メインコンテンツにスキップ

NVIDIA GTC Berlin 2026基調講演まとめ｜DSX POD・OpenShell・フィジカルAIの発表を解説

技術
速報
NVIDIA
AIエージェント
2026年10月21日のNVIDIA GTC Berlin基調講演の発表内容を整理。DSX POD（設置6か月→最短14日）、エージェントの5要素とOpenShell、Hyperion・Agile ONEなどのフィジカルAI、独政府との…
作者

obelos

公開

2026年10月21日

更新日

2026年10月21日

2026年10月21日、「NVIDIA GTC Berlin 2026」の基調講演がドイツ・ベルリンのTempodromで行われ、NVIDIA（エヌビディア）のジェンスン・フアンCEOが登壇しました。約2時間の講演のメッセージを一言でまとめると、「AIは新しい産業革命であり、欧州はAIを“使う側”ではなく“作る側”に回るべきだ」です。

この記事のポイント（30秒で読める要約）

  • DSX POD：Vera RubinのAIファクトリーを工場で組み上げて出荷する参照設計。現地設置を6か月から最短14日に短縮し、2027年初めに提供開始。
  • エージェントの5要素とOpenShell：エージェントを「モデル・ハーネス・サンドボックス・ナレッジ・ツール」に分解。オープンソースの安全基盤OpenShellと、ハードウェア監視のSentryで外側から権限を管理する。講演当日には、これらを組み合わせた参照アーキテクチャの提供も始まった。
  • オープンモデルとフィジカルAI：Nemotronなどを重み・学習データごと公開。自動運転基盤HyperionにVW・JLR・Volvo・Mercedes-Benzが加わり、参照ヒューマノイドAgile ONEを2027年第1四半期に提供予定。

この記事では、講演の中身を順に整理し、講演前後に出たニュースで背景を補います。

講演の全編は、NVIDIA公式のYouTubeで見られます。

NVIDIA GTC Berlin 2026 Keynote With CEO Jensen Huang

講演の前提：ベルリンに至る1週間

この講演は単発のイベントではなく、1週間の欧州ツアーの締めくくりでした。

  • NVIDIAはパリ、ロンドン、ストックホルム、ダブリンを回ったあとベルリン入りしています。過去1年で欧州に約100億ドルを投じ、欧州でのパートナーシップは1万2,000件を超えると説明しました。ツアー中に発表したスタートアップ投資は14社にのぼります。
  • 講演2日前の10月19日、独政府の投資サミット「Invest in Germany」でメルツ首相とフアン氏が登壇し、独政府とNVIDIAがフィジカルAI（ロボット・工場・自動運転向けのAI）の開発で協力する意向表明書に署名しました。経済省と研究省が署名し、事前の報道では、Siemens、Audi、Black Forest Labs など十数社が参加する見通しとされていました。独メディアは事前に、政府が数億ユーロ規模を拠出する用意があると報じていました（署名時に金額は公表されていません）。
  • 同じ場でフアン氏は、Agile Robots、Avelios Medical、Mirelo、Reflex Aerospace のドイツ企業4社への投資計画も明らかにしました。
  • 一方でフアン氏は、ツアー中のロンドンでの記者会見で「ドイツは技術的に遅れを取っている。考えすぎずに実行すべきだ」という趣旨の苦言も呈していました。独公共放送ZDFのインタビューでは、計算機はNVIDIA製でも、運用とデータの管理はドイツ国内にとどめるべきだと語っています。

1. 主張の骨格：AIは「5層ケーキ」の製造業

フアン氏はAIを、単なるソフトウェア技術ではなく 「知能を製造する産業」 と定義しました。その構造を「5層ケーキ」にたとえています。

図

図

ポイントは「下の層が先に整わないと上の層は成り立たない」という点です。インターネットの前に通信網が、電化の前に電力網が必要だったのと同じ、という説明でした。

講演冒頭では、L’Oréal、Revolut、Spotify、Merck、Vodafone、Zara、Porsche、Nestlé、HSBC といった欧州企業がすでにNVIDIAとAIに取り組んでいると紹介。さらに、NVIDIA創業期のチップは欧州（SGS-Thomson）で製造され、最初の大口顧客は独家電量販のMediaMarktだった、という33年の縁にも触れていました。

2. AIファクトリー：データセンターを「工事」から「製品」へ

最大の発表は DSX POD です。AIデータセンターを現地で組み立てる建設工事から、工場で完成させて運ぶ製品に変える構想です。

図

図

なぜ速度がそこまで重要なのか

フアン氏の試算はこうです。

  • 1GWのAIファクトリーは、土地・電力・建屋・計算機・冷却まで含めて 約500億ドル
  • そこから生まれる売上を年 約400億ドル と置くと、稼働が 3か月遅れるだけで約100億ドル を失う

NVIDIAの発表資料でもフアン氏は「AIファクトリーは建設が終わった時ではなく、トークンを生み始めた時に価値を生む」という趣旨のコメントを寄せています。

DSX PODの中身

  • Vera Rubin NVL72 のラック群と、配線・配管・ラック単位の電源・液冷を、パートナー企業の工場でコンテナ内に組み上げ、試験まで済ませて出荷する参照設計
  • 現地の電源・冷却・ネットワークが整っていれば、現地での設置は 6か月から最短14日 に短縮（NVIDIAの発表資料）
  • 講演では7ラックを17kmのSpectrum-Xケーブルで結んだ構成が紹介されました
  • Bull、Dell、HPE、Lenovo、Schneider Electric、Vertiv、Foxconn、Crusoe などが参加し、2027年初めから世界で提供開始 の予定

支える製品群

製品 状況 主な数字
Vera Rubin（GPUシステム） 量産中 GPU 1基20ペタフロップス、72基を1台のGPUとして束ねる。LLM処理はBlackwellの約30倍（フアン氏）
Vera CPU Vera Rubinとあわせて紹介 1クロック8命令、LPDDRメモリで高帯域と省電力を両立
Spectrum-X 量産中 光部品をチップに直付けするCPOスイッチ（フアン氏は「世界初」と説明）。200Gbps×512ポート
DSXプラットフォーム 2026年6月発表 45℃までの冷却水で動く閉ループ液冷。適した気候なら2GW規模で1日5,400万リットル（約18万世帯分）を節水。同じ出力を30%少ない電力で実現

Vera Rubinは今年1月のCESで発表され、6月のGTC Taipeiで本格量産入りが発表されました。同じGTC Taipeiでは、AIファクトリーの設計・構築・運用を支えるプラットフォーム「DSX」も発表されています。ベルリンでの発表は、その流れを 「工場で作って運ぶ」 ところまで進めたものと言えます。

ちなみに、1ノードの組み立て時間はGrace Blackwell世代の2時間から、Vera Rubinでは5分未満になったそうです。ケーブルや配線をなくし、100%液冷にした設計です（Grace Blackwellは配線が多く、液冷は80%でした）。フアン氏はこの11年でAI性能を100万倍にした（ムーアの法則なら10年で約100倍）と述べ、チップからソフトまで同時に設計し直す「extreme co-design」を理由に挙げました。

3. エージェントの5要素と、「お願い」に頼らない安全性

講演の中盤は、AIエージェントの話でした。

エージェントは5つの部品でできている

フアン氏はエージェントを次の5要素に分解しました。

図

図

フアン氏は、エージェントを「スーパーエージェント」にするのは自社の知識へのアクセスであり、実際の仕事をこなせるかは最終的にツール次第だ、と説明しました。

エージェントの需要は8か月で約34倍

図

図

エージェントは1つの依頼で何十回も往復するため、役に立つほど計算量（トークン）が増えます。これがAIファクトリーの需要を押し上げている、というのが講演の筋立てです。

安全は「願望」ではなく「工学」

フアン氏が「最も重要」と強調したのが安全性です。講演の紹介映像では、今のエージェントは「ファイルを消さないでください」「鍵に触らないでください」とモデルにお願いしているだけで、それは安全対策ではない、と指摘していました。

そこで出てきたのが OpenShell と Sentry です。

  • OpenShell：Apache 2.0のオープンソース。エージェントを隔離された箱（サンドボックス）に入れ、外部への通信・ファイル操作・システムコールを、箱の外にいる「監督者」がポリシーに照らして許可／拒否します。鍵（認証情報）は箱の外に置き、許可された接続先への送信時にだけ付与するので、乗っ取られたエージェントでも持っていない鍵は漏らせません。ポリシーを変えるたびに「権限の上限を超えていないか」を形式検証で確かめます。
  • Sentry：BlueField-4上で動くハードウェアの監視層。ホストの外からエージェントの挙動を見張り、想定外の動きは数ミリ秒で遮断し、改ざんを検知できる記録を残します。

「誰が、どの作業でエージェントを起動するか」によって必要な権限は毎回違うので、権限付与も監視も動的に行う必要がある、というのがフアン氏の説明でした。発表後、フロンティアAIの研究所やOS・セキュリティ企業などが採用を表明したとのことで、AnthropicとNVIDIAも、9月28日にClaudeのエージェント基盤（Claude Managed Agents）をOpenShellとBlueFieldにつなぐ協業を発表しています。エージェントの思考と作業場を別々のサーバーで動かし、認証情報をエージェント自身には見せない構成です。

エージェントを「提供する側」だけでなく、外部のエージェントを「受け入れる企業側」もOpenShellを入れるべきだ、という主張も印象的でした。

OpenShell参照アーキテクチャ：通信はすべて「関所」を通る

講演当日には、OpenShellを中心にした参照アーキテクチャが正式に発表され、同日から提供が始まりました。全体像は次のとおりです。

図

図

図

図

ポイントは、監視役のSentryがエージェント自身からは見えない別のチップで動いていることです。エージェントが乗っ取られても、監視を止めることができません。フアン氏はこの分担を、エージェントはRubinで考え、Veraで動き、BlueFieldで統制される、と表現しました。

4. オープンモデルで「自社の専門性」をAIにする

フアン氏の立場ははっきりしていました。汎用の仕事は閉じたモデルで、自社の専門性が詰まった仕事は、自社でカスタマイズしたオープンモデルで。企業は両方を使う。

  • NVIDIAは言語のNemotron、物理世界のCosmos、人型ロボットのGR00T、自動運転のAlpamayo、量子・古典計算のIsing、物理AIのEarth-2、創薬のBioNeMoを提供
  • 重みだけでなく 学習データと再現スクリプトまで公開 し、モデルの出自を確かめられるようにしている
  • Nemotron単体ではフロンティアに届かない場面もあるが、自社データで追加学習すればフロンティア級になる、と主張。AI21×Alice、Baseten×CodeRabbit、Trajectory×Harvey、Scale×Skydance、Palantir×タンパ総合病院などの例を挙げました

自社データを使って育てた知能を、フアン氏は「sovereign intelligence（主権型の知能）」と呼んでいます。

社内データとエージェントをつなぐ層として Agent Knowledge Foundation も紹介されました。説明に使われた例が分かりやすかったので紹介します。

仕入先から「納期が遅れる」という通知（文書）が届く → 社内の受注データベース（構造化データ）と突き合わせ、Kumoでどの注文が何日遅れるかを予測 → ベクトル検索で代替部品の技術資料を探す

図

図

図

図

データを別の場所へ移さず、今の業務の流れや管理ルールも変えずに使えることが特徴です。講演では、文書の読み取り・意味の数値化・並べ替え・表データの予測の4工程すべてで、性能比較の首位を示していました。

産業での使われ方

動画では3つの事例が紹介されました。

企業 目的 エージェントの働き
Lila Sciences B細胞リンパ腫の治療薬設計 実験計画を立てて仮想実験を数百万回実行し、有望候補を自動化ラボで合成・試験して結果を次の設計に戻す
Siemens（エアランゲン工場） 新製品の量産立ち上げ 仮想試作と合成データで検査モデルを事前学習。生産計画を提案し、デジタルツインで検証してから現場へ反映
Dassault Systèmes（VW案件） ゴルフのドア設計をティグアンへ流用 要件整理→CATIAで形状変更→SIMULIAで振動問題を発見→再設計。最終判断は技術者

「AIでソフトウェアやツール企業は終わる」という見方についてフアン氏は真っ向から否定し、むしろツールを使う人が増え、ツール企業は自社ツールを使いこなすエージェントを提供するようになる、と述べました。

5. フィジカルAI：次の波

講演後半のテーマは、現実世界を理解して働きかける フィジカルAI です。フィジカルAIには3台の計算機が要る、という整理が示されました。

図

図

通信：基地局をAIインフラに

  • 基地局は電波で世界を感知し、ビームフォーミングで働きかける「フィジカルAIの好例」。AIで周波数の利用効率を大きく高められるとしました
  • 西側諸国の約10万サイト、約100GW分の基地局・データセンターは、将来、分散したAIインフラになると予測
  • 約8年の開発を経て、NokiaとともにT-Mobileの商用網で初の通話に成功（「CUDAが電話をかけた」）
  • 欧州ではBT・Deutsche Telekom・Elisaが2027年に実地試験へ進む計画で、Nokiaと組む通信事業者は世界で約20社。日本からはNTT DATAが、通信網の不調を早めに見つけて原因と対処を示すエージェントにNemotronを採用しています

医療：動く腫瘍を追いかける放射線治療

Siemens Healthineersと開発中の適応放射線治療が紹介されました。治療中に体も腫瘍の形も変わるため、システムが変化を知覚し、腫瘍を正確に切り分け、照射を追従させる必要があります。フアン氏はこれを「ロボット手術の一形態」と表現しました。

同日には医療関連の発表も相次ぎました。ワシントン大学のタンパク質設計研究所と組んだ新しいオープンモデル「RFD4-Proteina」は、従来手法より約13倍速く設計候補を生み出すとされます。欧州の医療ITベンダー各社はNemotronを使い、診察内容から記録を自動で作る「AIスクライブ」や患者対応の仕組みを作っています。

自動運転：Hyperionを業界標準に

  • カメラ14台・レーダー9台・LiDAR 3台・超音波センサー群とデュアルGPUの計算機を「標準構成」にし、各社の車両に組み込んでもらう方針
  • 狙いは配車サービスにつながるロボタクシー網。世界の年間走行距離は約1兆マイルで、1マイル1〜2ドルが市場になり得る
  • 新たに VWのバン、JLRの新型車、Volvoの車両群、Mercedes-Benzの次世代車 がHyperion対応に加わると発表

講演の5日前には、Mercedes-BenzとNVIDIAが高度自動運転での戦略提携を今後10年に向けて拡大すると発表しています。

ヒューマノイド：標準機で業界を回す

フアン氏は、ロボット産業が作業ごとに機体がばらばらで、PCやスマホのような量産効果が働かないことを課題に挙げました。人型は万能ではないが多くの作業に使えるため、最も量が出る形になる、という見立てです。

そこで発表されたのが、Agile Robotsと共同の参照ロボット Agile ONE です。31自由度の機体に計算機とソフトを組み込み済みで出荷し、研究者の立ち上げ期間を数週間から数日に縮めます。提供は来年（2027年）第1四半期の予定です。欧州のメカトロニクスと製造業の強みが活きる分野だ、とも強調していました。

6. パーソナルAI：手元の1台でエージェントを作る

締めくくりは、PCを「道具」から「相棒」に作り替える話でした。

  • RTX Spark：Microsoftと4年かけて開発したN1Xチップ搭載のWindows PC。10月16日に発売済み。性能1ペタフロップス・メモリ128GBで、2016年にOpenAIへ届けた初代DGX-1と同じ数字です。フアン氏は「DGX-1は二人がかりで階段を運んだが、これは片手で持てる」と対比してみせました
  • DGX Station（Windows版）：20ペタフロップス・メモリ748GB。CATIA、Autodesk、Adobe、Cadence、Synopsys などの業務ソフトを動かすワークステーション。Linux版は出荷中で、Windows版は12月に提供予定
  • DGX Spark：開発者向けの小型機。64GB版が10月23日に発売され、最大8台をつないで合計1TBのメモリとして使えるようになりました

Microduckデモ：「エージェントの作り方は、エージェントに頼むこと」

Hugging Faceの小型ロボット「Microduck」に歩き方と視覚を教える作業を、エージェントが代行するデモでした。

  1. RTX Spark上のエージェントが練習コースを計画
  2. FreeCAD・Blender・Isaac Simでコースと機体の3Dモデルを作成し、物理エンジンで動きを再現
  3. クラウドで数千体を並列に学習。転ぶたびに賢くなる
  4. 学習結果をRTX Sparkに戻して評価し、実機に配備

最後は4体のMicroduckが壇上に登場し、合図に合わせて座る・立つ・昼寝をする様子を披露。フアン氏によれば開発元のPollen Roboticsは10人ほどのスタートアップで、小さなチームでも高度な自律システムを作れる例として紹介されました。

講演はユーロビジョン風の歌で締めくくられ、「Have a great GTC」で幕を閉じました。

主要な数字

数値 意味
約100億ドル 過去1年の欧州への投資額
14社 欧州ツアー中に発表したスタートアップ投資
約500億ドル 1GWのAIファクトリーの総コスト
約100億ドル 1GWの稼働が3か月遅れた場合の逸失売上（年400億ドルと仮定）
6か月 → 最短14日 DSX PODによる現地設置期間
2027年初め DSX PODの提供開始時期
100万倍 11年間のAI性能向上
約30倍 Vera RubinのBlackwell比（LLM処理）
5,400万L／日 2GW規模での節水量
350超 CUDA-Xライブラリの数
約1兆マイル／年 ロボタクシーの潜在市場となる世界の走行距離
1PF・128GB RTX Spark
20PF・748GB DGX Station（Windows版は12月提供）
約34倍 エージェントが使うトークン量の伸び（2026年2月初め→10月初め）

おわりに

今回の講演で感じたのは、NVIDIAの語り口が「GPUを売る会社」から「AIファクトリー一式と、その上で動くエージェントの安全基盤まで提供する会社」へと移っていることです。

特に印象に残ったのは次の2点でした。

  • 導入スピードを経済性で語ったこと。1GWで3か月遅れれば100億ドル、という数字は、インフラ投資の議論を「いくらかかるか」から「いつ稼ぎ始められるか」に変えるものだと思います。
  • エージェントの安全性を「お願い」ではなく仕組みで担保する、と明言したこと。エージェントが社内のファイルやシステムに触れる時代には、権限の最小化と外部からの監視が前提になっていきそうです。

一方で、独政府との協力は金額が公表されておらず、DSX PODやAgile ONEの提供も来年以降です。発表がどこまで実際の導入につながるかは、これから見ていく必要があります。

よくある質問（FAQ）

Q. NVIDIA GTC Berlin 2026の基調講演はいつ、どこで行われましたか？

2026年10月21日 11:00〜13:00（中央ヨーロッパ夏時間、日本時間18:00〜20:00）に、ドイツ・ベルリンのTempodromで行われました。登壇者はNVIDIA創業者兼CEOのジェンスン・フアン氏です。

Q. DSX PODとは何ですか？

NVIDIA Vera RubinのAIファクトリーを、パートナー企業の工場でコンテナ内に組み上げ・試験してから出荷する参照設計です。電源や冷却が整った現地では、設置期間を6か月から最短14日に短縮できるとされ、2027年初めから提供が始まる予定です。

Q. OpenShellとは何ですか？

AIエージェントを隔離された環境（サンドボックス）で動かし、通信・ファイル操作・システムコールをポリシーで許可／拒否するオープンソース（Apache 2.0）の実行基盤です。認証情報はサンドボックスの外に置かれ、ハードウェアで監視するNVIDIA Sentryと組み合わせて使えます。

Q. 講演でいう「AIエージェントの5要素」とは？

モデル（頭脳）、ハーネス（作業の段取りや記憶を担う外骨格）、サンドボックス（隔離環境）、ナレッジ（社内の文書やデータ）、ツール（シミュレータやソルバ）の5つです。

Q. 自動運転で新たに発表されたパートナーは？

VWのバン、JLRの新型車、Volvoの車両群、Mercedes-Benzの次世代車が、NVIDIAの自動運転計算基盤Hyperionに対応すると発表されました。

Q. OpenShellは今すぐ使えますか？

OpenShell本体はApache 2.0のオープンソースとして公開されており、コマンド2つで導入できます。講演当日には、GPU・CPU・BlueFieldを組み合わせた参照アーキテクチャの提供も始まりました。

Q. Agent Knowledge Foundationとは何ですか？

社内の文書や業務データを、エージェントが探して使える「知識」に変えるための部品群です。データを移動せずに使え、文書の読み取り・検索・並べ替えのモデルと、表データから予測するKumoなどで構成されます。

Q. RTX Sparkの性能は？

1ペタフロップスの性能と128GBのメモリを備えたWindows PCで、2026年10月16日に発売されました。2016年にOpenAIへ納入された初代DGX-1と同等の数字を、持ち運べる大きさで実現しています。

関連記事

NVIDIAが現在の地位に至った経緯は、書籍『The Thinking Machine』の書評で整理しています。

【書評・要約】The Thinking Machine（Stephen Witt）｜ジェンスン・フアンとNVIDIAの歩み

基調講演で示された「AIエージェントの5要素」のうち、エージェントを継続的に改善する仕組み（モデル・ハーネス・コンテキスト）は次の記事で解説しています。

使うほど賢くなるエージェントのつくり方――モデル・ハーネス・コンテキスト

OpenShellが扱うエージェントの安全性については、機能と安全性を両立させながらエージェント自身が仕組みを改良する研究を次の記事で紹介しています。

AIエージェントは「自分の仕組み」をどう鍛えるか──Harmony Harness論文を読む

OpenShellの仕組みは、次の記事で詳しく解説しています。

NVIDIA OpenShell入門：AIエージェントを隔離して動かすランタイムの仕組み

GPUワークロードの監視は、次の記事で解説しています。

AI・GPUワークロードのPrometheus監視：gpu_utilの先を見る

参考リンク