NVIDIA、Vera Rubin NVL72のMLPerf Inference v6.1結果を公開
要点
- NVIDIAの公式ブログで、Vera Rubin NVL72システムのMLPerf Inference v6.1に関する結果が紹介されています。
- 公開要旨では、推論の経済性を左右する要素として、システム性能、効率的なスケーリング、継続的なソフトウェア最適化が挙げられています。
- 初回のMLPerf Inference提出で、Vera Rubin NVL72はGB300 NVL72と比べて最大3.7倍のスループット向上を示したとされています。
概要
NVIDIAの公開情報で、MLPerf Inference v6.1におけるVera Rubin NVL72システムの結果が紹介されています。要旨では、AI推論の効率はシステム性能、スケーリング効率、ソフトウェア最適化の3点で左右されると説明されています。
あわせて、同社のプラットフォームは学習から推論、レコメンドから推論型処理、言語から動画まで、幅広い用途に同じ基盤を使える点が強みだと述べられています。
技術的なポイント
要旨によれば、Vera Rubin NVL72はMLPerf Inferenceの初回提出で、GB300 NVL72比で最大3.7倍のスループット向上を示したとされています。
また、GB300 NVL72の構成では、4ラック・288 GPUの提出で99%のスケーリング効率が得られたと説明されています。これは、ハードウェアを追加したときに性能がほぼ比例して伸びることを示す指標として読めます。
さらに、ソフトウェアの継続的な最適化が、インフラ投資から得られる価値を高める要素として位置づけられています。
実務への示唆
この発表は、AI推論のコストや供給能力を考える際に、単体のチップ性能だけでなく、ラック全体の拡張性やソフトウェアの最適化が重要であることを示しています。
推論サービスを大規模に運用する企業にとっては、どのくらいの効率でスケールできるか、同じ基盤で複数のモデルや用途を回せるかが、導入判断の材料になりそうです。
子ども向けの説明
AIを動かす工場みたいなものを想像してみてください。新しい機械が入ると、前よりたくさんの仕事をこなせるようになります。このニュースは、その工場の機械やしくみがよくなって、AIが答えを出すスピードや量が増えた、という話です。
ただし、発表されているのは会社のテスト結果なので、実際の使い方やほかの会社の機械でも同じようにうまくいくかは、まだ確認が必要です。
考えてみよう
- AIが速く動くと、どんなサービスが使いやすくなりそうかな？
- 機械を増やしたときに、性能が同じくらいの割合で伸びると何がうれしいかな？
- ソフトウェアの工夫で、同じ機械でももっとよく動くのはなぜだろう？
注意点
- NVIDIAの公式ブログ要旨に基づく紹介であり、MLPerf Inference v6.1の詳細な条件や比較設定は要旨だけでは十分に確認できません。
- Vera Rubin NVL72の『最大3.7倍』という表現は、どのモデルや設定での比較かを原文の範囲だけでは細かく特定できません。
- 99%のスケーリング効率についても、ベンチマーク条件や負荷の種類によって解釈が変わる可能性があります。
出典
Source: NVIDIA Blog
Original title: NVIDIA Vera Rubin NVL72 Delivers Leading Performance in MLPerf Inference v6.1 Debut
Published: 2026-09-16 15:00:48
URL: https://blogs.nvidia.com/blog/vera-rubin-nvl72-mlperf-inference/
※本記事は、原文の全文翻訳ではなく、公開情報をもとにした日本語要約・解説です。内容の正確性については、必ず原文もご確認ください。