NVIDIAが次世代AIインフラ「Vera Rubin NVL72」で強調するのは、単発の質問に答える速度ではありません。AIエージェントがトークンを生成し、ツールを呼び出し、コードを実行し、サブエージェントを起動しながら、長いコンテキストを使って何度も推論する――そうした現実的な処理を、どれだけ少ない電力とコストで回せるかです。

NVIDIAの公表データによると、Vera Rubin NVL72はDeepSeek V4 Proを使ったSemiAnalysisのAgentXワークロードで、GB300 NVL72に対してメガワットあたりのスループットが最大30倍、トークンコストが最大35倍改善しました。

ただし、これはあくまでNVIDIAが示した「最大」値です。提供された資料には、Vera Rubinの100万トークンあたりの具体的なドル価格や、独立した同一条件での検証結果はありません。大きな倍率を、そのまま一般的な実運用の性能や料金とみなすべきではないでしょう。

NVIDIAが示した30倍・35倍の意味

発表の要点は次のとおりです。

• GB300 NVL72比で、エージェントAIのメガワットあたりスループットが最大30倍
• GB300 NVL72比で、トークンあたりのコストが最大35倍低下
• DeepSeek V4 ProをSemiAnalysisのAgentXワークロードで評価

AgentXは、短い質問と回答を繰り返す一般的なベンチマークとは異なります。実際の開発現場を想定したエージェント型コーディングのセッションを再生し、コンテキストの増加、ツール呼び出し、サブエージェントの生成などを含めて評価するテストです。6

エージェントは、最初の回答を返して終わるとは限りません。結果を確認し、外部ツールにアクセスし、コードを実行し、新たなタスクを作成し、より大きくなったコンテキストをもとに推論を続けます。そのため必要なのはGPUの演算性能だけではなく、メモリ、CPU、ネットワーク、ストレージ、冷却、電力を含むシステム全体の処理能力です。

Hopperとの比較で注意すべき点

Vera Rubin NVL72の直接の比較対象は、HopperではなくGB300 NVL72です。NVIDIAのAgentX関連資料では別に、DeepSeek V4 ProにおいてGB300 NVL72がH200 Hopperシステムに対して、メガワットあたり最大15倍のスループットを実現すると説明されています。

この数字は世代交代の文脈を理解する材料にはなりますが、30倍と15倍を掛け合わせて「Hopper比450倍」とすることはできません。いずれも条件付きの「最大」値であり、提供資料にはVera Rubin、GB300、Hopperを完全に同じ条件で並べた統一テーブルがないためです。

コストについても同様です。資料から確認できるのは、Vera RubinがGB300に対して最大35倍の削減をNVIDIAが主張していることです。Vera Rubinの実際の100万トークンあたりの価格や、Vera RubinとHopperを直接比較した具体的なコストは示されていません。

Vera Rubin NVL72の構成

NVL72は、72基のRubin GPUと36基のVera CPUを、ConnectX-9 SuperNICおよびBlueField-4 DPUと組み合わせたラックスケールシステムです。NVIDIAは、NVLink 6をラック内のスケールアップ用ファブリックとして、Quantum-X800 InfiniBandとSpectrum-X Ethernetをラック間のスケールアウト用ネットワークとして位置付けています。23

個別のアクセラレーターサーバーを並べるのではなく、ラック全体を一体化したコンピューティングシステムとして扱う設計です。エージェント型ワークロードでは、GPUにデータを供給し続けながら、CPU側のコード実行やネットワーク処理、ストレージ処理も同時に進める必要があります。このため、ラック全体の協調動作が性能を左右します。

エージェント向けに設計された88コアのVera CPU

Veraは、NVIDIAが設計したOlympusコアを採用する88コアCPUです。Spatial MultithreadingとLPDDR5Xメモリを搭載し、メモリ帯域幅は最大1.2TB/sとされています。NVIDIAは、エージェントAI、強化学習、データ処理などのワークロードで、x86 CPUと比べてタスク完了時間を最大1.8倍高速化できると説明しています。15

Veraの役割は、従来型のホストOSを動かすだけではありません。モデル推論の周辺で発生するCPU負荷の高い処理を担います。具体的には、次のような処理です。

• ツールの利用
• コード実行
• サンドボックス環境の管理
• オーケストレーション
• データ処理・分析
• シミュレーションと強化学習

こうした処理を高速化することで、GPUを推論に集中させ、エージェントの一連の処理で起きるボトルネックを減らす狙いです。159

BlueField-4が担う「Scale-In」

BlueField-4は、NVIDIAがインフラ処理専用のコンポーネントとして位置付けるDPUです。64コアのGrace CPU、LPDDR5Xメモリ、ConnectX-9ネットワークを組み合わせ、最大800Gb/sの接続を提供します。1

NVIDIAによれば、BlueField-4は制御、セキュリティ、データ移動、オーケストレーションといったインフラ機能を、ホストCPUやGPUから切り離して処理します。大規模なAIファクトリーを、分離性と安全性、予測可能性を保ちながら運用するための基盤という位置付けです。1

ここでいうNVIDIAの「Scale-In」は、GPUチップ単体の高速化だけを意味しません。通信、ストレージ、スケジューリング、セキュリティなどの処理を、アクセラレーターの計算資源を過度に消費せずに処理できるかどうかも、システム全体の効率に含まれます。

DSX MaxLPSは30倍の主張にどう関係するのか

DSX MaxLPSは、Vera Rubin GPUやVera CPUとは別の製品ではなく、NVIDIAのDSX AIファクトリー構想を構成するソフトウェアです。固定された電力予算の中で、メガワットあたりのトークン性能を最大化し、トークンコストを下げることを目的としています。

NVIDIAは、液冷とラック内の最適化技術を組み合わせることで、より多くのGPUを電力効率の高い動作点に近づけて運用できると説明しています。

そのため、30倍という効率指標を考える際には、GPUやCPUのシリコンだけでなく、冷却方式、ラック構成、ネットワーク、ソフトウェアスタックを含むAIファクトリー全体を見る必要があります。提供された資料だけでは、報告された改善幅のうち、どの程度が半導体によるものか、ソフトウェアやテスト構成によるものかを切り分けることはできません。

SpaceXAIの導入計画

NVIDIAとSpaceXAIは、SpaceXAIが次世代のエージェントAIワークロードにVera CPUを導入し、Vera Rubinを使ってGrokを支えるAIインフラを拡張する計画を明らかにしました。45

両社はさらに、最適化したVera Rubin NVL72システムを軌道上へ拡張し、第1世代のStarmind AI衛星に搭載する計画も説明しています。4

ただし、これらはあくまで計画です。軌道上のNVL72ベースシステムがすでに打ち上げられ、運用を開始したことを示す証拠ではありません。

結論：重要なのは倍率より実運用の条件

Vera Rubin NVL72の意義は、AIインフラの評価軸を、短い応答の速さから、エージェントが実際に行う長時間・反復的な処理へ広げようとしている点にあります。NVIDIAはAgentXとDeepSeek V4 Proを使った評価で、GB300 NVL72比のメガワットあたりスループット最大30倍、トークンコスト最大35倍を報告しました。

導入を検討する企業やデータセンター事業者にとって、本当に確認すべきなのは見出しの倍率そのものではありません。利用するモデル、目標レイテンシー、コンテキスト長、同時実行数、電力上限、冷却設備、そして総保有コストを自社の条件に置き換えたとき、同じ改善が得られるかどうかです。

現時点で確認できるのは、NVIDIAが示した性能主張と、それを支えるVera Rubinのシステム設計です。独立した同条件の検証や、最終的な実コストまで含めた結論は、今後のデータを待つ必要があります。

NVIDIAが次世代AIインフラ「Vera Rubin NVL72」で強調するのは、単発の質問に答える速度ではありません。AIエージェントがトークンを生成し、ツールを呼び出し、コードを実行し、サブエージェントを起動しながら、長いコンテキストを使って何度も推論する――そうした現実的な処理を、どれだけ少ない電力とコストで回せるかです。

NVIDIAの公表データによると、Vera Rubin NVL72はDeepSeek V4 Proを使ったSemiAnalysisのAgentXワークロードで、GB300 NVL72に対してメガワットあたりのスループットが最大30倍、トークンコストが最大35倍改善しました。

ただし、これはあくまでNVIDIAが示した「最大」値です。提供された資料には、Vera Rubinの100万トークンあたりの具体的なドル価格や、独立した同一条件での検証結果はありません。大きな倍率を、そのまま一般的な実運用の性能や料金とみなすべきではないでしょう。

NVIDIAが示した30倍・35倍の意味

発表の要点は次のとおりです。

• GB300 NVL72比で、エージェントAIのメガワットあたりスループットが最大30倍
• GB300 NVL72比で、トークンあたりのコストが最大35倍低下
• DeepSeek V4 ProをSemiAnalysisのAgentXワークロードで評価

AgentXは、短い質問と回答を繰り返す一般的なベンチマークとは異なります。実際の開発現場を想定したエージェント型コーディングのセッションを再生し、コンテキストの増加、ツール呼び出し、サブエージェントの生成などを含めて評価するテストです。6

エージェントは、最初の回答を返して終わるとは限りません。結果を確認し、外部ツールにアクセスし、コードを実行し、新たなタスクを作成し、より大きくなったコンテキストをもとに推論を続けます。そのため必要なのはGPUの演算性能だけではなく、メモリ、CPU、ネットワーク、ストレージ、冷却、電力を含むシステム全体の処理能力です。

Hopperとの比較で注意すべき点

Vera Rubin NVL72の直接の比較対象は、HopperではなくGB300 NVL72です。NVIDIAのAgentX関連資料では別に、DeepSeek V4 ProにおいてGB300 NVL72がH200 Hopperシステムに対して、メガワットあたり最大15倍のスループットを実現すると説明されています。

この数字は世代交代の文脈を理解する材料にはなりますが、30倍と15倍を掛け合わせて「Hopper比450倍」とすることはできません。いずれも条件付きの「最大」値であり、提供資料にはVera Rubin、GB300、Hopperを完全に同じ条件で並べた統一テーブルがないためです。

コストについても同様です。資料から確認できるのは、Vera RubinがGB300に対して最大35倍の削減をNVIDIAが主張していることです。Vera Rubinの実際の100万トークンあたりの価格や、Vera RubinとHopperを直接比較した具体的なコストは示されていません。

Vera Rubin NVL72の構成

NVL72は、72基のRubin GPUと36基のVera CPUを、ConnectX-9 SuperNICおよびBlueField-4 DPUと組み合わせたラックスケールシステムです。NVIDIAは、NVLink 6をラック内のスケールアップ用ファブリックとして、Quantum-X800 InfiniBandとSpectrum-X Ethernetをラック間のスケールアウト用ネットワークとして位置付けています。23

個別のアクセラレーターサーバーを並べるのではなく、ラック全体を一体化したコンピューティングシステムとして扱う設計です。エージェント型ワークロードでは、GPUにデータを供給し続けながら、CPU側のコード実行やネットワーク処理、ストレージ処理も同時に進める必要があります。このため、ラック全体の協調動作が性能を左右します。

エージェント向けに設計された88コアのVera CPU

Veraは、NVIDIAが設計したOlympusコアを採用する88コアCPUです。Spatial MultithreadingとLPDDR5Xメモリを搭載し、メモリ帯域幅は最大1.2TB/sとされています。NVIDIAは、エージェントAI、強化学習、データ処理などのワークロードで、x86 CPUと比べてタスク完了時間を最大1.8倍高速化できると説明しています。15

Veraの役割は、従来型のホストOSを動かすだけではありません。モデル推論の周辺で発生するCPU負荷の高い処理を担います。具体的には、次のような処理です。

• ツールの利用
• コード実行
• サンドボックス環境の管理
• オーケストレーション
• データ処理・分析
• シミュレーションと強化学習

こうした処理を高速化することで、GPUを推論に集中させ、エージェントの一連の処理で起きるボトルネックを減らす狙いです。159

BlueField-4が担う「Scale-In」

BlueField-4は、NVIDIAがインフラ処理専用のコンポーネントとして位置付けるDPUです。64コアのGrace CPU、LPDDR5Xメモリ、ConnectX-9ネットワークを組み合わせ、最大800Gb/sの接続を提供します。1

NVIDIAによれば、BlueField-4は制御、セキュリティ、データ移動、オーケストレーションといったインフラ機能を、ホストCPUやGPUから切り離して処理します。大規模なAIファクトリーを、分離性と安全性、予測可能性を保ちながら運用するための基盤という位置付けです。1

ここでいうNVIDIAの「Scale-In」は、GPUチップ単体の高速化だけを意味しません。通信、ストレージ、スケジューリング、セキュリティなどの処理を、アクセラレーターの計算資源を過度に消費せずに処理できるかどうかも、システム全体の効率に含まれます。

DSX MaxLPSは30倍の主張にどう関係するのか

DSX MaxLPSは、Vera Rubin GPUやVera CPUとは別の製品ではなく、NVIDIAのDSX AIファクトリー構想を構成するソフトウェアです。固定された電力予算の中で、メガワットあたりのトークン性能を最大化し、トークンコストを下げることを目的としています。

NVIDIAは、液冷とラック内の最適化技術を組み合わせることで、より多くのGPUを電力効率の高い動作点に近づけて運用できると説明しています。

そのため、30倍という効率指標を考える際には、GPUやCPUのシリコンだけでなく、冷却方式、ラック構成、ネットワーク、ソフトウェアスタックを含むAIファクトリー全体を見る必要があります。提供された資料だけでは、報告された改善幅のうち、どの程度が半導体によるものか、ソフトウェアやテスト構成によるものかを切り分けることはできません。

SpaceXAIの導入計画

NVIDIAとSpaceXAIは、SpaceXAIが次世代のエージェントAIワークロードにVera CPUを導入し、Vera Rubinを使ってGrokを支えるAIインフラを拡張する計画を明らかにしました。45

両社はさらに、最適化したVera Rubin NVL72システムを軌道上へ拡張し、第1世代のStarmind AI衛星に搭載する計画も説明しています。4

ただし、これらはあくまで計画です。軌道上のNVL72ベースシステムがすでに打ち上げられ、運用を開始したことを示す証拠ではありません。

結論：重要なのは倍率より実運用の条件

Vera Rubin NVL72の意義は、AIインフラの評価軸を、短い応答の速さから、エージェントが実際に行う長時間・反復的な処理へ広げようとしている点にあります。NVIDIAはAgentXとDeepSeek V4 Proを使った評価で、GB300 NVL72比のメガワットあたりスループット最大30倍、トークンコスト最大35倍を報告しました。

導入を検討する企業やデータセンター事業者にとって、本当に確認すべきなのは見出しの倍率そのものではありません。利用するモデル、目標レイテンシー、コンテキスト長、同時実行数、電力上限、冷却設備、そして総保有コストを自社の条件に置き換えたとき、同じ改善が得られるかどうかです。

現時点で確認できるのは、NVIDIAが示した性能主張と、それを支えるVera Rubinのシステム設計です。独立した同条件の検証や、最終的な実コストまで含めた結論は、今後のデータを待つ必要があります。