Spring Product Showcase 2026：Rescale、AIファーストの製品開発を加速させる「Agentic Digital Engineering」を発表
エージェンティックAI（自律型AI）は、製品開発のスピードをすでに変え始めています。現在、多くのR&D組織は、AIやエージェントができることと、チームが日々行っている実際のワークフローとの間の溝をどう埋めるべきか模索している段階にあります。Rescaleの2026年春のリリースは、この溝を解消するために構築されました。エンジニアリングチームが既に信頼を置いているシミュレーション・ワークフローと連携するよう設計された、新しい包括的デジタルエンジニアリング・プラットフォームを提供します。
本ブログでは、3つの主要な新機能領域について解説します：
- Agentic・Digital Engineering： 製品開発ライフサイクル全体にわたるシミュレーション・ネイティブなエージェント。重要な意思決定ポイントには人間が関与（Human-in-the-loop）できる制御機能を備えています。
- AI Physics Operating System： シミュレーションデータからサロゲートモデルのデプロイまで、独自のツール構築やデータサイエンスのオーバーヘッドなしで実現する、統合された完全なパイプライン。
- Compute Economics（計算経済学）： エンジニアリングおよびITリーダーが、プログラム単位でスピード、ハードウェア選択、コストのバランスを調整できるリアルタイム制御機能。
Agentic・Digital Engineering：エージェントが加速させるイノベーション
シミュレーション主導のエンジニアリング組織において、最大の生産性低下要因となっているのは、その周辺にある手動の反復作業です。実行前の入力ファイルの検証、終了後の失敗原因の診断、結果のレポート作成、そして次回の計算設定などです。
「AIエンジニアリング」はそれを変えます。2026年春のリリースにより、R&Dチームは製品開発のライフサイクル全体にシミュレーション・ネイティブなエージェントを配置できるようになります。
具体的な活用イメージ：
- 日常的なタスクのための構築済みエージェント： エンジニアは、Rescaleが拡充を続ける専用エージェントのライブラリにアクセスし、入力ファイルの検証、ジョブ失敗の原因診断、ソルバー固有のトラブルシューティング、ハードウェア構成の最適化やベンチマーク、レポートの自動生成など、多彩な機能を活用できます。
- エージェント・ノードを組み込んだワークフロー： シミュレーション・マネージャーは、ベストプラクティス（最適化された手法）を、制御された多段階のワークフローとしてコード化（定型化）できます。エージェント・ノードは文脈（コンテキスト）に応じて自動的に実行され、後続のステップへ出力を引き継ぎます。これにより、エンジニアはプロセス全体を常に監視し続ける必要がなくなり、あらかじめ定義されたチェックポイントで通知を受けるだけで済むようになります。
- プラットフォームに組み込まれたセキュリティとガバナンス： エージェントは「監視と推奨」から「特定のガードレール内での実行」まで、明確な自律性レベルの下で動作します。実行にあたっては、既存のアクセス権限および組織の規定がそのまま適用されます。
図注： Rescaleエージェントライブラリから構築済みのAIエージェントを選択し、実行する様子。
これらのプラットフォーム強化による成果は、R&D（研究開発）およびエンジニアリングチームにとって、即座に変革をもたらすものとなります。エージェントが複雑な（かつ、しばしば退屈な）セットアップ、実行、結果の抽出を処理することで、エンジニアは1サイクルあたりにより多くの設計案を評価できるようになります。また、自動化された検証ワークフローによってシミュレーションエラーが減少し、問題の予兆を捉えるエージェント型のトラブルシューティングにより、ジョブの失敗に気づかず計算リソースを無駄にすることも防げます。
世界最大級かつ最も革新的な空調・化学メーカーの一社であるダイキン工業は、Rescaleプラットフォーム上でAIファーストのR&Dエコシステムの構築を進めています。各拠点のR&D現場にクラウドCAEおよびデータインテリジェンスとしてRescaleを導入したことで、同社は手動によるシミュレーションデータ管理の負担を大幅に軽減しました。現在は、グローバルなR&D組織全体で、より広範なエージェンティック・デジタルエンジニアリング機能の展開に向けた歩みを進めています。
“グローバルなR&D能力を強化していく中で、我々にはAI主導のCAEエンジニアリングにおける卓越した姿（Excellence）へのビジョンを掲げています。今この瞬間に期待を感じているのは、Rescaleが打ち出した新機能が、我々の目指す方向性と極めて直接的に合致している点です。すでに現在も生産性の向上を実感していますが、これからのロードマップは、我々が次に目指す高い目標とも一致しています。”‐高根沢 悟 氏（ダイキン工業株式会社 テクノロジー・イノベーションセンター 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 ）
GTC 2026でRescaleとのパートナーシップを発表したマクラーレン・オートモーティブは、これらの機能を大規模に運用している先行事例です。マクラーレン独自のエンジニアリングデータのみで学習させ、NVIDIAのインフラを基盤としたプラットフォームを運用することで、同社のエンジニアは複数の物理ドメインにわたる数千もの設計案をわずか数時間で評価できるようになりました。エージェンティック・ワークフローにより、エキスパートの生産性は3倍に向上しています。
AI Physics：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
サロゲートモデリング（代替モデル）は、長年エンジニアリングのロードマップに掲げられてきました。ニューラルネットワーク、低次元モデル（ROM）、機械学習アクセラレータといった技術は、概念としてはすでに十分に理解されています。したがって、今日の課題は「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信頼して活用できる「実用的な（プロダクションレベルの）モデル」へと変換するための、実用的かつ拡張性のある手法を見つけ出すことなのです。
図注： AIサロゲートモデルにより、航空機の性能や構造応答を極めて高い精度で予測。
Rescaleの「AI Physics」オペレーティングシステムは、一元化された統合環境でパイプライン全体を完結させます。
- ガイド付き環境でデータからモデル作成までを実現： AI Physics OSは、シミュレーションデータの管理、モデルの学習、バージョニング（版管理）、そしてデプロイをシームレスに接続します。エンジニアは個別のツールを継ぎ接ぎしたり、専門のデータサイエンスチームに頼ったりする必要はありません。
- 即戦力となるモデルアーキテクチャ： NVIDIA PhysicsNeMoやMultistream Transformersを含む最先端のアーキテクチャにノーコードでアクセス可能です。機械学習の深い専門知識がなくても、AIによる加速手法を容易に導入できます。
- 普段使いのツール内で推論を実行： サロゲートモデルの推論は、Autodesk AliasやBlenderの中で直接動作します。設計チームは使い慣れた環境（ネイティブ環境）で数千ものデザイン案を評価でき、これまで数日から数週間かかっていた設計サイクルを、ほぼリアルタイムにまで圧縮できます。
- オープンで柔軟なアーキテクチャ： オープンソースや独自のフレームワークの利用、またサードパーティ製のAI Physicsツールの組み込みも可能です。ベンダーロックインを回避し、技術の進化に合わせて柔軟にツールを入れ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、専用のコパイロットによって直接解消されます。このコパイロットは、エンジニアが自身のCAE環境に散在する過去のシミュレーションデータを、学習に最適なデータセットへと変換できるようガイドします。これにより、カスタムスクリプトの作成やデータエンジニアリングの専門作業を必要とせず、「エージェンティック・デジタルエンジニアリング」と「AI Physics」の間の溝を埋めることが可能になります。
AI Physicsを導入したお客様からは、製品開発ライフサイクル全体において、以下のような目に見える成果が報告されています：
- 開発サイクルあたりの設計評価数が4倍に増加
- コスト効率が30倍向上
- 製品開発スピードが60%向上
Compute Economics（計算経済学）：より賢い支出で、より高いパフォーマンスを
クラウドHPCは、エンジニアリングチームに巨大な計算スケールへのアクセスをもたらしました。しかし、適切な制御機能がなければ、そのスケールはコスト増大のリスク、スループットの変動、そしてハードウェア選定の手間（摩擦）を招き、本来より戦略的な業務に充てるべきエンジニアの時間を奪ってしまいます。リソースや計算に関する意思決定がエージェンティックへと移行するにつれ、これらの課題はさらに深刻化します。そのため、AIファーストの取り組みを確実にコスト効率の高いものにするには、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化が不可欠となります。
RescaleのCompute Economics機能は、新たなインテリジェンスの層と能動的な制御機能を提供します。
- スピード対コストの制御： エンジニアリングおよびITリーダーが、コスト削減と計算リソースの可用性のバランスを容易に調整できる、組織横断的な独自の制御機能です。リーダーは利用状況を監視し、手動設定やエンジニアの工数を増やすことなく、プログラムレベルの目標を達成するために透明性の高い継続的なトレードオフの判断を下せます。.
- Coretype Collections（コアタイプ・コレクション）： 単一のコアタイプを選択するよりも同等以上のパフォーマンスを発揮するよう、厳選されたハードウェア・グルーピング機能です。プラットフォームが、追加の計算コストなしで、より優れたメモリ、ストレージ、ネットワーク帯域幅を含むリソースのアップグレードを自動的にプロビジョニングするため、エンジニアリングチームはハードウェアのベンチマーク作業という重荷から解放されます。
クラウドでのHPC提供は、組織が必要とするスケールを実現します。これらの新機能は、そのスケールを組織およびプロジェクトレベルで「コスト効率」と「高パフォーマンス」の両立へと導く、経済的な制御レイヤーを付加します。
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
エージェンティックAIとCompute Economics以外にも、2026年春のリリースでは、Rescaleプラットフォームの広範な領域において重要な進歩が含まれています。
「コネクテッド・デジタルスレッド」を実現するData Fabric（データファブリック）は Rescaleのデータレイヤーを拡張し、各種記録システム（Systems of Record）に分散したエンジニアリングのナレッジを捕捉、接続、および活性化します。Microsoft SharePoint、AWS S3、Azure Blobなどをサポートするコネクタ・ライブラリも拡充を続けています。
図注： 統合されたデータファブリックが、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上の意思決定を支える。
高度なモデリングとシミュレーションのための「Workflow Builder」はシミュレーション・マネージャーにドラッグ＆ドロップ形式のキャンバスを提供します。これにより、検証済みのプロセスを、制御された再現可能なテンプレートとしてコード化（定型化）できます。各ステップ間での構造化されたデータの受け渡しや、実行するチームメンバー向けのガイド付きエクスペリエンスも備わっています。
これらの機能は、相互に補完し合う関係にあります。Data Fabricは、エージェントやRescale AI Physicsモデルが活用する「インテリジェンス・レイヤー」にデータを供給し、Workflow Builderは、それらが動作するための「プロセス」を構造化します。
図注： 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。
AIファースト時代のエンジニアリングのために
Rescaleの2026年春のリリースは、私たちのプラットフォーム・ビジョンが到達した大きな進化を象徴しています。シミュレーションの知見を体系的に捉え、構造化し、それに基づいて行動できる組織は、より迅速に動き、より広範な試行錯誤（イテレーション）を繰り返し、より効果的に競争を勝ち抜くことができるでしょう。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を改善し、その理想へと到達するための「実用的」かつ即戦力（プロダクション・レディ）な道筋を提供します。
ショーケースのランディングページでは、エージェンティック・デジタルエンジニアリング、AI Physics、Compute Economicsの実際の動作をご覧いただけます。ぜひデモをリクエストいただくか、弊社のアカウントチームまでお問い合わせください。