NutanixによるRyax買収、エージェント型AIスタックの重大な空白を埋める
Nutanixは9月22日、Ryax Technologiesを買収した。市場競争が一段と激しくなるなか、同社のエージェント型AI戦略に欠けていたリソース層を追加する動きだ。NutanixによるRyax買収により、GPU、クラウド、Kubernetesクラスタ、高性能コンピューティングシステムにまたがってワークロードをスケジューリングする技術を手に入れる。
買収額は公表されていない。Nutanixは取引による財務的影響は重要ではないとしており、企業変革を伴う大型買収ではなく、補完的な買収として位置付けられる。
しかし、戦略上の狙いは報告された財務的規模より大きい。NutanixはすでにKubernetesの運用やエンタープライズAIサービスのガバナンスを担うソフトウェアを持っていた。一方で、個々のAIジョブをどこで実行し、各ジョブにどれだけのハードウェアを割り当てるかを決めるネイティブな仕組みは欠いていた。
Ryaxはその空白を埋めることを目的としている。同社のソフトウェアはワークロードの挙動を監視し、リソース要求を調整し、コスト、性能、エネルギー要件に応じてジョブを配置する。Nutanixはこれらの機能をNutanix Kubernetes PlatformおよびNutanix Enterprise AIに組み込む計画だ。
この計画によりNutanixは、AIインフラのコントロールプレーンをめぐる直接的な競争に参入する。NVIDIAはRun:aiとSchedMDを保有し、Red Hat、ハイパースケーラー、オープンソースプロジェクトも競合するスケジューリング手段を提供している。
したがって、この買収は特定の仮説を試すものでもある。企業顧客は、個別のクラウド、アクセラレータベンダー、コンピューティング環境に結び付いた別々のスケジューリングシステムよりも、単一のハイブリッド制御層を好むかもしれない。
Nutanixは適切な運用上の問題を特定している。ただし、Ryaxの統合によって成熟し、商業的に魅力ある回答を生み出せるかどうかは、まだ示されていない。
NutanixによるRyax買収が実際に変えるもの
Nutanixが買収するのはワークロード配置のインテリジェンスであり、別のモデルプラットフォームやエージェント構築フレームワークではない。
Nutanixはフランス拠点のRyaxを、AI駆動のコンピューティング・オーケストレーションおよび管理企業と買収発表で説明した。Ryaxの従業員はフランスでNutanixに加わり、技術開発を継続する。
同社は、Ryaxの機能を既存の2製品の将来バージョンに追加する計画だ。Nutanix Kubernetes Platform（NKP）は、インフラ環境をまたいでコンテナ化アプリケーションを管理する。Nutanix Enterprise AI（NAI）は、エンタープライズAIアプリケーション向けのモデル提供、ガバナンス、サービスを扱う。
Ryaxは異なる層を導入する。スケジューラはワークロードの要件を検討し、その実行に対応できるコンピューティングリソースを選択する。高度なスケジューラでは、コスト、場所、利用可能なメモリ、エネルギー使用量、過去の性能も考慮できる。
これは、AIワークロードが一様にハードウェアを消費するわけではないため重要だ。ある推論ジョブは数分間、GPUの一部だけを必要とするかもしれない。別のジョブでは、複数のアクセラレータ、大容量のメモリ割り当て、または特定の場所に保存されたデータへのアクセスが必要になる可能性がある。
チームはこうした不確実性を補うため、ワークロードが必要とする以上の容量を要求することが多い。この方法は障害を減らせる一方で、高価なプロセッサをアイドル状態のままにする可能性もある。
Ryaxは実行テレメトリーを用いて、こうした要求を洗練させる。Nutanixによれば、この技術はGPU容量を分割して割り当て、リソース配分を見直し、メモリ不足の失敗後にワークロードを再試行できる。
GPUの分割割り当てにより、複数のワークロードが1つのアクセラレータを共有できる。さらにビンパッキングにより、それらのワークロードをまとめて配置し、利用可能な容量をより高密度に活用する。
Ryaxはサーバーレス割り当てもサポートする。このモデルでは、ワークロードはアクティブな計算中にGPU容量を受け取り、完了後にそれを解放する。アイドル状態のノートブックや一時停止中のパイプラインが、同じ予約を無期限に保持する必要はない。
もう1つの重要な機能は、環境をまたいだ配置だ。Nutanixによれば、RyaxはKubernetesクラスタ、パブリッククラウド、プライベートインフラ、Slurmベースの高性能コンピューティングシステムにまたがって処理を振り分けられる。
Slurmは、スーパーコンピュータ、研究機関、エンジニアリングチームで広く使われるワークロードマネージャだ。KubernetesとSlurmの双方をサポートすることで、Nutanixはエンタープライズアプリケーション環境と既存のコンピューティングクラスタを結ぶ可能性を得る。
RyaxはNVIDIAとAMDのリソースも評価できる。これは、単一のアクセラレータサプライヤーへの依存ではなく、インフラの選択肢を重視するというNutanixの方針に合致する。
この取引によって、これらの機能が直ちにNutanixのポートフォリオ全体で利用可能になるわけではない。同社は統合を将来のリリース向けに計画していると繰り返し説明している。
この違いは重要だ。Nutanixが取得したのは技術的な構成要素と専門チームである。顧客が買収日時点で完成済みの統合スケジューラを受け取るわけではない。
直近の変化は戦略的な所有権にある。Nutanixは今後、パートナーや上流のスケジューリングプロジェクトに全面的に依存するのではなく、自社が管理する技術を中心にエージェント型AIのロードマップを構築できる。
この所有権により、Nutanixは製品設計、サポート、統合に対する影響力を強められる。同時に、多様な顧客環境で機能するエンタープライズ製品へRyaxの専門ソフトウェアを転換する責任もNutanixが負うことになる。
エージェント型AIがGPUスケジューリングをより重要にする理由
エージェント型AIは、インフラの課題を単一の大規模計算から、共有リソースを奪い合う変化し続ける多数のサービスへと移す。
従来のモデル学習は、比較的予測可能なジョブを中心に進められることが多い。チームはクラスタを確保し、長時間の学習プロセスを実行し、完了後にリソースを解放する。
エージェント型アプリケーションは異なる需要パターンを生み出す。モデルの呼び出し、データの取得、ソフトウェアツールの実行、結果の評価、追加のモデルリクエストの開始を行うことがある。従業員や自動化システムが新たなタスクを開始するにつれ、利用状況は変化する。
Nutanixは、本番インフラが数千のエージェント、サービス、ユーザー、開発者をサポートしなければならないと主張している。同社の2026年3月のエージェント型AI発表は、この変動性をモデルだけの問題ではなく、インフラの問題として位置付けた。
この枠組みはRyax買収を理解する助けになる。NKPはKubernetesクラスタを運用でき、NAIはモデルを公開し、ガバナンスポリシーを適用できる。しかし、どちらの機能も、変化するすべてのジョブに最適な配置を自動的に決めるわけではない。
インテリジェントなリソース層がなければ、プラットフォームチームは多くの判断を手作業で行う。クラスタの規模を選び、メモリを予約し、GPUを割り当て、処理をローカルハードウェアで行うべきかクラウドサービスで行うべきかを決める。
ワークロードの挙動が変わると、こうした判断はすぐに古くなる。また、チーム間で相反する目標を生むこともある。
開発者は通常、迅速なアクセスと十分な容量を求める。財務チームはより高い利用率と予測可能な支出を求める。セキュリティ責任者は、機密データを承認済みの環境内にとどめたいと考える。サステナビリティチームはエネルギー消費を優先するかもしれない。
配置システムは、こうした要件をスケジューリングルールに変換できる。対立をなくすことはできないが、判断を再現可能かつ可視的にできる。
Nutanixの技術統合計画は、アイドル状態のアクセラレータ、データ移動、マルチテナント分離という3つの繰り返し現れる課題を挙げている。
アイドル状態のハードウェアはコストに直接影響する。データ移動はレイテンシーや転送料金を増加させる可能性がある。高密度なワークロード配置は利用率を改善できるが、ユーザー間の分離や干渉に関する疑問を生じさせる。
Ryaxは、実行時にこれらの制約を評価するよう設計されている。Nutanixは、統合後のシステムが割り当てを無期限に固定するのではなく、過去のテレメトリーを利用することを目指している。
この仕組みは、インフラ製品に「エージェント型AI」という表現を付け加えること以上に重要だ。予測不能なアプリケーション需要と静的なハードウェア予約との不一致に対処する。
不規則なバッチを受け取る文書処理ワークフローを考えてみよう。このワークフローのためにGPU全体を予約しておけば即時アクセスは可能になるが、その容量の多くは未使用のままになる可能性がある。
スケジューラは、文書が到着したときにGPUの一部を割り当て、処理後にはその容量を共有プールに戻せる。別のチームは、処理の合間に同じアクセラレータを利用できる。
別のワークロードには、プライベート施設の外へ出せない機密データが含まれるかもしれない。スケジューラはその処理をローカルに維持しつつ、機密性の低いジョブを利用可能なクラウド容量へ送ることができる。
概念は単純だ。信頼性の高い実行はより難しい。スケジューラには、正確なテレメトリー、ポリシーの文脈、ハードウェアに関する知識、複数のインフラシステムとの統合が必要になるためだ。
エージェント型ワークロードは、バッチ指向のスケジューラでは十分に扱えない可能性があるレイテンシー要件ももたらす。対話型エージェントは、大規模な学習ジョブの後ろで常に待てるとは限らない。
そのためNutanixは、重要なトレードオフを隠さずに複数のスケジューリングモードをサポートする必要がある。コスト最適化、応答時間、データの配置場所、分離は、それぞれ異なる配置判断を導く可能性がある。
この買収により、Nutanixはこれらの判断に対処する技術を得た。ただし、顧客が優先順位とガバナンスポリシーを確立する必要性がなくなるわけではない。
GPU対応スケジューリングが競争の主要な試金石になる
主要な競争軸は、Nutanixのベンダー中立なハイブリッドスケジューラと、アクセラレータのスケジューリング層をより深く掌握するNVIDIAとの対決にある。
NVIDIAは2024年にRun:aiを買収し、2025年12月にはSchedMDの買収を完了した。Run:aiはAIワークロードの最適化に注力し、SchedMDはSlurmを開発している。
この組み合わせにより、NVIDIAはKubernetesベースのAIスケジューリングと、確立されたHPCワークロード層の双方に近い位置を占める。また、AIアクセラレータおよび関連ソフトウェアにおけるNVIDIAの優位な立場も補完する。
RyaxはNutanixに独立したスケジューリング手段を与える。同社によれば、ワークロードはNVIDIAおよびAMDのフリート、Kubernetesクラスタ、パブリッククラウド、Slurm環境をまたいで移動できる。
Nutanixにとってアクセラレータの中立性は、AMDとの関係を拡大して以降、より重要になっている。2026年2月、両社はAMDプロセッサ、Instinctアクセラレータ、ROCmソフトウェアを含むAIインフラ提携を発表した。
この合意には戦略的投資と、エンジニアリングおよび市場開発のための資金提供が含まれていた。Ryaxは、このマルチベンダー戦略を実際のワークロード配置判断へと転換する助けになり得る。
NVIDIAとAMD双方のリソースを認識するスケジューラは、可用性、ポリシー、ワークロードの互換性に応じて容量を選択できる。これは、顧客に選択肢を提供するというNutanixの幅広い主張を支えるだろう。
ただし、ハードウェアの中立性は同等のソフトウェアサポートを保証しない。AIフレームワーク、モデル、最適化ライブラリは、アクセラレータ環境によって異なる挙動を示す可能性がある。
スケジューラは、すべてのGPUを交換可能なものとして扱うのではなく、こうした違いを理解しなければならない。また、ジョブが異なるインフラ種別の間を移動する際にも、予測可能な結果を提供する必要がある。
NVIDIAは周辺スタックのより多くを制御しているため、この点で優位に立つ。スケジューリング企業の保有により、アクセラレータ、ドライバ、ソフトウェアライブラリ、ワークロードマネージャ間の連携を緊密にできる。
Nutanixは異なる価値提案を打ち出している。単一のハードウェアファミリーだけを最適化するのではなく、顧客が複数の環境ですでに運用しているインフラを統合的に調整することを目指している。
この違いは、混在したIT資産を抱える企業にとって重要だ。大規模組織では、プライベートGPUサーバー、Slurmの研究クラスター、2つのパブリッククラウドからのキャパシティ、そして新たに導入したAMDシステムを併用している可能性がある。
単一のハイパースケーラーが、そうしたすべての拠点にまたがるワークロードをネイティブに最適化しているわけではない。各クラウドプロバイダーは自社内のスケジューリングに強みを持つが、商業上のインセンティブは自社プラットフォーム内での消費を中心としている。
Red Hatは、OpenShift AIを通じて別の競争ルートを提示している。Kubernetesを、Kueue、KubeRay、ベンダー固有のGPUオペレーターといったアップストリームツールと組み合わせられる。
オープンソースプロジェクトは柔軟性と幅広い互換性を提供する。一方で、統合、テスト、監視、ライフサイクル管理の責任は顧客やサービスパートナーに委ねられる。
Nutanixは、エンタープライズの購買担当者がサポート付きの組み合わせに対価を支払うと見込んでいる。NKPがアプリケーション環境を運用し、NAIがAIサービスを統制し、Ryaxの技術がリソース配置を決定するという構図だ。
製品群が単一のプラットフォームとして機能すれば、この組み合わせは統合作業を削減できる。別々の管理モデルを維持したままであれば、この買収は単にコンポーネントを1つ追加するだけにとどまる。
BroadcomのVMwareポートフォリオも依然として重要な存在だ。VMware Private AI Foundation with NVIDIAは、既存のVMware環境内でAIインフラを構築したい組織を対象としている。
NutanixはRyaxを活用し、仮想化プラットフォームの再検討を進める顧客への訴求を強化できる。クロスクラウドとSlurmのサポートは、オンプレミスのプライベートAI導入より広範な配置モデルを提供する可能性がある。
それでもNutanixのスケジューリング競争への参入は、複数の競合より後発となる。独立系アナリストのSteve McDowellは、競争評価で、RyaxはNutanixに信頼できる参入機会を与えるが、市場リーダーシップをもたらすものではないと指摘した。
これが適切な区別だ。Nutanixはいま、関連する技術と専門知識を保有している。しかし、成熟した統合、顧客事例、運用上の実証はなお必要である。
Ryaxの効率性に関する主張には依然として独立した検証が必要
最も強い性能数値はベンダーのテストに基づくものであり、製品提供時期、価格、統合の詳細はまだ定義されていない。
Nutanixは買収発表にあわせ、いくつかの具体的な結果を公表した。Ryaxは30回実行のディープラーニング負荷において実行ごとのサイジングをテストし、ノード時間を62％削減したとされる。
同じテストでは、完了時間も5.7％短縮されたと報告されている。別のRyaxテストでは、NVIDIA Multi-Instance GPU機能を利用して、1基のH100上に4つの同時実行を配置した。
Nutanixによれば、この構成により実行あたりのコストは52％削減された。また、ドキュメントインテリジェンスのワークフローでは、サーバーレス割り当てによってGPUの確保時間を数時間から数分へ短縮できたとしている。
これらの数値は、意図される仕組みを示している。しかし、すべてのNutanix顧客が期待すべき結果を確立するものではない。
Nutanixによれば、テストはRyaxが実施した。両社は、ワークロード定義、クラスター構成、利用率のベースライン、スケジューリングのオーバーヘッドを含む独立ベンチマークパッケージを公表していない。
改善率は出発点となる構成に大きく左右される。不適切なサイズ設定のワークロードでは、基本的な適正化後に大幅な節約が生じ得る。すでに最適化された環境では、効果はより小さい可能性がある。
結果は、バッチ処理とレイテンシーに敏感な推論処理でも異なり得る。1基のGPUに4つのジョブを詰め込むことで密度が向上するのは、それらのジョブが許容できない速度低下やメモリー競合なしに共存できる場合に限られる。
Nutanixは、スケジューラーがノイジーネイバー、変化するメモリー要件、ハードウェア障害、突発的な負荷増をどのように扱うかを示す必要がある。エンタープライズの購買担当者は、分離制御と完全な監査記録も期待するだろう。
クロスクラウド配置には、さらなる複雑さが伴う。利用可能なキャパシティに近い場所へ計算を移すと、データ転送料金、コンプライアンス上の懸念、ネットワーク経路の長期化を招く可能性がある。
時間あたりのコンピュート料金が低くても、必ずしも総コストが低くなるとは限らない。スケジューラーは、データ重力、転送費用、サービス依存関係を配置ロジックに組み込む必要がある。
エネルギーを考慮したスケジューリングにも、同様の測定上の課題がある。Nutanixは、Ryaxがハードウェアの電力モデルを通じてクラスターを評価し、より低エネルギーの配置先を選択できるとしている。
この機能は、組織によるサステナビリティ方針の自動化に役立つかもしれない。その価値は、正確なモデル、透明な前提条件、監査担当者が検証できる報告に左右される。
短期的には統合リスクの方が大きな課題だ。Nutanixは、NKPまたはNAIにおけるRyax機能の正確なリリース日を発表していない。
商用モデルも不明確である。顧客は、これらの機能が既存サブスクリプションに含まれるのか、個別アドオンになるのか、製品バンドルとして提供されるのかをまだ把握できていない。
サポートの境界も定義が必要だ。Nutanixソフトウェア、パブリッククラウド、Slurm、Kubernetes、サードパーティ製ハードウェアをまたぐワークロードでは、複数のレイヤーで障害が起こり得る。
顧客は、単一の診断ビューと明確なエスカレーション経路を求めるだろう。そうでなければ、統合スケジューリングは統合された説明責任なしに、統合された複雑さを生み出しかねない。
Ryaxのオープンソースに由来する背景も、別の疑問を提起する。同社ウェブサイトはオープンソースのコアについて説明しているが、Nutanixはプロジェクトの将来のガバナンスやライセンスモデルを詳述していない。
既存のRyaxユーザーとコントリビューターには、継続的なアクセス、公開開発、Nutanix環境外での互換性について明確化が必要となる。ここでの変更は、開発者や研究組織での採用に影響を与える可能性がある。
Nutanixは、ポリシー自動化が理解可能なままであることも証明しなければならない。スケジューラーは何千もの判断を下せるが、運用担当者は依然として、なぜワークロードが移動したのかを知る必要がある。
配置が規制対象データ、サービスレイテンシー、財務上のコミットメントに影響する場合、この要件は特に重要になる。推奨には説明、オーバーライド、監査可能な履歴が必要だ。
買収発表で説明されているのは意図された成果であり、契約上の製品コミットメントではない。Nutanixは、多くの統合および性能に関する記述を将来予想に関する記述として明示的に分類している。
そのためエンタープライズの購買担当者は、この買収をロードマップ上のシグナルとして扱うべきだ。統合リリース、ドキュメント、再現可能なテストが利用可能になった時点で、この技術を評価する価値がある。
この取引の重要性を示す3つのシグナル
この買収が成功するのは、NutanixがRyaxの技術を出荷可能なソフトウェア、検証済みの効率性、顧客による採用へと転換できた場合に限られる。
最初のシグナルは、日付が明示された製品リリースだ。Nutanixは、Ryaxの機能を搭載するNKPおよびNAIのバージョンを特定する必要がある。
信頼できるリリースには、インストール、サポート対象インフラ、テレメトリ収集、ポリシー設定、障害復旧、製品ライセンスが含まれるべきだ。デモンストレーションだけでは準備完了を示せない。
最も注目すべき機能は、複数環境にまたがるエンドツーエンドの配置となる。顧客は単一のワークロードを投入し、プラットフォームがなぜ特定の配置先を選んだのかを確認できるべきだ。
Nutanixが一貫したガバナンスとともにこのワークフローを実現すれば、買収の根拠はより強固になる。度重なる遅延や限定的な統合は、統一コントロールレイヤーの正当性を弱めるだろう。
2つ目のシグナルは、独立した性能証拠だ。Nutanixは、推論、バッチ処理、ファインチューニング、混在するマルチテナント環境を対象とした再現可能なテストを公表すべきである。
これらのテストでは、利用率、完了時間、スケジューリングのオーバーヘッド、障害率、インフラの総コストを報告すべきだ。また、ベースライン構成も説明する必要がある。
独立した顧客測定は、ベンダーが示す割合よりも重みを持つ。最も有用な事例は、すでに異種インフラを運用している組織から得られるだろう。
KubernetesとSlurmの両方を利用する顧客は、Ryaxの最も特徴的な約束を検証できる。NVIDIAとAMDのアクセラレーターを運用する別の顧客は、ハードウェア中立性がマーケティング文言を超えて機能するかを試せる。
3つ目のシグナルは、持続的な本番環境での採用だ。Nutanixは、顧客がNKP、NAI、プライベートインフラ、外部クラウドにまたがってスケジューリングをどのように利用しているかを明らかにすべきである。
この製品カテゴリーは信頼に依存するため、採用は重要だ。プラットフォームチームは、予測可能な動作と意味のある制御なしに、重要なAIワークロードの配置を委任しない。
本番導入の事例では、インストール以上の内容を示すべきだ。チームがアイドルキャパシティを削減したか、カスタムのスケジューリングスクリプトを廃止したか、個別の管理システムを統合したかを示す必要がある。
競合各社の動きも補強材料となる。NVIDIAは、Run:ai、Slurm、同社のアクセラレータースタック間の統合を深めることができる。Red Hatは、追加のアップストリーム・スケジューリング機能をOpenShift AIにパッケージ化できる。
ハイパースケーラーも、オンプレミスインフラとの接続を改善できる。こうした対応はいずれも、Nutanixに迅速な製品投入を求める圧力を高めることになる。
したがってNutanixによるRyax買収は、戦略的な制御点としてのスケジューラーに絞った賭けである。モデルは注目を集めるが、エンタープライズAIが本番環境で存続できるかどうかはインフラ経済性が左右する。
Nutanixはすでに、アプリケーションとデータ向けのハイブリッド運用モデルを販売している。Ryaxは、そのモデルを個々のGPU割り当てとAIジョブに適用する道筋を提供する。
買収した技術が特定のアーキテクチャ上のギャップに対処するため、この道筋には信頼性がある。一方で、計画されている統合はまだ一般提供されていないため、不確実性も残る。
エンタープライズの購買担当者にとって実務的な対応は、見出しを飾る効率性の主張を受け入れるのではなく、ロードマップを注視することだ。どの環境がサポートされるのか、配置判断がどのように説明されるのか、インフラ境界をまたぐ障害の責任を誰が負うのかを確認すべきである。
開発者とプラットフォームチームも、単一のポリシーモデルがKubernetes、Slurm、クラウドキャパシティを統制するかを追跡すべきだ。分断された制御は、この買収の中核的な価値を損なう。
Nutanixが統合リリース、独立した結果、本番導入の事例を提供できれば、Ryaxは小規模な買収以上の存在になる。NutanixにAIリソースオーケストレーションで意義ある地位を与えるだろう。
これらのシグナルが現れなければ、この取引は、Nutanixがより大規模なスケジューリングプラットフォームに対抗できることを示す証拠のない、有望な技術追加にとどまる。
