NVIDIAは、エージェント型AI工場の北南（ノースサウス）通信を専用処理する新たなネットワーク基盤「Scale-In」を発表した。BlueField-4 DPUによってセキュリティ、ストレージ、ポリシー適用をホストCPUから分離し、AIコンピュートの負荷を軽減する。これにより、AIインフラを共有利用する企業の運用設計と調達判断が変わる可能性がある。

AI工場で顕在化する北南通信の構造的ボトルネック

従来のクラウド基盤は、予測可能な汎用ワークロードを前提に設計されてきた。しかしエージェント型AI工場では、多様なユーザー、エージェント、アプリケーション、データソース、ストレージが、サーバーあたりマルチテラビット帯域で加速コンピュートに接続される。NVIDIAはこの状況に対し、ネットワーク、ストレージ、セキュリティをライン�レートで処理する専用DPUが不可欠だと位置づけている。北南ネットワークは単なる出入り口ではなく、AI工場全体の運用を左右する調整領域へと変化している。

Scale-Inが分離するのは処理ではなく運用責任の境界

Scale-Inは、BlueField-4 DPU、DOCAソフトウェア、Spectrum-X Ethernetを組み合わせ、北南通信を「協調されたインフラドメイン」へ再構成する。特筆すべきは、ポリシー適用、ストレージアクセス、セキュリティ、テレメトリをホストCPUから独立して実行する点だ。最大800 Gb/sのスループットを持つBlueField-4は、AIワークロードの拡大に伴ってセキュリティやデータアクセスがボトルネックになることを防ぐ。これは性能向上の話ではなく、AIコンピュートとインフラ運用を分離し、それぞれ独立にスケールさせる設計判断である。

共有AIインフラを採用する企業の調達・運用判断に波及

この技術が事業化すると、GPUリソースを複数部門や複数テナントで共有する企業ほど影響を受ける。テナント分離、ランタイム脅威検出、ストレージ仮想化、フリート全体の可観測性がDPU側で完結するため、ホストCPUのオーバーヘッドを気にせずAIサービスを展開できる。日本の製造業や金融機関がオンプレミスで大規模AI基盤を構築する場合、ネットワーク機器だけでなくDPUを含むインフラ設計が調達要件に加わる可能性がある。クラウド事業者と同様の運用分離を内製インフラで再現できるかが論点になる。

AIインフラの差別化要因がGPUから周辺処理へ広がる

AI産業の構造において、計算能力の差別化はGPU単体から、ネットワーク、ストレージ、セキュリティを含むシステム全体へ移行している。NVIDIAがScale-Inを「AIネットワーキングの第5の柱」と位置づける背景には、Scale-Up、Scale-Out、Scale-Across、Context Memoryと並ぶインフラ階層の体系化がある。DPUによるホスト独立処理が標準化されると、AIデータセンターの設計は「GPUを何基積むか」から「アクセス経路をどう分離・加速するか」へ重心が移る。国内のシステムインテグレーターやデータセンター事業者にとっては、設計・運用ノウハウの再構築が必要になる可能性がある。

検証すべきは実ワークロードでのCPUオフロード効果

現時点でNVIDIAは、BlueField-4のアーキテクチャとDOCAマイクロサービスの統合による効能を提示しているが、具体的な導入企業名や実測ベンチマークの数値は明らかにされていない。今後見るべき論点は、ホストCPUからのオフロードが実際のAI推論・学習ワークロードでどれほどの性能改善と運用負荷低減につながるかだ。また、エージェント型AI特有の不規則なトラフィックパターンやマルチテナント環境での分離性能が、設計上の期待値を満たすかどうかも検証ポイントになる。技術ブログの発表内容を出発点に、実環境での測定データと導入事例の蓄積が、この技術の実用性を判断する材料となる。