Rescale、Strands AgentsとAI-DLCでAIトリアージエージェントを構築
RescaleはAWSのAI-DLCフレームワークに基づいてAIトリアージエージェントを構築し、課題定義からステージング環境へのデプロイまでをわずか5日で完了、数週間で本番環境に投入した。
RescaleはAWSのAI-DLCフレームワークに基づいてAIトリアージエージェントを構築し、課題定義からステージング環境へのデプロイまでをわずか5日で完了、数週間で本番環境に投入した。
自前でホストする TTS エンドポイントの自動スケーリング目標値を推測に頼る問題に対し、AWS は Amazon SageMaker AI のリアルタイムエンドポイントに 8200 万パラメータの Kokoro-82M をデプロイし、実測した Q_max(1 インスタンスが SLO 内で処理できる最大同時実行数)と T_total(スケールアウト 1 回のエンドツーエンド所要時間)から、スケールアウトしきい値、スケールインしきい値、2 つのクールダウン時間を算出した。
音声合成モデルKokoro-82MをAmazon SageMaker AIのリアルタイムエンドポイントでホストし、AIエージェントが生成した文を1文ごとに即座に合成に回すことで、応答全体の生成を待たずに音声の再生を始められるようにする。
Amazon QuickはAWSのHIPAA対象サービスで、Web、デスクトップ、モバイルの各クライアントはAWS BAA締結後にPHIを扱える。プラットフォームのチャットエージェントは、臨床ノートなどの非構造化コンテンツと、請求・会員記録などの構造化データをまたいで多段階タスクを実行し、コネクタとMCPを通じて外部システムに接続する。
Amazon SageMaker AIの訓練セッションAPIは、抽象化の層を訓練操作まで下げるものだ。開発者はローカルのPythonで訓練ループを書き、forward_backward、optim_step、sampleなどの呼び出しでマネージドGPU上で実行する。モデルとLoRAの読み込み、分散実行、障害復旧、チェックポイント保存はサービス側が担う。
AWSは、SageMaker AIのサーバーレスモデルカスタマイズにおけるトレーニングセッションが正式に利用可能になったと発表した。ユーザーはカスタム損失関数や報酬シグナルを含むトレーニングループを自ら記述・調整でき、GPUの割り当て、分散実行、障害復旧、チェックポイントの保存はプラットフォームが担う。
IskayPetはAmazon Bedrock Managed Knowledge Basesを基に企業知識アシスタントを構築し、従業員が小売運営、獣医療、人事オンボーディング、購買などの文書を自然言語で照会できるようにした。4言語・3カ国をカバーし、RAGインフラを自前で管理する必要はない。
Amazon Polly Generative エンジンがアップグレードされ、音声がより自然で正確になり、遅延も低減した。14 の新音声と 9 ロケールを追加し、ヒンディー語とフィンランド語の生成音声を初めて正式提供する。
NVIDIAはAIOpsプラットフォーム「Minerva」を発表した。インフラとAIワークロードのテレメトリデータを集約し、専用AIモデルでデータを実行可能な洞察に変換する。GPU、SuperNIC、スイッチ、ストレージ、スケジューラ、ジョブをまたぐ動的ナレッジグラフを構築し、毎時数十億のデータポイントを分析。大量のアラートを根本原因付きの単一イベントに集約できる。
OpenAI が FDE(フォワードデプロイドエンジニア)の社内での具体的な意味を説明する記事を公開した。記事はこの職種の位置づけを中心に説明しているが、具体的なチーム規模や顧客数、製品バージョンに関する情報は明らかにしていない。
NVIDIAは欧州各国政府やパートナーと公共部門のAIプロジェクトを推進する。欧州委員会はdeepsetのHaystack Enterprise Platformを基盤にAI@ECを拡張し、ポーランドはNVIDIA DGX BasePODとMONAIで医用画像プラットフォームを構築、ドイツのMaternaはオンプレミス型プラットフォームSinfonieを発表した。
NVIDIAは欧州でEarth-2シリーズのオープンモデルの新モデルStormScope EUを発表した。EUMETSATの衛星観測に基づき、欧州の16のMeteosatチャンネルで10分間隔の雲の変化を予測できる。
NVIDIAはオープンモデルとフィジカルインテリジェンスで欧州の小売を変革している。ShopifyはNVIDIA Nemotron 3.5 LightningをポストトレーニングしてGraphQLサブエージェントを構築し、社内ベンチマークで主要なフロンティアモデルを上回る精度を達成、サービスコストを90%削減し、応答速度を7倍にした。
GE Vernova、Hitachi Energy、Schneider Electric、Siemens Energyなどのエネルギー企業が、NVIDIA DSX AI Factory Platformを基に、電力網、変電所、AIファクトリーを一つのシステムとして統合的に計画、シミュレーション、運用している。
NVIDIAはCosmosプラットフォームを拡張し、学習ツール、シミュレーション用チェックポイント、Cosmos Data Factoryのブループリントを追加した。実世界を理解・シミュレーションする世界モデルの構築を支援する。
RevolutはNVIDIAの高速計算を基盤に、単一の基盤モデルPRAGMAで技術スタックを再構築している。Blackwell Ultra GPU上でcuDFとDynamo-Tritonを用いて本番展開を拡大し、当初は8000万人の顧客にサービスを提供、3倍の拡張に対応できる設計だ。
AWSソリューションアーキテクチャチームがマルチエージェントシステムDeep Insightをオープンソース化した。Coordinator、Planner、Supervisor、Coder、Validator、Reporter、Trackerなどのエージェントが、CSVデータ分析から引用付きDOCXレポートの自動生成までを担う。
AWS は、AWS PrivateLink の VPC エンドポイントと Quick の VPC 接続を通じて、Amazon Quick がパブリックインターネットを経由せずに企業ファイアウォール背後のオンプレミスデータソースへアクセスできるようにする構成を公開した。
CloudflareはOpenAIのDaybreakを使い脆弱性を調査し、修正案を人のレビュー用に提示した。開発者はCodexを活用して開発を加速し、コードの品質も高めている。
米国の非営利団体U.S. HungerはAmazon Quickを活用し、経営陣が組織のデータを直接探索できるようにした。SQL Serverのデータは毎晩2時にSPICEインメモリエンジンへ更新される。Quick Spacesは経営チームに共有のKPI定義、財務文書、分析スペースを提供し、現在17名の同僚がアクセス権を持ち、経営幹部、技術、Full Cartプロジェクト、財務、コンプライアンスなどの職能をカバーしている。
単一の trn2.48xlarge(Trainium2 を 16 基、論理 NeuronCore を 64 個搭載)上で、torchtitan は TorchNeuron を通じて Trainium をネイティブな PyTorch デバイスとして登録できる。
Strands Agents で構築した Adaptive Agentic Intelligence Framework(AAIF)は、llama3.2:1b をオーケストレーション層としてリクエストを分類し、定型タスクは Ollama のローカル SLM で処理、複雑な分析は boto3 経由で Amazon Bedrock にルーティングする。
Google ResearchはJAMA Network Openに研究を発表し、盲検スキャン超音波に基づく在胎週数推定AIモデルが、異なる臨床環境やハードウェアでどこまで汎用化できるかを評価した。
Hugging Face のブログが「Profiling TorchNeuron」シリーズの第1回を公開した。AWS Trainium 上で torch.profiler を NeuronConfig および NeuronProfiler と組み合わせてクリーンな trace を取得し、key_averages() テーブルから Neuron デバイス時間を消費する演算子を特定する方法を解説している。
Dharma-AIはHugging Faceのブログで、近く公開するVocabX論文を紹介した。語彙を頻度ではなくトークンあたりのコストに基づいて再構築する手法により、Qwen3-4Bベースのポルトガル語作文採点器で実測の推論コストを77.0%削減し、平均応答を350トークンから101トークンに、benchスコアを0.703から0.810に改善した。
OpenAIはChatGPT向けに、LLMを活用して会話の意図を理解し、広告と回答内容を切り離して関連性の高い広告を大規模に配信する広告システムを構築した。ユーザーの信頼と関連性を中核に据えた設計が特徴だ。
OpenAIとGoogle Cloudが提携し、OpenAIのフロンティアモデルとCodexのワークフローをGeminiのModel Gardenに接続し、Google Cloud Marketplaceを通じて提供する。具体的なモデルのバージョン、提供開始時期、価格は原文では明らかにされていない。
Nebius、Nscale、VerdaなどのAIクラウド事業者がNVIDIA Vera CPUを採用し、エージェント計算向けの次世代インフラを構築している。GPUに加えてデータ処理とソフトウェア実行を担う。
NVIDIA CEOの黄仁勋氏はGTC Berlin 2026の基調講演で複数の発表を行った。パートナーがモジュール式コンテナ内に構築するVera Rubin AIファクトリーのリファレンス設計「DSX POD」を含み、現場での導入期間を6カ月から14日に短縮できる。
NVIDIAは機密コンピューティングの機能を拡張し、新たにConfidential Bare Metal導入オプションを追加した。フロンティアモデルの構築事業者が第三者の専用インフラ上で機密性の高いワークロードを実行する際も、モデルとデータの制御を維持できるようにする。
NVIDIA cuDSSが正式リリースされた。大規模な疎行列システムの求解をGPUに移行するCUDA-Xライブラリで、シミュレーションの結果が出るまでの時間を短縮し、スループットを向上させる。
NVIDIAの工場向けFactory Operations Blueprint(FOX)がGitHubで早期アクセスを開始した。開発者は常時稼働する工場管理エージェントを構築でき、CosmosやNemotronなどのモデルに接続できる。
NVIDIAのクラウドパートナーは欧州、北欧、アフリカ、中央アジアでモデル学習と推論向けの地域計算能力を拡大し、エージェントやフィジカルAIアプリケーションを支援している。NscaleはGB300 NVL72システムのテストでNVIDIA DSX MaxLPSを活用し、同じ電力予算でGPUを37%多く配備し、集約推論スループットを約50%向上させた。
Google CloudとNVIDIAは、Vera RubinベースのA5Xインスタンスの一般提供開始を発表した。提供は来月からで、欧州への拡大も計画している。A5XはNVIDIA Vera Rubin NVL72、ConnectX-9 SuperNICs、Google Cloud Virgo Network、第4世代液冷技術を統合し、大規模なエージェント推論や強化学習のワークロードに対応する。
NVIDIAはGTC BerlinでローカルAIハードウェアのラインナップをまとめて展示した。RTX SparkはWindows PC上でパーソナルエージェントを実行し、DGX SparkはLinux開発者向け、DGX Stationは企業のフロンティアワークロード向けで、Windows版は12月に登場する見込みだ。
i14はAWSと協力し、TorchNeuron Nativeを通じて線形注意モデルLaplace 3BをAWS Trainium2へ移植した。Gated Linear Attention設計とMuon最適化器を維持している。
Hugging Faceは、ネイティブなPyTorchバックエンドであるTorchTPUへの対応を発表した。Transformers、Diffusers、KernelsがTPU上で直接動作するようになり、モデルの読み込みはdevice_map="tpu"またはpipe.to("tpu")を渡すだけで済み、torch_xlaやOptimum TPUは不要になった。
AWS ブログは、AtScale をセマンティックレイヤーとし、Amazon Bedrock AgentCore 上で Strands エージェントを動かす C360 構成を実演した。AtScale は YAML ベースの Semantic Modeling Language でモデリングし、同一モデルを SQL、XMLA、MCP の 3 プロトコルで同時に公開する。
AWSブログは、Strategy MosaicをセマンティックレイヤーとしてAmazon RedshiftとAmazon Aurora上にCustomer 360モデルを構築し、Amazon Bedrock AgentCore上でホストするStrandsエージェントがMCPエンドポイント経由でそのモデルにアクセスする例を紹介した。
Denodo Platform をセマンティックレイヤーとして、Amazon Bedrock AgentCore でホストするエージェントと組み合わせ、Amazon Aurora、Amazon Redshift、オンプレミス PostgreSQL の 3 つのデータソースをフェデレーテッドクエリして Customer 360 ビューを構築する方法を解説する。