54 件
AMDは、Instinct GPU上でSGLang DiffusionとROCmスタックを使って拡散モデルによる画像生成・編集を実行するためのガイドを公開しました。大規模言語モデル向けinferenceフレームワークとして知られるSGLangが画像拡散モデルへの対応を拡充し、AMDはNVIDIAエコシステム外でのAI inferenceの訴求力を強化しています。
FlyDSL は AMD の GPU カーネル記述用 Python ドメイン固有言語で、新しい ROCm ガイドによれば、手動で最適化した HIP C++ コードの性能を少ないコード量で達成できます。AMD は既存の HIP カーネルの移植ガイドを公開し、NVIDIA の CUDA ツールチェーンに対する Python ファーストの代替として FlyDSL を位置づけています。
AMD ROCmチームがCDNA4アーキテクチャ向けのGPU占有率を手動で計算するための技術ガイドを公開した。重要な発見：MI355X上のマトリクス依存カーネルはたった12%の占有率でピークスループットを達成する――CUDAエコシステム出身の実務者にとって直感に反する結果だ。
Olympusコアを搭載したNVIDIA Vera CPUはGraceプロセッサ比50%高いIPCと3.4 TB/sのコア間帯域幅を実現。Perplexityはコーディングエージェントのワークフローで1.5倍高速なジョブ完了を記録している。
AMD Quark 0.12はDiffusersとxDiTフレームワークを通じてInstinct MI350 GPU上でのFLUX.1-dev画像生成モデルのMXFP4量子化を可能にする。torch.compileを使用すると、MXFP4 ASMはリファレンスと同一のCLIPスコアを維持しながらBF16 eagerベースラインに対して1.92倍の高速化を達成する。
AMD ROCm Primus Tuning Agentは、確定的シードプランナーとLLM誘導の探索ループを組み合わせ、AMD Instinct GPU上でのLLM訓練の最適設定を自動的に発見する。Mixtral 8×22Bでは約30分の探索でAMDのリファレンスを27%上回るスループットを達成した。
Multiverse ComputingとToshiba Corporationの業界専門家がOECD.aiで、量子技術が今日すでにAIを変えている領域と、楽観的な期待が証拠に裏付けられていない領域を解説。テンソルネットワークが計算需要を10〜100倍削減する一方、広範な量子MLの応用は次の10年間は現実的でない。
AMD Researchは2026年7月3日、AIコーディングエージェントが実際のGPUカーネルをどの程度最適化できるかを測るオープンベンチマークフレームワーク「AgentKernelArena」を公開した。4カテゴリ214タスクのうち、AMDの独自エージェントGEAKv3（Claude Opus 4.6）がHIPカーネルで9.04倍の速度向上でトップ、Claude Code（Opus 4.6）が6.08倍で2位につけた。すべての実験はAMD Instinct MI300X上でROCm 7.1.1環境下で実施された。
AMD ROCmチームは2026年7月3日、AMD GPU向けEagle3投機的デコーディングの本番適用に関する詳細を公開した。Eagle3マルチレイヤーアプローチ、vLLMバックエンド、AMD Quark FP8量子化の組み合わせにより、AMD Instinct MI355X上でKimi-K2.5が1.69〜2.00倍、MiniMax-M2.5が1.38〜1.79倍のスループット向上を達成し、出力品質の損失はない。
AMDは、rocDecode、DLPack、PyTorch、MIGraphXを組み合わせたGPU常駐型物体検出パイプラインを発表した。動画フレームが最終的な検出結果が得られるまでVRAMから一切出ないアーキテクチャを実証した。
NVIDIAはBlackwellアーキテクチャでのソフトウェア最適化の積み重ね——NVFP4精度から投機的デコーディングまで——が最大20倍のスループット向上とDeepSeek V4モデルの5倍低いトークンコストを達成する方法を説明する。
AMDはAITERフレームワーク（AI Tensor Engine for ROCm）内にFlyDSLシステムを発表しました。AMD GPU上のLLMデコードフェーズ向けに特化したGEMMカーネルを自動生成します。結果：M≤8トークンの最も重要なシナリオで平均1.64倍のレイテンシ削減と1.79倍の高速化を達成し、256コンピュートユニットを搭載したInstinct MI355Xでテスト済みです。
AMD Resource Managerに自動プリエンプション機能が追加されました。ワークロードごとのGPU使用率を監視し、設定可能な閾値（例：10%）を下回るジョブを指定のアイドルタイマー（例：15分）経過後に停止します。2つのポリシーを提供しており、GPU負荷時のみプリエンプションするか常にプリエンプションするかを選択でき、非アクティブな開発環境が占有するリソースを共有プールに返還します。
AMDはInstinct MI355X上でW_MXFP4_A_MXFP6混合精度量子化を実証しました。4ビット重みと6ビット活性化を組み合わせ、vLLMフレームワークを用いた本番推論でFP8に近い精度を維持しながら最大29%のスループット向上を実現しています。
NVIDIAとAWSはRTX PRO 4500 Blackwell GPUを搭載したEC2 G7インスタンスを発表しました。前世代のG6比で4.6倍のAI推論性能を実現し、cuVSライブラリはAmazon OpenSearch Serverlessでデフォルトとなり、ベクター索引作成が10倍高速化されます。
OpenAIとBroadcomはLLM推論に最適化されたカスタムASICチップ「Jalapeño」を共同発表しました。OpenAIが独自シリコンの分野に参入する戦略的な動きで、Google TPU・Apple Neural Engine・AWS Trainiumと並ぶ存在となり、NVIDIAのGPUへの依存を低減します。
ATOMはAMDのオープンソース推論エンジンで、MI355X GPU上でDeepSeek-V4に2つの最適化をもたらします。PrefillDelayerはランク間の調整ロスを排除し、Two-Batch Overlapはネットワーク操作のオーバーラップによりトークンのバランシングを高速化します。
AMD ROCmチームが8基のInstinct MI325X上でEAGLE3投機的デコードをKimi-K2.5モデルに適用した結果、GSM8Kベンチマークの精度を維持したまま出力スループットが33%向上し、中央値トークン間レイテンシが58%低下しました。
JUPITERはドイツのフォルシュングスツェントルム・ユーリッヒに設置されたヨーロッパ初のエクサスケールスーパーコンピュータです。NVIDIA Grace Hopper SuperchipとQuantum-X800 InfiniBandネットワークで駆動するJUPITERは860億のニューロンをマッピングし、50量子ビットのシミュレーションで量子記録を更新し、気候シミュレーションで世界記録を達成しました。
OlympusコアとLPDDR5メモリを搭載したNVIDIA Vera CPUは、現在のCrossroads x86プロセッサと比べてロスアラモス国立研究所のURSAワークロードで7倍、熱移動モンテカルロシミュレーションで3倍の高性能化を実現します。Mission、Vision、Veritasの3つの新スーパーコンピュータが2027年に稼働予定です。
NVIDIAは科学AIのための3つの新しいCUDA-Xソフトウェアライブラリを発表しました。天文学向けcuPhotonは最大14,900倍の高速化、Lila SciencesのALCHEMIは素材スクリーニングで50倍の高速化、DAQIRIは物理検出器のリアルタイムネットワーキングを高速化します。
AMDはROCmブログにて、AMD Instinct GPU上で探索可能な3D世界を生成するフレームワーク「Matrix3D」の最適化を紹介しました。CUDAコンポーネントをTritonカーネルに置き換え、gsplatライブラリを使った3DGSを活用することで、MI250では54%、MI300では50%レンダリングが高速化し、レンダリングカーネル自体もCUDA版より36%速くなりました。
AMDは、スケールアウトGPUクラスター環境においてGPT-4、Llama 3、DeepSeek-V2、Grok 4.0の4つの大規模言語モデルを訓練する際に発生するRoCEネットワークトラフィックパターンの比較分析を公開しました。これはAIインフラ構築の実践的なガイドとなります。
AMD は Schola を発表しました。これは Unreal Engine 向けのオープンソースプラグインで、Python フレームワークと gRPC を通じて Gymnasium 互換の強化学習トレーニングを可能にします。例では、協調ロボットアーム xArm6 が Unreal Engine 5.7 上で MuJoCo 物理エンジン・PPO アルゴリズム・PyTorch を AMD ROCm GPU スタックで使用してトレーニングされます。チュートリアルはアームの先端をランダムな目標位置に移動させるリーチタスクを示しています。
AMDはMLPerf Training v6.0でInstinct MI355XがLLMベンチマークにおいて同等のNVIDIA GPUとの性能差が約5%であることを示しました。MI355Xは昨年のMI300Xより3.5倍高速で、前ラウンドより13〜19%高速です。AMDはMXFP4（FP4）トレーニングレシピとPrimusユニファイドフレームワークを初めて導入し、512基のMI300X GPU、64ノードのマルチノード提出も行いました。
NVIDIAはBlackwellプラットフォームがMLPerf Training 6.0の全7テストで最高成績を達成したと発表しました。GB300 NVL72はGB200 NVL72と比べて最大1.6倍高速なトレーニングを実現し、最大規模の提出では8192基のBlackwell GPUを使用して6710億パラメータのDeepSeek-V3モデルを学習しました。CoreWeaveは8192基のGPUでDeepSeek-V3 671Bを2.02分でトレーニングし、Microsoft AzureはLlama 3.1 405Bを7.07分で完了しました。
AMDはInstinct GPU向けの推論エンジンATOMを発表しました。OpenAI互換APIを公開し、KVキャッシュ、スケジューリング、並列性を調整します。ATOMはROCmスタックの最上位に位置し、AITERカーネルとMoRI RDMA通信を組み合わせ、TP・DP・EP並列性をサポートし、DeepSeek V2〜V4、Mixtral、Qwen3-MoEなどのMoEモデルに最適化されています。FP8、MXFP4、INT8、INT4量化とEAGLEプロポーザーを用いたMTP投機的デコーディングを提供します。
UC San DiegoのGoogleが支援する研究者たちが、2000台の廃棄されたPixelスマートフォンからデータセンターを構築している。マザーボードを保持することで組み込み炭素を約50%節約でき、25〜50台のスマートフォンのクラスターがすでに75の並列コンピューティング学生コースのピーク負荷を処理している。
![編集イラスト：FLUX.2 [klein] がASUS ProArtノートPCにプリインストールで登場](https://images.24-ai.news/black-forest-labs-flux-outpainting-600.webp)
Black Forest Labsは、ASUSおよびNVIDIAとの提携により、FLUX.2 [klein] をASUS ProArtの民生用ノートPCにプリインストールして提供する。これはFLUXモデルが民生用ハードウェアにプリインストールされて出荷される初の事例である。40億パラメータのこのモデルは、クラウドに依存せずローカルで、1秒未満での画像生成と編集を可能にする。
OpenAI は、米国ミシガン州に新たな Stargate データセンターを建設すると発表した。これは、OpenAI がいわゆる Intelligence Age の文脈に位置づける、計算能力のための Stargate インフラプログラムの拡張である。今回の発表では容量や投資に関する詳細は展開されていないため、公式の情報源を参照してほしい。
AMD は、Alibaba のオープンソース強化学習フレームワーク ROLL が、コード変更・カスタムパッチ・非標準ビルドなしに、ROCm ソフトウェアとともに AMD Instinct GPU 上でネイティブに動作するようになったと発表した。協業には vLLM 互換性、Ray 向けの修正、大規模言語モデルの分散 RL トレーニングへの対応が含まれる。
AMDはROCmブログで、Instinct MI300X GPU上での投機的デコーディングの実装を紹介しました。より小さいドラフトモデルがトークンを予測し、より大きいモデルがそれを検証するこの技術は、従来の自己回帰生成と比べて最大4.3倍のスループットを達成しました。
AMD ROCmブログが、CDNA 4アーキテクチャを搭載したInstinct MI355XアクセラレーターにおけるFP8 GEMM（混合精度行列乗算）カーネルの新しい4ウェーブインターリーブアプローチを解説しています。この最適化は8ウェーブのpingpongアプローチから512レジスタの完全なVGPR予算を持つ4ウェーブ構成に切り替え、XORベースのスウィズルによりLDSメモリの競合を排除し、MFMAとデータロードの精密な重複実行でメモリレイテンシを隠蔽します。
LightSeek FoundationのオープンソースLLM推論エンジン（MITライセンス）TokenSpeedが、TP8構成で8台のNVIDIA Blackwell B200 GPUを使用してQwen3.5-397B-A17Bモデルで毎秒580トークンを達成しました。この記録は、プレフィックスキャッシングとCPU-GPU実行のオーバーラップを備えたエージェント的ワークロードで達成され、100万トークンのコンテキストでも16%未満のパフォーマンス低下を示しています。
AMD ROCmブログは、UMA（統合メモリアーキテクチャ）を採用したRyzen AI Max+ 395プロセッサでのLLM推論に関する詳細な分析を公開しました。128 GB LPDDR5Xメモリを搭載したシステムは、完全GPUオフロードでQwen3.5 35B MoEモデルにおいて42トークン/秒を達成し、CPUとGPUメモリを組み合わせることで最大1220億パラメータのモデルもサポートします。
AMD ROCmチームがMI355 GPU向けGluonプログラミングモデルで高性能GEMMカーネルを作成するチュートリアルを公開しました。最適化されたFP16カーネルはMFMA効率98.75%で1.489 TFLOPSを達成し、BF8（3.257 TFLOPS）およびMXFP4（5.255 TFLOPS）への拡張は現代のAIワークロードへの有効性を示しています。チュートリアルにはL2キャッシュミスを530万から410万に削減するワークグループリマッピングとswizzleが含まれています。
AMDは2026年5月20日、オープンソースAIコンピュートスタックの新バージョンROCm 7.13を発表しました。MI350P GPUのサポート、MI300Xアクセラレーター1基あたり最大8つの分離vGPUによる仮想化、透明性のあるパフォーマンス分析のためのオープンソースROCprof Traceデコーダー、ドメイン固有SDKを備えたモジュラーTheRockパッケージングが新たに導入されます。Ubuntu 26.04とRHEL 9.6で検証済みで、MI350XとMI355XのVMware ESXi 9.1サポートも含まれます。
BubbleFenceは、AMDが2026年5月15日にROCmブログで発表した新しいAIツールで、意味的漏洩なしにビデオストリームを訓練/検証/テストセットに意味的に分割するという根本的なML問題を解決します。従来のメタデータベースのヒューリスティックの代わりに、BubbleFenceはVision Foundation Modelの埋め込み（CLIP）とLID重み付けを持つ適応バブルを使用して分割します。構成変更なしに自動運転（Zenseact Open Dataset）とMinecraftゲームプレイシナリオで実証されました。
AMD ROCm Kimi-K2.5 の MI325X 向け量子化は、2026 年 5 月 14 日に公開された新しい推論加速ブループリントです。AMD Quark 量子化ツールキットで Kimi-K2.5 モデルを W4A8 および W8A8 精度フォーマットに変換し、FlyDSL 推論サービングレイヤーと AITER 最適化スタックを組み合わせます。このアプローチは中国のフロンティアモデルに非 NVIDIA の推論パスを提供し、MI325X をオープンソース LLM サービングの H100/H200 の実行可能な代替として位置づける AMD の戦略を示しています。
AMD Instinct MI355X はデータセンター GPU で、発表されたベンチマークで 3 つの ComfyUI 生成ワークフロー——テキストtoビデオ Wan2.2（1.44×）・テキストto画像 FLUX.1-dev（1.42×）・3D Hunyuan3D v2.1（1.20×）——において NVIDIA B200 を上回りました。ROCm 7.2.0 の AOTriton gfx950 カーネル・hipBLASLt GEMM チューニング・その他最適化によって実現しています。
NVIDIA Fleet Intelligence は、大規模な NVIDIA データセンター GPU フリートをリアルタイムで監視するマネージドサービスです——電力・温度・パフォーマンス・ECC エラーを監視し、NVIDIA Remote Attestation Service による GPU の暗号学的真正性確認を行います。Vera Rubin・Blackwell・Hopper GPU の所有者は無料で利用できます。
Red Hat AIチームはTurboQuantによる攻撃的なKV-cache量子化（3〜4ビット）とFP8標準を体系的に比較しました。結果はFP8がスループットと精度を維持する一方、3bit-nc変種がAIME25などの高難易度推論ベンチマークで約20ポイントの精度低下を示すことを明らかにしています。
NVIDIA Spectrum-X マルチパス信頼性接続（MRC）は、単一接続のトラフィックを複数のネットワークパスに分散させるRDMAトランスポートプロトコルで、Open Compute Projectを通じてオープン仕様として公開されました。MRCはすでにOpenAI、MicrosoftのFairwaterデータセンター、OracleのAbileneデータセンターで本番稼働しており、AMD・Broadcom・Intel・Microsoftとの共同開発で生まれました。
AMD ROCm チームが FarSkip-Collective を発表しました。これは Expert Parallelism 通信中の GPU アイドル時間を解消する改良型 MoE アーキテクチャです。結果：Llama-4 Scout の TTFT が 18% 短縮、DeepSeek-V3 で最大 1.34× の高速化、Moonlight の事前学習フェーズが 11% 高速化。
Dongxin Guo、Jikun Wu、Siu Ming Yiuのチームは2026年5月1日、SAGA——GPUクラスター上のAIエージェント向けワークフロー原子化スケジューラーを発表しました。個々のLLM呼び出しではなく、エージェントのワークフロー全体を単一のスケジュール可能な単位として扱います。64-GPUクラスターでタスク完了時間の幾何平均1.64倍削減、マルチテナント負荷下でSLO達成率99.2%を実現します。論文はHPDC 2026（クリーブランド、2026年7月13-16日）に採択されました。
AMD Primus ProjectionはInstinct GPUクラスターでLLMトレーニングを開始する前にメモリ要件とスループットを予測するツールです。分析式と実際のGPUベンチマークを組み合わせ、LlamaとMixtralモデルに対するMI325XとMI355Xアクセラレーターでの予測誤差は約10%以内です。
GoogleはCloud Next '26カンファレンスでTPU 8i（AIエージェント推論用）とTPU 8t（最も複雑なモデルのトレーニング用）という2つの新世代TPUチップを発表しました。この動きはGoogleのTPUラインを「エージェント時代」のコンピューティングにおける2つの専門的なブランチに正式に分割するものです。
NVIDIAとGoogle CloudはNVIDIAのGPUインフラとGoogle Cloudプラットフォームを組み合わせ、ロボティクス、自律型システム、エージェントの分野でエージェンティックAIとフィジカルAIのワークロードを加速する共同協力を発表しました。
NVIDIAとHuggingFaceは、Gemma 4がNVIDIA Jetson Orin Nano Super（8GBメモリ）上でVision Language Agent（VLA）として完全にローカルで動作するデモを披露しました。カメラ使用の自律判断から音声認識とTTSを含む完全なパイプライン処理まで、クラウド依存なしにすべてが実行されます。
GoogleはCloud Next '26カンファレンスにて、第8世代TPUチップを2つの専用バリアントとして発表しました。モデルのトレーニング向けのTPU 8tと、エージェント型推論向けのTPU 8iです。自律型AIエージェントとマルチステップ推論を主用途として設計された初めての世代となります。