NVIDIAは次世代プラットフォーム「Vera Rubin」を発表し、エージェント型AIの自律性を支える継続的なポストトレーニングの効率化を最優先課題とした。NVIDIAの公式ブログによれば、単なる推論コスト削減を超え、AIの知能をいかに経済的に向上させるかという新たな指標が、今後のAI開発競争の焦点となる。
AI開発の主戦場は、静的なモデル構築から動的なエージェント型AIへと移行している。NVIDIAの技術文書では、モデルの初期学習後の継続的な調整工程である「ポストトレーニング」が、AIの知能を決定づける核心であると位置づけられている。同社が提唱する「Intelligence per Dollar（1ドルあたりの知能）」という指標は、この継続的な学習サイクルをいかに低コストで回せるかを問うものであり、AIの経済性評価における新たな基準として浮上している。
NVIDIAの発表によれば、Vera Rubinプラットフォームはブラックウェル世代と比較して4分の1のGPU数で最大規模のモデル学習を可能にする。これにより、計算リソースの制約から解放され、企業はより頻繁にモデルを更新し、環境適応能力を高めることが可能となる。また、Prime Intellectの検証では、Vera CPUが既存のx86アーキテクチャと比較して平均30%高いスループットを記録することが示されており、AIワークロードの全ライフサイクルをカバーするラック規模のAIファクトリーとして設計されている。
従来の生成AIがプロンプトへの回答に終始していたのに対し、エージェント型AIは環境の変化に適応し、自律的にツールを使いこなす必要がある。そのため、ポストトレーニングは一度限りの仕上げ作業ではなく、継続的なループとして組み込まれなければならない。NVIDIAの指摘によれば、強化学習（RL）を軸としたポストトレーニングの最適化は、Prime IntellectやPerplexityといった先行事例が示す通り、すでに実用段階にあり、その重要性がかつてないほど高まっている。
計算効率の向上はAIの自律性を加速させる一方で、継続学習が複雑化すれば、モデルの挙動を制御するガバナンスや、予期せぬ学習結果によるリスク管理がより困難になる可能性がある。NVIDIAはNeMo GymやNeMo RLといったソフトウェアスタックで開発の標準化を急ぐが、ハードウェアの進化がAIの自律性を加速させるスピードに、社会的な安全性や倫理的な枠組みが追いつけるのかという懸念が残る。Vera Rubinは、AIの経済性を改善する一方で、AIが「自ら学び続ける」ことの責任を開発者に改めて突きつけている。
