AIの学習の速さなどを各社のシステムで比べる業界標準の性能評価「MLPerf」の最新結果が11月16日(米国時間)に公表され、NVIDIAは次世代AI基盤「Vera Rubin」で学習部門「MLPerf Training v6.1」の全項目を制したと公式ブログで発表した。Googleも同日、自社開発のAIチップ「TPU」の結果を公式ブログで公表している。

Vera Rubinは前世代比で最大2倍

NVIDIAによると、今回の学習部門で全項目に結果を出したのはNVIDIAの基盤だけだった。対象は大規模言語モデル、画像生成、おすすめ機能(レコメンド)、強化学習による仕上げの学習(ポストトレーニング)などだ。初登場の「Vera Rubin NVL72」は、現行の「GB300 NVL72」と比べてGPU1基あたり最大2倍の性能を示した。

規模を増やしたときの効率も示した。DeepSeek-V3の学習では、GPUを256基から1,024基へ4倍に増やすと、学習時間は16分から約4分に縮まり、効率は約97%を保った。また、GB300を1万240基使った今回最大規模の結果も出し、Microsoft AzureもGB200を同じ1万240基使った結果を出した。

初めて参加したAIエージェントの評価「MLPerf Endpoints」では、同じ応答速度のまま電力1ワットあたりの処理量が前世代の10倍を超えたという(Kimi K3での暫定結果)。データセンターは使える電力に限りがあるため、1ワットあたりにこなせる仕事の量が、提供できるAIの数を左右する。

GoogleはTPU「Ironwood」で対抗

Googleは、第7世代のTPU「Ironwood」とNVIDIAのGPUを使った計10件の結果を公表した。DeepSeek-V3の事前学習では、Ironwood 8,192基で目標の品質に1.70分で到達し、4,096基までは96%の効率で規模を広げられたという。今回初めて設けられたAIエージェント向けの強化学習の評価では、Ironwood 640基で目標を18.02分で達成した。Google Cloud上ではNVIDIAのGB300 256基を使い、31.96分で目標に届いた結果も出している。AIの学習が速くなれば、新しいモデルやサービスが私たちに届くまでの時間も短くなる。

MLPerf Training v6.1 の主な結果(各社発表)
システム規模結果
NVIDIA Vera Rubin NVL72(DeepSeek-V3)256基→1,024基16分→約4分(効率約97%)
Google Ironwood TPU(DeepSeek-V3事前学習)8,192基1.70分
Google Ironwood TPU(エージェント向け強化学習)640基18.02分
NVIDIA GB300(Google Cloud A4X Max)256基31.96分

評価項目・条件が異なるため、行同士の単純比較はできない。出典: NVIDIA公式ブログ/Google公式ブログ(2026年11月16日)をもとにKEN TECH TIMES編集部作成