NVIDIAは2026年10月12日、OCP Global Summitで、Vera Rubinのラックとコンピュートトレイ設計をMGX経由でOCPに提供したと発表しました。更新されたMGX 1.2には、ラックスケールのブラインドメイト液冷、液冷5,000Aバスバー、標準化された電力・冷却インターフェースが含まれ、最大250kWのラック展開をサポートします。
企業のIT・事業責任者にとっての意味は、GPUの性能表だけではAI基盤の調達を決められなくなったことです。電力をラックへ運ぶ仕組み、熱を回収する液冷設備、保守時の責任分界までが、計算資源を安定して使えるかを左右します。
ただし、250kWをクラウド料金や常時消費電力へそのまま換算することはできません。OCPが公開したラック仕様、データセンター設計、系統連系の要件を分けて読み、クラウド事業者の料金・供給量・SLAと照合する必要があります。
※本記事は2026年10月14日時点の情報です。
AIシステム開発の種類・工程・費用・会社選定までの全体像については、無料ホワイトペーパー「AIシステム開発の完全ガイドブック」で詳しく解説しています。
Vera Rubinのラック設計をOCPへ｜MGX 1.2で公開したもの
今回の発表は、Vera Rubin搭載サーバーの販売価格や、特定クラウドでの提供開始を知らせるものではありません。NVIDIAがラックとコンピュートトレイの設計をMGX経由でOCPへ提供し、システムビルダーが次世代AIインフラを組み立てる共通の土台を示した発表です。
MGX 1.2には、ラックとトレイを接続するブラインドメイト液冷、相互運用可能なラックスケール・インターコネクト、液冷5,000Aバスバーが含まれます。ネイティブ19インチ機器にも対応し、構成可能なI/Oベイ、ファンレス液冷コンピュートトレイ、標準化された電力・冷却インターフェースもMGX 1.2の仕様に含まれます。
OCPの「MGX Accelerated Computing Rack and Trays Design Specification」はRevision 1.2.0です。適用日はEffective October 6, 2026です。NVIDIAは第3世代MGX AIデータセンター・リファレンス設計への貢献と位置付けました。
MGX 1.2は電力・冷却・ラッチ機構などを共通化し、第三者がラックとトレイを相互運用する余地を広げる設計です。
推論需要とクラウド側の設備投資を読むには、AI推論向けクラウド支出96%増予測の記事も参考資料です。計算量の増加と設備調達は、同じ論点ではありません。
ポイント
MGX 1.2の公開は、Vera Rubin向けラック／トレイ設計をOCPのオープンな参照設計へ提供する動きです。クラウドサービスの販売開始や料金改定を意味する発表ではありません。
250kW・5,000A・液冷の意味｜ラック密度と料金を切り分ける
OCPのMGX 1.2仕様は液冷バスバーを定めています。公称48VDC（40〜59.5VDC）で、最大5,000Aに対応します。従来のラックへ大きな電源を足すだけではなく、バスバーの深さを増し、液冷を前提に通電容量を高める設計です。
冷却側の要件には、目標持続流量最大350LPM、最大ラック発熱250kW、ラックレベル液体熱捕捉率85%が含まれます。最大動作圧力は5bar（72psig）、最小破裂圧力は15bar（217psig）です。250kWは仕様の「最大ラック発熱」であり、すべてのラックが常時消費する電力ではありません。
したがって、250kWをGPU時間単価へ掛けてクラウド料金を推計することはできません。実際の料金を左右するのは、GPUの構成、稼働率、電力単価、冷却設備、予約・従量契約などです。250kWは、高密度ラックを受け入れる施設か、冷却と保守の能力を持つかを確認する設計上の上限として扱う数値です。
GPUサーバーの交換だけで設備要件を満たせるかも確認します。MGX 1.2の対象外には、電源シェルフ、トップ・オブ・ラック／管理スイッチ、CDU、I/Oおよび電源ケーブル設計が含まれる点に注意が必要です。施設側の受電、配管、マニホールド、CDUの責任範囲は契約前に決めます。
| レイヤー | 一次情報で確認できる仕様 | 企業が確認すること |
|---|---|---|
| MGX 1.2ラック | 最大ラック発熱250kW、液冷バスバー最大5,000A。 | 受電容量、CDU・配管、保守時の責任分界。 |
| Open Data Center | 8,000lbラック、12MW以上・推奨24MWのクラスター規模。 | 施設の床荷重、列の密度、拡張余地。 |
| 系統連系 | 計算負荷のPFAPR、事前負荷の90%へ2秒以内。 | 電圧変動時の復旧、冷却負荷との連携、SLA。 |
表の数値はいずれもOCP仕様の設計値・要件です。個別クラウドサービスの価格、性能、SLAを保証するものではありません。インフラコストを利用料金へつなげるときは、AIエージェントのコスト暴走で扱うような利用量と運用管理の視点も合わせます。
ポイント
250kWはMGX 1.2の最大ラック発熱であり、常時消費電力やクラウド料金ではありません。料金の比較と、施設が高密度ラックを受け入れられるかの確認を分けて行います。
ラックから施設・電力網へ｜AIデータセンター設計の範囲
AIファクトリーはラックだけでは動きません。ラックの重量と高さ、列全体の冷却、クラスターの受電、電力網との連携を別の設計レイヤーで確認します。
OCPの「Open Data Center: Next-Generation ML Infrastructure Design Principles」は、Revision 0.7.0として公開されています。AMD、Google、Meta、Nvidiaが共同で作成しました。2027〜2028年以降のAI/MLシステムを対象に、構造、電力、冷却を扱う仕様です。最重量ラック8,000lb（3,629kg）、ラック高100インチ（2,540mm）が設計目標です。
同仕様は、クラスター規模を12MW以上、推奨24MWとし、電力密度をブレンド平均25kW/ft、ピークIT密度350kW/ftの目標として示します。さらに2028年までのクラスター冷却は、液冷25kW/ft、空冷15kW/ftを目標にします。これらはすべての施設に適用済みの実績値ではなく、設計の目標です。
電力網との関係も別途確認が必要です。OCPの系統連系仕様は、PFAPR（Post-Fault Active Power Recovery）要件を記載しています。電圧変動時に計算負荷が系統への接続を保ち、条件に応じて事前負荷の90%へ2秒以内に戻す要件です。PFAPRは、単なるサーバーの再起動時間ではなく、系統側と計算負荷の復旧動作を合わせる指標として扱います。
同じ仕様では、冷却負荷は計算負荷とは異なる挙動を取り、秒ではなく分で復旧する場合もあるという整理です。既存施設への後付けも、スペース、設備、コスト、工事の制約が大きくなり得ます。導入計画では、ラックの納期だけでなく、受電設備と冷却設備の工事期間を別々に確認します。
ポイント
AI基盤の設計は、MGX 1.2のラック、Open Data Centerの施設、系統連系の復旧要件に分けて評価するのが基本です。ラック仕様への対応だけで、給電・冷却設備全体が完成するわけではありません。
オープン設計はコスト削減を約束するか｜相互運用性とTCOを分けて見る
OCPのMGX 1.2仕様は、共通のブラインドメイト・インターフェースでラックとトレイを相互運用します。既存のOCP仕様や運用投資も利用できると説明しており、複数の供給元を検討する土台です。
一方で、仕様の対象外に電源シェルフ、CDU、スイッチ、ケーブルがあります。共通インターフェースがあっても、同じ性能・同じ料金・即時供給が自動的に実現するわけではありません。オープン仕様が示すのは選択肢の広がりであり、調達結果そのものではありません。
- 相互運用性：ラック、トレイ、電力、冷却のどこまでが共通仕様に準拠するか。
- 責任分界：CDU、マニホールド、配管、電源シェルフを誰が設置・保守するか。
- 供給計画：必要なGPU容量、リージョン、増設時期の確約状況。
- 契約条件：従量・予約・最低利用量、電力や冷却費の扱いがどうなっているか。
GPUのスペック、施設のTCO、SLAを一つの数字にまとめません。NVIDIAのエージェント向け基盤を見るときも、NVIDIA「Open Agent Safety Platform」のように計算基盤と運用機能を分けます。
ポイント
オープン仕様は相互運用性と再利用の余地を広げますが、クラウド料金の値下げや即時供給を保証しません。設備投資、利用料金、SLAを分けて比較します。
企業のAI基盤調達で確認する5項目｜GPU容量から復旧条件まで
1つ目は、必要なGPU容量と利用パターンです。学習か推論か、ピークがいつ来るか、予約と従量のどちらが合うかを決めます。容量が曖昧なまま最大ラック発熱だけを見ても、料金や供給量の比較にはつながりません。
2つ目は電力・液冷の責任分界です。48VDCバスバー、CDU、配管、マニホールド、施設側の受電容量を、プロバイダーの設備として含むのか確認します。ラックの仕様と、利用企業が負担する工事・保守の範囲を契約書で分けます。
3つ目は冗長性です。ラック内の構成だけでなく、CDU、冷却ループ、受電系統、施設の列に障害が起きた場合の切り替えを確認します。4つ目は復旧とSLAです。計算負荷は2秒以内の復旧要件でも、冷却負荷は分単位の復旧になる場合があります。両者を同じSLAの文言では扱いません。
5つ目はTCOと供給確約の確認です。GPU時間単価だけでなく、最低利用量、予約期間、リージョン変更、増設リードタイム、障害時の代替容量を確認します。オープン仕様への準拠は、これらの条件を確認したうえで比較軸に加えます。
- 計算容量：学習・推論のピークと、必要なGPU容量を先に決める。
- 設備範囲：電力・液冷・保守の責任分界を確認する。
- 冗長性：ラック、冷却、受電の障害時動作を確認すること。
- 復旧条件：計算負荷と冷却負荷の復旧時間、SLAを確認する。
- TCO：従量・予約・最低利用量・増設条件を比較する。
ポイント
調達では、必要なGPU容量、電力・冷却の責任分界、冗長性、障害時の復旧、TCOの5項目を確認します。MGX 1.2への準拠は、これらを比較するための設備情報の一つです。
よくある質問
Q. MGX 1.2とは何ですか？
Vera Rubin時代のAIラック向けに、電力・冷却・トレイ・インターコネクトの共通設計を定めるOCPのハードウェア設計仕様です。
Q. 250kWは1ラックが常に使う電力ですか？
いいえ。MGX 1.2仕様の最大ラック発熱であり、実際の構成・運用電力やクラウド料金を直接示す数値ではありません。
Q. オープン仕様になるとクラウドGPU料金は下がりますか？
自動的に下がるとは言えません。仕様は相互運用性や再利用の余地を示しますが、料金は電力、冷却、設備、稼働率、契約条件など個別サービスのTCOで決まります。
Q. GPUクラウドを選ぶ企業は何を確認すべきですか？
GPU容量だけでなく、電力・液冷の責任分界、障害時の復旧、拡張リードタイム、予約・従量料金とSLAを確認します。
まとめ
NVIDIAがOCPへ提供したVera Rubin向けMGX 1.2は、ラックスケール液冷、5,000Aバスバー、標準化された電力・冷却インターフェースを含む設計仕様です。最大250kWはラックレベルの発熱要件です。常時消費電力やクラウド料金の数字ではありません。
企業が見るべき範囲は、MGX 1.2のラックから、Open Data Centerの施設設計、系統連系の復旧条件までです。GPU容量を決める前に、液冷・受電の責任分界、冗長性、拡張リードタイム、TCO、SLAをプロバイダーへ確認すると、設備仕様を調達判断へつなげられます。
ポイント
AI基盤の比較では、250kWという一つの数値を料金へ直結させず、ラック・施設・系統の3レイヤーと、料金・供給・SLAの契約条件を照合することが要点です。
関連記事
- AI推論向けクラウド支出96%増予測を解説｜学習から推論への投資シフト
- AIエージェントのコスト暴走を解説｜3日で約17万円のBedrock実例と対策
- NVIDIA「Open Agent Safety Platform」を解説｜AIエージェントをハードウェアで見張る仕組み
- World LabsのAMD合流を解説｜「世界モデル」を半導体企業が取り込む理由
- 関西電力グループのDX基盤を解説｜生成AI・エージェント活用の進め方
▼開発を相談する前に読みたい無料ホワイトペーパー
・AIシステム開発の完全ガイドブック
・【2026年最新版】AI駆動開発の完全ガイドブック
会社紹介
株式会社riplaでは、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを、構想策定・要件定義から開発・改善まで一気通貫で支援。事業会社でIT・DXを経験したプロフェッショナルによる高い要件定義力・システム設計力を活かし、事業成果の最大化に伴走します。
また、当社独自の開発テンプレート「Boxシリーズ」による標準機能の高速開発と、AI駆動開発の独自フレームワーク「GoDD」による独自機能のAI実装を組み合わせることで、低コスト・短期間で開発を実現いたします。
もし、システム開発やプロダクト開発に関するご要望がございましたら、お気軽にお問い合わせください。
・サービス概要資料のURLはこちら >>>
・お問合せページのURLはこちら >>>
・お役立ち資料のURLはこちら >>>
株式会社ripla 代表取締役CEOとして、システムパッケージ活用、システム開発、データ分析、生成AI活用、SaaS開発、アプリ開発、EC構築など、幅広い領域で企業のDX推進と事業成長を支援している。事業会社でIT・DXを経験したプロフェッショナルが集う株式会社riplaにおいて、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを構想策定・要件定義から開発・改善まで一気通貫で支援し、単なるシステム納品にとどまらず、クライアントと同じ目線で事業成果の最大化に向けた伴走支援を行う。早稲田大学卒業後、ラクスル株式会社、LINEヤフー株式会社にて事業開発やDX推進などに従事した後、株式会社riplaを創業。