この記事について海外で公開された情報をもとにAIが要約・解説した記事です。原文の翻訳ではありません。正確な内容は記事末尾の出典元をご確認ください。
この記事の要点
  • NVIDIAが欧州などのクラウドパートナーの計算容量拡張とOpenShell参照アーキテクチャを発表
  • Nscaleは同一電力枠でGPU数37%増、集約推論スループット約50%増を確認したと報告
  • Mistral Large 4は欧州のデータセンターにあるGrace Blackwell 3,800台で訓練

欧州で広がるAIクラウド基盤

NVIDIAは2026年10月21日、欧州・北欧・アフリカ・中央アジアのクラウドパートナーがAI向けの計算容量を拡張していると公表した。背景には、AIネイティブ企業がデータの近くで計算したい、カスタマイズできるオープンモデルを大規模に動かしたいという需要があるという。NVIDIAは、欧州のエネルギー・データ・研究・産業の知見を「生産的な知能」に変える動きだと位置づけている。

発表の柱は3つに整理できる。各地域のAIクラウドが計算基盤を広げる「Sovereign」、オープンモデルとライブラリを訓練から推論まで使えるようにする「Open」、エージェントの行動範囲を制御する「Safe」だ。NVIDIAはこれらを一体の取り組みとして説明している。日本から見ると、主権AI(自国のデータと規制の下でAIを運用する考え方)と、エージェント運用の統制という2つの論点が含まれている。

エージェントに境界を設ける

GTC Berlinで発表されたのが「NVIDIA OpenShell参照アーキテクチャ」だ。NVIDIA OpenShellというセキュアなランタイムソフトウェアを土台に、AIエージェントが何にアクセスし、何を実行できるかの境界を組織が制御できるようにする設計を示したものになる。モデルをツールや業務システムにつなぐ際に、権限の範囲を明確にしたいという需要に応える内容とみられる。

構成は3つの層に分かれる。モデル推論を担うVera Rubin NVL72、エージェントの実行基盤(ハーネス)とツール利用を担うVera CPUとOpenShell、そしてNVIDIA Sentryを動かしてハードウェア側で制約を強制するBlueField-4 DPUだ。ソフトウェアの設定だけでなく、シリコンに近い層でも制限をかける点が特徴と説明されている。

この参照アーキテクチャには、Aleria、Baseten、Cassava、CoreWeave、Crusoe、DigitalOcean、Firebird、Fireworks、Firmus、G42、GMI Cloud、IREN、Lambda、Lightning AI、Nebius、Nscale、Radiant、Verda、Vultrなどのパートナーが支持を表明している。各社のクラウド上で安全なエージェント運用を提供する狙いだ。

電力あたりの知能を増やす

AIファクトリー(大規模なAI計算施設)が拡大するにつれ、電力が制約になる。NscaleはNVIDIA DSX Platformを使い、電力の割り当てとワークロードの要件を突き合わせている。NVIDIA GB300 NVL72を使ったテストでは、DSX MaxLPSによって同じ電力枠のままGPU数が37%増え、集約推論スループットが約50%向上したと報告された。

Nscaleは最先端モデルの訓練と本番ワークロード向けにNVIDIA Vera Rubin基盤を導入する計画で、5つの欧州市場に展開する予定だという。CrusoeはVera Rubin向けの液冷モジュール型AIファクトリー「Spark」を開発し、低遅延の推論に向けて利用者の近くに容量を置く狙いを示している。

MistralはNVIDIAのアクセラレーテッドコンピューティング基盤を拡張し、2027年納入予定のVera Rubin基盤も含めるとしている。Mistralが運営する欧州のデータセンターにある3,800台のNVIDIA Grace Blackwell GPUで訓練された「Mistral Large 4」は、コーディング、エージェントワークフロー、マルチモーダル理解を強化した最新のフロンティアモデルだと説明されている。

オープンモデルの実用例

Nebiusは本番推論向けにNVIDIA Groq 3 LPXを採用し、Spectrum-X EthernetでVera Rubin NVL72と組み合わせてNebius Token Factoryに統合する。マネージドのサーバーレスと専用エンドポイント、なじみのあるAPIを通じて、遅延に敏感なアプリケーションやエージェントシステムに高速なトークン生成を届ける計画だ。

モデルのカスタマイズ事例として挙げられているのがBasetenとCodeRabbitだ。CodeRabbitはNVIDIA Nemotron 3.5 Lightningを使い、教師ありファインチューニングと強化学習によってコードレビューのルーティング一致率を75.8%から80.7%に高め、評価対象のワークロードで推論コストを50%削減したとしている。オープンモデルを特定タスク向けに調整し、精度と効率を同時に改善できることを示す例という位置づけだ。

ほかに、FireworksとEra4は英国と欧州の企業にオープンモデルを届ける提携を発表し、Era4のChesterfield施設にあるNVIDIA Blackwell Ultra GPUによる直接液冷の計算容量と組み合わせる。VerdaはVera Rubinを導入予定で、NemotronとCosmosをすでに本番で使い、推論最適化にNVIDIA Dynamoを使っているという。

現時点で不明な点

ベンダーによる発表であるため、第三者による検証や詳細な仕様は示されていない。OpenShell参照アーキテクチャの提供時期、価格、既存環境との互換性は原文に記載がない。Nscaleの37%・約50%という数値も特定の構成と評価条件での結果であり、他の環境にそのまま当てはまるとは限らない。

また、各社の計画には2027年納入予定のVera Rubinのように将来の調達に依存するものが含まれる。日本のデータセンターやクラウドで同じ構成が使えるかは、現時点では確認できない。続報として、OpenShellの具体的な実装とパートナー各社の提供開始時期が明らかになれば、実務での採用判断がしやすくなるとみられる。

同一電力枠でのDSX MaxLPSの効果(NscaleのGB300 NVL72テスト)
項目基準DSX MaxLPS適用時
消費電力枠同一同一
GPU数基準37%増
集約推論スループット基準約50%増
原文からの引用
The architecture is designed to give organizations full-stack control to deploy AI agents with clear boundaries around what agents can access and do.

このアーキテクチャは、エージェントが何にアクセスし何を行えるかについて明確な境界を設けたうえで、AIエージェントを配備するためのフルスタックの制御を組織に与えるよう設計されている。

今後の見通し

今回の発表は、計算容量の拡張(GPU供給)とエージェントの権限制御(ガバナンス)という2つの流れを同時に示した点に意味がある。今後は、OpenShell参照アーキテクチャの実装内容と提供時期、BlueField-4上のNVIDIA Sentryがどのように制約を強制するのかが明らかになるかが焦点になる。Nscaleの電力効率の数値も、第三者による再現や別構成での結果が出れば判断材料が増える。欧州の主権AIの要件が、他地域のクラウド設計にどこまで波及するかも注目される。

日本の開発者・IT企業にとっての意味

日本のIT企業にとっては2点が実務に響く。1つは電力制約下でのGPU効率で、DSX MaxLPSのように同じ電力枠でより多くのGPUを動かす発想は、電力調達が難しい国内データセンターの計画に参考になる。もう1つはAIエージェントの権限制御だ。エージェントが社内システムやツールを呼び出す場面では、何にアクセスできるかの境界設計が導入の前提になる。OpenShell参照アーキテクチャは、推論用GPU、実行基盤のCPU、DPUによる強制という役割分担を示しており、自社構成を検討する際のたたき台になりうる。ただし提供時期や価格は未公表で、パートナー各社のサービス開始を待つ必要がある。

気になる点

OpenShell参照アーキテクチャはいつから利用できるのか
提供開始時期や価格は原文に記載がない。GTC Berlinで発表され、AleriaやBaseten、CoreWeave、Nebius、Nscaleなど複数のパートナーが支持を表明していることまでは分かっているが、一般提供の時期は公表されていない。
Nscaleの「GPU数37%増」は日本企業にも当てはまるのか
GB300 NVL72を使ったテストでの結果であり、電力制約のあるデータセンターでは参考になる。ただし設備構成や運用条件が異なれば効果は変わりうる。日本国内での適用事例や検証結果は示されていない。
既存の環境から移行できるのか
原文は各クラウドのサービス拡張を述べており、移行手順や既存システムとの互換性には触れていない。Nebiusについては、なじみのあるAPIとマネージドのエンドポイントを提供するとしている。

用語解説

推論
学習済みのモデルを使って、実際に文章生成や予測などの出力を得る処理。学習より計算負荷は小さいが、利用量に比例して増える。
DPU
ネットワークやストレージの処理をCPUから肩代わりする専用プロセッサ。データセンターで制御や分離を担う。
エージェントハーネス
AIエージェントがツールを呼び出したりタスクを実行したりするための実行基盤。権限の範囲をここで管理する。
AIファクトリー
AIモデルの訓練や推論を大量に処理するために設計された計算施設。電力と冷却の設計が重要になる。
主権AI
自国のデータ・規制・インフラの下でAIを開発・運用しようという考え方。欧州で政策論点になっている。
強化学習
正解を直接与えず、報酬を最大化するようにモデルの振る舞いを改善していく学習手法。

出典

NVIDIA Cloud Partners Scale Across Europe — Sovereign, Open and Built for Safe AI Agents

NVIDIA / Stuart Pitts / 2026年10月21日

https://blogs.nvidia.com/blog/cloud-partners-europe-sovereign-safety-open-agents

AI導入も顧問も、お任せください

何から手をつけるか、どこまでAIに任せるか。自社の業務に合わせて整理し、導入から運用まで伴走します。相談だけでも構いません。

AI導入について相談する