【自分備忘録】NVIDIAの「5層のケーキ」モデルとパランティアの統合――ハーネスが繋ぐ、実務特化型AIエージェントの仕組みとソブリンAI OSの動向

はじめに

実務現場における主要な関心事は、人工知能（AI）を「チャット生成AI」から、いかにして「エージェントAI を実際のビジネスや業務システムに組み込んで成果を出すか」という点にあります。

この課題に対して、GPUやAIインフラを展開するNVIDIA（エヌビディア）のジェンセン・ファンCEOは、AIの供給網を「5層のケーキ（Five-Layer Cake）」というモデルで定義しています。

本稿では、この「5層のケーキ」という基本構造に、AIエージェントの自律駆動を支える「ハーネス（Harness）」、および実務へのデータ統合分析と意志決定支援を行うアレックス・カープCEO率いる「パランティア」のシステムを組み合わせることで、現在のAIシステムがどのように組み立てられているのか、その構造を解説します。さらに、両社が連携して進めている「ソブリンAI OS（Sovereign AI Operating System）」の仕組みについても掘り下げます。

1. AIシステムを構成する「5層＋アルファ」の構造

企業が、自律して判断や行動を行う「AIエージェント」を実務に導入する際、システムは複数の階層構造（アーキテクチャ）として下から上へと連携して機能します。その具体的な構成は以下の通りです。

第5層：アプリケーション（Applications）―― 業務実行の出口

・該当する技術：パランティア AIP、各社の運用アプリケーション

・役割：現場のスタッフが実務を実行するためのアプリケーションです。また、パランティアのAIP CON10で発表されたHertzの配車管理や、McCarthyの建築スケジュール管理などがここに該当します。

第4層：モデル（Models）―― パランティア Ontologyと推論を行う「脳」

・該当する技術：パランティア Ontologyと、各種AIモデル（GPT、Claude 、Gemini 、Grok、NVIDIA Nemotronなど）、

・役割：推論を行う言語モデルなどの「脳」に、パランティアの仕組み（Ontology）を使って企業の業務データを定義・整理して流し込み、業務に適合させます。

接続層：ハーネス（Harness）―― 自律駆動を制御する「骨組み」

・該当する技術：NVIDIA NemoClaw、OpenClaw、Hermes Agent

・役割：一問一答形式ではなく、AIモデルに「計画→実行→評価」という手順を踏ませ、安全にデータベースなどの道具（ツール）を扱わせるための制御インフラ（オーケストレーション層）です。

第3層：インフラ（Infrastructure）―― チップを繋ぐネットワーク

・該当する技術：NVIDIA Spectrum-X、Vera Rubinプラットフォームなど

・役割：多数のチップを遅延なく同調させ、一つの大きな計算基盤（AI工場）として機能させるためのネットワーク網です。

第2層：チップ（Chips）―― 計算を実行するエンジン

・該当する技術：NVIDIA のGPU、CPU、そしてメモリなど

・役割：高い計算スピードを提供し、第4層のAIモデルたちが高速で処理を行うためのGPUハードウェアです。

第1層：エネルギー（Energy）―― 運用の基盤

・該当する技術：電力供給・データセンター設備

・役割：AIシステムを安定して動かすために必要な、物理的な電力と冷却システムです。

2. 接続層「ハーネス（Harness）」が果たす役割

ジェンセン・ファンCEOが提示する「モデル（第4層）」と「インフラ（第3層）」の間、あるいはモデルを動かす内部の制御として機能するのが、ハーネス（Agent Harness）です。

AIエージェントを実務に投入するプロジェクトにおいて、モデルの性能だけでなく、実行環境であるハーネスの安定性が運用の成否を分ける要素となります。

単なるチャットから「連続的な業務遂行」への対応

従来のAIは、ユーザーの質問に回答する「一問一答」が主流でした。これに対して実務で動くAIエージェントは、自身で計画を立て、データを検索し、エラーが発生した際には調整を行いながら業務を進める必要があります。この「連続して処理を行うための手順管理と記憶（コンテキスト）の保持」を担うのがハーネスです。

安全性の管理（ガードレール）

NVIDIAなどが提供するハーネスの枠組みには、AIエージェントが想定外のコードを実行したり、外部へデータを漏洩させたりしないよう、実行環境を隔離して保護する安全機能（サンドボックス）が備わっています。

3. 現代の主要AIモデル（第4層）の位置付け

広く活用されているAIモデル（ChatGPT、Claude、Gemini、DeepSeekなど）は、このモデル層（第4層）に位置します。現在、この層では運用の目的に応じて主に2つのアプローチが選択されています。

クラウド型のAI（GPT、Claude、Gemini、Grokなど）

インターネットを経由して外部のクラウド基盤で稼働する、高い汎用性を持ったモデルです。一般的な業務の効率化や高度な言語処理において、パランティアのシステムからもこれらの機能を呼び出して連携させることができます。

自社環境向けのオープンなエージェントAI向けモデル（NVIDIA Nemotronなど）

データを外部のネットワークに送信したくない環境において活用が進んでいる領域です。自社で管理するサーバー内に配置して運用できるため、データ管理の自主性を重視する組織に適しています。

ただし、これらのモデルは初期状態では「各企業固有のリアルタイムな在庫数」や「独自の社内規定」を保持していません。そのため、パランティアの「Ontology（オントロジー）」を用いて、企業のデータをAIが誤解なく認識できる共通の規格に変換してモデルと接続するアプローチが取られます。

4. パランティアのシステムとの連携

ハーネスによって手順の制御と安全性が確保されたAIモデルが、実際の業務データにアクセスし、アクションを起こす段階で、最上層（第5層）にあるパランティアのシステムが機能します。

ハーネスを通じてAIエージェントが導き出した提案（例：「配送ルートの遅延予測に基づく代替ルートの選定」など）を、パランティアの「AIP」が現場の管理画面に分かりやすく表示します。スタッフがその内容を確認して実行を選択することで、実際の物流手配や配車指示といった業務システム側への反映が行われます。

5. 「ソブリンAI OS」としての統合

NVIDIAとパランティアは、これら第1層から第5層、およびハーネスにいたる階層を組み合わせ、外部と隔離された環境でも運用可能にするための共通のアーキテクチャ「ソブリンAI OS（Sovereign AI Operating System）」を推進しています。

「ソブリン（Sovereign）」とは、データやシステムの運用管理を外部に依存せず、自国や自社で完結させるという意味です。

パランティアのデータ管理・セキュリティ環境（Rubix）や運用ツール（Apollo）が、NVIDIAのインフラおよびハーネス層と連携します。これにより、インターネットから遮断されたネットワーク環境（エアギャップ環境）であっても、自社サーバー内でAIエージェントを安定的に運用・更新できる基盤が構築されます。

おわりに：投資と技術における視点

ジェンセン・ファンCEOの「5層のケーキ」と「ハーネス」のモデルから、実務遂行のためのNVIDIAとパランティアのシステム連携の構造が明確になります。

技術的な観点：

セキュリティ要件が厳格であり、外部のクラウド活用が難しかった防衛、政府機関、金融、医療といった分野に対して、安全性を確保しながら自律型のエージェントシステムを導入するための適した構成です。

投資の観点：

高性能なハードウェアや高度なAIモデルが存在しても、それらが実務データと結びつき、最上層のアプリケーションとして業務効率化やコスト削減に繋がらなければ、持続的な投資は行われません。

NVIDIAのインフラやAIモデルの普及が進むほど、それらを実務の現場へ適合させるためのパランティアのソフトウェアの役割も高まるという、相互補完的な関係が構築されています。外部クラウドに依存しないデータ管理を求める組織において、このシステム連携は一つの重要な選択肢として注目されています。

AI化する世界だからこそ、
自分自身を見つめ直してみませんか