Google CloudとNVIDIAが「エージェント時代」のインフラ拡充を発表
Google CloudとNVIDIAは、2026年10月21日に開催されたNVIDIA GTC Berlin 2026において、AIエージェントワークフローに対応するためのインフラ協業強化を発表しました。企業が連続的かつ多段階なエージェントワークフローへ移行する中で、従来のインフラが限界に達しつつあるという認識のもと、両社はボトルネックの最小化、エコシステムの選択肢拡大、そしてソブリンAIと機密コンピューティング機能の導入に注力しています。
Google CloudとNVIDIAの協業は、AIエージェントワークフローの複雑な要求に応えるため、コンピューティング、ストレージ、ネットワーク、ソフトウェアのスタック全体で新たな進歩をもたらします。
この取り組みは、ハードウェアによるセキュリティで最も機密性の高いワークロードを保護し、データの主権と運用の主権を確保することを目的としているとのことです。
AI Hypercomputerに統合される主要技術と機能
Google CloudのAI Hypercomputerは、AIモデルの学習、提供、運用を大規模に支援するために、コンピューティング、ストレージ、ネットワーク、ソフトウェアを単一システムとして共同設計されています。今回の発表では、エージェントネイティブなインフラに対する新たなアップデートが複数示されました。
主な強化点は以下の通りです。
- NVIDIA Vera RubinプラットフォームベースのA5Xインスタンスによる高速コンピューティング：来月から一般提供が開始されるこれらのベアメタルGPUアクセラレーテッドインスタンスは、最新のNVIDIA Vera Rubin NVL72プラットフォームを搭載し、高性能な処理を実現します。EMEA地域のデータレジデンシーおよびソブリン要件に対応するため、新しいローカルリージョンでの提供も拡大される予定です。
- Virgo NetworkによるスケールアウトA5Xネットワーク：Virgo Networkは、メッシュトポロジーを介してノンブロッキングな建物内および建物間スケールアウトファブリックをサポートします。これにより、単一サイトで最大80,000基、マルチサイト展開で最大960,000基のRubin GPUへとクラスターを拡張できる極めて高い水平スケーリングが可能になります。
- Managed LustreとNVIDIA GPUDirect Storageによるストレージ：Google Cloud Managed Lustreは、A5XインスタンスでNVIDIA GPUDirect Storageをサポートします。これにより、学習および推論データが並列ファイルシステムからGPUメモリへ直接RDMAパスを介して送られ、CPUとシステムメモリをバイパスすることで高速化が図られます。
- KVキャッシングによる長文脈メモリ：A5Xインスタンスは、GPUのHBM（高帯域幅メモリ）を超えてコンテキストメモリをスケーリングするための高度なKVキャッシング機能もサポートします。この高速キャッシングレイヤーは、ストレージ階層全体でコンテキストをオフロードおよび再利用し、冗長な計算を削減し、初回トークンまでの時間を短縮し、推論あたりの「goodput」を向上させるとのことです。
- Google Kubernetes Engine (GKE) 上でのA5Xインスタンスによるワークロードオーケストレーション：GKEは、分散AIワークロード向けの機能スイートを提供します。特に、GKE Managed DRANETは、ネットワークインターフェースカードをネイティブなKubernetesリソースとして扱うことでRDMA管理を簡素化します。また、Kueueは、トポロジーアウェアなスケジューリングとリソース管理を通じて分散ワークロードのパフォーマンスを向上させます。これにより、GKEとA5Xインスタンスは、エージェントワークロードオーケストレーションの強力な組み合わせとなるでしょう。
WPPの最高技術責任者Stephan Pretorius氏は、この発表に対して「Google CloudのA5XインスタンスとNVIDIA Vera Rubin NVL72の組み合わせは、エージェントAIの真の可能性を引き出し、クリエイターが現代の制作パイプラインの摩擦から解放されることを意味する」とコメントしています。 （Google Cloud Blog）
オープンモデルとエコシステムイノベーションの拡大
エージェントワークフローは単一のモデルに依存することは稀で、タスクを最も効率的なモデルにルーティングすることが一般的です。今回の発表では、インフラが選択肢を制限するのではなく、むしろ拡大すべきであるという考えが示されています。
これに関連して、参考記事によると、Googleは以前よりPyTorchの独自バージョンである「TorchTPU」をオープンソース化し、AIアプリがGoogleのTensor Processing Unit (TPU) で動作できるようにする動きを見せています。（TechCrunch – AI）これは、NVIDIAのGPUがAI業界で事実上の標準となっている現状に、GoogleとAmazonが挑む姿勢を示しているとも言えるでしょう。AIアプリの85%がPyTorchを使用しているというデータもある中で、マルチベンダー環境でのAI開発の選択肢が広がることは、開発者にとって非常に喜ばしいことではないでしょうか。
エージェントワークフローの複雑化は、インフラストラクチャが特定のベンダーやモデルに縛られず、より多様な選択肢を提供する必要があることを示唆しています。
今後の展開
Google CloudとNVIDIAの協業は、AIエージェント時代におけるインフラのあり方を再定義するものと言えます。特に、大規模なGPUクラスターの展開と効率的な運用、そして機密データを扱う上でのセキュリティとデータ主権の確保は、今後のAI開発の重要な要素となるでしょう。今回の発表で示された技術が一般提供されることで、より多くの企業が高度なAIエージェントを実用化できるようになると考えられます。
また、PyTorchのTPU対応など、特定ハードウェアへの依存度を低減し、オープンなエコシステムを強化する動きは、NVIDIA以外のAIチップベンダーの競争を促し、結果としてAI開発者により多様な選択肢とコストメリットをもたらす可能性があります。今後は、これらの技術が実際のワークロードでどれほどの性能を発揮するのか、具体的なベンチマークや導入事例が注目されることになるでしょう。クラウドベンダー各社がどのような形でAIインフラの最適化を進めるのか、今後の動向に引き続き注目していきたいです。
エンジニア目線で見ると：大規模AI基盤構築の課題解決に期待
今回のGoogle CloudとNVIDIAの協業拡大は、特に大規模なAIモデル開発・運用を検討しているエンジニアにとって、かなり衝撃的なニュースです。A5XインスタンスとNVIDIA Vera Rubin NVL72の組み合わせは、生粋のGPU性能向上だけでなく、Virgo Networkによる960,000基のRubin GPUを跨ぐマルチサイト展開という途方もないスケールアウトが可能な点に注目しています。これは、これまでネットワークがボトルネックになりがちだった超大規模分散学習の課題を解決する可能性を秘めていると感じます。
また、Managed LustreとNVIDIA GPUDirect Storageの連携によるCPUバイパスや、KVキャッシングによるHBMを超えるコンテキストメモリのスケーリングは、特に長文脈を扱うエージェントワークフローやマルチモーダルAIにとって、学習・推論コストの削減と応答速度向上に直結するでしょう。個人的には、ローカルLLMで様々なモデルを試している中で、コンテキスト長の限界は常に課題なので、この技術がどれほどのインパクトをもたらすのか非常に興味があります。GKEがRDMA管理を簡素化し、Kueueでトポロジーアウェアなスケジューリングができるとなると、既存のKubernetesクラスタで大規模AIワークロードをより効率的に動かすための敷居が下がるのではないかと期待しています。
Pythonバインディングがあれば、自分のアプリに組み込んでみたいです。正直、ここまで来たかという感じがします。
