NVIDIA（企業）に関するニュース一覧

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。

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。

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。

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。

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。

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。

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。

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。

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 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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。