何が起きたか
NVIDIAは2026年11月16日、Vera RubinプラットフォームのMLPerfベンチマーク結果を公表した。同社によると、MLPerf Training v6.1の全ベンチマークで首位となり、初めて提出したMLPerf Endpointsでは、エージェント型AIのワット当たりスループットで世代比10倍超の向上を示した。
詳細
NVIDIAは、Vera Rubinがトレーニング、ポストトレーニング、エージェント型推論の各領域で高い性能を示したとしている。MLPerf Training v6.1では全ベンチマークに結果を提出し、MLPerf Endpointsへの提出は今回が初めてだった。
Key Facts
| NVIDIAは2026年11月16日、Vera RubinプラットフォームのMLPerfベンチマーク結果を公表した。 | [1] |
| NVIDIAは、Vera RubinがMLPerf Training v6.1の全ベンチマークで首位になったとしている。 | [1] |
| NVIDIAによると、初提出のMLPerf Endpointsで、エージェント型AIのワット当たりスループットは世代比10倍超の向上を示した。 | [1] |
本紙の見方
今回の結果で目を引くのは、Vera Rubinの評価が単一の処理性能ではなく、Training v6.1の全ベンチマークと、Endpointsにおけるエージェント型AIのワット当たりスループットという異なる評価軸にまたがる点だ。とくにEndpointsは今回が初提出であり、NVIDIAはエージェント型AIを測る指標で世代比10倍超と説明した。ただし、この数値はNVIDIAが示したベンチマーク結果であり、今回の記載だけから実運用時の消費電力、費用、処理品質まで同じ比率で改善すると読むことはできない。 本紙の関連記事では、独Daisytuner、AIモデルのチップ間最適化を目指し600万ユーロ調達 推論エンジンも投入が、複数チップでの実行効率化を掲げる推論エンジンを扱った。Daisytunerの説明はチップ間の実行最適化、今回のNVIDIAの発表は計算プラットフォームを用いたベンチマーク性能で、比較対象となる階層が異なる。AI計算基盤の選定では、特定プラットフォームのベンチマーク値だけでなく、異なるチップを含む実行環境での効率も別途評価する必要がある、という論点が浮かぶ。 フィジカルAIとの接点では、leaderobot.com、NVIDIA GEAR DexUMI向け五指ハンド「星動XHAND 1 Pro-U」の限定販売を報道が、NVIDIAのGEAR DexUMIに対応するハンドを扱った。今回のMLPerf結果は計算基盤の性能指標であり、ロボットの操作能力や実環境での学習成果を直接示すものではない。計算側の評価と、ロボット本体・操作系での評価を混同せず、どの工程の性能を測ったかを分けて捉える必要がある。 次に確認すべきなのは、Training各項目の個別スコアや測定条件、Endpointsの比較対象となった世代と構成、電力当たりスループットの算出条件である。これらが分からなければ、10倍超という主張を他の計算基盤や実際の運用条件と照合するのは難しい。ポストトレーニングと推論についても、今回の記載は高い性能を示したとするにとどまり、数値やタスク条件は示していない。評価結果を導入判断へつなげるには、ベンチマークの対象範囲と実際の処理要件との対応が焦点になる。
なぜ重要か
NVIDIAの発表は、MLPerf Training v6.1の全ベンチマークと、エージェント型AIのワット当たりスループットという別々の評価結果を示しており、計算基盤を選ぶ際の比較軸を分けて見る必要がある。10倍超という値は同社のベンチマーク上の主張であり、実運用での電力効率やロボットの動作性能を示すものではない。
