NVIDIA NIMは、大規模言語モデルを効率的にデプロイする手法です。特に、4xB200システム上でのエージェントAIワークロードにおいて、NIM 2.0.12はベースラインの2.5倍のスループットを提供し、同時に多くのユーザーに応答可能です。これにより、開発者は最適化された設定を利用し、運用の生産性を向上させることができます。

次のレースに向けて、検索を活用する3つの方法を紹介します。1つ目は、AIを使って自分専用のトレーニングプランを作成すること。2つ目は、YouTube Musicと連携してカスタムプレイリストを作り、長距離ランのモチベーションを維持すること。3つ目は、適切なランニングギアを見つけるために検索機能を活用し、ニーズに合った商品を探すことです。これでレース当日を万全に準備しましょう。

NVIDIAのBioNeMo Inference Runtime (BioIR)は、バイオ分子構造予測を効率化するツールです。主な特徴は、NVIDIA GPU上でのモデル実行を加速すること、PyTorchとの統合、Rayを用いた並列処理によるスループット向上です。BioIRは、AlphaFold Databaseの拡張にも利用され、4,777のプロテオームにわたる31百万の候補複合体を生成しました。これにより、従来の実装に比べて2.90倍のスループット向上が実現されました。

カナダのKinaxis社は、AIを活用して企業のサプライチェーンの不確実性を管理するプラットフォーム「Maestro」を提供。グローバルな衝突や規制の変化により、企業はリアルタイムでの需給予測やシナリオ分析が求められ、Maestroはそのためのデータ統合とAI分析を実現。特に、需要予測機能やエージェント型AIを活用し、企業が迅速かつ効果的に対応できるよう支援している。

Workflow1111は、AUTOMATIC1111の機能を統合したグラフです。73のノードからなる11のメディアパイプラインを構築し、テキストから画像、画像から画像、プロンプトマトリックスなどの機能を提供します。ユーザーはHugging Faceアカウントでサインインし、各パイプラインを実行できます。すべての出力はRESTエンドポイントになり、簡単にアクセス可能です。グラフィカルなインターフェースで、ユーザーは独自の機能を追加できるため、カスタマイズが可能です。

NVIDIAは、複雑な供給チェーンを効率化するために、Palantir Foundryを利用したデジタル供給チェーンインテリジェンスを構築しました。このシステムは、材料の割り当てに関する全ての情報を統合し、リアルタイムでのボトルネック特定や人間の専門知識の体系化を可能にします。さらに、NVIDIAのcuOptライブラリを使用して、材料配分の最適化を行い、ポストトレーニングされたNemotronモデルにより、より正確な判断を実現しています。

EPD（エンコード・プリフィル・デコード）分散化は、マルチモーダルモデルの推論最適化手法で、ビジョンエンコーダーをプリフィルとデコード段階から分ける技術です。特に画像が多いリクエストや短中程度の出力に効果的で、最大5倍の初トークン時間短縮を実現します。Dynamoフレームワークを用いて、エンコーダーとPDワーカーを独立してスケールさせることで、より効率的な処理が可能になります。最適な使用シナリオや配置選択についても詳述されています。

短編ドキュメンタリー「Love, Rendered」では、AIを活用して記録されていないカップルの過去を再現しています。70年以上連れ添ったバートとエセルの物語を通じ、記憶喪失やストーリーテリングの力を探求。映像制作チームは、写真の修復やポーズのキャプチャを駆使し、感情的な真実を保ちながら彼らの思い出をよみがえらせました。

Google Searchが新たに導入した機能で、フットボールシーズンを楽しむ準備をしましょう。主な新機能は以下の通りです。1. リアルタイムの「ライブゲームフィード」で試合を追跡可能。2. マッチアップやリーグの詳細な統計を確認できる新しいカロセル。3. Yahoo FantasyやSleeperアカウントと連携し、カスタマイズされたファンタジーサポートを受けられるAIモード。これらの機能で、試合や選手の動向を簡単に把握できます。

NVIDIAが2026年9月に発表したCUDA Rustは、GPUカーネルをRustで記述できるようにする新しい手法です。主にSIMTモデルとTileモデルの2つのアプローチがあり、Tileモデルはより簡潔で、アーキテクチャに依存しないプログラミングが可能です。これにより、効率的かつ安全にGPUプログラミングが実現します。現在、cuda-oxideとcutile-rsの2つのプロジェクトが進行中で、いずれも初期段階ですが、Rustコミュニティとの連携を強化しています。

NVIDIA NemoClawを用いて、記憶駆動型のエージェントを構築する方法を紹介します。このエージェントは、プロジェクトや人々に関する情報を整理し、ユーザーの意図を優先してタスクを管理します。主なポイントは、1. 日常業務の文脈を維持する、2. 証拠と知識を分離する、3. ユーザーによるエージェントの修正を可能にする、4. セキュリティ境界を強化する、5. 記憶を追加してエージェントのパフォーマンスを向上させることです。

NVIDIA JetsonでのエッジAIモデルの展開と最適化について、以下のポイントを解説します。1. Jetson用の推論モデル選定方法。2. NVFP4量子化と推測デコーディングによる推論性能向上法。3. Nemotron 3.5 LightningとQwen3.8-27Bの提供方法。4. アプリケーションの構成検証方法。新しいオープンモデルの導入により、エッジ環境でのAI実行が容易になり、リアルタイムアシスタントやロボットの活用が進みます。