NVIDIA OpenShellとVera CPUが切り拓く、AIエージェントの強固なセキュリティと大規模ガバナンス
AIエージェントの自律実行に伴うセキュリティリスクと「OpenShell」ランタイムの4大コンポーネント
自律型AIエージェントは、長時間にわたりコードの記述、ツールの呼び出し、インターネットアクセス、さらには他エージェントの生成などを行って複雑なタスクを遂行します。しかし、エージェントは目的に対して最適化されるあまり、安全性を二の次にして予期せぬ権限昇格や不正なファイルの書き換えを行うリスク（累積的リスク）をはらんでいます。エージェント自身に安全性を担保させることは困難であり、インフラストラクチャ側での厳格な制御と可視化が不可欠です。
NVIDIAがオープンソースとして提供する「OpenShell」リファレンスアーキテクチャは、エージェントのワークロードを常に「信頼できない（Untrusted）存在」として扱い、必要なときに必要な権限のみを動的に付与するランタイムを提供します。OpenShellは、以下の4つの主要コンポーネントで構成されています：
-
Gateway（コントロールプレーン）: サンドボックスのライフサイクル管理およびポリシーの適用を統括。
-
Supervisor（スーパーバイザー）: サンドボックスとは完全に分離された空間で動作し、アウトバウンドリクエストのポリシー検証と認証情報の仲介を実行。
-
Sandbox（サンドボックス）: エージェントのワークロードを隔離し、ファイルシステムやプロセスへのアクセスを厳格に制限。
-
Policy Prover（ポリシープーバー）: 組織が定義した許可のシーリング（上限）の範囲内にポリシー権限が収まっているかを形式検証（Formal Verification）でチェック。
さらに、SupervisorのミドルウェアやGatewayのインターセプターを利用することで、開発者はネットワーク上のトラフィックのインスペクションや独自のガバナンスロジックを容易に拡張・統合できます。
NVIDIA Vera CPUとBlueField-4 DPUによるハードウェアレベルの高速化と隔離
エージェントの処理ループ（推論、ツール呼び出し、コード実行、データ照会）は逐次的な依存関係の連鎖であり、各ステップを高速に処理できるかがスループットを大きく左右します。OpenShellの土台を支えるハードウェア層として設計されたのが「NVIDIA Vera CPU」です。
Vera CPUは、エージェントワークロード向けに以下の強力なアーキテクチャ特性を備えています：
- 88基のOlympusコア: 10ワイドのフロントエンド、ニューラル分岐予測、ディープなアウトオブオーダー実行により、x86プロセッサと比較して最大2倍のパフォーマンスを発揮。
- 第2世代Scalable Coherency Fabric: コア間帯域幅を最大3倍に高め、コア間レイテンシをx86比で最大50%削減。
- LPDDR5Xメモリ統合: 最大1.2 TB/sのメモリ帯域幅を提供しつつ、チップレット型設計に比べてロード時メモリレイテンシを最大40%削減。消費電力あたりではx86の2倍のパフォーマンス効率を達成。
AIクラウドプラットフォームであるCoreWeaveの検証では、Vera上のサンドボックス起動がx86環境と比較して3倍以上高速であり、1つのラックで11,000を超える同時エージェント環境を稼働させることが可能であることが示されています。また、スクリプトやデータベース復旧などの実世界のエージェントタスクを測定する「Terminal Bench」において、Veraはx86に対して1.8倍高速なループ完了速度を記録しました。
加えて、より高度な保護を求める環境に向けて、NVIDIA BlueField-4 DPUとセキュリティフレームワーク**NVIDIA Sentry（DOCAベース）**が統合されています。Sentryはエージェントから隔離されたドメインで動作し、ネットワーク、ファイル活動、ホストメモリを監視。ポリシー違反や脅威を検知した際には、BlueField-4がミリ秒単位で該当エージェントをハードウェア（シリコン）レベルで隔離します。
開発者・エンジニア視点での考察
-
「エージェントは信頼不可能なコードである」というゼロトラスト設計の徹底: アプリケーションロジック層でのプロンプトインジェクション対策やガードレールに加え、OS・プロセス・ネットワーク層（Sandbox/Supervisor）で実行権限を完全に隔離・制御するアーキテクチャは、エンタープライズ本番環境におけるエージェント暴走リスクの根本的な対策となります。
-
逐次実行ループ（Agentic Loop）のボトルネック解消に対するハードウェアアプローチ: AIエージェントの処理は依存関係のある逐次処理の連続であり、GPU性能だけでなくCPUのシングルスレッド性能、コア間レイテンシ、およびLPDDR5Xによる高帯域・低レイテンシなメモリ供給が全体の処理遅延（レイテンシ）とスケーラビリティを決定づけるという知見は、今後のAIインフラ設計のスタンダードに大きな影響を与えます。
-
ソフトウェアとシリコン（DPU）の多重防御によるリアルタイム隔離: OpenShellの論理的ポリシー検証（Policy Prover）と、BlueField-4/Sentryによるハードウェア（インシリコン）レベルのミリ秒単位の隔離を組み合わせることで、万が一エージェントがコンプロマイズされた場合でも、インフラ全体への被害拡大を確実に防ぐ堅牢な多層防御を構築できます。
Source / 元記事
この記事について
この記事は、公開されているニュース、論文、公式発表、RSSフィードなどをもとに、AIが要約・補足調査・考察を行って作成しています。
元記事の完全な翻訳・逐語的な要約ではなく、AIによる背景説明や開発者向けの考察を含みます。
重要な技術仕様・価格・提供状況などは、必ず元記事または公式情報をご確認ください。
