Vera RubinがMLPerfに初登場し、電力あたり10倍を出した — 同じ脚注に、最初の1トークンまでが2.03倍遅いと書いてある
NVIDIAが11月16日、SC26に合わせてVera RubinのMLPerf初結果を公表した。Training v6.1は全ベンチマーク制覇、GPUあたり最大2倍。新設のMLPerf Endpointsではエージェント推論の電力あたり処理量がGB300 NVL72の10倍超(本紙算出で11.1倍)。だが同じ脚注に、Vera Rubin側のTTFT P90は4,673.9ミリ秒、GB300は2,305.1ミリ秒とある。同時実行数は1,024対48で21.3倍違い、Vera Rubin側はMLCommonsの検証が済んでいない暫定値で、GB300側だけが検証済みである。今回最大規模の10,240GPU実行もVera RubinではなくGB300だった。同日発表のRubin HPCは単一GPUで5万超のCUDAコアを名乗るが、公表された定量スペックはそれ1点で提供は2028年。LambdaのPhotonics事例は遅延4〜10%減でスループットは据え置き、買っているのは電力効率5倍と信頼性15倍である。ロボット基盤モデルの学習に効くものと、推論の締切に効かないものを一次情報だけで仕分ける。
執筆・編集責任:日本フィジカルAI新聞 編集部
NVIDIAが11月16日、SC26に合わせて3本の発表を出した。中心はVera RubinのMLPerf初登場で、 MLPerf Training v6.1の全ベンチマークを制し、新設のMLPerf Endpointsではエージェント推論の電力あたり処理量でGB300 NVL72の10倍超を出したと書いている[1]。 だが同じ記事の脚注には、その10倍を構成した測定条件もそのまま載っている。 Vera Rubin側のTTFT(最初の1トークンまでの時間)P90は4,673.9ミリ秒、 比較対象のGB300は2,305.1ミリ秒——本紙の計算で2.03倍遅い[1]。 同時実行数は1,024対48で21倍違い、Vera Rubin側の数値はMLCommonsの検証が済んでいない暫定値である[1]。 本文は「より多くのユーザーに、より速く応答する」と書くが、公表された応答開始の数字は逆を向いている。 同日発表のRubin HPCは単一GPUで5万超のCUDAコアを名乗りながら提供は2028年、 公表された定量スペックはそのコア数1点だけだ[2]。
1. SC26で出た3本と、その重さの違い#
11月16日付でNVIDIAのブログに並んだのは、(1) MLPerf Training v6.1とMLPerf Endpoints v1.0の結果[1]、 (2) 新GPU「Rubin HPC」の発表[2]、(3) LambdaがNVIDIA Photonicsの共パッケージ光(CPO)スイッチを 1万GPU超の環境に入れたという事例[3]——の3本である。
本紙が最も重く見るのは(1)である。Vera Rubinはこれまで提供計画と構想だけが語られてきた。 本紙もVera CPUのOCI一般提供を扱ったとき、 公表された定量スペックが0件だったことを書いた。今回はじめて、第三者が定義したベンチマークの上で、 測定条件つきの数字が出た。製品の性能を論じる材料がようやく揃ったということだ。
もう一点、事実として記録しておく。Rubin HPCの発表でコメントを出しているのは ハイパースケール・HPC担当バイスプレジデントのイアン・バックである[2]。 NVIDIAは11月12日にCEO交代を発表しており[4]、 今回がその後で最初の大型ハードウェア発表にあたる。
2. 「電力あたり10倍」の脚注を開く#
MLPerf Endpointsは新設のベンチマークで、実際のエージェント型コーディングと業務ワークフローを走らせ、 エージェントがタスクを正しく完了したかまで確認する[1]。 NVIDIAはこの初回提出で、エージェントAI向けのワットあたり処理量が世代間で10倍超になったと書いた[1]。 根拠として挙がっているのは、大規模オープンモデルKimi K3での暫定結果である[1]。
脚注に書かれた両者の動作点を並べる。NVIDIA自身が公表した値と、それを割っただけの本紙算出値を分けて示す。
| 項目 | Vera Rubin NVL72(暫定) | GB300 NVL72(検証済み) | 比 |
|---|---|---|---|
| アクセラレータ数 | 32 | 48 | 0.67倍 |
| 同時実行クエリ数 | 1,024 | 48 | 21.3倍 |
| システム処理量 | 41,414.2 tok/s | 2,210.4 tok/s | 18.7倍 |
| 動作時電力 | 100.89 kW | 60 kW | 1.68倍 |
| 電力あたり処理量(本紙算出) | 410.5 tok/s/kW | 36.8 tok/s/kW | 11.1倍 |
| TTFT P90 | 4,673.9 ms | 2,305.1 ms | 2.03倍遅い |
| ユーザーあたり応答速度(E2E平均) | 50.4 tok/s | 56.2 tok/s | 0.90倍 |
| MLCommonsの検証 | 未了(査読で変わりうる) | 検証済み | — |
数値はすべてNVIDIAが脚注に明記したもので、比の列は本紙が割ったものである[1]。 NVIDIAはこの比較を「ユーザーあたりE2E平均応答速度50トークン/秒という共通の下限での キロワットあたり処理量」で取ったと書いている[1]。 つまり揃えたのは1つの下限だけで、同時実行数も電力もアクセラレータ数も揃っていない。
3. 最初の1トークンまでが2倍遅いという事実#
見出しと脚注が食い違っている箇所がある。本文は「Vera Rubinはその曲線全体をずらし、 より多くのユーザーに対応しながら、より速く応答する」と書いた[1]。 しかし脚注に載ったTTFT P90は、Vera Rubinが4,673.9ミリ秒、GB300が2,305.1ミリ秒である[1]。 ユーザーあたりの応答速度も50.4対56.2で、Vera Rubin側が約1割低い[1]。
これはVera Rubinが遅いという意味ではない。同時実行1,024という、GB300の21倍の負荷をかけた動作点で 測った値だからである[1]。待ち行列が長ければ最初の1トークンは遅れる。 そこを承知のうえで言えば、NVIDIAが選んだ動作点は、スループットを最大化する側に寄せてある。 MLPerf Endpointsが数える「ワットあたりのエージェント仕事量」は、データセンター事業者が 1ラックから取り出せる収益の指標であって、1台の機械が従う締切の指標ではない。
4. Training側の「最大2倍」と、1,024という上限#
MLPerf Training v6.1では、NVIDIAが全ベンチマークに結果を出した唯一のプラットフォームとなり、 Vera Rubin NVL72は初登場でGB300 NVL72比GPUあたり最大2倍の性能を出した[1]。 「最大(up to)」であり、全ベンチマークで2倍という意味ではない。
規模の側も読む。DeepSeek-V3ベンチマークでVera Rubin NVL72は256GPUから1,024GPUへ約97%の効率でスケールし、学習時間は16分から約4分になった[1]。 ただし今回最大規模の実行はVera Rubinではない。10,240GPUを使ったのはGB300システムであり、 Microsoft AzureがGB200システムで同じ10,240GPUの規模に並んだと書かれている[1]。 Vera Rubinが今回示したスケーリングの実測上限は1,024GPUである。新世代の訴求は 「GPUあたり」であって、「クラスタ全体」ではまだ前世代が持ち場を守っている。
提出はNVIDIA単独ではなく、ASUS、Azure、Cisco、CoreWeave、Crusoe、Dell、Firmus、Giga Computing、 Google Cloud、HPE、Inventec、Krai、Lambda、Nebius、Oracle、QCT、Supermicro、TTA、フロリダ大学を含む20組織に及ぶ[1]。 結果はmlcommons.orgから11月16日に取得したもので、該当エントリ番号も記事に列挙されている[1]。
5. Rubin HPC — 公表されたのはCUDAコア数1点だけ#
同日、NVIDIAはVera Rubinプラットフォームに属する新GPU「Rubin HPC」を発表した。 科学・工学・解析のシミュレーションとデータ処理を対象とし、 単一GPUで5万超のCUDAコアを持つ[2]。 加えて疎なデータの取り出しを加速する機能と、第7世代NVLinkによるGPU間接続を備えるとされる[2]。
発表文が説明するRubin HPCの設計思想は「演算だけを増やさず、データ移動と演算を一緒に伸ばす」である[2]。 巨大なデータセットから散らばった値をいくつか集めて計算する——気候モデル、工学シミュレーション、 ゲノム解析、金融リスクに共通するこの形では、コアを遊ばせないことが効くという理屈だ[2]。
だが書かれている定量値はCUDAコア数だけである。メモリ容量・帯域幅・演算性能・消費電力・価格は 1つも公表されていない。比較対象となる既存GPUの数値も示されていない。 そして提供見込みは2028年と明記されている[2]。 2026年11月の発表から2年以上先であり、本紙はこの段階で製品評価を書ける材料を持たない。
6. 網の更新は、速度ではなく電力と壊れにくさを買う#
3本目は事例だが、数値の読み方としては対照的で面白い。 LambdaはNVIDIA PhotonicsのCPOスイッチで、1万GPU超のGB300 NVL72ラック群を接続した[3]。 スイッチは1台あたり800Gb/sのポートを144本持ち、液冷される[3]。
Lambdaの試験では、ネットワーク遅延がラック規模で約4%、ポッド規模で最大約10%下がった[3]。スループットは従来のプラガブル光と同等と明記されている[3]。 つまり速くなった幅は小さい。効いているのは別の軸で、 NVIDIA Photonicsは従来のプラガブル光に対し電力効率で最大5倍、信頼性で最大15倍、 レーザー数は4分の1になるとされる[3]。 光学部品の中央値温度は36℃で、従来のプラガブル光の51℃より低い[3]。 1スイッチあたり18個の光源モジュールは現場で交換でき、従来のようにモジュールごと交換する必要がない[3]。
大規模学習では1本のリンク断が数千GPUを止める[3]。 この事例が売っているのは速さではなく、止まらない時間である。 4%という数字を小さいと読むのは、この文脈では読み違いになる。
7. フィジカルAIから見て、何が変わり、何が変わらないか#
フィジカルAIの実務から今回の数字を見ると、変わったものと変わらないものがはっきり分かれる。
変わったのは学習側である。VLAのような身体性モデルの事前学習・事後学習は、MLPerf Trainingが測っている形に近い。 GPUあたり最大2倍[1]は、同じ予算で回せる試行回数がそのまま増えるということだ。 256から1,024GPUへ約97%でスケールしたという値[1]も、データ収集が増えるほど学習が重くなる ロボット基盤モデルの開発には素直に効く。
変わらないのは推論側の締切である。ロボットが環境を操作するとき、効くのは1秒あたり何トークン出せるかではなく、 観測から最初の行動指令までに何ミリ秒かかるかだ。MLPerf Endpointsの動作点でVera Rubinが示した TTFT P90 4,673.9ミリ秒[1]は、同時実行1,024という条件のもとでの値であって、 低同時実行・低遅延でVera Rubinがどこまで詰められるかは今回のデータからは分からない。 エージェントが道具呼び出しと検証を何度も往復する以上[1]、 TTFTは1タスクにつき何度も積み上がる。本紙が次に見るべき数字はここである。
シミュレーションは2028年の話である。Rubin HPCが対象とする疎行列演算やステンシル計算[2]は、sim2realの土台である物理シミュレーションそのものだ。 方向としては、学習・推論・シミュレーションを同じ床に載せる動きの一部と読める。 ただし提供は2028年で、スペックはCUDAコア数1点[2]。今日の設備計画に入れる対象ではない。
総じて、今回の発表でVera Rubinは「構想」から「測定された製品」に移った。 それは本紙がこの半年追ってきた流れの中では小さくない前進である。 同時に、見出しの10倍が検証前の暫定値であること[1]、 最大規模の実行が依然として前世代のものであること[1]、 そして応答開始の数字が本文の主張と逆を向いていること[1]も、 NVIDIA自身が同じ記事に書いている。両方を読んで初めて、この世代交代の位置が分かる。
出典
- 1.NVIDIA Sweeps MLPerf Training and Endpoints as Vera Rubin Debuts With Leading Performance — NVIDIA Blog、2026-11-16一次情報
- 2.NVIDIA Announces Rubin HPC — A New GPU to Accelerate Agents for Science, Engineering and Analytics — NVIDIA Blog、2026-11-16一次情報
- 3.Lambda Boosts AI Factory Resiliency and Efficiency With NVIDIA Photonics — NVIDIA Blog、2026-11-16一次情報
- 4.NVIDIA Announces CEO Transition — NVIDIA Newsroom、2026-11-12一次情報
週刊ニュースレター
今週のフィジカルAIを日本語で。重要ニュース5本・日本/中国・Research Picks・今週の公募。無料、いつでも解除できます。
同じテーマのコラム
- エージェントがGPUを待たせる時間を、CPUで埋めにきた — Vera CPUがOCIで一般提供、だが公表スペックは0件で、数字が揃ったのはIntel Xeonを積むNVL8だけ
NVIDIAとOracleが10月27日、Vera Rubin NVL72とVera CPUのOCI一般提供を発表した。売り文句はツール実行・コード実行というCPU側の遅れがGPUを遊ばせる問題。だがVera CPUのコア数も帯域幅も性能値も1つも公表されず、仕様が揃ったのは「計画」と書かれたx86構成のHGX Rubin NVL8だけである。
- ロボットの後工程が机の上に降りた — DGX Stationは748GB・20ペタフロップス、だが公開された3本のワークフローに所要時間が1つも書かれていない
NVIDIAがGTC Berlinでローカル機の棚を3段に揃えた。RTX Spark(最大128GB・最大1PFLOPS FP4・2,599ドルから)、DGX Spark 64GB(GB10、10月23日出荷、8台で1TBだが構成は手動のみ)、DGX Station(748GB・最大20PFLOPS)。同時にGR00T 1.7のRL後学習・巧緻操作・Cosmos後学習の参照ワークフローが公開されたが、所要時間もサンプル効率も量子化後の成功率も非公表である。フアンがノートPCで見せたのは399ドルのアヒル型機の歩行学習だった。同じ日のA5X発表は見出しがGAで本文は「来月」である。
- 韓国の「主権AI」は、NVIDIAのラックに自国NPUを差すかたちで設計された — NVLink FusionにRebellions R200が繋がるが、配備は2028年でスペックは1つも公表されていない
NVIDIA・Rebellions・SK Telecomが11月8日、NVLink Fusionで韓国の主権AI基盤を作る協業を発表した。次世代NPU Rebel R200をNVLinkのスケールアップ網に繋ぎ、ラックはMGXを使い、推論はprefillをGPU・decodeをNPUに割る構想まで書かれている。だがR200の定量スペックは容量・帯域幅・演算性能・電力・価格のいずれも無く、配備可能見込みは2028年、主要な動詞はすべて「計画」である。接続規格を開くことが、他社シリコンの載る床をNVIDIAが敷くことになっている構図を一次情報だけで整理する。
- 取締役会が「ジェンスンに信頼を置く」と書いた4日後に、本人が即日辞任した — NVIDIAがCEO交代を発表し、理由は一言も書かれていない
フアンが社長・CEO・取締役を即日辞任し、CFOのクレスが兼任のまま暫定CEOに就いた。33年で初の取締役会議長も新設。11月8日の取締役会声明と本人の全社メール、12日の交代発表の食い違いを一次情報だけで並べ、公表済みの提供時期という検証可能な観測点を示す。
本コラムはAIを活用して作成・編集し、編集責任は本紙編集部が負います。原典との照合と、掲載後の訂正を行っています。 誤りの指摘は歓迎します。関連する自動生成のニュースはニュースへ。
