概要
NVIDIAが、工場を見守って働くAIを作るための「設計図」を公開しました。名前は「FOX」といいます。
この設計図を使うと、検査や原因探しを得意とするAIたちが、工場の中でチームのように動けます。製品の設計や試作の段階でも、コンピューター上で先に試す事例が欧州の大手メーカーから示されました。
主に、工場やものづくりのシステムを作る開発者や、製造業の企業にとってうれしい話です。
何が発表された？
NVIDIAの公式ブログ（2026年10月21日付）によると、同社は「NVIDIA Factory Operations Blueprint（FOX）」をGitHub上で早期アクセスとして公開しました。
FOXは、機械同士の作業を調整する「工場マネージャー役」のAIエージェントを作るための設計図です。エージェントとは、自分で状況を見て動くAIのことです。
あわせて、視覚検査、原因分析、レポート作成、機器群の管理といった専門エージェントも作れます。
また、GTC Berlinでは、設計計算のライブラリ「cuDSS」が一般提供（GA）になると発表されました。
位置づけとして、FOXは製品として完成した状態ではなく、開発者向けの早期アクセスです。一方でcuDSSは、すでに使える段階に入りました。
事例として名前が挙がった主な企業は次のとおりです。
- Siemens、Mercedes-Benz、Audi、Schaeffler
- Dassault Systèmes、Autodesk、Cadence
- imec、Infineon、Leonardo、Saab
- Schneider Electric、Mistral
前と何が違う？
工場の「監督役」と「専門役」のAIをまとめて作れる
これまで工場のAI活用は、検査なら検査、保守なら保守と、用途ごとに別々に作られがちでした。（編集部注：一般的な傾向であり、元記事に記載はありません。）
FOXは、工場全体を見るマネージャー役と、専門エージェントをひとまとめに作る出発点です。
これらのエージェントは、NVIDIA CosmosやNemotronといった最先端のモデルにつなげられます。さらに、CAD（設計ソフト）、PLM（製品ライフサイクル管理）、シミュレーションソフト、ITや現場の制御システムの知識も参照できます。
リアルタイムで工場を監視し、映像で見つけた異常と機械のログを突き合わせて、問題を調べて対応を調整する、というのが狙いです。
追加学習なしで、例と資料から適応する
元記事は、Cosmosの「in-context learning」を使うと、ファインチューニング（追加学習）なしで適応できると説明しています。
つまり、例や資料を見せるだけで、エージェントが現場に合わせて動けるということです。モデルを作り直す手間が減る可能性があります。
Siemensは欠陥画像を作って検査を整えた
Siemensは、FOXで作ったエージェントを、自社のエージェント型企業システム「Intelligence Center X」に組み込みます。原因の特定と工場運営の調整に使い、コスト削減は約20%と見積もっています。
また、「Process Preparation X」のエージェントは、Cosmos Data Factoryのツールで、基板検査用の欠陥画像を生成します。ドイツ・エアランゲンの電子機器工場では、この方法で検査工程の調整時間を40%減らしたそうです。
不良品の見本画像を、実物を集めずにAIで用意できるのがポイントです。
設計の計算を速く回せる
cuDSSは、構造の応力、流体の流れ、電磁場、半導体素子の挙動といった重い計算を速くするライブラリです。エンジニアは、試作品を作る前にたくさんの設計案を試せます。
Mercedes-Benzは、SiemensのSimcenter STAR-CCM+をNVIDIA GPUで動かし、空力シミュレーションで車の設計を比べています。工場では、Cosmos 3とMetropolis VSSのブループリントで、車両検査やフロントガラス組み付けの確認用エージェントを作っています。
設計もAIで予測する事例が広がった
事例は他にも多数あります。
- Autodeskは、PhysicsNeMoとWarpをNavPackに取り込み、Bentleyなどのデザイナーが走行性能を予測しやすくしています。
- Leonardoは、Neural Conceptと航空機設計を進めています。
- Saabと組むUniversalAGIは、波の条件を数千通り、数日ではなくリアルタイムで評価し、船が安全な航路を選べるようにしています。
- PhysicsXは、英国のアメリカズカップチームGB1のヨット設計を支援しています。
- Mistralは、物理シミュレーションと学習データ生成にCUDA-X、Warp、Omniverseを使う計画です。
工場やロボットを先に仮想空間で試せる
OmniverseとIsaacを使ったデジタルツイン（現実を写した仮想モデル）も紹介されました。
Audiは、電池生産のデジタルツインで、設備がそろう前に生産案を試しています。Dassault Systèmes、Agile Robotsと組み、人型ロボットと物流の検証もしています。
Schaefflerは、人型ロボットの関節部品の仮想モデルをIsaacと連携させ、物理テストを減らします。Volkswagen Sachsenの「Transparent Factory」では、Wandelbotsが組み立て作業を仮想で検証しています。
Falkor（KONGSBERG傘下）は、Azure NCv6とRTX PRO 6000 Blackwell Server Edition GPUで、プラントの点検・保守を支援します。Schneider ElectricとAVEVAは、Nscale向けにAI工場のデジタルツインを開発中です。
数字で見るとどう変わった？
前の版との比較ではなく、各社が示した個別の成果です。比べる条件は元記事に詳しく書かれていません。
- Siemens：Intelligence Center Xでの想定コスト削減は20%
- Siemens（エアランゲン工場）：検査工程の調整時間が40%減
- imecのS-Litho：最大40倍の高速化（ベンチマーク）
- Infineon：Sentaurus DeviceとCUDAライブラリで、3D耐圧シミュレーションが12倍速
- UniversalAGI：数千の波条件の評価が、数日からリアルタイムに
最初のコスト削減は「見積もり」である点に注意が必要です。
ライバルと比べてどう？
元記事には、競合との直接の比較はありません。表にはせず、編集部の知識で補います。
（編集部注）工場向けAIの領域では、SiemensやDassault Systèmesのような産業ソフト企業が自社でAI機能を作っています。NVIDIAはその土台となる計算基盤、モデル、設計図を提供する立場です。
強みは、シミュレーション、デジタルツイン、AIモデルを同じ会社の部品でつなげる点です。弱みは、NVIDIAのGPUと関連ソフトに依存しやすいことです。この見方は編集部の見立てです。
料金は？
元記事では、FOXの料金は言及なしです。FOXはGitHubで早期アクセスとして提供されています。
cuDSSは一般提供になったとありますが、価格の記載はありません。
日本で使える？
まだ分かりません。元記事に、地域制限や日本語対応の記載はありません。
試すなら、次の流れが現実的です。
- NVIDIA公式ブログの記事から、FOXのGitHubページを探す
- 開発者向けの早期アクセスなので、GitHubのアカウントを用意する
- 日本語対応は記載なし。英語の資料を前提にする
- 動かすには、NVIDIAのGPUなどの環境が必要になる可能性がある（編集部注）
- 本番利用の前に、提供条件を必ず確認する
自分にはどう関係する？
エンジニアなら
FOXは、工場エージェントを作るための土台になります。まず、自社の検査ログや設計資料と、Cosmosなどのモデルをつなげるところから試せそうです。
cuDSSが使えるようになったので、シミュレーション計算の高速化も検証の価値があります。
企画・マーケティングなら
製造業向けのAI提案では、「検査の調整時間が40%減」といった具体例が使えます。ただし、各数字は各社の条件での結果です。そのまま自社に当てはまるとは限りません。
経営者・管理者なら
仮想空間で先に試す動きは、試作や設備変更のコストを下げる狙いがあります。Siemensの20%も見積もりです。
まず小さな工程で試し、自社の数字を測るのが現実的です。
これまでの流れ
基盤の発表に続き、今回は現場での使い方が具体的に示されました。
まとめ
FOXは早期アクセス段階で、本格導入はこれからです。ただ、Siemensなどの数字は、工場AIの方向性を示しています。
開発者は、まずGitHubの公開ページを確認してください。企業の担当者は、小さな工程で効果を測る準備から始めましょう。
