まで対応
オンプレミス環境での完全運用が可能
データ非公開のまま独自モデル構築

競合との差別化戦略

組込み型AIサイエンティストを派遣
クラウド大手のAPI微調整を超える深度
Apache 2.0のオープンソース基盤
Nvidia連合で基盤モデル共同開発

仏Mistral AIは2026年3月17日、企業が自社の独自データを使ってAIモデルを構築・カスタマイズできるエンタープライズ向けモデル訓練基盤「Forge」を発表しました。NvidiaのGTCカンファレンスで披露され、クラウド大手への対抗姿勢を鮮明にしています。

Forgeは従来のファインチューニングAPIを大幅に超え、大規模内部データでの事前学習、教師ありファインチューニング、DPO、ODPOによるポストトレーニング、さらに社内ポリシーや評価基準に沿った強化学習パイプラインまでフルサイクルで対応します。製品責任者のサラマンカ氏は「AIサイエンティストはもはやファインチューニングAPIを使っていない」と述べています。

早期導入企業の事例では、Ericssonがレガシーコードの現代化に活用し、年単位の手作業を大幅に短縮しました。また古文書の欠損テキスト復元や、ヘッジファンドの独自定量言語への対応など、汎用モデルでは解決できない高度な専門領域での成果が報告されています。

ビジネスモデルは顧客が自社GPU上で訓練する場合、ライセンス料とデータパイプラインサービス料を課金し、計算資源は非課金とします。最大の特徴は「フォワードデプロイド・サイエンティスト」と呼ばれる組込み型AI研究者の派遣で、Palantir型の伴走支援モデルを採用しています。

同週にはMistral Small 4、オープンソースコードエージェントLeanstral、NvidiaとのNemotron Coalition参画も発表されました。ARRは2026年中に10億ドル突破を見込んでおり、ASMLや欧州宇宙機関など機密性の高い組織との提携を通じ、「AIを借りるのではなく所有する」という戦略を加速させています。

H Company、高スループット型PC操作AIモデルHolotron-12Bを公開

推論性能の飛躍

SSMハイブリッド構造を採用
H100単体で8.9kトークン/秒達成
Holo2-8B比で2倍超のスループット
KVキャッシュ不要でメモリ効率向上

エージェント性能

WebVoyagerスコア35.1%→80.5%に向上
UI操作・画面理解の精度大幅改善
NVIDIA Nemotronベースを微調整
次世代Nemotron 3 Omniも予告

H Companyは2026年3月17日、NVIDIAのNemotron-Nano-2 VLモデルをベースにしたマルチモーダルコンピュータ操作エージェントモデル「Holotron-12B」をHugging Faceで公開しました。本モデルは画面認識・操作に特化し、量産環境での高スループット推論を目指して開発されたものです。

Holotron-12Bの推論効率を支えるのは、状態空間モデル(SSM)とアテンション機構のハイブリッドアーキテクチャです。従来のTransformerが抱える二次計算コストを回避し、長いコンテキストや複数画像を含むエージェント的ワークロードで優れたスケーラビリティを実現しています。

ベンチマーク評価では、WebVoyagerスコアがベースモデルの35.1%から80.5%へと大幅に向上しました。H100 GPU1枚でvLLMを使用した実験では、同時接続100の条件下で8.9kトークン/秒のスループットを記録し、前モデルHolo2-8Bの5.1kトークン/秒を大きく上回りました。

学習は2段階で実施されました。NVIDIAのNemotron-Nano-12B-v2-VLを起点に、H Company独自の画面理解・ナビゲーションデータで教師あり微調整を行い、約140億トークンで最終チェックポイントを構築しています。ライセンスはNVIDIA Open Model Licenseで公開されています。

今後の展開として、NVIDIAが同日発表したNemotron 3 Omniをベースとした次世代モデルの開発も予告されました。SSM-AttentionとMoEアーキテクチャを活用し、企業向けの大規模自律型コンピュータ操作への展開を目指すとしています。

NvidiaのDLSS 5、生成AIによる映像加工にゲーマーが猛反発

DLSS 5の技術概要

生成AIで照明・質感を再構築
ゲーム内部データでシーン意味解析
RTX 5090×2基でデモ動作
2026年秋にオプション機能として提供

業界の反応と懸念

キャラの顔がAI生成風に均質化
インディー開発者がミームで批判殺到
大手開発者は支持表明も温度差
アーティストの創作意図の毀損を懸念

Nvidiaは2026年3月17日、次世代アップスケーリング技術「DLSS 5」を発表しました。従来のフレーム補間を超え、生成AIによるリアルタイム照明・質感の再構築を行う「ニューラルレンダリングモデル」として、秋の正式提供を予定しています。

DLSS 5はゲームの内部カラーデータやモーションベクターを活用し、キャラクターの髪や肌、布の質感、環境光などのシーン意味解析を行います。CEOのジェンスン・フアン氏は「生成AIと手作りレンダリングの融合」と表現し、ハリウッドVFX級のフォトリアル表現をリアルタイムで実現すると述べました。

しかしゲーマーや業界関係者の反応は圧倒的に否定的でした。デモ映像では『バイオハザード』の主人公グレースや『ホグワーツ・レガシー』のキャラクターの顔がAI生成風の均質的な外見に変化し、実在のサッカー選手ファン・ダイクの顔すら別人のように歪められていました。

Bethesdaのトッド・ハワード氏やCapcomの竹内潤氏など大手開発者が支持を表明する一方、多数のインディー開発者がミームや公開声明で強く批判しています。GDC調査でも開発者の多くがゲームへの生成AI導入に反対しており、業界内の温度差が鮮明になりました。

この技術はテレビのモーションスムージングに例えられ、「さらに悪い版」と評されています。AI特有の不自然に滑らかな肌、均一な顔立ち、HDR風の照明がすべてのキャラクターに適用され、アーティストが丹念に作り上げた固有の表現が失われる懸念が広がっています。

ロシュがNVIDIA Blackwell GPU3500基超を導入し創薬加速

創薬へのAI活用

Blackwell GPU3500基超導入
ハイブリッドクラウド環境を構築
低分子プログラムの90%にAI統合
創薬期間を25%短縮した事例

製造・診断への展開

Omniverseで工場デジタルツイン構築
ノースカロライナ新工場で先行導入
デジタル病理で疾患パターン検出
AIを全社基盤能力として定着

スイス製薬大手ロシュは、NVIDIA GTC 2026において、NVIDIA Blackwell GPUを3500基以上導入し、米国と欧州のハイブリッドクラウド環境でAI基盤を大幅に拡張すると発表しました。製薬企業として公表ベースで最大規模のGPUインフラとなります。

創薬部門では、傘下のジェネンテックが推進する「Lab-in-the-Loop」戦略の中核にAIを据えています。対象となる低分子プログラムの約90%にAIが統合されており、あるオンコロジー向け分解誘導剤の設計では開発期間を25%短縮する成果を上げています。

別のプログラムでは、従来2年以上かかっていたバックアップ分子の開発をわずか7カ月で完了しました。NVIDIA BioNeMoプラットフォームを活用し、生物学的・分子的基盤モデルの学習と微調整を自社データで行う体制を整えます。

NVIDIA Omniverseを用いた製造施設のデジタルツイン構築にも着手しています。ノースカロライナ州の新しいGLP-1製造工場では、稼働前に仮想環境でシステムの最適化を進めており、規制文書作成や品質保証、生産スケジューリングにもAI活用を拡大しています。

診断事業では、デジタル病理分野で大量の画像から微細な疾患パターンを検出する技術を開発中です。NVIDIA NeMo Guardrailsを用いて医療グレードのAI安全性を確保しつつ、ラボ運営の効率化や臨床意思決定支援にもAIを展開し、創薬から診断・製造まで一貫したAI活用体制の構築を目指しています。

NvidiaがOpenClaw企業版NemoClawを発表、安全性が最大課題に

NemoClaw概要

Nvidiaが企業向けNemoClawを発表
OpenClawにセキュリティ機能を統合
ハードウェア非依存でオープンソース公開
現段階はアルファ版リリース

深刻な脆弱性

企業の22%で無許可運用が判明
公開インスタンスが3万件超に急増
3つの攻撃面は既存防御で検知不能
悪意あるスキルが824件に拡大

防御と今後

14日間で6つの防御ツールが登場
スキル仕様の標準化提案が進行中

Nvidiaのジェンスン・ファンCEOは2026年3月のGTC基調講演で、オープンソースAIエージェント基盤OpenClawに企業向けセキュリティ機能を組み込んだNemoClawを発表しました。すべての企業にOpenClaw戦略が必要だと訴えています。

NemoClawはOpenClaw開発者ピーター・シュタインベルガー氏と共同開発され、任意のコーディングエージェントやオープンソースAIモデルを活用できます。Nvidia製GPUに限定されずハードウェア非依存で動作する点が特徴ですが、現時点ではアルファ版の位置づけです。

一方でOpenClawのセキュリティリスクは深刻です。Token Securityの調査では企業顧客の22%がIT部門の承認なくOpenClawを運用しており、Bitsightは2週間で3万件超の公開インスタンスを確認しました。ClawHubスキルの36%にセキュリティ欠陥が含まれるとの報告もあります。

特に危険な攻撃面は3つあります。第一にランタイム意味的データ抽出で、エージェントが正規APIを通じて悪意ある指示に従います。第二にクロスエージェント文脈漏洩で、1つのプロンプト注入が全エージェントチェーンを汚染します。第三に相互認証なしの信頼チェーンで、侵害されたエージェントが他の全エージェントの権限を継承します。

緊急対応としてClawSecやIronClawなど6つの防御ツールが14日間で開発されましたが、いずれも上記3つの根本的脆弱性は解消できていません。セキュリティ顧問のオライリー氏はスキルを実行ファイルとして扱う能力仕様の標準化を提案しており、企業はOpenClawが既に社内環境に存在する前提でリスク対策を講じる必要があります。

NvidiaがGTC 2026で次世代AI基盤「Vera Rubin」と企業向けエージェント戦略を発表

Vera Rubin基盤の全容

7チップ構成の新プラットフォーム量産開始
推論スループットBlackwell比10倍、トークン単価10分の1
Blackwell・Rubin合計で受注1兆ドル見通し
OpenAI・Anthropic・Meta等が採用表明

エージェントAI戦略

Agent ToolkitをOSSで公開
Adobe・Salesforce・SAP等17社が採用
NemoClawでローカルAIエージェント実行

ハード・ソフトの垂直統合

DGX Stationで1兆パラメータモデルをデスクトップ実行
Dynamo 1.0が推論OS として主要クラウド採用

Nvidiaは2026年3月16日、サンノゼで開催した年次カンファレンスGTC 2026において、次世代AIコンピューティング基盤「Vera Rubin」プラットフォームを発表しました。CEOのジェンスン・フアン氏は基調講演で、BlackwellとRubinチップの受注見通しが1兆ドルに達すると宣言しています。

Vera RubinはVera CPU、Rubin GPU、NVLink 6 Switch、ConnectX-9、BlueField-4 DPU、Spectrum-6、Groq 3 LPUの7チップで構成されます。旗艦モデルのNVL72ラックは72基のRubin GPUを搭載し、Blackwell比で推論スループットがワットあたり最大10倍、トークン単価は10分の1を実現するとしています。

Anthropicのダリオ・アモデイCEO、OpenAIのサム・アルトマンCEO、Metaらがプラットフォーム採用を表明しました。AWS、Google Cloud、Microsoft Azure、Oracle Cloudの4大クラウドがすべて提供を予定しており、80社超の製造パートナーがシステムを構築します。Microsoftはハイパースケールクラウドとして初めてVera Rubin NVL72を稼働させたと発表しました。

ソフトウェア面では、企業向けAIエージェント構築基盤「Agent Toolkit」をオープンソースで公開しました。Adobe、Salesforce、SAP、ServiceNow、CrowdStrikeなど17社が採用を表明し、セキュリティランタイム「OpenShell」やコスト最適化のAI-Qを統合した包括的な開発環境を提供します。推論OS「Dynamo 1.0」も主要クラウドに採用されています。

ハードウェアでは、GB300チップ搭載のデスクトップ型スーパーコンピュータ「DGX Station」を発表しました。748GBの統合メモリと20ペタフロップスの演算能力で、1兆パラメータモデルをクラウド不要でローカル実行できます。NemoClawと組み合わせ、常時稼働型AIエージェントの個人運用を可能にします。

さらにNvidiaは、Mistral AIら8組織とNemotron Coalitionを結成し、オープンフロンティアモデルの共同開発を開始します。自動運転分野ではBYD・日産らがLevel 4対応車両を開発中で、Uberとは2028年までに28都市でロボタクシー展開を計画しています。製薬大手ロシュは3,500基超のBlackwell GPUを導入し、AI創薬を加速させます。

今回のGTC 2026は、NvidiaがチップメーカーからAIプラットフォーム企業への転換を鮮明にした大会となりました。ハードウェア、ソフトウェア、モデル、エージェント基盤を垂直統合し、宇宙からデスクトップまであらゆるスケールのAIインフラを一社で提供する戦略は、競合であるAMDやGoogle TPU、Amazon Trainiumとの差別化を図るものです。

Nvidia、推論特化チップGroq 3 LPUを発表

Groq 3の技術的特徴

SRAM内蔵で超低遅延実現
メモリ帯域150TB/sでGPUの7倍
線形データフローで処理を簡素化

推論時代の到来

Groqを200億ドルで買収し技術統合
AWSもCerebrasと推論システム構築

推論分離アーキテクチャ

プリフィルとデコードの分離処理
Groq 3 LPXトレイでGPUとLPU統合

Nvidiaは米サンノゼで開催されたGTC 2026において、AI推論に特化した新チップGroq 3 LPUを発表しました。同社がスタートアップGroqから200億ドルで技術ライセンスを取得し、わずか2カ月半で製品化したものです。

Jensen Huang CEOは「AIがついに生産的な仕事をできるようになり、推論の転換点が到来した」と宣言しました。学習と推論では計算要件が根本的に異なり、推論では低遅延が最も重要とされています。思考型・推論型モデルでは出力前に何度も推論が実行されるためです。

Groq 3 LPUの核心技術は、プロセッサ内部にSRAMメモリを直接統合した設計にあります。従来のGPUがチップ外のHBMにアクセスする必要があるのに対し、データがSRAMを直線的に通過するため、推論に必要な極めて低いレイテンシを実現します。メモリ帯域は150TB/sで、Rubin GPUの22TB/sの約7倍です。

推論特化チップ市場ではD-matrix、Etched、Cerebrasなど多数のスタートアップが独自アプローチを展開しています。AWSはCerebrasの第3世代チップと自社Traniumを組み合わせた推論システムのデータセンター展開を発表しました。推論を「プリフィル」と「デコード」に分離する技術が注目されています。

Nvidiaも推論分離を活用する新コンピュートトレイGroq 3 LPXを発表しました。8基のGroq 3 LPUとVera Rubin GPUを搭載し、計算集約的な処理はGPUが、最終段階の高速デコードはLPUが担います。Huang氏は「すでに量産段階にある」と述べ、推論市場の急速な拡大を示しました。

NVIDIA、AIファクトリー仮想検証基盤DSX Airを発表

DSX Airの機能

AIファクトリー全体のデジタルツイン構築
GPU・NIC・DPU等を高精度シミュレーション
稼働開始を数カ月から数日に短縮
ストレージ・セキュリティ等パートナー連携対応

エコシステムへの影響

CoreWeaveが導入済みで事前検証を実施
サーバー製造元が物理ラボ不要で検証可能
マルチテナント環境のセキュリティ検証に対応
変更管理・アップグレードの事前テストにも活用

NVIDIAは2026年3月のGTC 2026において、AIファクトリーを論理的にシミュレーションするSaaS型プラットフォーム「DSX Air」を発表しました。CEOジェンスン・ファン氏が紹介したこの製品は、DSXプラットフォームの一部として提供されます。

DSX Airは、GPU、SuperNIC、DPU、スイッチなどのNVIDIAハードウェアインフラを高精度にデジタルシミュレーションします。ストレージやルーティング、セキュリティ、オーケストレーションなどのパートナーソリューションともAPIベースで連携できます。

大規模AIインフラを構築するCoreWeaveをはじめとする企業がすでにDSX Airを活用しており、ハードウェア到着前に環境のシミュレーションと検証を完了させています。導入までの時間を数週間〜数カ月から数日〜数時間へと大幅に短縮できます。

GTC会場のデモでは、Check Pointの分散ファイアウォールやTrendAI Vision Oneによる脅威検知、Keysight AI Inference Builderなど、セキュリティ分野の検証事例も披露されました。マルチテナントポリシーやDPUベースの分離機能もシミュレーション環境で検証可能です。

タイ最大のAIクラウド事業者Siam.AIやベアメタルGPUプロビジョニングを手がけるHydra Hostも導入を開始しています。AIファクトリーの大規模化・複雑化が進む中、ハードウェア到着前にフルスタック環境を検証できる能力がイノベーションの速度を左右すると同社は強調しています。

NVIDIAがDLSS 5発表、生成AIでゲーム画質を刷新

DLSS 5の技術革新

生成AIで照明・素材を再構築
キャラモデルの質感を大幅向上
最大4K解像度でリアルタイム動作
従来のアップスケーリングとは根本的に異なる手法

賛否と開発者対応

一部から「AIスロップ」と批判
アート意図の改変に懸念の声
開発者向け制御機能を提供
今秋リリース、対応タイトル順次拡大

NVIDIAは2026年3月のGTCカンファレンスにて、ゲームグラフィックス技術の新版「DLSS 5」を発表しました。ジェンスン・ファンCEOは「グラフィックスにおけるGPTの瞬間」と位置づけ、手作りのレンダリングと生成AIを融合させる新たなアプローチを披露しています。

DLSS 5は従来のアップスケーリング技術とは異なり、生成AIを活用してゲーム内の照明や素材をリアルタイムで再構築します。AIモデルはキャラクター、髪、布地、半透明の肌などの複雑なシーン構造を理解し、肌の表面下散乱や布の光沢、髪の光との相互作用を精緻に生成します。

対応タイトルとして『バイオハザード レクイエム』『スターフィールド』『ホグワーツ・レガシー』『EA Sports FC』などが紹介されました。さらに『エルダー・スクロールズVI:オブリビオン リメイク』や『アサシンクリード シャドウズ』への対応も確認されています。

一方で、ゲーム開発者やユーザーの間からは批判も出ています。キャラクターの外見が大きく変わる点について「AIスロップ」と呼ぶ声や、アーティストの意図を損なうとの指摘があります。開発者のマイク・ビセル氏は「アートディレクションを排除する技術」と厳しく評価しました。

NVIDIAはこうした懸念に対し、開発者が強度やカラーグレーディングを調整できる制御機能を提供すると説明しています。特定のオブジェクトやエリアをAI処理から除外するマスク機能も備え、ゲーム固有の美的表現を維持できるとしています。ファンCEOはこの技術がゲーム以外の産業にも拡大する可能性を示唆しました。

Nvidia、AIエージェント向け新ストレージ基盤STXを発表

STXの技術概要

KVキャッシュ専用メモリ層を新設
トークン処理量5倍を実現
エネルギー効率4倍向上
データ取込速度2倍に

エコシステム展開

Dell・HPEなど12社が共同設計
CoreWeave・Oracleなど8社が採用表明
2026年下半期にパートナーから提供開始

企業AI基盤への影響

ストレージがGPU調達と同格の意思決定対象に

Nvidiaは2026年のGTCにおいて、AIエージェント向けの新たなモジュラー型リファレンスアーキテクチャ「BlueField-4 STX」を発表しました。GPUと従来型ストレージの間に専用のコンテキストメモリ層を挿入し、推論時のボトルネックを解消する設計です。

STXが解決を目指すのは、KVキャッシュデータの処理遅延です。KVキャッシュとは、LLMが推論時に保存する中間計算結果であり、エージェントがセッションやツール呼び出しを跨いで文脈を維持するために不可欠です。コンテキストウィンドウの拡大に伴いキャッシュも肥大化し、従来のストレージ経由ではGPU利用率が低下していました。

STXはNvidia自身が直接販売する製品ではなく、ストレージパートナー向けのリファレンスアーキテクチャです。新型BlueField-4プロセッサにVera CPUとConnectX-9 SuperNICを統合し、Spectrum-X Ethernet上で動作します。ソフトウェア面ではDOCAプラットフォームに「DOCA Memo」を追加し、プログラマブルな最適化基盤を提供します。

パートナーにはDell、HPE、NetApp、VAST Dataなどストレージ大手12社が共同設計に参加し、CoreWeave、Oracle Cloud、LambdaなどAIネイティブクラウド8社も採用を表明しています。IBMはSTX共同設計者であると同時に、Nvidia自身がIBM Storage Scale System 6000をGPU分析基盤に採用したことも発表されました。

STXの登場は、エンタープライズAI基盤においてストレージ層がGPU調達と同等の重要な意思決定対象になることを示唆しています。ただし、性能値の比較ベースラインは未公開であり、導入判断には詳細な検証が必要です。2026年下半期にパートナー各社からSTXベースの製品が提供開始される見通しで、今後12カ月以内にストレージ更新を検討する企業は選択肢として考慮すべきです。

LangChainとNVIDIAがエージェントAI開発基盤で包括提携

統合プラットフォームの全容

LangGraphとNIM統合で本番運用
NeMo Agent Toolkitとの連携
推論レイテンシの自動最適化機能
NIMで最大2.6倍のスループット向上

評価・監視と今後の展開

LangSmithで150億トレース処理実績
Nemotronモデル群での横断評価
LangChainがNemotron Coalition参加
GPU環境でのDeep Agents実行構想

LangChainは2026年3月16日、NVIDIAとの包括的な統合を発表し、企業向けエージェントAI開発プラットフォームを提供すると明らかにしました。累計ダウンロード数10億回を超える同社のオープンソースフレームワーク群と、NVIDIAのAIツールキットを組み合わせた構成です。

プラットフォームはLangGraphによるマルチエージェントのオーケストレーション、Deep Agentsによるタスク計画とサブエージェント生成、そしてNVIDIA AI-Q Blueprintによるディープリサーチ機能を備えます。NeMo Agent Toolkitにより既存のLangGraphエージェントを最小限のコード変更で導入できます。

実行面ではNIMマイクロサービスが標準デプロイ比で最大2.6倍のスループットを実現します。Nemotron 3 SuperのMoEアーキテクチャにより単一GPUでのコスト効率の高い展開が可能です。並列実行や投機的実行によるレイテンシ削減も自動的に適用されます。

監視面ではLangSmithが150億トレース・100兆トークンの処理実績を持ち、分散トレーシングやコスト監視を提供します。NeMo Agent Toolkitのテレメトリと統合することで、インフラレベルとアプリケーションレベルの可観測性を一元化できます。

さらにLangChainはNVIDIAのNemotron Coalitionに参画し、オープンなフロンティアモデルの共同開発に取り組みます。将来的にはDeep AgentsがCUDA-Xライブラリを活用したGPUアクセラレーション環境で動作し、金融や医療分野での大規模データ処理を可能にする構想も示されました。

NVIDIA主導で医療ロボット初の大規模オープンデータセット公開

データセットと規模

778時間の医療ロボットデータ
手術・超音波・内視鏡を網羅
35組織が国際共同構築
CC-BY-4.0で完全公開

基盤AIモデル2種

GR00T-H:手術用VLAモデル
縫合タスクの端到端実行を実証
Cosmos-H:手術シミュレータ
実機2日分を40分で再現

NVIDIAとジョンズ・ホプキンス大学、ミュンヘン工科大学らが主導する国際コミュニティが、医療ロボティクス分野初の大規模オープンデータセット「Open-H-Embodiment」を公開しました。35組織が参加し、778時間分のCC-BY-4.0ライセンスデータを提供しています。

データセットは手術ロボティクスを中心に、超音波検査や大腸内視鏡の自律制御データも含みます。シミュレーション、ベンチトップ訓練、実臨床手術にまたがり、CMR SurgicalやRob Surgicalなどの商用ロボットおよびdVRK、Frankaなどの研究用ロボットのデータを収録しています。

同時に公開されたGR00T-Hは、NVIDIAのVision-Language-Actionモデルを手術ロボット向けに特化させた初のポリシーモデルです。約600時間のデータで訓練され、SutureBottベンチマークで端到端の縫合タスクを完遂する能力を実証しました。異なるロボット間の運動学的差異を吸収する独自の設計が特徴です。

Cosmos-H-Surgical-Simulatorは、運動指令から物理的に妥当な手術映像を生成するワールド基盤モデルです。従来のシミュレータでは再現困難な軟組織変形や反射、出血を暗黙的に学習します。実機で2日かかる600回のロールアウトをわずか40分で完了でき、データ拡張にも活用可能です。

次期バージョンでは、意図・結果・失敗モードを注釈した推論対応データへの拡張を目指しています。手術ロボットが状況を説明し、計画を立て、長時間の手術に適応できる推論能力付き自律制御の実現が目標です。データセットとモデルはHugging FaceおよびGitHubで公開されており、コミュニティへの参加を呼びかけています。

半導体冷却のFrore、評価額16.4億ドルでユニコーンに

資金調達の概要

シリーズDで1.43億ドル調達
累計調達額は3.4億ドルに到達
評価額16.4億ドルでユニコーン入り
MVP Venturesがリード投資家

技術と事業展開

元Qualcommエンジニア2名が創業
AIチップ向け液冷システムを開発
Nvidia・Qualcomm・AMD向け製品展開
黄仁勲CEOの助言が液冷転換の契機

半導体冷却スタートアップのFrore Systemsが、MVP Ventures主導のシリーズDラウンドで1億4300万ドルを調達し、評価額16億4000万ドルのユニコーン企業となりました。同社の累計調達額は3億4000万ドルに達しています。

Frore Systemsは元Qualcommのエンジニア2名が8年前に設立した企業です。当初はスマートフォンなどファンレス機器向けの空冷技術を開発していましたが、現在はAIチップ向けの液冷システムを主力事業としています。

事業転換のきっかけは、約2年前にNvidiaのCEO黄仁勲氏が同社の技術デモを見たことでした。黄氏はAIチップに不可欠な液冷オプションの開発を提案し、同社はNvidia各種チップ・ボード対応の製品を次々とリリースしています。

AI半導体分野への投資は活発化しており、Nvidia競合のPositronが2月に評価額10億ドル、Recursive Intelligenceが評価額40億ドルで登場するなど、新興ユニコーンが相次いで誕生しています。Eriduも2億ドルのシリーズAで参入しました。

今回のラウンドにはFidelity、Mayfield、Addition、Qualcomm Ventures、Alumni Venturesなどが参加しました。大手機関投資家と半導体企業の双方が出資しており、AI冷却技術への期待の高さがうかがえます。

DataRobotがNVIDIAと協業しAIエージェント基盤を強化

統合プラットフォーム

Nemotron 3 Superをワンクリック展開
GPU自動最適化で推論環境を構築
思考予算調整でコスト14倍削減も可能
マルチテナント制御で複数チーム同時利用

ガバナンスと認証

Okta連携でエージェントにID付与
静的APIキーから短命トークンへ移行
EU AI Act等の規制準拠を自動化

ハードウェア基盤

RTX PRO 4500を推論エンジンとして検証済み
32GB VRAMでオンプレミス展開にも対応

DataRobotは2026年3月、NVIDIAと共同開発したAgent Workforce Platformにおいて、大規模言語モデル「Nemotron 3 Super」のワンクリック展開機能を発表しました。企業がAIエージェントを本番環境で安全に運用するための統合基盤を提供します。

Nemotron 3 Superは1200億パラメータのハイブリッドMamba-Transformerモデルで、100万トークンのコンテキストウィンドウを備えています。DataRobotのプラットフォームでは、GPU構成の自動推奨、監視・アクセス制御の即時有効化、チーム別クォータ管理が標準で組み込まれており、展開直後から運用可能な状態になります。

コスト管理面では、思考予算の調整により同一モデルで精度とコストのトレードオフを制御できます。金融推論ベンチマークでは、最高設定で約86%の精度に対し、最低設定でも約74%を維持しつつトークン消費を14分の1に抑えられることが実証されました。

ガバナンス面では、Oktaとの統合により、AIエージェントを企業ディレクトリ上の独立したIDとして管理する仕組みを実現しました。従来の共有APIキーによる認証では、非決定的なエージェントの行動追跡や即時無効化が困難でしたが、ID基盤型ガバナンスにより人間と同一の管理体系でエージェントを統制できます。

ハードウェア面では、NVIDIA RTX PRO 4500をDataRobotプラットフォームの推論エンジンとして技術検証済みであることを発表しました。32GBのGDDR7メモリとBlackwellアーキテクチャを搭載し、リアルタイム物流最適化やRAGパイプラインなど、エージェント型ワークロードに最適化された性能を提供します。

NVIDIA、AI検索と表データ分析で世界首位を獲得

エージェント型検索

NeMo RetrieverがViDoRe v3で1位
BRIGHTベンチマークでも2位獲得
ReACTアーキテクチャで反復検索
MCPサーバーからシングルトン方式へ移行

データ分析エージェント

DABStepベンチマークで1位
3フェーズ構成で30倍高速化
学習・推論・振り返りの分離設計
小型モデルが大型モデルを上回る精度

NVIDIAは2026年3月13日、エージェント型AI検索パイプライン「NeMo Retriever」と自律データ分析エージェント「KGMON Data Explorer」の2つの成果を発表しました。いずれも主要ベンチマークで世界トップの性能を達成しています。

NeMo Retrieverは、従来の意味的類似度検索の限界を超えるため、ReACTアーキテクチャに基づくエージェントループを採用しました。LLMが検索クエリを動的に生成・修正し、複雑な質問を分解して反復的に情報を探索します。この設計により、視覚的に複雑な文書検索のViDoRe v3で1位、推論重視のBRIGHTで2位を達成しました。

技術面では、当初採用したMCPサーバー方式をスレッドセーフなシングルトン方式に置き換えることで、ネットワーク遅延やデプロイエラーを排除しました。GPU利用効率と実験スループットが大幅に改善され、同一パイプラインが異なるベンチマークに無変更で適用できる汎用性が最大の強みです。

一方、KGMON Data Explorerは表形式データの多段推論に特化したエージェントです。学習フェーズでOpus 4.5が再利用可能な関数ライブラリを構築し、推論フェーズでは軽量なHaiku 4.5がそのライブラリを活用して高速に回答します。DABStepベンチマークの難問で89.95点を記録し、Google AIやAntGroupを上回り1位となりました。

エージェント型検索は1クエリあたり約136秒と従来の密ベクトル検索より大幅に遅い課題があります。NVIDIAは蒸留技術による小型化で高速・低コスト化を目指す方針です。Data Explorerも20秒でタスクを完了し、従来の10分から30倍の高速化を実証しており、両プロジェクトとも実用化に向けた効率改善が進んでいます。

NVIDIAとダッソー、産業AIとデジタルツインで提携

提携の全体像

NVIDIAとダッソーが包括提携
物理ベース仮想ツインを共同開発
CUDA-XとOmniverseを統合
3大陸でAIファクトリー展開

産業への応用事例

Lucid MotorsがEV設計を加速
Bel Groupが食品タンパク質を研究
オムロンが生産自動化に活用
航空研究機関が機体認証を効率化

NVIDIAと仏ダッソー・システムズは、産業AIとデジタルツイン分野で包括的な提携を発表しました。ダッソーの仮想ツイン基盤にNVIDIAのアクセラレーテッドコンピューティングとAI物理モデルを統合し、製品設計・シミュレーション・最適化を実世界構築前に高速化します。

ダッソーのSIMULIAソフトウェアは、NVIDIAのCUDA-XおよびAI物理ライブラリを活用し、シミュレーション結果を瞬時かつ正確に予測できるようになります。設計者やエンジニアは仮想ツインとAIコンパニオンを使い、効率を大幅に向上させることが可能です。

NVIDIAはダッソーのモデルベースシステムズエンジニアリング技術を採用し、ギガワット級AIファクトリーの設計とグローバル展開を加速します。ダッソーは3大陸のソブリンクラウド「OUTSCALE」上にNVIDIA搭載AIファクトリーを配備し、データ主権を維持しながらAIワークロードを実行します。

自動車分野ではLucid MotorsがEV開発にデジタルツインを導入し、食品分野ではBel Groupがベビーベルなどのチーズに合う非乳製品タンパク質の開発を仮想ツインで加速しています。産業自動化ではオムロンが物理AIで生産検証を高度化しています。

ダッソーCEOのパスカル・ダロズ氏は「知識は生きた世界に組み込まれている。仮想ツインで生命から学び、理解し、再現・拡張する」と述べました。両社の技術統合により、サプライチェーンから店頭までの産業オペレーション全体をエンドツーエンドで仮想検証できる時代が本格化します。

NVIDIA AI-Qが深層研究ベンチマーク2種で首位を獲得

技術アーキテクチャ

マルチエージェント構成を採用
計画・調査・統合の3段階で実行
Nemotron 3を独自微調整
約6.7万件の軌跡データで学習
5種の専門サブエージェントが並列調査
アンサンブルで網羅性を向上

ベンチマーク成果

DeepResearch Benchで55.95点
Bench IIでも54.50点で首位

企業向け設計思想

オープンソースで完全公開
YAML設定でLLM・ツール交換可能
カスタムミドルウェアで長時間安定稼働

NVIDIAは2026年3月12日、自社開発のAIリサーチエージェント「AI-Q」が、深層研究エージェントの主要ベンチマークであるDeepResearch Bench(55.95点)およびDeepResearch Bench II(54.50点)の両方で首位を獲得したと発表しました。

AI-Qはオーケストレーター、プランナー、リサーチャーの3つのエージェントで構成されるマルチエージェントアーキテクチャを採用しています。プランナーがまず情報の全体像を把握し、エビデンスに基づいた調査計画を策定します。リサーチャーは事実収集・因果分析・比較検証・批判的検討・最新動向の5種の専門家を並列に稼働させ、多角的な証拠を収集します。

性能の鍵を握るのは、独自に微調整されたNemotron-3-Super-120B-A12Bモデルです。OpenScholarやResearchQAなど複数のデータセットから約8万件の研究軌跡を生成し、品質判定モデルでフィルタリングした約6.7万件で学習しました。実際のWeb検索結果を含む軌跡データにより、現実のデータに対する検索・統合能力が強化されています。

長時間にわたるエージェント実行の信頼性を確保するため、ツール名の自動修正、推論トークンのリトライ、ツール呼び出し回数の予算管理、レポート構造の検証といったカスタムミドルウェアを実装しています。オプションのアンサンブル機能では、複数の独立した調査パイプラインを並列実行し、各出力を統合することで情報の網羅性を最大化します。

AI-QはNeMo Agent Toolkit上に構築されたオープンソースのブループリントとして公開されており、企業が自社環境で所有・カスタマイズできる設計です。YAML設定によりLLMやツール、エージェントグラフを柔軟に差し替え可能で、透明性とコントロールを維持しながら最先端の研究品質を実現できる点が、企業のAI活用において大きな意義を持ちます。

Nvidia、オープンAIモデルに5年で260億ドル投資へ

NemoClawの全容

OpenClaw対抗の基盤発表
Salesforce等大手と提携交渉中
オープンソースで公開予定

260億ドル投資計画

5年間で260億ドル規模
Nemotron 3 Superを公開
1280億パラメータの最新モデル

米中AI競争への影響

中国製オープンモデルに対抗
自社チップ最適化が狙い

Nvidiaは2026年3月、オープンソースAIエージェント基盤「NemoClaw」の提供準備を進めていることが報じられました。年次開発者会議を前に、Salesforce、Cisco、Google、Adobe、CrowdStrikeなど大手企業とパートナーシップ交渉を行っています。

NemoClawは、1月に注目を集めたOpenClawの直接的な競合製品です。OpenClawは個人のマシンから常時稼働のAIエージェントを操作できるシステムで、OpenAIがその開発者Peter Steinberger氏を採用した経緯があります。Nvidiaはこの急成長市場への参入を狙います。

さらにNvidiaは、今後5年間で260億ドルをオープンソースAIモデル開発に投じる計画を明らかにしました。SEC提出の財務書類で判明したこの投資により、同社はチップメーカーからフロンティアラボへと進化する可能性があります。

同社はNemotron 3 Superも発表しました。1280億パラメータを持つこのモデルは、OpenAIのGPT-OSSを複数のベンチマークで上回ると主張しています。AI Indexでスコア37を獲得し、GPT-OSSの33を超えました。また、OpenClaw制御能力を測るPinchBenchで1位を獲得しています。

この投資の背景には、DeepSeekやAlibaba、Moonshot AIなど中国勢のオープンモデルが世界的に普及している状況があります。Nvidia応用深層学習研究VP Bryan Catanzaro氏は「エコシステムの多様性と強化が我々の利益になる」と語り、米国発のオープンモデルの重要性を強調しました。

NVIDIA、1200億パラメータの新モデルNemotron 3 Superを公開

モデルの技術革新

MambaとTransformerのハイブリッド構造採用
120Bパラメータ中12Bのみ稼働するMoE方式
100万トークンのコンテキストウィンドウ実現
前世代比最大5倍のスループット向上

企業導入と展開

PerplexityやCodeRabbitなどが即日統合
Siemens・Palantirが製造・サイバー防衛に活用
オープンウェイトで商用利用可能なライセンス
Google Cloud・OCI・AWS等主要クラウドで提供

NVIDIAは2026年3月11日、エージェントAI向け新モデル「Nemotron 3 Super」を公開しました。1200億パラメータのうち推論時に稼働するのは120億のみで、前世代比最大5倍のスループットと2倍の精度向上を実現しています。

本モデルはMamba-2層とTransformer層を組み合わせたハイブリッド構造を採用しています。Mamba層が線形計算量で高速処理を担い、Transformer層が高精度な情報検索を補完することで、100万トークンのコンテキストウィンドウを効率的に実現しました。

新技術「Latent MoE」は、トークンを圧縮空間に射影してからエキスパートに振り分けることで、同じ計算コストで4倍の専門家を活用できます。さらにマルチトークン予測により推論速度を最大3倍に高速化しています。

Blackwell GPUプラットフォームではNVFP4精度で動作し、Hopper世代のFP8比で最大4倍高速な推論を精度損失なく達成しました。DeepResearch Benchのリーダーボードでは1位を獲得しています。

Perplexity、CodeRabbit、Greptileなどの企業が即日統合を開始し、Siemens、Palantir、Cadenceなどの大手企業も製造・サイバーセキュリティ分野での活用を進めています。モデルはオープンウェイトで公開され、10兆トークン超の学習データとレシピも併せて提供されました。

Google Cloud、Oracle Cloud、AWS、Azureなど主要クラウドに加え、Dell AI FactoryやHPEによるオンプレミス展開にも対応します。NVIDIA NIMマイクロサービスとしてパッケージ化されており、企業は柔軟な環境で商用利用が可能です。

Meta、自社AI半導体4種を発表しBroadcomと共同開発

新チップの全容

MTIA 300が量産開始
推薦アルゴリズム訓練用に設計
MTIA 400〜500は推論特化型
2027年末までに全チップ出荷予定

戦略的背景

RISC-Vアーキテクチャを採用
TSMCが製造を担当
Nvidia・AMDとの大型契約も並行
OpenAIも同様の自社チップ路線へ

Metaは2026年3月、自社AI基盤を強化する新型半導体MTIAシリーズ4種を発表しました。Broadcomとの共同開発で、オープンソースのRISC-Vアーキテクチャを採用し、TSMCが製造を担当します。

最初のチップMTIA 300はすでに量産段階に入っており、FacebookやInstagramのコンテンツ推薦アルゴリズムの訓練に使用されます。SNS企業が自社シリコンをこの速度で投入するのは業界でも極めて異例です。

残る3チップはAI推論に特化した設計です。MTIA 400は市販製品と競合する性能を持ち、まもなくデータセンターに導入予定です。MTIA 450は高帯域メモリを倍増、MTIA 500は低精度データの革新技術を搭載します。

Meta技術担当VP・YJ Song氏は、AIモデルの進化速度が従来のチップ開発サイクルを上回っていると指摘しました。そのためモジュラー型チップレット設計で反復的にアーキテクチャを改良し、最新のワークロードに迅速に対応する戦略を採用しています。

一方でMetaは今年初め、Nvidia対抗の高性能チップ開発を縮小したと報じられていました。今回の発表はその懸念を払拭する狙いがあります。ただしカスタム半導体の開発コストは膨大で、当面はNvidiaやAMD、Googleからの外部調達が主力となる見通しです。

Manufact、AIエージェント向けMCP基盤で630万ドル調達

MCPの急速な普及

Anthropic発のMCPが業界標準に
月間700万DLのサーバー群
ChatGPT・Gemini等主要AIが対応
Linux Foundation傘下で標準化

Manufactの戦略

6行のコードでAIエージェント構築
OSSのSDKが500万DL突破
60秒でMCPサーバーをデプロイ
NASA・Nvidia・SAPがSDK採用

課題と展望

社員3名で売上はまだゼロ
AWS・Cloudflare等大手が競合参入

Manufactは、AIエージェントがソフトウェアと連携するための標準プロトコル「MCP」の開発基盤を提供するスタートアップです。サンフランシスコとチューリッヒを拠点とし、Peak XV主導で630万ドルのシード資金を調達しました。Y Combinator 2025年夏バッチの出身企業です。

MCPはAnthropicが2024年末に発表したオープン標準で、AIエージェントと外部ソフトウェアを接続する「AIのUSB-C」と呼ばれています。従来はツールごとに個別のコネクタ開発が必要でしたが、MCPにより単一プロトコルで統一的な接続が可能になりました。現在1万以上のMCPサーバーが稼働しています。

同社の主力製品であるオープンソースSDK「mcp-use」は、わずか6行のコードでMCPサーバーに接続するAIエージェントを構築できます。公開後すぐにGitHub上で大きな注目を集め、累計500万ダウンロード、9,000スターを獲得しました。NASAやNvidiaなど大手組織も利用しています。

ManufactはVercelのビジネスモデルを参考に、SDK・テストツール・クラウドの3層で展開しています。GitHubプッシュから60秒で本番MCPサーバーをデプロイでき、ChatGPT向けのMCPアプリも1分以内に構築可能です。AIエージェント市場は2025年の78億ドルから2030年に526億ドルへ急成長が見込まれています。

一方で課題も明確です。社員はわずか3名で、著名ユーザーはいるものの有料顧客はまだいません。AWS・Cloudflare・Vercelなどクラウド大手もMCPホスティング機能を相次ぎ投入しており、競争は激化しています。同社は2026年末までにARR 200〜300万ドルの達成を目指し、シリーズA調達につなげる方針です。

NVIDIA、概念駆動で1500万件のPython合成データセットを公開

データセットの設計

91個のプログラミング概念を体系化
階層的タクソノミーで難易度を制御
1500万件のPython問題を自動生成
ast.parseで構文的正当性を検証

性能向上の実証

HumanEvalで6ポイント改善
73から79へ精度が向上
エッジケース処理能力も強化
CC-BY-4.0で公開済み

NVIDIAは、プログラミング概念の体系的な分類に基づき、1500万件のPython問題からなる大規模合成データセット「Code Concepts」を公開しました。同データセットはNemotron-Pretraining-Specialized-v1.1の一部として、CC-BY-4.0ライセンスで提供されます。

このワークフローの核となるのは、Nemotron-Pretraining-Codeデータセットから構築されたプログラミング知識のタクソノミーです。文字列操作や再帰といった基本構文から、高度なアルゴリズムやデータ構造パターンまで、数千の概念が階層的に整理されています。

実証実験では、HumanEvalベンチマークに関連する91個のコア概念を特定し、これらの概念の組み合わせから約1500万件の合成問題を生成しました。各問題はPythonのast.parse関数で構文検証され、品質が担保されています。

生成された100億トークンをNemotron Nano-v3の事前学習の最終1000億トークンに組み込んだところ、HumanEval精度が73から79へと6ポイント向上しました。グラフアルゴリズムや集合演算など、多様な概念での性能改善が定性的にも確認されています。

NVIDIAはこのデータセットを単発の成果物ではなく、概念駆動型生成ワークフローの有効性を示す検証として位置づけています。タクソノミーとデータセットの両方をオープンライセンスで公開することで、他のドメインへの応用拡大をコミュニティに促しています。

NVIDIAジェットソンがエッジAIの新標準に、重機から家庭まで展開

エッジ推論の実用例

キャタピラー重機に音声AIアシスタント搭載
クラウド不要のローカル推論を実現
Jetson Thorがリアルタイム処理を担保
ロボット・スマートホームにも展開

対応オープンモデル群

Gemma・Mistral・Qwen等主要モデルに対応
GR00T N1.6でロボット動作を自律制御
vLLMで最大273トークン/秒を達成
2B〜30Bパラメータを柔軟に切り替え

NVIDIAは2026年のCESにおいて、エッジAIプラットフォーム「Jetson Thor」上でキャタピラーの小型油圧ショベル向け音声AIアシスタントのデモを公開した。Qwen3 4BモデルをvLLC経由でローカル動作させ、クラウド接続なしで低遅延な自然言語応答を実現している。

従来のオープンモデルはデータセンターで運用されてきたが、クラウド依存はレイテンシとコストの課題を抱える。Jetsonはシステムオンモジュールにコンピュートとメモリを統合し、メモリ不足による調達難を解消しながら、産業機器向けに安定したエッジ推論環境を提供する。

ロボティクス分野ではFranka RoboticsのFR3 DuoがオンボードでGR00T N1.6モデルを実行し、タスクスクリプト不要で知覚から動作まで完結させた。NYU・UIUCなどの研究機関もJetson Thor上でヒューマノイド制御や抹茶製造ロボットの開発に成功している。

個人開発者レベルでも活用が広がっており、Hugging FaceのAndré Marafiotiはエージェント型AIシステムをJetson AGX Orin上で構築し、タスク自律スケジューリングを実現した。CollabnixのAjeet Singh RainaはOpenClawをJetson Thor上で24時間稼働させ、メール・カレンダー管理を自動化している。

Jetson Thorは現在、Gemma 3・Mistral 3・Qwen 3.5・gpt-oss-20B・NVIDIA Cosmosなど主要オープンモデルを広くサポートしており、開発者はvLLM・Ollama・llama.cppなど多様なフレームワークを選択できる。GTC 2026では産業自律化の未来をテーマにした展示も予定されている。

ファン氏、AIの「5層構造」は人類史上最大のインフラ整備

AIの5層スタック

エネルギー:AI基盤の第一原理
チップ:計算効率を左右する要
インフラ:AI工場として機能
モデル:多領域の知能生成エンジン
アプリ:経済価値を生む最上層

経済・雇用への波及

数兆ドル規模の投資需要
熟練職の大量雇用創出
生産性向上による需要拡大
DeepSeek-R1が全層需要を加速

NVIDIAのジェンセン・ファンCEOは2026年1月のダボス会議で、AIを「5層のケーキ」として定義しました。エネルギー・チップ・インフラ・モデル・アプリケーションの5層が相互に依存し、これが人類史上最大のインフラ整備になると宣言しました。

従来のソフトウェアは人間が記述したアルゴリズムを実行するだけでしたが、AIは非構造化情報を理解しリアルタイムで知能を生成します。この根本的な変化がコンピューティングスタック全体の再設計を必要とした、とファン氏は説明しました。

現在は数千億ドルの投資が行われていますが、必要なインフラの大半はまだ存在しません。世界各地でチップ工場・コンピュータ組立工場・AIファクトリーが空前の規模で建設されており、電気工事士や配管工など高技能・高待遇の職が大量に必要とされています。

AIは知識労働の生産性も向上させます。放射線科医の例では、AIがスキャン読み取りを支援しても診断医の需要は増加しています。生産性が容量を生み、容量が成長を生むというサイクルが実証されています。

オープンソースモデルは世界中の研究者・企業・国家がAIに参加する基盤となっています。DeepSeek-R1のような強力な推論モデルの無償公開はアプリ層の採用を加速し、インフラ・チップ・エネルギー全層への需要を押し上げた好例です。

ファン氏はAIをもはや一企業・一国の問題ではなく、すべての企業が活用しすべての国が構築する現代世界の基礎インフラと位置づけました。今後の構築速度・参加の広さ・責任ある展開がこの時代の形を決めると締めくくりました。

NVIDIAとThinking Machines、1GW規模の大型提携を発表

提携の概要

1GW以上のVera Rubin導入
2027年初頭から展開開始
複数年の戦略的パートナーシップ
NVIDIAが出資も実施

企業と市場背景

Thinking Machinesは評価額120億ドル超
累計20億ドル以上を調達済み
共同創業者の相次ぐ離脱も
AI計算需要は数兆ドル規模へ

NVIDIAとOpenAI共同創業者ミラ・ムラティ氏率いるThinking Machines Labは、次世代プラットフォーム「Vera Rubin」を少なくとも1ギガワット規模で導入する複数年の戦略的パートナーシップを発表しました。展開は2027年初頭を予定しています。

本提携では、フロンティアモデルの訓練と、企業・研究機関向けにカスタマイズ可能なAIを大規模に提供するプラットフォームの構築を目指します。NVIDIAアーキテクチャ向けの訓練・推論システムの共同設計も含まれています。

NVIDIAはThinking Machines Labへの戦略的出資も行いました。同社は2025年2月の設立以来、Andreessen HorowitzやAccel、AMD系ベンチャーなどから20億ドル以上を調達し、シード段階で評価額は120億ドルを超えています。

一方で同社は、共同創業者のAndrew Tulloch氏がMetaへ移籍し、Barret Zoph氏ら3名がOpenAIに復帰するなど、幹部の流出が続いています。昨秋にはAPI製品「Tinker」を初めてリリースしました。

AI企業の計算資源への需要は依然として旺盛です。NVIDIAのジェンスン・ファンCEOは、2020年代末までにAIインフラへの投資が3〜4兆ドルに達すると予測しており、OpenAIがOracleと3000億ドル規模の契約を結んだ事例も報じられています。

NVIDIAがComfyUI連携強化、ローカルAI動画生成を大幅高速化

ComfyUI刷新

App Viewで初心者も利用可能に
ノード不要の簡易UIを追加
RTX最適化で40%高速化達成

性能と4K対応

NVFP4で2.5倍高速・VRAM60%削減
RTX Videoで4Kアップスケール対応
Python開発者向け無償パッケージ公開

対応モデル拡大

FLUX.2 KleinのNVFP4/FP8版公開
LTX-2.3のNVFP4対応も近日予定

NVIDIAは米サンフランシスコで開催中のGame Developers Conference(GDC)において、ComfyUIとの連携強化を含むAI動画生成の高速化アップデートを発表しました。RTX GPUおよびDGX Sparkデスクトップ向けに、コンセプト開発やストーリーボード制作の効率を大幅に向上させます。

ComfyUIに新たに追加されたApp Viewは、ノードグラフに不慣れなアーティスト向けの簡易インターフェースです。プロンプト入力とパラメータ調整だけで画像生成が可能になり、従来のNode Viewとの切り替えもシームレスに行えます。AI創作ツールの利用障壁を大きく引き下げる取り組みです。

性能面では、RTX GPUへの最適化により9月比で40%の高速化を実現しました。さらにGeForce RTX 50シリーズのNVFP4フォーマットを活用することで、パフォーマンスは2.5倍に向上し、VRAMの使用量は60%削減されます。FP8でも1.7倍の高速化と40%のVRAM削減を達成しています。

RTX Video Super ResolutionがComfyUIのノードとして利用可能になり、生成した動画をリアルタイムで4Kにアップスケールできるようになりました。従来の手法と比較して30倍高速で、VRAM消費も大幅に抑えられます。AI開発者向けにはPyPIから無償のPythonパッケージも公開されています。

対応モデルも拡充され、FLUX.2 Kleinの4Bおよび9BモデルのNVFP4・FP8版がHugging Faceで公開されました。LTX-2.3のFP8版も利用可能で、NVFP4対応も近日中に予定されています。ゲーム開発者やクリエイターがローカル環境で高品質なAI動画を生成できる基盤が着実に整いつつあります。

ルカン氏のAMI Labs、ワールドモデル開発で約1500億円調達

資金調達の概要

10.3億ドルの大型調達
プレマネー評価額35億ドル
当初予定の約2倍の規模
ベゾス・エクスペディションズら共同主導

技術と事業戦略

JEPAアーキテクチャが基盤技術
言語でなく現実世界から学習
医療スタートアップNablaが第1パートナー
オープンソース方針で研究公開
パリ・NY・モントリオール・シンガポールで展開

チューリング賞受賞者のヤン・ルカン氏がMetaを退社後に共同設立した仏AIスタートアップAMI Labsは、2026年3月、10.3億ドル(約1500億円)の資金調達を完了したとTechCrunchが報じた。プレマネーバリュエーションは35億ドルで、投資家にはベゾス・エクスペディションズやNvidia、Samsung、Toyotaベンチャーズらが名を連ねる。

AMI Labsが開発するワールドモデルとは、テキストではなく現実世界のデータから学習するAIであり、大規模言語モデル(LLM)とは根本的に異なるアプローチを取る。技術基盤には、ルカン氏が2022年に提唱したJEPA(Joint Embedding Predictive Architecture)を採用している。

CEOのアレクサンドル・ルブラン氏は、LLMの幻覚問題が医療現場で生命に関わるリスクをもたらすと指摘し、その限界を克服する代替技術としてワールドモデルへの移行を決断したと述べた。最初のパートナーは医療スタートアップのNablaであり、実世界データでの早期検証を進める。

同社は「基礎研究からスタートする野心的プロジェクト」と位置づけており、商用化まで数年単位の時間軸を想定している。チームはルカン氏(会長)、元MetaのVPローラン・ソリー氏(COO)、著名研究者のサイニン・シェ氏(最高科学責任者)らで構成され、人材の質を最優先に採用を進める方針だ。

ルブラン氏は「研究は公開した方が進みが速く、コミュニティ形成が自社の利益にもなる」と語り、論文発表とコードのオープンソース化を積極的に行う姿勢を示した。ワールドモデル分野ではFei-Fei Li氏のWorld Labsも先月10億ドルを調達しており、次のAI投資テーマとして急速に注目が高まっている。

NvidiaがオープンソースAIエージェント基盤「NemoClaw」を発表へ

プラットフォームの概要

NemoClawの公開準備
チップ依存なしで利用可能
Salesforceら大手と協議中

戦略的背景

オープンソース戦略の拡大
CUDA依存からの脱却図る
企業向けエージェント需要に対応
Groqチップとの統合も発表予定

Nvidiaは来週サンノゼで開催する年次開発者会議に向け、企業向けオープンソースAIエージェント基盤「NemoClaw」を発表する計画を進めていることがWIREDの取材で明らかになった。

NemoClawは自社の従業員向けにAIエージェントを展開したい企業ソフトウェア会社を主な対象としており、Nvidiaのチップを使用しない製品環境でも利用できる点が特徴です。

Nvidiaはすでにセールスフォース、シスコ、グーグル、アドビ、クラウドストライクといった大手企業にNemoClawを売り込んでおり、パートナーシップ形成に向けた協議を進めています。オープンソースである性質上、パートナー企業はプロジェクトへの貢献と引き換えに無償の早期アクセスを得る見通しです。

この動きはNvidiaのオープンソースAIモデル戦略の一環であり、主要AIラボが独自カスタムチップの開発を進める中、AI基盤における同社の優位性を維持するための布石と見られています。従来の戦略の柱だったCUDAプラットフォームへの依存を超え、ソフトウェアレイヤーでの影響力拡大を図る狙いがあります。

エンタープライズ環境でのAIエージェント活用は依然として議論を呼んでおり、メタなどはセキュリティリスクを理由に社内利用を制限しています。NemoClawはセキュリティ・プライバシーツールを組み込むことで、企業が抱えるこうした懸念に正面から応えようとしています。

NVIDIAの調査、AI導入で88%の企業が年収増を報告

AI導入の現状と成果

全体の64%がAIを本番運用中
大企業の76%が積極活用
88%が年間収益増加を報告
87%がコスト削減を実現

戦略トレンドと課題

エージェントAIの企業導入が加速
オープンソースが85%の戦略に必須
86%が2026年のAI予算増加を計画
AIエキスパート不足が最大の障壁

NVIDIAは2025年8月〜12月に実施した「State of AI」調査の結果を発表した。金融・小売・医療・通信・製造の5分野で3,200人超から回答を得て、2026年における企業AIの導入状況とROIを明らかにした。

収益・コスト面での成果は顕著で、回答者の88%がAIによる年間収益増加を確認し、うち30%は10%超の大幅増を報告した。コスト削減でも87%が効果を認め、特に小売・CPG分野では37%が10%超の削減を達成している。

生産性向上においても、通信業界では99%の回答者がAIによる従業員生産性の改善を報告した。PepsiCoはSiemensとNVIDIAと協力してデジタルツインを構築し、スループット20%向上・設備投資10〜15%削減を実現した事例が示された。

エージェントAIの台頭も顕著で、2025年末時点で44%の企業が試験・評価段階にあり、2026年初頭には本格展開が進んでいる。通信業界が採用率48%でトップ、次いで小売・CPGが47%となった。医療分野ではICU向けAIアシスタント「Mona」が記録エラーを68%削減した。

最大の課題はデータ整備とAI人材不足で、48%がデータ関連問題を、38%がAIエキスパート・データサイエンティスト不足を挙げた。86%の企業が2026年のAI予算増加を予定しており、最優先投資はワークフロー最適化(42%)とユースケース拡大(31%)となっている。

英NscaleがシリーズCで約2兆円調達、サンドバーグら著名人が取締役に就任

巨額資金調達の詳細

評価額146億ドルに到達
シリーズCは欧州史上最大規模
Goldman Sachs・JPMorganが支援
IPO準備の観測強まる

事業拡張の戦略

Stargate Norwayを完全管理下に
OpenAIが初期顧客として契約
Microsoftと20万GPU供給契約
再生可能エネルギー活用を推進

英国のAIインフラ企業Nscaleは2026年3月、シリーズCラウンドで20億ドルを調達し、企業評価額が146億ドルに達したと発表した。同社の元Meta COOシェリル・サンドバーグ、元英国副首相ニック・クレッグらが新たに取締役会に加わった。

今回の調達はNvidiaやDell、Blue Owlなどが参加するプレシリーズCのSAFE4億3300万ドルを含む総額であり、Goldman SachsとJPMorganが支援に関与していることからIPO準備との見方が広がっている。CEOのジョシュ・ペイン氏は「今年中にも上場を検討」と述べた。

Nscaleはノルウェーの上場企業Akerとの合弁事業「Stargate Norway」を完全管理下に移行することで合意した。同プロジェクトは2026年末までにNvidiaのGPU10万基稼働を目指し、OpenAIが初期顧客として名を連ねている。

事業提携面ではMicrosoftとの契約拡大により、欧州3拠点と米国1拠点のデータセンターに約20万基のNvidia GPUを展開することが決まっている。DellやNvidiaも今回のシリーズCに出資しており、戦略的連携が一段と深まっている。

Nscaleはエネルギーからデータセンター、コンピューティング、オーケストレーションソフトウェアまでの垂直統合モデルを採用し、低コストの再生可能エネルギーを活用しながら欧州・北米・アジアでのインフラ拡充を加速させる方針だ。

HuggingFace、LeRobot v0.5.0でヒューマノイド対応と6つの新ポリシーを追加

ハードウェア拡張

Unitree G1ヒューマノイド初対応
全身協調制御(WBC)の実現
OpenArmロボットアームの統合
CANバスモーター対応で高性能化

AIポリシーと高速化

Pi0-FAST自己回帰VLAの導入
Real-Time Chunkingで推論の応答性向上
LoRA/PEFTで大規模VLAの効率微調整
画像学習10倍高速化を実現

エコシステム整備

EnvHubでHub上のシミュレーション環境を直接利用
NVIDIA IsaacLabとのGPU並列学習統合
サードパーティポリシープラグイン対応
ICLR 2026採択で学術的評価を獲得

Hugging Faceは2026年3月にオープンソースロボット学習フレームワーク「LeRobot」のv0.5.0をリリースした。同バージョンでは初のヒューマノイドロボット対応や6つの新ポリシー追加、データパイプラインの大幅な高速化など、あらゆる次元でのスケールアップが実現されています。

最大のハードウェア追加はUnitree G1ヒューマノイドの全面サポートです。歩行・ナビゲーション・物体操作・遠隔操作に加え、全身協調制御(WBC)により移動と操作を同時実行できる。これはLeRobotが卓上アームを超えた汎用ロボティクスへ踏み出す重要な一歩となっています。

ポリシー面ではPi0-FASTが注目されます。Gemma 300Mベースの自己回帰型アクションエキスパートを採用し、FASToトークン化によって離散化されたアクション列を生成します。また推論技術のReal-Time Chunking(RTC)は、フローマッチングポリシーの応答性を劇的に改善し、実世界デプロイでのレイテンシ問題を解消します。

データセットパイプラインではストリーミングビデオエンコーディングの導入により、エピソード記録後のエンコード待ち時間がゼロになりました。さらに画像学習が最大10倍、エンコードが3倍高速化されており、データ収集からモデル訓練までのサイクルが大幅に短縮されています。

コードベース面ではPython 3.12+とTransformers v5への移行が完了し、サードパーティポリシープラグインシステムの導入でエコシステムの拡張性が向上しました。EnvHubとNVIDIA IsaacLab-Arenaの統合により、シミュレーション環境の共有・活用も容易になっています。同論文はICLR 2026にも採択されており、学術コミュニティからの評価も高まっています。

ABBロボティクスとNVIDIA、工業用物理AIで戦略提携

技術統合の概要

RobotStudio HyperRealityを新投入
展開コストを最大40%削減
市場投入を最大50%短縮
2026年後半に一般提供開始

実証と活用事例

Foxconnが電子機器組立で先行試験
Workrが中小製造業向けに展開
設定・試運転時間を最大80%短縮
合成データで位置誤差0.5mmを実現

ABBロボティクスとNVIDIAは2026年3月、産業向け物理AIの実現に向けた戦略的提携を発表しました。ABBのロボットプログラミング・シミュレーションスイート「RobotStudio」にNVIDIA Omniverseライブラリを統合し、新製品「RobotStudio HyperReality」を2026年後半に提供開始する予定です。

今回の提携の核心は、長年の課題とされてきたシム・トゥ・リアルギャップの解消にあります。HyperRealityはロボット・センサー・照明・運動学などをUSDファイルとしてOmniverseに出力し、物理ロボットと同一ファームウェアで動く仮想コントローラーを実行することで、シミュレーションと実機の相関性を99%まで高めます。

ABBのAbsolute Accuracy技術との組み合わせにより、位置決め誤差を従来の8〜15mmから約0.5mmに大幅削減できます。Omniverseが生成する合成画像をAI学習パイプラインに直接投入することで、ビジョンモデルの学習をすべてシミュレーション内で完結させることも可能です。

先行パイロットでは世界最大の電子機器受託製造企業Foxconnが消費者向け電子機器の組立ラインで導入を検討しており、物理試験の排除とセットアップ時間の短縮を見込んでいます。米国のロボット自動化企業Workrは自社プラットフォーム「WorkrCore」と統合し、プログラミング専門知識不要で新部品を数分でオンボーディングできるシステムをNVIDIA GTC 2026でデモ予定です。

ABBロボティクスはさらにNVIDIA JetsonエッジAIプラットフォームをOmnicoreコントローラーへ統合することも検討しており、ロボットポートフォリオ全体でリアルタイム推論を可能にする方針です。世界6万人以上のロボットエンジニアが使うRobotStudioに物理AIが標準搭載されることで、製造業のデジタルトランスフォーメーションが加速すると見られています。

米政権、AIチップ全輸出に政府承認を義務付ける新規制案を策定

新規制案の骨子

全輸出に商務省承認を義務化
購入規模に応じ審査段階を設定
大口注文は相手国政府の関与が必要
バイデン政権の拡散規則より厳格

米半導体企業への影響

Nvidiaの中国顧客が未回復
代替チップへの需要移転リスク
米国のAI市場優位性低下の懸念

トランプ政権が、米国製AIチップの国外輸出すべてに米商務省の事前承認を義務付ける新たな規制案を策定していることが、2026年3月5日にBloomberg報道で明らかになりました。NvidiaやAMDなどの半導体企業に大きな影響を与える内容です。

新規制案では、米国外の企業や政府がAIチップを購入する際、商務省の審査を受ける必要があります。少量の注文には基本的な審査が適用される一方、大規模な購入には相手国政府の関与が求められるなど、段階的な審査体制が設けられます。

この規制案は、バイデン前大統領が導入したAI拡散規則よりも政府の関与が大幅に強化される内容です。トランプ政権は2025年5月にバイデン政権の拡散規則を正式に撤回しており、今回は独自のより包括的なアプローチを模索しています。

米商務省の報道官は「米国テクノロジーの安全な輸出を推進する」と述べる一方、バイデン政権の拡散規則については「過度に負担が大きく、行き過ぎた壊滅的なものだった」と否定しました。中東合意の実績を踏まえ、そのアプローチを制度化する方向で議論中としています。

一方で、この規制強化は米国半導体企業の競争力を損なう恐れがあります。Nvidiaは対中輸出規制の不透明さから約1年にわたり中国顧客の回復が見られず、米国外のチップメーカーがより高性能な製品を開発する中、顧客が他の調達先に流れるリスクが高まっています。

Anthropic CEOがOpenAIの国防総省契約を「嘘」と痛烈批判

AnthropicとOpenAIの対立

AmodeiがOpenAIを「安全劇場」と非難
OpenAIの国防総省契約を「嘘」と断言
Anthropicは自律兵器・監視利用を拒否
ChatGPTアンインストールが295%急増

軍事利用の実態とNvidiaの動向

米軍はイラン攻撃でClaude継続使用
Lockheed Martin等がAnthropic離脱
NvidiaがOpenAI・Anthropic追加投資撤退表明
防衛産業から排除加速も戦場では稼働中

Anthropicのダリオ・アモデイCEOは2026年3月4日、社内メモでOpenAIの国防総省(DoD)契約に関する発信を「完全な嘘」と痛烈に批判しました。アモデイ氏はサム・アルトマン氏が「平和の仲介者を装っている」と指摘しています。

Anthropicは先週、米国防総省との2億ドル規模の契約交渉で、自社AIを国内大量監視や自律型兵器に使用しないことの確約を求めましたが、合意に至りませんでした。代わりに国防総省はOpenAIと契約を締結し、アルトマン氏は同様の保護措置を含むと主張しました。

一方で米軍は依然としてClaudeを実戦で使用しています。米国とイスラエルによるイラン攻撃において、AnthropicのモデルはPalantirのシステムと連携し、標的の選定・座標特定・優先順位付けに活用されていると報じられました。

トランプ政権は民間機関にAnthropic製品の使用中止を指示し、サプライチェーンリスク指定を検討中です。Lockheed Martinなどの防衛大手や下請企業10社以上がClaudeの利用を停止し、競合製品への移行を進めています。ChatGPTのアンインストール数は契約発表後に295%急増しました。

Nvidiaのジェンスン・ファンCEOは、OpenAIとAnthropicへの追加投資を行わない意向を表明しました。IPOによる投資機会の終了を理由に挙げましたが、両社間の対立激化や循環的投資構造への懸念、AnthropicがNvidiaの中国向け半導体販売を「核兵器売却」に例えた経緯も背景にあるとみられています。

Nvidia、フォトニクス企業2社に総額40億ドル投資

大型投資の概要

Lumentumに20億ドル投資
Coherentにも20億ドル投資
光トランシーバーや回路スイッチが対象
複数年の非独占的パートナーシップ契約

狙いと業界動向

AIデータセンターの帯域幅不足に対応
光ファイバーは銅線より低遅延・省電力
DARPAもフォトニクス研究を公募開始
AMDも昨年Enosemiを買収済み

米Nvidiaは2026年3月2日、フォトニクス技術を開発するLumentumとCoherentの2社にそれぞれ20億ドル、合計40億ドルを投資すると発表しました。AIデータセンターの高速データ通信を支える光学技術の確保が目的です。

両社との契約は複数年にわたる非独占的なもので、先進レーザー部品の大規模購入契約と将来の生産能力へのアクセス権が含まれます。研究開発や製造拡大の支援も盛り込まれており、Nvidiaの長期的な光学戦略が明確になりました。

背景には、AnthropicのClaude CoworkやMicrosoftのCopilot Tasksなどエージェント型AIの普及があります。複数タスクの同時実行に必要な帯域幅が急増しており、銅線ケーブルでは対応が困難になりつつあります。

光ファイバーは銅線と比べて大幅に高い帯域幅と低遅延を実現でき、消費電力も少ないという利点があります。Nvidiaは2020年に買収したMellanoxのネットワーク技術でNVLinkを強化した実績があり、今回の投資はその延長線上にあります。

フォトニクスへの注目はNvidiaに限りません。DARPAは先月、AI向けフォトニックコンピューティングの研究提案を公募しました。競合のAMDも2025年にシリコンフォトニクス企業Enosemiを買収しており、業界全体で光学技術への投資が加速しています。

NVIDIA、MWC前に自律ネットワークとAI-RANの商用化を加速

自律ネットワーク向けAI基盤

Nemotronベースの通信特化LTMを公開
AdaptKey AIと共同で300億パラメータモデル開発
Tech Mahindraと推論ガイドをオープンソース化
RANエネルギー効率のBlueprintを新発表

AI-RANの実環境展開

T-MobileがNokiaと商用環境で実証成功
SoftBankが16層MIMOの業界初達成
IOHが東南アジア初のAI搭載5G通話実現
SynaXGがFR2帯域で世界初のAI-RAN実装

6Gへの布石とエコシステム拡大

AI-RANアライアンスのデモ数が3倍に増加
OCUDU財団に参画しオープンソースRAN推進
77%がAIネイティブ6Gの早期展開を予測

NVIDIAはMWC Barcelonaに先立ち、通信事業者向けの自律ネットワーク技術とAI-RAN商用化に関する大規模な発表を行いました。自律ネットワーク分野では、Nemotron 3ベースの300億パラメータ通信特化大規模モデル(LTM)をオープンソースで公開しています。

このLTMはAdaptKey AIが業界標準データや合成ログを用いてファインチューニングしたもので、障害の切り分けや修復計画の策定、変更検証といった通信業務の推論が可能です。オンプレミスでの安全な展開にも対応し、事業者が自社データで拡張できる設計となっています。

さらにNVIDIAはTech Mahindraと共同で、ネットワークエンジニアのように推論するAIエージェント構築ガイドを公開しました。VIAVIと連携したRANエネルギー効率化のBlueprintや、Cassava Technologies、NTT DATAによるネットワーク構成Blueprintの商用採用も発表されています。

AI-RAN分野では商用展開が急速に進んでいます。T-MobileはNokiaのCUDA対応RANソフトウェアで商用環境実証に成功し、SoftBankのAITRASは業界初の16層MIMOを達成しました。SynaXGは単一GH200サーバー上で36Gbpsのスループットと10ミリ秒以下のレイテンシを実現しています。

MWC 2026ではAI-RANアライアンスのデモが前年比3倍の33件に拡大し、うち26件がNVIDIA Aerialベースです。NVIDIAはLinux Foundation傘下のOCUDU財団にも参画し、オープンソースRAN開発を通じて次世代無線ネットワークの研究と商用化を加速させる方針です。

OpenAIが史上最大1100億ドルの調達を発表

資金調達の規模と参加者

民間資金調達として史上最大の1,100億ドル
企業評価額がさらに桁違いの水準に上昇
AGI開発への長期資本コミットを示唆
AI覇権争いでの競争優位を確保

資金の戦略的意味

データセンター・GPU調達の加速
Amazon Bedrockとの深化が並走
SoftBankのAI投資家としての復活を象徴

OpenAIは2026年2月27日、Amazon、NVIDIA、SoftBankを主要投資家とする1,100億ドル(約17兆円)の資金調達を発表しました。民間企業の資金調達として史上最大規模です。

TechCrunchとThe Vergeが報じたこの巨額調達は、OpenAIのAGI(汎用人工知能)開発への長期的なコミットメントを支える戦略的資本基盤を確立するものです。

投資家のAmazonはAWS/Bedrockとの統合深化、NVIDIAはGPU供給の確保、SoftBankはビジョンファンド以来のAI大型投資への復帰という、それぞれの戦略的利益が一致した取引です。

この調達はMicrosoftのOpenAI向け130億ドル投資を大きく超え、AIが今後10年の最重要テクノロジー投資対象であるという市場のコンセンサスを強化します。

競合のAnthropicがPentagon問題で揺れる中でのタイミングも注目で、OpenAIが資金力と政府関係両面で優位に立つ構図が鮮明になっています。

NVIDIAが創薬向けAIファクトリーを稼働

AIファクトリーの概要

製薬業界特化の大規模AI計算環境
創薬から臨床試験まで全工程を加速
世界最大規模の医薬品AIインフラと自称

NVIDIAは医薬品の発見・開発向けに「世界最強のAIファクトリー」が稼働を開始したと発表しました。大規模なGPU計算インフラを医薬品業界のAI研究・開発に特化させた設備です。

創薬の時間とコストを劇的に短縮するという目標のもと、製薬大手との連携でAI創薬エコシステムを構築する動きです。AIヘルスケア投資の大型事例として業界に影響を与えます。

GoogleがオープンソースロボAIに参入

物理AI戦略の核心

「ロボティクスのAndroid」を完全に掌握
オープンソースからクローズドコントロールへ転換
フィジカルAIでの主導権確立を宣言

The Vergeによれば、Googleはオープンソースのロボティクスプロジェクト「Androidロボティクス」の管理権を完全に掌握しました。物理的な世界でのAI(Physical AI)市場における主導権確立を狙う動きです。

NVIDIAのIsaacやFigureなどとのフィジカルAI競争が激化する中、Googleは自社のAIモデルとロボティクスプラットフォームを統合した独自エコシステムの構築を本格化させています。

NVIDIAが過去最高決算を更新

決算の概要

過去最高益を四半期連続で更新
AI計算需要が引き続き爆発的に増加
「トークン需要は飽くことを知らない」とCEO

市場への影響

設備投資の記録的規模が示す産業の巨大化
AMD・Intelとの差は依然大きい
H200・Blackwellの需要が逼迫継続

NVIDIAは最新四半期の財務結果を発表し、AIコンピューティング需要の持続的な拡大を背景に過去最高の収益を更新しました。CEO Jensen Huang氏は「トークン需要は飽くことを知らない」と述べ、AIインフラへの設備投資が今後も加速すると見ています。

ビッグテック各社によるAI向け設備投資は記録的な規模に達しており、NVIDIAの製品需要は逼迫が続いています。H200やBlackwellアーキテクチャのGPUは依然として品薄状態であり、新製品への切り替えも課題です。

NVIDIAのAI半導体市場における独占的地位はMatXなどの挑戦者が台頭しているものの、短中期では揺るがない状況です。AI産業全体の成長が続く限り、NVIDIAの高成長も継続するとアナリストは見ています。

医療AIのROIが全分野で明確化

ROI実現の現状

放射線診断でAI活用が最も進む
創薬・治験での効率化が顕著
デジタルツインによる新治療法が台頭

今後の課題

規制対応と医療倫理の整備が急務
医療データの標準化・共有化が鍵
医師・医療従事者のAIリテラシー向上

NVIDIAが実施した第2回「医療・ライフサイエンスにおけるAIの現状」調査では、放射線診断から創薬、製造、デジタルツインを活用した新治療法まで、医療のあらゆる領域でAIが明確なROIをもたらしていることが示されました。

特に放射線科学ではAI支援診断が広く実装されており、読影精度と処理速度の向上が確認されています。創薬分野では候補化合物の特定と治験設計の効率化が進んでいます。

一方で医療データの標準化・共有化、規制対応、そして医療従事者のAIリテラシー向上が、さらなる普及に向けた重要課題として挙げられています。

MatXが5億ドルでNVIDIA対抗チップへ

MatXの技術優位性

NVIDIAの10倍の訓練効率を目指す
Jane Street・Situational Awarenessが主導

チップ業界への影響

AI訓練チップ市場の新たな競争者に
NVIDIA GPU独占に対抗する試みが加速
オープンソース派のLeopold Aschenbrennerが支持

元GoogleのハードウェアエンジニアたちによるAIチップスタートアップMatXがJane Streetを主幹事とするシリーズBで5億ドルを調達しました。目標はNVIDIAのGPUより10倍優れた訓練性能を持つプロセッサの開発です。

AI訓練チップ市場でのNVIDIA独占に挑戦する企業が相次いで大型資金調達を行っており、代替AIチップエコシステムが形成されつつあります。MatXはOpenAI元研究員Leopold Aschenbrenner氏の投資ファンドからも資金を受けており、AI安全と技術革新の両立を目指す姿勢が評価されています。

MetaがAMD株10%取得のチップ取引

取引の概要

MetaがAMDから6ギガワット相当のカスタムチップを調達
AMDの10%株式取得可能性を含む大型契約
NVIDIA依存を減らすための戦略的多様化

チップ業界への影響

AMD株が急騰、投資家が好感
NVIDIA一強体制に対抗する新たな勢力図
カスタムチップ需要の爆発的拡大を示す

MetaはAMDとの間で数十億ドル規模のAIチップ取引を締結しました。この契約にはAMDのカスタムチップ6ギガワット分の調達と、MetaがAMD株式の最大10%を取得できる可能性が含まれています。

この取引はMetaのAI計算能力におけるNVIDIA依存を減らすための戦略的な動きと分析されています。AMDはNVIDIAの支配するAIチップ市場において重要な代替プロバイダーとしての地位を強化しています。

Meta・MicrosoftなどビッグテックがAI向けカスタムチップの内製化・多様化を進める中、チップサプライヤーとの長期的な関係構築が戦略的優先事項となっています。

India AIサミット総括、各社が相次ぎ投資表明

インドAIサミットの主要発表

4日間のサミットにグローバルAI大手の幹部が集結
インド政府がAI投資誘致のための政策・インセンティブを提示
NvidiaとMicrosoftがインドへの大規模インフラ投資を約束
OpenAI Sam AltmanがインドのAI活用の可能性を高く評価
Cloudflareなどインフラ企業もインド市場への参入を加速

インドのAI市場ポテンシャル

インドは14億人の潜在ユーザーと高い若年層採用率
IT産業・英語能力・数学教育がAI開発者輩出に強み
言語多様性(22の公用語)がローカライズのハードル
デジタル公共インフラAadhaar・UPIがAI展開基盤
中国との競争においてインドが民主主義的AIの旗手に

インドはニューデリーで4日間にわたってAI Impact Summitを開催し、OpenAI、Anthropic、NVIDIA、Microsoft、Google、Cloudflareなど主要AIおよびテック企業の幹部が参加しました。このサミットはインドが2026年の世界AI経済における重要プレイヤーとしての地位を確立する上での重要な節目となりました。

各社の具体的なコミットメントが相次いで発表されました。G42とCerebrasの8エクサフロップス投資(別記)に加え、Nvidiaはインドのスタートアップと研究機関向けのGPUアクセスプログラムを、Microsoftはインドのデベロッパーエコシステムへの長期投資を、Cloudflareはインドのエッジインフラ拡充を発表しました。

Sam Altmanはインドを「ChatGPTの最も重要な市場の一つ」と表現し、インドの若年層が業務用途でAIを活用する速度と深度は他国を上回ると評価しました。OpenAIはインドでのローカル拠点強化に向けたロードマップを示しました。

インドにとってAIは単なる技術課題ではなく、経済発展戦略の中核です。ITサービス輸出大国として培った人材基盤と、デジタルインフラ(Aadhaar・UPIなど)の整備が、AI時代の競争力の源泉になっています。ローカル言語AIの整備が次の重点課題です。

地政学的にも、インドは民主主義国のAIエコシステムにおいて中国に対抗する重要なプレイヤーとして位置づけられています。米国政府もインドのAI開発への支援を外交政策の優先事項に掲げており、技術同盟としての枠組みが強化されています。

MSが超伝導体75億円投資でAI電力問題に挑む

超伝導体でデータセンター電力問題を解決

高温超伝導体(HTS)で電力伝送効率を飛躍的に改善
AIデータセンターの電力密度が従来インフラの限界を超える
Microsoftが7,500万ドルを超伝導電力技術に投資
電力ロスを大幅削減しGW規模のデータセンターを可能に
電力供給がGPU性能と並ぶAI競争の主戦場に

AIインフラ投資の新次元

データセンター電力問題が半導体並みの戦略課題に浮上
超伝導体はデータセンター配電インフラの根本的変革を目指す
HTS技術は既存の電力グリッドとの統合が最大の課題
Microsoft・Google・Amazonが物理インフラ競争を激化
核融合・SMRに続く電力革新の第三の道

IEEE Spectrumの分析によると、AIデータセンターの急速な拡大により世界の電力インフラは限界を迎えつつあります。Microsoftは7,500万ドルを高温超伝導体(HTS)技術に投資することで、この電力伝送のボトルネックを根本から解決しようとしています。

超伝導体とは電気抵抗がゼロになる特殊な材料で、これを電力伝送に使用することで熱損失なくGW級の電力を運ぶことが可能になります。従来の銅線インフラでは達成できない電力密度でのデータセンター配電が実現します。AIの電力需要が爆発的に増加する中、これは電力インフラ革命の核心技術です。

技術的課題は材料と冷却システムです。高温超伝導体といっても液体窒素温度(-196℃)程度の冷却が必要で、大規模インフラへの実装には技術的ハードルが残ります。しかし、Microsoftの投資規模はこれが「研究フェーズ」を超えた実用化への本気のコミットメントであることを示しています。

AIインフラ競争が計算能力から電力へとシフトしています。NvidiaのGPU性能は向上し続けますが、電力供給がそれに追いつかなければ意味がありません。MicrosoftがHTSに賭けることは、電力インフラをコアコンピタンスとして内製化する戦略的意思決定です。

より広い視点では、AIデータセンターの電力問題は社会インフラ全体の問題です。核融合、小型モジュール炉(SMR)、超伝導体など、複数の技術アプローチが同時進行しており、どれが最初に実用規模に達するかがクラウドプロバイダーの長期競争優位を左右する可能性があります。

インドAI投資競争、8エクサフロップス配備へ

インドAIインフラへの巨大投資

UAE・G42とCerebrasが8エクサフロップスの計算資源をインドに配備
Peak XVが13億ドルのインド・アジア特化ファンドを設立
India AI Impact SummitがグローバルAI大手を集めてニューデリーで開催
インドのデータ主権・コンプライアンス要件に準拠した設計
インフラ先行投資でAIエコシステムの地盤固め

インドAI消費・スタートアップ市場

SarvamがインドNLP特化チャットアプリIndusを正式公開
OpenAI India利用者の80%が30歳未満という若年層集中
ChatGPTのインド利用は業務用途35%でグローバル平均超え
OpenAIのCodingアシスタントCodexがインドで世界平均の3倍利用
ローカル言語モデル需要とグローバルAIの競争が激化

インドは2026年、世界で最も注目されるAI市場となっています。India AI Impact Summitには、OpenAI、Anthropic、NVIDIA、Microsoft、Google、Cloudflareなどの主要AI大手のエグゼクティブが集結し、インドへのAI投資を競うように発表しました。

インフラ投資では、アブダビのG42がAIチップメーカーCerebrasと組み、8エクサフロップスの計算能力を持つスーパーコンピュータをインドに設置します。この規模はインドのAI産業の基盤を大幅に強化するものです。Peak XVは13億ドルの新規ファンドを設立し、AI分野に重点を置いています。

スタートアップ面では、インドのAI企業Sarvamがインド人ユーザー向けに最適化したチャットアプリ「Indus」を公開しました。ヒンディー語など地域言語への対応を強みとして、OpenAIやGoogleとの差別化を図っています。ローカルAIとグローバルAIの競争が本格化しています。

OpenAIのデータによると、インドでのChatGPT利用者の約80%が30歳未満で、業務用途での利用が全体の35%を占めています。特にAIコーディングアシスタントの利用がグローバル平均の3倍という数字は、インドのIT産業との強い親和性を示しています。

インドのAIブームは、大規模インフラ投資、若年層の高い採用率、ローカルスタートアップの台頭という三つの力が重なる特別な現象です。グローバル vs ローカルの競争がインドのAI市場の形を決定づける2026年が始まっています。