Spring Product Showcase 2026：Rescale、AIファーストの製品開発を加速させる「エージェンティック・デジタルエンジニアリング」を発表

ギャレット・ヴァンリー

エージェント型AIは、製品開発のスピードをすでに変えつつあります。現在、ほとんどの研究開発組織は、AIとエージェントが今日できることと、チームが日常的に行っている作業との間のギャップを埋めようとしています。Rescaleの 2026年春のショーケース このギャップを埋めるために、エンジニアリングチームが既に利用しているシミュレーションワークフローと連携するように設計された新機能を備えた包括的なデジタルエンジニアリングプラットフォームを構築しました。

このブログでは、Rescale Platformで新たに利用可能になった3つの機能領域について説明します。

  • Agentic Digital Engineering シミュレーションに特化した事前構築済みエージェントは、専門家が制御を維持しつつ、設定、トラブルシューティング、レポート生成などの手動タスクを自動化します。
  • AI Physics – 包括的なAI物理オペレーティングシステムは、断片化されたシミュレーションデータを、AI対応データセット、検証済みの代理モデル、および実運用可能な推論へと変換します。
  • 経済学の計算 コストと生産性の管理は、エンジニアリングチームとITチームが研究開発のスピードを加速させ、コストを管理し、大規模なインフラストラクチャの使用を最適化するのに役立ちます。

エージェント型デジタルエンジニアリング：エージェント加速型イノベーション

シミュレーション主導型のエンジニアリング組織において、生産性を最も阻害する要因は、シミュレーション実行前の入力値の検証、実行終了後の障害診断、結果のレポート作成、そして次の反復処理の設定といった、シミュレーションを取り巻く手作業による反復作業である。

AIエンジニアリングによって、この状況は一変します。Rescaleの2026年春のショーケースにより、研究開発チームは、製品開発ライフサイクル全体にわたってシミュレーションネイティブのエージェントを展開し、あらゆる重要な意思決定ポイントで人間による制御を行うことができるようになります。

エージェントエンジニアリングの実践例：

  • 日常的なシミュレーション作業向けに事前に構築されたエージェント。 エンジニアは、入力ファイルの検証、ジョブの失敗診断、ソルバー固有のトラブルシューティング、ハードウェア構成とベンチマーク、自動レポート生成など、Rescaleが提供する専用エージェントのライブラリを利用できます。
  • エージェントノードを使用したワークフロー。 シミュレーション管理者は、ベストプラクティスを制御された複数ステップのワークフローに組み込むことができます。エージェントノードはコンテキスト内で自動的に実行され、出力を下流のステップに渡し、エンジニアが常に監視する必要なく、定義されたチェックポイントで情報を提供します。
  • セキュリティと統制された制御はプラットフォームに組み込まれています。 Rescaleエージェントは、監視・推奨から特定の制約内での行動まで、明確な自律性レベルに基づいて動作するため、チームは自動化を段階的に拡張できます。実行は、既存のアクセス制御と組織ポリシーに直接連動します。
エージェントライブラリのスケール変更
Rescaleのエージェントライブラリから、モデリングおよびシミュレーションのライフサイクル全体にわたるタスクに特化した、事前に構築されたAIエージェントを起動します。

ダイキン工業世界最大かつ最も革新的なHVACおよび産業機器メーカーの1つである同社は、Rescaleプラットフォーム上でAIファーストの研究開発エコシステムの構築を目指しています。Rescale for cloudを導入後、 コンピュータ支援エンジニアリング (CAE) ダイキンは、研究開発拠点全体でデータインテリジェンスを活用することで、手作業によるシミュレーションデータ管理の手間を大幅に削減し、現在ではグローバルな研究開発組織全体で、より広範なエージェント型デジタルエンジニアリング機能の実現に向けて前進している。 

「ダイキンは、グローバルな研究開発組織全体で、AIを活用した卓越したエンジニアリングがどのようなものになるかという明確なビジョンを持っています。今回、Rescaleの新たな機能が、産業製造の未来に対する当社のビジョンと直接的に合致していることに、私たちは大きな期待を抱いています。既に生産性の向上を実感しており、今後の機能展開に向けたロードマップも、私たちが目指す未来像に合致しています」と、ダイキン工業技術革新センター デジタルエンジニアリンググループ シニアエンジニア兼グループリーダーの高根澤悟氏は述べています。

マクラーレン・オートモーティブRescaleとのパートナーシップは GTC 2026で発表これは、大規模に展開した場合の具体的な例です。マクラーレン独自のエンジニアリングデータのみでトレーニングされ、NVIDIAのインフラストラクチャによって駆動されるプラットフォーム上で動作するこのシステムにより、マクラーレンのエンジニアは、複数の物理領域にわたる数千もの設計反復を数時間で評価できるようになり、エージェント型ワークフローによって専門家の生産性が3倍向上しました。

AI物理学：サロゲートモデリングのための完全なオペレーティングシステム

代理モデル これは長年にわたりエンジニアリングのロードマップに載ってきた技術です。ニューラルネットワーク、次数削減モデル、機械学習アクセラレータといった概念は十分に理解されているため、今日の課題はこれらの技術を理解することではありません。今求められているのは、生のシミュレーションデータを、実際のエンジニアリングチームが使用し信頼できる、本番環境に対応したモデルに変換するための、実用的で拡張性の高い方法を見つけることです。

AI物理サロゲートモデリング
AIサロゲートモデルは、航空機の性能と構造応答を高精度で予測する。

リスケールの AI Physics オペレーティングシステム（OS）は、統合された単一の環境でパイプライン全体を解決します。

  • 単一のガイド付き環境でモデル化するデータ AI物理OSは、シミュレーションデータの管理、モデルのトレーニング、バージョン管理、およびデプロイメントを連携させるため、エンジニアが個別のツールを組み合わせたり、専任のデータサイエンスチームを関与させたりする必要がありません。
  • 実運用可能なモデルアーキテクチャ – エンジニアは、以下を含む主要なアーキテクチャにノーコードでアクセスできます。 NVIDIA PhysicsNeMo また、マルチストリームトランスフォーマーにより、高度な機械学習の専門知識がなくても、AIを加速させる手法を導入することが可能になります。
  • エンジニアが既に使用しているツールでの推論 – サロゲートモデルの推論は、Autodesk AliasおよびBlender内で直接実行されるため、設計チームはネイティブ環境で数千もの設計バリエーションを評価し、反復作業を数日または数週間からほぼリアルタイムに短縮できます。
  • オープンで柔軟なアーキテクチャ チームはオープンソースまたはカスタムフレームワークを使用し、ベンダーロックインなしでサードパーティのAI物理ツールを組み込むことができ、状況の変化に応じてツールを切り替えることができます。

データ準備におけるボトルネックは、エンジニアが自身のCAE環境全体から過去のシミュレーションデータをトレーニング可能なデータセットに変換するのを支援するコパイロットによって直接解決され、カスタムスクリプトやデータエンジニアリング作業を必要とせずに、エージェント型デジタルエンジニアリングとAI物理学の間のギャップを埋めます。

AI物理演算を導入した顧客は、製品開発ライフサイクル全体にわたって目に見える成果を上げていると報告している。

  • 4x 開発サイクルごとに評価される設計候補の数が増える
  • 30x コスト効率の改善
  • 60% 製品開発の迅速化

コンピューティングの経済学：より賢い支出、より優れたパフォーマンス

クラウドHPCは、エンジニアリングチームに膨大な計算能力へのアクセスを提供します。しかし、適切な制御がなければ、その規模はコストリスク、スループットの変動、ハードウェア選定の摩擦などを意味し、本来であれば戦略的なタスクに費やすべきエンジニアリング時間を浪費してしまう可能性があります。リソースと計算に関する意思決定が自動化されるにつれて、これらの課題はますます深刻化し、AIファーストの取り組みが費用対効果の高いものとなるためには、自動化されたルールベースの制御とリアルタイムの可視性が不可欠となります。

Rescaleのコンピューティング経済性機能は、新たなレベルのインテリジェンスとアクティブ制御をもたらします。

  • コスト管理を計算する エンジニアリングおよびITリーダーがコスト削減とコンピューティングリソースの可用性との間で容易にトレードオフを行える、組織全体にわたる独自の制御機能。リーダーは利用状況を監視し、手動設定やエンジニアリングの負担なしに、プログラムレベルの目標を達成するためのコンピューティング最適化を透明性高く実行できます。
  • コアタイプコレクション – 単一コアタイプの選択肢と同等以上のパフォーマンスを実現する、厳選されたハードウェアグループ。プラットフォームは、メモリ、ストレージ、ネットワーク帯域幅の向上など、リソースのアップグレードをコンピューティングコストを追加することなく自動的にプロビジョニングできるため、エンジニアリングチームのハードウェアベンチマークの負担が軽減されます。

クラウド上でHPCを提供することで、組織が必要とする規模を実現できます。これらの機能により、経済的な制御レイヤーが追加され、組織レベルおよびプロジェクトレベルで、コスト効率とパフォーマンスの両面で規模を拡大することが可能になります。

プラットフォーム全体にわたる継続的なイノベーション

エージェント型AIやコンピューティング経済学にとどまらず、2026年春のリリースでは、より広範な分野における重要な進歩が含まれています。 Rescale プラットホーム.

コネクテッドデジタルスレッドのためのデータファブリック Rescaleのデータレイヤーを拡張し、記録システム全体でエンジニアリング知識をキャプチャ、接続、およびアクティブ化します。コネクタライブラリは拡大しており、次のようなプラットフォームをサポートしています。 マイクロソフトのSharePointの, AWS S3, アズールブロブ、 もっと。

統合データファブリック
統合データファブリックは、SharePointやその他の主要なエンタープライズツールを連携させ、AI支援によるエンジニアリング意思決定を強化する。

高度なモデリングとシミュレーションのためのワークフロービルダー シミュレーション管理者は、ドラッグ＆ドロップ式のキャンバスを使用して、検証済みのプロセスを制御可能で再現性のあるテンプレートにエンコードできます。これにより、ステップ間の構造化されたデータ引き渡しと、実行チームメンバー向けのガイド付き実行エクスペリエンスが提供されます。

これらの機能は互いに強化し合います。データファブリックは、エージェントやRescale AI Physicsモデルが利用するインテリジェンスレイヤーにデータを提供し、ワークフロービルダーはそれらが動作するプロセスを構造化します。

定義済みのシミュレーションワークフローに組み込まれたジョブトラブルシューティングエージェントが、シミュレーションの問題を自動的に診断します。

AIファースト時代のために構築された

Rescaleの2026年春リリースは、Rescaleのプラットフォームビジョンがどれほど進歩したかを反映しています。シミュレーションに関する知識を体系的に収集、構造化し、活用できる組織は、より迅速に業務を進め、より広範囲な反復を行い、より効果的に競争できるようになります。Rescaleのデジタルエンジニアリングプラットフォームは、導入初日からワークフローの改善を実現し、実用的で本番環境に対応した道筋を提供します。

エージェント型デジタルエンジニアリング、AI物理学、計算経済学の実際の動作をご覧になりたい方は、 2026年春のショーケースランディングページ, 発表を読む, デモをリクエストするまたは、Rescaleのアカウントチームにお問い合わせください。

×