Computex 2026が台北で開幕し、例年通りNVIDIAがジェンセン・フアン氏による基調講演で幕を開けました。講演では同社のロードマップが網羅的に紹介されました。その大部分は、既に発表済みのデータセンター向けGPUの優れた性能に関するもので、Vera Rubinは既に本格生産に入っており、エージェントがコンピューティングのあらゆるレイヤーを再構築するという、今やすっかりお馴染みのメッセージが繰り返し語られました。ここではそのすべてを改めて取り上げることはしません。
真に新しい内容、そしてクライアント側で働く人々にとってこの基調講演が重要だった理由は、PCに関するものだった。NVIDIAとMicrosoftはComputexを利用して、単一のデバイスではなく製品ファミリー全体にわたるWindowsマシンの刷新を発表した。しかし、その前に、データセンターに関するある重要な点を詳しく見てみよう。
LPXラックの詳細
データセンターの1つの項目が私たちの目を引きました。LPXラックが変更されています。システムは1OUから2OUに移動したようで、4つのGroq C2Cリンクも物理的に異なって見えます。 以前のLPXに関する報道NVIDIAは今回、ラックをさらに詳しく見せてくれた。この2つの変更点以外に、外観上明らかに異なる点は何も見当たらず、2層目に実際に何が収められているのか、非常に気になるところだ。
3段階構成のPCファミリー
NVIDIAは、ノートPC、デスクトップPC、ワークステーションからなるクライアントマシンのファミリーを発表しました。これらはすべて同じSparkとBlackwellを基盤としており、Windowsをサポートすることを目的としています。ジェンセン氏はこれを、40年ぶりに完全に再設計されたPCシリーズだと位置づけました。この説明に賛同するかどうかは別として、各製品群が全く異なる顧客層をターゲットとしているため、その構造を理解しておくことは重要です。それでは、順に見ていきましょう。
RTX Sparkノートパソコン
ノートPCの中核を成すのは、NVIDIAがN1Xというコードネームでステージ上で披露し、MediaTekと共同開発したRTX Sparkスーパーチップです。これはTSMCの3nmプロセスで製造された700億個のトランジスタで構成され、2つのチップレットを1つのSoCに統合しています。GPU側は、6,144個のCUDAコアと第5世代Tensorコア（FP4精度）を備えた大規模なBlackwell設計で、1ペタフロップスのFP4 AI性能を誇ります。これはNVLink-C2Cを介して600GB/s（NVIDIAの数値はPCIe Gen 5の約5倍で、消費電力ははるかに低い）で20コアのGrace CPUに接続されます。メモリは最大128GBの統合メモリで、帯域幅は300GB/sです。
これがDGX Sparkの仕様書のように読めるなら、それはほぼその通りだからです。NVIDIAはプレスQ&Aでそのように述べ、フルスペックのチップはDGX Sparkと同じ「システムベース」だが、ハードウェアとソフトウェアの両方で異なるプラットフォーム向けに最適化されていると説明しました。DGX SparkはLinuxとAI開発者向けに構築されているのに対し、RTX SparkはWindowsファーストの製品で、同じシリコン上にRTXのゲームとクリエーションスタックを重ねています。NVIDIAはパフォーマンスを「RTX 5070ノートPC GPUと同じクラス」と説明していますが、統合メモリを備えたSoCはPCIe経由のディスクリートGPUとは動作が大きく異なるため、比較はワークロードによって異なるという注意書きがあります。これが、私たちのDGX Spark体験で最も興味をそそられる点であり、今回の発売が前回と異なると予想される点です。DGX Sparkのテストでは、さまざまなOEM設計が互いに非常に近い結果になったことが最も一貫して発見されました。実装によっては設計の精度に差があったものの、すべてのユニットが基本的に同じNVIDIAリファレンスプラットフォームをベースに、同じ電力および熱設計で構築されていたため、実際のパフォーマンスはほぼ均一だった。
ここではそうはならないだろう。RTX Sparkはノートパソコンに搭載され、中には厚さ14mm、重さ3ポンドのものもあります。NVIDIAは、これらのチップは最大構成で一桁ワットから約80Wまで動作し、各OEMはベイパーチャンバーから高度なヒートパイプまで独自の冷却方法を選択できることを確認しました。これほど薄いシャーシでは、チップはほぼ確実に電力制限を受け、その結果、熱と周波数の制限を受けます。これは批判ではありません。物理法則です。しかし、これは、より優れた熱ソリューションを構築し、チップに高い持続電力予算を与え、ファンカーブを適切に調整するOEMが、同じシリコンを使用しているより薄く静かな競合製品に対して、真の持続的なパフォーマンスギャップを開く可能性があることを意味します。同じチップとメモリを搭載した2つのノートパソコンは、明らかに異なる持続スループットを提供する可能性があり、どのOEMが実際にチップの性能を最大限に引き出しているかを突き止めることが、まさに私たちがやりがいを感じる種類のテストです。RTX Sparkは、チップのファミリー全体にも及びます。 NVIDIAは、複数のSKUが用意され、最上位モデルはフルスペック（CPUコア20個、メモリ最大128GB）となることを明らかにした。製品群全体では、メモリ容量は16GBから128GBまでとなり、NVIDIAは最初の発売段階で、主要なOEM各社から30機種以上のノートPCと10機種以上のデスクトップPCが投入されると見込んでいる。その中には、Dell XPS 16 Creator Edition、HP OmniBook、Microsoft Surface Laptop Ultraといった有名モデルも含まれる。
ハードウェアに関する2つの詳細が、私たちに楽観的な見通しを与えてくれます。1つ目はネットワーク、というかネットワークの欠如です。DGX SparkはNVIDIAのConnectX-7ネットワークと200GbE接続を内蔵して出荷されましたが、これは開発者向けクラスタボックスには最適でしたが、ボードスペース、電力、コストを消費しました。NVIDIAはRTX SparkノートPCにはCX7パッケージが搭載されないことを確認しました。コンシューマー向けWindowsノートPCとしては、これは正しい判断であり、ボードスペースと電力予算が解放されたことで、これらのユニットにははるかに優れたストレージが搭載されることを期待しています。DGX Sparkのストレージは実用的でしたが、決して主役ではありませんでした。ネットワーク用シリコンを供給する必要のないコンシューマー向けノートPCには、より高速で大容量のNVMeを搭載する十分な理由があります。2つ目はI/Oです。すべてのDGX Sparkが同じリファレンスボードを使用していたため、すべてのユニットに同じポートが搭載されていました。DGX Sparkの均一性の後、OEMごとの真のI/Oの多様性が歓迎されるでしょう。
バッテリー駆動時間はノートパソコンに関する最後の疑問であり、私たちのベンチマークがまさにそのために作られたものです。NVIDIAは生産性やブラウジングであれば終日バッテリー駆動を約束していますが、ゲームやフル稼働のAIではどのノートパソコンでも45分から1時間でバッテリーが消耗すると正直に述べています。私たちが最も定量化したいのは、実際のAI作業中のバッテリー駆動時間です。ユーザーが操作していないときでもエージェントが動作するというのは魅力的な提案ですが、バッテリー駆動時のローカル推論は真の魅力であり、終日メールを送受信する場合と120Bモデルを終日実行する場合では、バッテリー駆動時間に大きな差が生じる可能性があります。私たちはまさにこのようなプラットフォーム向けに、独自のパーソナルAIコンピューティングベンチマークをフルセット用意しており、マーケティング上の数値を額面通りに受け取るのではなく、実際の生産性向上を測定する予定です。
RTX Sparkデスクトップ
NVIDIAは、小型フォームファクターのRTX SparkデスクトップがノートPCと同時に今秋発売されることを確認し、ステージ上でMSI製の製品を披露した。正直なところ、一見するとDGX Sparkのように見えるが、それ以外に分かっていることはほとんどない。工業デザインは、以前レビューしたDGX Sparkとは異なるようだが、それ以外はNVIDIAはほとんど情報を公開していない。
我々の疑問は明白なものばかりで、実際にハードウェアをテストするまで待たなければならない。14mm厚のノートPCよりもはるかに高い放熱性能を持つはずのデスクトップPCの持続性能は、ノートPCやDGX Sparkと比べてどうなのか？また、DGX Sparkの特徴である200Gネットワーク機能は維持されるのか、それともノートPCのようにCX7パッケージを省略して、より安価な価格帯を実現するのか？
DGXステーション
第3層は最上位機種で、既にお馴染みのマシンです。NVIDIAは以前からDGX Stationを公開しており、私たちは先日、実際に触れる機会に恵まれました。主要なスペックは既に公開されているため、ここでは詳細な説明は割愛しますが、近日公開予定のレビューでさらに詳しく解説する予定です。
要約すると、Windows 版 DGX Station は、GB300 Grace Blackwell Ultra デスクトップ スーパーチップをベースに構築されており、Blackwell Ultra GPU と 72 コアの Grace CPU を組み合わせています。最大 748GB のコヒーレント メモリと最大 20 ペタフロップスの FP4 性能を備え、数兆パラメータのモデルをローカルで実行したり、NVIDIA の言葉を借りれば、数百のエージェントを同時に実行したりするのに十分な性能です。コンシューマー向け Spark マシンとは異なり、このマシンは最大 800Gb/s の高速ネットワークを実現する ConnectX-8 SuperNIC を搭載し、オプションで RTX PRO 6000 Blackwell ワークステーション GPU も選択可能です。
大きな懸念事項は、マイクロソフトがこれを成し遂げられるかどうかだ。
我々の立場を明確にしておきましょう。DGX SparkはNVIDIAにとって大きな成功を収め、この製品群全体に非常に期待を寄せています。ハードウェアの性能は申し分なく、効率性も高く、NVIDIAは既にシリコンの性能を実証済みです。しかし、マイクロソフトがこれらのデバイスを適切にサポートできるかどうかについては懐疑的です。
マイクロソフトは最近、Windowsの方向性に対するユーザーの不満の高まりという、好ましくない理由で注目を集めている。一部のユーザーはそれを「マイクロソフトの怠慢」と呼んでいる。不満の内容はよく知られている。OSのあらゆる場所にCopilotを積極的に押し込んでいること、スタック全体にAIを垂直統合していること、そしてOneDriveを事実上強制的に使わせるような長年の慣行などだ。さらに、Windows on Armは成熟したプラットフォームとは誰も言えない。NVIDIAは、Prismエミュレーターでの長年の共同作業や主要なアンチチートベンダーとの協力などを挙げ、今回は違うと強く賭けている。「なぜ今、Windows on Armは成功するのか？」という質問に対する同社の答えは、基本的に「皆がようやく全力で支援しているからだ」というものだ。それは確かにそうかもしれない。しかし、前回もほぼ同じようなことを聞いていた。
個人的には、Microsoftが期待に応えてくれることを願っている。なぜなら、その可能性は計り知れないからだ。RTX Sparkは、おおよそRTX 5070クラスに相当する、優れたゲーミングマシンだ。エミュレーションとドライバーの問題が解決すれば、NVIDIAのディスクリートGPU搭載ノートPCでゲームをするよりも、安価で効率的な代替手段となる可能性がある。また、Linuxとの関連性も無視できない。シリコンはシリコンなので、RTX SparkはDGX Sparkを優れた小型マシンにした強力なLinuxサポートを受け継ぐはずだ。Windowsスタックに投入されたゲームとグラフィックスの改良が、Linux上でもゲーム性能の向上として現れるかどうか、非常に興味深い。もしMicrosoftがこれほど優れたプラットフォームで失敗すれば、Linuxの実績を考えると、この発売はついにLinuxデスクトップが一般ユーザーにとっての年をスタートさせるきっかけとなるかもしれない。
私たちにとって最大の驚きは、NVIDIAがDGX StationにWindowsを搭載するという選択をしたことでした。2025年にこの製品が初めて発表されたとき、他の出版社の多くの友人たちと私たちは、これは天才的な一手だと考えました。ソフトウェアのサポートは、カーネルとツールがシリコンの真の能力を活用できるほど成熟するまで、歴史的に新しいハードウェアに何年も遅れをとることがよくあります。DGX Stationは、データセンターがそれを中心に構築されるずっと前に、トップレベルのAIラボ、研究者、組織が最新のアーキテクチャで開発を開始するために購入できるマシンでした。問題は、この製品がそのパーティーに1年遅れて参加したことです。そして、試作段階の癖（そのうちのいくつかは私を夜驚症にさせました）はさておき、このシステムでの時間を本当に楽しんだものの、明らかにハードコアAI向けに設計されたマシンにWindowsを搭載することは正当化できません。B300にはRTコアがないため、NVIDIA自身のワークステーションワークロードの多くはオプションのRTX PROディスクリートカードに依存し、B300はAIタスク専用になります。 DGX StationにおけるWindowsのサポートが実際にどの程度機能するのか非常に興味があり、正直なところ、Microsoftがここで優れたユーザーエクスペリエンスを提供し、単一ホスト上でB300と800G ConnectX-8ネットワークを真に活用できるのかどうか懐疑的です。
新世代の製品ファミリー
基調講演で私たちの心に最も残ったのは、仕様に関するものではなかった。
ジェンセン氏は、このPCラインナップを恒久的な製品ファミリーとして発表し、将来のあらゆるアーキテクチャ世代に対応するデスクトップ、ノートPC、ワークステーションを提供することを約束した。そして、PC業界の100%がこの製品に賛同していると主張した。
ちなみに、ここで触れた小型の400TFlop N1 Grace Blackwell Spark Superchipをようやく目にすることができました。このチップがどのようなデバイスに搭載されるのか、興味深いところです。
PCを超えて：物理AI
基調講演の後半は、物理AIへと大きく焦点を移した。これは上記のクライアントハードウェアとは全く異なる世界だが、Computexの全体像を完成させるものだ。NVIDIAはまた、このイベントを利用して、物理AIエージェントツールとスキルの大規模なコレクションをオープンソース化し、github.com/NVIDIA/skillsに公開した。これには、TSMC、Foxconn、SK hynixなどの製造パートナーが既に工場ラインで運用している、ニューラル再構築、ビデオ拡張、欠陥画像生成などの合成データスキルが含まれる。主なプラットフォームは以下のとおり。
アイザックGR00Tリファレンスヒューマノイドロボット
NVIDIAは、Unitree H2 Plusシャーシをベースにした、高さ約180cm、重量約68kgのヒューマノイドロボットのオープンリファレンスデザインを公開しました。このロボットは、Sharpa Waveの触覚5本指ハンドを2つ搭載し、合計75自由度を実現しています。アクチュエータは高性能で、腕のトルクは最大120ニュートンメートル、脚部は最大360ニュートンメートル、ペイロードは定格7kg、最大15kgです。センシング機能として、水平視野角140度のヘッドマウントステレオカメラ、マニピュレーション用の手首カメラ、慣性計測ユニット、そして一般的なWi-Fi 6とBluetooth 5.2接続機能を備えています。頭脳はNVIDIAのJetson AGX Thor T5000で、2,070 FP4テラフロップスのBlackwell GPU、14コアのArm CPU、128GBの統合メモリを搭載し、構成可能な40～130ワットの電力を消費し、約1kWhのバッテリーで約3時間動作します。データキャプチャ用のIsaac TeleopからIsaac Sim、Isaac Lab、GR00T基盤モデル、デプロイメント用のIsaac ROSミドルウェアに至るまで、スタック全体がオープンで、研究者は自分のデータを制御できます。スタンフォード大学、チューリッヒ工科大学、カリフォルニア大学サンディエゴ校、Ai2などが早期採用者で、ハードウェアは2026年後半にUnitreeから入手可能になり、Unitree G1リファレンスワークフローがGitHubとHugging Faceで間もなく公開される予定です。ジェンセンは、ヒューマノイドロボットを「数兆ドル規模の経済的機会」と呼び、いつものように大きな言葉で賭け金を売り込みました。
コスモス3
Cosmos 3 は、NVIDIA の物理 AI 向けオープン フロンティア基盤モデルです。このトランスフォーマーの組み合わせによるオムニモデルは、テキスト、画像、ビデオ、環境音、アクションを単一のスタックで処理し、数十億のマルチモーダル サンプルでトレーニングされています。このモデルは、マルチモーダル推論のためのビジョン言語モデル、物理環境をシミュレートするためのワールド モデル、そして特定のタスクでロボットをトレーニングするワールド アクション モデルのバックボーンという 3 つの役割を果たします。高精度のロボット工学と AV のトレーニング後処理向けの Cosmos 3 Super、高速なビデオとアクション推論向けの Cosmos 3 Nano、そして近日公開予定のリアルタイム推論向けの Cosmos 3 Edge が用意されています。NVIDIA は、ワールド生成のための Physics-IQ や R-Bench、アクション ポリシーのための RoboLab や RoboArena、ビジョン理解のための VANTAGE-Bench など、多数のベンチマークでオープン モデル分野をリードしており、物理 AI のトレーニングと評価のサイクルを数か月から数日に短縮できると述べています。これは、Hugging Face、GitHub、およびbuild.nvidia.comでNIMマイクロサービスとして利用可能であり、Agile Robots、Black Forest Labs、Runway、Skild AIなどの企業を含む連合体によって支えられており、Samsung、LG Electronics、Li Auto、Doosan Roboticsなどの企業が採用している。
アルパマヨ2スーパー
NVIDIAは、自動運転向けにAlpamayo 2 Superを発表しました。これは、Cosmosワールド基盤モデルに基づいて構築された、32億パラメータのオープンな推論ビジョン・言語・アクションモデルで、レベル4の開発に向けて、運転スタック全体にわたって推論、計画、および実行を行います。これは、以前の10億パラメータバージョンからスケールアップし、360度全方位認識に対応しています。また、マクロな運転判断と、それを説明する因果関係の連鎖トレースの両方を生成し、推論の自動ラベル付けにより、アノテーションサイクルを数か月から数日に短縮できます。NVIDIAは、これをDRIVE AGX Thorでの車載展開のために小規模なネットワークに抽出する教師モデルとして位置付け、クローズドループ強化学習のためのAlpaGym、生成シナリオ作成のためのOmniDreams、およびフリートデータを3Dシーンに変換するOmniverse NuRecに基づくニューラル再構築といったサポートツールと組み合わせています。 Alpamayoの以前のバージョンは、400,000万回近くダウンロードされました。新しいモデルはCOMPUTEXのベストチョイス賞を受賞し、今夏にはGitHubとHugging Faceで公開される予定です。
ドライブハイペリオン
Alpamayoが頭脳だとすれば、DRIVE Hyperionはそれを動かす車だ。Hyperionについては以前にも取り上げたので、ここでは改めて説明する必要はないが、NVIDIAのレベル4対応リファレンスであり、Halos安全システムとDriveOSをベースに、DRIVE AGXコンピューティングを搭載していることは特筆すべき点だ。今回より興味深いのは、Hyperionの背後に誰が並んでいるかということだ。Uberは、今年後半に開始予定のミュンヘンのロボタクシープログラムを含め、Hyperionを搭載した複数の車両群を統合している。FoxconnとFoxtronは、2028年に台湾でロボタクシーを開始し、高雄を皮切りにアジア全域に拡大していく計画だ。VinFastはレベル4車両を東南アジアに導入し、AutobrainsはVinFastとUberの両方と協力し、HUMAINはサウジアラビアに展開している。Hyperionに注目する価値があるのは、単一の仕様よりも、こうしたパートナー企業の顔ぶれにある。
閉じた思考
NVIDIAはシリコンを手に入れ、14mmのノートパソコンからデスクトップPCのGB300、さらには人型ロボットの胸部まで、あらゆる場所にそのチップを投入しようとしており、その点については我々も確信している。しかし、スペックシートからは、MicrosoftがWindows on Armをハードウェアコストに見合うものにできるかどうか、OEMがSparkチップの性能を最大限に引き出せるのか、それとも薄すぎる筐体でその性能を阻害してしまうのか、そしてペタフロップ性能やバッテリー駆動時間に関する主張が実際に測定できた時にどれほど妥当なのかは分からない。我々はハードウェアには期待しているが、ソフトウェア（Microsoft、Linuxではない）には懐疑的であり、マシンがラボに届くまでは両方の立場を維持するつもりだ。マシンがラボに届いたら、ベンチマークテストを実施する準備は整うだろう。
Amazon