これらはそれぞれ、ロボティクス向けエッジAI、データセンター級AIインフラ、自動運転AIソフトウェアという異なる領域をカバーしており、NVIDIAのAI戦略が「クラウドから現実世界の機械まで」広がっていることを示している。

Jetson Thor：ロボット向けエッジAIを大幅に強化

Jetson Thorは、NVIDIAのBlackwell GPUアーキテクチャを採用したエッジAIモジュールで、ロボットや産業機器などの「物理AI（Physical AI）」を想定して設計された。

開発者向けのJetson AGX Thorは、最大2,070 FP4 TFLOPSのAI性能と128GBメモリを備え、約130Wの電力枠で動作する。前世代のJetson AGX Orinと比べると、最大7.5倍のAI計算能力と約3.5倍の電力効率を実現している。

この性能向上によって、ロボットはクラウドに依存せず、現場で直接AI推論や生成AIモデルを実行できるようになる。カメラやセンサーのデータをリアルタイムに処理し、低遅延で判断できるため、次のような用途での応用が期待されている。

• 産業ロボット
• ヒューマノイドロボット
• 医療機器
• 物流・倉庫自動化

つまりJetson Thorは、ロボットがより高度な推論をその場で行うためのエッジAI基盤といえる。

Vera Rubin NVL72：ラック単位のAIスーパーコンピューター

もう1つの主役が、データセンター向けAIインフラのVera Rubin NVL72だ。これは単一のGPUではなく、ラック全体を1つの巨大なAIアクセラレータとして動作させるシステムとして設計されている。

1ラックには次のような構成が含まれる。

• 36個のVera CPU
• 72個のRubin GPU
• 第6世代NVLinkによる高速接続

この構成により、72基のGPUが協調して動作し、兆パラメータ級AIモデルの学習や推論、長文コンテキスト処理などに最適化されている。

NVIDIAによれば、このプラットフォームはBlackwell世代と比較して次の改善を実現するという。

• AI推論の電力効率が最大10倍向上
• トークンあたりの推論コストを約10分の1に削減
• 大規模モデルの学習に必要なGPU数を約4分の1に削減

こうした設計は、AI開発の競争が「単一チップの性能」からラック規模、さらにはAI工場（AI factory）全体のシステム設計へ移行していることを象徴している。

また、NVL72はモジュール式トレイ設計や液冷構造を採用し、データセンターの効率や導入速度を改善する点も評価され、COMPUTEXではサステナビリティ関連の特別賞も受賞した。

Alpamayo：推論できる自動運転AI

3つ目の受賞技術が、自動運転開発向けのオープンプラットフォームAlpamayoだ。

Alpamayoは従来の自動運転AIのように「物体を検出する」だけではなく、状況を理解して推論しながら運転判断を行うAIモデル群として設計されている。

特徴の1つは、視覚・言語・行動（Vision‑Language‑Action）モデルを採用している点だ。映像やセンサー入力を解析し、次の運転行動を生成すると同時に、その判断の理由（reasoning trace）も出力できる。

この仕組みにはいくつかの利点がある。

• 難しい交通状況での判断を改善
• AIの意思決定プロセスを検証可能に
• 安全性評価や開発を効率化

さらにAlpamayoの学習には、実際の走行データだけでなく、シミュレーションや合成データも組み合わせて使われている。これにより、現実ではなかなか遭遇しないレアケースも含めて訓練できるようになる。

NVIDIAの戦略：エッジからAI工場まで

今回の受賞技術を並べて見ると、NVIDIAのAI戦略は大きく3層に分かれている。

• Jetson Thor：ロボットや機械で動くエッジAI
• Vera Rubin NVL72：AIモデルを訓練・運用するデータセンター
• Alpamayo：自動運転のためのAIソフトウェア

つまり、AIモデルを作るインフラから、それを使うロボットや車まで、AIのフルスタックを自社技術で押さえる構図になっている。

COMPUTEX 2026の4つの受賞は、単なるハードウェアの性能競争ではなく、AIが現実世界のシステムに広がる次の段階を象徴する出来事と言えるだろう。

これらはそれぞれ、ロボティクス向けエッジAI、データセンター級AIインフラ、自動運転AIソフトウェアという異なる領域をカバーしており、NVIDIAのAI戦略が「クラウドから現実世界の機械まで」広がっていることを示している。

Jetson Thor：ロボット向けエッジAIを大幅に強化

Jetson Thorは、NVIDIAのBlackwell GPUアーキテクチャを採用したエッジAIモジュールで、ロボットや産業機器などの「物理AI（Physical AI）」を想定して設計された。

開発者向けのJetson AGX Thorは、最大2,070 FP4 TFLOPSのAI性能と128GBメモリを備え、約130Wの電力枠で動作する。前世代のJetson AGX Orinと比べると、最大7.5倍のAI計算能力と約3.5倍の電力効率を実現している。

この性能向上によって、ロボットはクラウドに依存せず、現場で直接AI推論や生成AIモデルを実行できるようになる。カメラやセンサーのデータをリアルタイムに処理し、低遅延で判断できるため、次のような用途での応用が期待されている。

• 産業ロボット
• ヒューマノイドロボット
• 医療機器
• 物流・倉庫自動化

つまりJetson Thorは、ロボットがより高度な推論をその場で行うためのエッジAI基盤といえる。

Vera Rubin NVL72：ラック単位のAIスーパーコンピューター

もう1つの主役が、データセンター向けAIインフラのVera Rubin NVL72だ。これは単一のGPUではなく、ラック全体を1つの巨大なAIアクセラレータとして動作させるシステムとして設計されている。

1ラックには次のような構成が含まれる。

• 36個のVera CPU
• 72個のRubin GPU
• 第6世代NVLinkによる高速接続

この構成により、72基のGPUが協調して動作し、兆パラメータ級AIモデルの学習や推論、長文コンテキスト処理などに最適化されている。

NVIDIAによれば、このプラットフォームはBlackwell世代と比較して次の改善を実現するという。

• AI推論の電力効率が最大10倍向上
• トークンあたりの推論コストを約10分の1に削減
• 大規模モデルの学習に必要なGPU数を約4分の1に削減

こうした設計は、AI開発の競争が「単一チップの性能」からラック規模、さらにはAI工場（AI factory）全体のシステム設計へ移行していることを象徴している。

また、NVL72はモジュール式トレイ設計や液冷構造を採用し、データセンターの効率や導入速度を改善する点も評価され、COMPUTEXではサステナビリティ関連の特別賞も受賞した。

Alpamayo：推論できる自動運転AI

3つ目の受賞技術が、自動運転開発向けのオープンプラットフォームAlpamayoだ。

Alpamayoは従来の自動運転AIのように「物体を検出する」だけではなく、状況を理解して推論しながら運転判断を行うAIモデル群として設計されている。

特徴の1つは、視覚・言語・行動（Vision‑Language‑Action）モデルを採用している点だ。映像やセンサー入力を解析し、次の運転行動を生成すると同時に、その判断の理由（reasoning trace）も出力できる。

この仕組みにはいくつかの利点がある。

• 難しい交通状況での判断を改善
• AIの意思決定プロセスを検証可能に
• 安全性評価や開発を効率化

さらにAlpamayoの学習には、実際の走行データだけでなく、シミュレーションや合成データも組み合わせて使われている。これにより、現実ではなかなか遭遇しないレアケースも含めて訓練できるようになる。

NVIDIAの戦略：エッジからAI工場まで

今回の受賞技術を並べて見ると、NVIDIAのAI戦略は大きく3層に分かれている。

• Jetson Thor：ロボットや機械で動くエッジAI
• Vera Rubin NVL72：AIモデルを訓練・運用するデータセンター
• Alpamayo：自動運転のためのAIソフトウェア

つまり、AIモデルを作るインフラから、それを使うロボットや車まで、AIのフルスタックを自社技術で押さえる構図になっている。

COMPUTEX 2026の4つの受賞は、単なるハードウェアの性能競争ではなく、AIが現実世界のシステムに広がる次の段階を象徴する出来事と言えるだろう。