NVIDIAは、ハイパフォーマンスコンピューティング（HPC）とAIをターゲットとした2つの重要な動きを発表しました。Slurmワークロードマネージャーを開発するSchedMD社の買収と、マルチエージェントAI向けのオープンモデル、データ、ツールを提供するNemotron 3ファミリーのリリースです。これらの取り組みにより、NVIDIAはHPC、生成AI、エンタープライズAIインフラストラクチャにおける地位を強化しつつ、オープンでベンダー中立的なソフトウェアへの注力を維持していきます。
SlurmとSchedMD：オープンでベンダー中立なHPCスケジューリングの強化
SchedMDは、HPCおよびAIクラスター向けで最も広く導入されているオープンソースのワークロード管理ツールの一つであるSlurmの主要開発者です。Slurmは、密結合された並列ワークロードを実行する大規模クラスター全体において、コンピューティングリソースのキューイング、スケジュール設定、割り当てに使用されます。クラスターの規模とモデルの複雑さが増すにつれて、利用率とスループットを維持するために効率的なスケジューリングが重要になります。
SlurmのHPCにおけるフットプリントは大きく、そのスケーラビリティ、高スループット、そして複雑なポリシー管理のサポートにより、TOP500リストの上位10および上位100システムの半数以上で採用されています。AIワークロードにおいて、Slurmは基盤モデル開発者やAIビルダーがGPUアクセラレーションシステム上で大規模モデルのトレーニングと推論をオーケストレーションするために使用するインフラストラクチャの主要コンポーネントとなっています。
NVIDIAは買収後も、Slurmをオープンソースかつベンダー中立なソフトウェアとして開発・配布を継続する予定です。NVIDIAは、SlurmがHPCおよびAIコミュニティ全体にとってより広範なアクセスを提供し続けるとともに、幅広いハードウェアおよびソフトウェアプラットフォームにわたる異機種環境のサポートを継続すると述べています。NVIDIAはSchedMDと10年以上にわたり協業しており、今回の正式な買収は戦略的な転換ではなく、そのロードマップを加速させることを目的としているものです。
SchedMDの経営陣は、今回の買収をSlurmのHPCおよびAIにおける中心的な役割の証明と捉えています。同社は、NVIDIAのアクセラレーテッドコンピューティングに関する専門知識は、Slurmのオープンソースモデルとコミュニティへの貢献を維持しながら、将来のAIおよびスーパーコンピューティングの要件を満たす上でSlurmの発展に貢献するだろうと述べています。
顧客への影響とプラットフォームサポート
NVIDIAは、既存のSchedMDのお客様に対して、Slurmのサポート、トレーニング、開発を継続していく予定です。現在、Slurmはクラウドプロバイダー、メーカー、AI企業、研究機関など、自動運転、ヘルスケアおよびライフサイエンス、エネルギー、金融サービス、政府機関、一般製造業など、幅広い分野で導入されています。
NVIDIAは、SchedMDの新たなシステムやアーキテクチャへのアクセスを加速させる予定です。NVIDIAのアクセラレーテッド・コンピューティング・プラットフォームを標準化しているお客様にとって、これは新世代GPUやシステム構成へのより迅速なサポートにつながります。同時に、NVIDIAは、Slurmが今後も幅広い異機種環境をサポートし続けることを改めて強調します。これにより、ベンダーが混在するクラスターでも、単一のハードウェアスタックに縛られることなく、Slurmの新機能を導入できるようになります。
NVIDIA と SchedMD の共同の取り組みは、HPC と AI におけるオープンソース ソフトウェア エコシステムを強化し、業界や展開規模を超えたイノベーションを実現するための広範な取り組みの一環として位置付けられています。
Nemotron 3: マルチエージェント、エージェント型AIのためのオープンMoEモデル
同時に、NVIDIAは、透明性と効率性に優れたエージェント型AIシステムを構築するためのモデル、データセット、ライブラリからなるオープンなエコシステムであるNemotron 3ファミリーを発表しました。組織が単一モデルのチャットボットからより複雑なマルチエージェントアーキテクチャへと移行するにつれ、エージェント間の通信オーバーヘッド、長時間のワークフローにおけるコンテキストのずれ、推論コストの増大といった課題に直面しています。また、重要なビジネスプロセスに組み込まれたAIシステムに対する理解と信頼を深めるために、透明性へのニーズも高まっています。
Nemotron 3は、大規模なマルチエージェントワークロード向けに設計されたハイブリッド潜在的専門家混合（MoE）アーキテクチャにより、これらの要件に対応します。これらのモデルは、予測可能なパフォーマンスとコストプロファイルを維持しながら、協調的なエージェントの行動、専門スキル、効率的なタスクルーティングをサポートするように設計されています。
NVIDIAの創業者兼CEOであるジェンスン・フアン氏は、AIの発展にはオープンイノベーションが不可欠であると強調しました。フアン氏は、Nemotronが最先端のAIをアクセスしやすいプラットフォームへと変革し、透明性と効率性を高めて大規模エージェントシステムの開発を支援することを強調しました。
ヨーロッパ、韓国、その他の地域における国家レベルおよび地域レベルのAIイニシアチブは、オープンでローカルに管理されたAI開発の基盤として、すでにNemotronを検討しています。Accenture、Cadence、CrowdStrike、Cursor、Deloitte、Palantir、Perplexityなどのアーリーアダプターは、製造、サイバーセキュリティ、ソフトウェアエンジニアリング、メディア、通信など、幅広い分野のワークフローにNemotronモデルを導入しています。
モデルラインナップ: ナノ、スーパー、ウルトラ
Nemotron 3 は、それぞれ異なるクラスのワークロードを対象とした 3 つの主要な MoE モデル層で構成されています。
- ナノ 約30億のパラメータを持つ小さなモデルであり、 活性化する トークンあたり最大3億のパラメータ の 効率的な推論。それは 適当 タスク用 力持e デバッグ、 要約、AI パイプライン、そして情報検索では、低遅延と コスト 決定的な。 その ハイブリッドMoE設計は、Nemotron 2 Nanoの最大4倍のトークンスループットを実現し、推論コストを最大60％削減し、全体的な推論コストを低減します。1万トークンのコンテキストウィンドウを備えたNemotron 3 Nano 維持するs 州全体でさらに 長い ワークフロー、精度の向上、遠く離れたコンテキストの関連付けを実現します。 独立したベンチマークでランク付け 最もオープンで効率的なモデルの一つ class、と top 精度 ピアs.
- Superは、約10億個のパラメータと、トークンあたり最大100億個のアクティブパラメータを備えた高精度推論モデルです。低レイテンシ要件の下で、多数のエージェントが連携して複雑な目標を達成するマルチエージェントアプリケーション向けに設計されています。Superは、最大規模のモデルのようなコストプロファイルを伴わずに、推論の深さ、ツールの使用、エージェント間の連携をスケールさせる必要があるシナリオに適しています。
- Ultraは最上位モデルであり、約50億個のパラメータとトークンあたり最大500億個のアクティブパラメータを備えた大規模な推論エンジンとして機能します。これは、非常に長いコンテキストにわたる高品質な推論を必要とする、詳細な調査、戦略立案、複雑な意思決定支援システムなど、最も要求の厳しいAIワークフローを対象としています。
Nemotron 3 SuperおよびUltraは、Blackwellアーキテクチャ上でNVIDIAの4ビットNVFP4フォーマットを使用して学習します。この学習フォーマットは、メモリフットプリントを大幅に削減し、学習スループットを向上させながら、より高精度なフォーマットに匹敵する精度を維持します。企業やサービスプロバイダーにとって、これにより既存のインフラストラクチャ上でより大規模なモデルを学習したり、特定のスケールに必要なハードウェアフットプリントを削減したりすることが可能になります。
この階層化されたファミリーにより、開発者はモデルのサイズと機能を特定のワークロードとコスト目標に合わせて、数十から数百のエージェントに拡張しながら、複雑な複数ステップのワークフロー全体でより高速で正確な長期的推論を維持できます。
ルーティング、トークンエコノミクス、ハイブリッドモデル戦略
マルチエージェントシステムが成熟するにつれ、多くの組織がハイブリッドモデル戦略を採用しています。Frontier独自のモデルは最も複雑な推論タスクに使用され、効率的でカスタマイズ可能なオープンモデルは、日常的なワークロードや特定ドメインのワークロードを処理します。Nemotron 3は、このようなルーティングベースのアーキテクチャ向けに設計されています。
典型的なセットアップでは、エージェントルーターがタスクをリアルタイムで分析します。そして、タスクをNemotron 3 Ultraなどの最適化されたNemotronモデル、または独自の価値を提供する場合は独自モデルにディスパッチします。このアプローチは、最も要求の厳しいケースのために高価なフロンティアキャパシティを確保し、高スループット・高効率のワークロードにはNemotronを活用することで、トークンエコノミクスを最適化します。
AI アシスタントおよびエージェント プラットフォームを構築しているパートナーは、このルーティング戦略により、時間の経過とともにさまざまなモデル プロバイダーとトレーニング戦略を統合する柔軟性を維持しながら、応答性の向上とコスト管理の改善を実現できると報告しています。
オープンデータ、ライブラリ、安全ツール
モデル自体以外にも、NVIDIA はカスタム エージェントの開発をサポートするために、次のようなオープン リソースの充実したセットをリリースしています。
トレーニングと強化学習データセット
NVIDIAは、事前学習、事後学習、強化学習向けに3兆トークンのNemotronデータセットを提供しています。これらのデータセットには、推論、コーディング、複数ステップのワークフローなど、ドメイン固有のエージェントのトレーニングや微調整に使用できる幅広いサンプルが含まれています。Nemotron Agentic Safety Datasetは、複雑な自律システムの安全性を評価・強化するために使用できる、実世界のテレメトリデータを提供します。
NeMoジムとNeMo RL
強化学習と後学習を簡素化するため、NVIDIAはNeMo GymとNeMo RLをオープンソースライブラリとしてリリースしました。これらは、Nemotronモデルと連携した学習環境と後学習基盤を提供し、他のアーキテクチャ向けに拡張または適応させることもできます。NeMo Evaluatorは、様々なベンチマークやユースケースにおいてモデルの安全性とパフォーマンスを評価するために含まれています。
これらのツールとデータセットはすべてGitHubとHugging Faceで公開されており、既存のMLOpsパイプラインやトレーニングワークフローに統合できます。Prime IntellectやUnslothといったエコシステムプレーヤーは、既にNeMo Gymのトレーニング環境を自社のプラットフォームに統合し、エンタープライズユーザーによる強化学習の簡素化に取り組んでいます。
Nemotron 3 モデルは、LM Studio、llama.cpp、SGLang、vLLM などの一般的な推論およびデプロイメント フレームワークとも互換性があり、ローカルでの実験やさまざまな環境へのデプロイメントが容易になります。
利用状況
Nemotron 3 Nano は、以下に示す複数の流通チャネルを通じて現在入手可能です。
モデルハブと推論プロバイダー：Nemotron 3 Nanoモデルは、Hugging FaceおよびBaseten、DeepInfra、Fireworks、FriendliAI、OpenRouter、Together AIなどの推論プロバイダーを通じて利用可能です。これらのサービスを利用することで、チームはモデルを迅速に評価し、既存のアプリケーションに統合できます。
エンタープライズプラットフォーム： Nemotronのモデルは、Couchbase、DataRobot、H2O.ai、JFrog、Lambda、UiPathなどのエンタープライズAIおよびデータプラットフォームに統合されています。これにより、顧客はNemotronを活用した機能を、自社のデータ、オーケストレーション、および自動化スタックに直接組み込むことができます。
パブリッククラウドおよびNIMマイクロサービス：パブリッククラウドユーザー向けには、Nemotron 3 Nanoは、サーバーレス推論のためにAmazon Bedrockを介してAWSで利用可能になり、さらにGoogle Cloud、CoreWeave、Crusoe、Microsoft Foundry、Nebius、Nscale、およびYottaでも利用可能になります。
Nemotron 3 Nano は、NVIDIA アクセラレーション インフラストラクチャ上で安全かつスケーラブルに展開するための NVIDIA NIM マイクロサービスとしても提供されており、企業はプライバシー、データの局所性、パフォーマンスをより細かく制御できます。
Nemotron 3 Super と Ultra は 2026 年前半に提供開始される予定で、組織は早期のエージェント使用ケース向けに Nano 層を標準化し、将来的には要件の拡大に合わせてより大規模なモデルへの移行を計画する時間を持つことができます。
Amazon