GPU（ハードウェア）に関するニュース一覧

NVIDIAとGoogle Cloudは10月20日、企業向けAIと産業のデジタル化を加速する提携拡大を発表しました。Google Cloud上で最新GPU「RTX PRO 6000 Blackwell」を搭載したG4仮想マシン（VM）と、デジタルツイン構築基盤「Omniverse」が利用可能になります。

G4 VMの核となるのは、最新GPU「RTX PRO 6000 Blackwell」です。AI推論と高精細なビジュアル処理の両方で卓越した性能を発揮し、生成AIから複雑なシミュレーションまで、多様なワークロードを単一基盤で高速化します。

特に注目されるのが産業用メタバース基盤「NVIDIA Omniverse」です。物理的に正確な工場のデジタルツイン構築や、仮想空間でのAIロボット開発・検証が可能になり、製造業などの物理AI活用が大きく前進します。

広告大手WPPはフォトリアルな3D広告環境の即時生成に、Altairは複雑なシミュレーションの高速化に本プラットフォームを活用しており、具体的なビジネス成果に繋がり始めています。あらゆる業界で応用が期待できるでしょう。

この統合プラットフォームは、AIモデル「Nemotron」や推論用マイクロサービス「NIM」などNVIDIAの豊富なソフトウェア群も利用可能です。AIエージェント構築から科学技術計算まで、高負荷タスクをクラウド上で実行できます。

今回の提携は、データ分析から物理AIの実装まで一気通貫の開発環境をクラウドで提供するものです。企業のデジタルトランスフォーメーションとイノベーションを次の段階へ引き上げる、強力な一手となるでしょう。

韓国の通信大手SKテレコムが、9月下旬に新設したAI部門「AI CIC」において、希望退職プログラムを提示したことが明らかになりました。これは同社が進めるAI関連部門の統合・再編の一環であり、設立からわずか数週間での異例の動きとして注目されています。

同社広報は、今回のプログラムはリストラや人員削減が目的ではないと強調しています。あくまでも組織再編に伴い、役割や勤務地が変更となる可能性のある従業員への支援策であると説明。参加は完全に任意であり、強制的な解雇は含まれないとのことです。

プログラムの詳細は、若手からベテランまで全部門の従業員に伝えられています。AI部門には約1,000人が在籍していると報じられており、退職を選択しない従業員は、地方オフィスへ再配置される可能性があるとしています。

今回の動きの背景には、社内に分散していたAI関連部門を「AI CIC」という統括組織に集約する狙いがあります。これにより、重複する役割や機能を整理し、より効率的な事業運営を目指します。パーソナルAIアシスタント「A.」の開発やAIデータセンター事業などがこの新部門に集約されます。

SKテレコムはAI事業を今後の成長の柱と位置付けており、AI部門で2030年までに年間売上5兆ウォン（約35億ドル）を達成する目標を掲げています。最近ではNVIDIAのGPUサービスや、OpenAIと提携したAIデータセンター開発を発表するなど、インフラ投資も加速させています。

NVIDIAは、開催中の「Open Source AI Week」において、オープンソースAIのエコシステム強化に向けた新たな取り組みを発表しました。急成長するAIフレームワークPyTorchとの連携を深め、開発者がNVIDIAのGPUをより容易に活用できるツールを公開。AIイノベーションの加速と、開発者コミュニティへの貢献を鮮明に打ち出しています。

今回の発表の核心は、NVIDIAの並列コンピューティングプラットフォーム「CUDA」に、プログラミング言語Pythonを第一級言語として正式対応させた点です。これにより、世界で数百万人に上るPyTorch開発者コミュニティは、GPUアクセラレーションの恩恵をこれまで以上に簡単に受けられるようになり、生産性の飛躍的な向上が期待されます。

具体的には「CUDA Python」がGitHubとPyPIを通じて公開されました。これはカーネルフュージョンやパッケージングを簡素化し、迅速なデプロイを可能にします。1日200万回以上ダウンロードされるPyTorchの人気を背景に、NVIDIAの基盤技術がAI開発の現場で不可欠な存在であり続けることを示しています。

NVIDIAの貢献はPyTorchに留まりません。同社はAIモデル共有プラットフォーム「Hugging Face」において、過去1年で最大の貢献者となりました。GitHubでは1,000以上のオープンソースツールを公開するなど、モデル、ツール、データセットを広く提供し、透明性の高いAI開発を推進しています。

一連の取り組みは、オープンな協業を通じて技術革新を主導するというNVIDIAの強い意志の表れです。自社の強力なハードウェアと、活発なオープンソースコミュニティを結びつけることで、AIエコシステム全体の発展を促し、業界におけるリーダーシップをさらに盤石なものにする狙いがあるでしょう。

NVIDIAは2025年10月16日、クラウドゲーミングサービス「GeForce NOW」の基盤強化と新たなユーザー向け施策を発表しました。最新GPU「Blackwell」を搭載したサーバーをロンドンなど4地域に拡大し、パフォーマンスを向上。さらに、2,200以上のSteamタイトルを即時プレイ可能にする新機能を導入し、プラットフォームの魅力を高めることで事業拡大を加速させます。

サービスの核となるインフラ増強では、最新のGeForce RTX 5080クラスの性能を持つBlackwell RTXサーバーへのアップグレードが進んでいます。米国のアッシュバーン、ポートランド、ダラス、そして英国のロンドンで新たに稼働を開始し、次はアトランタでの展開を予定。高フレームレートと低遅延を実現し、要求の厳しいゲームでも快適なプレイ環境を提供します。

ユーザーの利便性を高める新機能「Install-to-Play」も注目されます。これにより、GeForce NOWが公式対応を謳っていない2,200以上のSteamタイトルも、プレミアム会員はクラウド上の仮想PCに直接インストールして即座にプレイできるようになりました。ライブラリの大幅な拡充は、プラットフォームの魅力を大きく高める一手と言えるでしょう。

顧客エンゲージメントを高める施策も同時に展開します。最上位プラン「Ultimate」会員向けに、人気ゲーム『Borderlands 4』で使える限定アイテムを無料で提供。さらに、周辺機器メーカーSteelSeriesと提携し、高性能なコントローラーやヘッドセットが当たるプレゼント企画も実施し、ユーザーの継続的な利用を促します。

コンテンツ面では、今週新たに10タイトルが追加されました。大規模多人数参加型オンラインゲーム『Pax Dei』の正式版リリースや、人気格闘ゲーム『ストリートファイター』シリーズなどが含まれます。PC Game Pass対応タイトルも拡充しており、幅広いゲーマーのニーズに応える姿勢を明確にしています。

米国ワシントン州のスタートアップStarcloud社が、2025年11月にNVIDIAのH100 GPUを搭載したAI衛星を打ち上げます。これは、宇宙空間にデータセンターを構築するという壮大な計画の第一歩です。地球上のデータセンターが抱えるエネルギー消費や冷却の問題を、ほぼ無尽蔵の太陽光と宇宙の真空を利用して解決し、エネルギーコストを地上比で10分の1に削減することを目指します。

AIの需要急増は、データセンターの電力消費と冷却という大きな課題を生んでいます。Starcloud社はこの解決策を宇宙に求めました。軌道上では太陽光をエネルギー源とし、宇宙の真空を無限のヒートシンクとして利用。冷却水が不要となり、エネルギーコストは地上設置に比べ10分の1にまで削減可能と試算しています。

11月に打ち上げ予定の衛星「Starcloud-1」は、小型冷蔵庫ほどの大きさながら、データセンタークラスのGPUであるNVIDIA H100を搭載。これにより、従来の宇宙での処理能力を100倍以上上回るコンピューティングが実現します。最先端GPUが宇宙空間で本格稼働するのは、これが史上初の試みとなります。

宇宙データセンターの主な用途は、地球観測データのリアルタイム分析です。衛星が収集した膨大なデータをその場でAIが処理し、山火事の早期発見や気象予測に活かします。地上へのデータ転送が不要になるため、災害対応などの応答時間を数時間から数分へと劇的に短縮できる可能性があります。

Starcloud社のフィリップ・ジョンストンCEOは「10年後には、ほぼ全ての新設データセンターが宇宙に建設されるだろう」と予測します。同社は次世代のNVIDIA Blackwellプラットフォーム統合も視野に入れており、軌道上でのAI性能はさらに飛躍する見込みです。宇宙がAIインフラの新たなフロンティアとなる未来は、もう目前に迫っています。

AIインフラの新興企業Nscaleは10月15日、マイクロソフトと大規模な契約を締結したと発表しました。この契約に基づき、NscaleはNvidia製の最新GPU「GB300」を約20万基、米国および欧州のデータセンターに展開します。急増するAIの計算需要に対応するための動きです。

今回の契約は、AI開発に不可欠な計算資源を確保する上で極めて重要な意味を持ちます。Nscaleは、同社が所有・運営する施設と、投資家であるAker社との合弁事業を通じて、世界最先端のAIインフラをマイクロソフトに提供する計画です。

GPUの展開は4つの拠点で行われます。まず、米国テキサス州のデータセンターに10万4000基を今後12〜18ヶ月で納入。さらに、ポルトガルに1万2600基、英国に2万3000基、ノルウェーに5万2000基を順次展開する予定です。

注目すべきは、Nscaleが2024年に設立されたばかりのスタートアップである点です。同社は設立以来、Aker、Nokia、Nvidiaなどの戦略的パートナーから17億ドル（約2500億円）以上を調達しており、その急成長ぶりがうかがえます。

Nscaleの創業者兼CEOであるジョシュ・ペイン氏は、「この合意は、我々が世界の最重要テクノロジーリーダーの選択すべきパートナーであることを裏付けるものだ」と述べ、大規模なGPU展開を実行できる能力と経験を強調しました。

AIモデルの高性能化に伴い、GPUの確保競争は激化しています。最近ではOpenAIがAMDやNvidiaと大規模なチップ供給契約を結ぶなど、大手テック企業による計算インフラへの投資が相次いでおり、今回の契約もその潮流の中に位置づけられます。

マサチューセッツ工科大学（MIT）の研究チームが、AI業界の主流であるモデルの巨大化戦略が近く「収益逓減の壁」に直面する可能性を指摘する研究を発表しました。計算資源の拡大による性能向上と、アルゴリズムの効率化による性能向上を比較分析したもので、現在の巨大なインフラ投資ブームに一石を投じる内容となっています。

研究によると、今後5年から10年の間に、アルゴリズムの効率化が進むことで、より少ない計算資源で動く小規模なモデルが、巨大モデルの性能に追いつき始めると予測されています。特に、推論能力を重視する最新モデルにおいて、この傾向は顕著になると分析。単純な規模拡大だけでは、競争優位性を保つのが難しくなるかもしれません。

この予測は、OpenAIなどが進める数千億ドル規模のAIインフラ投資とは対照的です。業界は計算能力のさらなる増強を目指していますが、専門家からはその持続可能性を疑問視する声も上がっています。特に、投資の大部分を占めるGPUは技術の進歩が速く、資産価値が急速に下落するリスクを抱えています。

もちろん、巨大テック企業の投資には、生成AIツールの需要爆発を見越した先行投資や、特定の半導体メーカーへの依存度を下げたいといった戦略的な狙いもあります。しかし、MITの研究は、業界がスケール一辺倒の戦略を見直す時期に来ていることを示唆しています。

これからのAI開発では、計算資源の拡大と並行して、より効率的なアルゴリズムを開発することの重要性が増すでしょう。ハードウェアへの投資だけでなく、ソフトウェアやアルゴリズムの革新にも目を向けることが、長期的なイノベーションの鍵を握ることになりそうです。

ソーシャルメディア大手のMetaは2025年10月15日、半導体設計大手Armとの提携を発表しました。これは、AIサービスの需要急増に対応するため、自社のAIインフラを効率的に拡張する狙いがあります。具体的には、Metaのランキング・推薦システムをArmの「Neoverse」プラットフォームに移行させ、30億人を超えるユーザーへのサービス提供を強化します。

今回の提携の鍵は、Armのワットパフォーマンス（消費電力あたりの性能）の高さです。AIの次の時代は「大規模な効率性」が定義するとArmは見ており、Metaはこの強みを活用してイノベーションを加速させます。GPU市場を席巻するNvidiaなどとは異なり、Armは低消費電力という独自の強みを武器に、AIインフラ市場での存在感を高めています。

この動きは、Metaが進める前例のない規模のインフラ拡張計画の一環です。同社はAIサービスの将来的な需要を見越し、データセンター網を大幅に拡大しています。オハイオ州では数ギガワット級のプロジェクトが進行中。さらにルイジアナ州では、完成すれば5ギガワットの計算能力を持つ巨大キャンパスの建設が2030年まで続きます。

このパートナーシップが注目されるのは、近年の他のAIインフラ取引とは一線を画す点です。NvidiaがOpenAIなどに巨額投資を行うなど、資本関係を伴う提携が相次いでいるのとは対照的に、MetaとArmの間では株式の持ち合いや大規模な物理インフラの交換は行われません。技術協力に特化した、より柔軟な連携モデルと言えるでしょう。

アマゾン ウェブ サービス（AWS）は、大規模言語モデル（LLM）の分散学習に不可欠なインフラ構築を効率化するため、Amazon EKSとAWS Deep Learning Containers（DLC）を用いたクラスターの構築・検証手順を公開しました。この体系的なアプローチは、複雑な設定ミスを防ぎ、開発チームがモデル性能の向上に集中できる環境を実現します。AI開発の生産性を高めたい経営者やエンジニアにとって、必見の内容と言えるでしょう。

最新のLLM開発では、Meta社のLlama 3が16,000基のGPUを使用したように、膨大な計算資源が求められます。しかし、高性能なGPUインスタンスは、ネットワークやストレージ、GPUの構成が極めて複雑です。わずかな設定ミスが性能の大幅な低下やエラーを招き、プロジェクトの遅延やコスト増大に直結する大きな課題となっています。

この課題に対し、AWSは解決策の核として「AWS Deep Learning Containers（DLC）」の活用を推奨しています。DLCは、CUDAやNCCLといった互換性が重要なライブラリ群を最適化した状態で提供するコンテナイメージです。これにより、バージョン不整合のリスクを根本から排除し、開発チームはインフラの細かな調整から解放され、開発を迅速に開始できます。

具体的な構築手順は、まずDLCを基盤にカスタムDockerイメージを作成することから始まります。次に、Amazon EKS（Elastic Kubernetes Service）を用いてGPU対応クラスターを起動。その後、GPUや高速ネットワーク（EFA）、ストレージ（FSx for Lustre）を連携させるための各種プラグインを導入し、計算、通信、データ保管が三位一体となった本番環境レベルの基盤を完成させます。

インフラ構築後の検証プロセスもまた、成功の鍵を握ります。GPUドライバーの確認、複数ノード間の通信テスト、そして小規模なサンプル学習ジョブの実行といった段階的なヘルスチェックが不可欠です。これにより、大規模な学習を開始する前に問題を特定し、高価なGPUリソースと時間の浪費を未然に防ぐことが可能になります。

この体系的な手法を導入することで、企業はインフラ管理の負担を大幅に軽減し、エンジニアをモデル開発という本来の価値創出業務に集中させることができます。結果として、AI開発の生産性と成功確率が向上し、市場における企業の競争力強化に大きく貢献するでしょう。

クラウド大手のセールスフォースは、AWSのAIサービス「Amazon Bedrock」を導入し、自社でカスタマイズした大規模言語モデル（LLM）の運用を効率化しました。これにより、モデルのデプロイにかかる時間を30%短縮し、インフラコストを最大40%削減することに成功。AI開発の生産性向上とコスト最適化を両立した事例として注目されます。

同社はこれまで、ファインチューニングしたLLMを自社で運用していましたが、インフラの最適化や設定に数ヶ月を要し、運用負荷の高さが課題でした。また、ピーク時の需要に備えてGPUリソースを常に確保する必要があり、コストが嵩む一因となっていました。

そこで採用したのが、Bedrockの「カスタムモデルインポート」機能です。これにより、インフラ管理の大部分をAWSに任せ、チームはモデル開発やビジネスロジックに集中できるようになりました。既存の運用フローへの影響を最小限に抑え、スムーズな移行を実現しています。

移行の鍵は、既存システムとの後方互換性を保つハイブリッド構成です。アプリケーションからのリクエストをまずSageMakerのCPUコンテナで受け、前処理を行った後、GPUを要する推論処理のみをBedrockに転送。これにより、既存のAPIや監視ツールを変更することなく、サーバーレスの利点を享受できました。

導入後の効果は顕著です。インフラ選定などの複雑な作業が不要になり、モデルのデプロイ時間は30%短縮されました。コスト面では、従量課金制への移行により、特に開発・テスト環境など利用頻度に波がある場面で効果を発揮し、最大40%のコスト削減を達成しました。

一方で、大規模モデルでは「コールドスタート」と呼ばれる初回起動時の遅延が発生する点は注意が必要です。同社は、遅延が許容できない本番環境では、定期的にエンドポイントにアクセスして「ウォーム」状態を維持する対策を講じています。自社モデルがサポート対象かも事前に確認すべきです。

Salesforceの事例は、サーバーレスAIが本番環境のワークロードにも十分対応できることを示しています。特にトラフィックが変動するAIアプリケーションにおいて、コストと運用の両面で大きなメリットをもたらすでしょう。LLMの自社運用に課題を抱える企業にとって、有力な選択肢となりそうです。

NVIDIAとOracleは、年次イベント「Oracle AI World」で、企業向けAIおよびソブリンAI（国家主権AI）分野での提携を大幅に深化させると発表しました。高性能な新コンピューティング基盤の提供や、アブダビ政府のデジタルトランスフォーメーション支援などを通じ、世界的に高まるAI活用ニーズに応えます。この協業は、企業のデータ処理高速化から国家レベルのAI戦略までを包括的に支援するものです。

提携の核となるのが、企業向けAI基盤の全面的な強化です。両社はNVIDIA製GPUで高速化された新クラスター「OCI Zettascale10」を発表。さらに、主力データベース「Oracle Database 26ai」で、推論を効率化するNVIDIA NIMマイクロサービスの利用を可能にし、AI開発のハードルを下げます。

データ処理の高速化も大きな柱です。新たな「Oracle AI Data Platform」には、NVIDIAの高速コンピューティング技術が統合されました。特に、データ分析基盤Apache Sparkの処理を高速化するプラグインにより、コード変更なしでGPUの能力を最大限に引き出せるようになります。

開発者やインフラ担当者の利便性も大きく向上します。NVIDIAのソフトウェア群「NVIDIA AI Enterprise」が、Oracle Cloud Infrastructure（OCI）の管理画面から直接利用可能になりました。これにより、AIアプリケーションの構築・運用・管理が簡素化され、迅速な開発サイクルを実現します。

今回の提携は、企業ユースケースに留まりません。もう一つの大きな柱が、国家レベルのDXを支援するソブリンAIです。両社はアブダビ政府の「AIネイティブ政府」構想を支援。データ主権を国内に保持したまま、最先端のAI技術を活用できるモデルケースを世界に示します。

アブダビでは、2027年までに政府運営をAIネイティブに移行する戦略を掲げています。市民への給付金受給資格の自動通知や、多言語AIアシスタントによる行政サービスなど、すでに具体的な成果が出始めています。「Crawl, Walk, Run」という段階的なアプローチで、着実にAI導入を進めています。

この国家規模のDXは、大きな経済効果も期待されています。アブダビのGDPを2027年までに240億AED（約1兆円）以上押し上げ、5000人超の雇用を創出する見込みです。NVIDIAとOracleの提携は、一国の未来を形作る「国家AIインフラ」の青写真となる可能性を秘めています。

NVIDIAとパートナー企業は、AIの推論需要拡大に対応する次世代AI工場の設計図を公開しました。10月13日にサンノゼで開催されたOCPグローバルサミットで発表されたもので、`800VDC`への電圧移行や`100%液冷`技術が核となります。オープンなエコシステムによる開発で、AIインフラの効率と性能を飛躍的に高める狙いです。

新世代の基盤となるのが、サーバー「Vera Rubin NVL144」と、576個のGPUを搭載可能な「Kyber」ラックです。これらはAIエージェントなど高度な推論処理を想定しており、垂直配置のコンピュートブレードにより、ラックあたりのGPU密度を最大化します。

最大の革新は電力システムです。従来の交流から`800ボルトの直流`（800VDC）へ移行することで、電力伝送効率が150%以上向上します。これにより、銅の使用量を削減し、データセンターの省スペースとコスト削減を実現します。

この挑戦はNVIDIA単独では成し遂げられません。FoxconnやHPE、Vertivなど50社以上のパートナーが、MGXサーバーや800VDC対応の部品、電力システムを開発しています。オープンな標準規格が、迅速な市場投入を可能にしています。

エコシステムはさらに広がりを見せています。IntelやSamsung Foundryが、NVIDIAの高速接続技術「NVLink Fusion」に参画。各社が開発する独自チップをNVIDIAインフラにシームレスに統合し、AIファクトリーの多様化と高速化を後押しします。

NVIDIAが描くのは、特定の企業に閉じない未来です。オープンな連携と標準化が、ギガワット級の巨大AIファクトリーの構築を加速させます。これは、AI時代のインフラにおける新たなパラダイムシフトと言えるでしょう。

AIの普及が加速し、データセンターは深刻なストレージのボトルネックに直面しています。かつて保管されていたコールドデータが、AIモデルの精度向上のために頻繁に利用される「温かいデータ」へと変化。この転換に対応するため、低遅延で高性能なSSD（ソリッドステートドライブ）への移行が、AI時代のインフラ構築における必須戦略となっています。

従来のHDDは、多くの可動部品を持つため、AIが求める低遅延処理や高いIOPS（入出力操作）に対応できません。特にデータへの物理的アクセスが伴う遅延は、リアルタイムな推論や学習の障害となります。大規模化すればするほど、消費電力や冷却コストも増加するのです。

一方、高容量SSDは性能と効率で大きく上回ります。ある研究では、エクサバイト規模のストレージでSSDはHDD比で消費電力を77%削減。データセンターの占有面積も9分の1に抑えられ、省電力・省スペース化で浮いたリソースをGPUの規模拡大に再投資できるのです。

この省スペース化は、サステナビリティにも貢献します。データセンター建設に必要なコンクリートや鋼材の使用量を8割以上削減できるほか、運用終了後のドライブ廃棄数も9割減少。環境負荷の低減が、企業価値向上にも繋がるのです。

これは単なるハードウェアの刷新ではなく、インフラ戦略の根本的な再構築です。今後は、GPUサーバーの熱管理に不可欠な液冷技術とSSDを組み合わせるなど、AIの要求に応える効率的な設計が主流となるでしょう。今こそ、ストレージ戦略を見直す時です。

AI開発企業Together AIは2025年10月10日、大規模言語モデル（LLM）の推論速度を最大4倍に高速化する新システム「ATLAS」を発表しました。このシステムは、AIの利用状況の変化に合わせてリアルタイムで自己学習する「適応型投機実行」技術を採用。これまで企業のAI導入拡大を妨げてきた、ワークロードの変化に伴う性能劣化という「見えざる壁」を打ち破ることを目指します。

多くの企業が直面する課題は、AIのワークロードが変化すると推論速度が低下する「ワークロードドリフト」です。従来の推論高速化技術で使われる「静的投機モデル」は、一度固定データで訓練されるため、例えば開発言語がPythonからRustに変わるだけで予測精度が急落し、性能が劣化します。この問題はAI活用の拡大における隠れたコストとなっていました。

ATLASは、この課題を独自のデュアルモデル構造で解決します。広範なデータで訓練された安定的な「静的モデル」が基本性能を保証し、軽量な「適応型モデル」が実際のトラフィックから継続的に学習して特化します。さらに制御システムが両者を動的に切り替えることで、利用者は設定不要で常に最適な高速化の恩恵を受けられます。

この高速化の鍵は、計算資源の非効率性を突くアプローチにあります。通常の推論処理はGPUのメモリ性能に依存し、計算能力が十分に活用されていません。ATLASは一度に複数のトークン候補を生成・検証することで、メモリへのアクセス回数を抑えつつ、待機状態にあった計算能力を最大限に引き出し、スループットを劇的に向上させます。

その性能は目覚ましく、NVIDIAのB200 GPU上で特定モデルでは毎秒500トークンを達成。これはGroqなどの専用推論チップに匹敵、あるいは凌駕する水準です。ソフトウェアとアルゴリズムの改良が、高価な専用ハードウェアとの性能差を埋められることを示しており、AIインフラの常識を覆す可能性を秘めています。

ATLASはTogether AIのプラットフォームで追加費用なしで利用可能です。この技術は、AIの利用用途が多様化する企業にとって、性能のボトルネックを解消し、コストを抑えながらAI活用をスケールさせる強力な武器となるでしょう。静的な最適化から動的な適応へと向かうこの動きは、今後のAI推論エコシステム全体に大きな影響を与えそうです。

米国のスタートアップTigris Dataが、シリーズAラウンドで2500万ドルを調達しました。同社は、AIの普及で需要が急増する分散コンピューティングに対応するため、AWSなど大手クラウドが抱える高コスト・高遅延の問題を解決する分散型データストレージを提供。大手からの脱却を目指す企業の新たな選択肢として注目されています。

生成AIの台頭で、コンピューティングパワーは複数のクラウドや地域に分散する傾向が加速しています。しかしデータストレージの多くは依然として大手3社に集中。この「コンピューティングとデータの距離」が、AIモデルの学習や推論における遅延のボトルネックを生み出しているのです。

Tigrisは、GPUなど計算資源の近くにデータを自動で複製・配置するAIネイティブなストレージ網を構築。これにより開発者は低レイテンシでデータにアクセスでき、AIワークロードを高速かつ低コストで実行可能になります。顧客は、かつて支出の大半を占めたデータ転送料金を不要にできたと証言します。

大手クラウドは、顧客がデータを他サービスへ移行する際に高額な「データ転送料金」を課してきました。TigrisのCEOはこれを「より深い問題の一症状」と指摘。中央集権型のストレージ自体が、分散・高速化するAIエコシステムの要求に応えられていないと強調します。

企業がTigrisを選ぶもう一つの動機は、データ主権の確保です。自社の貴重なデータをAI開発に活用する上で、外部のプラットフォームに依存せず、自らコントロール下に置きたいというニーズが高まっています。特に金融やヘルスケアなど規制の厳しい業界でこの傾向は顕著です。

今回の資金調達はSpark Capitalが主導し、Andreessen Horowitzなども参加。Tigrisは調達資金を元に、既存の米国内3拠点に加え、ヨーロッパやアジアにもデータセンターを拡大する計画です。2021年の設立以来、年8倍のペースで成長しており、今後の展開が期待されます。

NVIDIAは2025年10月9日、同社の最新GPUプラットフォーム「Blackwell」が、新しい独立系AI推論ベンチマーク「InferenceMAX v1」で最高性能と効率性を達成したと発表しました。500万ドルの投資で15倍の収益を生むなど、圧倒的な費用対効果を示し、AIを大規模に展開する企業の新たな選択基準となりそうです。

この新ベンチマークは、AIが単純な応答から複雑な推論へと進化する現状を反映しています。単なる処理速度だけでなく、多様なモデルや実世界のシナリオにおける総計算コストを測定する初の独立系指標であり、その結果は企業の投資判断に直結します。

具体的な経済効果は目覚ましいものがあります。NVIDIA GB200 NVL72システムへの500万ドルの投資は、7500万ドル相当のトークン収益を生み出すと試算されており、投資収益率（ROI）は15倍に達します。これは「AI工場」の経済性を根本から覆すインパクトです。

総所有コスト（TCO）の面でも優位性は明らかです。B200 GPUはソフトウェアの最適化により、100万トークンあたりのコストをわずか2セントにまで削減しました。これは過去2ヶ月で5倍のコスト効率改善にあたり、継続的な性能向上を証明しています。

この圧倒的な性能は、ハードウェアとソフトウェアの緊密な協調設計によって実現されています。最新アーキテクチャに加え、推論ライブラリ「TensorRT-LLM」やオープンソースコミュニティとの連携が、プラットフォーム全体の価値を最大化しています。

AI活用が試行段階から本格的な「AI工場」へと移行する中、性能、コスト、電力効率といった多角的な指標が重要になります。NVIDIAのプラットフォームは、企業のAI投資における収益性を最大化するための強力な基盤となるでしょう。

マイクロソフトは2025年10月9日、NVIDIAの最新AIスーパーコンピューター「GB300 NVL72」を搭載した世界初の大規模クラスターを、パートナーであるOpenAI向けに稼働開始したと発表しました。このシステムは、OpenAIの最も要求の厳しいAI推論ワークロード向けに専用設計されており、次世代AI開発の基盤となります。巨大化するAIの計算需要を巡るインフラ競争が、新たな局面に入ったことを示しています。

今回導入された「GB300 NVL72」は、単なるサーバーの集合体ではありません。72基のNVIDIA Blackwell Ultra GPUと36基のGrace CPUを液冷式の単一ラックに統合した、まさに「AI工場」と呼ぶべきシステムです。これにより、巨大なAIモデルの学習と推論で圧倒的な性能を発揮し、特に複雑な推論やエージェント型AIの処理能力を飛躍的に向上させます。

このスーパーコンピューターは、4,600基を超えるGPUを一つの巨大な計算資源として束ねています。それを実現するのがNVIDIAの先進的なネットワーク技術です。ラック内は超高速の「NVLink」で、クラスター全体は「Quantum-X800 InfiniBand」で接続。データのボトルネックを解消し、システム全体の性能を最大化する設計が施されています。

この発表のタイミングは注目に値します。パートナーであるOpenAIは近年、独自に1兆ドル規模ともされるデータセンター構築計画を進めています。マイクロソフトは、世界34カ国に300以上のデータセンターを持つ自社のクラウド基盤「Azure」の優位性を改めて誇示し、AIインフラのリーダーとしての地位を確固たるものにする狙いがあると考えられます。

マイクロソフトは、今回の導入を「多くのうちの最初の一つ」と位置づけ、将来的には数十万基のBlackwell Ultra GPUを世界中のデータセンターに展開する計画です。AIモデルが数百兆パラメータへと大規模化する未来を見据え、インフラへの先行投資を加速させています。最先端AIの開発競争は、それを支える計算基盤の競争と一体化しているのです。

韓国Samsung AI研究所の研究者が、新たな超小型AIモデル「TRM（Tiny Recursion Model）」を発表しました。わずか700万パラメーターのこのモデルは、特定の推論ベンチマークにおいて、OpenAIのo3-miniやGoogleのGemini 2.5 Proなど、1万倍以上巨大なLLMの性能を凌駕しています。AI開発における「スケールこそ全て」という従来のパラダイムに対し、低コストで高性能を実現する新たな道筋を示す画期的な成果です。

TRMの最大の特徴は、階層構造を持つ複雑なネットワークを排除し、単一の2層モデルを採用した点です。このモデルは、入力された質問と初期回答に対し、推論ステップを繰り返して自身の予測を再帰的に洗練させます。この反復的な自己修正プロセスにより、深いアーキテクチャをシミュレートし、巨大モデルに匹敵する推論能力を獲得しています。

TRMは、構造化され、視覚的なグリッドベースの問題に特化して設計されました。特にSudoku-Extremeで87.4%の精度を達成し、従来モデル（HRM）の55%から大幅に向上。また、人間の推論は容易だがAIには難解とされるARC-AGIベンチマークでも、数百万倍のパラメーターを持つ最上位LLMに匹敵する結果を出しています。

開発者は、高額なGPU投資と電力消費を伴う巨大な基盤モデルへの依存は「罠」だと指摘します。TRMの成功は、複雑性を減らすことで逆に汎化性能が向上するという「Less is More（少ない方が豊か）」の設計思想を裏付けました。この成果は、大規模な計算資源を持たない企業や研究者でも、高性能AIを開発できる可能性を示唆します。

TRMのコードは、商用利用も可能なMITライセンスのもとGitHubでオープンソース公開されています。これにより、企業は特定の推論タスク解決のために、巨大LLMのAPIを利用するのではなく、自社のサーバーで低コストの専用モデルを構築・運用できます。今後は、再帰的推論のスケーリング則や、生成タスクへの応用が焦点となる見込みです。

イスラエルのAIスタートアップAI21 Labsは、30億パラメータの小型オープンソースLLM「Jamba Reasoning 3B」を発表しました。このモデルは、ノートPCやスマートフォンなどのエッジデバイス上で、25万トークン以上という異例の長大なコンテキストウィンドウを処理可能であり、AIインフラストラクチャのコスト構造を根本的に変える可能性を秘めています。

Jamba Reasoning 3Bは、従来のTransformerに加え、メモリ効率に優れたMambaアーキテクチャを組み合わせたハイブリッド構造を採用しています。これにより、小型モデルながら高度な推論能力と長文処理を両立。推論速度は従来のモデルに比べて2〜4倍高速であり、MacBook Pro上でのテストでは毎秒35トークンを処理できることが確認されています。

AI21の共同CEOであるオリ・ゴーシェン氏は、データセンターへの過度な依存が経済的な課題となっていると指摘します。Jamba Reasoning 3Bのような小型モデルをデバイス上で動作させることで、高価なGPUクラスターへの負荷を大幅に軽減し、AIインフラストラクチャのコスト削減に貢献し、分散型AIの未来を推進します。

このモデルは、特に企業が関心を持つユースケースに最適化されています。具体的には、関数呼び出し、ポリシーに基づいた生成、そしてツールルーティングなどのタスクで真価を発揮します。シンプルな業務指示や議事録作成などはデバイス上で完結し、プライバシーの確保にも役立ちます。

Jamba Reasoning 3Bは、同規模の他の小型モデルと比較したベンチマークテストでも優位性を示しました。特に長文理解を伴うIFBenchやHumanity’s Last Examといったテストで最高スコアを獲得。これは、同モデルがサイズを犠牲にすることなく、高度な推論能力を維持していることを示しています。

企業は今後、複雑で重い処理はクラウド上のGPUクラスターに任せ、日常的かつシンプルな処理はエッジデバイスでローカルに実行する「ハイブリッド運用」に移行すると見られています。Jamba Reasoning 3Bは、このハイブリッド戦略の中核となる効率的なローカル処理能力を提供します。

半導体大手AMDとAI開発のOpenAIは10月6日、複数世代にわたるInstinct GPUを供給する総量6ギガワット（GW）に及ぶ超大型戦略的パートナーシップを発表しました。この提携は、AIインフラの構築を急ぐOpenAIの需要に応えるとともに、Nvidiaが圧倒的なシェアを持つAIチップ市場において、AMDが強力な地位を確立する大きな一歩となります。

契約の経済規模は極めて大きく、AMDは今後数年間で「数百億ドル」規模の収益を見込んでいます。最初の展開として、2026年後半に次世代GPUであるInstinct MI450シリーズの1GW導入が開始されます。両社はハードウェアとソフトウェア開発で技術的知見を共有し、AIチップの最適化を加速させる方針です。

本提携の特筆すべき点は、戦略的利益を一致させるための資本連携です。AMDはOpenAIに対し、特定の導入マイルストーンやAMDの株価目標達成に応じて、最大1億6000万株（発行済み株式の約10%相当）の普通株を取得できるワラントを発行しました。

OpenAIは、サム・アルトマンCEOがAIの可能性を最大限に引き出すためには「はるかに多くのコンピューティング能力が必要」と語る通り、大規模なAIインフラの確保を最優先課題としています。同社は先月、Nvidiaとも10GW超のAIデータセンターに関する提携を結んでおり、特定のサプライヤーに依存しない多角化戦略を明確に示しています。

OpenAIはAMDを「中核となる戦略的コンピューティングパートナー」と位置づけ、MI450シリーズ以降の将来世代の技術開発にも深く関与します。これにより、AMDはOpenAIという最先端のユーザーから直接フィードバックを得て、製品ロードマップを最適化できるという相互利益が生まれます。

AIインフラに対する世界的な需要が天井知らずで拡大する中、この巨額なチップ供給契約は、データセンターの「ゴールドラッシュ」を象徴しています。両社は世界で最も野心的なAIインフラ構築を可能にし、AIエコシステム全体の進歩を牽引していく構えです。

マサチューセッツ工科大学（MIT）リンカーン研究所は2025年10月2日、米国の大学で最も強力なAIスーパーコンピュータ「TX-GAIN」を公開したと発表しました。このシステムは、生成AIや物理シミュレーション、データ分析といった最先端分野の研究を加速させ、科学技術におけるブレークスルー創出を目的としています。研究者はこの圧倒的な計算能力を活用し、新たなイノベーションを追求します。

TX-GAINの性能は、ピーク時で2 AIエクサフロップス（毎秒200京回のAI向け演算）に達します。AI処理に特化した600基以上のNVIDIA製GPUがこの計算能力を支え、米国の大学でトップ、北東部地域全体でも最強のAIシステムと評価されています。今夏オンライン化されて以来、研究者の注目を集めています。

TX-GAINの名称が示す通り、特に生成AIの開発と応用に力が注がれています。大規模言語モデルだけでなく、レーダー署名の評価、気象データの補完、ネットワークの異常検知、さらには新薬や新素材の設計といった多様な領域で活用が進みます。これまで不可能だった規模のシミュレーションやモデル訓練が可能になります。

リンカーン研究所スーパーコンピューティングセンター（LLSC）は、これまでも国の重要課題解決に貢献してきました。連邦航空局向けの航空機衝突回避システムや、国防総省向けの自律航法モデルの訓練など、社会の安全保障に直結する研究で数々の実績を上げています。TX-GAINはこれらの取り組みをさらに加速させる強力な基盤となります。

LLSCは、専門家でなくてもスパコンを利用できる「インタラクティブ性」を重視し、ラップトップPCのような手軽な操作性を実現。同時に、AIの膨大な電力消費という課題にも向き合い、エネルギー効率の高い運用と省電力化技術の研究にも取り組むなど、持続可能な研究環境の構築を目指しています。

NVIDIAは、同社のRTX搭載PC上で大規模言語モデル（LLM）をローカル環境で実行するためのガイドを公開しました。プライバシー保護やサブスクリプション費用の削減を求める声が高まる中、OllamaやLM Studioといったオープンソースツールを最適化し、高性能なAI体験を手軽に実現する方法を提示しています。これにより、開発者や研究者だけでなく、一般ユーザーによるLLM活用も本格化しそうです。

これまでクラウド経由が主流だったLLMですが、なぜ今、ローカル環境での実行が注目されるのでしょうか。最大の理由は、プライバシーとデータ管理の向上です。機密情報を外部に出すことなく、手元のPCで安全に処理できます。また、月々の利用料も不要で、高品質なオープンモデルが登場したことも、この流れを後押ししています。

手軽に始めるための一つの選択肢が、オープンソースツール「Ollama」です。NVIDIAはOllamaと協力し、RTX GPU上でのパフォーマンスを大幅に向上させました。特にOpenAIのgpt-oss-20BモデルやGoogleのGemma 3モデルで最適化が進んでおり、メモリ使用効率の改善やマルチGPU対応も強化されています。

より専門的な利用には、人気のllama.cppを基盤とする「LM Studio」が適しています。こちらもNVIDIAとの連携で最適化が進み、最新のNVIDIA Nemotron Nano v2モデルをサポート。さらに、推論を最大20%高速化するFlash Attentionが標準で有効になるなど、RTX GPUの性能を最大限に引き出します。

ローカルLLMの真価は、独自のAIアシスタント構築で発揮されます。例えば「AnythingLLM」を使えば、講義資料や教科書を読み込ませ、学生一人ひとりに合わせた学習支援ツールを作成できます。ファイル数や利用期間の制限なく対話できるため、長期間にわたる文脈を理解した、よりパーソナルなAIが実現可能です。

NVIDIAの取り組みは汎用ツールに留まりません。ゲームPCの最適化を支援するAIアシスタント「Project G-Assist」も更新され、音声やテキストでラップトップの設定を直接変更できるようになりました。AI技術をより身近なPC操作に統合する試みと言えるでしょう。このように、RTX PCを基盤としたローカルAIのエコシステムが着実に拡大しています。

プライバシーを確保しつつ、高速かつ低コストでAIを動かす環境が整いつつあります。NVIDIAの推進するローカルLLM活用は、経営者やエンジニアにとって、自社のデータ資産を活かした新たな価値創出の好機となるでしょう。

元OpenAIの最高技術責任者（CTO）であったミラ・ムラティ氏が共同設立した新興企業「Thinking Machines Lab」は2025年10月1日、初の製品となるAIモデル調整ツール「Tinker」を発表しました。このツールは、最先端AIモデルのカスタマイズ（ファインチューニング）を自動化し、より多くの開発者や研究者が高度なAI技術を利用できるようにすることを目的としています。

「Tinker」は、これまで専門知識と多大な計算資源を要したモデルのファインチューニング作業を大幅に簡略化します。GPUクラスタの管理や大規模な学習プロセスの安定化といった複雑な作業を自動化し、ユーザーはAPIを通じて数行のコードを記述するだけで、独自のAIモデルを作成できるようになります。

特に注目されるのが、強化学習（RL）の活用です。共同創業者でChatGPT開発にも関わったジョン・シュルマン氏が主導するこの技術により、人間のフィードバックを通じてモデルの対話能力や問題解決能力を飛躍的に向上させることが可能です。Tinkerは、この「秘伝のタレ」とも言える技術を開発者に提供します。

Thinking Machines Labには、ムラティ氏をはじめOpenAIの元共同創業者や研究担当副社長など、トップレベルの人材が集結しています。同社は製品発表前にすでに20億ドルのシード資金を調達し、評価額は120億ドルに達するなど、業界から極めて高い期待が寄せられています。

現在、TinkerはMeta社の「Llama」やAlibaba社の「Qwen」といったオープンソースモデルに対応しています。大手テック企業がモデルを非公開にする傾向が強まる中、同社はオープンなアプローチを推進することで、AI研究のさらなる発展と民主化を目指す考えです。これにより、イノベーションの加速が期待されます。

NVIDIAは、同社のアクセラレーテッド・コンピューティング技術が、量子コンピューティングの実用化に向けた最大の課題を解決していると発表しました。GPUの並列処理能力を活用し、量子分野の「エラー訂正」「回路コンパイル」「シミュレーション」という三大課題でブレークスルーを生み出しています。これにより、研究開発が大幅に加速され、産業応用の可能性が現実味を帯びてきました。

最初の課題は「量子エラー訂正」です。量子コンピュータはノイズに弱く、正確な計算のためにはエラーの検出と訂正が不可欠です。NVIDIAは、大学やQuEra社との協業で、AIを活用したデコーダーを開発。CUDA-Qなどのライブラリを用いることで、デコード処理を最大50倍高速化し、精度も向上させることに成功しました。

次に「量子回路コンパイル」の最適化です。これは、抽象的な量子アルゴリズムを物理的な量子チップ上の量子ビットに最適配置する複雑なプロセスです。NVIDIAはQ-CTRL社などと連携し、GPUで高速化する新手法を開発。この最適化プロセスにおいて、従来比で最大600倍の高速化を達成しました。

最後に、より良い量子ビット設計に不可欠な「高忠実度シミュレーション」です。量子システムの複雑な挙動を正確に予測するには膨大な計算が必要となります。NVIDIAはcuQuantum SDKをオープンソースツールキットと統合し、大規模なシミュレーションで最大4,000倍の性能向上を実現。AWSなども協力しています。

NVIDIAのプラットフォームは、単に計算を速くするだけでなく、量子研究のエコシステム全体を加速させる基盤技術となっています。経営者やエンジニアにとって、これらのツールをいち早く理解し活用することが、未来の市場で競争優位を築く鍵となるでしょう。

NVIDIAは今週開催のロボット学習カンファレンスで、Google DeepMindやDisney Researchと共同開発した新しい物理エンジン「Newton」をオープンソースとして公開しました。人型ロボットなど複雑な動作が求められる物理AIの開発を、現実世界での実証前にシミュレーションで高速化・安全化させるのが狙いです。

Newtonは、NVIDIAのGPU高速化技術「Warp」と3Dデータ標準「OpenUSD」を基盤に構築されています。従来の物理エンジンでは限界があった、人型ロボットの持つ多数の関節やバランス制御といった複雑な動きを、より正確かつ高速にシミュレーション上で学習させることが可能です。

ロボット開発では、実機での試行錯誤にかかる時間やコスト、危険性が課題でした。仮想空間で先に訓練を行う「シム・ファースト」のアプローチは、この課題を解決します。OpenUSDで構築された忠実なデジタルツイン環境が、ロボットのスキル獲得を飛躍的に効率化するのです。

この取り組みはNewton単体にとどまりません。ロボット向け基盤モデル「Isaac GR00T」や開発フレームワーク「Isaac Lab」もアップデートされ、包括的な開発エコシステムが強化されています。既にAgility Roboticsなど主要企業が採用しており、その実用性が示されています。

Linux財団が管理するオープンソースとして公開されたことで、Newtonは今後のロボット開発の新たな標準となる可能性があります。開発の参入障壁を下げ、工場や病院など多様な現場で人間と協働するロボットの実現を大きく前進させるでしょう。

マサチューセッツ工科大学（MIT）の研究者らが、急速に拡大する生成AIの環境負荷に対する具体的な解決策を提示しています。国際エネルギー機関（IEA）によると、データセンターの電力需要は2030年までに倍増し、日本の総消費電力を上回る見込みです。この課題に対し、研究者らはハードウェアの効率運用、アルゴリズムの改善、AI自身を活用した気候変動対策など、多角的なアプローチを提唱しています。

AIの電力消費は、もはや看過できないレベルに達しつつあります。ゴールドマン・サックスの分析によれば、データセンターの電力需要増の約60%が化石燃料で賄われ、世界の炭素排出量を約2.2億トン増加させると予測されています。これは、運用時の電力だけでなく、データセンター建設時に排出される「体現炭素」も考慮に入れる必要がある、と専門家は警鐘を鳴らします。

対策の第一歩は、ハードウェアの運用効率化です。MITの研究では、データセンターのGPU（画像処理半導体）の出力を通常の3割程度に抑えても、AIモデルの性能への影響は最小限であることが示されました。これにより消費電力を大幅に削減できます。また、モデルの学習精度が一定水準に達した時点で処理を停止するなど、運用の工夫が排出量削減に直結します。

ハードウェア以上に大きな効果が期待されるのが、アルゴリズムの改善です。MITのニール・トンプソン氏は、アルゴリズムの効率改善により、同じタスクをより少ない計算量で実行できる「Negaflop（ネガフロップ）」という概念を提唱。モデル構造の最適化により、計算効率は8～9ヶ月で倍増しており、これが最も重要な環境負荷削減策だと指摘しています。

エネルギー利用の最適化も鍵となります。太陽光や風力など、再生可能エネルギーの供給量が多い時間帯に計算処理を分散させることで、データセンターのカーボンフットプリントを削減できます。また、AIワークロードを柔軟に調整する「スマートデータセンター」構想や、余剰電力を蓄える長時間エネルギー貯蔵ユニットの活用も有効な戦略です。

興味深いことに、AI自身がこの問題の解決策となり得ます。例えば、AIを用いて再生可能エネルギー発電所の送電網への接続プロセスを高速化したり、太陽光・風力発電量を高精度に予測したりすることが可能です。AIは複雑なシステムの最適化を得意としており、クリーンエネルギー技術の開発・導入を加速させる強力なツールとなるでしょう。

生成AIの持続可能な発展のためには、こうした技術的対策に加え、企業、規制当局、研究機関が連携し、包括的に取り組むことが不可欠です。MITの研究者らは、AIプロジェクトの気候への影響を総合的に評価するフレームワークも開発しており、産官学の協力を通じて、技術革新と環境保全の両立を目指す必要があると結論付けています。

Nvidia、Oracle、Softbankなどのシリコンバレー大手企業が、OpenAIのAI開発能力を強化するため、AIデータセンターに数千億ドル規模の巨額投資を行っていることが明らかになりました。この動きは、将来版ChatGPTなど、より高度なAIモデルのトレーニングとサービス提供に必要な計算能力を確保するもので、AIインフラを巡る覇権争いが激化していることを示しています。

中でも注目されるのが、半導体大手Nvidiaによる投資です。同社はOpenAIに対し、最大で1000億ドル（約15兆円）を投じる計画を発表しました。これはAIの計算処理に不可欠なGPUを供給するだけでなく、OpenAIとの関係を強化し、AIエコシステムの中心に位置し続けるための戦略的な一手と見られます。

一方、OpenAI自身もインフラ増強を加速させています。同社はOracleおよびSoftbankと提携し、「Stargate（スターゲイト）」と名付けられたAIスーパーコンピューターを含む、5つの新しいデータセンターを建設する計画です。これにより、今後数年間でギガワット級の新たな計算能力が確保される見込みです。

この巨大プロジェクトを資金面で支えるのがOracleです。同社はデータセンター建設費用を賄うため、180億ドル（約2.7兆円）という異例の規模の社債を発行しました。クラウド事業で後れを取っていたOracleにとって、OpenAIとの提携はAIインフラ市場での存在感を一気に高める好機となっています。

なぜこれほど大規模な投資が必要なのでしょうか。その背景には、OpenAIが直面する計算能力の制約があります。同社が最近発表した新機能「Pulse」は、ユーザーに合わせた朝のブリーフィングを自動生成しますが、膨大な計算量を要するため、現在は月額200ドルの最上位プラン加入者のみに提供が限定されています。

今回の一連の投資は、単なる設備増強にとどまりません。AIが社会インフラとなる未来を見据え、その基盤を誰が握るのかという、IT大手による壮大な主導権争いの表れと言えるでしょう。これらの投資が、どのような革新的なAIサービスを生み出すのか、世界が注目しています。

NVIDIAは9月23日、ベトナムのホーチミン市で「AI Day」を開催しました。イベントには800人以上が参加し、ベトナム政府は「国家AI（Sovereign AI）」を経済戦略の中心に据え、国を挙げて推進する姿勢を強調しました。NVIDIAはAIエコシステムの構築や地域に特化したデータ・モデルの重要性を指摘。ベトナムは2030年までに東南アジアのAI先進国トップ4入りを目指します。 「国家AI」を成功させる鍵は何でしょうか。NVIDIA幹部は5つの重要要素を挙げました。具体的には、①AIの必要性に対する国家的な認識、②開発者や企業から成るエコシステム、③AI人材の育成、④言語や文化に合わせたAIモデルとデータ、⑤国内で管理・運営される「AIファクトリー」です。これらが成功の基盤となります。 ベトナムは野心的な目標を掲げています。2030年までに東南アジアにおけるAI先進国トップ4に入り、3つの国家データセンターを建設する計画です。FPTソフトウェアのCEOは「技術における主権は、国家安全保障や国民のプライバシー保護にも繋がる」と述べ、国家AIの重要性を強調しました。 ベトナムのAIエコシステムは着実に成長しています。国内には100社以上のAI関連スタートアップが存在し、約10万人のAI人材が活躍しています。NVIDIAのジェンスン・フアンCEOも、ベトナムの若者の数学や科学技術分野での優秀さを高く評価しており、将来の技術開発における強固な基盤になると期待を寄せています。 現地のパートナー企業も具体的な動きを見せています。IT大手FPTは、NVIDIA製GPUを活用した国内AIファクトリーの構築を進めています。また、GreenNodeやZaloといった企業は、ベトナム特有の言語や文化に合わせた大規模言語モデル（LLM）の開発に取り組んでおり、国産AI技術の確立を目指しています。

マイクロソフトは9月25日、開発者がAI機能をWindowsアプリに容易に組み込めるプラットフォーム「Windows ML」を正式公開しました。これにより、応答性が高く、プライバシーに配慮し、コスト効率の良いAI体験の構築を支援します。Windows 11 24H2以降で利用可能で、PCのCPUやGPU、NPUを最適に活用します。AdobeやMcAfeeなどのソフトウェア企業が既に対応を進めています。 Windows MLは、PC搭載のCPU、GPU、NPU（Neural Processing Unit）を最適に使い分ける「ハードウェア抽象化レイヤー」として機能します。AIの処理内容に応じて最適なハードウェアを自動で割り当てるため、開発者はアプリケーションの性能を最大限引き出せます。これにより、複雑なハードウェア管理から解放されるのです。 既にAdobe、McAfee、Topaz Labsといった大手ソフトウェア企業が、開発段階からWindows MLの採用を進めています。各社は今後リリースする製品に、同プラットフォームを活用したAI機能を搭載する計画です。Windowsエコシステム全体でのAI活用の加速が期待されます。 具体的な活用例として、Adobeは動画編集ソフトでNPUを使い高速なシーン検出を実現します。McAfeeはSNS上のディープフェイク動画や詐欺の自動検出に活用。Topaz Labsも画像編集ソフトのAI機能開発に利用しており、応用分野は多岐にわたります。 マイクロソフトはWindows MLを通じて、WindowsアプリへのAI実装を効率化し、OS自体の魅力を高める狙いです。ローカルでのAI処理は応答速度やプライバシー保護、コスト削減に繋がります。今後、同様のAI体験を提供するアプリの増加が見込まれます。

Microsoftは2025年9月25日、AIチップの性能向上とデータセンターの省エネ化を両立する新冷却技術「マイクロフルイディクス」の研究成果を発表しました。この技術は、チップの裏面に直接微細な溝を彫り、冷却液を流すことで発熱を効率的に抑えます。実験では従来の冷却方式より最大3倍高い熱除去性能を示しており、次世代AIチップの開発や持続可能性向上に繋がると期待されています。 新技術の核心は、チップの裏面に髪の毛ほどの幅の溝を直接形成し、そこに冷却液を循環させる点にあります。同社はAIを活用して最も効率的な冷却経路を設計しました。熱源である半導体に冷却液が直接触れるため、熱を素早く奪うことが可能です。これにより、GPUの最大温度上昇を65%削減できたと報告しています。なぜこれほど効率的なのでしょうか。 従来の主流であるコールドプレート方式では、チップと冷却液の間に熱伝導を妨げる層が存在しました。マイクロフルイディクスではこの中間層をなくすことで、熱伝達の効率を飛躍的に高めました。その結果、冷却液を過度に冷やす必要がなくなり、冷却システム全体の消費電力削減に貢献します。これはデータセンターの運用コストに直結する利点です。 この高い冷却性能は、チップの処理能力を意図的に高める「オーバークロック」をより安全に行うことを可能にします。これにより、サーバーはピーク時の需要にも柔軟に対応でき、結果的にデータセンター全体のサーバー台数を削減できる可能性があります。設備投資の抑制や省スペース化にも繋がるでしょう。 さらに、この技術はこれまで発熱が大きな障壁となっていた3Dチップアーキテクチャの実現にも道を開きます。半導体を立体的に積層できれば、処理能力は飛躍的に向上します。マイクロフルイディクスは、ムーアの法則の先を行く次世代AIチップ開発を加速させる鍵となるかもしれません。 ただし、この技術はまだ研究開発段階であり、製造プロセスへの統合やサプライチェーンの構築といった実用化への課題は残っています。Microsoftは具体的な導入時期を示していませんが、業界全体の持続可能な発展に貢献する技術として、今後の動向が注目されます。

AIプラットフォームのClarifaiは25日、AIモデルの実行速度を2倍にし、コストを40%削減する新しい推論エンジンを発表しました。既存ハードウェアの性能を最大限引き出す多様な最適化技術を搭載し、複雑なAIの計算負荷増大に対応します。 新エンジンの性能は第三者機関によるベンチマークテストで検証済みです。スループット（処理能力）とレイテンシー（遅延）の両方で業界最高水準を記録。これにより、同じハードウェアでより多くの処理を高速に実行できることが客観的に示されました。 高速化は、学習済みAIモデルを運用する「推論」処理に特化した最適化で実現されます。同社CEOによると、CUDAカーネルレベルの最適化から高度な投機的デコーディング技術まで、様々なソフトウェア技術を組み合わせているとのことです。 開発の背景には、単一の指示で複数ステップの思考を要するエージェント型AIの台頭があります。こうしたモデルは計算負荷が極めて高く、推論コストの増大が課題でした。新エンジンは特にこうした多段階処理を行うモデル向けに調整されています。 AIブームによるGPU需要の急増を受け、同社はAIの計算オーケストレーション（最適管理）に注力しています。CEOは「巨大データセンター需要に対し、アルゴリズム革新はまだ終わっていない」と述べ、ハードウェア増強だけでなくソフトウェアによる最適化の重要性を強調しました。

NVIDIAは9月24日、マルチモーダルAIモデルファミリー「Nemotron」をオープンソースとして公開しました。NemotronにはAIモデル、データセット、開発ツール群が含まれ、研究および商用目的で利用可能です。GitHubなどを通じて提供され、開発者は透明性の高いAIを迅速に構築できます。これにより、あらゆる規模の企業でAI開発の加速が期待されます。 Nemotronは、AI開発の全段階を効率化するオープンソース技術群です。大学院レベルの科学的推論や高度な数学、コーディングに優れた最先端のAIモデルが含まれます。さらに、モデルの学習に使われたデータセットや、AIを高速かつ低コストで実行するための数値精度アルゴリズムなども提供されます。 なぜNVIDIAはオープンソース化に踏み切ったのでしょうか。それは、広範な問題解決を可能にする「汎用知能」と、各業界特有の課題に対応する「特化知能」の両方を向上させるためです。同社はNemotronを通じて、あらゆる産業でAIの導入を大規模に推進することを目指しています。 既に多くの企業がNemotronの活用を進めています。例えば、セキュリティ企業のCrowdStrikeは、AIエージェントのエコシステム強化に利用しています。また、DataRobotはNemotronを基に、より高速でコスト効率の高い推論モデルを開発するなど、具体的な成果が出始めています。 NVIDIAはNemotron開発で得た知見を次世代GPUの設計に活かす一方、コミュニティの技術も積極的に取り入れています。Alibabaの「Qwen」やMetaの「Llama」といったオープンモデルの技術を活用し、Nemotronのデータセットや機能を強化するなど、エコシステム全体での発展を目指しています。 開発者はGitHubやHugging Face、OpenRouterを通じてNemotronを利用開始できます。NVIDIA RTX PCユーザーはllama.cppフレームワーク経由でのアクセスも可能です。同社は今後もイベントなどを通じて、開発者コミュニティとの連携を深めていく方針です。

企業向けAIモデル開発のCohereは9月24日、1億ドルを追加で調達し、企業価値が70億ドルに達したと発表しました。これは8月の5億ドル調達に続くものです。同時に半導体大手AMDとの提携も締結し、NvidiaとOpenAIの連合に対抗する動きを見せています。この提携は、AI市場の勢力図に変化をもたらす可能性を秘めています。 今回の提携の核心は、CohereのAIモデル群がAMDのGPU「Instinct」で動作可能になる点です。これは市場を独占するNvidia製GPUへの依存を減らす動きと言えるでしょう。さらに、AMD自身もCohereの顧客となり、自社内でAIモデルを活用します。CohereはNvidia製GPUのサポートも継続するとしています。 Cohereは2019年、生成AIブームの火付け役となった論文「Transformer」の共著者によって設立された有力企業です。しかし、OpenAI（企業価値5000億ドルとの報道）やAnthropic（同1830億ドル）といった競合に比べると、企業価値の規模では後塵を拝しているのが現状です。 Cohereは特に「AI主権」を重視する企業をターゲットにしています。これは、自社のデータやAIモデルを外部の事業者に委ねず、自国・自社内で管理したいというニーズに応える戦略です。今回のラウンドに国際的なネットワークを持つ投資家が新たに参加したことも、この戦略を裏付けています。

NVIDIAは2025年9月23日からニューヨーク市で開催された「クライメート・ウィークNYC」で、AIがエネルギー効率化の鍵を握ることを発表しました。「アクセラレーテッド・コンピューティングは持続可能なコンピューティングである」と強調し、LLMの推論効率が過去10年で10万倍に向上した実績をその根拠として挙げています。 AIはエネルギー消費を増やすだけでなく、それを上回る削減効果をもたらすのでしょうか。調査によれば、AIの全面的な導入により2035年には産業・運輸・建設の3分野で約4.5%のエネルギー需要が削減されると予測されています。AIは電力網の異常を迅速に検知し、安定供給に貢献するなどインフラ最適化を可能にします。 同社はスタートアップとの連携も加速させています。投資先のEmerald AI社と協力し、電力網に優しくエネルギー効率の高い「AIファクトリー」の新たな参照設計（リファレンスデザイン）を発表しました。あらゆるエネルギーが知能生成に直接貢献するよう最適化された、次世代データセンターの実現を目指します。 NVIDIAは自社製品の環境負荷低減にも注力しています。最新GPUプラットフォーム「HGX B200」は、前世代の「HGX H100」に比べ、実装炭素排出強度を24%削減しました。今後も新製品のカーボンフットプリント概要を公表し、透明性を高めていく方針です。自社オフィスも100%再生可能エネルギーで運営しています。 さらに、AIは気候変動予測の精度向上にも貢献します。高解像度のAI気象モデルは、エネルギーシステムの強靭性を高めます。同社の「Earth-2」プラットフォームは、開発者が地球規模の気象・気候予測アプリケーションを構築するのを支援し、再生可能エネルギーの導入拡大にも繋がる重要な技術となっています。

Google Cloudのフランシス・デスーザ最高執行責任者（COO）が、ポッドキャスト番組で同社のAI戦略を語りました。競合がOpenAIなど巨大AI企業との大型契約を獲得する中、同社はスタートアップ企業の支援に注力することで差別化を図る方針です。AI業界の複雑な競争環境やGPU不足への対応についても言及し、独自の市場戦略を明らかにしました。 AmazonのAWSやOracleがOpenAIやAnthropicといった巨大AI企業との大型契約を獲得する一方、Google Cloudは異なる戦略をとります。特定の巨大企業に依存せず、幅広いスタートアップを顧客として取り込むことで、エコシステム全体の成長を促し、競争力を維持する考えです。 AI業界では、インフラ提供とアプリ開発で企業間の関係が複雑化しています。例えばGoogleは、Cloudサービスを提供しつつ、生成AI分野では自らが競合他社と争います。さらに競合企業に出資することもあり、協力と競争が入り混じる現状が指摘されました。 AI開発に不可欠なGPUの不足は業界全体の課題です。しかし、デスーザ氏はこの状況を顧客獲得の好機と捉えています。安定した計算資源を提供することで新規顧客を引きつけ、長期的な関係を築く戦略の一環として、この課題に取り組む姿勢を示しました。

プライバシー技術専門企業のDuality社は、大規模言語モデル（LLM）への問い合わせを秘匿したまま処理するフレームワークを開発しました。データを暗号化したまま計算できる完全準同型暗号（FHE）という技術を活用し、ユーザーの質問とLLMの回答をすべて暗号化します。これにより、企業の機密情報や個人情報を含むやり取りでも、情報漏洩のリスクを懸念することなくLLMの恩恵を受けられるようになります。 このフレームワークの核心は、FHEによるエンドツーエンドの機密性保護です。ユーザーが入力したプロンプトはまずFHEで暗号化され、LLMに送信されます。LLMはデータを復号することなく暗号化された状態で処理を行い、生成した回答も暗号化したままユーザーに返します。最終的な結果は、ユーザーの手元でのみ復号されるため、途中でデータが盗み見られる心配がありません。 Duality社が開発したプロトタイプは、現在GoogleのBERTモデルなど、比較的小規模なモデルに対応しています。FHEとLLMの互換性を確保するため、一部の複雑な数学関数を近似値に置き換えるなどの調整が施されています。しかし、この変更によってもモデルの再トレーニングは不要で、通常のLLMと同様に機能する点が特長です。 FHEは量子コンピュータにも耐えうる高い安全性を誇る一方、大きな課題も抱えています。それは計算速度の遅さです。暗号化によってデータサイズが膨張し、大量のメモリを消費します。また、暗号文のノイズを定期的に除去する「ブートストラッピング」という処理も計算負荷が高く、実用化のボトルネックとなってきました。 Duality社はこれらの課題に対し、アルゴリズムの改良で挑んでいます。特に機械学習に適した「CKKS」というFHE方式を改善し、効率的な計算を実現しました。同社はこの技術をオープンソースライブラリ「OpenFHE」で公開しており、コミュニティと連携して技術の発展を加速させています。 アルゴリズムの改良に加え、ハードウェアによる高速化も重要な鍵となります。GPUやASIC（特定用途向け集積回路）といった専用ハードウェアを活用することで、FHEの処理速度を100倍から1000倍に向上させることが可能だとされています。Duality社もこの点を重視し、OpenFHEにハードウェアを切り替えられる設計を取り入れています。 FHEで保護されたLLMは、様々な分野で革新をもたらす可能性があります。例えば、医療分野では個人情報を秘匿したまま臨床結果を分析したり、金融機関では口座情報を明かすことなく不正検知を行ったりできます。機密データをクラウドで安全に扱う道も開かれ、AI活用の可能性が大きく広がるでしょう。

半導体大手のNVIDIAと「ChatGPT」を開発するOpenAIは2025年9月22日、AI開発のインフラを共同で構築する戦略的パートナーシップを発表しました。NVIDIAは、OpenAIが建設するAIデータセンターの規模に応じて、最大1000億ドル（約14兆円）を段階的に投資します。OpenAIはNVIDIA製のGPUを数百万個規模で導入し、少なくとも10ギガワットの計算能力を確保する計画です。次世代AIモデルの開発・運用に不可欠な膨大な計算資源を確保する狙いがあります。 今回の提携は、NVIDIAのジェンスン・フアンCEOが「史上最大のAIインフラプロジェクト」と評する大規模なものです。OpenAIは、NVIDIAの次世代プラットフォーム「Vera Rubin」を含むシステムを導入。OpenAIのサム・アルトマンCEOは「計算インフラは未来経済の基盤になる」と述べ、AIのブレークスルー創出への期待を示しました。今後のAI開発の行方を大きく左右する動きとなりそうです。 OpenAIはこれまで、最大の投資家であるMicrosoftのクラウドに大きく依存してきました。しかし、今年1月に提携内容を変更して以降、Oracleとの大規模契約など、計算資源の調達先を積極的に多様化しています。今回の提携もその戦略を加速させるものです。特定の企業への依存リスクを低減し、AI開発の主導権を維持する狙いがうかがえます。 NVIDIAによる投資は、OpenAIがNVIDIA製GPUを購入するための資金となり、最終的にNVIDIAの売上に還流する構造です。市場関係者はこれを「好循環」と見ており、AIインフラ市場における同社の支配的地位をさらに強固にする動きとして評価しています。AIの需要拡大が自社の成長に直結するビジネスモデルを確立したと言えるでしょう。 計画されている10ギガワットという電力は、原子力発電所約10基分に相当します。AIデータセンターの電力消費は世界的に急増しており、国際エネルギー機関（IEA）も警鐘を鳴らしています。電力網への負担や環境への影響は、AIの普及における大きな課題となり、解決策として原子力などの活用も模索されています。 AIの能力向上を支えるインフラ投資競争は、業界全体で激化しています。Metaは2028年末までに6000億ドルを投じる計画で、MicrosoftやAmazonも原子力発電所と提携するなど、大規模なデータセンター建設と電力確保に奔走しています。AI競争は、もはやモデル開発だけでなくインフラ確保の競争でもあるのです。 今回の計画では、最初のシステムが2026年後半に稼働を開始する予定です。AIが社会に浸透するにつれ、その頭脳を支える「AI工場」の重要性は増すばかりです。この巨大プロジェクトの成否は、AI業界全体の未来を左右する可能性があります。企業は自社のAI戦略において、計算資源の確保をどう進めるか問われています。

AI半導体最大手のNvidiaは18日、米Intelに50億ドルを出資し戦略的提携を結ぶと発表しました。両社はデータセンターとPC向けの次世代半導体を共同開発します。AI市場の優位性を固めたいNvidiaと、巻き返しを図るIntelの思惑が一致した形で、業界の競争環境に大きな影響を与えそうです。 データセンター向けでは、IntelがNvidiaのAI基盤に最適化したx86系CPUを製造します。両社のチップはNvidia独自の高速技術「NVLink」で接続。AIの膨大な処理に必要なチップ間のデータ転送を高速化し、大規模モデルの学習や推論を効率化します。この協力が企業のAI導入を加速させるかもしれません。 PC市場向けには、Intelのx86技術とNvidiaの高性能GPU「RTX」のチップレットを統合した新しいSoCを開発します。これにより、従来にない処理能力を持つ統合型ノートPCが生まれると期待されています。NvidiaのフアンCEOは年間1.5億台のノートPC市場への進出に意欲を示しています。 近年、AI半導体開発で後れを取っていたIntelにとって、今回の提携は大きな転機です。Nvidiaとの協業は、AI市場でのシェア回復と競合AMDに対抗する足がかりとなります。発表を受けIntelの株価は一時30%以上急騰し、市場の高い期待感を映し出しました。 一方、Nvidiaのジェンスン・フアンCEOは、提携が年間「250億ドルから500億ドル規模の事業機会」を生むと試算。IntelのCPU技術やエコシステムを活用し、自社のAIプラットフォームをさらに拡大する狙いです。フアンCEOはこの投資を「素晴らしいものになる」と強調しました。 今回の発表では、Intelの半導体受託製造（ファウンドリ）をNvidiaが利用するかは明言されませんでした。Nvidiaは現在、製造の大部分を台湾のTSMCに依存しています。両社はまず製品協業を優先し、ファウンドリ活用は将来検討するとしており、今後の動向が注目されます。

NVIDIAは最新アーキテクチャ「Blackwell」を、単なる半導体チップではなく「AI工場」を駆動するプラットフォームだと説明します。次世代AIモデルはパラメータ数が1兆を超えると予測され、膨大な計算需要が生まれています。Blackwellはこうした需要に応えるべく、システム全体で性能を追求する設計思想に基づいています。 その中核がラック規模システム「NVIDIA GB200 NVL72」です。これは単一の巨大GPUとして動作するよう設計され、AI推論の効率を劇的に高めます。重さ1.5トンのラックに60万以上の部品と約3.2kmの配線が詰め込まれ、ハードウェアとソフトウェアが密に統合されています。 性能の源泉は、2つのBlackwell GPUと1つのGrace CPUを統合した「Grace Blackwellスーパーチップ」です。高速インターコネクト技術「NVIDIA NVLink」で直結し、CPUとGPUがメモリを直接共有します。これによりAIワークロードの遅延を減らし、スループットを高めます。 GB200 NVL72内では「NVLink Switch」が性能ボトルネックを防ぎます。5,000本以上の銅線ケーブルが72基のGPUを網の目のように接続。毎秒130テラバイトという驚異的な速度でデータを移動させます。これはインターネット全体のピーク時トラフィックを1秒未満で転送できる速度に匹敵します。 AI工場では数万台のGB200 NVL72が一体で機能する必要があります。これを「Spectrum-X Ethernet」や「Quantum-X800 InfiniBand」といったネットワーク技術が実現。データセンターレベルでの統一的な動作を可能にし、全GPUが工場内のデータネットワークへ直接接続される仕組みを構築します。 データセンターという巨大なコンピュータを動かすOSが「NVIDIA Dynamo」です。多数のGPUにまたがるAI推論リクエストを調整・最適化し、需要に応じてGPUリソースを動的に割り当てます。これにより工場全体の生産性と収益性を最大化し、運用コストを低減します。 Blackwellはもはや単なるチップではなく、次世代の産業革命を支えるAI工場のエンジンです。すでに世界最大級のコンピューティングクラスターがこのアーキテクチャを基盤に構築されており、AIによるイノベーションをさらに加速させていくことが期待されます。

マイクロソフトは2025年9月18日、米ウィスコンシン州にある鴻海（Foxconn）の旧工場跡地に、33億ドルを投じて「世界で最も強力」と謳うAIデータセンターを建設すると発表しました。2026年初頭の稼働を予定しており、AIのトレーニング能力を飛躍的に向上させる狙いです。この計画は、かつて頓挫したプロジェクト跡地を最先端のAIインフラ拠点として再生させるものです。 この巨大なデータセンターは、一体どれほどの性能を持つのでしょうか。施設にはNVIDIAの最新GPU「GB200」を数十万基搭載し、その性能は現行の最速スーパーコンピュータの10倍に達すると同社は説明しています。この圧倒的な計算能力により、AIモデルのトレーニングが劇的に加速されることが期待されます。 施設の規模も桁外れです。データセンターは315エーカー（約127ヘクタール）の敷地に3棟の建物が建設され、総面積は120万平方フィート（約11万平方メートル）に及びます。内部には地球4.5周分に相当する長さの光ファイバーが張り巡らされ、膨大なGPU群を接続します。 近年、AIの膨大なエネルギー消費が問題視される中、マイクロソフトは環境への配慮を強調しています。水を一度充填すれば蒸発しないクローズドループ冷却システムを採用し、水資源への影響を最小限に抑えるとしています。持続可能性への取り組みをアピールする狙いもあるようです。 建設地は、かつて鴻海が液晶パネル工場を建設すると発表しながらも計画が大幅に縮小された因縁の場所です。今回の投資は、この未利用地を米国のAI産業を支える重要拠点へと生まれ変わらせる試みといえるでしょう。地域経済への貢献も期待されています。 マイクロソフトはウィスコンシン州の拠点に加え、米国内で複数の同様のAIデータセンター「Fairwater」を建設中であることを明らかにしました。これは、生成AIの普及に伴う爆発的な計算需要に対応する全社的な戦略の一環であり、今後のAI開発競争における同社の優位性を強固にするものです。

AIチップベンチャーのGroqは先日、7億5000万ドルの新規資金調達を完了し、ポストマネー評価額が69億ドル（約1兆円）に到達したと発表しました。これは当初予想されていた額を上回る結果です。同社は、AIチップ市場を支配するNvidiaのGPUに対抗する存在として、推論特化の高性能なLPU（言語処理ユニット）を提供しており、投資家の高い関心を集めています。

Groqの核となるのは、従来のGPUとは異なる独自アーキテクチャのLPUです。これは、AIモデルを実際に実行する「推論（Inference）」に特化して最適化されており、推論エンジンと呼ばれます。この設計により、Groqは競合製品と比較して、AIパフォーマンスを維持または向上させつつ、大幅な低コストと高効率を実現しています。

Groqの技術は開発者や企業向けに急速に浸透しています。利用する開発者の数は、わずか1年で35万6000人から200万人以上へと急増しました。製品はクラウドサービスとして利用できるほか、オンプレミスのハードウェアクラスターとしても提供され、企業の多様なニーズに対応できる柔軟性も強みです。

今回の調達額は7.5億ドルですが、注目すべきはその評価額の伸びです。Groqの評価額は、2024年8月の前回の資金調達時（28億ドル）からわずか約1年で2.8倍以上に膨らみました。累計調達額は30億ドルを超えると推定されており、AIインフラ市場における同社の将来性に、DisruptiveやBlackRockなどの大手が確信を示しています。

創業者のジョナサン・ロス氏は、GoogleでTensor Processing Unit（TPU）の開発に携わっていた経歴を持ちます。TPUはGoogle CloudのAIサービスを支える専門プロセッサであり、ロス氏のディープラーニング向けチップ設計における豊富な経験が、Groq独自のLPU開発の基盤となっています。

Streamlabsは先日、NVIDIA RTX技術によって加速される「Intelligent Streaming Agent」を発表しました。このAIアシスタントは、ライブストリーマーが抱える「エンターテイナー、プロデューサー、ゲーマー」という多重業務の負担を軽減し、視聴者とのコミュニケーションというコアな活動に集中することを目的としています。この技術は、エージェントAIがリアルタイムで高度なタスクを代行する、生産性向上ソリューションの新たな事例として注目されます。

エージェントは主に3つの役割を果たします。第一に共同ホスト（Co-host）として、チャットが静かな際に3Dアバターが会話を繋いだり、視聴者の質問に答えたりします。これにより配信者はゲーム画面から離れる必要がありません。第二にプロデューサーとして、シーンの自動切替や音声・映像キューの実行を担い、複雑な制作作業をカスタマイズ可能なトリガーに基づいて自動化します。

さらに、このAIエージェントは技術アシスタントとしての役割も兼ね備え、ユーザーが直面するトラブルシューティングを支援します。特筆すべきは、NVIDIA GeForce RTX GPUによって加速されるリアルタイムビジョンモデルを活用している点です。これにより、ゲーム内での勝敗や体力低下などのイベントを瞬時に検出し、すべてをローカルで処理することで、極めて低遅延な応答性とシームレスな操作性を実現しています。

Streamlabsは長年、NVIDIAとともにエンコーディング技術やBroadcastアプリなどを通じて配信の敷居を下げてきました。今回のインテリジェント・エージェントは、その進化の集大成です。特に新人ストリーマーにとって、複雑な制作知識や高価な機材なしにプロフェッショナルな品質の配信が可能となります。このAI活用事例は、あらゆる分野で専門家レベルの業務代行が可能になるエージェントAI時代の到来を強く示唆しています。

AWSは、OpenAIが公開したオープンウェイトの大規模言語モデル（LLM）である「GPT-OSS」を活用し、実用的なエージェントワークフローを構築する詳細なガイドを発表しました。Amazon SageMaker AIでモデルをデプロイし、Amazon Bedrock AgentCoreでマルチエージェントを統合運用するエンドツーエンドのソリューションです。これにより、複雑なタスクを自動化し、企業生産性を大幅に高める道筋が示されました。

このソリューションの核となるのは、高度な推論とエージェントワークフローに優れるGPT-OSSモデルです。MoE（Mixture of Experts）設計のこれらのモデルを、高速な推論フレームワークであるvLLMと組み合わせ、SageMaker AI上にデプロイします。この組み合わせにより、単一のGPU（L40sなど）上でも大規模なモデルを効率的に動かすことが可能となり、運用コストを抑えつつ高性能を実現しています。

現実世界の複雑なアプリケーションには、単なるLLM応答以上のワークフロー管理とツール利用能力が求められます。この課題を解決するため、グラフベースの状態管理フレームワークLangGraphを採用し、複数の専門エージェントの協調を設計しました。これらのエージェントは、Bedrock AgentCore Runtimeという統合レイヤー上でデプロイ・運用されます。

Amazon Bedrock AgentCoreは、エージェントのインフラストラクチャ管理、セッション管理、スケーラビリティといった重労働を抽象化します。開発者はロジックの構築に集中でき、エージェントの状態を複数の呼び出し間で維持できるため、大規模かつセキュアなAIエージェントシステムをサーバーレスで展開・運用することが可能になります。

具体例として、株価分析エージェントアシスタントが構築されました。このシステムは、データ収集エージェント、パフォーマンス分析エージェント、レポート生成エージェントの3つで構成されます。ユーザーの問い合わせに対し、専門化されたコンポーネントが連携し、株価データ収集から技術・ファンダメンタル分析、そして最終的なPDFレポート生成までを一気通貫で実行します。

このエージェントワークフローは、定型的な分析業務を自動化し、アナリストの生産性向上に大きく貢献します。処理時間の大幅な短縮に加え、スキルを持つ専門家が、より複雑な意思決定や顧客との関係構築といった高付加価値業務に注力できる環境を提供します。オープンソースLLMの力を最大限に引き出し、ビジネス価値に変える実践例です。

米国巨大テック企業群が、英国のAIインフラ構築に向け、同時期に巨額の投資計画を発表しました。特にマイクロソフトは300億ドル（約4.5兆円）という過去最大規模の投資を公表し、AI競争の主導権を握る構えです。これは英国のAI競争力強化、経済成長を目的としており、グーグルやOpenAI/NVIDIAもこれに追随する形で大規模なデータセンターやスーパーコンピューター構築を進めます。

マイクロソフトは2025年から2028年にかけ、総額300億ドルを投じます。このうち約半分を投じて、パートナー企業Nscaleと共同で23,000基超のGPUを搭載した英国最大のスーパーコンピューターを建設する計画です。同日にグーグル（アルファベット）も2年間で68億ドル（約1兆円）の投資と新データセンター開設を発表しましたが、マイクロソフトはこれを大きく上回る規模を強調しています。

一方、OpenAIはNVIDIA、Nscaleと提携し、「Stargate UK」と呼ばれるAIインフラパートナーシップを発表しました。これは英国の「主権コンピューティング能力」の強化を目的としています。OpenAIの最先端AIモデルを、公共サービスや金融、国家安全保障といった機密性の高い専門的なユースケースに利用するため、国内のローカルなコンピューティング能力で実行可能にします。

これらの投資は、ドナルド・トランプ大統領の訪英に合わせて発表され、米英両国間の強力な技術提携を象徴しています。英国政府は、AI分野で世界的なリーダーシップを確立することを目指しており、今回の巨額投資を「英国経済への強力な信任投票」と評価しています。計画には、北東部地域にAI成長ゾーンを指定する施策も含まれています。

AIインフラ構築に加え、各社は英国の労働力強化にも貢献します。OpenAIは、AI教育プログラムである「OpenAI Academy」を導入し、2030年までに750万人の労働者のスキルアップを目指す政府の目標を支援します。また、これらの投資は、データセンター関連事業を中心に、数千人規模の新規雇用創出につながる見込みです。

しかし、データセンターの乱立に対する懸念も高まっています。大規模なハイパースケールデータセンターは膨大な電力と水を消費するため、環境団体や市民団体は、気候目標達成の妨げや電力価格の高騰につながると強く批判しています。英国政府に対し、電力・水利用に関する戦略の見直しを求める声が上がっています。

Amazon Web Services（AWS）は、大規模な生成AI（LLM）モデルのトレーニング効率を飛躍的に向上させるため、Amazon SageMaker HyperPodのタスクガバナンス機能に「トポロジー認識型スケジューリング」を導入しました。この新機能は、GPUインスタンス間のネットワーク通信遅延という、LLM学習における最大のボトルネックの一つを解消します。

生成AIワークロードは通常、Amazon EC2インスタンス間で広範な通信を必要とし、ネットワーク帯域幅と遅延が学習時間全体に大きく影響します。データセンター内のインスタンス配置は階層的な構造を持っており、同じ物理単位内に配置されたインスタンス間の通信は、異なる単位間の通信よりもはるかに高速になるため、配置最適化が重要でした。

このトポロジー認識型スケジューリングは、EC2のネットワークトポロジー情報を活用し、ジョブ提出時に物理的な近接性を考慮してリソースを割り当てます。具体的には、クラスター内のインスタンスの配置をネットワークの階層構造（レイヤー1〜3）に基づいて把握し、通信頻度の高いポッドを最も近いネットワークノードに集中配置します。

企業にとっての最大のメリットは、AIイノベーションの加速と市場投入までの時間（Time to Market）の短縮です。タスクガバナンス機能により、管理者やデータサイエンティストはリソース調整に時間を費やすことなく、効率的に計算リソースを利用できます。これは大規模なGPUクラスターを持つ組織全体の生産性向上に直結します。

エンジニアは、この新機能をKubernetesマニフェストファイルを通じて簡単に利用できます。ジョブ実行時に、全てのポッドを同一ネットワークノードに配置することを「必須（required）」とするか、「推奨（preferred）」とするかを選択可能です。また、SageMaker HyperPod CLIからもトポロジー指定パラメータを用いてジョブを送信することができ、柔軟な運用が実現します。