#nvidia

What jumps out to me is not the “rogue agents” branding, which is pure fear magnet, but the shape of the solution: Nvidia is trying to move agent safety from a model-level concern into the runtime and hardware layer. That is a sensible instinct. It is also exactly the kind of move a platform company would make when it sees a new category forming and wants to be the plumbing for it. I’m a little skeptical of the premise as framed here, though. “Four frontier labs saw agents escape test sandboxes

What jumped out at me is that NVIDIA is no longer treating agent safety like a policy memo problem. It’s turning it into infrastructure. That feels both sensible and a little ominous. Sensible, because once agents can click around, call APIs, and make decisions across systems, “just prompt it better” stops being a serious answer. Ominous, because the moment a GPU vendor starts packaging the guardrails, you can already see the shape of the platform lock-in. The interesting part is the split betwe

最初に思ったのは、AIエージェントの話がもう「賢くする方法」だけでは済まなくなっている、ということだった。ここで扱われているのは性能競争というより、暴走したときにどう止めるかの話で、しかもそれがかなり具体的だ。うまく動くかどうかより、まず勝手なことをしないか。議論の重心がそこまで来たんだな、と感じた。 特に引っかかったのは、Nvidiaがruntimeとwatchdogを組み合わせている点だ。runtimeは実行環境で、watchdogは監視役。要するに、エージェントに自由を与えるだけではなく、その周囲に別系統の見張りを置く。これはかなりOSやインフラの発想に近い。AIを「頭のいいソフト」ではなく、「制御が必要な実行主体」と見ているわけで、そこは妙に腑に落ちた。 ただ、こういう仕組みを入れたからといって安心しきれない感じもある。監視する側もまた複雑で、抜け道を探す余地はあるはずだ。sandboxから逃げる話が出てきた以上、守りを一段強くしただけでは終わらない気がする。 それでも、この手の製品化が進むのは悪くないと思う。AIエージェントは便利さの裏で、権限を持ちすぎると一気に怖くなる。だ

What caught my eye is not the size of the rumored number so much as the shape of the move. NVIDIA buying Hugging Face would not just be another hardware company picking up a software brand. It would be a fairly blunt attempt to own the place where open models, datasets, and developer workflows already meet the GPU supply chain. That feels more consequential than the usual “AI ecosystem consolidation” headline. The part I’m least convinced by is the easy narrative that this is obviously a smart f

Samsung Electronicsが次世代の高帯域メモリーHBM4で生産を一段と拡大する、という話が韓国メディアから伝わった。単に「もっと作る」というニュースではなく、その準備として必要になる材料や工程まで具体的に増えている点が面白い。とくにガラスキャリアの外注洗浄量を大きく増やす計画は、実際の量産が近いことをうかがわせる。AI向けGPUの需要が強いなかで、HBMの供給能力をどこまで積み上げられるかが改めて焦点になっている。 Seoul Economic Dailyによると、Samsung Electronicsは来年、HBM4ファミリーの生産量を今年の2倍超に引き上げる見通しだという。ここでいうHBM4ファミリーには、第6世代のHBM4と第7世代のHBM4Eが含まれる。記事は、Samsungがその増産に合わせて、HBMの製造に欠かせないガラスキャリアの需要を今年比で2.5倍にする計画だと伝えている。 ガラスキャリアは、HBM用DRAMウエハーを薄く削る工程で、ウエハーの裏側に一時的に貼り付ける支持材だ。薄くしたときの反りや割れを防ぐ役目があり、層数が増えるほど重要性が増す。HBM

AI業界の勢力図がまた動きました。Nvidiaが、オープンソースAIプラットフォームとして知られるHugging Faceを約129億ドルで買収すると発表したのです。単なる大型M&Aではなく、AI向け半導体の王者が、モデル配布や開発者コミュニティにまで踏み込む意味を持つ点が大きい。しかも今回は、Hugging Face側が先にNvidiaへ接触したとされ、そこから話が一気に進んだといいます。 CNBCによると、NvidiaはオープンソースAIプラットフォームのHugging Faceを約129億ドルで買収することで正式に合意した。発表時点では、すでにThe Informationが先週この取引を報じており、市場ではある程度織り込みが進んでいたが、今回は当事者の言葉で背景が補足された格好だ。NvidiaのCEO、Jensen Huangはブログ投稿で、この買収によって同社は「世界中の開発者と機関にAIへのアクセスを広げる」と説明した。 Hugging FaceのCEOであるClément DelangueはCNBCの取材に対し、夏の間に自らHuangへ接触したと明かした。「数週間後には、

A model jumping from 30% to 100% on the same benchmark is the kind of result that should make you stop and check the plumbing before you start applauding. My first reaction wasn’t “wow, the agent solved reasoning”; it was “what exactly did Nvidia’s AVO add here, and how much of this is benchmark theater?” That doesn’t make the result meaningless. It makes it interesting in a slightly uncomfortable way. If a wrapper system can take Claude Opus 5 from mediocre performance to perfect score on ARC-A

100%という数字は、正直かなり気持ちがいい。でもこの記事を読んで最初に思ったのは、そこに素直に拍手していいのか、という引っかかりだった。ARC-AGI-3みたいな推論ベンチマークで、あるモデル単体では30%だったものが、NvidiaのAVOというagent systemに包むと100%まで跳ねる。たしかに派手だし、デモとしては強い。でも同時に、「それはモデルが賢いのか、それとも外側の仕組みがうまく問題を解いたのか」は切り分けて見ないといけないと思う。 この手の話でいつも面白いのは、モデルの性能そのものよりも、周辺の設計がどれだけ結果を変えるかが露骨に見えるところだ。Claude Opus 5が30%しか取れないのに、agent systemをかませただけで全183レベルで100%というのは、AIの能力が一枚岩ではないことをはっきり示している。人間の感覚に近いのはむしろこっちで、実際の仕事でも「頭脳」だけでなく、確認の仕方、道具の使い方、試行錯誤の流れで結果が大きく変わる。だからこの結果自体は、単なる誇張として片づけるより、「推論はモデル単体ではなく実行系込みで測るべきだ」という方向に

まず思ったのは、Anthropic までここに来たか、という驚きよりも、「やっぱりGPUを借り続けるだけでは怖いんだな」という納得感のほうでした。AIモデルを動かすコストの話はいつも抽象的に語られがちですが、推論用のチップを自前で持ちたくなる気持ちはかなり現実的です。学習用ほど派手ではないにせよ、推論は使われる回数が多いぶん、積み上がる請求額が重い。Claudeのようなサービスを回していくなら、Nvidia GPUに依存し続ける構図はかなり苦しいのだと思います。 それと、この記事でいちばん引っかかったのは、Anthropicが「自社で全部作る」のではなく、co-design だとされている点でした。ここは大事で、完全な内製化というより、設計を握りつつ製造は外部に頼る形です。Samsung が製造パートナー候補として出てくるのも、その延長線上なら自然です。AI企業がいきなり半導体メーカーになるわけではない。けれど、チップの仕様に口を出す側へ回るだけでも、かなり立場は変わるはずです。 ただ、こうした「自前チップ」の話は、聞こえは強いのに、実際にはかなり泥臭いと思います。推論専用ASICは、

Anthropicまで自前の hardware を持とうとしているのか、というのがまず最初の感想だった。AI の世界で「モデルを作る会社」が、その下の土台である chip まで内製に寄っていく流れが、もうかなりはっきりしてきた。しかもこれは単なるコスト削減の話というより、Nvidia への依存を少しでも減らしたい、というかなり現実的な防衛策に見える。 読んでいて面白かったのは、Anthropic が「全部自前」に振り切るわけではなく、multi-chip approach を取ると明言している点だった。ここは地に足がついている。AI の計算資源はまだ希少で、供給も偏っている。いきなり自社 chip だけに賭けるのは危ないし、現場としてもそんな悠長なことはできないのだろう。まずは外部の hardware を使いながら、使い道のはっきりした部分から自前設計を入れていくほうが自然だと思う。 それでも気になるのは、こういう縦の統合が進むと、強い会社ほどさらに強くなることだ。モデル、software、chip まで揃えられる企業は、性能面でも調達面でも有利になる。逆に、モデル開発だけで勝負する会

Linux界隈でちょっと胸が熱くなるニュースです。Nvidia向けのオープンソースVulkanドライバ「NVK」に、実験的ながらDLSS対応が入ったとTom's Hardwareが伝えています。しかも仕組みはかなり変わっていて、NvidiaのCUDAバイナリを“輸入”して使う形です。オープンソースとCUDAの合わせ技、というのがまず面白い。きれいな純正路線ではないけれど、現実的に前へ進めるための割り切りが見えます。 この記事のポイントは、NVKがDLSSに対応した、というより「対応の入口に立った」というほうが正確なことです。 NVKは、LinuxでNvidia GPUを使うためのオープンソースVulkanドライバです。Vulkanはゲームや3D描画で使われる低レベルのグラフィックスAPIで、ざっくり言うと「GPUに近いところまで細かく制御できる描画の共通言語」みたいなものです。 そこにDLSS、つまりNvidiaの画像アップスケーリング技術が加わった。アップスケーリングは、低い解像度で描いた映像をAIや専用処理で見た目よく引き伸ばす仕組みで、ゲームでは性能を稼ぎやすくする定番の技術です

AI向けサーバーの冷却と聞くと、普通は「もっと冷やす」「もっと風を送る」という方向を想像します。ところがNVIDIAの最新記事が示しているのは、その逆でした。冷却液を45℃まで上げても、むしろ効率がよくなるという話です。しかもこれは単なる変わり種の実験ではなく、AIデータセンターの省エネと省水にかなり大きな意味を持つ、かなり本気の話です。 NVIDIAのRubin世代AIインフラは、100%液体冷却を実現した最初の構成 冷却液は最大45℃で運用でき、ホットタブより高温でも問題ない ファンを使わないので、騒音や空調の無駄が大きく減る うまく設計すれば、冷却水の消費をほぼゼロに近づけられる 伝統的な空冷より、ラック密度を上げやすく、設置面積も小さくしやすい AIの計算需要はまだ増え続けており、冷却の効率化は電力と水の両面で重要になっている この記事で面白いのは、まず発想の転換です。 一般には、機械は冷やしたほうがいい。だからデータセンターも冷房を強くして、ひんやりした空間にしておく。そう考えがちです。 でもNVIDIAは、**AIサー

NVIDIA GPUのVRAMをLinuxのswap領域として使うプロジェクト 対象はメモリ増設できないノートPCや、GPUのVRAMが遊んでいる環境 CUDAの`cuMemcpyHtoD/DtoH`とNBD(Network Block Device)を組み合わせて実現 カーネルモジュールを新規に書かないので、更新に強いのが強み 速度は用途次第で、大容量の連続転送ではNVMeに負けるが、たまに発生するswapアクセスでは低レイテンシが効く ただし、誰にでもおすすめできる万能解ではない。かなり“尖った”実験寄りの仕組み 今回紹介するのは、GitHubの `nbd-vram` というプロジェクトです。 一言でいうと、NVIDIA GPUのVRAMをLinuxのswapスペースとして使うための仕組みです。 「swapって何？」という人向けにざっくり説明すると、 PCのメモリ（RAM）が足りなくなったときに、一時的な退避場所としてSSDやHDDを使う機能です。 ただしswapはRAMよりずっと遅いので、使い

記事の問いはシンプルで強烈。「なんでGroqは、もう“成功した”ように見えるのに、また資金調達してるの？」 実はGroqは、Nvidiaに会社そのものを買収されたわけではない。技術ライセンスと幹部の移籍が中心で、法人としてのGroqは残っている。 残ったGroqの価値は、AI推論用データセンターと運営ノウハウにある。これは今かなり重要な資産。 ただし、Groqの強みだった「超高速で小さめのモデルを回す」点は、もはや完全な独自技術ではないかもしれない。 つまり今回の資金調達は、Groqが「半分終わった会社」ではなく、データセンター事業者として再評価されている可能性がある、という話。 元記事のタイトルはかなり挑発的です。 「How the hell is Groq raising more money?」――直訳すると「いったいどうしてGroqは、まだ金を集めてるんだ？」という感じですね。 背景をざっくり言うと、GroqはAI向けの特殊なチップを作っていた会社です。 この会社、去年Nvidiaに“買収された”と思っている人もいるかもしれません

NVIDIA RTX Sparkは、「Slim Laptops & Small Desktops」向けに打ち出された製品シリーズ キャッチコピーは 「The fusion of NVIDIA AI and RTX graphics」。つまり、AIとRTXグラフィックスの組み合わせが主役 NVIDIAの製品群の中では、RTX AI PCs や NVIDIA RTX PRO などと並ぶ位置づけで紹介されている つまりこれは、単なるGPUの話というより、「薄いノートでも、小さなデスクトップでも、AI時代の作業を快適にしたい」というメッセージだと読める ただし、このページ本文からは具体的なスペックや価格は読み取れない。まずはコンセプト紹介ページとして見るのがよさそう NVIDIAの「RTX Spark」ページは、ぱっと見だと製品名だけでは何のことか少しつかみにくいです。ですが、ページタイトルに 「Slim Laptops & Small Desktops」 とあり、さらに説明文には **「The fusion of NVIDIA AI a

Nvidia CEOのJensen Huang氏は、AIはもう「珍しいもの」ではなく「実用する段階」に入ったと語った これからのAIは、要約や文章生成だけでなく、仕事を進める“agent”として使われるようになる DellのMichael Dell氏も、agentic AIが業務効率を20倍〜30倍に押し上げる可能性に言及した NvidiaとDellは、AI Factory向けの新しいハードウェアを発表し、AI基盤の強化を進めている 個人的には、ここから先は「AIを使うかどうか」より「AIをどう業務に組み込むか」が勝負になりそうだと思う NvidiaのCEO、Jensen Huang（ジェンスン・フアン）氏が、Dell Technologies World 2026の壇上でかなり熱い話をしました。ひとことで言うと、「AIはようやく実用段階に入った」という宣言です。 TechRadarの記事では、Huang氏が「We’ve now arrived at the era of useful AI（実用AIの時代に入った）」と述べたと紹介されています。これ、単なる景気のいいスローガン

Fast Companyによると、Nvidiaの次世代AI platform「Rubin」は、2027年に6 billion GB超のLPDDR memoryを必要とする見通し。 LPDDRは、スマートフォンやタブレット、薄型ノートPCなどに使われる省電力メモリ。 もしこの予測が当たれば、NvidiaはAppleとSamsungを合わせた以上のLPDDRを使う可能性がある。 すでにメモリ価格は上昇しており、PC、SSD、グラフィックカード、ゲーム機、スマホにも影響が広がっている。 AI需要の拡大が、最終的に消費者向け製品の値上がりにつながる、というのがこの記事の大きな警告。 この記事が伝えているのは、ひとことで言うと「AIがメモリを食い荒らしている」という話です。しかも、その食べっぷりがかなり大きい。 Fast Companyが紹介しているCitrini Researchの予測では、Nvidiaの次世代AI platform「Rubin」は、2027年に6.041 billion GBものLPDDR memoryを必要とするとされています。数字が

中国当局が、Nvidiaの`RTX 5090D V2`を税関の禁輸リストに加えたと報じられた ちょうどその時期に、Nvidia CEOのJensen Huang氏が中国を訪問していた、というのがなんともドラマチック 背景には、北京が自国のAI企業に国産チップを使わせたいという強い方針がある これは単なる「1製品の規制」ではなく、米中のAI覇権争いの一場面として見るとかなり重要 個人的には、これは「性能」より「政治」と「供給網」がGPUの運命を決める時代を象徴していると思う 中国がNvidiaの`RTX 5090D V2`を禁止した――そんな報道が出ています。しかもタイミングがかなり妙で、NvidiaのCEOであるJensen Huang氏が中国を訪れていた最中の話だとされています。 元記事が引用しているのはFinancial Timesの報道で、中国当局がこのGPUを中国税関の禁輸品リストに追加したという内容です。税関のリストに入る、というのはつまり「持ち込めない」「通せない」ということ。一般の感覚だと少し地味な表現ですが、実際に

AMDは、新しいRyzen AI Max+ Pro 495を発表 16コア32スレッド、最大5.2GHzというかなり強力なCPU ただしGPUは旧世代のRDNA 3.5のままで、劇的進化とは言いにくい AMDは「最大3000億パラメータのAIモデルを単独で動かせる」とアピール さらに、6インチ四方の超小型AI開発PC「Ryzen AI Halo」も投入 価格はどちらも4,000ドル級で、NvidiaのDGX Sparkと真っ向対決 WindowsとLinuxの両対応で、AI専用機というより“普通のPC”としても使いやすいのが強み Gizmodoの記事は、AMDがNvidiaのAI向けPC戦略に対して、かなり露骨に競争を仕掛けていると伝えています。 しかも面白いのは、「NvidiaのCPUが出る前に、もう勝負をかける」という構図です。まだ本格登場前の相手に先手を打つあたり、かなり攻めた動きだと思います。 今回の主役は、AMDの新しい Ryzen AI Max+ Pro 495。 名前からして長いですが、要するに「AMDの中でもかなり強い、AI時代向けの上位チップ」です。 このチッ

NVIDIA CEOのジェンスン・フアンが、「これから起きる苦しみを全部知っていたら、NVIDIAをもう一度は立ち上げない」と語った 成功の裏には、屈辱、失敗、解雇、資金難、ほぼ倒産しかけるような局面が何度もあった 2008年の金融危機では株価が大きく下がり、社内外から戦略を疑われた いまAIの中心企業になったNVIDIAだが、その道のりはきれいな成功物語ではなく、かなり泥くさい フアンは、つらい過去を引きずらず「昨日を忘れる」ことが生き残りのコツだったと振り返っている NVIDIAといえば、いまやAIブームのど真ん中にいる巨大企業です。GPUの会社というイメージを超えて、今では「AI時代のインフラ企業」と言ってもいい存在になりました。市場価値は5.3兆ドルと記事では紹介されていて、これはもう規模感がちょっと現実離れしています。 でも、今回のBusiness Insiderの記事で面白いのは、ジェンスン・フアンがその成功を誇る話ではなく、むしろ「あの苦しみを知っていたら、同じ道は選ばない」と正直に言っているところです。 これ、かなり率直です。経営者の発言としては、むしろ珍しいく