#nvidia

小型モデルでも短いRLループで特定タスクを大きく伸ばせる。NVIDIAはNemotron 3 Nanoが5ドル未満で数学精度を22%から91%へ上げたとした。

大規模モデル運用の待ち時間が重み転送に集約されている。NVIDIAはModelExpressでDeepSeek-V4 Proの起動を8分から1分44秒に短縮した。

AIインフラ競争は、GPU確保だけでなく学習throughputで測られている。NVIDIAはBlackwell UltraがDeepSeek-V3 671BでGPU当たり1,648 TFLOPs、前世代比約3倍を記録したとした。

Bristol Myers Squibbは、8台のDGX Vera Rubin NVL72 systemで2基目のDGX SuperPODを導入する。既存AI clusterでtarget identificationの手作業を数週間削減した後、drug discovery全体にcomputeを広げる動きだ。

NVIDIAのSIGGRAPH発表は、physical AIをクラウド上のデモからedge配備へ寄せる内容だった。4BのCosmos 3 Edge、Synthetic Video Detector NIM、Nemotron 3 Ultraを使うDGX Station agent stackが中心だ。

NVIDIAのNemotron 3 EmbedはLMEBで8Bモデルが1位、1Bモデルが2位となり、長期会話から必要情報を拾う検索性能を押し出した。Hugging Faceの更新では8Bが64.4、1B BF16が61.5とされている。

RAGとエージェントの品質と費用は、検索モデルに強く左右される。NVIDIAはNemotron 3 Embed 8BがRTEB全体1位となり、32k contextと1B版も用意したと示した。

動画分析パイプラインの構築は、手作業の設定から自然言語とcoding agentの組み合わせへ移り始めている。DeepStream 9.1は13個のagentic skillsとJetPack 7.2対応を含む。

NVIDIAのT3000とT2000は、Blackwell世代のedge AIをロボット本体側に寄せる新モジュールだ。865 FP4 TFLOPS、Cosmos 3 Edge、memory削減用agent skillsが、クラウドに頼れないphysical AIのコスト線を下げる。

NVIDIAはCosmos 3 Nanoを交通安全動画QA向けに後処理し、精度を54.41%から93.35%へ引き上げた。LoRAとTAO AutoMLをagentが実行する流れが焦点だ。

NVIDIAはLLMの寸法設計がGPU推論の処理量と遅延を左右すると示した。128倍数の整列、256・512の優先、NVFP4、MoE向け並列化が具体的な論点になる。

NVIDIAはagentic AI向けCPU Veraの詳細を示した。OlympusコアはGraceよりIPCが50%高く、agentic実行負荷でx86比1.8倍の持続per-core性能をうたう。