こんにちは。SB C&S の村上です。

今年もNVIDIAの年次イベントであるNVIDIA GTCに現地参加しております。

NVIDIA GTCは、NVIDIAが主催する世界最大級のAI・HPC分野のカンファレンスです。GPUやAIインフラといった基盤技術だけでなく、生成AI、エージェントAI、フィジカルAI、ロボティクス、自動運転、クラウドなど、幅広い領域での最新技術や活用事例が一堂に会します。中でも1000近くにわたるセッションの数々や各企業の展示ブースはとても見応えがあります。

2026年のGTCは、米国日時で3月16日から19日まで、米国カリフォルニア州サンノゼで開催されています。
街の風景もGTC一色になっており、見渡す限り"GTC"の文字が並んでおり、近隣の商業施設にはAIのJensen Huang氏と会話できる展示も設置されておりました。

基調講演 (Keynote Session) は3月16日に行われ、NVIDIA CEOのJensen Huang氏が、AI、コンピューティング、ロボティクスの次世代像について発表する構成となっています。 講演当日は朝早くから長い行列ができており、開場後まもなく会場の座席はほぼ埋まっていました。

ここからはKeynote Sessionで語られた内容のうち、特に印象的だったポイントを整理してご紹介します。

★Keynote SessionのLive録画はYouTubeで公開されており、誰でも視聴することが可能ですのでぜひご視聴ください。なお本記事のこれ以降の画像は、特に記載が無い限りこの動画の画面キャプチャをお借りしたものです。

振り返りと全体像

まず今年は、CUDA 20周年 というNVIDIAにとって大きな節目の年でした。基調講演の冒頭では、現在のNVIDIAの強みはGPUそのものだけで成り立っているのではなく、GPUを汎用的な計算資源として活用するための土台であるCUDAを開発し、それを長年にわたって育ててきたことにあると語られていました。CUDAとともに成長してきたことで、多くの開発者やパートナー、そして幅広いエコシステムから支持を集め、現在のNVIDIAが築かれてきたことが改めて強調されていたのが印象的でした。

実際、現在ではGPUを活用する多くのライブラリやアプリケーションがCUDAをベースに開発されており、AIやシミュレーション、データ分析など多くの分野でCUDAが前提になることが多いです。そうした状況を見ると、NVIDIAの進化がGPUの進化だけではなく、CUDAを中心としたソフトウェア基盤とともにあったとあらためて実感しました。

そのうえで今回の基調講演は、こうした20年の積み重ねを振り返るだけでなく、その基盤の上に次のAI時代をどう築いていくのかを示す内容になっていました。生成AIの普及に伴いAI活用が広がるなかNVIDIAが見据えているのは、単なるモデル実行基盤ではなく、推論、エージェントAI、フィジカルAI、ロボティクスまでを含めた、より広い産業基盤としてのコンピューティングです。

本記事では基調講演で発表された中でも特に以下のトピックを中心に整理していきます。

• Groq 3 LPXの追加で、推論アーキテクチャがさらに拡張
• Feynmanが示す、次のAIコンピューティング基盤
• Open Modelの拡大
• DSXでAI FactoryをOmniverse上に再現
• OpenClaw, NemoClaw ※近日追記予定
• フィジカルAI・自動運転・ロボティクス ※近日追記予定

Groq 3 LPXの追加で、推論アーキテクチャがさらに拡張

今回の基調講演の中でも特に私が興味を惹かれたのが、Groq 3 LPX の追加により複数種類のプロセッサを組み合わせる推論アーキテクチャという考え方が出てきた点です。

これまでNVIDIAは大規模モデルの学習と推論の両方を高効率に処理できるプラットフォームを構築してきました。それらを支える重要な要素として高スペックなGPUがあり、より高レベルな推論も実現できるよう日々GPUは進化をし続けていました。

一方でGroq 3 LPXが加わることで、全ての推論処理をGPUに集約するのではなく、処理に応じて最適なプロセッサへ引き渡すことが語られていました。

まず推論の処理では一般的にPrefill → KV Cache → Decode(Token生成)の流れで処理が行われます。

初めにユーザーから送られてきたプロンプト全体を読み込んで文脈理解などの初期計算を行うPrefillが行われ、その結果としてKV Cacheが構築されます。そして、実際に回答を生成(Token)していくDecodeの処理が行われます。

このDecodeに関しては更に分解するとAttentionとFFN(Feed Forward Network)の2つの処理があります。Attentionは簡単に言うと、長文生成の際などで少しずつTokenが生成される際に、次の回答生成に必要な情報をKV Cacheから洗い出します。FFNはAttentionの処理によって取り出された情報をもとに大量の変換処理を行いTokenを生成しています。

従来のアーキテクチャではこれらを全てGPUで実施していましたが、このうちの最後のDecode のFFNの処理を、特化したGroqのLPU(Language Processing Unit)であるGroq 3 LPXで実施することで最適化するといったものでした。 

実際にセッション内で表示されていた資料でもVera Rubin NVL72側がPrefillやDecode時のAttentionを担い、Groq 3 LPX側がDecode FFNを担う という形で役割分担が表現されていました。

文脈理解やKV Cacheを活用する処理はRubin側で行い、その結果得られた中間表現をGroq側へ渡してFFNを実行し、Token生成を加速するイメージとなります。

なお、Groq 3 LPX自体については、NVIDIA Developer Blogでも早速情報が公開されており、補足としてあわせて確認できます。
https://developer.nvidia.com/blog/inside-nvidia-groq-3-lpx-the-low-latency-inference-accelerator-for-the-nvidia-vera-rubin-platform/

★近日、Vera Rubinアーキテクチャのシステムを中心としたプロダクト関連の発表についても本記事へレポートを追加予定です。

Feynmanが示す、次のAIコンピューティング基盤

例年GTCでは注目どころとして次世代以降のアーキテクチャを含めたロードマップの紹介があり、今年も新しい世代としてFeynman世代について語られていました。

発表では、Blackwell、Vera Rubinに続く将来世代としてFeynmanが示されており、NVIDIAが引き続き複数年にわたりAI基盤を進化させていく方針が示されていました。また今回の説明では、Feynmanでは新しいGPUを搭載するだけでなく、LPUを搭載した構成にも触れられており、GPU単体の性能向上だけでなく、前述の用途に応じて異なるプロセッサを組み合わせる方向性が示されていた点が特徴です。

Open Modelの拡大

NVIDIAが提供するOpen Modelの拡大もトピックとして語られていました。これまでNVIDIAは言語AI向けのNemotron、世界モデルのCosmos、ロボティクス向けのGROOTなど多岐にわたるモデルの開発・公開を行っています。

NVIDIAは単一の汎用モデルを中心に据えるだけではなく、領域ごとの要件に応じたモデルを整備する方向に着手しており、今後もOpen Modelの開発へ貢献を続けていくと示されていました。

実際にAIの進化のためにはハードウェアやソフトウェアの進化だけでなく、AIモデルの整備が必要となる中、その点もNVIDIAは積極的に取り組む姿勢を感じ取りました。

講演内ではNVIDIAが開発している最新のモデル群も紹介されていました。

★近日、OpenClaw, NemoClaw関連の発表についても本記事へレポートを追加予定です

DSXでAI FactoryをOmniverse上に再現

今回の基調講演では、DSX もAI Factoryを支える要素として紹介されていました。位置づけとしては、AI Factoryを実際に構築する前に、Omniverse上で設計・検証していくためのブループリントに近いものとして語られていたように見えます。

AI Factoryでは、計算資源だけでなく、電力、冷却、ネットワーク、設備配置まで含めた全体設計が重要になります。DSXは、そうした複雑な構成を実際に構築する前に、仮想空間上で計画し、構築、最適化をしていくための仕組みとして語られていました。

★近日DSXについて、またフィジカルAI, 自動運転、ロボティクス関連の発表についても、本記事へレポートを追加予定です

まとめ

以上、GTC2026 Keynote Sessionのレポートでした。

 今年もとても多くの発表内容があり、とても見応えのある内容だったのではないでしょうか。特に個人としてはGroq 3 LPXの登場により、今後の推論基盤がどのように変化していくかが楽しみです。

引き続き、弊社では最新情報をキャッチし随時発信していきますので、ぜひお楽しみにください。
なお、GTC 2026における個々の発表についての詳細は、NVIDIAのNewsroomにまとめられたページがございますので、あわせてご参照ください。