メインコンテンツへスキップ
見出し画像

NVIDIAがRTX SparkとVera Rubin NVL72を発表。仕事で何が変わる?

    NVIDIAが、ノートPC向けの新Superchip「RTX Spark」と、Blackwell後継世代のラックスケールAIシステム「Vera Rubin NVL72」を発表しました。前者は手元の1台で大規模モデルを動かす方向、後者はデータセンターで電力あたりの処理量を引き上げる方向の発表です。どちらも「AIをどこで、どれだけ回せるか」という前提を変える内容になっています。

    何が発表されたか

    RTX Spark:ノートPCに載るSuperchip

    • Blackwell RTX GPUとGrace CPUを1つに統合したSuperchipで、単体GPUではありません。最大6,144コアのGPU、最大20コアのCPU、最大1ペタフロップのFP4 AI性能を備えます。

    • 最大128GBのユニファイドメモリを搭載し、GPUとCPUが同じメモリ空間を共有します。これにより、モデルを分割したりCPU側に退避させたりせずに全体を収められます。

    • 最大120Bパラメータ、1Mコンテキストのモデルを実行できるとされています。

    • Windows on Arm向けとして初のPyTorch-CUDAビルドやネイティブCondaインストーラが用意され、上位15,000のPythonパッケージの97%をサポートするとしています。

    • 2026年10月16日からASUS、Dell、HP、Lenovo、Microsoft、MSIから発売され、価格は2,599ドルから。地域によって価格と構成が異なります。

    Unslothの対応:120B超モデルをノートPCで学習

    • Unslothは、RTX Spark上で120B超のパラメータモデルをノートPCでローカルに実行・学習できると発表しました。

    • 学習はCUDA on ARM向けに最適化したカーネルとバイナリにより約2.7倍高速化するとしています。対象には拡散モデル、意思決定モデル、マルチモーダルモデルが含まれます。

    • 参考として、Unslothの要件ページでは70BモデルのLoRA学習に164GB、405Bでは950GBのVRAMが必要とされており、QLoRA(4bit)でも405Bは237GBです。

    Unsloth の公式アカウントによる発表はこちらです。

    You can now run and train 120B+ parameter models locally on a laptop! NVIDIA RTX Spark is here. 💚

    With Unsloth and RTX Spark, train diffusion, decision, multimodal models ~2.7× faster with optimized kernels and binaries for CUDA on ARM. All local with up to 128GB unified memory https://t.co/O9Uz2kQ5Gr pic.twitter.com/fgk5uiHL5h

    — Unsloth AI (@UnslothAI) October 16, 2026

    Vera Rubin NVL72:エージェント推論を電力効率で測る

    • 72基のRubin GPUと36基のVera CPUを第6世代NVLinkで1つのドメインに接続したラックスケールシステムです。100%液冷で、第3世代MGX NVL72設計をベースにしています。

    • Rubin GPUはメモリ容量こそBlackwell Ultraと同じ288GB HBM4ですが、メモリ帯域は2.4倍、NVLink帯域は1.7倍、密なNVFP4演算は2.3倍になっています。

    • 評価機関のArtificial Analysisが2026年10月15日に、エージェント型推論ベンチマーク「AA-AgentPerf」の初回結果を公開しました。前世代のGB300 NVL72と比べて、電力あたりスループットが最大約5.7倍に達したと報告しています。

    • AA-AgentPerfは実際のコーディングエージェントの軌跡を再生するベンチマークで、入力トークンの平均97%が前回の繰り返しになる点を踏まえ、KVキャッシュの扱いを含めて測定します。指標は「電力あたりの総スループット」と「ユーザーあたり出力速度」の2つです。

    Artificial Analysis の投稿はこちらです。

    Initial results for NVIDIA's Vera Rubin NVL72 are now live on AA-AgentPerf, with up to ~5.7x the total throughput per megawatt of its predecessor GB300 NVL72 on DeepSeek V4 Pro, ~5.4x on DeepSeek V4.1 Flash, ~3.0x on GLM-5.2 and ~2.8x on Kimi K3

    Vera Rubin is NVIDIA's successor… pic.twitter.com/Sj08F6Ca9f

    — Artificial Analysis (@ArtificialAnlys) October 16, 2026

    仕事・事業で何が変わるか

    手元でモデルを扱う選択肢が現実になる

    これまでノートPCでは、メモリ制約のため大規模モデルの学習は事実上難しく、クラウドに頼るしかありませんでした。RTX Sparkは最大128GBのユニファイドメモリを1台に載せるため、120B超のモデルをローカルで実行・学習する道が開けます。機密性の高いデータを外に出さずにファインチューニングしたい、といった用途では選択肢になります。RTX Sparkの構成や対応モデル、クリエイター向けの訴求点はRTX SparkとUnslothの解説記事で詳しく整理しています。

    ただし、120B超が「どの量子化で」「どの学習手法で」動くのかは今回の発表では細かく明示されていません。実際に導入する際は、自分のワークロードで確認する必要があります。価格は2,599ドルからで、日本での提供時期や価格は材料では示されていません。

    データセンターの制約が「台数」から「電力」へ

    Vera Rubin NVL72の結果で押さえておきたいのは、ピークスループットではGB300とそこまで差が開かないという点です。DeepSeek V4 ProではVera Rubinが272Mトークン/秒/MW、GB300が239Mで1.14倍。差が開くのはユーザーあたりの速度を上げたときで、約165トークン/秒/ユーザーの地点では174M対34Mと5.1倍になります。

    つまり、ユーザー体験を良くするとスループットが落ちるというトレードオフが緩やかになる、ということです。AIサービスの収益を考える際に、GPUの台数だけでなく電力あたりの処理量を見る必要が出てきます。モデル別の数値と測定条件はVera Rubin NVL72とAA-AgentPerfの解説記事で扱っています。

    注意点として切り分けたいこと

    Vera Rubin側の比較には前提があります。GB300のラック構成は約163トークン/秒/ユーザーで頭打ちになるため、それ以上の線は4GPUの小構成によるものと注記されています。またVera Rubinは初回トークンまでの時間が長めで、エンドツーエンドで測ると多くの速度域でGB300が同等以上になる点も明記されています。NVIDIAの公式ブログにあるSemiAnalysis AgentXの数字(最大30倍など)は別のベンチマークであり、AA-AgentPerfの結果とは分けて理解するのが正確です。

    まとめ

    RTX Sparkは、大規模モデルを手元のPCで扱う選択肢を現実にし、Unslothの対応で学習まで視野に入りました。Vera Rubin NVL72は、エージェント型推論の評価軸を電力あたりの効率へと移す結果を示しています。どちらも導入前に、測定条件と自分のワークロードでの確認が欠かせません。

    この記事は DotAI Times 編集部が、各社の公式発表をもとにまとめています。


    あなたへのおすすめ