NVIDIAは10月21日、GTC BerlinでNVIDIA DSX PODを発表した。同社によると、AIファクトリー向けのモジュール型アプローチにより、現地のユーティリティー設備が整った後の設置期間を6カ月から14日間に短縮できるという。このリファレンス設計では、Vera Rubinシステム一式をコンテナに収め、パートナーが出荷前に組み立て、統合、検証を行う。これにより、設置作業の多くを顧客の現場から切り離す。

主なポイント

  • DSX PODは、モジュール型Vera Rubin AIファクトリー向けにパートナーが構築するリファレンス設計であり、導入期間の短縮は現地のユーティリティー設備が整っていることを条件とする。
  • NVIDIAはインフラ関連の発表とあわせて、エージェントのセキュリティー設計や、エージェントを企業の知識資産に接続するツールも発表した。
  • Huang氏は、欧州のテクノロジー・エコシステムに対する約100億ドルのコミットメントに言及し、今回の発表をNVIDIAの欧州事業拡大の一環と位置付けた。

目次

NVIDIA DSX POD、出荷前に統合作業を実施

中核となる変化は、AIファクトリーをどこで組み立てるかだ。機器が設置先に到着してから統合や検証を行うのではなく、DSX PODでは、パートナーが出荷前にモジュール型コンテナ内でこれらの作業を完了させる。NVIDIAはこれを、単なる新たなラックスケールのハードウェア製品ではなく、データセンター構築のサプライチェーンを変える取り組みとして紹介した。

導入期間に関する主張を解釈するうえで、この違いは重要だ。14日間という期間が対象とするのは、ユーティリティー設備の準備が整った後の現地導入であり、プロジェクト全体の所要期間ではない。発表では、建設全体のスケジュールは示されておらず、DSX PODの価格や顧客への納入日も明らかにされていない。

Huang氏は、Vera Rubinが本格生産に入り、個々のモデルや大規模言語モデルを超えて、AIエージェント全体の処理にNVIDIAのコンピューティング・プラットフォームを広げると述べた。同氏は、より広範なAIファクトリー・プラットフォームを、ハードウェア、システムソフトウェア、CUDA-Xライブラリー、モデルの組み合わせとして説明した。

項目詳細
DSX PODモジュール型コンテナ内でパートナーが組み立て、統合、検証する、Vera Rubin AIファクトリー一式向けの新たなリファレンス設計。
導入期間NVIDIAによると、現地のユーティリティー設備が整った後、現地導入にかかる期間を6カ月から14日間に短縮できる。
DSXの効率性に関する主張NVIDIAによると、より広範なプラットフォームは冷却用水の消費量を最大100%削減でき、同じAI出力を最大30%少ない電力で実現できる。
OpenShellリファレンス・アーキテクチャーポリシー制御、カーネルレベルのサンドボックス化、エージェントと影響を受けるシステム間の監視を組み合わせた新たなセキュリティー設計。
Agent Knowledge Foundation新たなモデルとライブラリーにより、エージェントを企業文書や構造化データベース情報に接続する。
適応型放射線治療NVIDIAとSiemens HealthineersがAI対応システムを開発中。発表では、導入済みのシステムとは説明されていない。

欧州のAI推進、資本と運用効率を結び付ける

ベルリンでの基調講演に先立ち、NVIDIAはパリ、ロンドン、ストックホルム、ダブリンを訪問した。同社の説明によると、NVIDIAは欧州のテクノロジー・エコシステムに約100億ドルをコミットし、1万2,000社を超えるパートナーと連携している。これはコミットメント額であり、その全額をすでに支出したという意味ではない。

Huang氏の主張は、欧州企業はAIを利用するだけでなく、AIを生み出すべきだというものだ。同氏は、L’Oréal、Revolut、Spotify、Merck、Vodafone、Porsche、HSBCなど、NVIDIAとAI分野で協業する欧州企業を挙げ、インフラ関連の発表と既存の顧客層とのつながりを示した。

NVIDIAはまた、DSX AI Factory Platformによって、冷却用水の消費量を最大100%削減し、同じAI出力を最大30%少ない電力で実現できると述べた。これらは、DSX PODの導入期間に関する主張とは別に、より広範なプラットフォームの能力として示されたものだ。基調講演の報告では、こうした削減についてプロジェクトごとの運用実績は提示されていない。

インフラの一部となるエージェントのセキュリティー

インフラ導入の迅速化は、NVIDIAが訴えた内容の一部にすぎない。Huang氏は、エージェントを、モデルにオーケストレーション用のハーネス、メモリー、サンドボックス、知識、ツールを組み合わせたシステムと説明した。ファイル、ネットワーク、その他のリソースにアクセスできるため、その有用性が高まる一方で、実行可能な操作を制御する必要も生じる。

NVIDIAはこの課題に対応するため、「OpenShell Reference Architecture for Safe AI Agents」を発表した。これはOpenShellを基盤とするフルスタック設計で、OpenShellはオープンソースのポリシー制御型ランタイムだ。カーネルレベルのサンドボックス化を備え、エージェントと、その影響を受ける可能性のあるシステムの間に配置される。

Huang氏は、エージェントに付与する権限は最小限にとどめ、活動を監視すべきであり、権限とポリシーの適用は動的に適応させる必要があると述べた。実務上重要なのは、エージェントにツールへのアクセスを許可することと、その周辺システムへの制限のないアクセスを認めることの違いだ。NVIDIAは、セキュリティーを基盤モデルだけに備わる特性ではなく、エージェント導入に必要なエンジニアリング上の要件として示した。

次の導入レイヤーとなる企業の知識資産

NVIDIAのAgent Knowledge Foundationは、企業がすでに保有する情報にエージェントを接続するという別の課題に取り組む。新たに発表されたモデルとライブラリーの一式は、非構造化文書と構造化データベース情報の両方を対象とする。

紹介されたツールには、文書の解析、クエリーの埋め込み、関連情報の再ランキングを行うNemotronの機能に加え、構造化データから予測を行う新たなKumoモデルが含まれる。これらの機能により、汎用モデルに含まれる知識だけに頼らず、エージェントの推論プロセスを各企業固有の資料と結び付けられる。

Huang氏はまた、NVIDIAのオープンモデルを出発点とし、企業が独自データを用いて特定用途向けに追加学習できると説明した。CUDA-Xライブラリーも構成要素の一つであり、エージェントがツールとして利用できる高速化シミュレーター、ソルバー、データ処理エンジンを提供する。これらの発表は、権限、知識、実行を網羅する運用スタックを描き出している。

産業分野の事例が示す導入段階の違い

基調講演の動画では、これらの構成要素がどのように連携し得るかが示された。Lila Sciencesでは、エージェントが自動化された研究室を導き、仮想実験を通じてB細胞リンパ腫の治療法候補の設計を支援した。Siemensのエアランゲン工場では、エージェントがデジタルツイン上で計画を検証し、製品の生産準備を支援した。Dassault Systèmesの事例では、エンジニアリング・エージェントがシミュレーションを使って車両設計の問題を特定し、設計を改良する様子が紹介された。

これらの実演は、開発中のプロジェクトとは区別する必要がある。NVIDIAとSiemens Healthineersは、治療計画エージェント、デジタルツイン、ライブ画像・センサーデータを組み合わせるAI対応の放射線治療を開発中だ。説明されたシステムは、治療中に患者の体や腫瘍が変化するのに合わせて照射対象を調整するものとなる。

これらの事例は、インフラ戦略の具体的な目的を示している。すなわち、研究室、工場、エンジニアリング環境で、専門的なデータやツールを使って作業できるエージェントだ。ただし、これらの事例だけでは、発表されたすべての技術が商用導入済みであることや、主張されたインフラコストの削減が各施設で実現したことを裏付けるものではない。

結論

DSX PODは、NVIDIAの欧州AI推進に具体的なインフラ提案をもたらす。統合作業を現地の外で済ませ、ユーティリティー設備が整った後の導入期間を短縮するというものだ。これに付随するセキュリティーおよび知識関連ツールは、企業がそのインフラ上でエージェントをどのように運用するかという課題に対応する。一方、基調講演の報告では、価格、納入スケジュール、プロジェクト単位の効率改善実績は明らかにされていない。

ニュースをもっと読む

FinanceVelixのニュースをもっと読む

免責事項

この記事はFinanceVelixが一般情報を提供するものであり、個人向けの金融、投資、法律、税務に関する助言ではありません。市場価格、金利、経済状況は変化する可能性があり、投資には損失のリスクがあります。事実関係は公開時点で入手可能な資料に基づいており、変更される場合があります。重要な情報はご自身で確認し、必要に応じて資格を有する専門家にご相談ください。資産、企業、サービスへの言及は推奨を意味するものではありません。