NVIDIAとMicrosoftは11月19日、Azure基盤、企業モデルの調整、産業システム、Windows PCに及ぶAI計算分野の協力拡大を発表しました。重要なのは、稼働中の基盤とプレビュー、将来の機能が混在している点です。
NVIDIAのIgnite発表は、大規模な訓練・推論から企業データに近い場所での実行までをつなぐ道筋を説明しています。性能値と顧客成果は特定システムと評価に関するもので、全製品共通の結果ではありません。
Rubin基盤とBlackwellの成績は別の話
NVIDIAによると、Vera Rubin NVL72はAzureデータセンターで稼働し、高負荷の推論、エージェント処理、大規模訓練・推論を支えます。ただしAzureのRubinサービスはプレビューとされています。
両社は機密コンピューティングをベアメタルとラック規模へ拡張する作業も進めています。アテステーションは、機密モデル、データ、鍵を渡す前に環境を検証するためのものです。MaxLPSで電力活用を改善する協力にも言及していますが、実測の省電力率はありません。
ベンチマーク例は従来のBlackwellシステムです。MLPerf Training v6.1ではGB200 NVL72をDeepSeek-V3で10,240 GPUまで拡大しました。MLPerf Inference v6.1のGB300 NVL72は、Signal65によるとDeepSeek-R1の対話型スループットでクラウド提出結果を10%超上回りました。
これをRubinの測定値や、全アプリの10%高速化という保証にしてはいけません。ハードウェア、課題、比較対象が主張の条件です。
Foundryが調整と展開をつなぐ
MicrosoftのサーバーレスProgrammed Trainingでは開発者が後処理訓練の流れを制御し、Foundryが基盤を管理します。Managed Computeは独自のモデル重みの展開に対応します。
NVIDIAは、EYが企業購買記録の分類用にNemotronを調整した事例を紹介しました。EYの評価データでは精度が55%改善し、独自の最先端モデルと比べてコストが15分の1になったと報告しています。
これは出所を明示した顧客成果です。元の精度、データ件数、比較の詳細条件は示されていません。55パーセントポイントの改善や、他の業務で同じ結果が得られる保証に置き換えてはいけません。
Nemotron 3.5 Superは長時間のコーディング、調査、業務エージェント、Lightningは速い応答とツール利用向けです。EmbedとRerankは検索、Parseは文書抽出、Content Safetyは有害内容検知を担います。低遅延推論のBoltと音声認識のTranscribeは今後提供予定です。
ローカル環境とCloud PCでは提供段階が違う
Foundry LocalのNemotron 3.5対応は、推論、コーディング、ツール利用をAzure Localへ広げます。検索はテキスト、文書画像、グラフ、表を対象とします。
Azure Localはハードウェア企業経由でRTX PRO 6000 Blackwellに対応予定です。Jetson ThorとOrinへの拡張は産業画像認識、ロボット、自律運用向けで、Cosmos物理AIモデルもFoundry Localへ導入されます。
Windows PCではRTX Sparkでローカル言語モデルをIgniteで実演する予定です。実演は、あらゆるPC構成が既に同じ処理に対応するという意味ではありません。
GPU対応Windows 365 Cloud PCのDirect Streamは、最大2本の4K・毎秒60フレームのストリームを支援します。限定プレビュー登録を受け付け、公開プレビューは2027年初頭の予定です。厳しいネットワーク条件での低遅延を説明していますが、一般的な遅延保証はありません。
科学エージェントにも実験室での検証が必要
BioNeMo Agent ToolkitとALCHEMI Toolkitは、生命科学、創薬、材料、化学向けにMicrosoft Discoveryへ拡張されます。BioNeMoは自然言語による計算生物学の指示を受け、エージェントがツールとモデル呼び出しを調整します。
初期統合ではワシントン大学タンパク質設計研究所と開発したRFD4-Proteinaで、候補構造とアミノ酸配列を生成します。追加評価と実験室検証が必要で、候補生成は有効な治療の実証ではありません。
Microsoftも内部で技術群を利用
Microsoft AIは後処理訓練中の強化学習ロールアウト推論にDynamoを使います。NVIDIAによれば、GPU群の推論、要求、モデル更新、障害復旧を調整します。RTX PRO 6000 BlackwellはBing検索モデルにも使われます。
企業にはホスト型調整、ローカル実行、管理デスクトップの選択肢が増えます。それでも判断には各サービスの提供段階、適切な機器、実際の負荷に対応する証拠が必要で、公開結果がその境界をなくすわけではありません。
